基于GF-1的喀斯特山区养殖水体信息提取——以金沙县为例

吕巷艳，任金铜，欧阳力剑，祖维涛

（贵州工程应用技术学院生态工程学院，贵州 毕节 551700）

水产养殖是我国经济发展中的重要增长点，为解决“三农”问题做出了突出贡献[1]。遥感技术以其周期短、重复观测且能够大面积获取地物信息等特点，已成为地表动态监测的重要手段。利用遥感技术能够快速、准确地对养殖区域进行动态监测，在养殖区域的科学规划与管理中发挥重要作用[2]。

国内外学者利用遥感对水产养殖信息提取及监测方面，主要采用国外中高分辨率遥感影像[3]。其中，武易天等基于Landsat8遥感影像，提出了一种结合光谱和纹理信息的养殖区自动提取方法[4]；袁兴伟等采用CBERS-02B星CCD多光谱影像数据提取了2010年山西省水产养殖水体信息[5]；曹利等以WorldView遥感影像为数据源，研究了牡蛎养殖分布范围与年度变化情况[6]；高亮明等利用Landsat卫星识别与分析了东山湾网箱养殖和延绳式养[7]。近年来，随着《国家中长期科学与技术发展规划纲要（2006-2020年）》的高分辨率对地观测系统重大专项（“高分专项”）的实施，国产遥感卫星影像数据源越来越丰富。国内学者利用国产“高分”遥感开展水体信息提取研究越来越多，其中，王瑾杰、邓富亮、王芳等基于国产GF-1开展了水体信息提取研究工作[8-10]，洪亮、张伟等分别基于GF-2、GF-4影像数据进行了水体信息提取研究[11-12]。

从现有文献资料来看，运用遥感技术对水体信息提取及水产养殖区域动态监测，多是以近海及中东部区域为主，而内陆喀斯特山区养殖水体信息提取研究较少；在水体信息提取方法方面，主要有单波段阈值法、基于阈值的多波段谱间关系法、基于阈值的水体指数法等[13]。其中，归一化植被指数（NDVI）[14]、归一化差异水体指数（NDWI）[15]和改进的阴影水体指数（MSWI）[16]三种指数在水体信息提取方面应用较为广泛，但利用GF-1卫星遥感影像进行喀斯特山区水体信息提取的研究并不多见。

于此，本研究以国产GF-1卫星PMS遥感影像为数据源，以位于我国西南喀斯特山区的毕节市金沙县为研究区，对其养殖水体信息进行提取研究，以探讨适用于GF-1的养殖水体信息提取方法，同时也为政府科学有效地进行水产养殖监测以及养殖区规划提供基础资料及数据参考。

1 研究区概况

贵州省水产养殖类型主要有水库养殖、池塘养殖、湖泊养殖、山泉水养殖、地下水养殖、稻田养殖等，养殖方式主要有网箱养殖、流水养殖等。毕节水产养殖主产区主要集中在金沙县，故本研究选取毕节市金沙县作为研究区域。

金沙县属长江流域，位于贵州省西北部，毕节市东部。北与四川省交界，南与息烽县交界，东与遵义市交界，西与毕节市七星关区交界。地势中西部较高，四周低，海拔一般为700m-1500m，属云贵高原东部中低山中切割地貌，岩溶地貌发育得较完整。[16]金沙县属于亚热带季风湿润气候，境内河流多、水流量大，水库、坑塘星罗棋布。全县水域总面积为3 668.7hm2，其中，河流3066.7 hm2、水库546.8 hm2、池塘（含坑塘）55.2 hm2。[17]金沙县的生物资源也较为丰富，有可供渔业生产的水生陆生植物30多种，现有鱼类36种。

2 数据源及研究方法

2.1 数据源及数据预处理

本研究选取8景GF-1号PMS遥感影像为数据源，影像数据由贵州省生态气象和卫星遥感中心(高分辨率对地观测系统贵州数据与应用中心）提供，影像数据成像时间为2016年2-6月。GF-1号卫星搭载有两台2 m分辨率全色、8 m分辨率多光谱PMS相机与四台16m分辨率多光谱WFV相机，全色波段光谱范围为0.45～0.9μm，PMS多光谱四个波段光谱范围分别为Band1（0.45～0.52μm）、Band2（0.52～0.59μm）、Band3（0.63～0.69μm）、Band4（0.77～0.89μm）。[18]

