基于海岸带成像仪CZI的连云港紫菜养殖动态监测

王鑫华 ,刘建强,邢前国 ,陈艳拢

(1.中国科学院海岸带环境过程与生态修复重点实验室,中国科学院烟台海岸带研究所,烟台 264003; 2.中国科学院大学,北京 100049; 3.自然资源部 国家卫星海洋应用中心,北京 100081; 4.国家海洋环境监测中心,大连 116023)

紫菜养殖业是江苏连云港市渔业经济的重要组成部分[1],连云港市具有独特的水环境和气候条件,紫菜养殖历史悠久,条斑紫菜优质[2]。连云港的紫菜养殖模式多采用插杆式养殖,位于连云港市近岸水深较深的水域[3-4],每个紫菜养殖周期,紫菜遥感监测面积变化明显[5]。紫菜养殖的季节变化和紫菜养殖区的年际变化较大,紫菜养殖的遥感监测对于规划紫菜养殖空间分布具有重要意义。

相比于现场调查监测,卫星遥感具有监测范围大、分辨率高和周期短等优势[6],国内外诸多学者基于卫星影像和无人机影像,对海藻养殖区进行动态监测: 郭瑞宏[7]通过对比 DVI、NDVI、FAI和VB-FAH等紫菜养殖区提取方法的精度,指出NDVI的监测精度较高; 魏振宁等[8]利用 Landsat影像研究了 2000—2015年南黄海紫菜养殖区的空间分布,得出连云港紫菜养殖区遥感监测面积由 11 km2增长至 65 km2,且具有逐年增长的趋势; Lu等[9]以遥感和GIS技术,通过面向对象分类法提取了连云港沿岸紫菜养殖区,并分析紫菜养殖的空间分布、空间变化和扩张趋势;Xing等[10]利用多源传感器对黄海海藻养殖进行监测,对江苏浅滩的紫菜养殖区进行精细化提取,并对比各年的养殖设备回收时间。卫星遥感技术在我国近岸海藻养殖领域发挥了重要作用,遥感技术逐渐成为海藻养殖区监测的重要方法之一[11-13]。

2018年9月发射的“海洋一号C”(下简称HY-1C)卫星海岸带成像仪(coastal zone imager,CZI),空间分辨率为50 m,重访周期为3 d,幅宽≥950 km,具有高空间分辨率和获取频次高的优势[14-15],有助于海藻养殖的动态监测。本文基于 HY-1C数据,利用NDVI(归一化植被指数)和动态阈值方法,提取了2018年10月—2020年4月的连云港沿岸紫菜养殖区,计算紫菜养殖遥感监测面积并分析其时空分布特征和季节变化规律,并通过准同步卫星影像,探究HY-1C与“高分一号”、“哨兵二号”和Landsat-8数据监测结果的差异,以Google Earth影像人工解译的紫菜养殖区遥感面积作为紫菜养殖区真实面积,将遥感监测值转换为真实值。本文旨在探索 HY-1C CZI影像在插杆式紫菜养殖区动态监测方面的能力,定量评估 CZI影像的监测精度,为连云港市紫菜养殖区遥感监测和HY-1C CZI影像应用于我国近海海藻养殖监测,提供理论依据。

1 研究区概况

选取的研究区域位于江苏省连云港市的沿岸海域,连云港市位于 33°59′～35°07′N,118°24′～119°48′E,东临黄海,北部与山东省相邻,是江苏省重要的港口城市,如图1所示。

图1 研究区域Fig.1 Study area

连云港市地处暖温带,历年平均气温 14 ℃,降水约920 mm,气候温暖湿润,独特的气候条件适合插杆式紫菜的养殖。连云港附近海域的紫菜养殖区年际变化明显,近年来遥感监测的紫菜养殖区面积具有逐年增长的趋势。紫菜养殖区主要集中分布于海州湾和连岛附近海域,每个紫菜养殖周期,一般于1—2月紫菜养殖遥感监测面积达到年度最大[16]。

