基于Landsat-8數據的珊瑚礁白化變化監測

王雪麗，蔡玉林，索琳琳，秦鵬，孫孟昊

(1.山東科技大學，山東 青島 266590；2.基礎地理信息與數字化技術山東省重點實驗室，山東 青島 266590)

0 引言

珊瑚礁被譽為“藍色沙漠中的綠洲”，是海洋中非常獨特的生態系統，生活在珊瑚礁區的物種異常豐富。珊瑚礁白化是由于受到環境的脅迫，珊瑚失去體內共生的蟲黃藻或者共生蟲黃藻失去體內色素而導致五彩繽紛的珊瑚變白的自然現象[1]。珊瑚白化是珊瑚礁大面積死亡和退化的主要因素[2]。近年來，頻繁發生的珊瑚礁白化事件導致珊瑚礁生態系統嚴重退化，這引起了人們的高度重視[3]，而且珊瑚礁白化事件發生的頻率和強度有不斷增加的趨勢[4-6]，因此珊瑚礁白化監測研究對珊瑚礁生態群落保護至關重要。

衛星遙感能夠提供大范圍、同步與連續的海洋數據，如海水表層溫度和海色數據，從而能夠及時預測和監測珊瑚礁白化[7]。國外研究者Palandrao D等[8]基于多時相遙感數據進行珊瑚礁變化檢測實驗，結果證明這種方法的可行性。Andréfou?t[9]基于Ikonos和Landsat衛星數據對珊瑚礁進行白化監測，發現監測白化的準確性對空間分辨率高度敏感，當分辨率下降時，白化檢測中的低估增加。Elvidge等[10]基于 IKONOS衛星數據研究了大堡礁的白化事件，結果表明由于藍色波段和綠色波段的亮度增加，珊瑚礁的嚴重白化可以被監測到。Yamano H和Tamura M[11]利用輻射傳輸模型，進行珊瑚礁白化變化檢測和敏感性分析實驗。結果發現當水深小于3 m時，藍綠光波段可以檢測到白化珊瑚礁；并利用高光譜遙感和輻射傳輸模型相結合的方法，證明了該方法在監測珊瑚礁健康狀態方面的可行性[12-13]。

國內利用遙感技術進行珊瑚礁白化監測和研究的工作起步較晚，國內學者潘艷麗等[8]介紹了基于多時相衛星遙感數據獲取的海面溫度在大尺度范圍進行珊瑚礁白化監測的方法。胡蕾秋等[14]利用SPOT5多光譜圖像對南沙珊瑚礁進行珊瑚礁信息提取實驗，發現經過處理后的數據，不僅可以提高分類精度，并且能有效提取水下珊瑚礁成分信息。魏筱芳等[15]利用TM和SPOT遙感影像，對海南的珊瑚礁進行測深和水深反演，實驗效果較好。陳建裕等[16]基于SPOT5數據對東沙環礁珊瑚礁進行研究，由于SPOT5數據光譜設置方面的不足，在監測珊瑚礁的能力上并不占優勢，但其較高的分辨率可以在監測時得到一定的補償。龔劍明等[17]基于高分辨率的WorldView-2遙感數據對簸箕礁的地貌信息進行提取研究，總體精度達到85.75%。相比國外，國內珊瑚礁遙感方面的研究工作起步較晚，相關研究文獻資料較少。

從以上研究看出，在珊瑚礁生態系統健康狀況監測方面，國內外研究者主要集中于利用光譜特征和多時相影像分析來進行珊瑚礁監測研究，但方法都較為復雜，且所需的光學參數較多，對數據采集和測量技術的要求較高，存在一定的推廣難度[13]。此外，由于高分辨率的SPOT等數據不易獲取，為許多研究帶來了不便。本文使用多時相Landsat-8數據，開展珊瑚礁信息提取以及珊瑚礁白化監測的研究，不僅可以提高分類精度，而且數據易獲取，有利于珊瑚礁管理和長期監測的工作。

