張 鈺，王讓會

(南京信息工程大學(xué)環(huán)境科學(xué)與工程學(xué)院，南京 210044)

0 引言

地理空間系統(tǒng)是地理學(xué)研究的基本對象，是自然—社會—經(jīng)濟(jì)因素相互作用的復(fù)合系統(tǒng)，地理系統(tǒng)的開放性、非線性等特征決定了復(fù)雜性是其本質(zhì)屬性。因此，應(yīng)用復(fù)雜系統(tǒng)的理論方法分析地理系統(tǒng)的復(fù)雜性和動態(tài)性是當(dāng)前地理學(xué)研究的熱點(diǎn)之一。而元胞自動機(jī)(cellular automata，CA)是時空離散的動力學(xué)模型，是研究復(fù)雜系統(tǒng)的一種方法，特別適用于對空間復(fù)雜系統(tǒng)的動態(tài)模擬［1］。

CA是在20世紀(jì)40年代由Ulam首先提出，后被Von Neumann用來研究自組織系統(tǒng)的演變過程［2］。CA作為一種具有時空動態(tài)特征的動力學(xué)方法，被廣泛應(yīng)用到地理學(xué)的諸多領(lǐng)域，其中在城市增長、擴(kuò)散和土地利用演化等模擬方面的研究最早、最深入，理論和實(shí)踐最豐富，同時也是當(dāng)前CA應(yīng)用的熱點(diǎn)之一［3］。白永良等［4］基于CA模型模擬黃河口海岸線演變;盛輝等［5］基于CA預(yù)測黃河三角洲海岸線演變。美國Couclelis［6］從理論上對CA在地理學(xué)中的應(yīng)用潛力(尤其是在模擬城市擴(kuò)張領(lǐng)域中的應(yīng)用)進(jìn)行了充分闡述;White等［7］多次應(yīng)用CA模型成功模擬了土地利用變化等。

RS和GIS技術(shù)的發(fā)展，為城市擴(kuò)展時空研究及多種數(shù)據(jù)的集成研究提供了有力支持［8］，尤其利用遙感技術(shù)進(jìn)行土地利用動態(tài)監(jiān)測［9］已成為當(dāng)今的熱點(diǎn)之一，而RS和GIS的集成對于準(zhǔn)確及時地掌握沿海地區(qū)海岸線演變情況、從宏觀上研究海岸線動態(tài)變化是一種有效的方法［10］。RS和GIS技術(shù)的集成不僅可以有效地研究不同時空尺度上的景觀現(xiàn)象，為生產(chǎn)實(shí)踐和科學(xué)研究提供有用的景觀信息;而且為研究景觀空間結(jié)構(gòu)和動態(tài)(尤其是物理、生物和各種人類活動過程相互之間的復(fù)雜關(guān)系)提供了一種有效的工具［11］。丁麗霞等［12］利用 RS方法對浙江省海岸線的變遷幅度與速度進(jìn)行調(diào)查研究，發(fā)現(xiàn)浙江整個海岸線變遷幅度與速度呈現(xiàn)由南到北逐漸變小的趨勢;朱小鴿［13］和宮立新等［14］應(yīng)用多時相Landsat衛(wèi)星遙感圖像，采用神經(jīng)網(wǎng)絡(luò)分類方法監(jiān)測珠江口、煙臺地區(qū)海灣、香港及澳門地區(qū)海岸線的變化，得出人為圍海造田及相關(guān)基礎(chǔ)設(shè)施建設(shè)是導(dǎo)致海岸線變化的主要原因的結(jié)論;Chu等［15］基于遙感圖像研究了現(xiàn)代黃河三角洲侵蝕演變模型等;王琳等［16］利用3個時相的Landsat TM/ETM+衛(wèi)星圖像，通過變化檢測和信息提取獲得廈門市及其鄰域1989—2000年海岸線變化信息，并分析了廈門市海域面積未來的變化趨勢及其原因等。隨著新的遙感衛(wèi)星不斷發(fā)射成功，越來越多的專家學(xué)者開始利用遙感手段快速而準(zhǔn)確地獲取海岸帶數(shù)據(jù)，并越來越關(guān)注海岸線調(diào)查及其變化監(jiān)測等問題。

