趙芝玲 李慧 董月娥 徐偉 王萍 荊林海

?s/h3>

“高分一號”衛(wèi)星遙感影像面向?qū)ο蟮乃吘€提取

趙芝玲1,2李慧2董月娥3徐偉3王萍1荊林海2

（1 山東科技大學(xué)測繪科學(xué)與工程學(xué)院，青島 266950）（2 中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室，北京 100094）（3 國家海洋技術(shù)中心，天津 300112）

水邊線提取對揭示沿海地區(qū)自然資源管理狀況和人工海域使用程度具有重要的指示作用。文章以津冀地區(qū)沿海城市海岸帶為例，選取“高分一號”衛(wèi)星數(shù)據(jù)為遙感數(shù)據(jù)源，首先對數(shù)據(jù)進(jìn)行了輻射校正、幾何校正、影像融合和裁剪等處理，然后采用面向?qū)ο蟮哪繕?biāo)提取技術(shù)自動提取了研究區(qū)內(nèi)大范圍的水邊線，并在充分了解不同海岸類型的遙感解譯標(biāo)志的基礎(chǔ)上對提取的岸線進(jìn)行了分類。結(jié)果顯示研究區(qū)的岸線類型主要以砂礫質(zhì)岸線、養(yǎng)殖/鹽田岸線和港口碼頭岸線為主。在分類結(jié)果的精度驗證過程中，以與“高分一號”衛(wèi)星相近時期的亞米級遙感影像為底圖，以目視解譯的方式從中提取高精度的海岸線，并將目視解譯的結(jié)果與從“高分一號”衛(wèi)星數(shù)據(jù)中提取到的岸線進(jìn)行對比。通過比較發(fā)現(xiàn)，兩者位置、長度等基本吻合，從而證明了該海岸線提取方法對高分辨率遙感影像的有效性。該方法為基于“高分一號”衛(wèi)星遙感數(shù)據(jù)進(jìn)行大范圍海岸的水邊線提取提供了技術(shù)支撐，也為實現(xiàn)中國海岸線的定期自動更新奠定了基礎(chǔ)。

面向?qū)ο蠓椒?水邊線提取 岸線類型 “高分一號”衛(wèi)星 遙感應(yīng)用

0 引言

海岸線是地球表面上最重要的線性特征之一，具有一種動態(tài)的自然特征[1]。海岸線是劃分陸地與海洋的水邊界，并受地質(zhì)作用、海洋泥沙淤積、氣象、海洋條件和人類活動等綜合因素的影響。海岸線的變化會改變潮間帶的海灘資源和環(huán)境，會導(dǎo)致生態(tài)環(huán)境惡化，進(jìn)而影響人類的生產(chǎn)和生活[2]。因此，研究如何快速、實時而準(zhǔn)確地提取海岸線及識別岸線類型對沿海地區(qū)生態(tài)資源和海域使用管理具有重大 意義[3]。

