熊媛，黃榮永, 4*，余克服, 4

( 1.廣西大學 海洋學院，廣西 南寧 530004；2.廣西南海珊瑚礁研究重點實驗室，廣西 南寧 530004；3.廣西大學 珊瑚礁研究中心，廣西 南寧 430004；4.南方海洋科學與工程廣東省實驗室（珠海），廣東 珠海 519080)

1 引言

珊瑚礁具有極高的初級生產(chǎn)力和豐富的生物多樣性，是南海最重要、最具特色的生態(tài)系統(tǒng)，在南海生物多樣性維護、生態(tài)資源供給等方面發(fā)揮著極其重要的作用；珊瑚礁也是南海最主要的陸地國土類型，是我國漁業(yè)安全生產(chǎn)活動的重要基地[1]。然而，受人類活動和氣候變化的影響，南海珊瑚礁退化嚴重，從活珊瑚覆蓋度來看，退化幅度達80%[2]。2015年，西沙群島的活珊瑚覆蓋度僅約16.3%[3]，黃巖島礁坪的面積在1997?2019年間則以11 289 m2/a的平均速率減少[4]。珊瑚礁的退化嚴重影響到了南海的生態(tài)安全。

分布和面積是珊瑚礁的最基本屬性。珊瑚礁面積是了解珊瑚礁資源特征[5]、量化和評價其經(jīng)濟價值[6]、計算碳收支和鈣化率[7]的重要指標；是探討珊瑚礁的動態(tài)變化過程和預測珊瑚礁未來發(fā)展趨勢等的基礎(chǔ)[8]；是開展珊瑚礁資源規(guī)劃、管理和保護的前提[9]。對于我國的珊瑚礁面積來說，Hughes等[10]根據(jù)其他學者的研究成果匯總得出我國珊瑚礁的面積保守估計有30 000 km2，這與Spalding等[11]估計的2 450 km2相差甚遠；趙煥庭[12]匯總得到南海珊瑚礁總面積則約有37 200 km2；Wang和Li[13]估算南海淺水區(qū)（水深小于50 m）現(xiàn)代珊瑚礁面積約為8 000 km2，大亞灣、福建東山的造礁石珊瑚群落和珠江口的珊瑚礁群落，因其不能形成珊瑚礁，只能稱之為造礁石珊瑚群落[14]，故未被計算在其中。東沙群島、西沙群島、中沙群島和南沙群島的珊瑚礁面積數(shù)據(jù)文獻[15-17]均有涉及。Dai[18]根據(jù)其之前的研究數(shù)據(jù)得出東沙群島的面積約為600 km2，文章未明確說明數(shù)據(jù)來源。對于南沙群島珊瑚礁的面積，Hughes等[10]認為為26 059 km2，而Spalding等[11]估算為1 150 km2。由此可見，我國珊瑚礁的面積至今尚未形成共識。目前有關(guān)南海珊瑚礁的面積資料來源仍然以20世紀報道為主[15,19-22]，但當時的珊瑚礁面積估算基本上是基于海圖，并沒有相對全面的現(xiàn)場調(diào)查或比較清晰的圖片，也沒有比較好的珊瑚礁面積估算方法，因此迄今對南海珊瑚礁的面積仍然沒有形成統(tǒng)一的認識。

遙感是迄今為數(shù)不多的能夠非接觸地對南海珊瑚礁進行大范圍同步測量，且時間和空間分辨率均較高的低成本探測手段[9,23]。現(xiàn)有的遙感估算珊瑚礁面積的方法主要是圖像分類法（基于訓練樣本的機器學習和基于先驗知識的監(jiān)督分類方法），即通過統(tǒng)計圖像分類像元個數(shù)來進行珊瑚礁面積的估算。例如，美國千年珊瑚礁研究計劃[16,24]使用半自動化基于圖像分析和結(jié)合歷史海圖等方法對珊瑚礁進行分類與面積計算；美國國家海岸帶海洋科學中心（National Centers for Coastal Ocean Science, NCCOS：https://coastalscience.noaa.gov/products-explorer/）利用美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration, NOAA）棲息地數(shù)字化儀擴展對IKONOS影像進行目視解譯從而創(chuàng)建珊瑚礁地圖集；哈立德·本·蘇丹海洋生物基金會的全球珊瑚礁探測項目（KSLOF-GRE）[25]基于米級高分辨率遙感圖像的評估，采用面向?qū)ο蠛碗S機森林的方法對珊瑚礁進行識別分類；艾倫珊瑚礁地圖集[17]采用基于對象的圖像分析和生態(tài)建模結(jié)合的方式進行珊瑚礁的面積估算等。首先，這些研究對于珊瑚礁面積測算方法和準則比較模糊且不統(tǒng)一，導致不同珊瑚礁面積估算結(jié)果會存在比較大的差異；其次，NCCOS數(shù)據(jù)集和KSLOF-GRE數(shù)據(jù)集未包含南海珊瑚礁的信息；第三，美國千年珊瑚礁研究計劃和艾倫珊瑚礁地圖集數(shù)據(jù)集基本上忽略了礁前斜坡、潟湖和暗礁的存在，進而導致珊瑚礁面積被低估，因此其精度和準確性仍存在較大的問題。此外，KSLOF-GRE采用高分辨率遙感影像的方式雖然有利于提高珊瑚礁識別精度，但其成本較高，且解譯時間較長，使得優(yōu)于10 m的更高分辨率的遙感影像通常難以用于估算較大范圍珊瑚礁的面積。

