SDGSAT-1衛星微光影像的夜間漁船識別

常 昊，胡昌苗，陸俊南，閆冬梅，唐 娉

(1.中國科學院空天信息創新研究院，北京 100094；2.中國科學院大學 電子電氣與通信工程學院，北京 100049；3.武漢理工大學 航運學院，湖北 武漢 430070)

0 引言

可持續發展科學衛星1號(The Sustainable Development Science Satellite 1,SDGSAT-1)于2021年11月5日成功發射升空,采用太陽同步軌道,搭載了高分辨率寬幅熱紅外(Thermal Infrared Spectrometer,TIS)、微光(Glimmer Imager for Urbanization,GIU)和近岸多譜段成像儀(Multispectral Imager for Inshore,MII)3種載荷。其中的微光成像儀包含10 m空間分辨率的全色波段和40 m空間分辨率的多光譜波段,是目前民用空間分辨率最高的夜間成像儀[1]。

利用高空間分辨率的夜間微光影像檢測漁船是一種重要的技術手段。現代漁民夜間捕魚主要利用魚類的趨光性,使用大量的集魚燈吸引魚群[2],開啟集魚燈的漁船在遙感衛星夜間影像上具有明顯的燈光輻射特征與幾何特征,因此使用夜間微光影像檢測漁船的方法是可行的[3-4]。目前約有13萬艘海洋機動捕撈漁船,且數量和噸位都在不斷增加。為有效管理漁船,保護深海漁業資源,中國基于船只自動識別系統(Automatic Identification System,AIS)構建了管理平臺,嚴厲打擊私自捕撈與禁漁期非法捕撈的行為。由于非法捕撈船關閉AIS駛入深海區后便難以獲得其從事非法捕撈的證據,因此利用夜間遙感衛星影像檢測與識別非法捕撈船成為一種有效技術途徑。

國內外不少研究人員結合夜光遙感影像對漁船定位展開研究。Elvidge等[5]使用DMSP/OLS數據研究全球燈光漁船活動。Waluda等[6]使用長時間序列的DMSP/OLS數據研究西南太平洋漁業分布年際變化情況,包括捕撈努力量大小及變化、漁船的空間范圍等。Maxwell等[7]結合南加利福尼亞海岸DMSP/OLS夜光遙感數據與魷魚船航空觀測數據分析得到燈光像元數量與魷魚船數量之間的關系。Saitoh等[8]利用DMSP/OLS夜光遙感數據結合漁港太平洋秋刀魚漁船生產記錄數據分析得到漁船數量與燈光像元數量的關系,并估算漁船數量與漁獲量的關系。Waluda等[9]使用ARGOS系統衛星追蹤得到漁船的分布數據,并與DMSP/OLS得到的漁船數據位置進行比較,對燈光面積和漁船數量進行回歸分析。Kim等[10]使用DMSP/OLS夜光遙感數據分析得到韓國漁船的分布范圍和數量并據此推斷捕魚的主要季節。Elvidge等[11]使用NPP/VIIRS數據進行漁船檢測,提出近海漁船識別方法。Susanto[12]使用NPP/VIIRS夜光遙感影像檢測到某個月份漁船數量減少,認為其與海底環境的變化有關。Straka等[13]使用NPP/VIIRS數據分析中國東海特定海域捕撈季節和作業頻率,分析休漁期的實際效果。郭剛剛等[14]利用NPP/VIIRS數據識別作業燈光漁船,使用漁船船舶監控管理系統(Vessel Monitoring System of Fishing Vessel,VMS)數據的驗證精度為92%?，F有研究所使用的夜光遙感數據空間分辨率較低,DMSP/OLS數據為500 m,NPP/VIIRS數據為750 m,使用大量集魚燈的漁船在影像上多以單個像元呈現,檢測方法以簡單的閾值法為主,且易受噪聲影響而出現誤檢,所以研究應用場景側重于對大的整體趨勢的佐證、分析和預測。對于很多使用少量集魚燈的非法捕撈漁船難以與噪聲進行區分,檢測結果無法作為漁船非法捕撈的輔助證據。

