杜吉生，張華忠

(中國消防救援學(xué)院 基礎(chǔ)部，北京 102202)

0 引言

海冰災(zāi)害是我國眾多自然災(zāi)害之一，也是我國北部沿海地區(qū)冬季頻繁的一種海洋災(zāi)種，對海上運(yùn)輸、海水養(yǎng)殖、油氣勘測及沿海經(jīng)濟(jì)等具有重要影響，嚴(yán)重海冰災(zāi)害會造成石油平臺倒坍、輪船損毀和航運(yùn)中斷等重大災(zāi)害[1-3]，對區(qū)域經(jīng)濟(jì)造成重大損失。據(jù)報道，2010年冬季，我國渤海、黃海等遭遇了近30年以來最嚴(yán)重的海冰災(zāi)害，直接經(jīng)濟(jì)損失高達(dá)63.18億元，占全年海洋災(zāi)害總經(jīng)濟(jì)損失的47.6%，遼寧、河北、天津和山東等沿海三省一市受災(zāi)人口達(dá)6.1萬人，船只損毀7 157艘，港口及碼頭封凍296個，損失慘重[4]。因此，對海冰邊緣進(jìn)行準(zhǔn)確、客觀地快速監(jiān)測,及時了解并掌握海冰的空間分布范圍、分布狀態(tài)及發(fā)展趨勢等，對于應(yīng)急管理及救援部門進(jìn)行及時預(yù)警防范、救援實(shí)施及減少損失等具有重要現(xiàn)實(shí)意義。

早期，主要是基于船舶、機(jī)載影像和觀測值等進(jìn)行海冰邊緣監(jiān)測。該方法精度高，但需要較大現(xiàn)場人力作業(yè)保障，且多為局部觀測值，一般不能滿足大范圍海冰分析及高時效需求[5]。后來，隨著衛(wèi)星遙感技術(shù)的投入使用，不少研究者開始探討利用星載SAR[6-7]、MODIS[8-11]和FY[12-13]等衛(wèi)星圖像進(jìn)行大范圍海冰內(nèi)業(yè)監(jiān)測。相較之前，鑒于衛(wèi)星遙感具有獲取海冰信息時間短、區(qū)域空間大等顯著優(yōu)勢，使該類方法在監(jiān)測時效、監(jiān)測范圍等方面都得到了大幅度提升，節(jié)約了不少人力物力。但此時期，遙感圖像空間分辨率整體偏低，大多處于數(shù)百米量級，且大部分圖像幅寬相對較窄，再加上SAR自身成像系統(tǒng)帶來的相干斑噪聲、入射角敏感性等特征，對具有復(fù)雜物理特征的海冰邊緣一直難以進(jìn)行準(zhǔn)確定位與識別。近年來，隨著各類寬幅高分辨率衛(wèi)星的快速發(fā)展，尤其是我國各類高分系列、資源系列及各類小衛(wèi)星的相繼發(fā)射，各類高分辨率衛(wèi)星圖像已逐步應(yīng)用于海冰遙感監(jiān)測研究及業(yè)務(wù)運(yùn)行[14-17]，如目前國家海洋環(huán)境預(yù)報中心每年冬季均會定期對外發(fā)布海冰監(jiān)測結(jié)果，用以指導(dǎo)海冰災(zāi)害的預(yù)警與救援，取得了較好成果，降低了冰災(zāi)帶來的經(jīng)濟(jì)損失。但該發(fā)布結(jié)果目前主要是采用人工判讀方法進(jìn)行監(jiān)測，存在海冰監(jiān)測效果因人而異、人工勞動強(qiáng)度大、與高分辨率相匹配的高定位精度有待提升等不足，無法滿足監(jiān)測結(jié)果客觀性強(qiáng)、盡可能自動化、準(zhǔn)確度高的新型需求，在一定程度上影響了災(zāi)害預(yù)警及救援實(shí)施效果的提升。

