编辑推荐：
本研究提出基于检测池塘堤坝的新框架，解决传统水指数法在低水位时无法识别池塘的问题。通过随机森林算法分析Sentinel-1/2影像，成功提取堤坝并构建封闭多边形，实现中国沿海养殖池塘全面制图，总体精度达96.1%。NDVIre2和NDSI被证实为高效识别堤坝的遥感指数，为可持续海岸管理提供新方法。
赵传鹏|贾明明|张荣|韩权|任春英|王宗明
中国科学院东北地理与农业生态研究所黑土保育与利用国家重点实验室，中国长春130102
摘要
沿海水产养殖池塘支持全球粮食生产和社会经济发展，但同时也可能造成环境退化和生物多样性丧失。现有的测绘研究通常依赖于基于水指数的方法。然而，在水位较低时，这些方法会失效，因为池塘会变成泥滩，无法再被识别为水体。为了解决这一限制，我们提出了一种新的框架，该方法侧重于检测池塘堤坝，并将堤坝围合的所有土地定义为水产养殖池塘。以中国沿海地区为例，我们使用基于决策树集成和多数投票的随机森林分类器处理Sentinel-1/2卫星图像，提取池塘堤坝及其围合区域，从而生成了全面的水产养殖池塘地图。该地图涵盖了水位较高的池塘、暴露为泥滩的池塘以及部分被盐生植被或人工结构覆盖的池塘，整体准确率达到96.1%。通过重构最优决策规则，我们发现NDVIre2和NDSI是检测中国沿海地区及其他全球案例区域池塘堤坝的高灵敏度指标，这表明了现有遥感指标的有效再利用。
引言
沿海水产养殖是指在半咸水和海洋环境中养殖水生动物和植物，其产量大约是内陆水产养殖的1.2倍，并且每年以4.0%的速度持续增长（FAO，2024年）。沿海水产养殖池塘由堤坝围合，这些池塘融合了淡水和咸水，对粮食和营养安全、经济发展以及减缓气候变化具有重要意义，因此成为遥感研究的热点领域，以揭示其分布情况，从而支持联合国可持续发展目标（SDGs）（Bj?rndal等人，2024年；Filbee-Dexter等人，2024年；Free等人，2022年）。由于沿海水产养殖池塘形式多样、变体丰富，对其进行测绘具有挑战性。这些池塘的形状和大小各异，在水道较少的地区往往较为规则，反之亦然（Hou等人，2022年）。这些池塘的规模从家庭经营的系统到覆盖数公顷的社区管理系统都有。养殖鱼类、虾类、螃蟹和双壳类动物的池塘维持着不同的水位；例如，鱼类需要几米深的水域，表现为水体，而双壳类动物则适合数十厘米深的水域，导致泥滩暴露。一些被盐生植被覆盖的废弃池塘具有更复杂的水位。一些池塘还有人工基础设施，如保温膜、遮阳网甚至太阳能板（Somerville等人，2014年；Vo等人，2021年），这进一步增加了情况的复杂性。无论是仍在使用的池塘还是废弃的池塘都是我们的研究目标，因为后者可以在短时间内恢复功能。
遥感技术凭借其大范围覆盖、定期复查和历史可追溯性的优势，已被用于监测沿海水产养殖池塘的分布（Chen等人，2024年；Ottinger等人，2016年）。中分辨率图像是进行国家级研究的理想数据源，尤其是当Landsat和Sentinel的时间序列数据通过Google Earth Engine免费提供时，以及当有新的传感器如SDGSAT-1城市化成像仪（GIU）可用时。考虑到沿海水产养殖池塘的测绘程序，以往的研究都是基于直接或间接使用水指数来识别水体的（即基于水指数的框架），大致可以分为三类：第一类使用水指数像素将图像二值化为水域和陆地类别，然后通过视觉校正、专题地图叠加和/或几何滤波排除非水产养殖水域（Ottinger等人，2021年；Tian等人，2024年）；第二类对卫星图像进行基于对象的图像分割，随后采用类似的水基识别方法（Ren等人，2019年；Wang等人，2023年）；第三类结合水营养参数以提高水产养殖池塘的识别精度（Hou等人，2022年；Peng等人，2022年）。
