SDGSAT-1卫星微光影像的夜间渔船识别

常 昊，胡昌苗，陆俊南，闫冬梅，唐 娉

(1.中国科学院空天信息创新研究院，北京 100094；2.中国科学院大学 电子电气与通信工程学院，北京 100049；3.武汉理工大学 航运学院，湖北 武汉 430070)

0 引言

可持续发展科学卫星1号(The Sustainable Development Science Satellite 1,SDGSAT-1)于2021年11月5日成功发射升空,采用太阳同步轨道,搭载了高分辨率宽幅热红外(Thermal Infrared Spectrometer,TIS)、微光(Glimmer Imager for Urbanization,GIU)和近岸多谱段成像仪(Multispectral Imager for Inshore,MII)3种载荷。其中的微光成像仪包含10 m空间分辨率的全色波段和40 m空间分辨率的多光谱波段,是目前民用空间分辨率最高的夜间成像仪[1]。

利用高空间分辨率的夜间微光影像检测渔船是一种重要的技术手段。现代渔民夜间捕鱼主要利用鱼类的趋光性,使用大量的集鱼灯吸引鱼群[2],开启集鱼灯的渔船在遥感卫星夜间影像上具有明显的灯光辐射特征与几何特征,因此使用夜间微光影像检测渔船的方法是可行的[3-4]。目前约有13万艘海洋机动捕捞渔船,且数量和吨位都在不断增加。为有效管理渔船,保护深海渔业资源,中国基于船只自动识别系统(Automatic Identification System,AIS)构建了管理平台,严厉打击私自捕捞与禁渔期非法捕捞的行为。由于非法捕捞船关闭AIS驶入深海区后便难以获得其从事非法捕捞的证据,因此利用夜间遥感卫星影像检测与识别非法捕捞船成为一种有效技术途径。

国内外不少研究人员结合夜光遥感影像对渔船定位展开研究。Elvidge等[5]使用DMSP/OLS数据研究全球灯光渔船活动。Waluda等[6]使用长时间序列的DMSP/OLS数据研究西南太平洋渔业分布年际变化情况,包括捕捞努力量大小及变化、渔船的空间范围等。Maxwell等[7]结合南加利福尼亚海岸DMSP/OLS夜光遥感数据与鱿鱼船航空观测数据分析得到灯光像元数量与鱿鱼船数量之间的关系。Saitoh等[8]利用DMSP/OLS夜光遥感数据结合渔港太平洋秋刀鱼渔船生产记录数据分析得到渔船数量与灯光像元数量的关系,并估算渔船数量与渔获量的关系。Waluda等[9]使用ARGOS系统卫星追踪得到渔船的分布数据,并与DMSP/OLS得到的渔船数据位置进行比较,对灯光面积和渔船数量进行回归分析。Kim等[10]使用DMSP/OLS夜光遥感数据分析得到韩国渔船的分布范围和数量并据此推断捕鱼的主要季节。Elvidge等[11]使用NPP/VIIRS数据进行渔船检测,提出近海渔船识别方法。Susanto[12]使用NPP/VIIRS夜光遥感影像检测到某个月份渔船数量减少,认为其与海底环境的变化有关。Straka等[13]使用NPP/VIIRS数据分析中国东海特定海域捕捞季节和作业频率,分析休渔期的实际效果。郭刚刚等[14]利用NPP/VIIRS数据识别作业灯光渔船,使用渔船船舶监控管理系统(Vessel Monitoring System of Fishing Vessel,VMS)数据的验证精度为92%。现有研究所使用的夜光遥感数据空间分辨率较低,DMSP/OLS数据为500 m,NPP/VIIRS数据为750 m,使用大量集鱼灯的渔船在影像上多以单个像元呈现,检测方法以简单的阈值法为主,且易受噪声影响而出现误检,所以研究应用场景侧重于对大的整体趋势的佐证、分析和预测。对于很多使用少量集鱼灯的非法捕捞渔船难以与噪声进行区分,检测结果无法作为渔船非法捕捞的辅助证据。

