基于深度學(xué)習(xí)的海島區(qū)域分割和海岸線提取*

明 生，張永林，謝榮安

(1.廣東省地質(zhì)測繪院，廣東 廣州 510880；2.廣東省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心，廣東 廣州 510075)

0 引言

淇澳島位于廣東省珠江入?？谔?，其面積的變化是珠江上游乃至整個(gè)地區(qū)環(huán)境變化的晴雨表。入?？谑谴箨懞恿髁飨蚝Ｑ蟮慕K點(diǎn)，是河流、大陸和海洋物質(zhì)交換，相互作用和相互影響最大的位置。其上游的河流中的沖擊物，對位于入?？诟浇膷u嶼的面積和大小影響很大。淇澳島位于廣東省珠江入?？谔幍奈鱾?cè)，其面積和范圍的微小變化足以反映珠江上游及該地區(qū)的生態(tài)環(huán)境、氣候變化等情況。然而，目前對淇澳島的研究僅限于島上生態(tài)的研究。比如：江睿等[1]研究了淇澳島紅樹林濕地沉積物碳、氮分布情況；張堅(jiān)強(qiáng)等[2]研究了淇澳島次生植被特征及物種多樣性情況；馬姣嬌等[3]基于地學(xué)信息圖譜對淇澳島土地利用格局進(jìn)行了分析；田廣紅等[4]對淇澳島肉實(shí)樹群落及其物種多樣性特征進(jìn)行研究；李亞芳[5]對淇澳島3類濕地軟體動物群落生態(tài)學(xué)及分類學(xué)研究，等等。這些工作都是對淇澳島上的某種生態(tài)進(jìn)行研究，而對淇澳島的岸線變化和區(qū)域面積沒有涉及。另外，當(dāng)前在互聯(lián)網(wǎng)上查到的淇澳島的面積僅限于某一年份的數(shù)據(jù)，由于實(shí)地測量人力成本昂貴和基于人工方法提取遙感影像繁瑣和自動化程度不高的原因，從而缺失對該島嶼連續(xù)年份面積的測量數(shù)據(jù)。因此，本文基于Landsat-8公開遙感數(shù)據(jù)，采用最新的人工智能算法模型LaeNet[6]，對淇澳島從2013至2020近8年來的遙感影像進(jìn)行區(qū)域分割和邊界提取，從而計(jì)算統(tǒng)計(jì)出該島嶼的面積變化情況，對研究島嶼及區(qū)域生態(tài)環(huán)境、氣候變化提供數(shù)據(jù)支持。為實(shí)現(xiàn)其他區(qū)域的島嶼海岸線變化監(jiān)測、區(qū)域大小監(jiān)控提供方法和思路，對島嶼和其相關(guān)海域的科學(xué)管理、海岸帶資源與環(huán)境保護(hù)研究、可持續(xù)開發(fā)和利用決策都具有一定的參考作用。

1 研究區(qū)概況和數(shù)據(jù)來源

淇澳島位于廣東省珠江入?？谖鱾?cè)伶仃洋上，鄰虎門，隸屬于珠海市。地理位置為：東經(jīng) 113°36′至113°39′，北緯 22°23′至22°27′。該地區(qū)屬于南亞熱帶季風(fēng)氣候，年平均溫為 22.4 ℃，年均日照為907.4 h，年均降水為964.4 mm，85.6% 集中在4月至9月份。潮汐屬不正規(guī)半日潮，水質(zhì)較清潔，海水鹽度年平均值18.2‰，土壤屬于濱海鹽漬草甸沼澤土。區(qū)域位置見圖1。

圖1 淇澳島區(qū)域位置圖Fig.1 Administrative region of Qi’ao Island

本文從USGS網(wǎng)站上(https：//glovis.usgs.gov)，下載1景包含該地區(qū)的無云且清晰的Landsat-8影像，日期為2020年2月18日，其寬是7 531像素，高是7 691像素，如圖2所示。

圖2 淇澳島所在的Landsat-8影像Fig.2 Landsat-8 image of Qi’ao Island

本文選擇2-6波段作為研究數(shù)據(jù)，其原始參數(shù)如表1所示。

表1 Landsat-8傳感器的主要參數(shù)Tab.1 Main parameters of landsat-8 sensor

2 研究方法

利用深度學(xué)習(xí)模型的一般流程為數(shù)據(jù)準(zhǔn)備、標(biāo)簽制作、模型訓(xùn)練和模型應(yīng)用4個(gè)步驟。工作流程如圖3所示。

