1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集
| 1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集 作者：霍艳辉 朱岚巍 张少宇 杨旭 唐世林 2019年5月8日 |
 霍艳辉, 朱岚巍, 张少宇, 等. 1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集[J/OL]. 中国科学数据, 2019, 4(2). (2019-04-15). DOI: 10.11922/csdata.2018.0080.zh. |
摘要&关键词
[编辑]摘要：利用覆盖儋州湾和三亚珊瑚礁国家级自然保护区的GF-2影像、Sentinel-2影像和Landsat TM/OLI影像数据，运用ENVI 5.2和ArcGIS 10.1软件，结合野外调研资料，总结了珊瑚礁生长分布的规律，采用目视解译和阈值分割的方法，提取儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁空间分布信息。经过实地采集的光谱信息，对结果进行精度验证，最终得到51期浅海珊瑚礁空间分布数据。本数据集可用于珊瑚礁时空变化分析、生态环境变化等研究，能够清晰地反映时间序列支持下的儋州湾和三亚珊瑚礁国家级自然保护区内珊瑚礁空间分布变化特征。
关键词：珊瑚礁；遥感监测；目视解译；阈值分割；信息提取
Abstract & Keywords
[编辑]Abstract: ENVI 5.2 and ArcGIS 10.1 were used to process GF-2 image, Sentinel-2 image and Landsat TM/OLI image data covering sanya coral reef national nature reserve. Assisted by field research data, we used visual interpretation and threshold segmentation to summarize the rules of coral reef distribution,and to extract the spatial distributional data of shallow sea coral reefs in the Danzhou bay and Sanya coral reef national nature reserve. The accuracy of the results was verified by field spectrum information collected. Finally, We obtained the spatial distribution data of shallow sea coral reefs in phase 51. This data set can be used for analysis of the temporal and spatial changes, eco-environmental changes of coral reefs, among others. With the support time series, it clearly reflects the distributional changes of coral reefs in Sanya National Nature Reserve.
Keywords: coral reef; remote sensing monitoring; visual interpretation; threshold segmentation; information extraction
数据库（集）基本信息简介
[编辑]| 数据库（集）名称 | 1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集 |
| 数据作者 | 霍艳辉、朱岚巍、张少宇、杨旭 、唐世林 |
| 数据通信作者 | 朱岚巍（zhulw@aircas.ac.cn） |
| 数据时间范围 | 1987–2018年 |
| 地理区域 | 本数据集覆盖范围为北纬18°10′30″–18°15′30″，东经109°20′50″–109°40′30″和北纬19°33′00″–19°53′00″，东经108°57′00″–109°16′00″。分别位于海南省南部与东部近岸及海岛四周海域。 |
| 空间分辨率 | 4 m，10 m，30 m |
| 数据量 | 14.1 MB |
| 数据格式 | *.shp |
