基于Landsat-8数据的珊瑚礁白化变化监测

王雪丽，蔡玉林，索琳琳，秦鹏，孙孟昊

(1.山东科技大学，山东 青岛 266590；2.基础地理信息与数字化技术山东省重点实验室，山东 青岛 266590)

0 引言

珊瑚礁被誉为“蓝色沙漠中的绿洲”，是海洋中非常独特的生态系统，生活在珊瑚礁区的物种异常丰富。珊瑚礁白化是由于受到环境的胁迫，珊瑚失去体内共生的虫黄藻或者共生虫黄藻失去体内色素而导致五彩缤纷的珊瑚变白的自然现象[1]。珊瑚白化是珊瑚礁大面积死亡和退化的主要因素[2]。近年来，频繁发生的珊瑚礁白化事件导致珊瑚礁生态系统严重退化，这引起了人们的高度重视[3]，而且珊瑚礁白化事件发生的频率和强度有不断增加的趋势[4-6]，因此珊瑚礁白化监测研究对珊瑚礁生态群落保护至关重要。

卫星遥感能够提供大范围、同步与连续的海洋数据，如海水表层温度和海色数据，从而能够及时预测和监测珊瑚礁白化[7]。国外研究者Palandrao D等[8]基于多时相遥感数据进行珊瑚礁变化检测实验，结果证明这种方法的可行性。Andréfou⊇t[9]基于Ikonos和Landsat卫星数据对珊瑚礁进行白化监测，发现监测白化的准确性对空间分辨率高度敏感，当分辨率下降时，白化检测中的低估增加。Elvidge等[10]基于 IKONOS卫星数据研究了大堡礁的白化事件，结果表明由于蓝色波段和绿色波段的亮度增加，珊瑚礁的严重白化可以被监测到。Yamano H和Tamura M[11]利用辐射传输模型，进行珊瑚礁白化变化检测和敏感性分析实验。结果发现当水深小于3 m时，蓝绿光波段可以检测到白化珊瑚礁；并利用高光谱遥感和辐射传输模型相结合的方法，证明了该方法在监测珊瑚礁健康状态方面的可行性[12-13]。

国内利用遥感技术进行珊瑚礁白化监测和研究的工作起步较晚，国内学者潘艳丽等[8]介绍了基于多时相卫星遥感数据获取的海面温度在大尺度范围进行珊瑚礁白化监测的方法。胡蕾秋等[14]利用SPOT5多光谱图像对南沙珊瑚礁进行珊瑚礁信息提取实验，发现经过处理后的数据，不仅可以提高分类精度，并且能有效提取水下珊瑚礁成分信息。魏筱芳等[15]利用TM和SPOT遥感影像，对海南的珊瑚礁进行测深和水深反演，实验效果较好。陈建裕等[16]基于SPOT5数据对东沙环礁珊瑚礁进行研究，由于SPOT5数据光谱设置方面的不足，在监测珊瑚礁的能力上并不占优势，但其较高的分辨率可以在监测时得到一定的补偿。龚剑明等[17]基于高分辨率的WorldView-2遥感数据对簸箕礁的地貌信息进行提取研究，总体精度达到85.75%。相比国外，国内珊瑚礁遥感方面的研究工作起步较晚，相关研究文献资料较少。

从以上研究看出，在珊瑚礁生态系统健康状况监测方面，国内外研究者主要集中于利用光谱特征和多时相影像分析来进行珊瑚礁监测研究，但方法都较为复杂，且所需的光学参数较多，对数据采集和测量技术的要求较高，存在一定的推广难度[13]。此外，由于高分辨率的SPOT等数据不易获取，为许多研究带来了不便。本文使用多时相Landsat-8数据，开展珊瑚礁信息提取以及珊瑚礁白化监测的研究，不仅可以提高分类精度，而且数据易获取，有利于珊瑚礁管理和长期监测的工作。