圖3 深度學(xué)習(xí)模型的工作流程圖Fig.3 Work flow of deep learning model

2.1 訓(xùn)練數(shù)據(jù)集

將下載的2至6波段的Landsat-8影像分別進(jìn)行大氣校正，將數(shù)據(jù)從16 bit轉(zhuǎn)換成8 bit，分辨率為96 dpi。因?yàn)榻t外波段能夠吸收水體(包括海水)的大部分能量，容易將水體與陸地區(qū)域分割開。因此，利用該特性，選用該景影像的近紅外波段采用單個(gè)波段閾值法對該景影像進(jìn)行水陸分離。在本實(shí)驗(yàn)中發(fā)現(xiàn)閾值較難選擇，閾值選取過大，影像中邊界處的陸地信息較多；閾值選取過小，邊界處的海水信息又會漏掉。經(jīng)過反復(fù)實(shí)驗(yàn)，選取該影像的水陸分離恰當(dāng)?shù)拈撝?，獲得水陸分離后的二值影像。由于該地區(qū)為珠江入?？?，航運(yùn)較發(fā)達(dá)，水面上有大量的運(yùn)輸船，也被分離成陸地。因此，手工采用影像處理工具去除船體等噪聲，最終制作完成高質(zhì)量的水陸分離結(jié)果影像，用作訓(xùn)練數(shù)據(jù)的區(qū)域標(biāo)簽影像。在此基礎(chǔ)上，采用OpenCV庫中的Canndy邊界提取算法，對水陸分離結(jié)果影像進(jìn)行邊界提取，生成對應(yīng)的邊界標(biāo)簽影像。為了適應(yīng)深度學(xué)習(xí)模型LaeNet影像512像素×512像素輸入尺寸的要求，需要將轉(zhuǎn)換后的影像和對應(yīng)的二值化標(biāo)簽影像進(jìn)行進(jìn)一步切分。在本文中，只采用1景遙感影像作為訓(xùn)練數(shù)據(jù)，為了進(jìn)一步增廣數(shù)據(jù)集，在切分過程中采用重疊度為300像素。最終，生成324個(gè)子塊影像和相對應(yīng)的區(qū)域標(biāo)簽和邊界標(biāo)簽數(shù)據(jù)集。

2.2 LaeNet模型訓(xùn)練

目前，人工智能領(lǐng)域的深度學(xué)習(xí)模型[7]已廣泛應(yīng)用于地球科學(xué)領(lǐng)域[8]，然而大多模型訓(xùn)練需要大量的帶標(biāo)簽的訓(xùn)練數(shù)據(jù)?；贚andsat-8遙感影像數(shù)據(jù)，制作影像分割和邊界提取標(biāo)簽工作量較大，因此本文選用輕量級的深度學(xué)習(xí)影像分割和邊界提取模型LaeNet，只在1景Landsat-8遙感影像生成的324個(gè)子影像數(shù)據(jù)集上進(jìn)行訓(xùn)練。在LaeNet模型中，語義特征提取部分采用2層3×3 SAME類型的卷積核，其通道數(shù)為64、步長為1、激活函數(shù)為ReLU；區(qū)域分割部分采用1個(gè)3×3 SAME類型，并且步長為1卷積核，但是通道數(shù)為1，激活函數(shù)為Sigmoid，損失函數(shù)采用二值交叉熵函數(shù)；邊界提取部分采用各個(gè)深度學(xué)習(xí)框架都支持的maxpoling提取區(qū)域的空間梯度，則影像的區(qū)域與該區(qū)域的空間梯度的差值即為影像中水陸邊界，為了使用整個(gè)模型能夠進(jìn)行反向傳播訓(xùn)練，激活函數(shù)采用Leaky ReLU，其損失函數(shù)采用平均絕對誤差函數(shù)。