鑒于以上海冰監(jiān)測的重要性及新型應(yīng)用需求，結(jié)合現(xiàn)有業(yè)務(wù)運(yùn)行中的技術(shù)現(xiàn)狀及存在問題，本文利用目前我國高分辨率遙感圖像，考慮海冰本身的圖像輻射特征，設(shè)計(jì)了一種集冰情特征、圖像分割和眾數(shù)統(tǒng)計(jì)于一體的海冰監(jiān)測方法，并以我國遼東灣水域環(huán)境為例，開展了典型應(yīng)用實(shí)驗(yàn)，研究成果可為我國冬季中高緯度區(qū)域海冰災(zāi)害的準(zhǔn)確監(jiān)測和預(yù)警防范提供技術(shù)支撐。

1 實(shí)驗(yàn)區(qū)概況

遼東灣地處渤海東北部，位于39°36′N～41°N，120°23′E～122°18′E，是渤海三大海灣之一，也是我國緯度最高的海灣，鹽度約25%，越靠近岸邊，鹽度越低，冬季多北風(fēng)，每年冬季都會出現(xiàn)輕重不同的結(jié)冰現(xiàn)象，是我國沿海冰情最嚴(yán)重的區(qū)域。該區(qū)域每年初冰期一般發(fā)生于12月份，終冰期一般在3月初，冰情生消與發(fā)展的全部過程都在一個年度的冬季進(jìn)行，屬于一年生海冰。近年來，隨著全球氣候變化加劇，區(qū)域內(nèi)每年發(fā)生的海冰范圍、海冰類型和海冰分布等都較為復(fù)雜，其厚度及范圍與該年度的冰情密切相關(guān)，輕冰年與重冰年差異甚大[14](如表1所示)，給日常生活和每年的海冰預(yù)測及防范帶來較大困難。

2 實(shí)驗(yàn)方案

2.1 實(shí)驗(yàn)數(shù)據(jù)

本次實(shí)驗(yàn)數(shù)據(jù)選取覆蓋整個遼東灣區(qū)域云量較少的高分全色遙感圖像，空間分辨率為5 m，全色譜段，拍攝時間為2018年1月22—25日，共4期經(jīng)過地面輻射校正和幾何校正的衛(wèi)星圖像，典型全色圖像如圖1所示。

圖1 遼東灣影像圖示Fig.1 Image of Liaodong Bay

2.2 總體技術(shù)流程

結(jié)合現(xiàn)有業(yè)務(wù)化運(yùn)行中基于人工解譯進(jìn)行海冰邊緣信息提取方法，本文設(shè)計(jì)了自動/半自動提取方案，其總體技術(shù)流程在人工解譯流程的數(shù)據(jù)預(yù)處理、海冰影像特征分析基礎(chǔ)上，改變純?nèi)斯そ庾g勾畫的環(huán)節(jié)為圖像分割及基于眾數(shù)輻射值統(tǒng)計(jì)法的冰緣提取等環(huán)節(jié)，用于提高整個流程的自動化程度及提取結(jié)果的客觀性。技術(shù)流程如圖2所示。

圖2 技術(shù)流程Fig.2 Technical flow chart

2.3 數(shù)據(jù)預(yù)處理

針對實(shí)驗(yàn)區(qū)各期衛(wèi)星圖像，以海冰監(jiān)測為目的對實(shí)驗(yàn)區(qū)的矢量數(shù)據(jù)圖像數(shù)據(jù)進(jìn)行地理匹配，而后進(jìn)行水陸分離等相關(guān)預(yù)處理，獲取遼東灣水域區(qū)域的遙感圖像，用以提高監(jiān)測的準(zhǔn)確性并降低計(jì)算量，具體為：

① 地理匹配：對遼東灣水陸邊界矢量與遙感圖像進(jìn)行精確匹配，其目的一是使邊界矢量和遙感圖像具有相對一致的幾何信息；二是確保面積量算、距離量測等具有物理意義。具體應(yīng)用中，可視情靈活選擇矢量到圖像配準(zhǔn)或圖像到矢量配準(zhǔn)。本實(shí)驗(yàn)中，考慮到遙感圖像計(jì)算量大的原因，這里主要采用矢量到影像的匹配，匹配前后如圖3所示。

