基于W orldView数据的浙江省铁港牡蛎养殖分布遥感调查

曹 利，顾文俊，李小恕，化成君，周为峰*

（1．中国水产科学研究院渔业资源遥感信息技术重点实验室，上海 200090；2．浙江海洋大学数理与信息学院，浙江舟山 316022；3．农业部渔业遥感科学观测实验站，北京 100041；4．北京博科鸿图信息术有限公司，北京 102208）

基于W orldView数据的浙江省铁港牡蛎养殖分布遥感调查

曹 利1，2，顾文俊4，李小恕3，化成君1，周为峰1*

（1．中国水产科学研究院渔业资源遥感信息技术重点实验室，上海 200090；2．浙江海洋大学数理与信息学院，浙江舟山 316022；3．农业部渔业遥感科学观测实验站，北京 100041；4．北京博科鸿图信息术有限公司，北京 102208）

高分辨率卫星遥感影像具有丰富的空间信息和纹理信息，使得采用高分辨率卫星遥感数据快速准确提取牡蛎养殖分布信息成为可能。本文以浙江省象山港铁港海域2009～2011年WorldView遥感影像为数据源，利用人工交互目视解译的方法提取了该区域内牡蛎养殖的浮筏信息，研究了牡蛎养殖分布范围与年度变化情况。结果表明：这3年铁港牡蛎养殖的浮筏数量发生了较大变化，呈现出先快速下降后急剧上升的波动情况，牡蛎养殖区整体空间分布呈西南-东北走向。调查结果显示沿海水产养殖的布局不仅受到自然条件的影响和制约，而且极大程度受到当地水产养殖管理政策的影响，应当开展长期性、周期性以遥感手段为主的监测，加强地方水产养殖管理政策的效果评价，及时调整相应政策和措施。

WorldView；牡蛎养殖；信息提取；浮筏

牡蛎素有“海中牛奶”的美称，且地理分布广、生长快、产量高，具有很高的经济价值，已成为中国乃至世界养殖产量最大的经济贝类［1］。近年来，象山港牡蛎养殖业发展迅速。然而，随着养殖规模的扩大和养殖密度的提高，无序的水产养殖造成的环境问题和资源问题日显突出；同时，大型电厂的建成投产对象山港海洋生态环境产生了一定影响［2］，养殖牡蛎出现大面积死亡、养殖产量不断下降的现象。因此，利用科学手段对象山港牡蛎养殖进行监测，分析养殖区动态变化，对保护近海渔业资源与环境、做好养殖区规划、实现健康可持续养殖有着重要的意义。传统的现场调查方法主要依靠人工调查来完成，无法实现长期、连续的监测，难以准确、客观地获取近海养殖现状，势必对养殖管理与规划造成影响［3］。遥感信息具有覆盖面积大、探测周期短、资料丰富、现势性强、费用低等特点［4］，为沿海和内陆等水产养殖空间信息的调查提供了有效、快捷的手段。

近年来，遥感技术已广泛运用于水产养殖的时空分布研究中。如Virdis等［5］利用SPOT5和WorldView1全色遥感影像对越南中部Tam Giang-Cau Hai海湖养殖池塘进行监测。高亮明等［6］运用Landsat卫星序列数据，对两种不同养殖类型的布局变化进行分析。范亚民等［7］以Landsat数据为基础，对东太湖围网养殖的时空变化进行研究。由于上述研究中多采用大于10 m分辨率的陆地资源卫星影像，仅能获取养殖区的大致范围且调查结果不够精细，从而在分析水产养殖的时空分布规律时有一定的空间局限性。在围绕象山港养殖水域的研究中，国内学者主要集中在生物学特征和生态环境效益等方面，如廖一波等［8］对象山港顶部海域不同养殖区进行了大型底栖动物调查，韩芳等［9］分析了象山港网箱养殖对水域环境的影响，而对该海域养殖区的空间分布尚缺乏探索。因此，本研究结合遥感与GIS技术，以浙江省象山港铁港宁海县海域2009年～2011年WorldView卫星遥感影像为数据源，开展该海域内牡蛎养殖的分布范围与年度变化情况的遥感调查，以期对该海域的资源管理与可持续利用提供科学依据。