綜上所述，目前國內(nèi)外利用遙感圖像對海岸線分析的研究很多，但遙感方法、分形研究等數(shù)學(xué)模型運(yùn)用于地物研究的普適性與當(dāng)前預(yù)測演變過程及結(jié)果的效率均有待提高，因此有必要探尋一種適用性更廣、效率更高的新型遙感圖像海岸線分析方法，并綜合各種影響因素進(jìn)行改進(jìn)。同時，由于海岸線在沿海城市中的地位非常重要，而專門針對城市邊緣區(qū)的CA模擬預(yù)測研究還較為少見［11］，所以利用RS及CA技術(shù)相結(jié)合來研究海岸線具有一定的科學(xué)性和可行性。本文基于Matlab仿真技術(shù)運(yùn)用CA模型來預(yù)測未來海岸線演化狀況，并對預(yù)測結(jié)果進(jìn)行精度檢驗。其結(jié)果證實(shí)，用該方法預(yù)測未來海岸線演變狀況是可行的，具有重要的現(xiàn)實(shí)意義。

1 研究區(qū)概況及技術(shù)路線

1．1 研究區(qū)概況

研究區(qū)為位于中國廣西南部的防城港市，地處中國大陸海岸線西南端，地理坐標(biāo)為E 107°28'～108°36'，N 20°36'～22°22'。南連北部灣，北接扶綏縣、邕寧縣，東與欽州市毗鄰，西與寧明縣接壤，西南與越南交界，陸地面積6 181 km2，地勢平坦、海域面積4萬km2。防城港市轄港口區(qū)、防城區(qū)、上思縣和東興市，全市海岸線長584 km，嶼海岸線長222 km，陸地邊境線長230多km，有7個鄉(xiāng)鎮(zhèn)與越南山水相連。防城港市現(xiàn)有防城港、企沙港、江山港、京島港、竹山港等大小商港、漁港20多個，其中防城港以水深、避風(fēng)、不淤積、航道短、可用岸線長而著名，是主樞紐港。防城港市共有5個國家級口岸，其中防城港、東興、企沙和江山為一類口岸，峒中為二類口岸。此外，全市岸線資源豐富，企沙海域具備建設(shè)10～30萬t級泊位的天然條件。

1．2 技術(shù)路線

針對本文研究目的和內(nèi)容，在對所收集的研究區(qū)2000年11月、2010年10月TM圖像和文字、數(shù)據(jù)資料進(jìn)行整理的基礎(chǔ)上，制定了技術(shù)路線(圖1)。首先，利用ENVI軟件對獲取的研究區(qū)遙感圖像進(jìn)行幾何糾正、配準(zhǔn)等，利用ArcGIS軟件提取海岸線，并對其進(jìn)行重采樣;然后，根據(jù)相應(yīng)規(guī)則建立CA模型，利用蒙特·卡羅方法結(jié)合控制因素進(jìn)行判斷，確定元胞的轉(zhuǎn)化狀態(tài)，在此基礎(chǔ)上，運(yùn)用Matlab仿真技術(shù)實(shí)現(xiàn)海岸線的預(yù)測功能;最后對空間分析結(jié)果進(jìn)行精度分析。

圖1 技術(shù)流程圖Fig．1 Flow chart of technology

2 數(shù)據(jù)處理

覆蓋研究區(qū)域的Landsat TM5波段的遙感數(shù)據(jù)來源于全球土地利用數(shù)據(jù)庫(global land cover facility，GLCF)及中國科學(xué)院對地觀測與數(shù)字地球科學(xué)中心網(wǎng)站。海岸線被國際地理信息委員會(IGDC)定為最重要的27種地表特征之一，Dolan最早定義海岸線為水體與陸地的自然界面［17］，現(xiàn)一般指沿海在多年的大潮時高潮所到達(dá)的界線。本研究首先對遙感圖像進(jìn)行圖像幾何糾正處理、子區(qū)裁取、圖像分類及數(shù)據(jù)類型轉(zhuǎn)換等預(yù)處理;然后將分類結(jié)果導(dǎo)入到ArcGIS中，進(jìn)行編輯處理(圖2);再利用Conversion Tools將遙感圖像轉(zhuǎn)為矢量圖，對矢量圖進(jìn)行圖斑合并等編輯操作，提取海岸線;最終將編輯結(jié)果轉(zhuǎn)成柵格格式(圖3)。