面对中国深海捕鱼渔船检测的应用需求,利用SDGSAT-1卫星微光夜视成像仪的10 m分辨率影像及对应的AIS数据,开发了以渔灯识别为核心的渔船检测流程算法,提出了结合形状、光谱、亮度3种特征的微光船只检测模型,并结合AIS数据实现了对具体船只的匹配验证。本文拟解决的关键问题即利用SDGSAT-1卫星的10 m空间分辨率的遥感影像构建微光船只识别模型,使用了2022年3—9月的34景微光影像及对应AIS数据进行实验,算法检测结果与AIS数据匹配度达到85%。在5—8月的禁渔期影像中检测到了疑似非法捕鱼的渔船灯光,表明禁渔期很有可能存在进行非法捕鱼的船只,因此SDGSAT-1卫星夜光遥感影像可以为渔业检测、打击禁渔期非法捕鱼行为提供一种有效的技术手段。

1 研究方法

1.1 SDGSAT-1卫星数据

SDGSAT-1卫星采用太阳同步轨道,基准轨道高度为505 km,倾角为97.5°,搭载高分辨率宽幅热红外TIS、微光GIU及多谱段成像仪MII三种载荷,有“热红外+多谱段”“热红外+微光”以及单载荷观测等多种观测模式,可实现全天时、多载荷协同观测。3个载荷均拥有300 km幅宽的数据获取能力,地面目标重访周期约11 d,SDGSAT-1卫星微光技术指标及性能指标如表1所示,微光技术指标及性能指标来源于SDGSAT-1卫星用户手册[15]。

可持续发展大数据国际研究中心(International Research Center of Big Data for Sustainable Develop-ment Goals, CBAS)的SDG大数据平台(SDG Big Data Platform)提供了SDASAT-1卫星的微光影像数据,可下载经过几何精校正处理并包含辐射定标系数的L4A级标准数据产品。

表1 SDGSAT-1卫星微光技术指标及性能指标

1.2 渔船检测流程算法

SDGSAT-1卫星微光数据渔船检测流程算法主要包含微光数据预处理、微光船只检测、AIS数据匹配3个步骤,具体流程如图1所示。

1.2.1 微光数据预处理

微光影像的预处理主要包括辐射定标与微光降噪。辐射定标将数据原始数字值(DN值)转换成具有物理意义的表观辐射亮度值,可定量地反映海面灯光数据的辐射强度。CBAS给出的定标公式为:

L=DN×Gain+Bias,

(1)

式中:L表示传感器入瞳处的辐亮度,单位W/m2/sr/μm;Gain为增益,Bias为偏置。微光传感器绝对辐射定标系数如表2所示,微光传感器绝对辐射定标系数来源于SDGSAT-1卫星用户手册[15]。

图1 SDGSAT-1卫星微光数据渔船检测与匹配算法流程Fig.1 Flowchart of fishing vessel detection and matching algorithm based on SDGSAT-1

表2 SDGSAT-1卫星微光传感器绝对辐射定标系数

由于SDGSAT-1微光传感器受到其硬件特性及成像环境的影响,微光数据普遍存在明显的噪声,降噪是微光数据预处理的必要流程。微光数据在经过辐射定标转换为表观反射率后,海面区域的表观辐射亮度数值为0～0.000 3 W/m2/sr/μm,海面上灯光的辐射亮度通常大于0.001 W/m2/sr/μm,且亮度区域大于6 pixel×6 pixel,根据该数据特征,去噪处理过程是对海面区域进行平滑滤波,同时过滤掉辐射亮度低于0.001 W/m2/sr/μm的像素,并对小于6 pixel×6 pixel的连通区域进行像素整饰,即删除“碎片”与填充“漏洞”。降噪过程使用渔场区域掩膜,只针对研究区域的海面进行处理,降噪处理效果示例如图2所示。

图2 渔船灯光与其他船只灯光去噪前后对比Fig.2 Comparison of fishing boat lights and other vessel lights before and after denoising

1.2.2 微光船只检测

微光船只检测使用传统的形态学方法,即根据船只在微光遥感影像上的光源区域进行处理和检测,检测过程包含形态学检测、光强与光谱检测。形态学检测是将海面上的灯光区域影像转换成像素连通区域掩膜影像,掩膜中海面非灯光的背景区域为0,将像素值大于海面平均辐射亮度值,且连通像素数大于6 pixel×6 pixel的区域标记为不同索引值,掩膜中每个连通区域对应海面上可能的灯光源。

