从像素到池塘：评估利用卫星遥感影像识别小型水体特征的可行性

《Hydrobiologia》：From pixels to ponds: assessing the feasibility of identifying small water features using satellite imagery

　　

准确的池塘现状分布与生态状况信息对有效的保护规划与实施至关重要，然而此类工作常受限于不充分或过时的制图数据。利用卫星进行遥感（Remote Sensing）提供了一种潜在的小型水体制图工具。研究人员以英格兰西南部为案例，评估利用遥感识别池塘的可行性，考察了完整遥感工作流，包括影像可得性、卫星传感器选择、成本及跨多传感器与方法的检测性能。检测性能随空间分辨率升高而改善，更高空间分辨率影像在理想条件下可识别更小池塘，但成本更高。然而所有方法中，性能均受限于高误报率（False Positive）与漏检率（Omission Error）。精确率（Precision）持续偏低，表明许多被检出的池塘并非真实池塘，而真实池塘被正确检出的比例因传感器与方法而异。池塘尺寸相对于传感器像元尺寸（Pixel Size）是可检测性与误分类的最主要影响因子，大型水生植物（Macrophyte）的存在亦起关键作用。该研究首次对英国池塘检测的遥感工作流进行全面评估，并为识别小型景观特征提供更广视角。研究结果支持保护与科研工作，并为类似背景下应用这些技术的人员提供实用指南。

研究背景方面，池塘（定义为面积不超过20,000 m²的人造或自然水体）是重要生物多样性热点，提供洪水调蓄、碳埋藏及人类身心健康等生态系统服务，但二十世纪以来英国池塘数量显著下降，而现有制图多依赖局部野外调查或历史地形图，缺乏大区域标准化、可更新的分布数据。遥感具备非侵入、可回溯、覆盖广的优势，但针对小型水体（尤其是亚公顷级池塘）在不同传感器、自动化程度与成本约束下的完整工作流可行性尚未被系统评估。为此，研究人员在《Hydrobiologia》发表该研究，以英格兰西南部塞文谷（Severn Vale）为案例，系统评估从影像获取、传感器选型、成本到检测精度的全链条可行性，旨在为保育从业者提供可迁移的方法学指南。

关键技术方法上，研究人员选取塞文谷区域（1,487 km²）与局部（25 km²）两层尺度，以Smith等手动制图池塘多边形及WWT野外调查的89个 PondNet 样点作为地面真值（Ground Truth）；获取 Landsat-8（30 m）、SPOT-6（6 m）、Pléiades-1B（2 m）、WorldView-2（2 m）四套多光谱影像（含近红外波段），开放数据来自 USGS EarthExplorer 与 Google Earth Engine，高分辨率商业影像购自 Apollo Mapping；在 QGIS 中统一重投影至英国国家网格（EPSG:27700）并裁剪，分别采用半自动监督分类（Semi-automated Supervised Classification，QGIS SCP 插件训练水体/植被/建成区微类）与全自动 NDWI（Normalised Difference Water Index，阈值>0.2）两种流程；精度评估结合参考多边形覆盖判定（>50%覆盖记为检出）与 SCP 面积误差矩阵的用户精度（User’s Accuracy， commissions）/生产者精度（Producer’s Accuracy， omissions），并以二项式广义线性模型（Binomial GLM）检验池塘面积、周边土地利用、树冠 Overhang、Macrophyte 覆盖、浊度对检出的影响。

研究结果部分，影像可得性与成本小节指出：2007–2022年3–7月本地搜索265景中仅29景云量<20%且覆盖合格，高分辨率受最小购买面积与单价限制，WorldView-2 单价最高；检测精度（局部）小节显示 NDWI 下 WorldView-2 检出56.8%池塘，其余传感器<5%，半自动分类整体优于 NDWI，WorldView-2 半自动最高达65.41%，Landsat-8 两类方法均<1.5%，SCP 误差矩阵表明总体精度>90%但池塘类用户精度常<10%、生产者精度亦偏低，误报与漏检并存；检测精度（区域）小节中 SPOT-6 半自动在1,487 km²上达49.58%，Landsat-8 仍<1.5%；最小可识别尺寸小节表明局部尺度 WorldView-2 半自动可识别至14 m²（即参考集中最小池塘），区域尺度 SPOT-6 可识别<10 m²甚至小于其6 m像元尺寸，Landsat-8 区域 NDWI 最小56 m²；影响因子 GLM 小节显示池塘面积是 Landsat-8 与 SPOT-6 NDWI 检出的显著正预测因子（P<0.05），SPOT-6 半自动下 Macrophyte 缺失更关键，周边土地利用与 Overhang 进入模型但不显著。

讨论与结论翻译：研究人员指出，遥感有效性首要受云覆盖与高分辨率成本制约，仅约6%候选影像入选，大区域监测被迫依赖 Landsat/Sentinel 等粗分辨率免费数据，形成空间细节—时间频率—资金三角权衡；检测性能随空间分辨率提升而改善，半自动监督分类优于纯指数自动化，但所有方案均受高误报与漏检限制，精确率偏低；池塘尺寸相对像元尺寸为核心影响因子，Macrophyte 覆盖会混淆 NDWI 与水体光谱。结论为：卫星遥感可在理想条件下以亚10 m传感器识别低至14 m²池塘，但作为独立制图工具仍须结合野外抽样校验以控制误报，该英国首例全工作流评估为类似农业/半自然景观下的小型水体普查提供了可复制的传感器选型、成本控制与精度预期基准。