面對中國深海捕魚漁船檢測的應用需求,利用SDGSAT-1衛星微光夜視成像儀的10 m分辨率影像及對應的AIS數據,開發了以漁燈識別為核心的漁船檢測流程算法,提出了結合形狀、光譜、亮度3種特征的微光船只檢測模型,并結合AIS數據實現了對具體船只的匹配驗證。本文擬解決的關鍵問題即利用SDGSAT-1衛星的10 m空間分辨率的遙感影像構建微光船只識別模型,使用了2022年3—9月的34景微光影像及對應AIS數據進行實驗,算法檢測結果與AIS數據匹配度達到85%。在5—8月的禁漁期影像中檢測到了疑似非法捕魚的漁船燈光,表明禁漁期很有可能存在進行非法捕魚的船只,因此SDGSAT-1衛星夜光遙感影像可以為漁業檢測、打擊禁漁期非法捕魚行為提供一種有效的技術手段。

1 研究方法

1.1 SDGSAT-1衛星數據

SDGSAT-1衛星采用太陽同步軌道,基準軌道高度為505 km,傾角為97.5°,搭載高分辨率寬幅熱紅外TIS、微光GIU及多譜段成像儀MII三種載荷,有“熱紅外+多譜段”“熱紅外+微光”以及單載荷觀測等多種觀測模式,可實現全天時、多載荷協同觀測。3個載荷均擁有300 km幅寬的數據獲取能力,地面目標重訪周期約11 d,SDGSAT-1衛星微光技術指標及性能指標如表1所示,微光技術指標及性能指標來源于SDGSAT-1衛星用戶手冊[15]。

可持續發展大數據國際研究中心(International Research Center of Big Data for Sustainable Develop-ment Goals, CBAS)的SDG大數據平臺(SDG Big Data Platform)提供了SDASAT-1衛星的微光影像數據,可下載經過幾何精校正處理并包含輻射定標系數的L4A級標準數據產品。

表1 SDGSAT-1衛星微光技術指標及性能指標

1.2 漁船檢測流程算法

SDGSAT-1衛星微光數據漁船檢測流程算法主要包含微光數據預處理、微光船只檢測、AIS數據匹配3個步驟,具體流程如圖1所示。

1.2.1 微光數據預處理

微光影像的預處理主要包括輻射定標與微光降噪。輻射定標將數據原始數字值(DN值)轉換成具有物理意義的表觀輻射亮度值,可定量地反映海面燈光數據的輻射強度。CBAS給出的定標公式為:

L=DN×Gain+Bias,

(1)

式中:L表示傳感器入瞳處的輻亮度,單位W/m2/sr/μm;Gain為增益,Bias為偏置。微光傳感器絕對輻射定標系數如表2所示,微光傳感器絕對輻射定標系數來源于SDGSAT-1衛星用戶手冊[15]。

圖1 SDGSAT-1衛星微光數據漁船檢測與匹配算法流程Fig.1 Flowchart of fishing vessel detection and matching algorithm based on SDGSAT-1

表2 SDGSAT-1衛星微光傳感器絕對輻射定標系數

由于SDGSAT-1微光傳感器受到其硬件特性及成像環境的影響,微光數據普遍存在明顯的噪聲,降噪是微光數據預處理的必要流程。微光數據在經過輻射定標轉換為表觀反射率后,海面區域的表觀輻射亮度數值為0～0.000 3 W/m2/sr/μm,海面上燈光的輻射亮度通常大于0.001 W/m2/sr/μm,且亮度區域大于6 pixel×6 pixel,根據該數據特征,去噪處理過程是對海面區域進行平滑濾波,同時過濾掉輻射亮度低于0.001 W/m2/sr/μm的像素,并對小于6 pixel×6 pixel的連通區域進行像素整飾,即刪除“碎片”與填充“漏洞”。降噪過程使用漁場區域掩膜,只針對研究區域的海面進行處理,降噪處理效果示例如圖2所示。

圖2 漁船燈光與其他船只燈光去噪前后對比Fig.2 Comparison of fishing boat lights and other vessel lights before and after denoising