圖2 遙感分類圖像Fig．2 Remote sensing classification images

圖3 海岸線信息提取圖Fig．3 Maps of coastline in formation extraction

3 CA預(yù)測模型實(shí)現(xiàn)

3．1 模型定義

將2000年和2010年的防城港遙感分類圖像(圖2)在ArcMap中以30 m×30 m的柵格進(jìn)行重采樣，分別生成柵格數(shù)據(jù)圖像。柵格文件是由0～5組成的二維數(shù)組(0代表植被景觀柵格，1代表建筑景觀柵格，2代表水域景觀柵格，3代表農(nóng)田景觀柵格，4代表灘涂景觀柵格，5代表其他景觀柵格)，將該二維數(shù)組導(dǎo)入到Matlab仿真軟件系統(tǒng)進(jìn)行CA預(yù)測。

取該二維數(shù)據(jù)的一個3×3部分區(qū)域，利用3×3的摩爾近鄰模型(Moore neighborhood model)作為CA模型的鄰居規(guī)則進(jìn)行分析:以黑色元胞為中心，對于其8個元胞鄰域，有2個植被景觀區(qū)域(0)，占2/8;有2個建筑景觀區(qū)域(1)，占2/8;有1個水域景觀區(qū)域(2)，占1/8;有1個農(nóng)田景觀區(qū)域(3)，占1/8;有1個灘涂景觀區(qū)域(4)，占1/8;有1個其他景觀區(qū)域(5)，占1/8。將各類地物景觀映射到［0，1］，則有:0≤P植被＜2/8;2/8≤P建筑＜2/8+2/8;2/8+2/8≤P水域＜2/8+2/8+1/8;2/8+2/8+1/8≤P農(nóng)田＜2/8+2/8+1/8+1/8;2/8+2/8+1/8+1/8≤P灘涂＜2/8+2/8+1/8+1/8+1/8;2/8+2/8+1/8+1/8+1/8≤P其他≤2/8+2/8+1/8+1/8+1/8+1/8。其中P為該景觀類型的映射值。

以3×3的蒙特·卡羅算法為例(圖4)，Matlab將產(chǎn)生一個隨機(jī)數(shù)P∈［0，1］，P落在圖4中的哪個區(qū)域(用黑色區(qū)域表示)，則該區(qū)域(即黑色區(qū)域)就轉(zhuǎn)變?yōu)槟姆N地物類型(在圖4中，黑色區(qū)域轉(zhuǎn)變?yōu)闉┩烤坝^區(qū)域(4))。

圖4 蒙特·卡羅算法應(yīng)用舉例Fig．4 Example for application of Monte Carlo method

通過程序?qū)鸥駭?shù)組迭代多次，選出仿真時間與實(shí)際時間的比值，然后從2000年開始預(yù)測10 a后的2010年情況。結(jié)果表明，除了人為因素影響很大的區(qū)域，該算法可以較好地對海岸線進(jìn)行預(yù)測，提取出來的海岸線與實(shí)際的類似，而主要的誤差來自于人類不確定的活動及自然因素(如新建的大型港口、填海造田、暴風(fēng)雨等)。