在國內(nèi)，朱海天等[26]、李成鵬等[27]和董娟等[28]結(jié)合珊瑚礁不同地貌帶的異質(zhì)性，利用面向?qū)ο蠓ǚ指钣跋瘾@得了南海珊瑚礁地貌的整體信息；霍艷輝[29]基于固定閾值分割方法提取三亞珊瑚礁的分布信息。這些方法雖然原則上能通過統(tǒng)計其分割的地貌像素個數(shù)獲得珊瑚礁面積，但是，這些基于像素的地貌邊緣提取比較粗糙，影像分辨率的變化仍然會對面積估算產(chǎn)生較大的影響。Liu等[8]在關(guān)于典型灰沙島的研究中曾涉及南海珊瑚礁部分地貌單元面積變化的估計問題，但亦尚未涉及珊瑚礁整體面積的概念界定與科學計算。即使Dong等[30]曾提出“淹沒頻次”的原理，并據(jù)此利用Landsat 8影像通過模糊C均值聚類法（Fuzzy C-means Algorithm, FCM）計算了南沙群島的137個珊瑚島礁/沙洲/暗沙/淺灘面積。該方法仍較簡單地基于像素統(tǒng)計方式來估算珊瑚礁的面積，亦尚未能夠理清其所估算的面積與珊瑚礁地貌領(lǐng)域的對應關(guān)系。

因此，就目前的文獻來看，國內(nèi)尚未發(fā)現(xiàn)有關(guān)南海珊瑚礁面積遙感估算的直接探討，僅出現(xiàn)較為分散的部分相關(guān)技術(shù)的探討。

研究區(qū)的環(huán)境條件是遙感影像解譯的一個重要限制因素[31-32]。利用遙感影像估算珊瑚礁面積的主要依據(jù)是珊瑚礁與周圍海水之間存在的亮度差異，但諸如潮汐引起的水深變化和海水組分引起的透明度變化之類的環(huán)境因素都會導致遙感影像的這一亮度差異發(fā)生變化[33-34]，進而導致遙感影像中珊瑚礁與周圍海水之間分界線的位置往往存在較大的不確定性。因此，珊瑚礁遙感影像識別的結(jié)果通常會存在較大的誤差[35-36]，最終造成珊瑚礁面積遙感估算的不確定性。

本文選擇南海西沙群島的羚羊礁為研究對象，基于多時相多光譜衛(wèi)星遙感影像，結(jié)合現(xiàn)場測量與調(diào)查資料，提出了一種半自動且低成本的珊瑚礁面積估算方法。具體而言，本文首先利用數(shù)字圖像邊緣檢測算法對珊瑚礁地貌帶分界線位置進行自動精細化提取，然后再對精細化提取得到的邊界線進行多時相融合以便提高面積測算結(jié)果的精度和可靠性。由于引入數(shù)字圖像處理理論中的圖像邊緣檢測算法，所提出的方法能夠比較好地降低遙感影像分辨率所帶來的影響；而由于采用多時相遙感影像融合的方式，所提出的方法能夠較好地減小潮位等水體性質(zhì)變化所導致的面積估算偏差。該方法的提出將為珊瑚礁面積的計算提供技術(shù)參考。

2 研究區(qū)域和數(shù)據(jù)

2.1 研究區(qū)域

羚羊礁是西沙群島的一個環(huán)礁，位于永樂環(huán)礁西南部。礁體近似水滴狀，無口門，礁盤東南邊緣有沙洲發(fā)育，高出水面約2 m。其礁體處于16°26′～16°30′N，111°34′～111°37′E，南北寬約 6 km，東西長約4 km，如圖1所示。

圖1 研究區(qū)域① 底圖來自自然資源部標準地圖服務系統(tǒng)（http://hism.mnr.gov.cn/sjkf/bzdt/201902/t20190214_3124659.html），審圖號為瓊S（2020）038號。Fig.1 The study area

2.2 研究數(shù)據(jù)

2.2.1 遙感影像

本文采用Sentinel-2衛(wèi)星2019年前的L1C級和2019?2021年的L2A級多光譜影像進行羚羊礁面積估算，而Landsat 8和WorldView-2多光譜影像則主要用于所提方案性能的比較分析。通過目視方法篩選出研究區(qū)域上空無云且海表無強烈太陽耀光影響的影像數(shù)據(jù)。其中，Sentinel-2 多光譜成像儀（Multispectral Scan Imaging, MSI）影像從歐空局?哥白尼項目（European Space Agency-Copernicus， ESA-Copernicus）的開源門戶網(wǎng)站（https://scihub.copernicus.eu/）下載，分辨率為10 m，影像處理基線編號為0204，相對軌道編號為032，拼接域編號為T49QEU；Landsat 8影像則從美國地質(zhì)調(diào)查局（U.S.Geological Survey,USGS）網(wǎng)站（https:// Earthexplorer.usgs.gov/）下載，分辨率為30 m，條帶號為122，行編號為049。同時，購買了2014年10月9日永樂環(huán)礁的WorldView-2 高分辨率衛(wèi)星遙感影像，其分辨率為1.8 m，影像編號為1030010036B4B000。所用遙感影像詳細列表見表A1。

2.2.2 測深數(shù)據(jù)