傳統(tǒng)的岸線提取手段主要有實地測量法和攝影測量法，通過量測拐點坐標(biāo)并順序連接這些點從而形成岸線[4-5]。例如，文獻(xiàn)[5]依據(jù)海岸線測量的特點用摩托車攜帶差分全球定位系統(tǒng)（DGPS）進(jìn)行海岸線的實時動態(tài)測量。盡管GPS定位技術(shù)已經(jīng)使海岸線采集工作便捷了很多，但是仍需大量的野外踏勘，不利于推廣大面積的岸線提取和應(yīng)用。隨著遙感技術(shù)的發(fā)展，很多人利用遙感影像對海岸線提取做過研究。如文獻(xiàn)[6]針對淤泥質(zhì)海岸，利用水體和陸地反射率的差異采用閾值法從TM數(shù)據(jù)中成功提取了海岸線。文獻(xiàn)[7]利用遙感和地理信息系統(tǒng)集成技術(shù)評價了紅樹林的損壞對海岸線遷移的影響。文獻(xiàn)[8]采用TM和ETM+數(shù)據(jù)結(jié)合改進(jìn)的歸一化水體指數(shù)（MNDWI）來提取海陸分界線，然后通過比較1989、2000和2010年的海岸線變化計算得到這21年來海岸在侵蝕和堆積作用下增加或減少的陸地面積。文獻(xiàn)[9]利用印度光學(xué)遙感衛(wèi)星數(shù)據(jù)監(jiān)測了門戈洛爾沿岸地區(qū)4個不同年份的海岸線變化，主要用到的自動岸線檢測技術(shù)是直方圖均衡化和自適應(yīng)閾值技術(shù)。文獻(xiàn)[10]針對不同的海岸類型利用SPOT衛(wèi)星數(shù)據(jù)提取了秦皇島地區(qū)的水邊線并結(jié)合潮位校正的方法得到真正的岸線，最后通過疊加多時相的提取結(jié)果定量分析北戴河砂礫質(zhì)海岸線的變化。文獻(xiàn)[11]利用Landsat衛(wèi)星影像對唐山市近30年來5個時期的海岸帶類型和長度進(jìn)行解譯并分析了海岸線遷移的規(guī)律，并預(yù)測唐山市海岸線長度在沿海經(jīng)濟(jì)迅速發(fā)展的前提下將繼續(xù)增加。文獻(xiàn)[12]探討了海岸線的定義模糊問題，總結(jié)了傳統(tǒng)遙感方法測量方法的局限性，并介紹了利用激光雷達(dá)數(shù)據(jù)提取水邊線的廣泛的應(yīng)用前景。文獻(xiàn)[13]利用4個不同時間的Landsat衛(wèi)星和HJ-1A衛(wèi)星數(shù)據(jù)分析杭州灣的海岸線變遷，提取了變化的位置、長度以及增加或減少的陸地面積，總結(jié)了杭州灣的岸線變化規(guī)律。文獻(xiàn)[14]從ETM+遙感數(shù)據(jù)中提取了黃河三角洲區(qū)域淤泥質(zhì)岸線和人工岸線，比較了Sobel邊緣檢測算子和MNDWI的海岸線提取效果，認(rèn)為前者的提取精度更高。文獻(xiàn)[15]利用WorldView-2衛(wèi)星影像對研究區(qū)內(nèi)不同的海岸線類型建立了不同的解譯標(biāo)志，并采用閾值法實現(xiàn)了各類海岸水邊線的自動提取。文獻(xiàn)[16]以“高分二號”（GF-2）衛(wèi)星遙感數(shù)據(jù)為例，利用面向?qū)ο蠓椒▽０毒€進(jìn)行了提取并將提取結(jié)果與GF-2衛(wèi)星影像進(jìn)行疊加驗證，結(jié)果較理想。文獻(xiàn)[3]提出了一種基于潮間帶數(shù)字高程模型和潮汐模型的岸線提取方法，并通過該方法得到了真正的海岸線即大潮高潮線，該方法彌補(bǔ)了遙感影像只反映瞬時海岸線狀態(tài)的不足。文獻(xiàn)[17]采用SPOT-4衛(wèi)星影像對河北秦皇島地區(qū)不同類型海岸帶設(shè)計了不同的提取方法，并利用同期海岸線的實地GPS測量數(shù)據(jù)驗證了海岸線提取精度。從上述的海岸線研究中可以看出，遙感技術(shù)的高時效、大范圍、動態(tài)性等特點克服了傳統(tǒng)的海岸線提取方法費時費力、效率和準(zhǔn)確性低的缺點，并逐步成為了海岸線提取的主要方法之一。

隨著影像空間分辨率的提高，傳統(tǒng)的基于像素光譜統(tǒng)計的目標(biāo)提取技術(shù)受到限制，面向?qū)ο蠓椒ㄖ饾u成為處理高分影像的一種主要方法，該方法也在海岸線提取中得到了普遍應(yīng)用。面向?qū)ο蠓ㄗ鳛樗吘€自動解譯方法的一種，結(jié)合目標(biāo)地物本身光譜、紋理、色調(diào)、形狀等特征先對圖像進(jìn)行分割再分類。尤其在高分辨率遙感影像中，該方法相對于其他分類方法具有較大的優(yōu)勢。本文以河北天津沿海地區(qū)為研究區(qū)，采用面向?qū)ο蠓ê虶IS技術(shù)相結(jié)合，提取出最新的（2015~2016年）津冀海域的水邊線并統(tǒng)計其長度、類型以及濱海陸地類型，從而揭示河北天津地區(qū)的海岸帶自然資源管理狀況和人工海域使用程度，為該地區(qū)今后的發(fā)展提供參考和保障。本文所要提取的海岸線實際上是米級高分辨率遙感影像上的瞬時水邊線，但真正海岸線的定義是平均大潮高潮時海陸分界的痕跡線。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 區(qū)域概況

津冀沿海地區(qū)主要包括天津市和河北三市（滄州、唐山、秦皇島）所轄行政區(qū)，見圖1，毗鄰北京，東臨渤海，北與遼寧省葫蘆島市為鄰，南與山東省濱州市為界，地理坐標(biāo)位于北緯37°29′至39°，東經(jīng)117°20′至119°19′，處于環(huán)渤海地區(qū)中心地帶。該區(qū)擁有黃驊港、天津港、唐山港、秦皇島港四大港口，陸域面積約3.8萬平方千米，海域面積約1萬平方千米。

圖1 津冀沿海研究區(qū)影像疊加圖

1.2 遙感數(shù)據(jù)源

以津冀沿海地區(qū)的海岸為例，選取2015~2016年的17景“高分一號”（GF-1）衛(wèi)星影像覆蓋整個研究區(qū)。該星搭載了2臺高分辨率全色/多光譜相機(jī)（PMS）相機(jī)和4臺中分辨率的寬幅相機(jī)（WFV），其中PMS相機(jī)的幅寬大于60km，WFV相機(jī)拍攝的圖像幅寬大于800km，具體參數(shù)見表1。

