卫星遥感辅助的大型海藻养殖动态对比监测——以威海市为例

图1 研究区地理位置及大型藻类养殖区分布

Fig.1 Geographical location of the study area and distribution of macroalgae cultivation areas

2 数据源

本文以Sentinel-2卫星影像为基础数据,数据在欧洲航空局官网(https://scihub.copernicus.eu/)下载。所用卫星的传感器为多光谱成像仪(multispectral instrument,MSI),波段为10 m空间分辨率的蓝光、绿光、红光和近红外波段。经过筛选,共选取2016—2021年的55景影像用于监测文登区南部海域的紫菜养殖区,2019—2020年间的16景影像用于监测荣成市南部海域的海带养殖区。所用影像时间如表1所示。统计年鉴数据来自《中国渔业统计年鉴》《山东渔业统计年鉴》和《威海统计年鉴》。

表1 所用影像介绍

Tab.1 Introduction of images

年份	影像日期
2016年	01-25,03-25,04-24,05-04,07-13,08-22, 09-11,11-20,12-10
2017年	01-09,03-10,04-19,05-19,08-02,09-11, 09-21,10-21,11-15,12-05
2018年	01-09,02-13,03-25,04-19,05-04,06-03, 08-02,10-21,11-10,11-30
2019年	01-24,02-23,03-25,04-14,06-23,08-17, 09-26,10-31,11-20,12-20
2020年	01-14,02-23,03-24,04-03,06-22,07-02, 09-20,10-25,11-09,12-19
2021年	01-18,02-02,03-24,04-18,05-18,07-22

新窗口打开| 下载CSV

3 研究方法

本文技术路线如图2所示,数据预处理主要有辐射定标、大气校正和影像裁剪等,提取后处理包括面积筛选与人工修正。其中,大气校正使用欧洲航空局提供的Sen2cor插件进行。

图2

图2 技术路线

Fig.2 Technical route

紫菜富含叶绿素 a、胡萝卜素和叶黄素等色素^[17],具有与陆地绿色植物相似的光谱特征,即紫菜光谱存在红边效应。本文随机在Sentinel-2影像的图1(a)区域A范围内选取典型紫菜养殖区样本与海水样本,各200个像元,样本分布如图3(a)所示。分别统计紫菜养殖区与海水样本的反射率均值,如图3(b)所示。紫菜养殖区的光谱曲线在近红外波段处的值高于海水,而在红光波段处的值低于海水。所以,采用NDVI可以区分紫菜养殖区与海水。NDVI的表达式为:

(1)

N D V I = \frac{R_{N I R} - R_{R e d}}{R_{N I R} + R_{R e d}}

图3

图3 样本分布及相应的光谱曲线与NDVI频率分布

Fig.3 Distribution and corresponding spectral curve of samples and frequency distribution of NDVI

式中 $R_{N I R}$ 和 $R_{R e d}$ 分别为近红外和红光波段反射率,分别对应Sentinel-2影像第8与第4波段的反射率。针对紫菜养殖区提取的NDVI阈值确定,在NDVI影像上的紫菜养殖区域选取典型紫菜养殖区样本与海水样本,各2 000个像元,样本分布如图3(c)所示,底图为NDVI值。统计样本的NDVI分布频率,如图3(d)所示。根据频率分布情况,可初步确定区分紫菜养殖区与海水的阈值为[-0.4,1],针对不同影像进行阈值调整。此外,经统计发现每块紫菜养殖方的面积均大于1 000 m²,所以将筛选出面积大于1 000 m²的斑块作为紫菜养殖区。故本文通过设置NDVI阈值初步提取紫菜养殖区,再对阈值提取结果进行面积筛选及人工修正,最终实现紫菜养殖区的监测。

