基于NPP/VIIRS夜光遙感影像的作業(yè)燈光圍網(wǎng)漁船識(shí)別

郭剛剛，樊 偉，薛嘉倫，張勝茂，張 衡，唐峰華，程田飛※

（1. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，農(nóng)業(yè)部東海與遠(yuǎn)洋漁業(yè)資源開發(fā)利用重點(diǎn)實(shí)驗(yàn)室，上海 200090；2. 上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306）

基于NPP/VIIRS夜光遙感影像的作業(yè)燈光圍網(wǎng)漁船識(shí)別

郭剛剛1,2，樊 偉1，薛嘉倫1,2，張勝茂1，張 衡1，唐峰華1，程田飛1※

（1. 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，農(nóng)業(yè)部東海與遠(yuǎn)洋漁業(yè)資源開發(fā)利用重點(diǎn)實(shí)驗(yàn)室，上海 200090；2. 上海海洋大學(xué)海洋科學(xué)學(xué)院，上海 201306）

為對(duì)遠(yuǎn)洋燈光漁船作業(yè)信息進(jìn)行實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)，該研究基于可見光紅外輻射儀（visible infrared imaging radiometer suite，VIIRS）夜光遙感影像，根據(jù)遠(yuǎn)洋燈光漁船作業(yè)時(shí)其集魚燈燈光在VIIRS白天/夜晚波段（day/night band，DNB）影像上的輻射特征，采用峰值中值指數(shù)（spike median index，SMI）對(duì)燈光漁船與背景像元間的輻射差異進(jìn)行拉伸，在此基礎(chǔ)上設(shè)計(jì)了基于最大熵法（maximum entropy method，MaxEnt）閾值分割以及局部峰值檢測(cè)（local spike detection，LSD）的作業(yè)遠(yuǎn)洋燈光漁船識(shí)別算法，并采用2015年西北太平洋公海燈光圍網(wǎng)漁場(chǎng)內(nèi)作業(yè)漁船船位監(jiān)控系統(tǒng)（vessel monitoring system，VMS）數(shù)據(jù)對(duì)該算法的識(shí)別精度進(jìn)行檢驗(yàn)。驗(yàn)證結(jié)果顯示，該文提出的作業(yè)遠(yuǎn)洋燈光漁船自動(dòng)識(shí)別算法對(duì)實(shí)際作業(yè)燈光漁船的識(shí)別精度在 92%以上，可以滿足遠(yuǎn)洋燈光漁船日常監(jiān)測(cè)的需求，可為進(jìn)一步評(píng)估遠(yuǎn)洋光誘漁業(yè)捕撈努力量、推進(jìn)遠(yuǎn)洋光誘漁業(yè)信息化管理以及打擊非法、未申報(bào)和無管制的（illegal，unregulated，unreported，IUU）捕撈活動(dòng)提供技術(shù)支持。

遙感；漁船；監(jiān)測(cè)；夜光遙感；NPP/VIIRS；DNB影像

郭剛剛，樊 偉，薛嘉倫，張勝茂，張 衡，唐峰華，程田飛. 基于 NPP/VIIRS夜光遙感影像的作業(yè)燈光圍網(wǎng)漁船識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(10)：245－251. doi：10.11975/j.issn.1002-6819.2017.10.032 http://www.tcsae.org

Guo Ganggang, Fan Wei, Xue Jialun, Zhang Shengmao, Zhang Heng, Tang Fenghua, Cheng Tianfei. Identification for operating pelagic light-fishing vessels based on NPP/VIIRS low light imaging data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 245－251. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.10.032 http://www.tcsae.org

0 引 言

燈光漁船是指利用魚類的趨光特性，采用燈光誘捕來捕撈海洋魚類的漁船[1]。早在20世紀(jì)70年代就有學(xué)者發(fā)現(xiàn)，依托星載微光探測(cè)器，可在無云狀況下實(shí)現(xiàn)對(duì)夜間使用大功率照明設(shè)備進(jìn)行集魚、誘魚的燈光漁船進(jìn)行監(jiān)測(cè)[2]。20世紀(jì) 90年代，美國國家地球物理數(shù)據(jù)中心（national geophysical datacenter，NGDC）開始提供國防氣象衛(wèi)星計(jì)劃的線性掃描業(yè)務(wù)系統(tǒng)（defense meteorological satellite program?s operational linescan system，DMSP/OLS）數(shù)字影像數(shù)據(jù)，此后相繼有學(xué)者對(duì)基于DMSP/OLS夜光影像數(shù)據(jù)的燈光漁船識(shí)別算法進(jìn)行研究[3-11]。但由于DMSP/OLS 在設(shè)計(jì)之初缺少傳感器輻射定標(biāo)，因此其數(shù)據(jù)只能用于定性研究而難以對(duì)燈光漁船進(jìn)行定量檢測(cè)[12]。2011年，第一顆搭載可見光紅外輻射儀（visible infrared imaging radiometer suite，VIIRS）的美國國家極軌合作伙伴（suomi national polar orbiting partnership，NPP）衛(wèi)星發(fā)射升空，VIIRS的白天/夜晚波段（day/night band，DNB）繼承并優(yōu)化了 DMSP/OLS的微光探測(cè)能力，相較于DMSP/OLS，VIIRS/DNB具有更小的瞬時(shí)視場(chǎng)、更多的灰度級(jí)以及更高的空間分辨率，且 DNB波段采用了和VIIRS其他波段相一致的輻射校正，因此其數(shù)據(jù)可用于燈光漁船定量監(jiān)測(cè)[13-15]。