3．2 流程設(shè)計

本研究采用2000年獲取的防城港海域遙感圖像，對現(xiàn)有的地物類型利用蒙特·卡羅算法對鄰居下一時刻的狀態(tài)進(jìn)行判定:若下一時刻元胞的地物類型沒有改變，繼續(xù)下一次循環(huán);若元胞的地物類型改變，則生成新的元胞。然后重復(fù)以上循環(huán)，直到遍歷遙感圖像的所有元胞，產(chǎn)生新的圖像。最后整體循環(huán)一定次數(shù)后，得到預(yù)測的圖像，從而提取出預(yù)測海岸線。系統(tǒng)循環(huán)過程如圖5所示。

圖5 系統(tǒng)循環(huán)過程Fig．5 Process of the system cycle

3．3 預(yù)測結(jié)果

確定CA模型中離散時間標(biāo)準(zhǔn)是一個關(guān)鍵問題。由于CA模型中的離散時間是抽象概念，因此在海岸線模擬中必須與實(shí)際海岸線建立對應(yīng)關(guān)系。本文利用陸地、海域及灘涂數(shù)目變化(表1)來確定模型的時間標(biāo)準(zhǔn)。

表1 2000年和2010年防城港地物景觀元胞數(shù)統(tǒng)計Tab．1 Fangchenggang surface features landscape cellular several in 2000 and 2010

以2000－11－06獲取的TM/ETM+數(shù)據(jù)為基礎(chǔ)，利用CA模型運(yùn)行320次，依據(jù)2000年實(shí)際海岸線(圖3(a))預(yù)測出2010年海岸線，如圖6所示。

從表1和圖2可以看出，10 a期間陸地景觀(植被、建筑、農(nóng)田)元胞變化數(shù)為84．765 1萬，水域景觀變化數(shù)為47．739 9萬，灘涂景觀變化數(shù)為30．341 6萬，其他景觀元胞變化數(shù)為26．537 5萬。通過320次的迭代模擬，防城港植被景觀元胞數(shù)為142．870 3萬，建筑景觀元胞數(shù)為45．794 6萬，水域元胞數(shù)為92．814 2萬，農(nóng)田景觀元胞數(shù)為16．192 4萬，灘涂元胞數(shù)為30．867 3萬，其他景觀元胞數(shù)為28．571 2萬，雖然與2010年數(shù)據(jù)存在一定的差異，但是通過圖形對比，海岸線(圖6(b))已經(jīng)較為接近2010年實(shí)際海岸線(圖3(b))，可見通過這次模擬仿真可以較為準(zhǔn)確地確定模擬時間。由此可以推斷該模型運(yùn)行一次的時間約為0．031 a。

圖6 防城港2010年海岸線預(yù)測圖Fig．6 Predictive map of Fangchenggang coastline in 2010

3．4 精度檢驗

除了上述客觀因素會影響海岸線預(yù)測結(jié)果外，本次應(yīng)用的精度還受以下幾個方面的影響:

1)遙感圖像的空間與光譜分辨率。本研究僅選用Landsat TM5圖像是由于受數(shù)據(jù)源的限制。許多研究和應(yīng)用實(shí)踐已經(jīng)證明，短波紅外的TM5(光譜范圍1 550～1 750 nm)或微波波段的雷達(dá)數(shù)據(jù)都具有對水體的高度敏感性。如數(shù)據(jù)源充裕的情況下，應(yīng)綜合選用多種類的遙感數(shù)據(jù)，通過分析比較后挑選出適合目標(biāo)區(qū)的最佳波段，無疑會獲得更精確的監(jiān)測結(jié)果。TM可見光波段的空間分辨率為30 m，本研究為了減小不同波段圖像分辨率的差異，對TM數(shù)據(jù)進(jìn)行重采樣，使其分辨率統(tǒng)一為60 m;然后對TM數(shù)據(jù)進(jìn)行配準(zhǔn)，導(dǎo)致不同時相的假彩色合成圖像的分辨率僅60 m，在一定程度上降低了成果精度。

2)分類精度。本研究中監(jiān)督分類取得了較好的結(jié)果，分類精度達(dá)到90%。導(dǎo)致存在10%錯分率的主要原因是沿岸高渾濁水域與淺灘、低濕地(特別是由于泥沙沉積而新形成的墾區(qū))難以區(qū)分。若使用短波紅外或雷達(dá)數(shù)據(jù)，將有可能提高分類精度［16］。