圖3 匹配效果圖示Fig.3 Image of matching effect

② 水陸分離：基于上述匹配好的遼東灣海陸邊界矢量數(shù)據(jù)及遙感圖像數(shù)據(jù)，進(jìn)行掩膜運(yùn)算，去除遙感圖像中的陸域部分，僅保留遼東灣海域區(qū)域圖像用于進(jìn)行冰情信息監(jiān)測。該技術(shù)環(huán)節(jié)的主要目的是降低遙感圖像數(shù)據(jù)量，減少后續(xù)進(jìn)行冰情邊緣監(jiān)測過程中的運(yùn)算量，提高海冰監(jiān)測效率。

2.4 典型海冰特征

海冰一般分為流冰和固定冰2大類，其中流冰是指浮在海面隨風(fēng)、流、浪和潮作用而流動的海冰；固定冰是指與海岸、島嶼或海底凍結(jié)在一起，不能做水平運(yùn)動而能隨海面升降做垂直運(yùn)動的海冰。根據(jù)海冰的發(fā)展階段和形態(tài)，其中流冰又可以分為初生冰、冰皮、尼羅冰、蓮葉冰、灰冰、灰白冰和白冰7種冰型；固定冰又可以分為沿岸冰、冰腳和擱淺冰3種冰型。海上最初出現(xiàn)的冰是流冰，當(dāng)海水熱量散失到一定程度時，岸區(qū)才有固定冰出現(xiàn)。各種冰型在全色圖像上表現(xiàn)為不同的輻射及幾何特征，如圖4所示，其色調(diào)、形狀等是海冰監(jiān)測的基礎(chǔ)與依據(jù)。

(a) 初生冰

(b) 蓮葉冰

(c) 冰皮和尼羅冰

(d) 灰冰、灰白冰和白冰

(e) 沿岸冰

其中，初生冰是由海水直接凍結(jié)而成或由雪降至低溫海面而生成，無特定形狀，圖像上色調(diào)與海水接近，紋理在低分辨率圖像上難以與海水區(qū)分，在高分辨率圖像上可通過紋理清晰判別；冰皮是由平靜海面直接凍結(jié)或由初生冰凍結(jié)而成的冰殼層，在風(fēng)的作用下易被折碎而成長方形冰塊；尼羅冰表面無光澤，在波浪等外力作用下易彎曲，并能產(chǎn)生“指狀”重疊現(xiàn)象，在重疊處呈淺白色“指狀”；蓮葉冰多為圓形冰塊，由于相互碰撞而具有隆起的邊緣，全色圖像上呈現(xiàn)為密集分布的小圓形冰塊，中心處呈淺白色，邊緣處呈白色；灰冰表面平坦?jié)駶?，多呈灰色，重疊處呈白色；灰白冰表面比較粗糙，呈灰白色，分布有白色冰脊；白冰表面凸凹不平，形狀復(fù)雜，層次分明，多呈白色，堆積現(xiàn)象顯著?；冶⒒野妆桶妆鄬^厚，一般超過10 cm。

2.5 圖像分割

區(qū)別于傳統(tǒng)的基于像素級的信息提取方法，這里采用面向?qū)ο蟮亩喑叨葓D像分割方法進(jìn)行海冰范圍檢測。該方法將整個實(shí)驗(yàn)區(qū)分割成若干互不交疊的非空子區(qū)域，每個子區(qū)域的內(nèi)部都是連通的，同一區(qū)域內(nèi)部具有相同或相似的色調(diào)、形狀和紋理等圖像特性。該環(huán)節(jié)的目的是將實(shí)驗(yàn)區(qū)內(nèi)的冰與水進(jìn)行分離，其核心要點(diǎn)是分割算法的選取及分割參數(shù)的設(shè)置。

其中分割算法主要采用典型的基于Sobel算子邊緣檢測方法，該方法速度快，算子包含橫向和縱向共2組3×3的矩陣，將之與圖像做平面卷積，即可分別得出橫向和縱向的亮度差分近似值。以A表示其中一幅原圖像，Gx，Gy分別代表橫向和縱向的邊緣檢測灰度值，其計(jì)算公式為：

