基于高空间分辨率卫星遥感影像的围填海存量资源监测与评估研究
——以营口市南部海岸为例

2016-09-28 01:35索安宁王鹏袁道伟于永海张明慧
海洋学报 2016年9期
关键词:盐田面向对象存量

索安宁,王鹏,袁道伟,于永海,张明慧

(1.国家海洋环境监测中心,辽宁 大连 116023;2. 国家海洋局海域管理技术重点实验室,辽宁 大连 116023;3.大连海洋大学 海洋与土木工程学院,辽宁 大连 116023)



基于高空间分辨率卫星遥感影像的围填海存量资源监测与评估研究
——以营口市南部海岸为例

索安宁1,2,王鹏1,2,袁道伟1,2,于永海1,2,张明慧3*

(1.国家海洋环境监测中心,辽宁 大连 116023;2. 国家海洋局海域管理技术重点实验室,辽宁 大连 116023;3.大连海洋大学 海洋与土木工程学院,辽宁 大连 116023)

为详细掌握围填海存量资源状态,提高海域空间资源监管精细化水平,本文提出围填海存量资源概念,并将围填海存量资源划分为围而未填区域、填而未建区域、低密度建设区域、低洼坑塘、低效盐田和低效养殖池塘等6种类型,以及工业区、城镇区等围填海存量资源的消耗类型。在此基础上,采用高空间分辨率卫星遥感影像,建立了面向对象的围填海存量资源遥感影像分类提取方法与技术流程,构建了围填海存量资源指数,并以营口市南部海岸区域为例进行了实证研究。结果表明:(1)面向对象的围填海存量资源遥感影像分类提取方法能够精细地提取围填海存量资源信息,准确率达到90%以上;(2)填而未建区域、低效盐田、低效养殖池塘占研究区围填海存量资源总面积的62.51%,研究区围填海存量资源指数为0.49,但内部差异明显,北部区域为0.66,中部区域为0.44,南部区域为0.37。

围填海;存量资源;遥感影像;高空间分辨率;监测

1 引言

卫星遥感技术作为当前对地观测的最新技术,已经广泛地应用于土地利用/覆盖变化、植被退化、自然灾害等许多领域的研究与技术支撑工作中,取得了显著的社会经济效益[1—3]。国外有关学者在20世纪后半期就开始利用卫星遥感技术开展海岸带、滨海湿地监测评估研究,建立了红树林、珊瑚礁、海草床、海岸带开发利用等不同海岸地物的遥感影像特征库和面向对象的卫星遥感信息提取技术[4—7]。Arroyo等[8]及Jin和Davis[9]以雷达和Quickbird卫星遥感影像为基础采用面向的遥感影像分类技术对地中海沿岸河口形状和土地覆被类型进行了分类制图。Platt和Bapoza[10]及Shackford和Davis[11]采用面向对象的遥感影像分类技术对IKONOS卫星遥感影像进行了海岸带土地利用/土地覆被分类精度评估研究。Cleve等[12]及Stow等[13]利用高精度航空遥感影像研究比较了基于像元的分类方法与面向对象的分类方法特点,认为面向对象的分类方法更适合于高空间分辨率遥感影像分类。围填海作为我国当前海洋空间开发利用的主要方式之一,已越来越多地受到相关学者的关注,不同学者分别利用卫星遥感技术开展了海岸线变化、围填海等海洋空间特征变化的监测与分析探讨[14—15]。国家海域动态监管系统采用卫星遥感技术实现了全国围填海、海域开发利用的业务化监测与评价[16]。但当前的围填海监测与评估主要关注围填海面积及空间形状,随着我国大规模围填海的持续扩张,许多围填海区域围而不填、填而不建、低密度建设现象愈发突显,仅监测评估围填海规模及区域分布已不能满足围填海精细化管理的工作需求。

高空间分辨率遥感影像通常是指像素的空间分辨率在5 m以内的遥感影像。21世纪以来,高空间分辨率卫星遥感技术快速发展。截至2014年底,全球共有13个国家的30多颗光学商业高空间分辨率遥感卫星,最具代表性的有美国IKONOS和QuickBird、法国SPOT、日本Alos等。2013年4月我国开始发射高分系列遥感卫星,目前已发射7颗。高分系列卫星覆盖了从全色、多光谱到高光谱,从光学到雷达等多种类型,构成了一个具有高空间分辨率、高时间分辨率和高光谱分辨率能力的对地观测系统[17]。