本研究利用ENVI 5.3遥感软件处理平台，对GF-1遥感影像进行RPC正射校正、辐射定标、FLAASH大气校正，将分辨率为8m的多光谱影像与分辨率为2m的影像进行融合、影像镶嵌、裁剪等一系列的预处理过程，制作出如图1所示的研究区养殖水体信息提取底图。

图1 金沙县GF1 PMS影像预处理成果图

借助Google Earth高分辨率影像数据，结合实地考察及渔业行政部门收集养殖场数据对养殖水体信息提取结果进行精度验证。

2.2 研究方法

2.2.1 归一化植被指数

归一化植被指数（NDVI）在水体信息提取中是一种较为常用的方法，该方法主要是利用近红外波段以及红波段的光谱特征，构建两者差与和的比值突出水体特征。[19]计算公式如下：

式中，NIR表示近红外波段，R表示红波段。本研究利用GF1 PMS影像，GF1 PMS影像Band1-4分别对应蓝波段、绿波段、红波段、近红外波段。因此，公式（1）中的NIR用Band4代替，R用Band3代替。

2.2.2 归一化差异水体指数

Mcfeeters S K提出的归一化差异水体指数（NDWI）在水体信息提取中得到了广泛的应用，NDWI根据水体的在绿波段和近红外波段的反射率，通过构建绿波段和近红外波段的差和比值模型，抑制植被信息，使水体凸显更明显。[20]其计算模型如下：

式中，b2表示绿波段，b4表示近红外波段，对应GF-1 PMS影像分别为Band2、Band4。

2.2.3 改进的阴影水体指数（MSWI）

改进的阴影水体指数（MSWI）是王瑾杰等人基于GF-1卫星遥感影像提出的，通过蓝波段的光谱反射和近红外波段的差值与近红外波段的比值加大水体与阴影的差异[8]，其计算模型如下

式中，b1代表蓝波段，b4代表近红外波段，对应GF-1 PMS影像分别为Band1、Band4。

3 结果与分析

3.1 金沙县养殖水体信息提取结果分析

根据公式（1）-（3），通过波段运算，分别对金沙县的水体信息进行提取实验，经过反复试验得到经验阈值，对提取结果进行二值化，部分提取效果如图2所示。

图2 金沙县养殖水体信息提取部分结果（注：黑色代表非水体，白色代表水体）

从图2中可以看出，NDVI模型提取的水体，根据NDVI的值代表的地类特征，理论上水体信息的NDVI值应小于0，通过反复实验，本研究选取经验阈值NDVI<-0.3时，可以更好地提取水体，但提取信息中还包含大量的阴影。而NDWI模型在运算的基础上，划分阈值NDWI>0.55，通过决策树提取水体，提取的水体信息更为细致，且较之前的NDVI模型法提取的信息更多，包括一些细小的水体界线更明确，精度更高。运用改正的阴影水体模型MSWI可以更多的抑制阴影突出水体，经过反复实验，本研究取阈值5

3.2 金沙县养殖水体信息提取结果精度评价

借助Google Earth高分辨率影像数据，结合实地考察及渔业行政部门收集养殖场数据，通过对研究区影像进行目视解译，在研究区选取验证样本水体信息85个，非水体信息35个，结合分类后处理数据基于感兴趣区进行混淆矩阵分类精度验证，验证结果如表1所示：

表1 不同提取方法精度验证结果

从分类精度验证结果来看，本研究选取的3种方法中NDVI方法的提取精度最低，总体精度和Kap⁃pa系数分别为89.79%、0.7718；NDWI的总体精度和Kappa系数分别为93.90%、0.879，提取效果最好；改进的阴影水体指数（MSWI）提取精度介于两者之间。

4 结论

本文以典型喀斯特山区的金沙县为例，选取不同的水体信息提取方法，对GF-1 PMS影像数据进行水产养殖水体信息提取研究，通过对比分析得出以下结论：

（1）三种常用的水体提取方法，在喀斯特山区中均可以得到较高的总体精度，但Kappa系数差异大，可能与精度验证样本的选取有关。

（2）由于三种方法都是在基于水体信息基本完整的基础上进行阈值选取的，而阈值是人为选取的，三种方法对阈值的依赖性较强，阈值或大或小对提取精度有直接影响。

总体来看，NDWI结合阈值提取水体信息是本文的最佳提取方法，但养殖水体信息提取仍需进一步结合其他资料，通过分类后处理得到水产养殖的区域。本研究可为喀斯特山区养殖水体信息提取提供借鉴，为水产养殖监测与管理规划提供科学依据。