根據(jù)近海燈光漁船在NPP/VIIRS夜光遙感影像上的輻射特征，Elvidge等[16]提出了基于峰值檢測(cè)以及固定閾值分割的近海燈光漁船識(shí)別方法，但對(duì)于集魚燈功率較大的遠(yuǎn)洋燈光漁船，其集魚燈所處像元的臨近像元亦可能被大功率集魚燈照亮而具有較高的輻射值，從而產(chǎn)生誤識(shí)；且固定閾值分割主要依據(jù)人為經(jīng)驗(yàn)，具有一定的隨機(jī)性和局限性。針對(duì)上述問題，本文在Elvidge研究的基礎(chǔ)上進(jìn)行了優(yōu)化和改進(jìn)，提出了基于最大熵閾值分割以及局部峰值檢測(cè)的作業(yè)遠(yuǎn)洋燈光漁船識(shí)別算法，以期能實(shí)現(xiàn)無云條件下基于NPP/VIIRS夜光遙感影像的作業(yè)遠(yuǎn)洋燈光漁船精確識(shí)別。

漁業(yè)數(shù)據(jù)是進(jìn)行漁業(yè)科學(xué)研究的基礎(chǔ)，目前原始漁業(yè)數(shù)據(jù)主要來源于漁撈日志及船位監(jiān)控系統(tǒng)（vessel monitoring system，VMS）數(shù)據(jù)，漁撈日志往往由漁民手工填寫，在漁船返港后方可帶回，且隨著數(shù)據(jù)的層層上報(bào)，錯(cuò)報(bào)、誤報(bào)的情況也時(shí)有發(fā)生，其時(shí)效性和準(zhǔn)確性均有待提高；VMS可以精確記錄漁船的實(shí)時(shí)船位信息，但其數(shù)據(jù)中卻并未包含漁船是否處于捕撈作業(yè)狀態(tài)的信息[17]?；贜PP/VIIRS夜光遙感影像，可以近實(shí)時(shí)的獲取作業(yè)遠(yuǎn)洋燈光漁船的空間位置信息，一定程度上彌補(bǔ)了漁撈日志和VMS數(shù)據(jù)的不足，可為遠(yuǎn)洋光誘漁業(yè)提供一種新的漁船作業(yè)信息數(shù)據(jù)，緩解目前漁業(yè)數(shù)據(jù)來源匱乏的窘境。

1 材料與方法

1.1 數(shù)據(jù)簡介

NPP為近極地太陽同步軌道衛(wèi)星，軌道高度824 km，衛(wèi)星上共搭載了 5種傳感器，VIIRS為其中最重要的載荷[18]。VIIRS共有22個(gè)光譜波段，光譜范圍覆蓋 0.3～14mm，掃描幅寬為3 000 km，星下點(diǎn)過赤道周期為4 h[19]。其中DNB的光譜范圍為500～900 nm，主要用于收集微光成像數(shù)據(jù)，依托 VIIRS強(qiáng)大的光電放大能力，能夠獲取并呈現(xiàn)夜間海上作業(yè)漁船燈光[20]。本研究采用夜間成像的DNB傳感器數(shù)據(jù)記錄（sensor data record，SDR）影像數(shù)據(jù)對(duì)夜間作業(yè)的遠(yuǎn)洋燈光漁船進(jìn)行識(shí)別，SDR影像數(shù)據(jù)的空間分辨率為742 m，數(shù)據(jù)來源于美國國家海洋和大氣管理局(national oceanic and atmospheric administration，NOAA)下屬的綜合性大型陣列數(shù)據(jù)管理系統(tǒng)(comprehensive large array-data stewardship system，CLASS)網(wǎng)站(http://www.class.ngdc.noaa.gov/saa/products/)[21]。

1.2 數(shù)據(jù)預(yù)處理

DNB影像的預(yù)處理包括輻射拉伸和濾波降噪2個(gè)部分，見圖1所示。

圖1 技術(shù)路線圖Fig.1 Flow chart of technology

DNB/SDR數(shù)據(jù)的原始輻射單位為W/(sr·cm2)，其原始輻射值通常在 10-11～10-8W/(sr·cm2)之間，小數(shù)點(diǎn)后及有效輻射值前通常存在7到10個(gè)零，過小的輻射值會(huì)給數(shù)據(jù)讀取和處理均帶來不便，因此將原始輻射值統(tǒng)一乘以109，使其輻射單位變換為nW/(sr·cm2)，對(duì)應(yīng)的輻射值也轉(zhuǎn)換至10-2nW/(sr·cm2)以上。VIIRS/DNB在掃描成像過程中，由于掃描角度的變化，易受到白噪聲的影響，且掃描帶邊緣噪聲水平高于星下點(diǎn)。研究選用維納濾波器對(duì)DNB影像進(jìn)行濾波降噪處理，維納濾波是一種自適應(yīng)濾波，通過計(jì)算影像中3×3鄰域內(nèi)輻射值的均方差，依據(jù)最小均方差準(zhǔn)則實(shí)現(xiàn)最優(yōu)濾波，對(duì)白噪聲有良好的濾除效果[22]。