经多次实验发现,在利用NDVI提取荣成市南部海域的海带养殖区时,NDVI阈值法提取的效果较差。海带养殖区与周围海水均混有悬浮泥沙,导致海带养殖区与海水难以通过NDVI阈值法进行区分。故本文采用SVM机器学习分类方法,结合目视解译、面积筛选(将面积大于1 000 m²的斑块作为海带养殖区)与人工修正实现海带养殖区的监测。其中,SVM的核函数为线性核函数,且分类样本中典型海带养殖区样本与海水样本的分离度在1.9以上(研究表明样本分离度在[02]之间,尤其大于1.8时最佳^[18])。

在监测结果的精度评价中,分别目视选取养殖区与非养殖区验证样本,各2 000个像元,计算混淆矩阵,利用总体分类精度(overall accuracy,OA)与Kappa系数进行评价。每个季节选一景进行评价,选取2019年1月、4月、6月和10月的紫菜与海带养殖区的遥感监测结果进行精度评价。

4 结果与分析

4.1 监测结果与精度评价

图1(a)中区域A范围中紫菜养殖的年度遥感监测结果如图4所示。紫菜的年度养殖方与年度监测面积,由前一年下半年下苗和第二年上半年的收割构成的一个养殖周期内的各期结果合并而成,如2017年度的紫菜养殖周期为2016年7月—2017年6月。文登区南部海域的紫菜养殖块呈方形,与江苏连云港的紫菜养殖方形状类似; 整体上,紫菜养殖区在五垒岛湾近海呈南北向分布,南北向跨度大,东西向跨度小。海带养殖区的监测结果如图5所示(仅展示2020年2月23日的监测结果,此时海带养殖的监测面积达2020年最大),荣成市南部海域的海带养殖呈条带状,紧沿岸边分布。通过目视观测,整体上遥感提取的紫菜与海带养殖区可以较好地覆盖底图显示的养殖方与养殖条带。

图4

图4 2017—2021年度紫菜养殖区的遥感监测结果

Fig.4 Remote sensing monitoring results of Porphyra aquaculture during 2017—2021

图5

图5 2020年2月23日海带养殖区的遥感监测结果

Fig.5 Remote sensing monitoring results of kelp farming areas on February 23, 2020

基于NDVI阈值法,利用Sentinel-2遥感影像追溯监测文登区南部海域大型藻类养殖历程发现,2016年9月11日及以前影像上未监测到养殖区,2016年11月20日影像上开始有紫菜养殖区的分布; 2016年12月10日,监测到的紫菜养殖区总面积达到极大值(图6(a)),约0.38 km²; 卫星监测可清晰识别养殖方,其最大数量为27个。据相关资料显示^[16],威海市文登区于2016年秋季开始在南部海域开展插杆式紫菜养殖,与卫星遥感结果一致; 31个养殖方(每方约0.022 km²),与遥感监测结果间存在差异,这可能由于实际生产与原计划有一定出入。

图6

图6 遥感监测的紫菜养殖区面积与养殖方个数变化

Fig.6 Changes of the area of Porphyra aquaculture and the number of cultivation squares monitored by remote sensing

基于验证样本计算OA与Kappa系数,计算结果如表2所示。针对4期紫菜养殖区的遥感监测结果,本文紫菜养殖区的OA均大于92%,Kappa系数均大于0.84。针对4期海带养殖区的监测结果,OA均大于84%,除2019年10月31日外,其余3期海带养殖区的Kappa系数均大于0.88。

表2 精度评价结果

Tab.2 Results of the accuracy evaluation

指标	紫菜养殖区				海带养殖区
指标	2019-01-24	2019-04-14	2019-06-23	2019-10-31	2019-01-24	2019-04-14	2019-06-23	2019-10-31
OA/%	99	99	92	95	94	94	95	84
Kappa	0.99	0.97	0.84	0.89	0.87	0.88	0.90	0.68