| 数据服务系统网址 | http://www.sciencedb.cn/dataSet/handle/687 |
| 基金项目 | 海南省重大科技计划项目（ZDKJ2016021）；海南省面上自然科学基金（sy17zm01132）；广东省海洋遥感重点实验室开放基金（2017B030301005-LORS1904）；国家发展和改革委员会促进大数据发展重大工程（2016-999999-65-01-000696-01）。 |
| 数据库（集）组成 | 本数据集主要包括海南儋州湾和三亚珊瑚礁国家级自然保护区3种不同数据源的浅海珊瑚礁空间分布数据产品，这些数据保存为1个压缩文件（1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集.rar），每期珊瑚礁空间分布数据单独存在以年份命名的文件夹里。 |
Dataset Profile
[编辑]| Title | Distributional data of shallow sea coral Reef in Danzhou Bay and Sanya Coral Reef National Nature Reserve from 1987 to 2018 |
| Data corresponding author | Zhu Lanwei(zhulw@aircas.ac.cn) |
| Data authors | Huo Yanhui, Zhu Lanwei, Zhang Shaoyu, Yang Xu, Tang Shilin |
| Time range | 1987–2018 |
| Geographical scope | This data set has a geographic scope of 18°10'30"N - 18°15'30N", 109°20'50"E- 109°40'30"E and 19°33'00"N - 19°53'00N", 108°57'00"E- 109°16'00"E. Located in the south and the west coast of Hainan Province respectively. |
| Spatial resolution | 4 m, 10 m, 30 m |
| Data volume | 14.1 MB |
| Data format | *.shp |
| Data service system | <http://www.sciencedb.cn/dataSet/handle/687> |
| Sources of funding | Major Science and Technology Program of Hainan Province (ZDKJ2016021); Genneral Programs of Natural Science Foundation of Hainan Province (sy17zm01132); Open Fund of Guangdong Key Laboratory of Ocean Remote Sensing (2017B030301005-LORS1904); Major Program for Big Data Development of the National Development and Reform Commission (2016-999999-65-01-000696-01). |
| Dataset composition | The data set is mainly including hainan Danzhou bay and Sanya coral reef national nature reserve, three different data sources of shallow sea coral reefs spatial data products, these data is saved as a compressed file (Data set of shallow coral reef distribution in Danzhou bay and Sanya coral reef national nature reserve btween 1987 to 2018. Rar), each data exist alone named after years of space distribution of coral reef folder. |
引 言
