高分三号SAR影像在国家海域使用动态监测中的应用（二）
随着GF-3卫星的成功发射，我国民用SAR数据质量得到有效提升，使得围填海信息提取成为可能。范剑超团队采用RDRGAC算法自动提取遥感影像中的海岸线，通过对遥感影像的解译，对比分析岸线变化，形成围填海专题图，通过外业现场验证其有效性，实现海域使用情况的动态监测，相应流程图如图3所示。针对海南省海口区域和辽宁大连金州湾区域，分别进行围填海信息自动提取，分别如图4和图5所示。
 | 图 3 GF-3 SAR围填海动态监测流程图Fig.3 Dynamic monitoring process flow chart of reclamation in SAR image |
 | 图 4 海口地区SAR影像基础原始岸线提取Fig.4 The basic result of coastline extraction result of Haikou area |
 | 图 5 根据处理流程进行SAR围填海信息提取Fig.5 Coastline information extraction according to dynamic monitoring process |
为了海岸线提取结果的精确性，采用均方根误差(Root Mean Squared Error, RMSE)来计算海岸线提取精度，并将本文所提方法提取岸线与经过外业验证的手动提取岸线进行对比，计算公式如下：
| RMSE=∑k=0n−1[(xk−x¯k)2+(yk−y¯k)2]/n−−−−−−−−−−−−−−−−−−−−−−−−−−√ |
| (1) |
其中， xk,yk,x¯k,y¯k
分别表示本文方法RDRGAC模型和手动提取岸线的横纵坐标，并随机抽查50个像素点，通过ArcGIS测量工具统计其准确率，统计结果如表2所示。
 | 表 2 精度评价结果Tab.2 The results of precision assessment |
其中围填海信息提取算法测试结果与现场调查结果进行叠加比对结果如图5(g)所示，金州湾围填海用地类型绝大部分为建设填海用地，通过直接测量解译两者之间的差别为4个像素，2007年4月–2016年12月金州湾区域围填海面积为22.86 km2，专题图如图6所示。
 | 图 6 金州湾2017年围填海专题图Fig.6 Reclamation change thematic map of Jinzhou Bay in 2017 |
5 GF-3 SAR海水浮筏养殖监测
我国浅海和滩涂资源丰富，海水养殖业繁荣，浮筏养殖是海域使用动态监测的重要类型，在国民经济发展中具有巨大作用。浮筏养殖是在浅海与潮间带设置浮动筏架，筏上挂养养殖对象的一种生产方式，多以浮球悬挂吊笼方式养殖扇贝、牡蛎等贝类。然而随着养殖规模的逐年扩大，一些贝类养殖海区出现贝类产量降低和死亡率增加的情况，贝类持续高密度地养殖增加了局部海域的环境压力[16]，造成生态环境污染。因此，系统深入地研究浮筏养殖用海面积范围提取，实现浮筏养殖动态监测，利于合理使用养殖资源，营造健康平衡的海水生态环境，具有十分重要的意义[17]。浮筏养殖范围面积过大，而且浮筏会随海洋动力情况发生漂移，给现场调查带来巨大的困难，传统可见光遥感影像主要表征目标的反射信号，而养殖浮筏在海上分布稀疏，导致浮筏养殖区域的混合像元无法完全准确反映[18]。
5.1 养殖浮筏极化散射机理分析
筏式养殖分为网箱养殖、延绳式养殖和浮筏养殖。网箱养殖链接成片，体积较大，当雷达波发射时，由于海水的回波能量较弱，而养殖用的基座、围栏和网箱等回波能量较强，色调比周围的海水更亮，二者对比度更大，所以在Radarsat-2影像中可以十分清晰地识别[19]。延绳式养殖用于养殖藻类，建立近海养殖区快速检测的光谱特征指数，可以通过多光谱波段线性组合实现其面积的有效识别[20]。由于养殖浮筏在水面上基本以浮球漂浮为主，相对网箱养殖体积小(直径30 cm)，即使是2 m高分辨率可见光影像也无法完全发现。此外，相对藻类，贝类与海水的光谱反射特性差异不强，所以波段运算无法实现浮筏养殖信息提取，如何有效地发现养殖浮筏成为研究的难点。