新窗口打开| 下载CSV

4.2 紫菜养殖年际变化

遥感监测的紫菜养殖区面积与养殖方个数如图6所示,2016—2021年,文登区紫菜养殖监测面积的逐月变化具有明显的周期性,每个周期内的遥感监测面积先增后减,故将每一养殖周期定义为一个养殖年度。文登区自2017年度开展养殖紫菜,2018年度便大幅增加,其后呈逐年增加趋势。2021年度紫菜养殖的监测面积比2017年度约多10.36 km²,养殖方个数多656个。2017—2018年度紫菜养殖的监测面积与养殖方个数变化最大; 在2018年以后,面积与养殖方数目的变化速率均减小,2019—2020年度变化最小。在空间上,如图4所示,2017—2021年度紫菜养殖的空间分布整体上逐渐变大,且变化明显,其中2017—2018年度变化最大,2018—2019年度与2020—2021年度变化相对较小。文登区自开始养殖紫菜,养殖区域呈先向岸扩展后离岸扩展。

4.3 紫菜与海带养殖季节变化

文登区的紫菜养殖在每一年度均具有明显的季节性,如图7(a)所示,每一年度的逐月监测面积整体呈先增后减的趋势; 2017—2021年度,紫菜养殖监测面积在12月、1—3月份监测面积较大,在7—8月份监测面积较小。紫菜养殖的月均值曲线亦具有明显的季节性,如图7(b)所示,在2月份监测面积最大,在7月份监测面积最小。整体上,文登区紫菜养殖区的监测面积冬季最大,夏季最小。

图7

图7 紫菜养殖遥感监测面积的季节变化

Fig.7 Seasonal changes of Porphyra culture monitoring area by remote sensing

选取2019年与2020年的1—12月的遥感影像,每月选用一景,开展紫菜与海带养殖区的对比监测,养殖区监测面积的逐月变化如图8(a)所示。在2019—2020年,紫菜养殖的监测面积分别于2019年8月17日、2020年7月2日出现极小值。在2019年10月31日和2020年9月20日,海带养殖的监测面积处于极小值,面积分别约为0.84 km²和0.7 km²。可以发现,紫菜养殖监测面积的极小值出现的时间比海带的大致早2个月。在2019—2020年,紫菜养殖的监测面积于2019年4月14日和2019年12月20日出现极大值,海带养殖的监测面积于2019年6月23和2020年2月23日出现极大值。可见紫菜养殖监测面积的极大值出现的时间也比海带的大致早2个月。

图8

图8 2019—2020年紫菜与海带养殖的监测面积变化

Fig.8 Changes of the monitoring area of Porphyra and kelp culture from 2019 to 2020

将2019年与2020年相应月份的紫菜与海带养殖的监测面积分别取均值,如图8(b)所示,因夏季的影像云量较多,所以共得到11个月份的紫菜监测面积均值和10个月份的海带监测面积均值。可以看到,在1—12月份紫菜养殖监测面积的月均值整体先减后增,而海带养殖监测面积的月均值整体先增后减再增。紫菜养殖监测面积的月均值的最小值出现在7月,而海带的出现在9月,时间间隔为2个月。此外,图8中的海带养殖监测面积的曲线整体较紫菜的曲线均存在右移现象。

上述表明,在同一养殖周期中,紫菜养殖监测面积的最大值出现在冬季,而海带养殖出现在初春; 紫菜养殖监测面积的最小值出现在夏季,而海带养殖出现在秋季。整体而言,紫菜养殖监测面积最大值与最小值出现的时间比海带的早1~2个月。

4.4 与统计年鉴数据的对比分析

统计年鉴中紫菜与海带养殖面积的统计结果如图9所示。

图9

图9 2015—2020年统计年鉴中紫菜与海带的养殖面积变化

Fig.9 Changes of the cultivation area of Porphyra and kelp in statistical yearbook during 2015—2020