利用羚羊礁的6條實測水深剖面數(shù)據(jù)（圖2）與羚羊礁地貌帶識別結(jié)果進行比較，以便評估本文地貌帶分界線識別的位置精度。這6條實測水深剖面數(shù)據(jù)來源于國家科技基礎(chǔ)條件平臺—國家地球系統(tǒng)科學數(shù)據(jù)中心（http://www.geodata.cn）的南海中北部珊瑚礁本底調(diào)查項目（科技基礎(chǔ)性工作專項，項目編號：2012FY112400）。由該項目說明文檔可知，數(shù)據(jù)測量時間為2015年5月，采用斷面測線連續(xù)定位測深，相鄰兩次測量的水平距離約為5 m；測深與定位儀器分別采用中海達HD370高頻測深儀和K3DGPS信標機，測深精度優(yōu)于0.3 m，定位精度優(yōu)于10 m。這些實測水深剖面基本涵蓋了羚羊礁的各種地貌帶類型，如圖2所示，W01?W03表示羚羊礁西部的3個斷面，E01?E03表示羚羊礁東部的3個斷面。

圖2 實測水深點位置Fig.2 The position of actually measured water depth

3 研究方法

珊瑚礁面積估算方案如圖3所示，由遙感影像預處理、地貌類型劃分和珊瑚礁地貌制圖與面積估算3個模塊構(gòu)成。

圖3 用于珊瑚礁面積估算的工作流程Fig.3 Workflow for area estimation of coral reefs

3.1 遙感影像的預處理

Sentinel-2衛(wèi)星的L1C級數(shù)據(jù)是經(jīng)過正射校正和幾何精度校正的大氣表觀反射率產(chǎn)品。為消除大氣吸收和散射等作用，本文使用Sen2cor插件（http://step.esa.int）對2019年之前的Sentinel-2 MSI L1C級數(shù)據(jù)進行大氣校正，以便獲得L2A級產(chǎn)品，即地表反射率數(shù)據(jù)。Landsat 8和WorldView-2影像則通過ENVI軟件開展輻射定標和大氣校正。影像因海表波浪不規(guī)則起伏與太陽輻射的相互作用而產(chǎn)生太陽耀光。本文利用Hedley等[37]所提供的方法進行太陽耀光的消除。隨后，以2021年4月24日的Sentinel-2 MSI影像為參考，對其他影像進行幾何配準，配準誤差控制在1個像元以內(nèi)，以便保證不同時相影像之間具有共同的參考坐標系。

3.2 珊瑚礁地貌劃分

本文將珊瑚礁面積測算的范圍界定為理想條件下在光學遙感影像中可見的淺水珊瑚礁（30 m以淺）。30 m是清澈海水中可見光波段的較大透射深度[38]，而珊瑚礁也是在30 m以淺生長最佳[1]。相比于只將出水部分算作珊瑚礁面積來說，上述界定的范圍包含了未出露水面的覆水部分，該部分在珊瑚礁生態(tài)系統(tǒng)中也起著關(guān)鍵作用[39]。南海珊瑚礁以環(huán)礁為主，根據(jù)余克服等[40]繪制的南沙群島環(huán)礁的地貌沉積帶圖，珊瑚礁地貌包括礁前斜坡、礁坪、潟湖坡和潟湖，如圖4所示。

圖4 珊瑚礁的地貌分區(qū)Fig.4 Geographic zonation of coral reefs

（1）礁前斜坡

礁前斜坡位于理論最低潮面以下，由礁坪外緣向海傾斜，寬度為20～30 m，受破浪帶作用，是珊瑚礁主要的地貌單元之一。礁前斜坡通常被珊瑚所覆蓋，其上發(fā)育有珊瑚礁脊槽地貌。脊槽地貌的平行脊由規(guī)則間隔的溝槽分隔，形成一種特有的梳齒狀圖案。礁前斜坡反射率較低，遙感影像上有微弱信息，在圖像上表現(xiàn)為較暗區(qū)域，呈暗藍色。

（2）礁坪

礁坪位于理論最低潮面以上，是從礁坪外緣至潟湖坡之間的一個寬闊的地貌帶，坡度較緩，是珊瑚生長和生物堆積的主要部位。礁坪基底布滿珊瑚礁石和松散砂，廣泛發(fā)育礁坑。礁坪反射率較高，在遙感圖像上表現(xiàn)為較亮區(qū)域，呈亮褐色。

（3）潟湖坡

潟湖坡在理論最低潮面以下，但水深不大，是礁坪到潟湖之間的一個緩坡，分布有大量的珊瑚碎屑沉積物和砂礫。潟湖坡反射率較礁坪反射率高，在遙感圖像上表現(xiàn)為較亮區(qū)域，呈亮藍色。

（4）潟湖

位于潟湖盆沉積帶，在理論最低潮面以下，是環(huán)礁的特有地貌。潟湖是一圈珊瑚礁所圍成的水深不大的淺湖。潟湖中堆積生物碎屑，有不少點狀珊瑚礁，即點礁。潟湖反射率最低，接近海水，在圖像上表現(xiàn)為最暗區(qū)域。