1.3 燈光漁船識(shí)別算法

作業(yè)遠(yuǎn)洋燈光漁船呈現(xiàn)在夜間DNB影像上是一系列非臨近分布的高輻射值“亮點(diǎn)”，因此，遠(yuǎn)洋燈光漁船識(shí)別算法的整體思想是通過峰值檢測(cè)提取出圖像中的非臨近“亮點(diǎn)”。

1.3.1 峰值中值指數(shù)

為獲取特征化的燈光漁船輻射信息，應(yīng)盡量拉大燈光漁船與背景像元間的輻射差異。研究采用Elvidge等[15]提出的峰值中值指數(shù)（spike median index，SMI）對(duì)燈光漁船與背景像元間的輻射差異進(jìn)行放大。首先采用 3×3中值濾波器對(duì)預(yù)處理后的圖像進(jìn)行平滑。中值濾波是將圖像中的每個(gè)像元在以其為中心的鄰域內(nèi)取中間亮度值來代替該像元值，從而達(dá)到去除圖像中“亮點(diǎn)”的同時(shí)盡量保留原圖信息的目的[23]。然后對(duì)中值濾波后的影像與預(yù)處理后的影像作差，即可進(jìn)一步放大影像中“亮點(diǎn)”與背景像元間的差異，得到作業(yè)燈光漁船的特征化影像（圖2）。

圖2 維納濾波、中值濾波及峰值中值指數(shù)效果Fig.2 Effects of wiener filtered, median filtered and spike median index

1.3.2 最大熵閾值分割

對(duì)于目標(biāo)與背景像元間輻射差異較大的圖像，閾值分割是一種有效的圖像分割方法，而閾值的選取則是閾值分割的關(guān)鍵，閾值選取的準(zhǔn)確性直接關(guān)系到閾值分割的效果。本研究采用最大熵法（maximum entropy method，MaxEnt）對(duì)燈光漁船特征化圖像進(jìn)行自適應(yīng)閾值分割。在信息論中，熵是對(duì)隨機(jī)變量不確定性的度量，如果將數(shù)字圖像的像素輻射值看作一組隨機(jī)變量，那么圖像的熵就是測(cè)量輻射級(jí)分布隨機(jī)性的一種特征參數(shù)[24]。在圖像分割的過程中，越靠近目標(biāo)與背景的邊界，其分類的不確定性（熵）就越大，最大熵閾值分割正是基于以上假設(shè)，即在分割過程中，應(yīng)盡量使目標(biāo)與背景的熵值之和達(dá)到最大[25-26]。相較于固定閾值分割，最大熵閾值分割具有更好的分割效果和自適應(yīng)性。最大熵閾值分割效果如圖3所示，其分割結(jié)果以CSV文件形式輸出，以用于后續(xù)分析處理。最大熵閾值的計(jì)算公式如下[27]：

式中Thr為閾值（Threshold）的縮寫，ThrEnt為最大熵閾值；H為目標(biāo)HF與背景HB的熵之和；x為像素輻射值；p(x)為直方圖中像素輻射值出現(xiàn)的概率；min(Rad)為圖像中的最小像素輻射值；max(Rad)為圖像中的最大像素輻射值。

圖3 基于最大熵法閾值分割的像元峰值中值指數(shù)（SMI）剖面圖Fig.3 Pixel profiles for spike median index (SMI) based on the MaxEnt threshold segmentation

1.3.3 局部峰值檢測(cè)算法

最大熵法可以實(shí)現(xiàn)圖像中“亮點(diǎn)”與背景像元間的最優(yōu)閾值分割，但實(shí)際情況中并非所有的“亮點(diǎn)”均為燈光漁船。DNB影像的空間分辨率為742 m，對(duì)于集魚燈功率較大的遠(yuǎn)洋燈光漁船，其燈光除照亮漁船自身所處像元外，還可能導(dǎo)致其臨近像元亦被照亮，從而在DNB影像上也呈現(xiàn)為高輻射值的“亮點(diǎn)”，以致在閾值分割中被誤識(shí)為遠(yuǎn)洋燈光漁船。局部峰值檢測(cè)（local spike detection，LSD）算法的實(shí)質(zhì)就是從最大熵閾值分割結(jié)果中各“亮點(diǎn)”間的空間臨近關(guān)系出發(fā)，尋找并去除這些非燈光漁船的“亮點(diǎn)”，從而達(dá)到從圖像中準(zhǔn)確提取出作業(yè)遠(yuǎn)洋燈光漁船的目的（圖4）。LSD算法實(shí)現(xiàn)步驟如下：1）將最大熵閾值分割結(jié)果中首行像元定義為像元i，其余像元分別定義為像元j1，j2，j3…jn，計(jì)算像元i、j間的空間距離；2）DNB影像的空間分辨率為742 m，因此若i、j間的距離不超過742 m，則表明像元i、j為臨近像元，且光傳播過程中其能量隨距離增加而逐漸衰減，所以將兩像元中SMI值較大的像元定義為像元i，將SMI值較小的像元?jiǎng)h除，并依次循環(huán)，直至搜索不到與像元i距離在742 m以內(nèi)的像元時(shí)，將最后一個(gè)像元i輸出為a1，同時(shí)將其從原CSV文件中刪除；3）完成輸出像元a1的過程后，將CSV文件所剩余像元中的首行像元定義為像元i，重復(fù)步驟 2），直至 CSV文件中所有像元均被刪除，其對(duì)應(yīng)輸出結(jié)果即為作業(yè)遠(yuǎn)洋燈光漁船所處像元的位置及亮度信息。圖4b中綠色船形即為局部峰值檢測(cè)算法所提取出的局部唯一燈光漁船。