1 材料与方法

1．1 研究区概况

铁港是象山港的一个支港，位于港湾顶部，是重要的牡蛎养殖区。象山港位于浙江北部沿海，是一个东北至西南向内陆深入的狭长形半封闭的海湾［10］。地理坐标为121°25′～122°30′N、29°25′～29°47′E，水域面积约427 km2，最大水深55 m，平均约10～20 m［11］。港域生态环境良好，营养盐类丰富，饵料生物繁多，具有独特的地理区位和资源优势，是浙江省最重要的海水养殖基地和渔业资源产地。然而目前，象山港邻近海域环境质量日趋恶化，近海渔业资源严重衰退，陆海矛盾日渐突出，急需从空间整体上对区域水产养殖的环境和布局进行调查和评价［9，12-13］。

1．2 数据来源

本次研究主要采用的数据源包括2009年12月和2010年10月的WorldView-II多光谱和全色图像，选择4个常规多光谱波段（即蓝、绿、红、近红外）及全色波段作为信息提取的波段；以及2011年11月的WorldView-I的全色影像。WorldView卫星是美国Digital Globe公司的商业成像卫星系统，由两颗卫星（WorldView-I和WorldView-II）组成。其中WorldView-I于2007年发射，可以提供0．5 m的全色影像。WorldView-II在2009年10月份发射升空，能够提供0．5 m全色图像和1．8 m（星下点）分辨率的多光谱图像，是世界上首颗能够提供8个波段多光谱数据的高分辨率商业卫星。

铁港内牡蛎养殖一般于春季采苗，经3～4个月的培育后，移养至深水区，多年养殖经验证明，当年10月移养的牡蛎产量通常比次年移养高出20％～30％，牡蛎经过一年左右的育肥可在小寒、春分时节收获［14］。因此，在遥感影像的时相选择上确定为秋冬季，时值牡蛎养殖的生长期，此时养殖浮筏的设施比较齐全，形状比较完整，是识别养殖浮筏的最佳时期。

1．3 研究方法

1．3．1 影像数据处理

图像融合是将低空间分辨率的多光谱图像或高光谱数据与高空间分辨率的单波段图像重采样，生成一幅高分辨率多光谱遥感图像的技术，使得处理后的图像既有较高的空间分辨率，又具有多光谱特征［15］。本文主要针对WorldView-II卫星影像数据，利用ENVI5．0遥感图像处理软件，经过多次试验，采用了主成分分析（Principal Component Analysis，PCA）融合方法，将WorldVew-II的1．8 m多光谱影像与0．5 m高分辨率的全色影像进行融合，融合后的影像对原始多光谱影像的光谱特征保持良好，而且空间细节也有较明显的提高（如图1～3）。此外，对融合后的图像进行波段组合、图像拼接等图像增强处理。

1．3．2 养殖浮筏信息提取

研究区内牡蛎养殖的方式为浮筏养殖，浮筏由一根长60 m，直径2 cm的聚乙烯绳作主绠，主绳上捆绑50 kg左右的泡沫塑料（分为黑白两种颜色）作浮绠，浮绠两端分别用20～30 m长、直径1．5～2 cm的桩绳打桩固于海底；相连两台浮筏之间间距约为4～6 m，几十至数百台浮筏并排排列，形成数百米的一组条带，每组浮筏带之间相距20～40 m不等［16-17］。