高空间分辨率遥感影像以其较高的地面空间分辨率优势,能够识别更为详细的地物形状、纹理、光谱等特征信息,是近年来区域性地表环境精细监测的最有效手段。如何利用高空间分辨率遥感影像开展围填海存量资源分类监测,及时准确地掌握真实有效的围填海存量资源状况,是我国海域使用遥感监测亟待解决的技术问题。这对于集约高效地利用好围填海存量资源,强化海域资源管理具有重要的技术支撑意义。本文采用国产高分一号卫星遥感影像和SPOT5卫星遥感影像,以营口市南部海岸围填海区域为例,探讨围填海存量资源的组成类型、开发利用特征,建立面向对象的围填海存量资源遥感监测技术方法与流程,并分析了营口市南部海岸围填海存量资源的类型分布、形成途径及现状特征,以期为围填海存量资源的遥感监测与分析提供技术方法。

2 研究区概况

营口市南部海岸(40°25′~40°40′N,122°5′~122°25′E)位于辽东湾顶部,大辽河入海口以南,从营口市区渤海大街以南至盖州团山基岩海岸以北区域,总面积300 km2。该区域原为开阔平坦的辽东湾淤泥质滩涂,20世纪50年代在全国围海晒盐热潮下,在淤泥质滩涂上围海建造盐田,发展海水晒盐产业。20世纪末海盐业发展缓慢,沿海部分水交换通畅的盐田、滩涂被划分改造成鱼、虾等水产养殖池塘,形成盐田-养殖复合海域使用空间格局。21世纪以来,随着辽宁沿海经济带发展战略规划的提出与实施,大片低产盐田被回填成为营口市城市规模扩展、沿海产业基地建设的拓展空间。根据研究区域地理特征,本文以二道沟和拦海取排水口为界将研究区域划分为北部区域、中部区域和南部区域3个分区,研究区位置及其空间分区见图1。

图1 研究区位置图Fig.1 Location of study area

3 研究方法

3.1数据源

本文收集到覆盖研究区域的2015年6月份采集的高分一号(FG-1)卫星遥感影像和2005年8月份采集的SPOT5卫星遥感影像。高分一号卫星遥感影像具有B、G、R、NIR四个多光谱和一个全色波段,全色波段分辨率2.0 m。SPOT5卫星遥感影像具有B、G、R、NIR四个多光谱和一个全色波段,全色波段分辨率2.5 m。参考数据有1∶10 000数字地形图。

3.2数据预处理

由于大气校正和辐射校正在卫星地面接收站已进行了处理。本文的数据预处理主要进行几何精校正。具体方法如下:(1)在覆盖研究区域的卫星遥感影像上均匀布设地面控制点25个,地面控制点主要选取道路交叉口和围堰交叉口,交叉口尽量呈直角,定于两条道路或围堰相交边线的直角顶点,便于实测定位;(2)利用车载GPS在现场找到卫星遥感影像上的控制点位置,采用高精度RTK信标机在控制点上进行现场定位;(3)利用遥感影像处理软件ERDAS IMAGE9.2采用二元三次多项式对高分一号卫星遥感影像和SPOT5卫星遥感影像进行几何精校正,校正方法参考相关文献[18]。利用精校正好的高分一号卫星遥感影像和SPOT5卫星遥感影像对比相互检查校正效果。

3.3围填海存量资源的界定与分类

围填海存量资源是指围填海区域现存的可用于开发建设工业、城镇、养殖等活动的海域空间资源。根据本文研究区域围填海存量资源特征,将围填海存量资源划分为围而未填区域、填而未建区域、低密度建设区域、低效盐田、低效养殖池塘、低洼坑塘6种类型。另外,城镇区、工业区和水系为围填海存量资源的消耗类型。各类围填海存量资源特征描述见表1。