圖4 局部峰值檢測(cè)算法效果Fig.4 Effect of local spike detection algorithm

2 燈光漁船識(shí)別結(jié)果及驗(yàn)證

采用西北太平洋公海燈光圍網(wǎng)漁場(chǎng)漁船VMS數(shù)據(jù)對(duì)基于本文算法的作業(yè)遠(yuǎn)洋燈光漁船識(shí)別精度進(jìn)行驗(yàn)證。西北太平洋公海燈光圍網(wǎng)漁場(chǎng)空間范圍為 146°E～153°E，38°N～43°N，主要作業(yè)漁船類型為燈光圍網(wǎng)漁船。

2.1 VMS數(shù)據(jù)預(yù)處理

VMS可以實(shí)時(shí)記錄漁船的位置信息，中國遠(yuǎn)洋漁船VMS數(shù)據(jù)的回報(bào)頻率為4 h，定位精度為10 m。燈光漁船夜間作業(yè)時(shí)其位置基本保持不動(dòng)，故而4 h內(nèi)同一作業(yè)遠(yuǎn)洋燈光漁船反映在DNB影像及VMS數(shù)據(jù)上的位置基本不變。由于VMS數(shù)據(jù)并未包含漁船是否處于捕撈作業(yè)狀態(tài)的信息，因此，驗(yàn)證前需先通過作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取算法去除非作業(yè)狀態(tài)的VMS數(shù)據(jù)。出于作業(yè)安全的考慮，漁船作業(yè)時(shí)相互間需保持一定的安全距離，通過詢問有經(jīng)驗(yàn)的遠(yuǎn)洋燈光漁船船長得知，這一安全距離通常在2海里（約3.6 km）以上。因此，以該作業(yè)遠(yuǎn)洋燈光漁船識(shí)別算法識(shí)別出的遠(yuǎn)洋燈光漁船船位為中心，以 2海里為半徑建立緩沖區(qū)（圖 5a），若某一VMS數(shù)據(jù)記錄的漁船船位位于該2海里緩沖區(qū)內(nèi)，即認(rèn)為該 VMS數(shù)據(jù)對(duì)應(yīng)的燈光漁船正處于作業(yè)狀態(tài)。圖 5b中作業(yè)遠(yuǎn)洋燈光漁船2海里緩沖區(qū)內(nèi)的VMS船位即為所提取出的作業(yè)遠(yuǎn)洋燈光漁船VMS船位。

圖5 作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取效果示例Fig.5 Example for VMS data extraction effect of operating pelagic light-fishing vessels

2.2 驗(yàn)證方法

隨機(jī)選取2015年5月24日23:15:06（北京時(shí)間）成像的研究海域DNB影像進(jìn)行作業(yè)遠(yuǎn)洋燈光漁船識(shí)別精度驗(yàn)證。首先，采用本文算法對(duì)影像中的作業(yè)遠(yuǎn)洋燈光漁船進(jìn)行識(shí)別；隨后，以影像的成像時(shí)間為中心，提取前后兩小時(shí)內(nèi)研究海域中所有正處于作業(yè)狀態(tài)的中國籍遠(yuǎn)洋燈光漁船的VMS數(shù)據(jù)；最后，將本文算法檢測(cè)結(jié)果與作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取結(jié)果進(jìn)行比對(duì)，即計(jì)算本文算法檢測(cè)結(jié)果與作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取結(jié)果相一致的概率。計(jì)算公式如下：

式中R為本文算法所檢測(cè)出的燈光漁船數(shù)量，Rv為作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取算法所提取出的燈光漁船數(shù)量，P為本文算法對(duì)作業(yè)遠(yuǎn)洋燈光漁船的識(shí)別精度。

2.3 驗(yàn)證結(jié)果

基于2015年5月24日西北太平洋公海燈光圍網(wǎng)漁場(chǎng)夜間DNB影像，采用本文算法共檢測(cè)出27艘作業(yè)遠(yuǎn)洋燈光漁船；作業(yè)遠(yuǎn)洋燈光漁船VMS數(shù)據(jù)提取算法共提取出25艘在研究海域內(nèi)捕撈作業(yè)的中國籍燈光漁船，與本文算法所識(shí)別出的燈光漁船數(shù)量相比，存在 2艘漁船的差異，即本文算法識(shí)別結(jié)果中存在 2艘漁船誤識(shí)，識(shí)別精度為92%（表1）。事實(shí)上，西北太平洋公海燈光圍網(wǎng)漁場(chǎng)內(nèi)除中國籍燈光漁船外，也有少量非中國籍燈光漁船生產(chǎn)作業(yè)，受客觀因素影響，中國遠(yuǎn)洋漁船VMS數(shù)據(jù)庫中并未包含非中國籍燈光漁船VMS數(shù)據(jù)，因此，本文算法對(duì)作業(yè)遠(yuǎn)洋燈光漁船的識(shí)別精度可能仍在92%之上。