国外学者多集中于潮间带固定基或滩涂上底播贝类的识别，属于自然养殖。Van der Wal等[21]分析潮间带之间不同地物表面粗糙度和后向散射特性之间的关系。Lee等[22]采用AIRSAR和JERS-1 对固定基座贝类养殖进行不同位置的后向散射特征分析，获得不同拍摄方向不同基座结构的后向散射特性，从而发现HH极化更有利于发现滩涂上的贝类。Choe等[23]通过多频率Radarsat-2和ALOS PALSAR的极化SAR微波特征获得潮间带低潮期不同地物类型后向散射特征。目前，Gade等[24]在此研究基础之上，获得多时相SAR图像可以探测到潮间带贝类养殖和生态变化的结论，并展望多极化数据在贝类养殖物提取的可能性。国内浮筏养殖属于人工养殖，多采用浮球吊笼模式，较难直接发现，而且现有的浮筏养殖信息提取的研究资料较少，均为本课题组的研究成果。初佳兰等[25]对长海县贝类养殖进行遥感监测的初步研究，根据浮筏分布特性进行专家解译，获得养殖分布专题图。范剑超团队等[26]对北戴河邻近海域浮筏养殖区域进行2年长序列可见光和SAR遥感图像监测，发现Landsat-8、ZY-3和GF-1等可见光遥感影像均无法发现浮筏养殖区域，仅有极少数SAR影像可以识别养殖浮筏目标，浮筏养殖极化散射机理尚不清晰。
海水养殖均以浮球悬挂吊笼方式养殖为主，其主要要素分为浮球、吊笼、养殖物和海水海况，各要素对浮筏养殖的后向散射强度影响成因不同。浮球是白色或黑色橡胶材质，直径约为30 cm，浮球间距约为75 cm，吊笼直径约为20 cm，长度4～6 m，养殖物主要以扇贝、牡蛎等贝类为主，其材质、类型、空间分布均影响后向散射强度；海水海况影响表面粗糙度，导致后向散射强度发生变化。海上养殖现场结构和示意图如图7所示。
 | 图 7 浮筏养殖结构图Fig.7 Remote sensing image of floating raft |
由于养殖浮筏在水面上基本以浮球漂浮为主，相对网箱养殖体积小(直径 30 cm)，即使是2 m高分辨率可见光影像也无法完全发现，如图8(a)所示。此外，对于SAR影像，如图8(b)所示，养殖浮筏与海水背景的后向散射差异不强，所以经典算法无法精确实现浮筏养殖信息提取，如何有效地发现养殖浮筏成为研究的难点。
 | 图 8 浮筏养殖遥感影像Fig.8 Remote sensing image of floating raft |
以浮筏养殖物理实际为基础，讨论目标极化分解类型，以海水为界划分为海面部分与水下部分，直观可分解为6类不同散射，如图9所示。海面部分包括表面散射、二面角散射和螺旋体散射，海水表面随机粗糙度以布拉格散射为主，浮球亦以表面散射为主，随机海面和浮球可产生二面角散射和螺旋体散射；水下部分根据电磁波在海水的穿透性，无法产生直接作用，所以⑤和⑥散射不存在，水下部分通过间接改变海表粗糙度产生影响。
 | 图 9 浮筏养殖的极化散射机制示意图(①海水表面散射，②浮球表面散射，③海水浮球二面角散射，④海水浮球螺旋体散射，⑤水下表面散射，⑥水下体散射)Fig.9 Schematic diagram of floating raft aquaculture scattering mechanism (① Scattering method of sea surface, ② Scattering method of floating raft, ③ Scattering method of dihedral caused by raft and sea surface, ④ Scattering method of helix structure, ⑤ Scattering method of surface under water, ⑥ Scattering method of body under water) |
采用GF3号全极化模式Ⅰ数据，对日本明海区域进行Nonlocal滤波，Yamaguchi极化分解、Freeman分解，H/A/Alpha分解、Krogager分解和伪彩色图合成，分解结果如图10所示。
 | 图 10 日本明海区域海水养殖极化分解结果Fig.10 Polar decomposition of floating raft aquaculture in Japan |
从图10中可以发现在日本明海区域有十分规则的固定结构筏式养殖区域，形成十分典型的偶次散射区域，海表波浪以表面散射为主，陆上山地区域以体散射为主，城区部分为多种类型混合散射，GF-3号全极化SAR数据通过极化分解，可以非常有效地表征各类散射体，其中Yamaguchi更能明显区分出浮筏养殖区域与其他陆地海水背景区域。图11为典型中国区域浮筏养殖区域，以养殖牡蛎，扇贝为主，浮筏养殖结构示例如图7所示。采用Nonlocal滤波，Yamaguchi极化分解和伪彩色图合成，从图中可以看出海上浮筏养殖区域以表面散射和二次散射混合为主，与图9极化散射结构相同。
 | 图 11 大连市浮筏养殖Yamaguchi极化分解结果Fig.11 Yamaguchi polar decomposition of floating raft aquaculture in Dalian |