表1 围填海存量资源分类及其特征描述

3.4面向对象的围填海存量资源分类提取方法

由于高空间分辨率卫星遥感影像包含的地物空间信息更为丰富(如纹理、光谱、几何信息等),基于像元的传统遥感影像分类方法已无法适用于高空间分辨率遥感影像分类工作。面向对象的遥感影像分类方法是近年来提出的一种新的遥感影像信息提取方法。这种方法首先通过对遥感影像进行尺度分割提取同质区域,然后对各个区域进行特征分析,提取分类目标[19]。这种方法能够更好地利用提取地物的形状与纹理特征,相对于基于像元的分类方法有明显的优势,已被越来越多地应用于高空间分辨率遥感影像分类研究[20]。

本文根据围填海存量资源特点,以高分一号卫星遥感影像和SPOT5卫星遥感影像为基础数据,采用面向对象的分类技术,首先对高分一号卫星遥感影像和SPOT5卫星遥感影像进行尺度分割。尺度分割是依据相同的光谱特征和空间邻接关系将影像划分成像素群的过程,期间既能生成分类对象,又能将分类对象按等级结构连接起来[19—20]。其次,建立围填海存量资源分类知识库,也就是根据不同围填海存量资源的影像光谱特征、形状特征和纹理特征等建立围填海存量资源影像特征库。表2为研究区各类围填海存量资源地物影像特征。第三,根据影像特征库定义样本对象,插入分类器对尺度分割后的影像进行面向对象分类。第四,采集地面验证点,对分类结果进行精度验证,保证卫星遥感影像的分类准确率达到90%以上。面向对象的围填海存量资源遥感影像分类技术流程如图2所示。

图2 面向对象的围填海存量资源遥感影像分类技术流程图Fig.2 Technique flow chart of remote sensing image classification for existing sea reclamation based on object-oriented method

表2 各类围填海存量资源影像特征

续表2

采用面向对象的遥感影像分类方法分别对2015年高分一号卫星遥感影像和2005年SPOT5卫星遥感影像进行分类,形成研究区2015年围填海存量资源分类矢量数据和2005年围填海存量资源分类矢量数据。采用路线验证法,校验围填海存量资源遥感影像分类的准确性。验证过程采用车载GPS定位,现场记录并拍摄照片,重点对遥感影像上的复杂类型和疑点疑区地面情况进行地面验证核实[21]。经验证分析,2015年和2005年围填海存量资源分类矢量数据准确率分别达到95%和92%。

3.5围填海存量资源形成分析

采用转移矩阵分析2005—2015年研究区围填海存量资源的形成过程。转移矩阵是目前土地利用变化分析中最为常用的研究方法,这种方法可以定量揭示不同围填海存量资源类型随时间推进的转化方向和转化数量[22]。

3.6围填海存量资源评估方法

根据围填海区域存量资源的开发利用规模与面积比例情况,构建围填海存量资源指数,作为围填海存量资源情况的定量评估指标。围填海存量资源指数计算方法如下:

(1)

式中,WTHCL为围填海存量资源指数,wi为围填海存量资源类型权重,A为围填海区域总面积,ai为第i类围填海存量资源面积。围填海存量资源指数WTHCL越大,说明围填海存量资源开发利用程度越高,围填海存量资源数量越小。各类围填海存量资源的权重采用专家问卷调查法确定,具体见表3。

表3 各类围填海存量资源权重表

4 结果分析

4.1围填海存量资源的空间分布特征

研究区围填海存量资源空间分布见图3,各类围填海存量资源面积统计见表4。可以看出,研究区围填海存量资源以填而未建区域面积最大,达到6 379.24 hm2,占区域总面积的21.09%,其次是低效盐田和低效养殖池塘,分别占到区域总面积的20.90%和20.52%。围而未填区域和低密度建设区域也分别达到区域总面积的9.60%和8.66%,低洼坑塘面积只有952.14 hm2,仅占区域总面积的3.15%。以上围填海存量资源总面积为25 380.51 hm2,占研究区域总面积的83.92%。研究区域其余的16.08%面积为围填海存量资源的消耗类型,包括城镇区2 567.36 hm2,工业区1 687.86 hm2,河流607.37 hm2。

以上围填海存量资源在研究区域内部存在明显的空间差异性,北部区域以填而未建区域和低密度建设区域为主,分别占到北部区域总面积的25.02%和18.23%。中部区域以填而未建区域、低效盐田和低效养殖池塘为主,分别占到中部区域总面积的29.95%、31.62%和25.44%。南部区域以围而未填区域、低效盐田和低效养殖池塘为主,分别占到南部区域总面积的32.70%、23.23%和33.81%。另外,城镇区、工业区等围填海存量资源消耗类型主要分布在北部区域,面积分别为2 315.88 hm2和1 476.86 hm2,而中部区域和南部区域分布极少。