目前SDGSAT-1微光数据存在扫描线噪声,示例如图2所示。使用分维数指数(Fractal Dimension Index,FRAC)过滤扫描线噪声,将周长面积比大的像素连通区域过滤掉,FRAC计算如下:

(2)

式中:perimeter为当前连通区域边缘像素的个数,area为连通区域像素总数。

对像素连通区域的进一步整饰是根据连通区域之间的像素距离完成,由于海面航行的船只出于安全考虑,通常船只航行间距通常大于2 n mile(约3.7 km),所以可将距离接近的所有连通区域视为同一光源,标记为同一索引值。

通过上述处理,影像中海面研究区域内的每个连通区域都代表不同的灯光源,连通区域的像素数量体现了灯光作用的范围,开启渔灯的渔船像素区域通常远大于其他船只,对比示例如图2所示。

光强与光谱检测用于识别不同灯光的强度和颜色特征差异。船身安装100～150套集鱼灯的大型渔船的光强明显大于安装30～50套集鱼灯的小型渔船的光强,光强通过统计单个像素连通区域前2%最大像素值的均值获得。船身安装的卤素灯和LED灯在40 m分辨率的多光谱微光影像上颜色存在明显差异,光谱通过统计单个像素连通区域对应到多光谱影像上RGB三个波段像素的中值获得,卤素灯船只和LED灯船只示例如表3所示。

表3 卤素灯船只和LED灯船只示例

1.2.3 船只检测模型

船只检测模型的构建结合了形态学检测结果和光强与光谱检测结果,包括了形状、像素数量和光谱3个方面,模型如下:

Boat=FRAC∪Area∪Spectrum,

(3)

式中:FRAC表示连通区域在形态学上的周长面积比,Area表示同一索引值的像素连通区域的像素总数,Spectrum表示光谱特征,是一个由最大值与RGB三波段中值构成的4个数的数组。通过分别设置FRAC、Area、Spectrum的阈值建立不同类型船只的特征表,不同船只的二值化影像示例及特征描述如表4所示。

表4 船只二值化影像示例及特征描述

1.2.4 AIS数据匹配

AIS是集船只导航、避碰、海事监管于一体的现代化无线电系统,包含船只的静态信息、动态信息和航次相关信息,同时自动连接周围船只发出这些信息,并与海岸AIS基站进行信息交换[16]。AIS数据已经成为渔业管理与研究的主要数据来源[17],利用AIS历史数据的空间定位信息与遥感微光影像中检测到的光源目标进行最短距离规则的匹配,即可确定每个光源目标对应的具体船只信息。

但是AIS历史数据与微光影像的匹配目前存在2个主要问题:一是AIS历史数据时间差异大,中国渔船AIS数据的回报时间间隔为10 min左右,定位精度一般为15 m,但实际查询到某一历史时刻渔船的更新时间间隔平均达到40 min,甚至有些渔船更新时间超过2 h,使得有些AIS定位点与微光影像光源目标区域距离差异过大;二是AIS历史数据存在错误与缺失,获取到的AIS数据是不全面的,与实际情况存在一定的差异,且虽然AIS设备安装到渔船,但有些渔民可能人为修改部分AIS信息,而非法捕捞的渔船则通常关闭AIS,甚至还有部分小型渔船不安装AIS设备。

所以AIS历史数据与微光影像的匹配在具体实施上需要考虑时间差异。通过AIS数据记录的航速乘以其与微光数据的时间差,得到一个圆形区域,如果该区域存在唯一的未确定光源,则AIS数据可匹配该光源目标。按照时间差从小到大对深海区域所有AIS数据进行匹配。实验表明该渔场的船只在开渔期的匹配率约为85%,剩余匹配失败的光源需要人工进行识别,而匹配失败且光源目标类型被识别为开启渔灯的渔船光源往往是渔业管理方重点关注的目标。