表1 “高分一號”衛(wèi)星有效載荷部分技術(shù)指標(biāo)

Tab.1 Some technical specifications of GF-1 satellite payload

本研究需要提取高精度的水邊線，主要使用2m分辨率全色/8m分辨率多光譜PMS相機(jī)，重訪和覆蓋周期分別為4天和41天，基本能達(dá)到研究區(qū)海岸線以月為周期監(jiān)測的需求?？紤]到研究區(qū)冬季海水結(jié)冰的現(xiàn)象，在選取遙感數(shù)據(jù)時應(yīng)盡量避免12月至次年2月的影像。

2 基于面向?qū)ο蠓椒ǖ暮０毒€提取

2.1 數(shù)據(jù)預(yù)處理

在應(yīng)用該數(shù)據(jù)進(jìn)行海岸線提取前，需要分別對全色影像和多光譜影像進(jìn)行遙感預(yù)處理，主要包括輻射定標(biāo)、大氣校正、幾何校正和圖像融合、裁剪等。其中輻射定標(biāo)和大氣校正是為了獲得目標(biāo)的表觀反射率，將DN值轉(zhuǎn)換成具有實際物理意義的大氣頂層輻射亮度或反射率。還需對GF-1衛(wèi)星數(shù)據(jù)進(jìn)行幾何校正，把獲取的所有數(shù)據(jù)都與具有準(zhǔn)確地理坐標(biāo)的Google Earth衛(wèi)星影像進(jìn)行同名點的選取以糾正較為明顯的幾何偏差。圖像融合在高分辨率遙感影像的信息提取中也是極為必要的，本文對校正過的2m全色影像和8m多光譜影像進(jìn)行數(shù)據(jù)融合。大氣校正選用的是ENVI軟件中的FLAASH模型；幾何校正以0.5m Google Earth影像為參考影像，依據(jù)同名點選取的原則，采用手動選取控制點和ArcGIS軟件相結(jié)合，利用二次多項式分別對全色和多光譜數(shù)據(jù)進(jìn)行校正，誤差控制在1個像元內(nèi)；數(shù)據(jù)融合采用的是PCI軟件中的Pansharp算法[18-19]，該方法能較好地保存影像的光譜紋理細(xì)節(jié)信息。圖2為秦皇島某一景影像預(yù)處理前后的影像對比圖（波段4,3,2標(biāo)準(zhǔn)假彩色合成），可以看到，影像經(jīng)過預(yù)處理后分辨率得到了明顯提高，能夠更準(zhǔn)確地識別海岸線。

（a）原始GF-1衛(wèi)星多光譜圖像 （b）多光譜融合圖像

2.2 海岸線位置確定

多尺度分割算法是面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)的基礎(chǔ)和核心，而分形網(wǎng)絡(luò)演化方法（Fractal Net Evolution Approach，F(xiàn)NEA）是廣泛應(yīng)用的一種多尺度分割算法[20]。本文在該算法基礎(chǔ)上提出以下技術(shù)流程，如圖3所示?；诟叻直媛蔬b感影像的面向?qū)ο蠛０毒€提取方法主要分為三步：影像分割、分類、分類后處理（如孔洞填充和小面積區(qū)域合并等）。

圖3 海岸線提取技術(shù)流程

2.2.1 多尺度影像分割

多尺度影像分割通過合并相鄰的分割對象，在保證對象與對象之間異質(zhì)性最小的前提下，基于區(qū)域合并技術(shù)實現(xiàn)影像分割[21]。在eCognition中進(jìn)行多尺度分割時，首先需要選取最適當(dāng)?shù)姆指畛叨?、波段?quán)重、形狀和緊致度參數(shù)。其中分割尺度越大生成的影像對象越大，反之越小。對提取信息用處較大的波段可以賦予較大的權(quán)重，本文在提取水體信息時可以給近紅外波段賦予更大的權(quán)重，因為水體在近紅外波段包含更多的光譜信息。本文主要是提取海岸線，不涉及對其他地物的分類，所以在滿足一定的分割效率時可以選擇相對較大的分割尺度。經(jīng)過多次試驗，本文最終確定分割尺度為100時效果最佳，在該分割尺度下不僅地物細(xì)節(jié)得到了較好的區(qū)分，分割時間也較短。

2.2.2 影像分類及分類后處理

為了獲得海域輪廓線，只需要將影像分為海水和陸地兩大類，不涉及其他地物的分類。本文采取規(guī)則分類的方法判斷分割對象是否是一個類別，要提取的類別認(rèn)為是目標(biāo)類別，其他類別認(rèn)為是背景類別，當(dāng)目標(biāo)類別和背景類別在某一特征上差別很大時，可以通過指定類算法來創(chuàng)建分類規(guī)則。此處海水為目標(biāo)類別，陸地則為背景類別。