1.2.2 微光船只檢測

微光船只檢測使用傳統的形態學方法,即根據船只在微光遙感影像上的光源區域進行處理和檢測,檢測過程包含形態學檢測、光強與光譜檢測。形態學檢測是將海面上的燈光區域影像轉換成像素連通區域掩膜影像,掩膜中海面非燈光的背景區域為0,將像素值大于海面平均輻射亮度值,且連通像素數大于6 pixel×6 pixel的區域標記為不同索引值,掩膜中每個連通區域對應海面上可能的燈光源。

目前SDGSAT-1微光數據存在掃描線噪聲,示例如圖2所示。使用分維數指數(Fractal Dimension Index,FRAC)過濾掃描線噪聲,將周長面積比大的像素連通區域過濾掉,FRAC計算如下:

(2)

式中:perimeter為當前連通區域邊緣像素的個數,area為連通區域像素總數。

對像素連通區域的進一步整飾是根據連通區域之間的像素距離完成,由于海面航行的船只出于安全考慮,通常船只航行間距通常大于2 n mile(約3.7 km),所以可將距離接近的所有連通區域視為同一光源,標記為同一索引值。

通過上述處理,影像中海面研究區域內的每個連通區域都代表不同的燈光源,連通區域的像素數量體現了燈光作用的范圍,開啟漁燈的漁船像素區域通常遠大于其他船只,對比示例如圖2所示。

光強與光譜檢測用于識別不同燈光的強度和顏色特征差異。船身安裝100～150套集魚燈的大型漁船的光強明顯大于安裝30～50套集魚燈的小型漁船的光強,光強通過統計單個像素連通區域前2%最大像素值的均值獲得。船身安裝的鹵素燈和LED燈在40 m分辨率的多光譜微光影像上顏色存在明顯差異,光譜通過統計單個像素連通區域對應到多光譜影像上RGB三個波段像素的中值獲得,鹵素燈船只和LED燈船只示例如表3所示。

表3 鹵素燈船只和LED燈船只示例

1.2.3 船只檢測模型

船只檢測模型的構建結合了形態學檢測結果和光強與光譜檢測結果,包括了形狀、像素數量和光譜3個方面,模型如下:

Boat=FRAC∪Area∪Spectrum,

(3)

式中:FRAC表示連通區域在形態學上的周長面積比,Area表示同一索引值的像素連通區域的像素總數,Spectrum表示光譜特征,是一個由最大值與RGB三波段中值構成的4個數的數組。通過分別設置FRAC、Area、Spectrum的閾值建立不同類型船只的特征表,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數據匹配

AIS是集船只導航、避碰、海事監管于一體的現代化無線電系統,包含船只的靜態信息、動態信息和航次相關信息,同時自動連接周圍船只發出這些信息,并與海岸AIS基站進行信息交換[16]。AIS數據已經成為漁業管理與研究的主要數據來源[17],利用AIS歷史數據的空間定位信息與遙感微光影像中檢測到的光源目標進行最短距離規則的匹配,即可確定每個光源目標對應的具體船只信息。

但是AIS歷史數據與微光影像的匹配目前存在2個主要問題:一是AIS歷史數據時間差異大,中國漁船AIS數據的回報時間間隔為10 min左右,定位精度一般為15 m,但實際查詢到某一歷史時刻漁船的更新時間間隔平均達到40 min,甚至有些漁船更新時間超過2 h,使得有些AIS定位點與微光影像光源目標區域距離差異過大;二是AIS歷史數據存在錯誤與缺失,獲取到的AIS數據是不全面的,與實際情況存在一定的差異,且雖然AIS設備安裝到漁船,但有些漁民可能人為修改部分AIS信息,而非法捕撈的漁船則通常關閉AIS,甚至還有部分小型漁船不安裝AIS設備。

所以AIS歷史數據與微光影像的匹配在具體實施上需要考慮時間差異。通過AIS數據記錄的航速乘以其與微光數據的時間差,得到一個圓形區域,如果該區域存在唯一的未確定光源,則AIS數據可匹配該光源目標。按照時間差從小到大對深海區域所有AIS數據進行匹配。實驗表明該漁場的船只在開漁期的匹配率約為85%,剩余匹配失敗的光源需要人工進行識別,而匹配失敗且光源目標類型被識別為開啟漁燈的漁船光源往往是漁業管理方重點關注的目標。