图1 原始多光谱影像Fig．1 M ultispectral image

图2 原始全色影像Fig．2 Pan image

图3 PCA融合后影像Fig．3 PCA algorithm result

养殖浮筏背景水体在真彩色多光谱影像（图1、图3）上，呈现蓝绿色，在全色影像（图2）上，则呈现黑色或深灰色，与周边水域的色调一致；而浮筏上白色的聚乙烯泡沫在影像（图1、图2、图3）上表现为高亮度反射，黑色的聚乙烯泡沫则呈深黑色。浮筏的空间特征十分显著，其轮廓清晰、纹理均匀，浮筏带间的边界也很明显。浮筏沿水流方向布设，在影像上表现为由西北向东南倾斜呈条带状分布。

在经图像融合等处理后的影像上，根据地物的色调、大小、形状和纹理等特征建立解译标志，采用人机交互目视解译的方法对养殖浮筏进行提取，利用ArcGIS10．1软件进行统计分析，制作2009年至2011年铁港牡蛎养殖分布专题图。

2 结果与分析

2．1 2009年～2011年养殖浮筏数量统计结果

根据卫星影像体现出的养殖区自然分布状态，结合表1的统计信息，2009～2011年的牡蛎养殖的浮筏数量统计结果如下：

2009年象山铁港区域的牡蛎养殖区域主要分布在A、B、C、D、E五个区域（如图4）。五个区域共1 787根养殖浮筏。根据图上的影像特征统计，A区域约603根养殖浮筏，B区域范围内约103根养殖浮筏，D区范围内约38根浮筏，E区范围内约23根浮筏；C区域内养殖浮筏分布面积大且排布密集，共计在宁海县界内约有1 020根，均位于2009年清退区内。

2010年象山铁港区域的牡蛎养殖区域主要分布在A、B、D和E四个区域（如图5），四个区域共746根养殖浮筏。其中A区域的养殖范围比较广，约603根养殖浮筏，另外三个区域面积小且比较分散，B区范围内约86根浮筏，D区范围内约37根养殖浮筏，E区范围内约20根浮筏。

2011年象山铁港区域的牡蛎养殖区域主要分布在A、B、C1、C2、D和E六个区域（如图6）。根据图上的影像特征统计，六个区域共1 721根养殖浮筏，其中A区域范围比较广，A区域约661根养殖浮筏；B区范围内约210根养殖浮筏；C1区域内约343根养殖浮筏，其中约有144根位于建议退养区内；C2区域内447根养殖浮筏，全部位于建议退养区内，有432根养殖浮筏位于2009年清退区内；D区范围内约55根浮筏；E区域范围内约5根浮筏。

图4 2009年铁港牡蛎养殖分布Fig．4 Distribution of oyster culture area in the Iron Bay in 2009

图5 2010年铁港牡蛎养殖分布Fig．5 Distribution of oyster culture area in the Iron Bay in 2010

图6 2011年铁港牡蛎养殖分布Fig．6 Distribution of oyster culture zones in the Iron Bay in 2011

图7 2009年-2011年浮筏数量变化统计图Fig．7 Statistics number of floating rafts in 2009-2011

表1 2009～2011年铁港牡蛎养殖区浮筏数量统计Tab．1 Statistics number of floating rafts in the oyster culture regions

2．2 养殖区空间分布变化分析

从牡蛎养殖区的空间分布（如图4～6）上来看，2009年～2011年，研究区内的养殖区总体呈现西南-东北方向分布。从以上牡蛎养殖的统计图（如图7）来看：2009年～2011年浮筏数量先急剧下降后又快速上升。从2009年到2010年，浮筏数量大幅度减少56．97％；2011年浮筏数量又突然增多，相比2010年增加了130．03％，出现了大幅度反弹现象。

2009年-2010年，C养殖区内的1 020根浮筏数量全部被清除，该养殖区也随之消失，B区域浮筏数量减少了17根，E区域减少了5根，A区域没有变化。根据调查和分析，2010年浮筏数量急剧减少，主要原因是2009年宁波市政府划定了水产养殖清退区的范围，由于政策实施需要一个过程，因此，2010年的遥感监测结果反映了政策的有效实施，但在2011年，在2009年划定的清退区内养殖浮筏出现反弹。