這些區(qū)域之間的邊界通過坡度變換線，即坡折線劃分[41]，如圖4所示的砂坡、礁坑、礁頂和前斜坡處。潟湖與潟湖坡的分界處是坡度較緩的砂坡或小礁崖；礁坪與礁前斜坡的分界處在礁頂；礁坪與潟湖坡的分界線處是小礁坑；同樣的，礁前斜坡與外海的分界處在礁緣陡坡帶。在遙感影像中，灰度梯度極大值往往出現(xiàn)在地貌分界處[42]，亦是坡折線處。事實上，潟湖坡靠近礁坪處生長有成片珊瑚[1]，礁坪與潟湖坡之間的坡折線易受其影響而難以區(qū)分。由于珊瑚礁面積估算不受礁坪與潟湖坡地貌分帶的影響，故本文將礁坪與潟湖坡合并為一個地貌帶，即“礁坪?潟湖坡”，從而進行地貌劃分與面積計算。

3.3 珊瑚礁地貌分界線的提取

根據(jù)坡折線附近存在灰度跳躍變化的特點，利用Xu和Prince[43]提出的基于梯度向量場的主動輪廓線（Gradient Vector Flow-Snake, GVF-Snake）模型對珊瑚礁地貌分界線進行提取。GVF-Snake模型是一種基于偏微分方程矢量擴散的方法，其主要通過偏微分方程的矢量擴散來生成新的外力場，從而降低模型對初始化輪廓的敏感性，同時增強曲線收斂到目標邊界凹面的能力。GVF-Snake模型已在相關(guān)領(lǐng)域中得到一些應用，例如周旻曦等[44]利用GVF-Snake模型對珊瑚礁地貌進行識別，減少了地貌分類中離散斑塊的數(shù)量；劉嘉鎏等[42]通過GVF-Snake模型和數(shù)字化海岸線分析系統(tǒng)（Digital Shoreline Analysis System, DSAS）分析了南海黃巖島環(huán)礁地貌近40年的變化。

本文涉及的Sentinel-2和Landsat 8多光譜影像均包括有藍波段、綠波段和紅波段3個波段。藍波段的水體衰減系數(shù)小、穿透海水能力強；綠波段和紅波段的信息量較藍光波段更豐富，故對于淺水珊瑚礁地貌有較好的區(qū)分度，如圖5所示。

圖5 不同波段中珊瑚礁類型影像特征比較Fig.5 Comparison of image features of coral reef types in different bands

如3.2節(jié)所述，潟湖坡與礁坪之間模糊的坡折線會導致利用GVF-Snake模型提取的該處分界線具有較大的不確定性[45]，這是本文不判讀礁坪與潟湖坡分界線的原因。因此，根據(jù)藍、綠和紅波段的特點，本文進行所需3條地貌帶（外海與礁前斜坡、礁前斜坡與礁坪、潟湖坡與潟湖）瞬時分界線的提取，步驟如圖6所示。具體地，外海與珊瑚礁分界線處水深較深，而藍波段穿透能力最強，提供的水下信息最豐富最全面。因此首先對預處理結(jié)果中的藍光波段進行均值濾波運算，以便消除孤立噪聲點，增大外海與礁前斜坡的差異，需要說明的是，在濾波窗口尺度的選擇上，我們對比了研究區(qū)域的 3×3窗口、5×5窗口、7×7窗口、9×9窗口、15×15窗口和 27×27窗口的濾波結(jié)果，發(fā)現(xiàn)7×7窗口濾波效果較好，即在平滑礁前斜坡邊緣的同時可以更多地保留影像上的細節(jié)信息，增大了外海與礁前斜坡在影像上的差異。因此我們使用的濾波窗口大小是7×7。然后利用GVF-Snake模型進行外海與礁前斜坡分界線的提取。礁前斜坡位于水下，而礁坪位于潮間帶，這些區(qū)域能清晰地顯示在綠波段內(nèi)，且相對于藍波段，礁前斜坡與礁坪的對比更為明顯。因此選取綠波段，利用GVF-Snake模型進行礁前斜坡與礁坪分界線的提取。潟湖坡以珊瑚砂為主，潟湖靠近潟湖坡處亦分布有珊瑚砂，使得兩者在影像中的對比度會降低，進而導致獲得的分界線位置的不確定性增大。相比于藍波段和綠波段，透水性較差的紅波段能有效避免潟湖珊瑚砂的干擾，即潟湖坡與潟湖反射率的對比在紅波段更為明顯。因此選取紅波段，利用GVF-Snake模型進行潟湖坡與潟湖分界線的提取。

圖6 不同時相的地貌帶分界線提取示意圖Fig.6 Diagram of geomorphic zone boundaries extracted in different time

為了驗證利用以上方法進行分界線提取的穩(wěn)定性，本文先將2019年12月26日外海與礁前斜坡的瞬時分界線向外海擴張1個像素以便作為基準線；然后通過美國地質(zhì)調(diào)查局推出的ArcGIS軟件插件—DSAS[46]生成圍繞羚羊礁的垂直于基線的517條斷面線；進而計算不同時相提取獲得的地貌帶分界線之間沿著斷面線的距離偏差絕對值的平均值。結(jié)果表明，Sentinel-2各時相MSI影像提取獲得的外海與礁前斜坡分界線之間的平均偏差在6.23～9.55 m的范圍內(nèi)，礁前斜坡與礁坪分界線之間的平均偏差在3.47～5.42 m的范圍內(nèi)，潟湖坡與潟湖分界線之間的平均偏差在7.79～9.81 m的范圍內(nèi)。各地貌分界線的平均偏差均小于1個像素，故可以認為利用GVF-Snake模型提取獲得的珊瑚礁地貌帶分界線具有比較好的穩(wěn)定性。