2 數據實驗與分析

2.1 實驗數據

實驗區域為中國南部的某漁場,面積約74 290 km2,水深在100 m左右。微光影像數據來源于SDGSAT-1衛星,下載的數據包含2022年3—9月的34景遙感影像數據,研究區域的數據覆蓋達到100%。

以每景微光數據的成像時間獲取AIS歷史數據,SDGSAT-1衛星在研究區域的軌道過境時間一般在UTC時間為13:50,北京時間為21:50?？紤]到漁船為節省往返油料消耗,通常到達漁場后停留多天,為提高AIS數據匹配精度,同時獲取了微光數據成像前后2 d的AIS歷史數據。獲取的AIS數據包含船只的經緯度、名稱、水上移動通信業務標識碼(Maritime Mobile Service Identify,MMSI)、類型、航速等動態和靜態信息[18]。

2.2 單日漁船識別及精度驗證

該漁場2022年禁漁期為5月1日12時—8月16日12時,開漁后漁船逐步進入漁場,進入9月后漁船數量增加且相對穩定。使用9月2日的3景微光影像進行光源類型識別,并結合對應的AIS歷史數據對識別的光源進行匹配,匹配驗證精度達到85%,9月2日的同條帶2景數據中匹配船只609艘,其中漁船254艘。

依據船只檢測模型可識別船只的類型包括大型漁船、小型漁船、集裝箱船與其他船只,還可以有效區分鹵素燈、LED燈等漁燈類型,傳統的鹵素燈存在高能耗、高發熱和低轉換率的問題,正逐年被LED漁燈替代。表5給出了不同類型船只的示例,其中多光譜影像體現了船只光源的光譜顏色特征,二值化圖體現了船只光源的區域形狀特征,熱力圖體現了船只光源的光譜強度特征。

表5 不同類型船只示例

漁場區域內漁船的分布體現了魚群的位置,中國漁船通過聲納搜尋魚群,遇到魚群后常聯系周邊漁船聯合捕撈。比如9月2日漁船主要分布在該漁場中部,在113.40°E～114.25°E,21.12°N～22.00°N的區域內出現一個聚集區,該區域漁船數量為126艘。從東西分布來看,從出?？谝晕髦陵柦Ａ陯u的范圍內,漁船分布密集,夏季珠江沖淡水在沿岸流的作用下向西南擴散,對初級生產力貢獻顯著,魚群數量較多,這也可能是該區域漁船燈光多于其他地區的原因之一[19]。

2.3 2022年3—9月漁船時空分布特征分析

為研究SDGSAT-1衛星微光數據在漁業管理與打擊非法捕撈的作用,對研究區域內3—9月的全部數據進行處理,分析漁船的時空分布信息,尋找禁漁期內存在的漁燈光源。

SDGSAT-1衛星11 d的重訪周期使得每月有2～3次的觀測。單次觀測并不能將研究區域全部覆蓋,需要將每月2次或3次的觀測進行合成,合成時將重復的覆蓋區域取2次觀測的平均船只數量作為該重復區域的船只數量。

燈光漁業的主要漁獲對象以頭足類為主,有研究表明頭足類的資源密度以夏秋季高,冬春季低[20]。本文研究結果顯示,漁船數量以夏季8月最多,然后是秋季9月和春季4月,如圖3所示。夏季,西南季風強盛,降雨導致的陸地徑流和河流徑流為南海北部餌料生物提供了豐富的營養物質。另外,整個南海北部陸架區同時受到上升流的影響,上層海水受到被上升流夾帶的底層營養鹽的滋養,夏季是南海北部初級生產力較高的時期,而8月正好是南海每年伏季休漁后的第一個開捕月,因此夏季漁業活動較為頻繁,作業海域最為集中。