清退区范围的划定限制或约束了部分养殖者的利益。在有限的海域内，养殖者为了追求经济利益，一方面，在原有的养殖区内增设浮筏数量，加大养殖密度（从2011年A、B、D养殖区内的变化可以看出）；另一方面，开拓新的养殖区，并且继续在清退区内进行养殖（从2011年新增C1、C2养殖区可以看出），出现了无序的超负荷养殖。相比而言，只有E区域的养殖浮筏数量减少了，仅剩5根。由于E区域在近海岸，离陆地较近，浅海养殖区在雨季时盐度会大幅度减少，从而导致牡蛎大量死亡［18］，所以养殖户将牡蛎移至到深水区进行养殖。

3 讨论

政府的管理鼓励措施和整治措施与象山港海湾养殖区的时空演变进程息息相关。90年代以来，浙江省宁波市象山港区在国家“加速发展水产养殖，养护和合理利用近海资源”的方针指导下，加大了对海水养殖的开发力度［19］，宁波市政府也出台了一系列旨在激励开发水产养殖的政策，市县两级政府每年都有专项资金无偿扶持海水养殖开发［20］，因此，象山港牡蛎等水产养殖发展迅速，养殖面积和规模也不断扩大。但是在牡蛎养殖等迅速发展的同时，也出现了许多问题，严重影响象山港的生态环境。2009年，宁波市政府根据专家的意见划定了象山港牡蛎养殖的退养区范围。由于政策实施需要一个过程，这一政策到2010年才得以全面实施。从2010年退养区范围内浮筏彻底清除的状况来看，说明这一政策实施有效。但从2011年养殖状况来看，退养区范围内又出现了养殖浮筏，并且增加了新的养殖区，养殖浮筏数量出现反弹情况。

沿海工业经济增长与海洋生态环境是对立统一的关系。一方面，沿海工业建设在带动社会经济发展的同时，也给象山港的海洋生态环境带来了巨大的压力。象山港作为典型的半封闭海湾其海水交换能力较弱［8］，污染物扩散较慢，各种生活及工业废水、港口和船只的燃油、污水以及该海区内其他网箱养殖物种的大量排泄物排放到港湾内，加剧了养殖环境的恶化，对养殖贝类等的生长也产生了负面影响，严重时极易引发食品安全事件；此外，象山港大型火力电厂温排水的海水温升也有一定关系，在海水温升的条件下，海湾内富营养化程度加剧，极易导致生态条件恶化［2］。另一方面，沿海养殖户具有通过扩大养殖面积提高养殖密度从而提高经济收入的驱动力，造成了养殖需求对健康水域的争夺。在象山港，污染排放对于一定范围自净水体的需求和养殖对于健康水域需求之间的矛盾非常明显，经济发展建设项目与海洋环境承载力之间的矛盾越来越突出。因此，简单的划定限养区范围并不能从根本上解决问题，需要探索新的利益协调机制、监管机制和管理手段来彻底解决矛盾与冲突。针对沿海工业发展建设以及养殖者无序养殖对内湾生态环境带来的负面影响，从陆海统筹的角度制定包括渔业管理政策在内统筹兼顾的沿海发展政策与措施，合理安排养殖密度，控制污染物的排放；同时，政府和相关渔业管理部门应加强以遥感手段为主的常态化、周期性监测，开展相关管理政策和措施的后评价，加强环境监测和治理力度，促进海湾生态环境与社会经济效益协调发展。