針對水體，可以在自定義特征歸一化水體指數(shù)（NDWI）的基礎(chǔ)上來建立規(guī)則，主要的理論依據(jù)是水體從可見光波段到紅外波段的反射率逐漸降低，在短波段（藍(lán)綠）反射率很強(qiáng)，而在近紅外波段幾乎全吸收且水體呈黑色，因此可用綠波段和近紅外波段的反差來突出影像中的水體信息

所以，對GF-1衛(wèi)星融合后影像的NDWI選擇適當(dāng)?shù)拈撝祦矸蛛x水體和非水體，提取海水的同時會將陸地水體也提取出來，所以需要用面積特征將陸地內(nèi)小面積水體從水體類別中剔除，同時將海水中船只等非水地物從非水體類別中剔除。分類過程還會受到其他因素的影響如浪花、泥沙等，對于水邊線向海一側(cè)的浪花，由于NDWI值比較低，容易誤判為陸地，可以根據(jù)亮度特征和距海水距離特征把海浪從陸地類別中剔除，同時把海浪移到海水類別中。另外，由于海灘水與泥沙混合，水邊線的提取容易受到泥沙影響，可以利用近紅外波段特征把淺灘泥沙從陸地類別改變到海水類別中。因此，本文設(shè)計了不同影響因素下的各種海岸線提取規(guī)則，在無浪花和泥沙影響的情況下，采用的提取規(guī)則不同。

在消除各種干擾因素的影響之后，再分別對兩種類別所包含的分割對象進(jìn)行合并，此時影像就分為海水和非海水兩類。針對大范圍水邊線提取，本文對研究區(qū)內(nèi)不同類型海岸線自動提取方法模型進(jìn)行綜合和融合，構(gòu)建面向?qū)ο蠓椒ㄗ詣犹崛∷吘€的分類規(guī)則，以獲得整個研究區(qū)的海陸分類圖。圖4為研究區(qū)內(nèi)兩個局部區(qū)域的分類結(jié)果圖，其中海水為藍(lán)色顯示，陸地為紅色顯示。最后把分類結(jié)果以矢量形式輸出就可以提取出完整的海岸線，即確定海岸線的幾何位置。

（a）區(qū)域1原圖 （b）區(qū)域1分類圖

（a）Original image of region 1 （b）Classification map of region 1

2.3 海岸線類型識別

海岸線提取的內(nèi)容包括幾何位置的確定和海岸線類型的識別。通過分析海岸線在遙感影像上的特征以及海岸線與海岸類型之間的關(guān)系，本研究識別出該研究區(qū)提取的所有水邊線類型。參照中國大陸岸線分類體系[22]，海岸線按形成的原因可以分為自然岸線和人工岸線兩種類型，按岸線的形態(tài)又可以細(xì)分為各種不同的岸線類型。

參考不同岸線類型的遙感解譯標(biāo)志，結(jié)合影像光譜屬性、紋理屬性和類屬性，本文對提取的津冀地區(qū)海岸線進(jìn)行分類，并給每一段岸線賦予屬性，統(tǒng)計完整岸線類型。解譯結(jié)果表明：研究區(qū)內(nèi)主要包括的海岸類型有基巖岸線、砂礫質(zhì)岸線、淤泥質(zhì)岸線、生物岸線等自然岸線（圖5），養(yǎng)殖/鹽田圍堤岸線、港口碼頭岸線、城鎮(zhèn)與工業(yè)岸線、防護(hù)岸線等人工岸線（圖6）。

（a）基巖岸線 （b）淤泥質(zhì)岸線 （c）砂礫質(zhì)岸線 （d）生物岸線

（a）養(yǎng)殖/鹽田岸線 （b）城鎮(zhèn)與工業(yè)岸線 （c）港口碼頭岸線 （d）防護(hù)岸線

本文將自動提取的水邊線與河北省和天津市的行政界線相結(jié)合，分析津冀地區(qū)海岸線類型的分布情況。津冀地區(qū)大陸海岸線東起秦皇島市山海關(guān)區(qū)，與遼寧海域交界，南至滄州市海興縣，與山東海域交界。從圖7可見，秦皇島市的海岸線類型主要以砂礫質(zhì)岸線和港口碼頭岸線為主，而唐山市、天津市和滄州市的海岸線主要都是以養(yǎng)殖/鹽田岸線和港口碼頭岸線為主?？偟膩碚f，津冀海區(qū)的岸線類型還是比較豐富的，沿岸河流縱橫，地貌復(fù)雜多樣，是海水養(yǎng)殖、海鹽生產(chǎn)、港口航運、城市工業(yè)化建設(shè)等人類生產(chǎn)活動的重要場所。其中海水養(yǎng)殖主要分布在樂亭縣、曹妃甸新區(qū)、昌黎縣和黃驊縣；鹽場用地主要集中在黃驊縣、海興縣、樂亭縣、曹妃甸新區(qū)和豐南縣；港口航運用地主要集中在曹妃甸新區(qū)、樂亭縣、秦皇島海港區(qū)和天津濱海新區(qū)；城市建設(shè)和工業(yè)用地主要集中在曹妃甸新區(qū)、豐南縣、唐山海港開發(fā)區(qū)、秦皇島山海關(guān)及北戴河等地。研究海岸帶類型對潮間帶區(qū)域的資源有效利用和沿海地區(qū)的發(fā)展規(guī)劃有著重要的指示作用。