2 数据与方法

2.1 数据来源

本文所使用的数据为海洋系列的 HY-1C卫星CZI数据,来自国家海洋卫星应用中心(https://osdds.nsoas.org.cn/),每月选取1～3幅无云或少云的影像。经筛选,本文共选取23景影像。此外,选取2019年1月27日的“哨兵二号”影像、2020年1月4日的“高分一号”WFV影像和 2019年 1月 16日的Landsat-8 OLI影像,用于建立不同分辨率紫菜养殖区遥感监测面积之间的转换模型。Google Earth卫星影像空间分辨率达 1～2.5 m 至亚米级,以 Google Earth影像目视解译结果作为紫菜养殖区真实面积,将遥感监测值转换为真实值。HY-1C CZI数据包括可见光和近红外范围的4个波段,分别为0.42～0.50 μm的蓝波段、0.52～0.60 μm 的绿波段、0.61～0.69 μm 的红波段和0.76～0.89 μm的近红外波段。

2.2 研究方法与数据处理

紫菜体内富含叶绿素a、胡萝卜素、叶黄素、藻红蛋白、藻蓝蛋白、R-藻蓝蛋白等,条斑紫菜通常表现出红褐色乃至紫褐色[17]。本文随机选取了连云港沿岸的100个紫菜养殖区样点和周围海域的 100个海水样点,分别统计紫菜养殖区与海水的辐射亮度随波长变化,如图2(a)所示。可以看到,近红外波段紫菜养殖区的辐射亮度高于海水,而红波段紫菜养殖区辐射亮度低于海水,因此,本文利用归一化植被指数(NDVI),通过设置动态阈值,结合真彩色影像来提取紫菜养殖区。NDVI的计算公式如下:

其中,LNIR表示近红外波段的辐射亮度,LRed为红光波段的辐射亮度,分别对应于数据的第4和第3波段。针对NDVI的计算结果,选取 3 000个左右典型海水和紫菜养殖区样本,统计紫菜养殖区和海水的 NDVI频率分布,如图2(b)所示。本文设定的紫菜养殖区提取阈值为-0.4,即高于-0.4的识别为紫菜养殖区,可以将绝大多数(95%以上)的紫菜养殖区像元识别出来。但由于不同水域泥沙含量和水体环境的差异,设置 50×50～100×100 的窗口,设置[-0.45,-0.35]的动态阈值进行提取。即对于周围海水NDVI值较高的紫菜养殖区识别,设定大于-0.35的提取范围,而对于周围海水 NDVI值较低时,设定大于-0.45的范围,使得紫菜养殖区遥感提取结果更为准确。

图2 紫菜养殖区与海水的辐射亮度随波长变化及NDVI频率分布Fig.2 (a) Radiance of Porphyra cultivation area and sea water varies with wavelength; (b) NDVI frequency distribution of Porphyra cultivation area and sea water

数据处理过程包括: 1) 数据的预处理: 包括辐射定标、几何校正、图像裁剪等。2) 计算NDVI: 将陆地掩膜,并计算紫菜养殖区水域的NDVI。3) 紫菜养殖区提取: 将影像的4、3、2波段分别赋予R、G、B进行假彩色合成,设置动态阈值并结合目视解译对紫菜养殖区进行提取。4) 信息统计: 利用GIS将数据的地理坐标转换为UTM WGS 1984 51°N投影坐标,并将多期紫菜养殖区遥感结果叠加得到年度紫菜养殖区遥感结果,统计分析紫菜养殖信息,包括紫菜养殖季节变化,紫菜养殖区遥感监测面积、分布区域等。

3 结果与讨论

3.1 紫菜养殖季节变化

HY-1C CZI每一景影像监测到的紫菜养殖区为单期紫菜养殖遥感结果,计算每一期紫菜养殖遥感监测面积,并绘制紫菜养殖遥感结果季节分布图和单期遥感监测面积变化图,如图3～图5所示。连云港市紫菜养殖周期为9月至次年5月左右,通常于次年1—2月遥感监测面积达到最大。为方便表述,本文将2018年9月至2019年5月遥感监测到的紫菜养殖区规定为2019年度,2019年9月至2020年5月这一养殖周期规定为2020年度。

图3 2019年度连云港市紫菜养殖区遥感结果Fig.3 Remote sensing results of Porphyra cultivation area in Lianyungang in 2019

图5 2019与2020年度单期紫菜养殖区遥感结果Fig.5 Remote sensing results of Porphyra cultivation area in single phase in 2019 and 2020