表1 作業(yè)遠(yuǎn)洋燈光漁船識(shí)別精度驗(yàn)證Table 1 Identification accuracy verification of operating pelagic light-fishing vessels

3 討 論

試驗(yàn)發(fā)現(xiàn)，本文算法在新月前后的無云或薄云條件下對(duì)作業(yè)遠(yuǎn)洋燈光漁船能夠保持較高的識(shí)別精度，但在滿月時(shí)其識(shí)別精度會(huì)大幅下降。究其原因DNB的光譜范圍為500～900 nm，屬于可見光和近紅外波段，不具有“穿云透霧”的能力。滿月前后，即便是薄云也會(huì)對(duì)月光進(jìn)行強(qiáng)烈反射，導(dǎo)致云下漁船燈光的發(fā)射輻射淹沒在云層對(duì)月光的反射輻射中。云掩膜是去除云覆蓋的有效手段，但掩膜的同時(shí)也會(huì)將云下燈光漁船輻射信息一并去除，從而無法實(shí)現(xiàn)對(duì)影像中所有作業(yè)遠(yuǎn)洋燈光漁船的完整識(shí)別[28]。VIIRS共有22個(gè)光譜波段，光譜范圍為 0.3～14mm，將DNB數(shù)據(jù)與VIIRS熱紅外波段數(shù)據(jù)相結(jié)合，通過對(duì)DNB數(shù)據(jù)的月光輻射特征和與其對(duì)應(yīng)的熱紅外波段數(shù)據(jù)進(jìn)行相關(guān)分析，實(shí)現(xiàn)DNB強(qiáng)大的微光探測(cè)能力以及熱紅外波段較好的云層識(shí)別能力間的優(yōu)勢(shì)互補(bǔ)，可能是降低云覆蓋對(duì)DNB圖像質(zhì)量的影響，提高燈光漁船識(shí)別穩(wěn)定性的一種可行性方法[16]。

對(duì)于不同作業(yè)類型的燈光漁船，由于集魚燈類型、數(shù)量、功率、放置角度以及是否裝有燈罩等因素的差異，反映在DNB影像上即表現(xiàn)為不同的輻射量級(jí)。燈光漁船識(shí)別結(jié)果與漁撈日志數(shù)據(jù)或VMS數(shù)據(jù)相結(jié)合，通過時(shí)空匹配可以獲取燈光漁船的作業(yè)類型信息。隨著大量不同作業(yè)類型燈光漁船輻射特征先驗(yàn)信息的積累，結(jié)合相應(yīng)的模式識(shí)別算法，可進(jìn)一步區(qū)分燈光漁船的類型，獲取不同作業(yè)類型的燈光漁船作業(yè)信息數(shù)據(jù)。

本文基于NPP/VIIRS夜光遙感影像，設(shè)計(jì)了一種作業(yè)遠(yuǎn)洋燈光漁船精確識(shí)別方法。NPP/VIIRS夜光遙感影像的空間分辨率高達(dá)742 m，且在衛(wèi)星過境4 h后即可免費(fèi)獲取，基于NPP/VIIRS夜光遙感影像的作業(yè)遠(yuǎn)洋燈光漁船識(shí)別可為遠(yuǎn)洋光誘漁業(yè)提供一種新的、低成本的、近實(shí)時(shí)的高精度漁船作業(yè)信息數(shù)據(jù)，一定程度上彌補(bǔ)了漁撈日志數(shù)據(jù)及VMS數(shù)據(jù)在某些方面的不足，具有廣泛的應(yīng)用前景。通過對(duì)作業(yè)遠(yuǎn)洋燈光漁船識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)分析，可快速掌握漁場(chǎng)內(nèi)捕撈努力量的時(shí)空分布特征[7,10,29]。作業(yè)遠(yuǎn)洋燈光漁船識(shí)別結(jié)果與傳統(tǒng)漁業(yè)數(shù)據(jù)相結(jié)合，可用于分析中心漁場(chǎng)的時(shí)空變化特征，推測(cè)目標(biāo)魚種的洄游路線[3,9,30]。作業(yè)遠(yuǎn)洋燈光漁船識(shí)別結(jié)果應(yīng)用于漁業(yè)管理上，可以幫助漁業(yè)管理部門快速了解漁船的真實(shí)作業(yè)位置信息，有效打擊非法、未申報(bào)和無管制的（illegal, unregulated, unreported, IUU）捕撈活動(dòng)，大大提高漁船監(jiān)管的效率[31]。