以上围填海存量资源的空间差异性说明研究区域围填海存量资源存在自南向北的转化过程,南部区域多为低效盐田、养殖池塘,部分盐田已被圈围,但还没有填充成土地,处于围填海存量资源形成前期阶段;中部区域已有近30%的区域围填成土地,但尚未开发建设,其余面积多保持低效盐田和低效养殖池塘,处于围填海存量资源形成阶段;北部区域有16.08%的围填海存量资源已被开发建设消化,成为城镇区、工业区等,18.23%的面积初步开发成为低密度建设区域,25.02%的面积已填充成土地有待开发建设,低效盐田、低效养殖池塘和低洼坑塘等可以围填利用的存量资源总和只占北部区域总面积的17.80%,处于围填海存量资源的消耗阶段。

图3 研究区各类围填海存量资源空间分布图Fig.3 Map of existing sea reclamation resource in study area

表4 各类围填海存量资源地面积

4.2围填海存量资源形成途径

表5为2015年和2005年研究区海岸开发利用类型的转移矩阵,通过该转移矩阵可以分析研究区围填海存量资源的形成途径。可以看出围填海存量资源面积最大的填而未建区域主要由盐田和养殖池塘填充形成,其中盐田形成5 483.36 hm2,占到其总面积的85.96%,养殖池塘形成504.35 hm2,占其总面积的7.91%。围而未填区域基本全部由盐田围圈形成。低密度建设区域形成途径相对复杂,主要包括盐田1 437.69 hm2、养殖池塘468.63 hm2、低密度建设区域366.33 hm2、围而未填区域183.10 hm2和填而未建区域120.83 hm2等。低效盐田全部来自原来的盐田。低效养殖池塘有2 137.81 hm2来自原有的养殖池塘,1 989.75 hm2由盐田分割转化而来,155.06 hm2由低洼坑塘建设而成,另有124.74 hm2来自河道圈围。低洼坑塘主要由盐田和养殖池塘废弃淤积而成,形成面积分别为618.17 hm2和180.25 hm2,只有54.77 hm2保持原来的低洼坑塘状态。城镇区和工业区是围填海存量资源消耗的两个主要方向。城镇区除保持原有的915.28 hm2以外,扩张消耗的围填海存量资源主要来自盐田694.06 hm2、低密度建设区域542.21 hm2、低洼坑塘区域151.67 hm2和填而未建区域102.95 hm2。工业区扩张消耗的围填海存量资源主要来自盐田798.32 hm2、养殖池塘293.82 hm2、低密度建设区域141.71 hm2、围而未填区域98.68 hm2和填而未建区域85.26 hm2。河流基本承接其原来面积,增加部分主要来自盐田,面积为124.29 hm2。

表5 围填海存量资源形成的转移矩阵

4.3围填海存量资源评价

图4为研究区围填海存量资源指数分布图。研究区总体围填海存量资源指数为0.49,但在研究区域内部存在较为明显的差异。北部区域围填海存量资源指数最大,达到0.66,说明北部区域围填海存量资源开发利用程度较高,围填海存量资源数量较小。这也可以从北部区域22.35%的城镇区、14.25%的工业区及25.02%的填而未建区域可以说明;中部区域围填海存量资源指数其次,为0.44,说明中部区域围填海存量资源较大,填而未建区域占29.95%、低效盐田占31.62%、低效养殖池塘占25.44%;南部区域围填海存量资源指数最小,仅为0.37,说明南部区域围填海存量资源最大,主要存量资源为围而未填区域、低效盐田和低效养殖池塘,面积比例分别为32.70%、23.23%和33.81%。

图4 围填海存量资源指数区域分布图Fig.4 Regional distribution of existing sea reclamation resource index