2 数据实验与分析

2.1 实验数据

实验区域为中国南部的某渔场,面积约74 290 km2,水深在100 m左右。微光影像数据来源于SDGSAT-1卫星,下载的数据包含2022年3—9月的34景遥感影像数据,研究区域的数据覆盖达到100%。

以每景微光数据的成像时间获取AIS历史数据,SDGSAT-1卫星在研究区域的轨道过境时间一般在UTC时间为13:50,北京时间为21:50。考虑到渔船为节省往返油料消耗,通常到达渔场后停留多天,为提高AIS数据匹配精度,同时获取了微光数据成像前后2 d的AIS历史数据。获取的AIS数据包含船只的经纬度、名称、水上移动通信业务标识码(Maritime Mobile Service Identify,MMSI)、类型、航速等动态和静态信息[18]。

2.2 单日渔船识别及精度验证

该渔场2022年禁渔期为5月1日12时—8月16日12时,开渔后渔船逐步进入渔场,进入9月后渔船数量增加且相对稳定。使用9月2日的3景微光影像进行光源类型识别,并结合对应的AIS历史数据对识别的光源进行匹配,匹配验证精度达到85%,9月2日的同条带2景数据中匹配船只609艘,其中渔船254艘。

依据船只检测模型可识别船只的类型包括大型渔船、小型渔船、集装箱船与其他船只,还可以有效区分卤素灯、LED灯等渔灯类型,传统的卤素灯存在高能耗、高发热和低转换率的问题,正逐年被LED渔灯替代。表5给出了不同类型船只的示例,其中多光谱影像体现了船只光源的光谱颜色特征,二值化图体现了船只光源的区域形状特征,热力图体现了船只光源的光谱强度特征。

表5 不同类型船只示例

渔场区域内渔船的分布体现了鱼群的位置,中国渔船通过声纳搜寻鱼群,遇到鱼群后常联系周边渔船联合捕捞。比如9月2日渔船主要分布在该渔场中部,在113.40°E～114.25°E,21.12°N～22.00°N的区域内出现一个聚集区,该区域渔船数量为126艘。从东西分布来看,从出海口以西至阳江海陵岛的范围内,渔船分布密集,夏季珠江冲淡水在沿岸流的作用下向西南扩散,对初级生产力贡献显著,鱼群数量较多,这也可能是该区域渔船灯光多于其他地区的原因之一[19]。

2.3 2022年3—9月渔船时空分布特征分析

为研究SDGSAT-1卫星微光数据在渔业管理与打击非法捕捞的作用,对研究区域内3—9月的全部数据进行处理,分析渔船的时空分布信息,寻找禁渔期内存在的渔灯光源。

SDGSAT-1卫星11 d的重访周期使得每月有2～3次的观测。单次观测并不能将研究区域全部覆盖,需要将每月2次或3次的观测进行合成,合成时将重复的覆盖区域取2次观测的平均船只数量作为该重复区域的船只数量。

灯光渔业的主要渔获对象以头足类为主,有研究表明头足类的资源密度以夏秋季高,冬春季低[20]。本文研究结果显示,渔船数量以夏季8月最多,然后是秋季9月和春季4月,如图3所示。夏季,西南季风强盛,降雨导致的陆地径流和河流径流为南海北部饵料生物提供了丰富的营养物质。另外,整个南海北部陆架区同时受到上升流的影响,上层海水受到被上升流夹带的底层营养盐的滋养,夏季是南海北部初级生产力较高的时期,而8月正好是南海每年伏季休渔后的第一个开捕月,因此夏季渔业活动较为频繁,作业海域最为集中。

图3 2022年某渔场船只数量变化Fig.3 Variation chart of the number of vessels in a fishery in 2022