对比图6(b)与图9(a)发现,整体上,紫菜年度养殖面积在遥感监测与统计年鉴中均呈现增加趋势。紫菜养殖面积的大幅度变化在本文遥感监测的结果中出现在2017—2018年度,而在统计年鉴中出现在2016—2017年; 这是因为统计年鉴中的紫菜年度养殖是由每年1—12月份的紫菜养殖组成,其与本文所定义的紫菜年度养殖不同。如图8(a)与图9(b)所示,本文遥感监测的荣成市部分海域的海带养殖面积整体变化不明显,同样统计年鉴中2015—2020年荣成市的海带养殖面积整体变化也不明显。此外,图9显示,威海市的紫菜养殖面积约占山东省总养殖面积的80%,海带养殖面积约占山东省总养殖面积的60%; 威海市的紫菜养殖均在文登区,而海带养殖均在荣成市,紫菜与海带养殖面积变化与山东省的总养殖面积变化基本一致。针对养殖周期跨年的大型海藻养殖,统计年鉴按日历周期进行统计会导致时间信息不明确。由图7可知,遥感能提供精细的季节变化特征,可实现按养殖周期进行结果统计与分析; 并且,遥感能提供精准的空间信息,可对养殖区大型海藻生长的空间差异进行即时评估。如前所述,考虑到研究区的紫菜与海带养殖在山东省占主要比重,基于遥感的监测结果对威海市及山东省的紫菜与海带养殖状态有更好的指示作用。

5 结论与展望

本研究基于Sentinel-2卫星数据,采用NDVI阈值法和SVM方法对威海市文登区南部海域的紫菜养殖区以及荣成市南部海域的海带养殖区的动态进行了对比监测。研究发现并证实了,威海市及山东省紫菜养殖的大幅增加主要源于2016年秋季开始的威海市文登区南海海域的紫菜养殖扩张; 研究区的紫菜与海带养殖区遥感监测面积均呈冬高夏低的周期性变化特征,紫菜养殖遥感监测结果的变化周期较海带早1~2个月。

卫星遥感数据能提供紫菜与海带养殖精准的生长期时空动态数据,可以弥补统计年鉴数据时间、空间信息不全的不足,这对威海市乃至山东省的大型海藻养殖管理有重要参考价值。在大型海藻养殖区遥感提取的基础上,可进一步利用遥感监测估算其生长状态及生物量,结合海温、水质等遥感监测对海藻产量及可能的灾害进行预警评估。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

刘福利, 牛建峰, 隋正红, 等.

中国经济海藻养殖技术概况与展望

[J]. 中国农业科技导报, 2020, 22(12):1-9.

DOI:10.13304/j.nykjdb.2019.0795 [本文引用: 1]

我国是全球海藻生产和消费大国。当前，我国海藻养殖种类以海带、紫菜、江蓠和裙带菜等为主体，兼有小规模养殖的羊栖菜、鼠尾藻、麒麟菜、石花菜、礁膜、浒苔、长茎葡萄蕨藻等。海藻养殖方式包括浅海养殖、潮间带养殖和陆基养殖。近年来，在全球气候变化、海水污染、海岸工程等多重压力下，海藻养殖环境不佳，养殖病害多发；另外，海洋生态文明建设大背景下的近海水域利用政策变化，对海藻养殖产业及其养殖技术提出了新的要求与挑战。对我国海藻养殖技术进行回顾，总结经验、查找不足，提出新思路、新方法，以期为我国海藻养殖产业可持续发展提供支撑。

Liu

F L

, Niu

J F

, Sui

Z H

, et al.

Overview and prospects of China economic seaweed cultivation technology

[J]. Journal of Agricultural Science and Technology, 2020, 22(12):1-9.

DOI:10.13304/j.nykjdb.2019.0795 [本文引用: 1]

China is a large seaweed production and consumption country in the world. At present, farmed seaweed species in China mainly include Saccharina spp., Pyropia spp., Gracilaria spp. and Undaria pinnatifida. There are also small-scale cultivated species, Sargassum spp., Eucheuma spp., Kappaphycus spp., Gelidium spp., Ulva spp. and Caulerpa spp.. There are three types of seaweed farming model including shallow sea farming, intertidal farming and land-based farming. In recent years, under the multiple pressures of global climate change, seawater pollution and coastal engineering, the physical cultivation environment in which these seaweeds are farmed has deteriorated and diseases have occurred rather frequently. In addition, the policy of shallow sea usage in the context of marine ecological civilization construction has changed. This change puts forward new demands and challenges for the seaweed farming industry, calling for updated techniques and models. This paper reviewed the current seaweed cultivation in general in China, summarized the experience, found the deficiency, and proposed new ideas and methods to provide support for the sustainable development of seaweed cultivation industry in the future.

