基于Sentinel-2 影像的淡水養(yǎng)殖水生動(dòng)物類型識(shí)別研究

金 晶，毛 星，張 欣，劉 楊，陸學(xué)文，任 妮

（江蘇省農(nóng)業(yè)科學(xué)院信息中心，江蘇 南京 210014）

淡水養(yǎng)殖為全球糧食安全和人類生計(jì)做出了重大貢獻(xiàn)。我國淡水養(yǎng)殖水產(chǎn)品占世界總產(chǎn)量的60% 以上[1]。2020 年，江蘇省淡水養(yǎng)殖產(chǎn)值達(dá)1 065.81 億元，約占全國總產(chǎn)值的16.69%。作為拉動(dòng)經(jīng)濟(jì)增長、促進(jìn)農(nóng)民增收的重要突破口，淡水養(yǎng)殖對加快實(shí)現(xiàn)鄉(xiāng)村振興具有重要意義[2]。及時(shí)、動(dòng)態(tài)、精準(zhǔn)地掌握淡水養(yǎng)殖的空間分布，對于水產(chǎn)養(yǎng)殖管理的標(biāo)準(zhǔn)化和智能化至關(guān)重要。傳統(tǒng)的淡水養(yǎng)殖數(shù)據(jù)主要來源于統(tǒng)計(jì)上報(bào)，數(shù)據(jù)收集耗時(shí)費(fèi)力、更新速度慢，且準(zhǔn)確性較低。衛(wèi)星遙感影像能夠?qū)崿F(xiàn)對區(qū)域養(yǎng)殖空間分布信息的宏觀感知，是水產(chǎn)養(yǎng)殖動(dòng)態(tài)監(jiān)測的重要數(shù)據(jù)源[3]。

在水產(chǎn)養(yǎng)殖區(qū)域的遙感識(shí)別領(lǐng)域，現(xiàn)有研究已基于圖像的光譜、紋理等特征提出了多種分類方法。光譜閾值法是早期養(yǎng)殖水體識(shí)別的常用方法，通過分析不同地物在單波段[4‐5]或多波段組合[6‐7]上的特征差異，提出區(qū)分養(yǎng)殖區(qū)域的閾值。由于閾值法只考慮各波段的光譜信息，但實(shí)際上養(yǎng)殖區(qū)域與河流湖泊等其他水體光譜差異較小，很容易出現(xiàn)“椒鹽”噪聲，使得分類效果較差?；诳臻g結(jié)構(gòu)的方法能夠有效利用圖像的紋理特征、鄰域特征[8‐9]，相較于分布零散的內(nèi)陸淡水養(yǎng)殖區(qū)域，更加適用于近海養(yǎng)殖等集中養(yǎng)殖區(qū)域的識(shí)別?；跈C(jī)器學(xué)習(xí)的支持向量機(jī)（Support vector machine，SVM）[10]、決策樹[11]和隨機(jī)森林[12]等分類方法不但消除了閾值設(shè)定帶來的主觀性誤差，而且充分利用了圖像的光譜紋理融合特征，使得該方法在適用性和精度方面都有了一定的提升?！?br>