圖3 2022年某漁場船只數量變化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%)檢測到船只總計347艘,其中漁船55艘,主要分布在漁場的西南部和東南部,漁船分布較為零散,大多位于深海區域。4月份(8日一景70%、19日2景30%)檢測到船只總計255艘,其中漁船91艘,主要分布在漁場的西南部,在112.57°E～112.60°E、20.53°N～21.07°N的區域內出現一個聚集區,該區域漁船數量為55艘。5月份(5日一景10%、20日一景30%、31日一景60%)檢測到船只總計165艘,其中漁船13艘,漁船分布十分零散,在淺海、深海區域均有分布。6月份(16日50%、26日一景50%)檢測到船只總計202艘,其中漁船26艘,漁船分布非常零散。7月份(12日2景80%、27日一景20%)檢測到船只總計313艘,其中漁船30艘,在112.10°E～112.16°E、21.10°N～21.90°N的區域內出現一個小范圍的聚集區,該區域漁船數量為16艘,其余漁船分布較為零散,在淺海、深海區域均有分布。8月份(17日一景50%、28日2景50%)檢測到船只總計767艘,其中漁船505艘,主要分布在漁場的西南部和東北部,在中部分布較為零散,在西南部和東北部有2個較大面積的聚集區,分別位于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個區域的漁船分別有111艘、90艘。9月份(2日2景70%、17日一景30%)檢測到船只總計598艘,其中漁船311艘,主要分布在漁船中部和西南部,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個區域內出現聚集區,3個區域內漁船數量分別為45、46、56艘。

2022年3—9月間,8月份出現的漁船數量最多,為505艘,9月份次之,5月份漁船出現的數量最少,為13艘;從表觀輻射亮度值來看,9月份的表觀輻射亮度值最高,可以達到0.35 W/m2/sr/μm,5月份的輻射亮度值最小。根據漁船檢測結果顯示,8月份是漁場的主要漁期,其次是9月,5—7月份漁船數量極少,均不超過30艘。根據國家規定,2022年南海海洋伏季休漁期從5月1日12時起至8月16日12時止(本文使用的8月份微光數據均為8月16日之后獲得),對26°30′N～12°N的東海和南海海域(含北部灣)實施休漁,范圍是除釣具外的所有作業類型捕撈漁船,以及為捕撈漁船配套服務的捕撈輔助船。漁船檢測結果顯示,5—7月均處于禁漁期,但仍出現數量較少的漁船,其分布非常零散,大多都位于該漁場的中部,且無AIS歷史數據與之匹配,這些漁船極有可能是違法進行捕獵的漁船,5—7月疑似漁船燈光的影像如圖4所示。4月份漁船主要分布在漁場的西南部,荷包島以西至海陵島的范圍內漁船分布相對集中,這個區域的漁船數量占到整個漁場漁船數量的70%以上。4月漁船分布面積相對小,可能與季風轉換期海洋環流結構多變有關,特別是受到一些小尺度上升流的影響。

圖4 2022年某漁場5—7月疑似漁船燈光局部圖Fig.4 Partial map of lights of suspected fishing boats from May to July in a fishery in 2022

3 結論

本文研究利用SDGSAT-1衛星微光遙感影像數據識別利用漁燈捕魚的漁船,構建了結合形態特征與光譜特征的船只檢測模型,并結合AIS數據對識別的目標進行匹配驗證。通過對2022年3—9月某漁場區域的數據分析,初步形成以下結論:

① SDGSAT-1衛星微光遙感影像具有10 m全色與40 m彩色的高空間分辨率,可以有效區分漁船的不同漁燈燈組數量,以及鹵素或LED等漁燈種類,對大型的集裝箱船只也具有很好的識別效果。

② SDGSAT-1衛星微光遙感影像可以作為漁業檢測的一種有效數據,尤其是打擊非法捕魚方面,雖然國家在禁漁期內實行嚴格的漁船出港管制,但實驗發現每月仍然存在30個左右疑似漁燈光源且無匹配AIS數據的可疑目標,有待有關部門進一步確認。

本文方法是對SDGSAT-1衛星微光影像漁船檢測的初步探索,數據實驗僅驗證了檢測方法的有效性,在數據篩選與預處理、檢測結果與AIS匹配精度評價等過程仍然需要人工監督。利用本文算法積累大量的船舶標記樣本數據,逐步提高自動檢測的精度,最終實現算法在實際業務運行系統中的自動化。