2019年度于2018年10月23日在HY-1C影像上首次监测到紫菜养殖,遥感监测面积为 18 km2,2020年度首次发现于2019年9月30日,遥感监测面积为 3 km2。推测连云港紫菜养殖设备开始紫菜养殖时间为 9月份前后,这与郭瑞宏[7]的监测结果一致。紫菜幼苗下种之后,叶体长度达到20 cm左右即可进行收割,整个养殖周期可收割10余次[18]。9月至 11月初,连云港市沿岸海域紫菜养殖陆续开始,紫菜养殖遥感监测面积达到40 km2左右。至12月底,紫菜养殖遥感监测面积迅速持续增加至100 km2左右; 之后于次年1月底,遥感监测面积达到年度最大值,2019年度单期最大遥感监测面积为2019年1月27日监测到的112 km2,2020年度为2020年1月31日监测到的149 km2。1月初到2月底,紫菜养殖遥感监测面积始终在100 km2以上,其中2020年遥感监测面积比2019年同期大20～40 km2左右。

图4 2020年度连云港市紫菜养殖区遥感结果Fig.4 Remote sensing results of Porphyra cultivation area in Lianyungang in 2020

3月初开始,紫菜进入养殖后期,大面积的紫菜养殖设施被拆除,遥感影像监测到的紫菜养殖面积迅速减少,3月初至4月初,2019年紫菜养殖遥感监测面积从100 km2减少至20 km2左右,2020年紫菜养殖遥感监测面积从 120 km2减少至 10 km2左右。从遥感监测结果看,海州湾沿岸海域养殖设施回收更快,而连岛附近及连岛至灌河口海域回收进程结束较晚。4月初至 4月底,紫菜养殖遥感监测面积减少并不明显,此时紫菜养殖设施回收进入尾声。整体而言,2020年度紫菜养殖设备回收进程快于2019年度。

对比两年的遥感监测结果,整体进程和变化趋势相差不大。紫菜养殖设备开始紫菜养殖时间均为9月份前后,遥感监测面积最大时间段同为1月底,该时段遥感监测到的紫菜养殖面积为年度最大值。3月初都进入养殖后期,遥感监测面积迅速下降,4月进入尾声。其中,2020年度养殖设施回收进程相比于2019年度更快。该结果显示,可利用卫星遥感对紫菜养殖的时空分布、养殖设备回收进程和季节变化进行监测。

3.2 紫菜养殖区空间分布

1—2月份为紫菜生长旺季,紫菜养殖密度和紫菜养殖遥感监测面积较大,因此本文建议利用其1—2月份的多期遥感影像监测结果作为年度紫菜养殖区遥感监测面积的基准。将1、2月份多期遥感结果合成年度紫菜养殖区遥感结果,绘制2019与2020年度连云港市紫菜养殖区遥感结果的空间分布图,如图6和图7所示。其中,2019年度紫菜养殖区遥感监测面积为123 km2,2020年度为160 km2,均比各自最大单期遥感监测面积高约10 km2。

图6 2019年度紫菜养殖区空间分布Fig.6 Spatial distribution of Porphyra cultivation area in 2019

从遥感监测结果看,2019与2020年度的紫菜养殖区分布区域变化不大,部分地区有所差异。2020年度在连岛北部和东北部海域(图6和图7蓝圈内海域)监测到的紫菜养殖区更多,而连岛至灌河口海域也由2019年度的35 km2增长至2020年度的 43 km2,面积增长较为显著。空间分布方面,郭瑞宏[7]以Landsat数据研究了2000—2015年连云港沿岸紫菜养殖区的空间分布特征,发现 2010年之前,紫菜养殖区主要分布于海州湾和连岛至灌河口近岸海域,而 2010年之后,逐步向 10 km外的海域扩张,连岛沿岸的遥感监测结果也迅速增加。本文则发现近年紫菜养殖区扩张至近岸30 km左右海域,连岛周边海域紫菜养殖区遥感监测结果增长显著。

3.3 多源遥感数据监测结果

相比于高空间分辨率数据“高分一号”(16 m)和“哨兵二号”(10 m),HY-1C(50 m)数据存在更多的混合像元,导致监测结果差异明显。为评估 HY-1C数据的监测结果,本文选取紫菜长势较好的1月份的两期准同步卫星数据,探究“高分一号”和“哨兵二号”与HY-1C监测结果之间的差异。