[2]

卢霞, 顾杨, 王晓静, 等.

连云港近海紫菜养殖区遥感识别、空间变异和驱动分析

[J]. 海洋科学, 2018, 42(7):87-96.

, Gu

, Wang

X J

, et al.

The identification of Porphyra culture area by remote sensing and spatial distribution change and driving factors analysis

[J] Marine Sciences, 2018, 42(7):87-96.

[3]

李涵, 青平, 张晓恒, 等.

我国藻类产业发展现状、问题及对策建议

[J]. 中国农业科技导报, 2021, 23(1):12-20.

DOI:10.13304/j.nykjdb.2019.0896 [本文引用: 1]

我国是藻类生产、消费和贸易大国，藻类产业作为国家战略产业的重要组成部分，既面临着许多发展新机遇，也存在众多亟待解决的问题。首先梳理了我国藻类养殖、加工、贸易和消费现状，然后根据调研数据对消费者的需求特征进行了深入分析。结果显示：我国藻类养殖产量和面积呈上升趋势，各藻类细分品种产量不均。同时，藻类加工产品日益丰富，贸易优势明显，但藻类从业者收入较低。消费者对藻类产品了解程度虽然较低，但并不排斥藻类产品。藻类产品的包装、品牌建设较差，营养安全是消费者食用藻类产品的主要原因。基于此，指出了我国藻类发展过程中存在的主要问题与矛盾。最后以供给侧改革为主线，从政策、科技、市场、消费文化、劳动力、生产组织结构和贸易方面分别阐述了振兴藻类产业的对策建议。

, Qing

, Zhang

X H

, et al.

Current status,problems and countermeasures of algae industry development in China

[J]. Journal of Agricultural Science and Technology, 2021, 23(1):12-20.

[4]

岳冬冬, 王鲁民, 耿瑞, 等.

中国近海藻类养殖生态价值评估初探

[J]. 中国农业科技导报, 2014, 16(3):126-133.

Yue

D D

, Wang

L M

, Geng

, et al.

Initial assessment of seaweed farming ecological value in coastal waters of China

[J]. Journal of Agricultural Science and Technology, 2014, 16(3):126-133.

[5]

魏振宁, 邢前国, 郭瑞宏, 等.

基于遥感的2000—2015年南黄海紫菜养殖空间分布变化研究

[J]. 海洋技术学报, 2018, 37(4):17-22.

Wei

Z N

, Xing

Q G

, Guo

R H

, et al.

Study on the spatial distribution variation of Porphyra aquaculture in the southern Yellow Sea during the period 2000—2015 retrieved by satellite remote sensing

[J]. Journal of Ocean Technology, 2018, 37(4):17-22.

[6]

Xing

, An

, Zheng

, et al.

Monitoring seaweed aquaculture in the Yellow Sea with multiple sensors for managing the disaster of macroalgal blooms

[J]. Remote Sensing of Environment, 2019, 231:111279.

DOI:10.1016/j.rse.2019.111279 URL [本文引用: 4]

[7]

刘材材, 徐韧, 何培民, 等.

南黄海绿潮暴发与紫菜养殖的关系

[J]. 海洋科学, 2017, 41(2):35-43.

Liu

C C

, Xu

, He

P M

, et al.

Research on the relations between green tide and Porphyra cultivation in the south Yellow Sea

[J]. Marine Sciences, 2017, 41(2):35-43.

[8]

许海蓬, 张彦彦, 郑剑.