3)圖像幾何精糾正及地圖海岸線數(shù)字化的精度(與應(yīng)用的遙感圖像比例尺有關(guān))。本研究主要使用1∶1 000 000比例尺的遙感圖像，判讀成圖是1∶500 000比例尺，控制點(diǎn)8個，幾何糾正誤差≤0．050 8個像元;故幾何誤差＜1 mm。

4)模型精度分析。本研究模型評價的方法主要分2步:①對模型預(yù)測出的各類地物元胞數(shù)量進(jìn)行評價，從數(shù)量上評價模型的精確度;②對模型預(yù)測出的各類地物的空間位置進(jìn)行判斷，說明預(yù)測模型在空間位置上的預(yù)測精度［18］。2種方法相比，數(shù)量上的精度比較簡單，由于海岸帶是一個變化復(fù)雜的狹長地帶，因此將研究區(qū)設(shè)置為沿海區(qū)域(約占陸地總面積的三分之一)，將沿海區(qū)域2010年預(yù)測的元胞數(shù)量除以2010年實(shí)際元胞數(shù)量，即得出預(yù)測模型數(shù)量上的精度。為得到空間位置上的精度，首先將2010年實(shí)際海岸線矢量圖和預(yù)測的2010年海岸線矢量圖進(jìn)行疊加(圖7)。

圖7 防城港2010年實(shí)際海岸線與預(yù)測海岸線疊加圖Fig．7 Overlap of the actual coastline and predictive coastline of Fangchenggang in 2010

圖7中，預(yù)測海岸線與實(shí)際海岸線比較，向海洋延伸的部分稱為預(yù)測淤積區(qū);向陸地延伸的部分稱為預(yù)測蝕退區(qū)。在ArcGIS軟件的支持下，通過open attribute table命令，計算出預(yù)測的2010年海岸線淤積區(qū)和蝕退區(qū)的面積分別為59．32 km2和75．85 km2，即預(yù)測的2010年海岸線與實(shí)際海岸線相比發(fā)生變化的面積為135．17 km2;將沿海區(qū)域2010年預(yù)測的陸地變化面積除以實(shí)際陸地面積，即得到空間位置精度為93．45%。

通過上述方法得出預(yù)測的2010年海岸線的數(shù)量精度為83．65%(表2)。

表2 海岸線預(yù)測精度Tab．2 Accuracies of the predictive coastline

預(yù)測結(jié)果與實(shí)際情況非常接近，雖然有部分區(qū)域存在差異，但基本上反映了海岸線空間分布趨勢，可見本文采用的時空動態(tài)約束CA模型的預(yù)測精度能夠較好地滿足海岸線預(yù)測的需要。

3．5 預(yù)測未來

從防城港2010年實(shí)際海岸線與預(yù)測海岸線疊加中可以看出(圖7)，防城港口岸附近及龍門港鎮(zhèn)以北變化較大，經(jīng)分析了解到這些區(qū)域經(jīng)濟(jì)發(fā)展迅速、人類活動頻繁，表明人類活動等因素或大或小地影響了海岸線的變化，這些因素有待考慮。為進(jìn)一步說明海岸線預(yù)測情況，可以根據(jù)2010年防城港海岸線遙感分類圖像的柵格圖(圖2(b))預(yù)測2020年防城港海岸線的變化，研究中模型迭代次數(shù)仍然為320次，預(yù)測結(jié)果如圖8所示。