5 结论与讨论

本文根据我国围填海监管的精细化需求,初步界定了围填海存量资源的概念,并将围填海存量资源划分为围而未填区域、填而未建区域、低密度建设区域、低效盐田、低效养殖池塘、低洼坑塘等6种类型以及城镇区、工业区等围填海存量资源消耗类型,并以营口市南部海岸区域为研究区,利用国产高分一号卫星遥感影像和SPOT5卫星遥感影像建立了面向对象的围填海存量资源分类提取方法与技术流程,构建了围填海存量资源指数及计算方法,用以分析了研究区围填海存量资源现状特征与形成机制。营口市南部海岸围填海存量资源主要由盐田和养殖池塘废弃和围填形成,并且在区域内部存在明显的空间差异性,南部区域处于围填海存量资源形成前期阶段,中部区域处于围填海存量资源形成阶段,北部区域处于围填海存量资源消耗阶段。填而未建区域、低效盐田、低效养殖池塘是营口市南部海岸围填海存量资源的主要类型,占围填海存量资源总面积的62.51%。

海域是各类海洋开发利用活动的空间载体,是海洋经济发展的基本资源依托[23]。近年来,为拓展发展空间,提振海洋经济,我国沿海各地利用海域空间实施了大规模的围填海造地活动。这些围填海造地为港口码头、临海工业、滨海城镇等沿海建设拓展了重要的发展空间,但围填海造地形成的土地在多数区域处于闲置荒废状态,形成与存量土地资源类似的围填海存量资源。关于存量土地资源,有关学者已开展了探讨[24—25],而对于围填海存量资源,国内外还没有相关研究报道。与存量土地资源相似,围填海存量资源也存在与之相关的围填海增量资源、围填海消量资源等,其中围填海增量资源是新增加的围填海存量资源,围填海消量资源是消耗利用的围填海存量资源,围填海存量资源是围填海增量资源和围填海消量资源之间的转换过程。基于国家海域资源集约/节约利用的管理要求,围填海监管要控制增量、盘活存量、提升消量,高效利用要围填海形成的土地资源。因此,开展围填海存量资源、围填海增量资源、围填海消量资源之间的形成、转换过程监测分析与评估将是今后我国围填海监管的重要内容。

[1]索安宁,李金朝,王天明,等. 黄土高原流域土地利用变化的水土流失效应[J]. 水利学报,2008,39(7):767-772.

Suo Anning, Li Jinchao, Wang Tainming, et al. Effects of land use changes on river basin soil and water loss in loess plateau[J]. Journal of Hydraulic Engineering, 2008, 39(7):767-772.

[2]索安宁,王兮之,林勇,等. 基于遥感的黄土高原典型区植被退化分析[J].遥感学报,2009,13(2):291-299.

Suo Anning, Wang Xizhi, Lin Yong, et al. Vegetation degradation analysis in typical region of the loess plateau based on remote sensing: a case in Jinghe River Basin[J]. Journal of Remote Sensing, 2009, 13(2):291-299.

[3]魏成阶,刘亚岚,王世新. 四川汶川大地震震害遥感调查与评估[J]. 遥感学报,2008,12(5):673-682.

Wei Chengjie, Liu Yalan, Wang Shixin. Investigation and assessment of damage in earthquake Wenchuan Sichuan quake based on remote sensing[J]. Journal of Remote Sensing, 2008, 12(5):673-682.

[4]Green E P, Mumby P J, Edwards A J, et al. A review of remote sensing for the assessment and management of tropical coastal resources[J]. Coastal Management, 1996, 21: 1-40.

[5]Bell S S, Hicks G R F. Marine landscapes and faunal recruitment: a field test with seagrass and copepods[J]. Marine Ecology Progress Series, 1991,73:61-68.

[6]Seto K C, Fragkias M. Mangrove conservation and aquaculture development in Vietnam: a remote sensing-based approach for evaluating the Ramsar Convention on Wetlands[J]. Global Environment Change,2007,17(3/4):486-500.

[7]Shal A A, Tate I R. Remote sensing and GIS for mapping and monitoring land cover and land use changes in the Northwestern coast al zone of Egypt[J]. Applied Geography, 2007, 27(1): 28-41.

[8]Arroyo L A, Healey S P, Cohen W B, et al. Using object-oriented classification and high-resolution imagery to map fuel types in a Mediterranean region[J]. Journal of Geophysical Research-Biogeosciences, 2006,11:11-19.