3.4 珊瑚礁面積的估算

珊瑚礁若未經(jīng)歷人為施工或大型自然災害，其地貌帶的分布不會在短時間內(nèi)發(fā)生顯著變化。但衛(wèi)星過境時的潮位差異會導致基于單時相影像所提取的地貌帶分界線位置存在較大的不確定性。理想情況下，通過單時相影像也僅能獲得珊瑚礁地貌帶局部區(qū)域的高潮/低潮瞬時分界線。理論上，若采用遙感影像的數(shù)量足夠多，則會使獲得珊瑚礁的高潮/低潮瞬時分界線的概率增加。根據(jù)圖4所示的珊瑚礁各地貌帶的定義，外海與礁前斜坡分界線水深大于一般潮時的分界線水深，其特點就是比一般潮時的分界線更深入外海；同理，礁前斜坡與礁坪分界線在理論最低潮位附近，比一般潮時的分界線更深入外海；潟湖坡與潟湖分界線的特點就是比一般潮時的分界線更深入潟湖。以此為依據(jù)，為了改善珊瑚礁地貌面積提取的穩(wěn)定性和可靠性，對各時相遙感影像提取的珊瑚礁地貌帶瞬時分界線進行融合（圖7），以便進行珊瑚礁面積的估算。具體方法如下：將提取的瞬時分界線轉(zhuǎn)為面，對礁前斜坡和礁坪?潟湖坡的多時相面取并集，對潟湖的多時相面取交集。

圖7 珊瑚礁面積估算示意圖Fig.7 Schematic diagram of coral reef area estimation

據(jù)此得到各類珊瑚礁地貌面積分別為

式中，S1為外海與礁前斜坡分界線內(nèi)的面積；S2為礁前斜坡與礁坪分界線內(nèi)的面積；S3為潟湖的面積，S1、S2和S3如圖8所示。

圖8 S1、S2和 S3示意圖Fig.8 Schematic diagrams of S1, S2 and S3

需要明確的是，本文所述“面積”指的是將珊瑚礁垂直投影到WGS84參考橢球相應高斯投影面上所形成的面積，而并未對傾斜的地形進行校正，傾斜地形（例如礁前斜坡、脊槽系統(tǒng)）的實際面積要比垂直投影得到的面積大。

3.5 效果評估

3.5.1 面積與邊界線提取的精度驗證

本文通過如下3個方面對提取面積的精度進行評估：

（1）通過將提取的地貌分帶與實測水深進行比較，來確定本文所提取的珊瑚礁地貌帶分界線與實際地貌帶分界線之間的一致性。具體地，將實測水深由外海至潟湖繪制成珊瑚礁水深剖面圖，進而計算得到相應的坡度剖面。因為不同地貌帶之間的坡度變化較大，故珊瑚礁不同地貌帶的分界線，即坡折線位于坡度剖面的極值點。同時，30 m水深處往往也是外海與礁前斜坡分界線的坡折線。據(jù)此，將提取的各地貌帶分界點與剖面中坡度極值點、30 m水深點的位置進行比較，即可驗證本文提取獲得的珊瑚礁地貌帶分界線與實際分界線之間的一致性。

（2）采用人機交互方式繪制出WorldView-2影像外海和礁前斜坡的分界線、礁前斜坡與礁坪的分界線以及潟湖和潟湖坡的分界線。其中外海和礁前斜坡的分界線與實測剖面中30 m水深處平均位置的誤差為1.6 m，遠小于Sentinel-2和Landsat 8影像1個像素的大小。這能夠確保通過目視解譯WorldView-2影像估算的珊瑚礁面積具有較高的精度，因而World-View-2影像獲取的面積可以作為Sentinel-2影像面積估算結(jié)果精度評估的重要參考值。需要說明的是，珊瑚礁最外輪廓線處坡度很大（接近垂直），向海延伸，水深下降很快，往往是礁前斜坡坡折線所在之處，故最外輪廓線與30 m等深線的距離偏差很?。ㄊ聦嵣希疚暮竺娴慕Y(jié)果也確實驗證了這一點，如圖9所示）。此外，由于WorldView-2影像分辨率遠高于Sentinel-2影像，我們認為WorldView-2影像目視解譯的精度相對于Sentinel-2影像和Landsat 8影像可以忽略不計。因此，本文將由WorldView-2影像獲得的各地貌類型的面積作為參考面積，用于與多時相Sentinel-2 MSI影像獲得的面積進行比較分析。

（3）將岸線精度分析方法（附錄）引入到本文珊瑚礁地貌帶分界線提取精度的分析中，即通過完整度、正確度和提取質(zhì)量等3個指標定量地分析本文地貌帶分界線提取的精度。

3.5.2 面積提取的穩(wěn)定性分析

按照如下兩種方式分析珊瑚礁面積提取的穩(wěn)定性：

（1）Landsat 8多時相影像和Sentinel-2多時相影像（表A1）提取獲得的珊瑚礁面積分別與由World-View-2影像獲得的參考面積進行比較，進而探討單時相與多時相珊瑚礁面積估算結(jié)果之間的差異。

