基于厦门岛的海岸线自动提取方法研究

齐宇，任航科

(福建省国土测绘院，福建 厦门 361012)

1 引言

海岸线是指海面与陆地接触的分界线它随潮水的涨落而变动位置，一般指高潮面与陆地的交界线.海岸线从形态上看，有曲有直。如何快速而又准确地测定海岸线，对于海岸资源管理、开发，为决策部门提供动态的、科学的、及时有效的信息，具有十分重要的意义，而利用遥感技术可以快速又准确的测定海岸线［1］。

2 遥感影像处理

2.1 影像辐射校正

本次研究选用了覆盖厦门岛的Landsat TM影像和SPOT多波段影像和SPOT全色波段影像数据。使用相近潮位时相的TM数据和SPOT数据，保证了本次研究的数据比较的精准度。TM和SPOT遥感数据的资料及其潮位时间如表1所示。

TM和SPOT遥感资料与其潮位时间 表1

进行辐射校正的目的主要是消除大气，太阳高度角，视角和地形等对地面光谱反射信号的影像，提高影像的精度。3幅影像的每个波段做大气辐射校正，以消除大气干扰的影响，从而保证海岸带目视解译以及检测的精度。

2.2 影像配准

利用ENVI软件，在对偶的模式下，在影像图和厦门市1∶1万的地形图上找出明显地物点(主要是水系和道路)作为控制点，分别对TM影像和SPOT多波段影像和全色影像进行几何精校正。

几何精校正的校正系统采用最小二乘法计算。校正方程根据控制点选取情况采用两次多项式进行，几何精校正误差RMS为0.44，满足精度要求。像元重采样采用双线形插值法。影像的投影坐标系采用高斯—克吕格投影和1954年北京坐标系［2］。

2.3 影像融合处理

本文采用的融合方法［3］:先在ENVI里将SPOT的多波段和全色波段的影像统一重采样成2.5 m分辨率。经过正射校正的两幅影像的投影坐标系均采用高斯—克吕格投影和1954年北京坐标系。将SPOT多波段影像的所有波段进行主成分变换，然后用SPOT高分辨率的全色波段影像代替变换后多波段影像的第一主成分。将代换后的所有波段再做一次主成分变换的反变换。这种处理方法复合了影像高空间分辨率和影像多光谱信息，大大提高了数据质量。

2.4 影像的增强处理

传感器获取的遥感影像含有大量地物特征信息，在图像上这些地物特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，判读就无法辨认，而图像增强的方法可以突显这种微小灰度差的地物特征，其实质就是增强感兴趣地物和周围地物图像间的反差［4］。

由于进行过辐射校正过后的影像，灰度分布范围狭窄，对比度不强，亮度偏低，融合后依然比较模糊，整体发暗，无法辨认各种地物，因此需要对试验区的影像作了适当的增强处理。本文对三个波段的TM原始影像，分别做了线性拉伸，使各波段的灰度范围加宽，提高图像的对比度。线性拉伸方程式为:

其中，a1，a2为a波段(Xa轴)最小、最大灰度值，增强后表示在Xb轴，b1、b2为最小、最大值。通过这次拉伸变换，原图像较窄的直方图变宽了。

3 海岸带类型的判读

3.1 室内预判读

在室内分析遥感影像，根据不同影像特征(色调、形状、走向、纹理、组合图案等)在SPOT影像上和TM影像上勾绘出海岸带类型图斑，结合专业知识和基础资料对各图斑所属类型作预判断并做好记录，重点记录有争议的和不太明确的图斑，并标注于厦门市交通图上，使之有利于进行实地验证。

3.2 野外考察

实地验证室内判读的正确性。利用厦门市交通图，制定踏查路线，驾车环岛进行野外踏勘考察。重点观察标注于交通图上有争议的和不太明确的图斑，弄清判读中有疑问的类型，并沿途记录采集实地照片。通过野外考察发现厦门西海岸主要分布码头类海岸，而厦门的东海岸主要分布沙滩质海岸。