4 結(jié) 論

本文根據(jù)作業(yè)遠(yuǎn)洋燈光漁船在NPP/VIIRS夜光遙感影像上的輻射特征，提出了適用于作業(yè)遠(yuǎn)洋燈光漁船自動(dòng)識(shí)別的圖像檢測(cè)算法，并采用2015年西北太平洋公海燈光圍網(wǎng)漁場(chǎng)內(nèi)燈光圍網(wǎng)漁船VMS數(shù)據(jù)對(duì)該算法的識(shí)別精度進(jìn)行檢驗(yàn)，得到結(jié)論如下：

1）在現(xiàn)有研究仍多依據(jù)個(gè)人經(jīng)驗(yàn)進(jìn)行固定閾值分割的基礎(chǔ)上，采用最大熵法對(duì)NPP/VIIRS夜光遙感影像進(jìn)行自適應(yīng)閾值分割，避免了固定閾值分割的主觀性及不穩(wěn)定性，從而有效提高圖像閾值分割的效果和自適應(yīng)性。

2）針對(duì)遠(yuǎn)洋燈光漁船大功率集魚燈照亮其臨近像元而可能產(chǎn)生的誤識(shí)現(xiàn)象，自主設(shè)計(jì)了一種誤識(shí)像元自動(dòng)濾除算法，通過尋找臨近“亮點(diǎn)”像元中的局部輻射峰值像元，濾除因被大功率集魚燈照亮從而亦具有高輻射亮度的非燈光漁船像元，提高作業(yè)遠(yuǎn)洋燈光漁船識(shí)別的準(zhǔn)確度。

3）采用 2015年西北太平洋公海燈光圍網(wǎng)漁場(chǎng)內(nèi)燈光圍網(wǎng)漁船VMS數(shù)據(jù)對(duì)該算法的識(shí)別精度進(jìn)行檢驗(yàn)，結(jié)果表明：該文提出的作業(yè)遠(yuǎn)洋燈光漁船自動(dòng)識(shí)別算法對(duì)實(shí)際作業(yè)燈光漁船的識(shí)別精度在 92%以上，具有較高的識(shí)別精度和良好的可行性，可以滿足遠(yuǎn)洋燈光漁船日常監(jiān)測(cè)的需求，且相對(duì)傳統(tǒng)漁業(yè)數(shù)據(jù)來源具有實(shí)時(shí)性高及獲取成本低等優(yōu)勢(shì)。

[1]侍炯，錢衛(wèi)國，楊盧明. 鮐魚燈光圍網(wǎng)漁船合適作業(yè)間距的理論研究[J]. 南方水產(chǎn)科學(xué)，2013，9(4)：82－86.Shi Jiong, Qian Weiguo, Yang Luming. The theoretical study on suitable spacing between of light purse seine vessels for chub mackerel (Scomber japonicus)[J]. South China Fisheries Science, 2013, 9(4): 82－86. (in Chinese with English abstract)

[2]Croft T A. Nighttime Images of the Earth from Space[J].Scientific American, 1978, 239(1): 86－98.

[3]Cho K, Ito R, Shimoda H, et al. Fishing fleet lights and sea surface temperature distribution observed by DMSP/OLS sensor[J]. International Journal of Remote Sensing, 1999,20(1): 3－9.

[4]Rodhouse P G, Elvidge C D, Trathan P N. Remote sensing of the global light-fishing fleet: an analysis of interactions with oceanography, other fisheries and predators[J]. Advances in Marine Biology, 2001, 39(1): 261－278.

[5]Waluda C M, Trathan P N, Elvidge C D, et al. Throwing light on straddling stocks ofIllex argentinus: assessing fishing intensity with satellite imagery[J]. Canadian Journal of Fisheries & Aquatic Sciences, 2002, 59(4): 592－596.

[6]Maxwell M R, Henry A, Elvidge C D, et al. Fishery dynamics of the California market squid (Loligo opalescens),as measured by satellite remote sensing[J]. Fishery Bulletin,2004, 102(4): 661－670.

[7]Waluda C M, Yamashiro C, Elvidge C D, et al. Quantifying light-fishing forDosidicus gigas, in the eastern Pacific using satellite remote sensing[J]. Remote Sensing of Environment,2004, 91(2): 129－133.

[8]Kiyofuji H, Saitoh S I. Use of nighttime visible images to detect Japanese common squidTodarodes pacificusfishing areas and potential migration routes in the Sea of Japan[J].Marine Ecology Progress, 2004, 276(1): 173－186.

[9]Waluda C M, Griffiths H J, Rodhouse P G. Remotely sensed spatial dynamics of theIllex argentinusfishery, Southwest Atlantic[J]. Fisheries Research, 2008, 91(3): 196－202.