（2）Sentinel-2影像和 Landsat 8影像（表 A1）所提取的外海與礁前斜坡的瞬時分界線，分別按1條，2條，……，15條共15種組合方式隨機選擇分界線，每種組合方式15組，各組分別按照本文方法（圖7）獲取相應的珊瑚礁面積估計值，統(tǒng)計每種組合方式下獲取得到的15個珊瑚礁面積估計值的標準差，進而探討多時相遙感影像珊瑚礁面積估算結(jié)果的波動大小，并說明不同分辨率遙感影像獲取結(jié)果之間的差異。

4 實驗結(jié)果與討論

4.1 面積與邊界線的提取精度

坡度極值點通常在各地貌帶間坡折線的位置，可作為地貌帶分界線[33]，本文將6條實測水深剖面、坡度剖面與相應位置的地貌帶分界線位置進行比較，結(jié)果如圖9所示?？梢钥吹?，本文提取的外海與礁前斜坡分界線、礁前斜坡與礁坪分界線以及潟湖坡與潟湖分界線的位置均能處在坡度變化極值附近，與坡度剖面所反映的地貌帶分界線位置相吻合。同時可見，本文多時相影像提取的羚羊礁最外輪廓線位置，即外海與礁前斜坡分界點位置恰好在30 m水深點附近。因此，所提取的地貌類型與實際地貌類型具有良好的一致性。

圖9 水深剖面與地貌分帶的對比Fig.9 Comparison of water depth profile and geomorphic zonation

利用多時相提取獲得的地貌帶分界點與30 m水深點、坡度極值點的位置差異如表1所示。提取的最外輪廓線處水深與30 m水深點的位置差異在5.7～9.5 m范圍內(nèi)，差異不超過1個像素；提取的外海與礁前斜坡、礁前斜坡與礁坪、潟湖坡與潟湖的3類分界點與坡度極值點的距離范圍分別為0.1～4.9 m、0.2～4.8 m和0.5～4.8 m，差異最大約為0.5個像素。相比之下，隨機挑選10景Sentinel-2影像分別提取3種地貌帶分界線各10條，計算最外輪廓線與30 m水深點的位置差異平均為22.9 m，差異超過2個像素；影像提取的地貌帶分界點與坡度極值點兩者距離平均為18.7 m，差異亦接近2個像素。

表1 提取地貌帶分界點與實測剖面30 m水深點、坡度極值點的距離對比（單位：m）Table 1 The distance between extracted boundary points of geomorphic zone with 30 m water depth points and measured slope extreme points is compared (unit: m)

提取得到的地貌帶分界線與相應實測數(shù)據(jù)點位置偏差越小，其面積估算精度越高?？偨Y(jié)以上結(jié)果可知，提取得到的最外輪廓線的精度由高到低依次為WorldView-2、多時相Sentinel-2和單時相Sentinel-2；提取礁前斜坡與礁坪分界線以及潟湖坡與潟湖分界線的精度由高到低依次為多時相Sentinel-2、單時相Sentinel-2。因此，相比于傳統(tǒng)的單時相來說，本文基于多時相影像提取的地貌帶分界線與實際地貌帶分界線的吻合度更高，而這恰好能夠確保珊瑚礁地貌面積地估算能夠具有較高的精度。

根據(jù)3.4節(jié)所述方法得到羚羊礁總面積為17.22 km2，其中礁前斜坡、礁坪?潟湖坡和潟湖的面積分別為1.76 km2、10.29 km2、5.17 km2。計算單時相、多時相的提取面積與參考面積的差異，其結(jié)果如圖10所示?？梢钥吹?，多時相影像的面積提取差異顯著低于單時相。由多時相影像得到的珊瑚礁面積與參考面積的差異僅為0.02%，而由單時相得到的珊瑚礁面積與參考面積的差異在0.28%～1.14%之間；由多時相影像得到的礁坪面積與參考面積的差異僅為0.09%，而由單時相得到的礁坪面積與參考面積的差異在0.31%～1.22%之間；由多時相影像得到的潟湖面積與參考面積的差異僅為0.23%，而由單時相得到的潟湖面積與參考面積的差異在0.87%～1.24%之間。換而言之，相對于單時相，本文提出的方法能夠顯著地提高珊瑚礁面積估算的精度。

圖10 不同時相的提取面積與參考面積的差異Fig.10 The difference between extraction area and reference area in different phases

由圖11可見，本文多時相融合的邊界線的完整度、正確度和提取質(zhì)量都顯著高于單時相。對于外海與礁前斜坡分界線而言，多時相影像的邊界線提取完整度為84%、正確度為83%、提取質(zhì)量精度為72%。單時相提取完整度最高為79%、提取質(zhì)量精度最高為70%，其中除2018年7月4日外，單時相影像的提取質(zhì)量精度均低于70%，提取的正確度均小于80%。對于礁前斜坡與礁坪分界線而言，多時相影像的邊界線提取完整度為82%、正確度為85%、提取質(zhì)量精度為81%。單時相提取完整度最高為78%、提取質(zhì)量精度最高為74%、提取的正確度最高為83%、對于潟湖坡與潟湖分界線而言，多時相影像的邊界線提取完整度為80%、正確度為77%、提取質(zhì)量精度為79%。單時相提取完整度最高為78%，提取質(zhì)量精度最高為76%、提取的正確度最高為75%，這表明，本文基于多時相遙感影像的珊瑚礁邊界線提取效果要優(yōu)于單時相遙感影像的方式。