在LaeNet模型訓(xùn)練階段，為了盡可能多利用已制作的訓(xùn)練數(shù)據(jù)集應(yīng)用于模型訓(xùn)練，將324個(gè)子影像中的300個(gè)作為訓(xùn)練子集，其余24個(gè)作為驗(yàn)證子集。同時(shí)，采用翻轉(zhuǎn)、旋轉(zhuǎn)、扭曲、隨機(jī)裁剪等策略對訓(xùn)練子集進(jìn)行增廣。在英偉達(dá)GeForce 1080支持下的操作系統(tǒng)Ubuntu 16.04平臺上的Keras框架下訓(xùn)練該模型。整個(gè)網(wǎng)絡(luò)模型的參數(shù)隨機(jī)初始化，批次大小設(shè)置為4。模型的優(yōu)化算法選擇ADAM算子，初始學(xué)習(xí)率設(shè)為0.001，在學(xué)習(xí)率的衰減策略中，衰減因子設(shè)置為0.7。直到學(xué)習(xí)率衰減為10-5，或迭代epoch達(dá)到50次結(jié)束模型訓(xùn)練。至此，訓(xùn)練獲得性能最好的模型，其驗(yàn)證精度為0.99，影像分割交并比為0.98，最后，將模型文件命名為LaeNet.h5。

3 數(shù)據(jù)處理

為了獲得淇澳島近幾年的面積變化情況，在USGS網(wǎng)站上分別下載2020年前7年每年1景無云、清晰遙感影像為原始數(shù)據(jù)。首先采用大氣校正、波段16位轉(zhuǎn)8位，將波段2至波段6的影像分割成512×512大小的子影像塊。其次，分別應(yīng)用LaeNet模型對這7景子影像進(jìn)行水陸區(qū)域分割和邊界提取。然后，將水陸區(qū)域分割和邊界提取的子影像分別拼接成為整體的區(qū)域分割影像和邊界提取影像。最后，將這7景的結(jié)果影像加上2020年的區(qū)域標(biāo)簽影像和邊界標(biāo)簽影像，按照淇澳島范圍大小裁剪成淇澳島的區(qū)域結(jié)果影像和邊界提取影像，如表2所示。

表2 淇澳島2013-2020年區(qū)域分割和邊界提取結(jié)果Tab.2 Area segmentation and shoreline extraction results of Qi’ao Island from 2013 to 2020

島嶼的面積其中一個(gè)計(jì)算方法可以通過直接統(tǒng)計(jì)遙感影像中的有效值像元個(gè)數(shù)分辨率，其計(jì)算公式為：

(1)

4 結(jié)果分析

對邊界提取影像進(jìn)行分析可以得出，淇澳島北面岸線在2014年、2019年和2020年表現(xiàn)相對平直，說明變化相對較小。根據(jù)淇澳島水陸區(qū)域分割影像結(jié)果，分別統(tǒng)計(jì)出該島嶼連續(xù)8年的陸地像素個(gè)數(shù)。然后，根據(jù)Landsat-8分辨率，按式(1)分別計(jì)算出該島嶼連續(xù)8年的陸地面積，其結(jié)果如圖4所示。

圖4 淇澳島連續(xù)8年面積統(tǒng)計(jì)情況Fig.4 Annual areas of Qi’ao Island for past 8 years

從圖中可以看出，除2014年10月15日面積較大外，淇澳島陸地面積每年變化幅度較小。分析原因，這是由于淇澳島東側(cè)海灣多為沙岸、泥沙底，西北兩側(cè)海灣多為淤積泥灘，水較淺，低潮干出，同時(shí)受海浪潮沖積影響較大。

5 結(jié)束語

淇澳島位于珠江入?？谔帲涿娣e的變化情況是上游大陸架環(huán)境變化的重要指示器。因此，有效地提取出淇澳島的岸線和面積大小非常重要。在本文中，選用Landsat-8遙感影像作為基礎(chǔ)數(shù)據(jù)，結(jié)合輕量級的深度學(xué)習(xí)LaeNet模型，不需要大量的訓(xùn)練數(shù)據(jù)和傳統(tǒng)繁瑣的手工邊界提取，訓(xùn)練該模型。按照LaeNet模型的訓(xùn)練數(shù)據(jù)集制作方案、訓(xùn)練策略和應(yīng)用方法，獲得了淇澳島連續(xù)8年的岸線和面積大小。實(shí)驗(yàn)結(jié)果表明，該輕量級的LaeNet模型，在手工制作的1景包含淇澳島的遙感影像作為訓(xùn)練數(shù)據(jù)情況下，實(shí)現(xiàn)了對8景包含淇澳島的遙感影像的區(qū)域分割和邊界提取，能夠快速、便捷、實(shí)時(shí)獲取島嶼變化情況，實(shí)現(xiàn)高效、準(zhǔn)確、及時(shí)的數(shù)據(jù)支持。該方法可為其他區(qū)域的島嶼區(qū)域分割和邊界提取提供思路，具有一定的參考作用。