1 數據處理與方法

1.1 研究區概況

本文選取南海西沙群島的華光礁和盤石嶼為研究區。西沙群島位于南海西北部，主體部分處于15°40′N～17°10′N，112°E～113°E之內。西沙群島擁有中國最古老、最典型的珊瑚礁群落。根據中國海洋環境狀況公報顯示，2014—2016年西沙群島珊瑚礁生態系統呈亞健康狀態，造礁珊瑚蓋度偏低，分別為4%、2.7%、5.5%。西沙群島氣溫變化比較平穩，月平均氣溫都在24～29 ℃之間。西沙群島最熱的時候一般是在每年的6—8月，月平均氣溫在29 ℃左右。年平均海表溫度約為26.8 ℃，一般6月最高，1月最低。西沙群島水氣來源充足，降水量大，但季節之間分配不均。華光礁位于西沙群島永樂環礁東南方向約10海里處，在16°09′N～16°17′N，111°34′E～111°49′E范圍內。盤石嶼位于我國西沙群島永樂群島中，在16°02′N～16°05N′，111°45′E～111°50′E。在華光礁以南約7海里、中建島東北約 30.5海里處。

1.2 數據與預處理

本文選取了2景Landsat-8遙感影像數據，成像時間分別為2013年5月21日和2018年3月20日。因為2014—2016年發生了20世紀以來最為嚴重的厄爾尼諾事件，氣候異常往往會導致珊瑚礁白化。Landsat是美國國家航空航天局(National Aeronautics and Space Administration，NASA)的陸地觀測衛星系統，自1972年發射Landsat-1以來，已發射了8顆衛星，目前最新的是于2013年2月11日發射升空的Landsat-8衛星。Landsat-8由2個主要載荷陸地成像儀(operational land imager，OLI)和熱紅外傳感器(thermal tnfrared sensor，TIRS)組成，陸地成像儀采用9個波段來記錄遙感器獲取的目標地物信息，空間分辨率為30 m，其中包含一個15 m全色波段。相比同系列陸地衛星的傳感器，OLI多了一個藍色波段，這個波段有利于水深校正。本文采用的數據來源于地理空間數據云，對Landsat-8多光譜數據進行預處理，以減少或消除受大氣狀況、海水等因素的影響，預處理工作主要包括輻射定標、大氣校正、區域裁剪。

1.3 白化監測方法

利用決策樹分類進行初步信息提取，分離水上和水下部分，對珊瑚礁區域(底質部分)進行分類，掩膜處理提取礁盤，基于分類結果進行白化區域提取。具體技術流程如圖1所示。

圖1 技術流程圖

1)水深校正。由于光譜會隨著水深的變化而變化，在水下同樣的物質得到不同的反射率值，對水下信息的探索造成較大的干擾[18]。針對潛水中底質反射率與水體的衰減系數遙感，使用Lyzenga[19]提出的半經驗模型方法進行水深校正，增強底部類型的信息。本研究選擇大氣校正后的可見光波段進行水深校正。

水深校正是通過從同一底物(沙)上不同深度的圖像中提取識別區域，將圖像轉換為不同波段的對數值，使其相對于深度的衰減效應線性化，得到變換輻射Xi：

Xi=ln(L(λ)i)

(1)

式中：L(λ)i表示影像大氣校正后的反射率值。在波段i和j的變換輻射組成的坐標系中，如果輻照度和水體深度之間的關系為線性，且底質類型恒定時，則繪制的像素點應該理想地落在一條直線上。該直線的斜率表示2個波段(i和j)組合中的相對衰減系數。如果是不同底質類型，在散點圖中應該得到相似的直線，其中的變化表示水體深度的變化。由于衰減系數(Ki/Kj)的比值與底質類型無關，所以每條直線的斜率應該是相同的，而每條直線上的Y截距，被稱為深度不變指數Yij，以此來分辨不同的底質類型。

(2)

式中：Xi和Xj表示在波段i和波段j處的變換輻射；Ki/Kj為同一種底質在每組波段組合中散點的斜率，即衰減系數。所以用于計算衰減系數的算法只有當不同深度的同一物體的像素對于在每組波段組合中線性分布時才成立[20]。衰減系數使用以下等式計算：

(3)

a=(σii+σjj)/2σij

(4)

式中：σii是波段i的方差；σij是波段i和波段j的協方差。經過水深校正后產生了6個深度不變指數波段，進行組合，作為面向對象分類的輸入變量。

2)分類。建立適當的珊瑚礁分類系統是珊瑚礁遙感的第一步。合理的分類體系應該具有良好的生態意義，不同類別之間可以進行光譜分離，對于每一個具體情況，許多研究人員會根據環境條件或生物群落結構的特點將它們分為不同的類別或子類別。在珊瑚礁區域中，沙地、海草、珊瑚礁、瀉湖和瀉湖點礁是淺海珊瑚礁生態系統中最豐富的底質類型。為了監測珊瑚礁白化的情況，本文通過對研究區域中所包含的底質類型進行分類。