圖11 不同時相的邊界線提取精度Fig.11 Different phase boundary extraction accuracy

4.2 面積提取的穩(wěn)定性和應用潛力分析

如圖12所示，通過多時相影像提取地貌的分界線與從高分辨率影像中觀測到的實際地貌分界線位置吻合程度高于單時相，且多時相不同分辨率影像提取的結(jié)果比單時相影像提取的結(jié)果具有更好的一致性。

圖12 單時相和多時相不同影像提取結(jié)果對比Fig.12 Comparison of different extraction results of single phase and multi-temporal phases

基于Landsat 8影像（分辨率為30 m）提取獲得的羚羊礁面積為17.29 km2，與從Sentinel-2影像得到的數(shù)值（17.22 km2）差異不大，說明不同分辨率影像所提取結(jié)果之間的良好一致性。需要指出的是，衛(wèi)星傳感器的觀測角對面積估算結(jié)果會產(chǎn)生一定的影響，但本文采用的Sentinel-2 MSI和Landsat 8 陸地成像儀（Operational Land Imager, OLI）傳感器的觀測天頂距都接近于0°，影像幅寬不太大，所以可以認為Sentinel-2和Landsat 8影像都接近于垂直觀測影像，能夠滿足垂直投影面積計算的需要。再結(jié)合兩種影像所提取結(jié)果的一致性，我們認為本文中傳感器觀測角對珊瑚礁面積計算結(jié)果的影響可以忽略不計。不同影像數(shù)量和不同分辨率影像提取面積的標準差如圖13所示。就影像數(shù)量（時相）而言，Sentinel-2和Landsat 9多景影像（即多時相，影像數(shù)量大于1）所得的面積標準差均小于單景影像（即單時相，影像數(shù)量為1）所得的面積標準差，說明本文多時相影像所提取的面積具有良好的穩(wěn)定性。而且，隨著所包含的時相數(shù)量越多，提取得到的面積標準差越小—利用6景以上影像所得的珊瑚礁面積標準差均穩(wěn)定為較小的數(shù)值：Sentinel-2和Landsat 8影像提取的羚羊礁面積標準差分別不超過0.01 km2和0.05 km2，與高分辨率WorldView-2影像目視解譯得到的面積差異分別不超過0.2%和0.5%。而影像數(shù)量增加至10景以上后，Sentinel-2和Landsat 8影像提取的羚羊礁面積標準差趨于一致，且更加穩(wěn)定。這表明面積估算所采用的時相影像數(shù)量越多，提取得到的面積波動就越小。

圖13 Sentinel-2和Landsat 8不同數(shù)量影像提取面積的標準差Fig.13 Standard deviation of extraction area of Sentinel-2 and Landsat 8 images in different quantities

前面的結(jié)果與分析已表明，本文所提的方案能夠減小因潮位變化等因素而導致的珊瑚礁估算的不確定性，亦能夠減小不同遙感數(shù)據(jù)源對估算珊瑚礁面積的影響。這意味著，參照本文所提方案，不同時相不同分辨率的多源遙感影像在珊瑚地貌面積估算方面具有很大的應用潛力：（1）能夠在較短的時間跨度內(nèi)以較高的精度實現(xiàn)珊瑚礁面積的估算；（2）能夠用于估算不同時期珊瑚礁地貌的面積，實現(xiàn)長時間珊瑚礁地貌的精密監(jiān)測。

4.3 與同類數(shù)據(jù)的比較

本文利用所提方法基于多時相Sentinel-2影像獲得羚羊礁面積為17.22 km2，與高分辨率WorldView-2影像目視解譯獲得的17.22 km2相同。將提取得到的羚羊礁地貌分布與聯(lián)合國環(huán)境規(guī)劃署的世界保護監(jiān)測中心[16]和艾倫珊瑚礁[17]地圖數(shù)據(jù)集進行比較，結(jié)果如圖14所示。

由圖14可以看到：就珊瑚礁地貌分類來說，本文將珊瑚礁地貌分為3個類別，包含遙感影像中可見的羚羊礁的所有地貌。艾倫珊瑚礁地圖數(shù)據(jù)集劃分了9個珊瑚礁地貌類別，但其大多數(shù)地貌帶由數(shù)個碎小圖斑構(gòu)成，分散且不連續(xù)；地貌存在誤分現(xiàn)象（如礁頂部分）；潟湖東北部和礁體東南出露沙洲處存在孔洞，這一部分未納入珊瑚礁面積測算范圍，其給出的羚羊礁面積為16.60 km2，與高分辨率WorldView-2影像和本文多時相Sentinel-2影像的結(jié)果相差0.62 km2。世界保護監(jiān)測中心地圖數(shù)據(jù)集只包含低潮出露的礁體這一地貌帶，潟湖和礁前斜坡部分亦未納入珊瑚礁面積的估算范圍，其給出的羚羊礁面積為11.48 km2，與高分辨率WorldView-2影像和本文多時相Sentinel-2影像的結(jié)果相差5.74 km2。就珊瑚礁地貌帶分界線來說，利用本文方法提取的珊瑚礁位置與影像之間能夠較好地吻合，線條較平滑。而艾倫珊瑚礁地圖數(shù)據(jù)集邊界線不夠平滑，有很明顯的“馬賽克”形態(tài)，且珊瑚礁最外輪廓線和礁坪的分界線均向礁體一側(cè)過度收斂。世界保護監(jiān)測中心地圖數(shù)據(jù)集則明顯存在珊瑚礁輪廓與影像不相符的問題，其對于潟湖坡與潟湖的分界線擬合較粗糙。