圖8 防城港2020年海岸線預(yù)測圖Fig．8 Predictive map of Fangchenggang coastline in 2020

上述2次預(yù)測結(jié)果清晰地反映了防城港海岸線的變化趨勢。在數(shù)量結(jié)構(gòu)上，2000—2020期間年防城港海岸線淤積面積明顯增加，整個陸地有擴(kuò)展趨勢;在空間分布上，2000—2020年期間龍門港鎮(zhèn)以北和防城港口岸附近出現(xiàn)的淤積現(xiàn)象最為明顯;在流向上，有不少灘涂逐漸轉(zhuǎn)變?yōu)殛懙兀砻鞒鞘谢M(jìn)程不可避免地侵占了海洋、灘涂等。GIS空間分析結(jié)果(圖9)表明，2000—2010年期間，防城港海岸帶淤積面積達(dá)233．20 km2，蝕退面積達(dá) 23．86 km2。這種劇烈的土地利用變化，已經(jīng)造成一系列的資源和環(huán)境問題，如果不采取有效的治理措施，則會進(jìn)一步影響該地區(qū)的生態(tài)環(huán)境安全。

圖9 防城港2000年與2010年實(shí)際海岸線疊加圖Fig．9 Fangchenggang overlap of the actual coastline in 2000 and 2010

4 結(jié)論

1)利用CA模型預(yù)測海岸線的變化是可行的，其關(guān)鍵在于元胞迭代次數(shù)的確定。將實(shí)際海岸線和預(yù)測海岸線疊置，通過數(shù)量精度及空間位置精度分析，2010年預(yù)測的數(shù)量精度為83．65%，空間位置精度為93．45%，可見預(yù)測的海岸線跟實(shí)際的海岸線相似度很高，表明通過CA模型預(yù)測海岸線是海岸線預(yù)測的一種良好策略。

2)利用CA模型預(yù)測出來的2020年海岸線具有一定的參考價值。CA模型的預(yù)測分析結(jié)果可以為研究區(qū)土地利用規(guī)劃提供依據(jù)，幫助制定有效的土地管理措施和方針政策。

3)CA模型研究的不足之處在于元胞轉(zhuǎn)化規(guī)則的確定仍需要進(jìn)一步研究，并且需要加入更多的自然、社會因素(如人口、物流等)，以求預(yù)測結(jié)果更接近于實(shí)際情況。通過對CA模型的改進(jìn)以及轉(zhuǎn)換規(guī)則的深入研究，將可以得出更好的預(yù)測結(jié)果。然而，國內(nèi)通過CA模型對海岸線整體性研究較少，因此這方面研究具有較大的發(fā)展空間及現(xiàn)實(shí)意義。

［1］ 林愛華，岳建偉，陳路遙．海岸線變化趨勢預(yù)測方法研究與系統(tǒng)實(shí)現(xiàn)［J］．測繪科學(xué)，2009，34(4):109－110．Lin A H，Yue JW，Chen L Y．Study and realization of coastline change forecast based on GISand RS［J］．Science of Surveying and Mapping，2009，34(4):109－110．

［2］ Zhang X F，Wang Z Y．Coastline extraction from remote sensing image based on improved minimum filter［J］．Geoscience and Remote Sensing(IITA－GRS)，2010(2):44－47．

［3］ Bouchahma M，Yan W L，Ouessar M．Island coastline change detection based on image processing and remote sensing［J］．Computer and Information Science，2012(5):27－36．

［4］ 白永良，劉 展，厲 梅．基于CA模型模擬黃河口海岸線演變［J］．測繪與空間地理信息．2011，34(2):141－143．Bai Y L，Liu Z，Li M．Simulate the coastline change in the Yellow River estuary based on CA model［J］．Geomatics and Spatial Information Technology，2011，34(2):141－143．

［5］ 盛 輝，王兵兵，程義吉，等．基于CA的黃河三角洲海岸線演變預(yù)測［J］．人民黃河，2011，33(10):28－30．Sheng H，Wang B B，Cheng Y J，et al．Prediction of coastline evolution in the Yellow River delta based on cellular automata［J］．Yellow River，2011，33(10):28－30．

［6］ Couclelis H．Cellular worlds:A framework for modeling micromacro dynamics［J］．Environment and Planning A，1985，17(5):585－596．

［7］ White R，Engelen G，Uijee I．The use of constrained cellular automata for high－resolution modeling of urban land－use dynamics［J］．Environment and Planning B，1997，24(3):323－343．