[9]Jin X, Davis C H. Automated building extracting from high-resolution satellite imagery in urban area using structural, contextual and spectral information[J]. Journal of Applied Signal Processing, 2005, 14:2196-2206.

[10]Platt R V, Rapoza L. An evaluation of an object-oriented paradigm for land use/land cover classification[J]. The Professional Geographer, 2008, 60(1):87-100.

[11]Shackford A K, Davis C H. A combined fuzzy pixel-based and object-based approach for classification of high-resolution Multispectral data over urban areas[C]//IEEE, Transactions on Geoscience and Remote Sensing, 2003,41(10):2354-2363.

[12]Cleve C, Kelly M, Kearns F R, et al. Classification of the wild land-urban interface: A comparison of pixel and object-based classification using high-resolution aerial photography[J]. Computers, Environment and Urban Systems,2008, 32(4):317-326.

[13]Stow D, Lopez A, Lippitt C, et al. Object-based classification of residential land use within Accra, Ghana based on Quick Bird Satellite data[J]. International Journal of Remote Sensing, 2007, 28(22):5167-5173.

[14]高志强,刘向阳,宁吉才,等. 基于遥感的近30a中国海岸线和围填海面积变化及成因分析[J]. 农业工程学报,2014,30(12):140-147.

Gao Zhiqiang, Liu Xiangyang, Ning Jicai, et al. Analysis on changes in coastline and reclamation area and its causes based on 30-year satellite data in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(12): 140-147.

[15]Suo Anning, Zhang Minghui. Sea areas reclamation and coastline change monitoring by remote sensing in coastal zone of Liaoning in China[J]. Journal of Coastal Research, 2015, 73: 725-729.

[16]付元宾,赵建华,王权明, 等. 我国海域使用动态监测系统(SDMS)模式探讨[J]. 自然资源学报,2008, 23(2):185-193.

Fu Yuanbin, Zhao Jianhua, Wang Quanming, et al. Discussion on the pattern of the sea area usage dynamic monitoring system in China[J]. Journal of Natural Resources, 2008, 23(2):185-193.

[17]陶超,谭毅华,蔡华杰,等. 面向对象的高分辨率遥感影像城区建筑物分级提取方法[J]. 测绘学报, 2010, 39(1):39-45.

Tao Chao, Tan Yihua, Cai Huajie, et al. Object-oriented method of hierarchical urban building extraction from high-resolution remote sensing imagery[J]. Acta Geodaetica et Cartographica Sinica, 2010,39(1):39-45.

[18]李成范,尹京苑,赵俊娟. 一种面向对象的遥感影像城市绿地提取方法[J]. 测绘科学,2011,36(5):112-120.

Li Chengfan, Yin Jingyuan, Zhao Junjuan. Object-oriented method of urban green land extraction from remote sensing imagery[J]. Science of Surveying and Mapping, 2011,36(5):112-120.

[19]田波,周云轩,郑宗生. 面向对象的河口滩涂冲淤变化遥感分析[J]. 长江流域资源与环境,2008,17(3):419-423.

Tian Bo, Zhou Yunxuan, Zheng Zongsheng. Object-oriented image analysis method for estuarine tidal flat accretion and erosion study[J]. Resources and Environment in the Yangtze Basin, 2008,17(3):419-423.

[20]刘书含,顾行发,余涛,等. 高分一号多光谱遥感数据的面向对象分类[J].测绘科学,2014,39(12):91-103.

Liu Shuhan, Gu Xingfa, Yu Tao, et al. Object-oriented image classification method for GF-1 multi spectral remote sensing data[J]. Science of Surveying and Mapping, 2014,39(12):91-103.

[21]吴涛,赵冬至,张丰收,等. 基于高分辨率遥感影像的大洋河河口湿地景观格局变化[J]. 应用生态学报,2011,22(7):1833-1840.

Wu Tao, Zhao Dongzhi, Zhang Fengshou, et al. Changes of wetland landscape pattern in Dayang River Estuary based on high-resolution remote sensing image[J]. Chinese Journal of Applied Ecology, 2011,22(7):1833-1840.

[22]刘纪远,张增祥,徐新良,等. 21世纪初中国土地利用变化的空间格局与驱动力分析[J]. 地理学报,2009,64(12):1411-1420.