研究采用面向對象分類方法，通過eCognition軟件中的K最鄰近節點算法(k nearest neighbor，KNN)進行分類。首先確定分割尺度參數，將基于權重、顏色、紋理、形狀等參數的多尺度分割和光譜差異分割算法應用于一定尺度進行分割，并選擇顏色、光滑度、緊致度等參數。即根據異質性最小原理，采用不同的尺度進行多次分割，形成網絡層次結構，每一個分割都利用低一層的影像對象作為分割對象，之后在新分割層中合并。然后建立分類特征指標，創建類別。即選擇選擇光譜特性、紋理特征或形狀特點等特征規則作為分類規則。最后，選擇訓練樣本，特征空間優化，執行分類，得到分類結果。本文進行多尺度分割時，顏色、形狀參數分別0.9、0.1，光滑度、緊湊度分別為0.5、0.5，尺度參數依次選擇50、20、10、1，分割出礁坪和沙地以及瀉湖淺灘等；進行光譜差異分割時，最大光譜差異指數選擇0.01和0.05以合并分割對象，優化分割結果。

根據分類結果，結合野外觀測和Landsat-8影像目視識別，對于分類結果中明顯錯誤的類別進行手動修改，得到分類結果如圖2所示。為了評估分類的準確性，分別以2013年4月25日和2018年1月8日的天地圖影像數據和野外觀測資料為參考，隨機選取一些點對分類結果進行定量分析。精度評價結果見表1～表4。

圖2 珊瑚礁分類圖

表1 2013年華光礁精度驗證

表2 2018年華光礁精度驗證

表3 2013年盤石嶼精度驗證

表4 2018年盤石嶼精度驗證

(5)

表5 華光礁影像沙地與深水區域平均值及差值

表6 盤石嶼影像沙地與深水區域平均值及差值

由于白化事件(2016年)至第二次衛星圖像采集日期(2018年3月)之間有很長的時間間隔，所以白化珊瑚有可能被藻類覆蓋。因此，在研究中，本文處理的是覆蓋著藻類的白化珊瑚，而不是任何白色的白化珊瑚群落，故檢測到的白化區域可能會減少。

2 結果與討論

華光礁在2013年和2018年的分類總準確率分別為81.11%和85.04%，平均水平為74.56%和79.6%(表1和表2)；盤石嶼在2013年和2018年的分類總準確率分別為86.82%和88.89%，平均水平為83.25%和85.9%(表3和表4)。從表中可以看出，該分類方法精度比較高，對瀉湖和淺灘有很好的區分，但沙地和礁坪有混分現象，導致沙地分類精度不高，不利于珊瑚白化信息提取。

華光礁和盤石嶼白化結果如圖3所示，其白化面積和所占礁盤的比例如表7所示。由于白化前后影像反射率的變化，所以通過多時相影像的比較可以準確地評估像素中白化珊瑚的區域范圍，通過將沙地與珊瑚礁區分開可以避免沙地對區分白化區域的干擾，防止將白化的珊瑚誤分類為沙地。因為白化珊瑚與沙子在反射率上的相似性，對其鑒別比較困難，而活珊瑚和死珊瑚(被藻類覆蓋)可以很容易地從沙子中分離出來。

經過處理的Landsat-8影像與2013年的藍色和綠色波段相比，2018年珊瑚類中某些像素的反射率值增加。當考慮到2個波段的值相乘時，這種增加更加明顯。由于這種異常發生在珊瑚類內，所以藉此提取珊瑚白化的信息。

圖3 珊瑚礁白化分布

表7 珊瑚礁白化統計

3 結束語

本文選取Landsat-8數據對華光礁和盤石嶼進行了珊瑚白化監測實驗。在海底底質類型中，沙地和白化珊瑚往往難于區分，本文采用了面向對象的分類方法對研究區進行分類。通過建立不同尺度的分割層，充分利用目標地物的光譜、紋理和形狀特征，提高礁體解譯的精度，基于Landsat-8衛星數據藍綠波段的光譜優勢，利用這2個波段調整后珊瑚礁反射率的變化來提取珊瑚白化信息。結果表明，利用白化前后珊瑚礁反射率的變化來監測珊瑚白化的方法可行。但由于遙感在監測白化的應用中受到傳感器特性(如空間分辨率和光譜分辨率)和環境復雜性(如水質、深度和選擇性吸收)的限制，因此，雖然中高分辨率的Landsat-8數據可以用于珊瑚礁監測，但是針對珊瑚礁底棲物質較高的異質性，應用更高空間分辨率和光譜分辨率的數據將會提高監測精度。