[10]程田飛. 基于 DMSP/OLS夜間燈光數(shù)據(jù)的西北太平洋魷釣漁船只數(shù)量估算[D]. 上海：上海海洋大學(xué)，2013.Cheng Tianfei. An Estimation of the Number of Squid Jigging Vessels in the Northwest Pacific Ocean Using DMSP/OLS night-time emission data[D]. Shanghai: Shanghai Ocean University, 2013. (in Chinese with English abstract)

[11]Cheng T, Zhou W. Xu ., Fan W. Estimation of Fishing Vessel Numbers Close to the Terminator in the Pacific Northwest Using OLS/DMSP Data. Geo-Spatial Knowledge and Intelligence. GRMSE 2016[C]. Singapore: Springer, 2017:321－327

[12]楊眉，王世新，周藝，等. DMSP/OLS夜間燈光數(shù)據(jù)應(yīng)用研究綜述[J]. 遙感技術(shù)與應(yīng)用，2011，26(1)：45－51.Yang Mei, Wang Shixin, Zhou Yi, et al. Review on applications of DMSP/OLS night-time emissions data[J].Remote Sensing Technology and Application, 2011, 26(1):45－51. (in Chinese with English abstract)

[13]方荀. VIIRS白天/夜晚波段數(shù)據(jù)應(yīng)用概況[J]. 科技創(chuàng)新導(dǎo)報(bào)，2015，12(12)：42－43.

[14]李德仁，李熙. 論夜光遙感數(shù)據(jù)挖掘[J]. 測(cè)繪學(xué)報(bào)，2015，44(6)：591－601.Li Deren, Li Xi. An overview on data mining of nighttime light remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(6): 591－601. (in Chinese with English abstract)

[15]Elvidge C D, Baugh K E, Zhizhin M, et al. Why VIIRS data are superior to DMSP for mapping nighttime lights[J].Proceedings of the Asia-Pacific Advanced Network, 2013,35(7): 62－69.

[16]Elvidge C D, Zhizhin M, Baugh K, et al. Automatic boat identification system for VIIRS low light imaging data[J].Remote Sensing, 2015, 7(3): 3020－3036.

[17]郭剛剛，樊偉，張勝茂，等. 船位監(jiān)控系統(tǒng)數(shù)據(jù)挖掘與應(yīng)用研究進(jìn)展[J]. 海洋漁業(yè)，2016，38(2)：217－224.Guo Ganggang, Fan Wei, Zhang Shengmao, et al. Advances in mining and application of vessel monitoring system data[J].Marine Fisheries, 2016, 38(2): 217－224. (in Chinese with English abstract)

[18]夏浪，毛克彪，馬瑩，等. 基于可見光紅外成像輻射儀數(shù)據(jù)的地表溫度反演[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(8)：109－116.Xia Lang, Mao Kebiao, Ma Ying, et al. Retrieval land surface temperature from visible infrared imager radiometer suite data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(8): 109－116. (in Chinese with English abstract)

[19]Miller S D, Straka W, Mills S P, et al. Illuminating the capabilities of the suomi national polar-orbiting partnership(NPP) visible infrared imaging radiometer suite (VIIRS)day/night band[J]. Remote Sensing, 2013, 5(12): 6717－6766.

[20]Shi K, Yu B, Huang Y, et al. Evaluating the ability of NPP/VIIRS nighttime light data to estimate the gross domestic product and the electric power consumption of China at multiple scales: a comparison with DMSP-OLS data[J]. Remote Sensing, 2014, 6(2): 1705－1724.

[21]Cao C, Xiong J, Blonski S, et al. Suomi NPP VIIRS sensor data record verification, validation, and long‐term performance monitoring[J]. Journal of Geophysical Research Atmospheres, 2013, 118(11): 664－678.

[22]Lim J S. Two-dimensional signal and image processing[M].Englewood Cliffs: Prentice Hall, 1990.

[23]梅安新，彭望琭，秦其明，等. 遙感導(dǎo)論[M]. 北京：高等教育出版社，2001.

[24]吳謹(jǐn)，李娟，劉成云，等. 基于最大熵的灰度閾值選取方法[J]. 武漢科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，27(1)：58－60.Wu Jin, Li Juan, Liu Chengyun, et al. A method for gray-level threshold selection based on maximum entropy[J].Journal of Wuhan University of Science and Technology(Natural Science Edition), 2004, 27(1): 58－60. (in Chinese with English abstract)

[25]田有文，程怡，王小奇，等. 基于高光譜成像的蘋果蟲害檢測(cè)特征向量的選取[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(12)：132－139.Tian Youwen, Cheng Yi, Wang Xiaoqi, et al. Feature vectors determination for pest detection on apples based on hyperspectral imaging[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(12): 132－139. (in Chinese with English abstract)

[26]張曉東，毛罕平，左志宇，等. 基于多光譜視覺技術(shù)的油菜水分脅迫診斷[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27(3)：152－157.Zhang Xiaodong, Mao Hanping, Zuo Zhiyu, et al.Nondestructive testing method for rape water stress based on multi-spectral vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2011, 27(3): 152－157. (in Chinese with English abstract)

[27]倫向敏，侯一民. 運(yùn)用迭代最大熵算法選取最佳圖像分割閾值[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2015，36(5)：1265－1268.Lun Xiangming, Hou Yimin. Optimal threshold selection for image segmentation utilizing entropy-max algorithm[J].Computer Engineering and Design, 2015, 36(5): 1265－1268.(in Chinese with English abstract)

[28]Kopp T J, Thomas W, Heidinger A K, et al. The VIIRS cloud mask: Progress in the first year of S ‐NPP toward a common cloud detection scheme[J]. Journal of Geophysical Research Atmospheres, 2014, 119(5): 2441－2456.