圖像的每個像素梯度大小G及梯度方向θ計(jì)算公式為：

對于分割參數(shù)的設(shè)置，緣于圖像均經(jīng)過輻射校正，且同一區(qū)域的海水輻射特征短期內(nèi)變化甚微，因此分割參數(shù)可在常規(guī)經(jīng)驗(yàn)值基礎(chǔ)上視情進(jìn)行微調(diào)即可。分割結(jié)果以產(chǎn)生的對象邊界與海冰邊緣相吻合為準(zhǔn)，該過程可以借鑒常規(guī)目視解譯方法對分割預(yù)覽結(jié)果進(jìn)行快速查看，進(jìn)而執(zhí)行圖像分割及結(jié)果矢量化輸出。

本實(shí)驗(yàn)中，分割尺度50、合并尺度90狀態(tài)下，基本能取得很好的效果，不同的圖像可以視情在該參數(shù)上進(jìn)行微調(diào)，如圖5所示。

圖5 面向?qū)ο髨D像分割圖示Fig.5 Object-oriented image segmentation diagram

2.6 冰緣提取

在完成圖像分割、得到一個個互不重疊、無縫覆蓋整個實(shí)驗(yàn)區(qū)的對象矢量后，需要進(jìn)一步進(jìn)行冰、水區(qū)分。目前常用的冰、水區(qū)分法主要是基于像素級的統(tǒng)計(jì)學(xué)方法，即通過計(jì)算整個區(qū)域反射率直方圖，取其“谷”點(diǎn)，即為冰水分界點(diǎn)。但該方法主要是基于像素級運(yùn)算，面向工程應(yīng)用存在難以克服的缺陷：一是極易出現(xiàn)大量噪聲圖斑，造成后處理工作量大；二是直方圖可能出現(xiàn)多個“谷”點(diǎn)，難以確定哪個分界點(diǎn)最佳，提取結(jié)果更為準(zhǔn)確；三是計(jì)算量大，尤其是海域范圍較大時，時效難以保證。

針對上述問題及缺陷，本文對像素級方法進(jìn)行改進(jìn)，提出采取對象眾數(shù)輻射值統(tǒng)計(jì)法，具體算法為：

① 基于分割出來的對象矢量，自動統(tǒng)計(jì)計(jì)算每個對象區(qū)域Ii對應(yīng)遙感圖像區(qū)域的眾數(shù)像素值Ni：

Ni=mode(Ii)(i=1,2,…,n)。

② 統(tǒng)計(jì)多個典型海水區(qū)Rjwater的眾數(shù)像素值Njwater，并取其最大眾數(shù)像素值為Nwater：

③ 根據(jù)分割對象眾數(shù)值Ni與海水區(qū)域最大眾數(shù)值關(guān)系計(jì)算提取海冰區(qū)域Rice(即Ni>Nwater的對象區(qū)域即為海冰對象)：

Rice=Ni>Nwater(i=1,2,…,n)。

④ 對多個相鄰的海冰對象進(jìn)行整體融合處理、邊緣平滑處理及碎小面積海冰的綜合自動處理，完成整個實(shí)驗(yàn)區(qū)的海冰邊緣范圍的精確檢測，如圖6所示。

圖6 海冰邊緣提取結(jié)果圖示Fig.6 Extraction results of sea ice edge

3 實(shí)驗(yàn)結(jié)果與分析

基于本文上述方法，對2018年1月22—25日4期遙感影像分別進(jìn)行了遼東灣海冰邊緣范圍監(jiān)測，并將監(jiān)測結(jié)果矢量疊加到遙感圖像上進(jìn)行空間顯示，實(shí)驗(yàn)區(qū)遙感圖像、整體監(jiān)測結(jié)果和監(jiān)測結(jié)果局部放大如表2所示。