[编辑]珊瑚礁被誉为“蓝色沙漠中的绿洲”，是海洋中非常独特的生态系统，生活在珊瑚礁区的物种异常丰富[1]，也是重要的渔场和海洋旅游资源[2]，具有很高的生态和经济价值。珊瑚礁的面积约占全球海洋总面积的0.25%，但是其却养活了超过1/4的海洋鱼类[3]。珊瑚礁生态系统具有惊人的生物多样性和极高的初级生产力[4]，对海水温度、酸度和海水污染物的反应非常敏捷，可以作为一种海洋环境的主要生物指标[5]，同时起到调节和优化海洋环境的作用，及时把握珊瑚礁的空间分布范围，对监测海洋生态环境具有重要意义。
本文以多时相遥感数据为基础数据，采用目视解译和阈值分割的方法，利用遥感方法获取海南儋州湾和三亚珊瑚礁国家级自然保护区1987–2018年51期珊瑚礁空间分布数据产品，并提供数据共享服务。相关研究成果作为海南省海岸带生态环境监测等成果的一部分，反映时间序列下珊瑚礁空间分布变化特征，为保护区保护和管理珊瑚礁提供科学数据支持。
1 数据采集和处理方法
[编辑]1.1 数据来源
[编辑]本数据集以海南省高分数据与应用中心提供的海南三亚2017年4 m分辨率的GF-2多光谱影像、欧洲太空局（http://scihub.copernicus.eu/）提供的海南地区2016–2018年10 m分辨率的Sentinel-2多光谱影像和美国地质勘探局（http://glovis.usgs.gov/）提供的海南地区1987–2018年的30 m分辨率的多光谱遥感影像Landsat TM/OLI为数据源，共获取无云或少云影响的44景影像。表1所示的是本次所使用的遥感卫星影像序列号及成像时间信息。
表1 遥感影像数据列表
| 序号 | 成像日期 | 卫星 | 传感器 | 影像序列号 |
| 1 | 2017-02-16 | GF-2 | MSS | GF2_PMS1_E109.5_N18.1_20170216_L1A0002189405 |
| 2 | 2017-02-16 | GF-2 | MSS | GF2_PMS1_E109.6_N18.3_20170216_L1A0002189406 |
| 3 | 2017-04-11 | GF-2 | MSS | GF2_PMS2_E109.5_N18.3_20170411_L1A0002299698 |
| 4 | 2016-12-09 | Sentinel-2 | MSI | S2A_MSIL1C_20161209T031122_N0204_R075_T49QCA_20161209T032245.SAFE |
| 5 | 2017-08-06 | Sentinel-2 | MSI | S2A_MSIL1C_20170806T030541_N0205_R075_T49QCA_20170806T031514 |
| 6 | 2018-10-30 | Sentinel-2 | MSI | S2A_MSIL1C_20181030T030831_N0206_R075_T49QCA_20181030T060940.SAFE |
| 7 | 1987-02-05 | Landsat 5 | TM | LT05_L1TP_124047_19870205_20170320_01_T1 |
| 8 | 1989-03-14 | Landsat 5 | TM | LT05_L1TP_124047_19890314_20170204_01_T1 |
| 9 | 1991-11-15 | Landsat 5 | TM | LT05_L1TP_124047_19911115_20170125_01_T1 |
| 10 | 1993-01-04 | Landsat 5 | TM | LT05_L1TP_124047_19930104_20170121_01_T1 |
| 11 | 1995-01-10 | Landsat 5 | TM | LT05_L1TP_124047_19950110_20170110_01_T1 |
| 12 | 1997-10-30 | Landsat 5 | TM | LT05_L1TP_124047_19971030_20161229_01_T1 |
| 13 | 1999-12-23 | Landsat 5 | TM | LT05_L1TP_124047_19991223_20161215_01_T1 |
| 14 | 2001-11-26 | Landsat 5 | TM | LT05_L1TP_124047_20011126_20161210_01_T1 |
| 15 | 2003-02-01 | Landsat 5 | TM | LT05_L1TP_124047_20030201_20161206_01_T1 |
| 16 | 2005-07-16 | Landsat 5 | TM | LT05_L1TP_124047_20050716_20161125_01_T1 |
| 17 | 2007-01-27 | Landsat 5 | TM | LT05_L1TP_124047_20070127_20161117_01_T1 |