［8］ 劉興權(quán)，吳 濤，甘喜慶．基于可控鄰域作用CA的城市擴(kuò)張研究［J］．國土資源遙感，2011，23(2):110－114．Liu XQ，Wu T，Gan X Q．An urban growth study based on controllable neighbor effect CA［J］．Remote Sensing for Land and Resources，2011，23(2):110－114．

［9］ 高振宇，吳學(xué)瑜，范 清，等．土地利用動態(tài)遙感監(jiān)測中的問題探析［J］．國土資源遙感，2011，23(3):20－24．Gao Z Y，Wu X Y，F(xiàn)an Q D，et al．An analysis of the problems concerning remote sensing dynamic monitoring of land use［J］．Remote Sensing for Land and Resources，2011，23(3):20－24．

［10］ 許其功，劉鴻亮，席北斗，等．三峽庫區(qū)土地利用與景觀格局變化研究［J］．環(huán)境科學(xué)與技術(shù)，2007，30(12):83－86．Xu Q G，Liu H L，Xi B D，et al．Land use and landscape pattern change in Three Georges Reservoir area［J］．Environmental Science and Technology，2007，30(12):83－86．

［11］ 黃俊芳，王讓會，師慶東．基于RS與GIS的三工河流域生態(tài)景觀格局分析［J］．干旱區(qū)研究，2004，21(1):33－37．Huang JF，Wang R H，Shi Q D．RS/GIS－based analysis on the ecological landscape patterns in the Sangong River Basin，Xinjiang［J］．Arid Zone Research，2004，21(1):33－37．

［12］ 丁麗霞，周 斌，張新剛，等．浙江大陸淤漲型海岸線的變遷遙感調(diào)查［J］．科技通報，2006，22(3):292－298．Ding L X，Zhou B，Zhang X G，et al．Continental coastline change research by remote sensing in Zhejiang Province［J］．Bulletin of Science and Technology，2006，22(3):292－298．

［13］ 朱小鴿．珠江口海岸線變化的遙感監(jiān)測［J］．海洋環(huán)境科學(xué)，2002，21(2):19－23．Zhu X G．Remote sensing monitoring of coastline changes in Pearl River Estuary［J］．Marine Environmental Science，2002，21(2):19－23．

［14］ 宮立新，金秉福，李健英．近20年來煙臺典型地區(qū)海灣海岸線的變化［J］．海洋科學(xué)，2008，32(11):64－68．Gong L X，Jin B F，Li JY．The changing of typical bay coastline in Yantai in recent 20 years［J］．Marine Sciences，2008，32(11):64－68．

［15］ Chu Z X，Sun X G，Zhai SK，et al．Changing pattern of accretion/erosion of the Modern Yellow River(Huanghe)Sbaerial Delta，China:Based on remote sensing images［J］．Marine Geology，2006，227(1/2):13－30．

［16］ 王 琳，徐涵秋，李 勝．廈門島及其鄰域海岸線變化的遙感動態(tài)監(jiān)測［［J］．遙感技術(shù)與應(yīng)用，2005，20(4):404－410．Wang L，Xu H Q，Li S．Dynamic monitoring of the shoreline changes in Xiamen island with its surrounding areas of SE China using remote sensing technology［J］．Remote Sensing Technology and Application，2005，20(4):404－410．

［17］ 陳 勇．海岸帶灘涂資源遙感應(yīng)用研究進(jìn)展［J］．遙感技術(shù)與應(yīng)用，2012，27(2):296－304．Chen Y．Advance of remote sensing application to tidal flat resource monitoring in coastal zone［J］．Remote Sensing Technology and Application，2012，27(2):296－304．

［18］ 趙冠偉，龔建周，謝建華，等．基于CA模型的城市邊緣區(qū)土地利用演變模擬——以廣州市花都區(qū)為例［J］．中國土地科學(xué)，2009，23(12):56－62．Zhao GW，Gong JZ，Xie JH，etal．Simulation of the land useevolution in urban fringe based on CA model:A case study of Huadu District，Guangzhou City［J］．China Land Science，2009，23(12):56－62．