表2 海冰連續(xù)監(jiān)測結(jié)果Tab.2 Continuous monitoring results of sea ice

基于上述連續(xù)4 d監(jiān)測結(jié)果，分別量取每日海冰外緣最大距離d試驗(yàn)(即從海陸邊界到海冰最外緣之間最大距離)，計(jì)算每日冰緣外擴(kuò)遞增累計(jì)距離cd試驗(yàn)和冰緣外擴(kuò)速率sp試驗(yàn)，并將該結(jié)果與正式發(fā)布的國家海洋環(huán)境預(yù)報中心基于人工解譯的同期結(jié)果海冰外緣最大距離d常規(guī)、冰緣外擴(kuò)累計(jì)距離cd常規(guī)和冰緣外擴(kuò)速率sp常規(guī)進(jìn)行對比分析，其中cd，sp計(jì)算方法分別為：

本文實(shí)驗(yàn)及官方正式報道的具體量化值及其外擴(kuò)發(fā)展趨勢分別如表3和圖7所示。

表3 遼東灣外緣線報道資料與本文結(jié)果對比Tab.3 Comparison between the reported edge data and the experimental results of Liaodong Bay

(a) 海冰邊緣外擴(kuò)趨勢

(b) 海冰邊緣外擴(kuò)速率圖7 海冰邊緣外擴(kuò)趨勢及外擴(kuò)速率圖示Fig.7 Spreading trend and spreading speed of sea ice boundary

結(jié)合常規(guī)人工解譯和本文技術(shù)流程，從表3和圖7的監(jiān)測結(jié)果分析可以看出：① 2018年1月22—25日4 d時間內(nèi)，該實(shí)驗(yàn)監(jiān)測結(jié)果與官方常規(guī)人工解譯結(jié)果海冰邊緣發(fā)展趨勢相同，即遼東灣海冰外擴(kuò)累計(jì)4 d時間呈快速遞增趨勢，且以24日遞增最快；② 2018年1月22—25日4 d時間內(nèi)，該實(shí)驗(yàn)監(jiān)測結(jié)果與常規(guī)人工解譯結(jié)果海冰邊緣外擴(kuò)速率為同一量級，均為先是2～4 n mile/d的中速外擴(kuò)，之后6～8 n mile/d的高速外擴(kuò)，最后1～2 n mile的低速外擴(kuò)，中間2 d時間海冰外擴(kuò)最快；③ 海冰邊緣定位精度上，該實(shí)驗(yàn)采用面向?qū)ο蟮膱D像分割和對象眾數(shù)像素值統(tǒng)計(jì)相結(jié)合的自動/半自動提取方法，摒棄人工勾畫環(huán)節(jié)，其結(jié)果更加客觀，邊緣定位精度屬于像素級；而常規(guī)人工解譯方法一般需要在不同比例尺視圖下解譯勾畫，其結(jié)果會因人而異主觀性強(qiáng)，且定位精度一般為10倍像素以上。

4 結(jié)束語

本文面向海冰預(yù)警業(yè)務(wù)運(yùn)行中海冰邊緣提取過程更客觀、提取結(jié)果更準(zhǔn)確的應(yīng)用需求，基于高分辨率遙感圖像，提出了一種集冰情特征、圖像分割和眾數(shù)統(tǒng)計(jì)于一體的自動/半自動冰災(zāi)范圍監(jiān)測方法，并以我國2018年遼東灣重大海冰災(zāi)害為例進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明：

① 基于本文方法提取的海冰邊緣結(jié)果不僅外擴(kuò)趨勢與人工方法相同，而且每日的外擴(kuò)速率也為同一量級，另外海冰邊緣定位精度可提升10倍以上(本文可達(dá)像素級，人工目視10倍像素級)。

② 本文方法摒棄了常規(guī)人工目視解譯技術(shù)流程的人工勾畫環(huán)節(jié)，采用自動/半自動提取流程，結(jié)果更為客觀，且降低了人工強(qiáng)度、提升了海冰監(jiān)測的自動化程度。

該研究成果可為我國中高緯區(qū)域冬季冰情災(zāi)害客觀準(zhǔn)確監(jiān)測、預(yù)防及緊急救援等提供較好的技術(shù)支撐。后續(xù)研究中，可基于該方法從圖像內(nèi)部輻射差異、圖像分割參數(shù)自適應(yīng)設(shè)置等方面，進(jìn)一步提升其自動化程度。