| 18 | 2009-10-31 | Landsat 5 | TM | LT05_L1TP_124047_20091031_20161018_01_T1 |
| 19 | 2011-02-07 | Landsat 5 | TM | LT05_L1TP_124047_20110207_20161010_01_T1 |
| 20 | 2013-10-26 | Landsat 8 | OLI | LC08_L1TP_124047_20131026_20170429_01_T1 |
| 21 | 2014-11-14 | Landsat 8 | OLI | LC08_L1TP_124047_20141114_20170417_01_T1 |
| 22 | 2015-10-16 | Landsat 8 | OLI | LC08_L1TP_124047_20151016_20170403_01_T1 |
| 23 | 2016-02-05 | Landsat 8 | OLI | LC08_L1TP_124047_20160205_20170330_01_T1 |
| 24 | 2017-05-30 | Landsat 8 | OLI | LC08_L1TP_124047_20170530_20170615_01_T1 |
| 25 | 2018-02-10 | Landsat 8 | OLI | LC08_L1TP_124047_20180210_20180222_01_T1 |
| 26 | 1987-04-10 | Landsat 5 | TM | LT05_L1TP_124046_19870410_20170320_01_T1 |
| 27 | 1989-07-20 | Landsat 5 | TM | LT05_L1TP_124046_19890720_20170202_01_T1 |
| 28 | 1991-05-23 | Landsat 5 | TM | LT05_L1TP_124046_19910523_20170126_01_T1 |
| 29 | 1993-05-12 | Landsat 5 | TM | LT05_L1TP_124046_19930512_20170119_01_T1 |
| 30 | 1995-07-21 | Landsat 5 | TM | LT05_L1TP_124046_19950721_20170108_01_T1 |
| 31 | 1997-06-08 | Landsat 5 | TM | LT05_L1TP_124046_19970608_20161231_01_T1 |
| 32 | 1999-06-30 | Landsat 5 | TM | LT05_L1TP_124046_19990630_20161219_01_T1 |
| 33 | 2001-08-06 | Landsat 5 | TM | LT05_L1TP_124046_20010806_20161210_01_T1 |
| 34 | 2003-02-25 | Landsat 7 | ETM | LE07_L1TP_124046_20030225_20170126_01_T1 |
| 35 | 2005-08-01 | Landsat 5 | TM | LT05_L1TP_124046_20050801_20161124_01_T1 |
| 36 | 2007-07-06 | Landsat 5 | TM | LT05_L1TP_124046_20070706_20161113_01_T1 |
| 37 | 2009-07-27 | Landsat 5 | TM | LT05_L1TP_124046_20090727_20161023_01_T1 |
| 38 | 2011-07-09 | Landsat 7 | ETM | LE07_L1TP_124046_20110709_20140705_01_T1 |
| 39 | 2013-05-19 | Landsat 8 | OLI | LC08_L1TP_124046_20130519_20170504_01_T1 |
| 40 | 2014-08-10 | Landsat 8 | OLI | LC08_L1TP_124046_20140810_20170420_01_T1 |
| 41 | 2015-06-26 | Landsat 8 | OLI | LC08_L1TP_124046_20150626_20170407_01_T1 |
| 42 | 2016-12-05 | Landsat 8 | OLI | LC08_L1TP_124046_20161205_20170317_01_T1 |
| 43 | 2017-09-19 | Landsat 8 | OLI | LC08_L1TP_124046_20170919_20170920_01_RT |