3.3 室内再判读

通过野外考察采集回来的照片，确定有争议图斑的类型，完成遥感影像图建立影像图和海岸带类型的对应关系，即判读标志，如表2所示。

主要海岸类型和判读标志 表2

由于经过处理后的SPOT影像表现海岸类型的效果清晰，海岸带类型容易辨别，因此可以作为海陆分界提取精度检验的影像。

4 提取海岸线信息

4.1 方法的选取

利用遥感图像进行海岸线提取的实质是遥感图像边缘的提取。目前遥感图像中海岸线的解译有两种方法:目视解译和自动解译。目视解译是通过人机交互方式把海岸线描绘出来并保存成线性矢量图层。方法简单，但存在人为的误差。自动解译是将岸线作为边缘检测出来。边缘检测的方法很多，最常用的是各种边缘算子，如sobel，robert算子等，也有人提出用指数滤波器、局部结构信息和小波变换［5］等方法来检测图像边缘。

利用上文提及的TM和SPOT影像的融合增强图，提取海岸线的过程中采用以下所述的两种方法将海岸线两侧的地表覆盖类型提取出来。并利用高空间分辨率的SPOT影像对白城沙滩、东渡码头、集美大桥、轮渡环岛路4个实验区解译结果进行精度验证，比较两种方法各自适用于哪种海岸带类型。

(1)修正归一化水体指数MNDWI结合阈值法［6］

修正归一化水体指数是徐涵秋对McFeeters的归一化水体指数NDWI［7］进行修正后提出的。它解决了McFeeters的原指数无法区别水体和建筑用地信息的问题;其数学表达式为:

MNDWI=(GREEN－MIR)/(GREEN+MIR)

其中:MIR和GREEN分别代表中红外波段和绿光波段的反射率，对Landsat卫星而言，分别代表TM的2和5波段。

利用ENVI软件先对TM提取修正归一化水体指数MNDWI，以方便地通过设定某一海水的MNDWI阈值来实现。阈值的选取是以尽可能完整、准确地显示出水域信息，最大限度的掩蔽非水体信息为原则的。在通过阈值分割提取水域的基础上，我们进一步采用掩膜法剔除了内陆水域的干扰信息。最后为了利于后面的精度分析，我们将所得的影像进行了栅格矢量化，保存矢量格式的海岸线。

(2)ISODATA预分类非监督分类法［8］

利用ENVI软件先对TM影像运用自组织迭代算法(ISODATA)进行预分类，预分类的结果使得具有邻近光谱值的地物相聚并赋予同一颜色，然后在计算机预分类结果的基础上进行分类合并，把计算机自动分成的7个类合并成海域与非海域两个类型，其两类的界限即为海岸线。如图2所示，水域信息反映成绿色。我们在可将重分类后的图进行分类影像矢量化，以利于后面的精度分析。

4.2 处理影像分析

利用上述方法处理后的影像如图1和图2所示。

图1 TM的MNDWI指数影像

图2 TM的ISODATA法分类影像

如图1可以看出，利用以上的修正归一化水体指数公式MNDWI指数能够很好地将水体和陆地分开来，水体在MNDWI影像上表现出高亮度，所对应的MNDWI值高;而非水体部分，如灌木林，旱地和城市建设用地等则表现的很暗淡，其MNDWI值很低，与水体相比差异很大。

如图2可以看出，研究区域被自动分类成彩色的7种类型，水域表现为绿色，而厦门岛内的其他地物被赋予其他的6种颜色。为了高效的提取出海岸线的范围，我们选择将影像进行重分类，即分为海域和非海域两大类。

4.3 精度分析

精度分析是在对成果进行定性评价的基础上的定量分析。本次研究利用实地验证和和较大比例尺的影像或相关材料进行验证。通过实地调查得出，厦门海岸带的类型主要分成沙滩质海岸带和人工类型海岸。因此，本文利用两种实验生成的矢量海岸线叠加到原始的高分辨率融合SPOT影像图上，通过目视检验法，检验生成的矢量海岸线与实际海岸线的切合程度。验证前先在ArcView中导入之前处理过的高空间分辨率SPOT影像，再将白城沙滩、东渡码头、集美大桥、轮渡环岛路4个实验区的两份矢量数据叠加在SPOT影像上。表3列出了用两种方法提取的4个区域海岸线与SPOT影像套合精度情况。