圖7 津冀地區(qū)海岸線分類圖

3 結(jié)果與分析

由于本文旨在提取河北省和天津市管轄的海岸線，研究區(qū)覆蓋范圍較大。因此，為了保證海岸線的提取結(jié)果的精度，需要對自動提取結(jié)果進(jìn)行檢查和糾正。對河口岸線，人工確定河海分界線，主要原則包含以靠近河口的道路橋梁或防潮閘作為河海分界線，以河口地區(qū)地貌形態(tài)來判定河口岸線，即以河口忽然變寬處的凸起點連線作為河海分界線，存在明顯行政性界限的則依據(jù)界線來確定[22]。本文在采用面向?qū)ο蠓椒ㄟM(jìn)行高分辨率遙感影像的水邊線提取時依據(jù)上述原則及經(jīng)驗對自動提取的水邊線進(jìn)行優(yōu)化，最后得到津冀地區(qū)沿海城市的海岸線與影像疊加圖（圖8）。

圖8 津冀地區(qū)海岸線提取與影像疊加圖

因為研究缺乏實測GPS數(shù)據(jù)，本文在同時期的亞米級Google Earth衛(wèi)星影像上對研究區(qū)內(nèi)海岸線進(jìn)行了人工解譯，通過對比自動提取的岸線長度和人工提取的岸線長度來驗證上述方法的提取精度。結(jié)合已有研究資料，分別統(tǒng)計了津冀地區(qū)秦皇島、唐山、天津和滄州4市的岸線長度，見表2。表2中基線為我國近海海洋綜合調(diào)查與評價專項（簡稱908專項）修測岸線，實測時間大約為2005年前后[23]

表2 津冀地區(qū)岸線長度統(tǒng)計表

Tab.2 Length statistics of coastlines in Tianjin and Hebei

本研究選取的是最新的遙感數(shù)據(jù)，影像獲取時間為2015年6月至2016年9月，所以本文所提取的水邊線基本上可以代表我國環(huán)渤海地區(qū)部分最新岸線情況。由表2可知，每個城市的自動提取岸線長度要比人工解譯的岸線長度多3~5km左右，因為自動提取岸線是利用面向?qū)ο蠓椒?，這個方法需要先把圖像分割成成千上萬個對象，而每個對象的邊界都是鋸齒狀的，但人工解譯的邊界是較為光滑的，所以這個誤差是在可允許范圍內(nèi)的。本文的精度驗證以人工解譯的岸線為準(zhǔn)，結(jié)合目視解譯的結(jié)果可以看到自動提取的岸線與實際情況基本吻合，計算得到自動提取精度可以達(dá)到97.4%。由此可見，本研究所采用的岸線提取方法是可靠有效的，為實現(xiàn)我國海岸線定期自動更新奠定了一定的基礎(chǔ)。

再結(jié)合2.3節(jié)岸線類型可以看到，近十年圍海養(yǎng)殖、鹽田建設(shè)、港口碼頭開發(fā)和城市工業(yè)發(fā)展等大量的人工填?；顒又饾u增多，使得海岸線由自然岸線向人工岸線慢慢轉(zhuǎn)變，津冀地區(qū)海岸線長度增長較為明顯。從表2還可以看到，本文在影像上提取的岸線長度與歷史資料有些出入，主要是因為已知岸線長度并未將港口碼頭岸線、養(yǎng)殖岸線、鹽田岸線等計算在內(nèi)，而本研究在進(jìn)行岸線提取時將其都視為海岸線的一部分，即劃分標(biāo)準(zhǔn)不同所致。由圖8可見，與908基線相比，2005/2006~2015/2016這十年間海岸線向海域推進(jìn)了較大距離，特別是天津港、黃驊港、曹妃甸工業(yè)區(qū)這些圍填海聚集區(qū)，其中唐山市曹妃甸工業(yè)區(qū)最遠(yuǎn)處向海域推進(jìn)了近20km，天津港地區(qū)最遠(yuǎn)處向海域推進(jìn)了約13km，黃驊港地區(qū)最遠(yuǎn)處向海域推進(jìn)了14km，圖中黃框區(qū)域為岸線變化明顯處。而圍海養(yǎng)殖對淤泥質(zhì)及砂礫質(zhì)岸線的占用也使自然岸線大量縮短，綜上所述，這些建設(shè)圍堤的大量增加導(dǎo)致了津冀地區(qū)海岸線長度的大幅度增長。