| 44 | 2018-05-17 | Landsat 8 | OLI | LC08_L1TP_124046_20180517_20180517_01_RT |
1.2 数据处理方法
[编辑]1.2.1 目视解译
[编辑]影像解译是指从图像获取信息的基本过程。目视解译是遥感图像解译的一种，又称目视判读或目视判译，是遥感成像的逆过程。目视解译就是从遥感影像上借助影像的解译标志识别目标，定性定量地提取出目标的分布、结构、功能等有关信息，并把它们表示在地理底图上的过程[6]。
影像的解译标志，也称判读要素，它是遥感影像上能直接反应和判别地物信息的影像特征，包括形状、大小、颜色和色调、阴影、位置、结构、纹理、图案、布局和立体外貌等[7]。
结合岸礁在遥感影像上的光学颜色、地理位置、形状、生成条件等特征形成综合全方位的解译标志，借助遥感增强方法（诸如图像融合、图像拉伸、主成分变换等方法），在ArcGIS 10.1软件中将Landsat TM/OLI影像按照最优的波段组合及图像增强方式显示，结合实地踏勘地点，建立浅海珊瑚礁的解译标志[8]，如表2所示。
表2 浅海珊瑚礁空间分布信息解译标志
| 解译标志 | 名称 | 图像特点 | 解译标志详解 |
| 位置 | 间隙 | 图片 | 近岸泥沙多，不适宜珊瑚礁生长，岸礁与海岸间隔着一条深度约0.2–1.5 m左右的水道间隙。 |
| 颜色 | 沙滩 | 图片 | 在波段为RGB真彩色合成的影像上，沙滩的颜色偏青色，珊瑚礁的颜色偏黄绿色。注意区分沙滩和珊瑚礁的颜色，这两种底栖容易混淆。 |
| 形状 | 条带状珊瑚礁 | 图片 | 岸礁是沿大陆或岛屿岸边生长发育的礁体，一般呈现条状或带状分布。 |
| 位置 | 河流入海口 | 图片 | 造礁珊瑚生长在盐度为27‰–40‰的海水中，最佳盐度范围是34‰–36‰，而在淡水入海口的地方，盐度会被稀释下降，不适合珊瑚礁形成。 |
| 水深 | 水深 | 图片 | 一般认为造礁珊瑚生长的水深范围是0–50 m，最佳水深为20 m以内。 |
目视解译数据集按照图1所示处理流程获得浅海珊瑚礁空间分布信息，在ENVI中加载影像，首先进行辐射定标，将DN值转化为辐射亮度数据，得到辐射亮度影像；然后进行FLAASH大气校正，将辐射亮度值转化为地表反射率，得到地表反射率影像；再根据保护区范围进行裁剪；随后计算归一化差异水体指数（MNDWI），对其进行直方图阈值分割，再进行水陆掩膜，将陆地掩膜掉[9]；在ArcGIS 10.1中按着红绿蓝波段组合的方式打开经过陆地掩膜后的影像，基于本节确定的目视解译标志，采用数字矢量化方法得到浅海珊瑚礁空间分布信息。最终获取儋州湾17期浅海珊瑚礁空间分布结果，三亚珊瑚礁国家级自然保护区19期浅海珊瑚礁空间分布结果。
图1 目视解译技术流程图
1.2.2 阈值分割自动提取
[编辑]首先对原始遥感影像进行辐射定标，将DN值转化为辐射亮度数据，得到辐射亮度影像；对定标后的遥感影像进行大气校正，将辐射亮度值转化为地表反射率，得到地表反射率影像；再利用海岸线数据以及归一化差异水体指数（MNDWI）进行阈值分割，掩膜陆地信息；利用蓝绿波段比值和归一化植被指数（NDVI）进行直方图阈值分割，获取浅海珊瑚礁礁空间分布信息。提取流程如图2所示。
图2 阈值分割技术流程图
采用阈值分割的方法，分别获取儋州湾和三亚珊瑚礁国家级自然保护区各6期浅海珊瑚礁空间分布数据（基于2013–2018年Landsat 8 影像）；采用阈值分割的方法，获取三亚珊瑚礁国家级自然保护区3期浅海珊瑚礁空间分布数据（基于2016–2018年Sentinel-2影像）。
2 数据样本描述
[编辑]2.1 数据组成
[编辑]本数据集包括儋州湾和三亚珊瑚礁国家级自然保护区1987–2018年共计51期浅海珊瑚礁空间分布数据，这些数据保存为1个压缩文件（“1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集.rar”），每期数据单独存贮在以年份命名的文件夹里，总数据量为14.1 MB。每个文件夹中存贮对应的shp矢量数据文件，所有数据均采用与遥感影像一致的UTM-WGS84坐标系统。
2.2 数据样本
[编辑]儋州湾浅海珊瑚礁空间分布数据如图3–5。三亚珊瑚礁国家级自然保护区浅海珊瑚礁空间分布数据如图6–11。
图3 儋州湾浅海珊瑚礁目视解译空间分布图（2018年Landsat 8 RGB:432）
图4 儋州湾浅海珊瑚礁目视解译空间分布趋势图（1987–2018年）
图5 儋州湾浅海珊瑚礁阈值分割空间分布图（2013年、2015年、2018年Landsat 8 RGB:432）
图6 三亚珊瑚礁保护区浅海珊瑚礁目视解译空间分布图（2017年GF-2 RGB:321）