1 数据处理与方法

1.1 研究区概况

本文选取南海西沙群岛的华光礁和盘石屿为研究区。西沙群岛位于南海西北部，主体部分处于15°40′N～17°10′N，112°E～113°E之内。西沙群岛拥有中国最古老、最典型的珊瑚礁群落。根据中国海洋环境状况公报显示，2014—2016年西沙群岛珊瑚礁生态系统呈亚健康状态，造礁珊瑚盖度偏低，分别为4%、2.7%、5.5%。西沙群岛气温变化比较平稳，月平均气温都在24～29 ℃之间。西沙群岛最热的时候一般是在每年的6—8月，月平均气温在29 ℃左右。年平均海表温度约为26.8 ℃，一般6月最高，1月最低。西沙群岛水气来源充足，降水量大，但季节之间分配不均。华光礁位于西沙群岛永乐环礁东南方向约10海里处，在16°09′N～16°17′N，111°34′E～111°49′E范围内。盘石屿位于我国西沙群岛永乐群岛中，在16°02′N～16°05N′，111°45′E～111°50′E。在华光礁以南约7海里、中建岛东北约 30.5海里处。

1.2 数据与预处理

本文选取了2景Landsat-8遥感影像数据，成像时间分别为2013年5月21日和2018年3月20日。因为2014—2016年发生了20世纪以来最为严重的厄尔尼诺事件，气候异常往往会导致珊瑚礁白化。Landsat是美国国家航空航天局(National Aeronautics and Space Administration，NASA)的陆地观测卫星系统，自1972年发射Landsat-1以来，已发射了8颗卫星，目前最新的是于2013年2月11日发射升空的Landsat-8卫星。Landsat-8由2个主要载荷陆地成像仪(operational land imager，OLI)和热红外传感器(thermal tnfrared sensor，TIRS)组成，陆地成像仪采用9个波段来记录遥感器获取的目标地物信息，空间分辨率为30 m，其中包含一个15 m全色波段。相比同系列陆地卫星的传感器，OLI多了一个蓝色波段，这个波段有利于水深校正。本文采用的数据来源于地理空间数据云，对Landsat-8多光谱数据进行预处理，以减少或消除受大气状况、海水等因素的影响，预处理工作主要包括辐射定标、大气校正、区域裁剪。

1.3 白化监测方法

利用决策树分类进行初步信息提取，分离水上和水下部分，对珊瑚礁区域(底质部分)进行分类，掩膜处理提取礁盘，基于分类结果进行白化区域提取。具体技术流程如图1所示。

图1 技术流程图

1)水深校正。由于光谱会随着水深的变化而变化，在水下同样的物质得到不同的反射率值，对水下信息的探索造成较大的干扰[18]。针对潜水中底质反射率与水体的衰减系数遥感，使用Lyzenga[19]提出的半经验模型方法进行水深校正，增强底部类型的信息。本研究选择大气校正后的可见光波段进行水深校正。

水深校正是通过从同一底物(沙)上不同深度的图像中提取识别区域，将图像转换为不同波段的对数值，使其相对于深度的衰减效应线性化，得到变换辐射Xi：

Xi=ln(L(λ)i)

(1)

式中：L(λ)i表示影像大气校正后的反射率值。在波段i和j的变换辐射组成的坐标系中，如果辐照度和水体深度之间的关系为线性，且底质类型恒定时，则绘制的像素点应该理想地落在一条直线上。该直线的斜率表示2个波段(i和j)组合中的相对衰减系数。如果是不同底质类型，在散点图中应该得到相似的直线，其中的变化表示水体深度的变化。由于衰减系数(Ki/Kj)的比值与底质类型无关，所以每条直线的斜率应该是相同的，而每条直线上的Y截距，被称为深度不变指数Yij，以此来分辨不同的底质类型。

(2)

式中：Xi和Xj表示在波段i和波段j处的变换辐射；Ki/Kj为同一种底质在每组波段组合中散点的斜率，即衰减系数。所以用于计算衰减系数的算法只有当不同深度的同一物体的像素对于在每组波段组合中线性分布时才成立[20]。衰减系数使用以下等式计算：

(3)

a=(σii+σjj)/2σij

(4)

式中：σii是波段i的方差；σij是波段i和波段j的协方差。经过水深校正后产生了6个深度不变指数波段，进行组合，作为面向对象分类的输入变量。

2)分类。建立适当的珊瑚礁分类系统是珊瑚礁遥感的第一步。合理的分类体系应该具有良好的生态意义，不同类别之间可以进行光谱分离，对于每一个具体情况，许多研究人员会根据环境条件或生物群落结构的特点将它们分为不同的类别或子类别。在珊瑚礁区域中，沙地、海草、珊瑚礁、瀉湖和瀉湖点礁是浅海珊瑚礁生态系统中最丰富的底质类型。为了监测珊瑚礁白化的情况，本文通过对研究区域中所包含的底质类型进行分类。