4 結(jié)束語

本文以我國津冀地區(qū)沿海城市為研究對象，采用GF-1衛(wèi)星數(shù)據(jù)，通過影像預(yù)處理、融合、多尺度分割、模糊分類等方法對海水邊線進(jìn)行自動提取，構(gòu)建了一套利用面向?qū)ο蠓椒ㄗ詣犹崛〈蠓秶吘€的技術(shù)流程，成功提取出河北省和天津市管轄的海岸線，并獲取了岸線的幾何位置、類型和長度等信息。由于部分海岸帶地區(qū)現(xiàn)場量測困難，且研究區(qū)覆蓋范圍較廣，所以本文結(jié)合與GF-1衛(wèi)星影像同時期的亞米級遙感影像（Google Earth）進(jìn)行精度驗證。與目視解譯結(jié)果對比不難看出，本文方法可以快速高效地提取水邊線，為我國海岸線的大范圍實時獲取提供了可能。

但是，由于缺少驗潮站數(shù)據(jù)和實測GPS數(shù)據(jù)，本文提取的海岸線其實是該時期影像的瞬時水邊線。下一步研究可以針對提取的岸線進(jìn)行潮位校正以獲取具有實際意義的海岸線。一般情況下，人工岸線和基巖岸線受潮位影響較小，而砂礫質(zhì)岸線受漲潮落潮的影響就很大，因此，砂礫質(zhì)海岸必須通過潮位校正才可以得到準(zhǔn)確的岸線位置。文獻(xiàn)[3]已詳細(xì)論述過潮位校正的方法，本文不再作解釋。另外，未來的工作還可以考慮結(jié)合多時期高分辨率遙感影像監(jiān)測海岸線變化，并根據(jù)定量指標(biāo)分析津冀地區(qū)海岸線的變化情況。

[1] ALESHEIKH A A, GHORBANALI A, NOURI N. Coastline Change Detection Using Remote Sensing[J]. International Journal of Environment Science and Technology, 2007, 4(1): 61-66.

[2] HU X C, QIN Z H, WANG J H, et al. Coastline Extraction on Remote Sensing Image Using Gaussian Process Classification [C]. International Conference on Electromechanical Control Technology and Transportation, 2015: 392-395.

[3] 申家雙, 翟京生, 郭海濤. 海岸線提取技術(shù)研究[J]. 海洋測繪, 2009, 29(6): 74-77. SHENG Jiashuang, ZHAI Jingsheng, GUO Haitao. Study on Coastline Extraction Technology[J]. Hydrographic Surveying and Charting, 2009, 29(6): 74-77.(in Chinese)

[4] 孫偉富, 馬毅, 張杰, 等. 不同類型海岸線遙感解譯標(biāo)志建立和提取方法研究[J]. 測繪通報, 2011(3): 41-44. SUN Weifu, MA Yi, ZHANG Jie, et al. Study of Remote Sensing Interpretation Keys and Extraction Technique of Different Types of Shoreline[J]. Bulletin of Surveying and Mapping, 2011(3): 41-44. (in Chinese)

[5] 周立, 王繼剛. 海岸線GPS實時動態(tài)測量技術(shù)及誤差影響[J]. 測繪科學(xué), 2008, 33(3): 9-12. ZHOU Li, WANG Jigang. Coastline Surveying & Error Influencing Based on GPS Real Time Kinematics[J]. Science of Surveying and Mapping, 2008, 33(3): 9-12. (in Chinese)

[6] RYU J H, WON J S, MIN K D. Water Extraction from Landsat TM Data in a Tidal Flat: A Case Study in Gomso Bay, Korea[J]. Remote Sensing of Environment, 2002, 83(3): 442-456.

[7] D’LORIO M M. Mangroves and Shoreline Change on Molokai, Hawaii: Assessing the Role of Introduced Rhizophora Mangle in Sediment Dynamics and Coastal Change Using Remote Sensing and GIS[D]. Santa Cruz: University of California, Santa Cruz, 2003.

[8] GHOSH M K, KUMAR L, ROY C. Monitoring the Coastline Change of Hatiya Island in Bangladesh Using Remote Sensing Techniques[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2015, 101: 137-144.

[9] AEDLA R, DWARAKISH G S, REDDY D V. Automatic Shoreline Detection and Change Detection Analysis of Netravati-gurpur Rivermouth Using Histogram Equalization and Adaptive Thresholding Techniques[J]. Aquatic Procedia, 2015, 4(nr 2): 563-570.