Liu Jiyuan, Zhang Zengxiang, Xu Xinliang, et al. Spatial patterns and driving forces of land use change in China in the early 21st century[J]. Acta Geographica Sinica, 2009,64(12):1411-1420.

[23]于青松,齐连明. 海域评估理论研究[M]. 北京:海洋出版社,2006.

Yu Qingsong, Qi Lianming. Study on Theory of Sea Area Assessment[M]. Beijing:China Ocean Press,2006.

[24]林坚,杨有强,苗春蕾. 中国城镇存量用地资源空间分异特征探讨[J]. 中国土地科学,2008,22(1):10-15.

Lin Jian, Yang Youqiang, Miao Chunlei. Discussion on the spatial difference of urban stock land resource in China[J]. China Land Science, 2008,22(1):10-15.

[25]郭爱请,葛京凤. 河北省城市土地集约利用潜力评价方法探讨[J]. 资源科学,2006,28(4):65-70.

Guo Aiqing, Ge Jingfeng. Evaluating intensive use of urban land in Hebei Province[J]. Resource Science, 2006,28(4):65-70.

姜广甲,段国钦,黄志雄,等. 珠江口海域主导光学因子的遥感分类及其变化特征[J]. 海洋学报, 2016, 38(9):64-75, doi:10.3969/j.issn.0253-4193.2016.09.007

Jiang Guangjia, Duan Guoqin, Huang Zhixiong, et al. Remote sensing classification of the dominant optically active components and its variations in the Pearl River Estuary[J]. Haiyang Xuebao, 2016, 38(9):64-75, doi:10.3969/j.issn.0253-4193.2016.09.007

Study on monitoring and analysis of existing sea reclamation resource based on high resolution satellite remote sensing imagery—A case in south coast of Yingkou

Suo Anning1,2, Wang Peng1,2, Yuan Daowei1,2, Yu Yonghai1,2, Zhang Minghui3

(1.NationalMarineEnvironmentMonitoringCenter,Dalian116023,China; 2.KeyLaboratoryofSeaFieldManagementTechnology,StateOceanicAdministration,Dalian116023,China;3.CollegeofOceanandCivilEngineer,DalianOceanUniversity,Dalian116023,China)

Aimed to reveal status of existing sea reclamation resource and improve monitoring level of marine space, the conception of existing sea reclamation resource is defined and divided it into encircled and unfilled region, reclamation and non construction region, low density building region, low-lying ponds, low economic salt ponds and low economic fishing ponds, and consumption types such as industrial region, cities and town region. Then high resolution satellite remote sensing images was employed to obtain existing sea reclamation resource information. And the technique flow of remote sensing image classification for existing sea reclamation resource based on object-oriented method established, and existing sea reclamation resource index was created for existing sea reclamation resource monitoring and analysis. South coast of Yingkou was chose as study areas based on above. The results show that remote sensing image classification for existing sea reclamation resource based on object-oriented method established in this paper can extract existing sea reclamation resource information with accuracy rate more than 90%. Reclamation and non construction region, low economic salt ponds and low economic fishing ponds account for 62.51% areas of total existing sea reclamation resource. The existing sea reclamation resource index is 0.49 for total study areas and 0.66 for north part, 0.44 for middle part and 0.37 for south part.

sea reclamation; existing resource; remote sensing images; high resolution; monitoring

2015-10-13;

2016-01-08。

国家自然科学基金面上项目(41376120);海洋公益性行业科研专项(201405025,201005011)。

索安宁(1977—),男,甘肃省庆阳市人,研究员,主要从事海岸带开发利用遥感监测与评价研究。E-mail:san720@sina.com

张明慧(1978—),女,黑龙江省大庆市人,讲师,主要从事海岸开发利用评估方法研究与教学。E-mail:mhzhang@dlou.edu.cn

TP79

A

0253-4193(2016)09-0054-10

猜你喜欢
盐田面向对象存量
从盐田到沙田
存量时代下,房企如何把握旧改成本?
盐田如镜
盐田千春个展:灵魂的颤栗
关于打造盐田循环生态农业区的展望
吉林存量收费公路的PPP改造
面向对象Web开发编程语言的的评估方法
峰丛洼地农作物面向对象信息提取规则集
腐败存量
基于面向对象的车辆管理软件的研制与开发