图7 三亚珊瑚礁保护区浅海珊瑚礁目视解译空间分布图（2018年Sentinel-2 RGB:432）
图8 三亚珊瑚礁保护区浅海珊瑚礁目视解译空间分布图（2018年Landsat8 RGB:432）
图9 三亚珊瑚礁保护区浅海珊瑚礁目视解译空间分布趋势图（1987–2018年）
图10 三亚珊瑚礁保护区浅海珊瑚礁阈值分割空间分布图（2018年Sentinel-2 RGB:432）
图11 三亚珊瑚礁保护区浅海珊瑚礁阈值分割空间分布图（2018年Landsat 8 RGB:432）
3 数据质量控制和评估
[编辑]3.1 精度验证方法与技术路线
[编辑]本数据集通过验证影像上珊瑚礁光谱反射率曲线与实测珊瑚礁光谱反射率曲线的拟合程度来验证精度（图12）。
图12 精度验证技术流程图
首先，提取影像上珊瑚礁光谱反射率曲线。利用ENVI软件，统计珊瑚礁斑块的平均光谱反射率曲线，并提取平均光谱反射率值。
其次，利用便携式地物光谱仪（美国ASD公司生产，型号为FieldSpec 3）采集并生成珊瑚礁光谱反射率曲线。采用水下测量法进行珊瑚礁光谱采集，利用viewspec pro软件对采集的光谱进行处理，得到珊瑚礁光谱反射率曲线[10]。提取出与影像中心波长相对应波长的光谱反射率值。
最后，利用MATLAB的corrcoef(x,y)函数，计算影像上珊瑚礁平均光谱反射率值与相应波长的光谱反射率值的相关系数R。R取值在[−1,1]，0表示不相关；0～1表示正相关，值越大越相关；−1～0表示负相关，值越小越相关。
3.2 精度验证结果
[编辑]以2018年Landsat 8影像为例，从研究区中选出珊瑚礁分布集中的5个斑块（西玳瑁岛、鹿回头湾、小东海、磷枪石岛和湳滩港），统计其平均光谱反射率。计算相关系数R见表3。
表3 相关系数R
| 名称 | 西玳瑁岛 | 鹿回头湾 | 小东海 | 磷枪石岛 | 峨蔓港 |
| 相关系数R | 0.8747 | 0.8634 | 0.8611 | 0.9271 | 0.9599 |
由表3可以看出，上述5个斑块中相关系数R都在0.8以上，其中峨蔓港的可信度最高为96%，小东海的可信度最低为86%。总体来看，提取目标为珊瑚礁的可信度可达80%以上。
4 数据使用方法和建议
[编辑]1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区51期浅海珊瑚礁空间分布数据集为shp格式，可利用ArcGIS、ENVI等相关数据处理软件对本数据集进行编辑、查询以及后续分析工作。本数据集可以为保护和监管珊瑚礁提供基础数据支持。
致 谢
[编辑]感谢项目组在开展野外观测过程中得到了海南省相关行业部门和单位的支持和配合，在此一并表示衷心的感谢。感谢张丽研究员、廖静娟研究员在珊瑚礁空间分布信息验证工作中提供的方法建议；在此感谢郭连杰，毕京鹏，宋茜茜，张云飞等人在影像下载、野外实地考察及技术路线讨论等方面所做的工作和贡献。
参考文献
[编辑]- ↑ 潘艳丽, 唐丹玲. 卫星遥感珊瑚礁白化概述[J]. 生态学报, 2009, 29(09): 5076-5080.
- ↑ 陈建裕, 毛志华, 张华国, 等. SPOT5数据东沙环礁珊瑚礁遥感能力分析[J]. 海洋学报(中文版), 2007 (03): 51-57.
- ↑ 邹亚荣, 梁超, 朱海天. 基于QuickBird影像上珊瑚礁发育状况监测实验研究[J]. 海洋学报(中文版), 2012, 34(02): 57-62.
- ↑ 陈国华, 黄良民, 王汉奎,等. 珊瑚礁生态系统初级生产力研究进展[J]. 生态学报, 2004, 24(12):2863-2869.
- ↑ 余克服. 南海珊瑚礁及其对全新世环境变化的记录与响应[J]. 中国科学: 地球科学, 2012(8).
- ↑ 陈建平, 苗放. 遥感影像解译的研究现状和发展趋势[J]. 国土资源遥感, 2004, 16(2).
- ↑ 濮静娟. 遥感图像目视解译原理与方法[M]. 北京: 中国科学技术出版社, 1992.
- ↑ 姜放, 张国勇. 遥感图像目视解译值得注意的几个问题[J]. 长春工程学院学报: 自然科学版, 2002, 3(3):49-50.
- ↑ 胡蕾秋, 刘亚岚, 任玉环, 等. SPOT5多光谱图像对南沙珊瑚礁信息提取方法的探讨[J]. 遥感技术与应用, 2010, 25(04): 493-501.
- ↑ 徐兵. 珊瑚礁遥感监测方法研究[D]. 南京: 南京师范大学, 2013.
数据引用格式
[编辑]霍艳辉, 朱岚巍, 张少宇, 等. 1987–2018年儋州湾和三亚珊瑚礁国家级自然保护区浅海珊瑚礁分布数据集[DB/OL]. Science Data Bank, 2018. (2018-11-20). DOI: 10.11922/sciencedb.687.