以往的研究总是从识别水体开始，然后选择符合条件的作为沿海水产养殖池塘。这种方法倾向于识别水位较高的池塘，而忽略了水位较低或受保护的池塘。基于遥感的方法受此框架限制，通过综合最大水域范围来改进这一问题，以捕捉池塘在水位最高时的情况。
为了解决这个问题，我们可以采用一种新的框架，从检测池塘堤坝开始进行识别。池塘堤坝是人工建造的长条形结构，在不同水位下都能保持稳定，即使在干旱期间也是如此。在为了自然恢复而有意破坏堤坝的情况下，仍保留主要的堤坝以降低成本并促进淤泥积累。即使有遮挡物阻碍了水体的检测，作为私有财产边界的堤坝仍然可见。
从改进现有方法和获取更多关于沿海水产养殖池塘的多样化信息的角度来看，这种新方法值得探索。具体到池塘堤坝的识别，可以采用深度学习和机器学习算法，前者适用于高分辨率图像，后者通常用于具有丰富光谱特征的中分辨率图像。本研究采用随机森林算法在中分辨率图像中识别沿海水产养殖池塘，旨在降低大规模区域的处理复杂性（基于深度学习的方法，从检测池塘堤坝开始也与本研究提出的框架一致）。随机森林由一系列可解释的决策树组成，为其决策过程提供了基础。通过遍历决策树，可以重构最优决策规则，以近似训练模型，从而进一步分析这种新提出方法的潜在机制。
本研究提出了一种不依赖于水位的识别沿海水产养殖池塘的方法。该方法应用于中国沿海地区，利用随机森林算法和Sentinel-1/2卫星图像提取池塘堤坝，并使用凹包工具构建封闭的多边形，以尽量减少堤坝外陆地覆盖的包含。在此基础上，首次生成了中国全面的水产养殖池塘地图，其中包括池塘堤坝及其围合的水体、泥滩、恢复的盐生植被以及一些人工基础设施。本文解释了该方法通过重构决策规则识别池塘堤坝的潜在机制。
研究区域
本研究区域位于东亚（图3），纬度范围从18.06°N到41.33°N，包括热带、亚热带和温带季风气候。该地区毗邻南海、东海、黄海和渤海，海岸线长度超过34,600公里。随着中国经济的快速发展，沿海水产养殖池塘也迅速发展（FAO，2024年），使中国成为全球最大的海鲜生产国。然而，气候变化正在重塑沿海...
综合沿海水产养殖池塘地图
图7展示了2023年中国沿海的水产养殖池塘情况，以及随机选取区域的分类结果和详细专题地图。总体而言，沿海水产养殖池塘沿海岸线密集分布（图7a）。随机选取的案例显示，识别出的沿海水产养殖池塘包括堤坝及其围合的土地覆盖（图7b-i），这些水域在以往的研究中被认为是水产养殖池塘。提出方法的优点和缺点
以往使用Landsat或Sentinel档案绘制沿海水产养殖池塘地图的研究（Ottinger等人，2021年；Peng等人，2022年；Tian等人，2024年；Wang等人，2023年）结合了白天卫星图像和夜间SDGSAT-1 GIU图像。前者识别了沿海地区的堤坝，而后者利用夜间灯光消除了类似堤坝的道路。随机选取的案例证明了SDGSAT-1 GIU图像在消除道路方面的有效性...结论
本研究提出了一种通过检测池塘堤坝来识别沿海水产养殖池塘的新框架，避免了对外部水位的依赖。这与以往主要依赖基于水指数框架的研究不同。该框架应用于中国沿海地区，使用随机森林分类算法和Sentinel-1/2卫星图像。检测到的池塘堤坝通过凹包工具处理后构建封闭的多边形，以尽量减少陆地覆盖的包含...
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。
致谢
本工作得到了国家自然科学基金（42330109）、吉林省自然科学基金（20250101045JJ）、国家重点研发计划（编号2022YFF1302000）以及中国科学院青年创新促进会（2021227）的支持。我们感谢华东师范大学河口与海岸研究院的田波博士和中山大学土木工程学院的于轩博士。