研究采用面向对象分类方法，通过eCognition软件中的K最邻近节点算法(k nearest neighbor，KNN)进行分类。首先确定分割尺度参数，将基于权重、颜色、纹理、形状等参数的多尺度分割和光谱差异分割算法应用于一定尺度进行分割，并选择颜色、光滑度、紧致度等参数。即根据异质性最小原理，采用不同的尺度进行多次分割，形成网络层次结构，每一个分割都利用低一层的影像对象作为分割对象，之后在新分割层中合并。然后建立分类特征指标，创建类别。即选择选择光谱特性、纹理特征或形状特点等特征规则作为分类规则。最后，选择训练样本，特征空间优化，执行分类，得到分类结果。本文进行多尺度分割时，颜色、形状参数分别0.9、0.1，光滑度、紧凑度分别为0.5、0.5，尺度参数依次选择50、20、10、1，分割出礁坪和沙地以及泻湖浅滩等；进行光谱差异分割时，最大光谱差异指数选择0.01和0.05以合并分割对象，优化分割结果。

根据分类结果，结合野外观测和Landsat-8影像目视识别，对于分类结果中明显错误的类别进行手动修改，得到分类结果如图2所示。为了评估分类的准确性，分别以2013年4月25日和2018年1月8日的天地图影像数据和野外观测资料为参考，随机选取一些点对分类结果进行定量分析。精度评价结果见表1～表4。

图2 珊瑚礁分类图

表1 2013年华光礁精度验证

表2 2018年华光礁精度验证

表3 2013年盘石屿精度验证

表4 2018年盘石屿精度验证

(5)

表5 华光礁影像沙地与深水区域平均值及差值

表6 盘石屿影像沙地与深水区域平均值及差值

由于白化事件(2016年)至第二次卫星图像采集日期(2018年3月)之间有很长的时间间隔，所以白化珊瑚有可能被藻类覆盖。因此，在研究中，本文处理的是覆盖着藻类的白化珊瑚，而不是任何白色的白化珊瑚群落，故检测到的白化区域可能会减少。

2 结果与讨论

华光礁在2013年和2018年的分类总准确率分别为81.11%和85.04%，平均水平为74.56%和79.6%(表1和表2)；盘石屿在2013年和2018年的分类总准确率分别为86.82%和88.89%，平均水平为83.25%和85.9%(表3和表4)。从表中可以看出，该分类方法精度比较高，对泻湖和浅滩有很好的区分，但沙地和礁坪有混分现象，导致沙地分类精度不高，不利于珊瑚白化信息提取。

华光礁和盘石屿白化结果如图3所示，其白化面积和所占礁盘的比例如表7所示。由于白化前后影像反射率的变化，所以通过多时相影像的比较可以准确地评估像素中白化珊瑚的区域范围，通过将沙地与珊瑚礁区分开可以避免沙地对区分白化区域的干扰，防止将白化的珊瑚误分类为沙地。因为白化珊瑚与沙子在反射率上的相似性，对其鉴别比较困难，而活珊瑚和死珊瑚(被藻类覆盖)可以很容易地从沙子中分离出来。

经过处理的Landsat-8影像与2013年的蓝色和绿色波段相比，2018年珊瑚类中某些像素的反射率值增加。当考虑到2个波段的值相乘时，这种增加更加明显。由于这种异常发生在珊瑚类内，所以藉此提取珊瑚白化的信息。

图3 珊瑚礁白化分布

表7 珊瑚礁白化统计

3 结束语

本文选取Landsat-8数据对华光礁和盘石屿进行了珊瑚白化监测实验。在海底底质类型中，沙地和白化珊瑚往往难于区分，本文采用了面向对象的分类方法对研究区进行分类。通过建立不同尺度的分割层，充分利用目标地物的光谱、纹理和形状特征，提高礁体解译的精度，基于Landsat-8卫星数据蓝绿波段的光谱优势，利用这2个波段调整后珊瑚礁反射率的变化来提取珊瑚白化信息。结果表明，利用白化前后珊瑚礁反射率的变化来监测珊瑚白化的方法可行。但由于遥感在监测白化的应用中受到传感器特性(如空间分辨率和光谱分辨率)和环境复杂性(如水质、深度和选择性吸收)的限制，因此，虽然中高分辨率的Landsat-8数据可以用于珊瑚礁监测，但是针对珊瑚礁底栖物质较高的异质性，应用更高空间分辨率和光谱分辨率的数据将会提高监测精度。