相较于中低分辨率遥感影像，高分辨率遥感影像所反映地物的空间、几何特征及纹理信息更加清晰、丰富，在识别养殖浮筏等沿海养殖特征信息等方面具有明显的优势。本研究区域相对较小，且对浮筏信息提取精度要求较高，因此采用目视解译方法对高分辨率遥感影像上的养殖浮筏进行识别。虽然该方法的提取精度比较高，但需要耗费较多的人力和时间，在大面积调查中应用此方法并不是很适用。同时，由于高分辨率遥感影像的类内光谱差异较大，传统的基于像元的影像自动分类方法容易产生较多的“椒盐”和噪声，亦并不适用于高分辨率遥感影像的信息提取。面向对象的影像分类方法虽然可以利用高分辨率遥感影像的纹理、光谱等多语义信息来挖掘地物的空间特征，但在分割尺度方面依然存在难点。因此，在今后的研究中，需进一步探索高分辨率遥感影像的自动提取方法，在此基础上进一步分析诸如浮筏累计长度、单位面积浮筏数量或累计长度等信息，进行贝类养殖产量、健康状况与空间信息特征的关联性研究。此外，还可以结合地理信息系统技术，建立水产养殖信息监测平台，为当地政府和渔业部门合理规划和管理养殖区提供管理依据和决策支持，大力推进象山港牡蛎养殖向优质、高效、生态、集约化方向发展。

4 结论

本文以WorldView卫星遥感图像为数据源，对象山港铁港海域开展区域内牡蛎养殖分布的调查研究，确定了浙江省象山港铁港宁海县水域内2009至2011年各年牡蛎养殖的空间分布状况和浮筏数量，结论如下：

1）2009年到2011年，养殖区的浮筏数量呈现先急剧下降又持续上升的波动状况，造成这样短期内急促的变化，主要是政府政策和人为因素，而不是自然条件的变化。

2）从养殖区的空间分布上来看，养殖区的整体空间布局主要是沿着内湾呈现西南-东北走向的分布，主要是受到自然条件的约束。

3）监测结果显示，沿海养殖布局在受到自然条件的影响和限制的同时，也极大地受到当地养殖管理政策的影响。为保证管理政策长期有效，应加强以遥感监测为主的监测手段的长期化、常态化和周期化，加强对政策评估并及时做出调整。

［1］ 曾志南，宁岳．福建牡蛎养殖业的现状、问题与对策［J］．海洋科学，2011，35（9）：112-118．

［2］ 王晓波．象山港浮游动物群落结构与时空分布研究［D］．浙江工业大学，2010．

［3］ 卢业伟，李强子，杜鑫，等．基于高分辨率影像的近海养殖区的一种自动提取方法［J］．遥感技术与应用，2015，30（3）：486-494．

［4］ 朱长明，骆剑承，沈占锋，等．高分辨率遥感影像近海养殖区自动识别方法［J］．大连海事大学学报：自然科学版，2011（3）：66-69．

［5］ VIRDISSG P．An object-based image analysis approach for aquaculture ponds precise mapping and monitoring：a case study of Tam Giang-Cau Hai Lagoon，Vietnam［J］．Environmental monitoring and assessment，2014，186（1）：117-133．