如表1所示,两期影像的获取时间相近,紫菜养殖遥感监测面积变化不大。通过选取样本,研究3种数据监测结果的差异,发现 3种数据监测结果呈线性相关(如图8所示)。其中,HY-1C(x)与GF-1(y)监测结果的关系为:y=0.830 6x-0.128 7(R2=0.978 1),HY-1C(x)与 Sentinel-2(y)监测结果线性关系为:y=0.803 3x-0.034 6(R2=0.986 2)。2015年度之前,连云港市紫菜养殖区遥感监测多采用30 m分辨率的Landsat数据[7-8],为了将2020年度HY-1C紫菜养殖区遥感监测面积与历史同期(2015年)对比,本文又选取了2019年1月的一景Landsat-8影像,建立了HY-1C(x)与Landsat-8(y)遥感结果的线性关系,结果为:y=0.922 4x-0.205 4(R2=0.996 2)。相比于“高分一号”(16 m),Landsat-8(30 m)和HY-1C(50 m),“哨兵二号”(10 m)空间分辨率最高,监测精度更高。以“哨兵二号”的遥感监测面积作为标准,“高分一号”的监测结果多 3.4%,Landsat-8的监测结果多14.8%,HY-1C的监测结果多24.49%。该结果显示,采用NDVI动态阈值法,连云港市沿岸插杆式紫菜养殖区的遥感监测,至少在50 m、30 m、16 m和10 m这4种分辨率的水平上,分辨率越高,其遥感监测面积越低,这与高分辨率影像的混合像元较少有关; Xing等[10]用不同分辨率遥感影像对江苏浅滩潮间带紫菜养殖区的监测结果也呈此趋势。

图8 HY-1C与“哨兵二号”(Sentinel-2),“高分一号”(GF-1)和Landsat-8监测结果对比Fig.8 Comparison of monitoring results between HY-1C,Sentinel-2,GF-1,and Landsat-8

表1 同期“高分一号”(GF-1)、“哨兵二号”(Sentinel-2)与HY-1C数据信息Tab.1 Data of GF-1,Sentinel-2,and HY-1C in the same period

不同分辨率的遥感影像受混合像元效应的影响程度不同,造成监测结果产生差异。为将遥感监测值转换为真实值,本文将哨兵二号遥感监测值(x)转换为真实值(y),如图9:y=0.732 4x(R2=0.976 4)。基于50 m分辨率的HY-1C监测的结果显示,2019年度紫菜养殖区遥感监测面积为123 km2,2020年为160 km2,换算成真实值的理论结果则分别为72 km2,94 km2。Xing等[10]和魏振宁等[8]以30 m分辨率的Landsat数据监测的2015年该区域紫菜养殖区遥感监测面积为65 km2,依据本文方法,转换为真实值为42 km2。结果显示2015至2020年间,该区域紫菜养殖区遥感监测面积增加1倍以上。

图9 Sentinel-2遥感监测值与真实值对比Fig.9 Comparison of Sentinel-2 remote sensing monitoring value and true value

4 结论

本研究基于50 m分辨率的HY-1C CZI数据,以归一化植被指数(NDVI)和动态阈值法,获取了2018年10月—2020年4月两年度的连云港市紫菜养殖遥感监测面积,并分析紫菜养殖的时空分布和季节变化特征,结论如下:

1) 连云港市紫菜养殖季节变化明显,两年度变化趋势基本保持一致: 9月份前后遥感影像开始监测到紫菜养殖,10月后遥感监测面积迅速增加,1—2月遥感监测面积达到养殖周期最大值,3月初紫菜遥感监测面积迅速下降,4月底紫菜养殖的1个周期基本结束。建议利用1、2月份的多期遥感影像提取合成年度紫菜养殖区遥感监测结果。

2) HY-1C CZI数据可用于插杆式紫菜养殖区的业务化观测评估。基于HY-1C CZI影像的2019年度紫菜养殖区遥感监测面积为 123 km2,2020年度为160 km2,换算成真实值的2020年度连云港紫菜养殖区真实面积约为94 km2,较2015年的42 km2增加了1倍多。