[10] 張霞, 莊智, 張旭凱, 等. 秦皇島市海岸線遙感提取及變化監(jiān)測[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(4): 625-630. ZHANG Xia, ZHUANG Zhi, ZHANG Xukai, et al. Coastline Extraction and Change Monitoring by Remote Sensing Technology in Qinhuangdao City[J]. Remote Sensing Technology and Application, 2014, 29(4): 625-630. (in Chinese)

[11] 方成, 王小丹, 楊金霞, 等. 唐山市海岸線變化特征及環(huán)境影響效應(yīng)分析[J]. 海洋通報, 2014, 33(4): 419-427. FANG Cheng, WANG Xiaodan, YANG Jinxia, et al. Analysis of Shoreline Changes and Environmental Impact Effects in Tangshan City[J]. Marine Science Bulliten, 2014, 33(4): 419-427. (in Chinese)

[12] 于彩霞, 王家耀, 許軍, 等. 海岸線提取技術(shù)研究進(jìn)展[J]. 測繪科學(xué)技術(shù)學(xué)報, 2014, 31(3): 305-309. YU Caixia, WANG Jiayao, XU jun, et al. Advanced of Coastline Extraction Technology[J]. Journal of Geomatics Science and Technology, 2014, 31(3): 305-309. (in Chinese)

[13] 賈明明, 劉殿偉, 王宗明, 等. 面向?qū)ο蠓椒ê投嘣催b感數(shù)據(jù)的杭州灣海岸線提取分析[J]. 地球信息科學(xué)學(xué)報, 2013, 15(2): 262-269. JIA Mingming, LIU Dianwei, WANG Zongming, et al. Coastline Changes in Hangzhou Bay Based on Object-oriented Method Using Multi-source Remote Sensing Data[J]. Journal of Geo-information Science, 2013, 15(2): 262-269. (in Chinese)

[14] 王李娟, 牛錚, 趙德剛, 等. 基于ETM遙感影像的海岸線提取與驗證研究[J]. 遙感技術(shù)與應(yīng)用, 2010, 25(2): 235-239. WANG Lijuan, NIUZheng, ZHAO Degang, et al. The Study of Coastline Extraction and Validation Using ETM Remote Sensing Image[J]. Remote Sensing Technology and Application, 2010, 25(2): 235-239. (in Chinese)

[15] 王力彥, 李鵬, 李四海, 等. 高分辨率遙感影像海岸線提取方法研究—以WorldView-2數(shù)據(jù)為例[J]. 測繪與空間地理信息, 2016, 39(10): 75-78. WANG Liyan, LI Peng, LI Sihai, et al. Study on Coastline Extraction of High Spatial Resolution Images: Take the WorldView-2 Data for Example [J]. Geomatics & Spatial Information Technology, 2016, 39(10): 75-78. (in Chinese)

[16] 吳小娟, 肖晨超, 崔振營, 等. “高分二號”衛(wèi)星數(shù)據(jù)面向?qū)ο蟮暮０毒€提取法[J]. 航天返回與遙感, 2015, 36(4): 84-92. WU Xiaojuan, XIAO Chenchao, CUI Zhenying, et al. Coastline Extraction Based on Object-oriented Method Using GF-2 Satellite Data[J]. Spacecraft Recovery & Remote Sensing, 2015, 36(4): 84-92. (in Chinese)

[17] 張旭凱, 張霞, 楊邦會, 等. 結(jié)合岸線類型和潮位校正的海岸線遙感提取[J]. 國土資源遙感, 2013, 25(4): 91-97. ZHANG Xukai, ZHANG Xia, YANG Banghui, et al. Coastline Extraction Using Remote Sensing Based on Coastal Type and Tidal Correction[J]. Remote Sensing for Land & Resources, 2013, 25(4): 91-97. (in Chinese)

[18] ZHANG Y. Problems in the Fusion of Commercial High-resolution Satellite As Well As Landsat 7 Images and Initial Solutions[C]. GeoSpatial Theory, Processing and Applications, Ottawa, Canada, 2002.

[19] ZHANG Y A. New Automatic Approach for Effectively Fusing Landsat 7 as well as IKONOS Images[C]. IGARSS, Toronto, Canada, 2002.

[20] 王偉超, 鄒維寶. 高分辨率遙感影像信息提取方法綜述評[J]. 北京測繪, 2013(4): 1-5. WANG Weichao, ZOU Weibao. Methods of Extraction in High Resolution Remote Sensing Image Information[J]. Beijing Surveying and Mapping, 2013(4): 1-5. (in Chinese)

[21] 陳忠, 趙忠明. 基于區(qū)域生長的多尺度遙感圖像分割算法[J]. 計算機(jī)工程與應(yīng)用, 2005, 41(35): 7-9. CHEN Zhong, ZHAO Zhongming. A Multi-scale Remote Sensing Image Segmentation Algorithm Based on Region Growing[J]. Computer Engineering and Applications, 2005, 41(35): 7-9. (in Chinese)