3月份(12日一景40%、18日一景60%)检测到船只总计347艘,其中渔船55艘,主要分布在渔场的西南部和东南部,渔船分布较为零散,大多位于深海区域。4月份(8日一景70%、19日2景30%)检测到船只总计255艘,其中渔船91艘,主要分布在渔场的西南部,在112.57°E～112.60°E、20.53°N～21.07°N的区域内出现一个聚集区,该区域渔船数量为55艘。5月份(5日一景10%、20日一景30%、31日一景60%)检测到船只总计165艘,其中渔船13艘,渔船分布十分零散,在浅海、深海区域均有分布。6月份(16日50%、26日一景50%)检测到船只总计202艘,其中渔船26艘,渔船分布非常零散。7月份(12日2景80%、27日一景20%)检测到船只总计313艘,其中渔船30艘,在112.10°E～112.16°E、21.10°N～21.90°N的区域内出现一个小范围的聚集区,该区域渔船数量为16艘,其余渔船分布较为零散,在浅海、深海区域均有分布。8月份(17日一景50%、28日2景50%)检测到船只总计767艘,其中渔船505艘,主要分布在渔场的西南部和东北部,在中部分布较为零散,在西南部和东北部有2个较大面积的聚集区,分别位于112.00°E～113.12°E、20.49°N～21.23°N,114.55°E～115.40°E、22.14°N～22.29°N,2个区域的渔船分别有111艘、90艘。9月份(2日2景70%、17日一景30%)检测到船只总计598艘,其中渔船311艘,主要分布在渔船中部和西南部,在113.70°E～114.04°E、21.35°N～21.76°N,113.17°E～113.63°E、20.78°N～21.47°N和112.46°E～122.82°E、20.87°N～21.06°N的3个区域内出现聚集区,3个区域内渔船数量分别为45、46、56艘。

2022年3—9月间,8月份出现的渔船数量最多,为505艘,9月份次之,5月份渔船出现的数量最少,为13艘;从表观辐射亮度值来看,9月份的表观辐射亮度值最高,可以达到0.35 W/m2/sr/μm,5月份的辐射亮度值最小。根据渔船检测结果显示,8月份是渔场的主要渔期,其次是9月,5—7月份渔船数量极少,均不超过30艘。根据国家规定,2022年南海海洋伏季休渔期从5月1日12时起至8月16日12时止(本文使用的8月份微光数据均为8月16日之后获得),对26°30′N～12°N的东海和南海海域(含北部湾)实施休渔,范围是除钓具外的所有作业类型捕捞渔船,以及为捕捞渔船配套服务的捕捞辅助船。渔船检测结果显示,5—7月均处于禁渔期,但仍出现数量较少的渔船,其分布非常零散,大多都位于该渔场的中部,且无AIS历史数据与之匹配,这些渔船极有可能是违法进行捕猎的渔船,5—7月疑似渔船灯光的影像如图4所示。4月份渔船主要分布在渔场的西南部,荷包岛以西至海陵岛的范围内渔船分布相对集中,这个区域的渔船数量占到整个渔场渔船数量的70%以上。4月渔船分布面积相对小,可能与季风转换期海洋环流结构多变有关,特别是受到一些小尺度上升流的影响。

图4 2022年某渔场5—7月疑似渔船灯光局部图Fig.4 Partial map of lights of suspected fishing boats from May to July in a fishery in 2022

3 结论

本文研究利用SDGSAT-1卫星微光遥感影像数据识别利用渔灯捕鱼的渔船,构建了结合形态特征与光谱特征的船只检测模型,并结合AIS数据对识别的目标进行匹配验证。通过对2022年3—9月某渔场区域的数据分析,初步形成以下结论:

① SDGSAT-1卫星微光遥感影像具有10 m全色与40 m彩色的高空间分辨率,可以有效区分渔船的不同渔灯灯组数量,以及卤素或LED等渔灯种类,对大型的集装箱船只也具有很好的识别效果。

② SDGSAT-1卫星微光遥感影像可以作为渔业检测的一种有效数据,尤其是打击非法捕鱼方面,虽然国家在禁渔期内实行严格的渔船出港管制,但实验发现每月仍然存在30个左右疑似渔灯光源且无匹配AIS数据的可疑目标,有待有关部门进一步确认。

本文方法是对SDGSAT-1卫星微光影像渔船检测的初步探索,数据实验仅验证了检测方法的有效性,在数据筛选与预处理、检测结果与AIS匹配精度评价等过程仍然需要人工监督。利用本文算法积累大量的船舶标记样本数据,逐步提高自动检测的精度,最终实现算法在实际业务运行系统中的自动化。