基于SR-NDVI和中值滤波的连云港海域紫菜筏架自动提取研究

[J]. 海洋技术学报, 2021, 40(2):1-8.

H P

, Zhang

Y Y

, Zheng

Research on the automatic extraction of floating raft aquaculture based on SR-NDVI and median filtering in Lianyungang

[J]. Journal of Ocean Technology, 2021, 40(2):1-8.

[9]

郭瑞宏

. 江苏沿海紫菜养殖时空动态遥感(2000—2015)[D]. 北京: 中国科学院大学, 2017.

Guo

R H

. Evaluation on the changes in the seaweed (Porphyra yezoensis) aquaculture in Jiangsu coastal waters using remote sensing[D]. Beijing: University of Chinese Academy of Sciences, 2017.

[10]

初佳兰, 邵光辉, 赵建华, 等.

高分一号的浮筏养殖信息提取方法

[J]. 测绘科学, 2020, 45(1):92-98.

Chu

J L

, Shao

G H

, Zhao

J H

, et al.

Information extraction of floating raft aquaculture based on GF-1

[J]. Science of Surveying and Mapping, 2020, 45(1):92-98.

[11]

武易天, 陈甫, 马勇, 等.

基于Landsat8数据的近海养殖区自动提取方法研究

[J]. 国土资源遥感, 2018, 30(3):96-105.doi:10.6046/gtzyyg.2018.03.14.

Y T

, Chen

, Ma

, et al.

Research on automatic extraction method for coastal aquaculture area using Landsat8 data

[J]. Remote Sensing for Land and Resources, 2018, 30(3):96-105.doi:10.6046/gtzyyg.2018.03.14.

[12]

Won

E S

, Ouchi

, Yang

C S

Extraction of underwater laver cultivation nets by SAR polarimetric entropy

[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(2):231-235.

DOI:10.1109/LGRS.2012.2199077 URL [本文引用: 1]

[13]

胡姣婵, 黄梦迪, 于浩洋, 等.

基于哨兵二号遥感影像的近海养殖区提取方法研究

[J]. 海洋环境科学, 2022, 41(4):619-627.

J C

, Huang

M D

, Yu

H Y

, et al.

Research on extraction method of offshore aquaculture area based on Sentinel-2 remote sensing imagery

[J]. Marine Environmental Science, 2022, 41(4):619-627.

[14]

, Zhang

Y Z

, Zhang

, et al.

Spatial change analysis of Porphyra yezoensis aquaculture in the Lianyungang coastal area by the use of remote sensing and geographic information system technology

[J]. Journal of the Indian Society of Remote Sensing, 2019, 47(9):1609-1622.

DOI:10.1007/s12524-019-00987-7 [本文引用: 1]

[15]

曹万云

. 荣成海带养殖时空变化与适宜性评价研究[D]. 烟台: 鲁东大学, 2016.

Cao

W Y

. Spatial-temporal variation and suitability evaluation of kelp culture in Rongcheng[D]. Yantai: Ludong University, 2016.

[16]

海洋网

威海海洋食品又添新品文登千亩紫菜收割上市

[EB/OL].(2017-01-10)[2022-02-24]. http://www.hellosea.net/Product/7/2017-01-10/35877.html?cktove=ayvg03.

URL [本文引用: 2]

Ocean

Net

Weihai seafood has added new products Wendeng thousand Mu seaweed harvested and listed

[EB/OL].(2017-01-10)[2022-02-24]. http://www.hellosea.net/Product/7/2017-01-10/35877.html?cktove=ayvg03.

URL [本文引用: 2]

[17]

有贺祐胜, 于廷林.

条斑紫菜(Porphyra yezoensis)的颜色和色素

[J]. 国外水产, 1982(4):8-13.

Aruga

, Yu

T L

Color and pigment of Porphyra yezoensis

[J]. Foreign Aquatic Products, 1982(4):8-13.

[18]

吴健生, 潘况一, 彭建, 等.

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

[J]. 地理研究, 2012, 31(11):1973-1980.