[29]張勝茂，崔雪森，伍玉梅，等. 基于北斗衛(wèi)星船位數(shù)據(jù)分析象山拖網(wǎng)捕撈時(shí)空特征[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(7)：151－156.Zhang Shengmao, Cui Xunsen, Wu Yumei, et al. Analyzing space-time characteristics of Xiangshan trawling based on Beidou vessel monitoring system data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(7): 151－156. (in Chinese with English abstract)

[30]Liu Y, Saitoh S I, Hirawake T, et al. Detection of Squid and Pacific Saury fishing vessels around Japan using VIIRS Day/Night Band image[J]. Proceeding of the Asia-Pacific Advanced Network, 2015, 39(3): 28－39.

[31]Straka W I, Seaman C, Baugh K, et al. Utilization of the suomi national polar-orbiting partnership (npp) visible infrared imaging radiometer suite (viirs) day/night band for arctic ship tracking and fisheries management[J]. remote sensing, 2015, 7(12): 971－989.

Identification for operating pelagic light-fishing vessels based on NPP/VIIRS low light imaging data

Guo Ganggang1,2, Fan Wei1, Xue Jialun1,2, Zhang Shengmao1, Zhang Heng1, Tang Fenghua1, Cheng Tianfei1※
(1.Key Lab of East China Sea & Oceanic Fishery Resources Exploitation and Utilization, Ministry of Agriculture;
East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai200090,China;2.College of Marine Sciences, Shanghai Ocean University, Shanghai201306,China)

Fishing data are the basement of fisheries science research, but currently the source of fishing data is extraordinarily scarce, and data quality is poor in some aspects. Satellite low light sensors can detect the light-fishing vessels at night, however,its application in pelagic fishery has been limited by the lack of an algorithm for extracting the location and brightness of operating pelagic light-fishing vessels. An examination of operating pelagic light-fishing vessels features in the day/night band(DNB) image, which was from the visible infrared imaging radiometer suite (VIIRS) on the Suomi National Polar-orbiting Partnership (NPP) satellite, indicated that the features were a list of nonadjacent bright spots. In order to identify the operating pelagic light-fishing vessels from VIIRS/DNB accurately, we designed a set of identification algorithm for operating pelagic light-fishing vessels according to the light radiation characteristics of its fishing gathering lamps in NPP/VIIRS low light image. Before applying the identification algorithm, a data pre-processing step was adopted through radiation stretch and noise reduction by adaptive Wiener filter to prepare the data for further analysis and use. A spike median index (SMI) was used to enlarge the radiation difference between operating pelagic light-fishing vessel pixels and background pixels. On the basis of this, an adaptive threshold segmentation method called the maximum entropy (MaxEnt) method was used to extract the bright spot pixels, and generated a list of candidate operating pelagic light-fishing vessels detections. The candidate pixels were then filtered to remove the false identification bright spot pixels distributed near the operating pelagic light-fishing vessel pixels,and illuminated by the high-power fishing gathering lamps by a local spike detection (LSD) algorithm. A validation study was conducted at a night with weak lunar illuminance on May 24, 2015 which was selected randomly, using the vessel monitoring system (VMS) data of Chinese operating light-seiners vessels on the high seas of Northwest Pacific Ocean light seine fishing ground and the result of VIIRS/DNB image visual interpretation. The validation result showed that the identification algorithm detected 27 operating pelagic light-fishing vessels on the high seas of Northwest Pacific Ocean light seine fishing ground, and the number of operating pelagic light-fishing boats and their distribution were entirely consistent with the result of VIIRS/DNB image visual interpretation; the VMS data had the record of 25 operating pelagic light-fishing vessels among the total 27 vessels, and their distribution was nearly the same with the result of identification algorithm and VIIRS/DNB image visual interpretation. The identification algorithm worked well when lunar illuminance was weak and its identification accuracy was above 92%. The identification algorithm not only avoided the subjectivity and uncertainty of certain threshold segmentation,but also removed the false identification bright spot pixels near the operating pelagic light-fishing vessel pixels, which were illuminated by the high-power fishing gathering lamps. Detection of operating pelagic light-fishing vessels based on VIIRS/DNB imaging data can provide up-to-date activity and change information of operating pelagic light-fishing vessels for pelagic light-fishing industry, which meets the need of fishing boat’s daily monitoring, and has a wide application prospect in fishing effort estimation, research of central fishing ground spatial-temporal distribution and change, and fishery forecast and management.

remote sensing; fishing vessels; monitoring; nighttime light remote sensing; NPP/VIIRS; DNB image

10.11975/j.issn.1002-6819.2017.10.032

S973.1+1; P407.8

A

1002-6819(2017)-10-0245-07

2016-09-07

2017-03-21

國家科技支撐計(jì)劃項(xiàng)目（2013BAD13B01）；中國水產(chǎn)科學(xué)研究院基本科研業(yè)務(wù)費(fèi)項(xiàng)目（2016PT11）；中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資助項(xiàng)目(2016Z01-03)

郭剛剛，男，主要從事漁業(yè)遙感方面研究。上海 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，200090。Email：gzguogang@126.com

※通信作者：程田飛，男，主要從事海洋遙感反演算法方面研究。上海 中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所，200090。

Email：chengtianfeinuist@126.com