[22] 侯西勇, 毋亭, 王遠(yuǎn)東, 等. 20世紀(jì)40年代以來多時相中國大陸岸線提取方法及精度評估[J]. 海洋科學(xué), 2014, 38(11): 66-73. HOU Xiyong, WU Ting, WANG Yuandong, et al. Extracction and Accuracy Evaluation of Multi-temporal Coastlines of Mainland China since 1940s[J]. Marine Sciences, 2014, 38(11): 66-73. (in Chinese)

[23] 國家海洋局908專項辦公室. 我國近海海洋綜合調(diào)查與評價專項海岸線修測技術(shù)規(guī)程[M]. 北京: 海洋出版社, 2007. Special Office of the China National Marine Bureau, 908. China’s Offshore Marine Integrated Investigation and Evaluation of Specific Coastline Revision Technology Procedures[M]. Beijing: China Ocean Press, 2007. (in Chinese)

[24] 劉向陽. 基于遙感水邊線的環(huán)渤海地區(qū)潮灘研究[D]. 煙臺: 中國科學(xué)院海岸帶研究所, 2016. LIU Xiangyang. Study on Tidal Flats in the Bohai Rim Based on Remote Sensing Waterlines[D]. Yantai：Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, 2016. (in Chinese)

[25] 吳春生, 黃翀, 劉高煥, 等. 基于遙感的環(huán)渤海地區(qū)海岸線變化及驅(qū)動力分析[J]. 海洋開發(fā)與管理, 2015(5): 30-36. WU Chunsheng, HUANG Chong, LIU Gaohuan, et al. Analysis of Coastline Change and Driving Forces in Bohai Region Based on Remote Sensing[J]. Ocean Development and Management, 2015(5): 30-36. (in Chinese)

[26] 徐進(jìn)勇, 張增祥, 趙曉麗, 等. 2000~2012年中國北方海岸線時空變化分析[J], 地理學(xué)報, 2013, 68(5): 651-660. XU Jinyong, ZHANG Zengxiang, ZHAO Xiaoli, et al. Spatial-temporal Analysis of Coastline Changes in Northern China from 2000 to 2012[J]. Acta Geographica Sinica, 2013, 68(5): 651-660. (in Chinese)

（編輯：王麗霞）

Object-oriented Waterline Extraction Based on GF-1 Satellite Remote Sensing Images

ZHAO Zhiling1,2LI Hui2DONG Yue’e3XU Wei3WANG Ping1JING Linhai2

（1 College of Geosciences, Shandong University of Science and Technology, Qingdao 266590, China）（2 Key Laboratory of Digital Earth, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences，Beijing100094, China）（3 National Ocean Technology Center, Tianjin 300112, China)

Waterline extraction is significant to reveal the management of natural resources in coastal areas and the utilization degree of artificial coastal zones. In this research, the coastal zones in Tianjin and Hebei province are selected as the study areas. Based on GF-1 satellite data, the following processes are performed，such as radiometric correction, geometric correction, image fusion and subseting. Then, a wide range of waterline in study area is automatically extracted using object-oriented method. After that, the extracted coastline is classified based on the remote sensing interpretation symbols of different coastal types. The results show that coastline types in study area are mainly sandy coast, aquaculture/saltern coast and harbor dock coast. With contemporaneous submeter remote sensing data (Google Earth images), the coastline is also precisely extracted by visual interpretation. Finally, by comparison of the results obtained from GF-1satellite images and Google Earth images, the position and length of extracted coastline are verified, which proves that this method is effective for coastline extraction of high resolution remote sensing images. This method provides a technical support for the large-scale waterline extraction based on domestic independent high resolution remote sensing data, and lays a foundation for the accomplishing of the automatic updating of the coastline in China.

object-oriented method; waterline extraction; coastal types; GF-1 satellite; remote sensing application

TP 79

A

1009-8518(2017)04-0106-11

10.3969/j.issn.1009-8518.2017.04.013

趙芝玲，女，1992生，2014年獲山東科技大學(xué)遙感科學(xué)與技術(shù)專業(yè)學(xué)士學(xué)位，現(xiàn)在山東科技大學(xué)測繪工程專業(yè)攻讀碩士學(xué)位。研究方向為高分遙感圖像信息提取和資源環(huán)境遙感。E-mail：471503173@qq.com。

荊林海，男，1971生，2008年獲加拿大約克大學(xué)地理空間信息與遙感專業(yè)博士學(xué)位，研究員。研究方向為高分辨率遙感圖像信息處理算法。E-mail：jinglh@radi.ac.cn。

2017-04-10

中國科學(xué)院“百人項目”（Y34005101A, Y2ZZ03101B）；中國科學(xué)技術(shù)部國家科技支撐計劃專題（2015BAB05B05-02）；高分辨率對地觀測系統(tǒng)重大專項（30-Y20A37-9003-15/17）；中國科學(xué)院重點部署項目（ZDRW-ZS-2016-6-1-3）；國家海洋局項目（Y21702011）