不同方法提取精度比较 表3

如表3所示的4幅图中我们可以看出:东渡码头，轮渡环岛路，白线实际海岸线切合效果较好。对于天然海岸，例如沙滩，黑线实际海岸线切合效果较好。集美大桥这张图我们可以看出，黑线较准确地把大桥的轮廓勾勒出来，而白线不能表现桥的类型。由此可以看出对于人工海岸使用ISODATA预分类非监督分类法提取海岸线的方法比较好，对于天然海岸使用归一化水体指数MNDWI来进行提取海岸线的效果好，对于桥类型适用归一化水体指数MNDWI来进行提取桥轮廓。

在每个实验区中分别把两种方法得到的矢量线与SPOT影像进行叠加，并记录各实验区最优海岸矢量线与SPOT影像上海岸线的最大误差，如表4所示。本次研究使用TM数据实现两种方法的海岸线自动提取，若误差大于30 m，则属于误判;若不是则属于容许误差范围内。根据ArcView软件的量测结果，各实验区的最优海岸矢量线的最大误差均在容许误判率之内。同样如果利用2组高分辨率影像如SPOT影像和快鸟影像做本次实验则可以大大降低本提取海岸线的最大误差数。

各实验区的矢量海岸线与SPOT影像海岸线的最大误差数 表4

5 结语

利用多时相卫星遥感影像变化检测技术可以快速、有效地对厦门海域岸线空间变化情况进行及时、准确地动态监测，有利于决策者对厦门沿岸水域和陆域做合理的布局与安排。对于显示效果来说，相近时相的SPOT全色波段影像的高空间分辨率与SPOT多波段影像进行融合后，表现海岸类型的效果清晰，有利于海岸带类型的辨别，可以作为海岸带制图或者作为其他类型地图的参考标准;从提取结果来说，ISODATA预分类结合监督分类法适用于人工海岸的海岸线提取;采用修正归一化水体指数MNDWI来进行提取适用于提取天然海岸和的海岸线;采用修正归一化水体指数MNDWI进行桥类的提取。

本文提出，利用TM或ETM资料，进行中小比例尺范围内的海岸线遥感测绘是可行的。只要有合适的潮位遥感数据，根据不同的海岸带类型选取适应其特征的海岸线提取的方法，就可以发挥其快速高效而且低成本的特性，满足海岸线信息解译工作的需要，是一种可靠而有效的海岸线信息获取方法［9］。

［1］杨金中，李志中，赵玉灵.杭州湾南北两岸岸线变迁遥感动态调查［J］.国土资源遥感，2002(01)，13～28.

［2］孙美仙，张伟.福建省海岸线遥感调查方法及其应用研究［J］.台湾海峡，2004，23(2):213～218.

［3］赵英时，陈冬梅，李小文.遥感应用分析原理和方法［M］.北京:科学出版社，2004.

［4］Thomas M.Lillesand，Ralph W.Kiefer.遥感与图像解译［M］.北京:电子工业出版社，2003，343～344.

［5］邵巨良，李德仁.小波理论及其在影像边缘检测中的应用［J］.测绘学报，1993，22(2):111～120.

［6］王琳，徐涵秋，李胜.厦门岛及其邻域海岸线变化的遥感动态监测［J］.遥感技术与应用，2005，20(4):404～410.

［7］McFeeters S.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features［J］.International Journal of Remote Sensing，1996，17(7):1425～1432.

［8］张鹰，邱永红.海岸带地物特征的遥感信息提取方法［J］.海洋预报，2002，19(3):14～21.

［9］杜云艳，周成虎.水体的遥感信息自动提取方法［J］.遥感学报，1998，2(4):264 ～269.