［6］ 高亮明，李炎，钟硕良，等．东山湾海水养殖布局变化的遥感研究［J］．海洋学研究，2014，32（4）：35-42．

［7］ 范亚民，李海宇，何华春，等．近30年来太湖围湖利用及东太湖网围养殖动态变化研究［J］．长江流域资源与环境，2012，21（增刊2）：121-126．

［8］ 廖一波，寿鹿，曾江宁，等．象山港不同养殖类型海域大型底栖动物群落比较研究［J］．生态学报，2011，31（3）：646-653．

［9］ 韩芳，霍元子，杜霞，等．象山港网箱养殖对水域环境的影响［J］．上海海洋大学学报，2012，21（5）：825-830．

［10］ 曾相明，管卫兵，潘冲．象山港多年围填海工程对水动力影响的累积效应［J］．海洋学研究，2011，29（1）：73-83．

［11］ 高爱根，杨俊毅，陈全震，等．象山港养殖区与非养殖区大型底栖生物生态比较研究［J］．水产学报，2003，27（1）：25-31．

［12］ 魏永杰，何东海，费岳军，等．象山港海域生态分区研究［J］．应用海洋学报，2015，34（4）：509-517．

［13］ 姜亚洲，凌建忠，林楠，等．象山港日本对虾增殖放流的效果评价［J］．生态学报，2012，32（9）：2651-2658．

［14］ 吴望星，王云龙，宁丽珍，等．奉化市褶牡蛎（Ostrea rivularis）消瘦、死亡研究报告［C］／／宁波市学术大会．2008．

［15］ 赵英时．遥感应用分析原理与方法［M］．第二版．北京：科学出版社，2013．

［16］ 吴望星，宋丽珍，杨祖国．第三节象山港海区褶牡蛎自然采苗与养殖技术的研究［C］．中国水产学会2004全国海水生态养殖学术研讨会．2004．

［17］ 全为民，王云龙．象山港熊本牡蛎设施养殖与邻近自然牡蛎礁中大型底栖动物群落比较［J］．生态学杂志，2013，32（9）：2462-2468．

［18］ 廉伟，毛玉泽．长牡蛎养殖技术及常见问题［J］．现代农业科技，2010（5）：302-303．

［19］ 林桂芳．宁波象山港海水养殖业蓬勃发展［J］．中国水产，1999（2）：（52）．

［20］ 赵世养．宁波海水养殖业发展迅速［J］．中国渔业经济，2001（3）：41．

Remote sensing investigation on the distribution of oyster culture based on W orldView Satellite data in the Iron Bay of Zhejiang Province

CAO Li1，2，GUWen-jun4，LIXiao-shu3，HUA Cheng-jun1，ZHOUWei-feng1*

（1．Key Laboratory of Fishery Resources Remote Sensing and Information Technology，Chinese Academy of Fishery Sciences，Shanghai 200090，China；2．School of Mathematics，Physics and Information Science，Zhejiang Ocean University，Zhoushan 316004，China；3．Scientific Observing and Experimental Station of Fishery Remote Sensing，Ministry of Agriculture，Beijing 100041，China；4．Beijing Boke Hongtu Information Technology Co．Ltd．，Beijing 102208，China）

Satellite remote sensing imagewith high resolution has rich spatial information and texture features，whichmakes it possible to extract information of oyster culture quickly and accurately．The paper took the Iron Bay of Xiangshan Harbor in Zhejiang Province as the study area，applied artificial interactive visual interpretationmethod to extract floating raft information of oyster culture based on WorldView remote sensing images during 2009-2011，and then researched on the distribution range and annual changes of oyster culture．Results show：During the study period，the number of floating rafts in the Iron Bay has changed greatly and showed fluctuation with declining rapidly first and then rising sharply；the overall oyster culture area is distributed spatially from southwest to northeast．It shows that the layout of coastal aquaculture is affected and restricted by natural conditions．Moreover，it is also influenced by the local aquaculture management policies．For the long-term policy，people should strengthen themonitoring methods dominated by means of remote sensing normally and periodically．The aquaculture management policy should be strengthened in policy effect evaluation and adjustments should be taken in a timelymanner．

WorldView；oyster culture；information extraction；floating raft

S 922．9＋3

：A

2095-3666（2016）04-0286-07

10．13233／j．cnki．fishis．2016．04．007

2016-09-06

：2016-11-04

农业部渔业遥感科学观测实验站开放课题（OFSOESFRS201505）；上海市自然科学基金项目（16ZR1444700）

曹利（1990-），女，在读硕士研究生。研究方向：模式识别与智能信息提取。E-mail：caoli0203＠foxmail．com

周为峰（1978-），女，博士，副研究员。研究方向：渔业遥感与渔场海洋学。E-mail：zhwfzhwf＠163．com