圖14 不同數(shù)據(jù)集羚羊礁地貌帶提取結(jié)果對比Fig.14 Comparison of Lingyang Reef geomorphic zone extracted by different dataset

因此，目前艾倫珊瑚礁地圖數(shù)據(jù)集和世界保護監(jiān)測中心地圖數(shù)據(jù)集均低估了珊瑚礁的面積。故結(jié)合4.1節(jié)所述的結(jié)果，可以認為本文基于多時相遙感影像的珊瑚礁面積估算的精度要高于艾倫珊瑚礁地圖數(shù)據(jù)集和世界保護監(jiān)測中心地圖數(shù)據(jù)集。

5 結(jié)論

本文針對南海珊瑚礁面積至今仍然缺乏共識和可靠估算方法的問題，兼顧珊瑚礁和遙感影像兩者的特點，從珊瑚礁地貌單元的定義開始，提出了一種低成本利用多時相多光譜遙感影像進行珊瑚礁面積的半自動化估算方法。具體地，首先利用GVF-Snake模型自動精細化提取珊瑚礁地貌帶分界線，然后再對精細化提取得到的邊界線轉(zhuǎn)化為面要素進行多時相融合，從而實現(xiàn)珊瑚礁面積的估算。利用自2015年12月至2021年4月共計53景Sentinel-2 MSI遙感影像按本文方法得到的羚羊礁的總面積為17.22 km2，其中礁前斜坡、礁坪?潟湖坡和潟湖的面積分別為1.76 km2、10.29 km2和 5.17 km2。實驗與分析表明，本文在珊瑚礁面積估算方面，能夠用低成本的10 m分辨率Sentinel-2 MSI影像和30 m分辨率Landsat 8 OLI影像獲得接近1.8 m分辨率WorldView-2影像的面積估算精度，且估算結(jié)果穩(wěn)定可靠，具體如下：

（1）該方法具有較高的珊瑚礁面積估算精度：獲得的珊瑚礁最外輪廓線與30 m等深線的位置差異在5.7～9.5 m范圍內(nèi)（不超過1個像素），與實測水深所指示分界點的位置偏差能控制在0.2～4.9 m的范圍內(nèi)（不超過0.5個像素），以上數(shù)值均小于基于單時相結(jié)果相應差異。同時，估算的面積與高分辨率World-View-2影像目視解譯得到的面積的差異僅為0.02%，優(yōu)于由單時相得到的面積差異（0.28%～1.14%），亦優(yōu)于同類的艾倫珊瑚礁地圖數(shù)據(jù)集（3.63%）和世界保護監(jiān)測中心地圖數(shù)據(jù)集（33.32%）。且該方法獲得的珊瑚礁邊界線的完整度、正確度、提取質(zhì)量能夠由單時相平均的60%、64%和54%分別提高至84%、83%和72%。

（2）該方法能夠降低潮位的影響，減小基于不同遙感數(shù)據(jù)源的珊瑚礁面積估算結(jié)果之間的差異，具有良好的可靠性：基于Landsat 8影像（分辨率為30 m）提取獲得的羚羊礁面積（17.29 km2）與從Sentinel-2影像（分辨率為10 m）得到的數(shù)值（17.22 km2）差異不大。另外，與高分辨率WorldView-2影像（分辨率為1.8 m）目視解譯得到的面積相比，6景以上多時相Sentinel-2 MSI和Landsat 8 OLI影像提取的珊瑚礁面積的最大差異從常規(guī)單時相的1.3%和1.9%分別降至0.2%和0.5%；而最大標準差從單時相的0.08 km2和0.20 km2分別降至0.01 km2和0.05 km2。

這些結(jié)果表明，本文提出的方法在珊瑚礁面積估算方面具有可行性和有效性。隨著我國衛(wèi)星技術(shù)的高速發(fā)展，發(fā)射的高分辨率衛(wèi)星將會越來越多，這為大范圍珊瑚礁面積估算提供了良好的條件。未來有望結(jié)合本文方法，利用國內(nèi)外免費的高分辨率多光譜衛(wèi)星影像，實現(xiàn)低成本、穩(wěn)定、精確地估算南海乃至全球珊瑚礁面積。

附錄 地貌邊界線提取精度的分析方法

參照周亞男等[47]和喬學瑾等[48]所述的海岸線精度分析方法，以參考線為基線，分別向線內(nèi)、外建立10 m的緩沖區(qū)，記落入緩沖區(qū)中的自動提取的分界線總長度為TP1（True-Positive），反之記其總長度為FP（False-Positive）；以自動提取的分界線為基線，分別向線內(nèi)、外建立10 m的緩沖區(qū)，記落入緩沖區(qū)中的參考線總長度為TP2（True-Positive），反之記其總長度為FN（False-Negative），如附圖 A1 所示。

圖 A1 精度評價示意圖[2]Fig.A1 Diagram of accuracy evaluation

定義以下參數(shù)：

式中，參數(shù)Complete表示提取結(jié)果完整度（值越接近1表示結(jié)果越完整）；Correct表示提取結(jié)果正確度（值越接近1表示結(jié)果越正確）；Quality通過正確度與完整度綜合評價分界線提取質(zhì)量（值越接近1表示結(jié)果質(zhì)量越好）。

表 A1 本文所用遙感影像信息列表Table A1 List of satellite images used in this paper

續(xù)表 A1

續(xù)表 A1