“高分一号”卫星遥感影像面向对象的水边线提取

赵芝玲 李慧 董月娥 徐伟 王萍 荆林海

s/h3>

“高分一号”卫星遥感影像面向对象的水边线提取

赵芝玲1,2李慧2董月娥3徐伟3王萍1荆林海2

（1 山东科技大学测绘科学与工程学院，青岛 266950）（2 中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094）（3 国家海洋技术中心，天津 300112）

水边线提取对揭示沿海地区自然资源管理状况和人工海域使用程度具有重要的指示作用。文章以津冀地区沿海城市海岸带为例，选取“高分一号”卫星数据为遥感数据源，首先对数据进行了辐射校正、几何校正、影像融合和裁剪等处理，然后采用面向对象的目标提取技术自动提取了研究区内大范围的水边线，并在充分了解不同海岸类型的遥感解译标志的基础上对提取的岸线进行了分类。结果显示研究区的岸线类型主要以砂砾质岸线、养殖/盐田岸线和港口码头岸线为主。在分类结果的精度验证过程中，以与“高分一号”卫星相近时期的亚米级遥感影像为底图，以目视解译的方式从中提取高精度的海岸线，并将目视解译的结果与从“高分一号”卫星数据中提取到的岸线进行对比。通过比较发现，两者位置、长度等基本吻合，从而证明了该海岸线提取方法对高分辨率遥感影像的有效性。该方法为基于“高分一号”卫星遥感数据进行大范围海岸的水边线提取提供了技术支撑，也为实现中国海岸线的定期自动更新奠定了基础。

面向对象方法 水边线提取 岸线类型 “高分一号”卫星 遥感应用

0 引言

海岸线是地球表面上最重要的线性特征之一，具有一种动态的自然特征[1]。海岸线是划分陆地与海洋的水边界，并受地质作用、海洋泥沙淤积、气象、海洋条件和人类活动等综合因素的影响。海岸线的变化会改变潮间带的海滩资源和环境，会导致生态环境恶化，进而影响人类的生产和生活[2]。因此，研究如何快速、实时而准确地提取海岸线及识别岸线类型对沿海地区生态资源和海域使用管理具有重大 意义[3]。

传统的岸线提取手段主要有实地测量法和摄影测量法，通过量测拐点坐标并顺序连接这些点从而形成岸线[4-5]。例如，文献[5]依据海岸线测量的特点用摩托车携带差分全球定位系统（DGPS）进行海岸线的实时动态测量。尽管GPS定位技术已经使海岸线采集工作便捷了很多，但是仍需大量的野外踏勘，不利于推广大面积的岸线提取和应用。随着遥感技术的发展，很多人利用遥感影像对海岸线提取做过研究。如文献[6]针对淤泥质海岸，利用水体和陆地反射率的差异采用阈值法从TM数据中成功提取了海岸线。文献[7]利用遥感和地理信息系统集成技术评价了红树林的损坏对海岸线迁移的影响。文献[8]采用TM和ETM+数据结合改进的归一化水体指数（MNDWI）来提取海陆分界线，然后通过比较1989、2000和2010年的海岸线变化计算得到这21年来海岸在侵蚀和堆积作用下增加或减少的陆地面积。文献[9]利用印度光学遥感卫星数据监测了门戈洛尔沿岸地区4个不同年份的海岸线变化，主要用到的自动岸线检测技术是直方图均衡化和自适应阈值技术。文献[10]针对不同的海岸类型利用SPOT卫星数据提取了秦皇岛地区的水边线并结合潮位校正的方法得到真正的岸线，最后通过叠加多时相的提取结果定量分析北戴河砂砾质海岸线的变化。文献[11]利用Landsat卫星影像对唐山市近30年来5个时期的海岸带类型和长度进行解译并分析了海岸线迁移的规律，并预测唐山市海岸线长度在沿海经济迅速发展的前提下将继续增加。文献[12]探讨了海岸线的定义模糊问题，总结了传统遥感方法测量方法的局限性，并介绍了利用激光雷达数据提取水边线的广泛的应用前景。文献[13]利用4个不同时间的Landsat卫星和HJ-1A卫星数据分析杭州湾的海岸线变迁，提取了变化的位置、长度以及增加或减少的陆地面积，总结了杭州湾的岸线变化规律。文献[14]从ETM+遥感数据中提取了黄河三角洲区域淤泥质岸线和人工岸线，比较了Sobel边缘检测算子和MNDWI的海岸线提取效果，认为前者的提取精度更高。文献[15]利用WorldView-2卫星影像对研究区内不同的海岸线类型建立了不同的解译标志，并采用阈值法实现了各类海岸水边线的自动提取。文献[16]以“高分二号”（GF-2）卫星遥感数据为例，利用面向对象方法对海岸线进行了提取并将提取结果与GF-2卫星影像进行叠加验证，结果较理想。文献[3]提出了一种基于潮间带数字高程模型和潮汐模型的岸线提取方法，并通过该方法得到了真正的海岸线即大潮高潮线，该方法弥补了遥感影像只反映瞬时海岸线状态的不足。文献[17]采用SPOT-4卫星影像对河北秦皇岛地区不同类型海岸带设计了不同的提取方法，并利用同期海岸线的实地GPS测量数据验证了海岸线提取精度。从上述的海岸线研究中可以看出，遥感技术的高时效、大范围、动态性等特点克服了传统的海岸线提取方法费时费力、效率和准确性低的缺点，并逐步成为了海岸线提取的主要方法之一。

随着影像空间分辨率的提高，传统的基于像素光谱统计的目标提取技术受到限制，面向对象方法逐渐成为处理高分影像的一种主要方法，该方法也在海岸线提取中得到了普遍应用。面向对象法作为水边线自动解译方法的一种，结合目标地物本身光谱、纹理、色调、形状等特征先对图像进行分割再分类。尤其在高分辨率遥感影像中，该方法相对于其他分类方法具有较大的优势。本文以河北天津沿海地区为研究区，采用面向对象法和GIS技术相结合，提取出最新的（2015~2016年）津冀海域的水边线并统计其长度、类型以及滨海陆地类型，从而揭示河北天津地区的海岸带自然资源管理状况和人工海域使用程度，为该地区今后的发展提供参考和保障。本文所要提取的海岸线实际上是米级高分辨率遥感影像上的瞬时水边线，但真正海岸线的定义是平均大潮高潮时海陆分界的痕迹线。

1 研究区概况及数据源

1.1 区域概况

津冀沿海地区主要包括天津市和河北三市（沧州、唐山、秦皇岛）所辖行政区，见图1，毗邻北京，东临渤海，北与辽宁省葫芦岛市为邻，南与山东省滨州市为界，地理坐标位于北纬37°29′至39°，东经117°20′至119°19′，处于环渤海地区中心地带。该区拥有黄骅港、天津港、唐山港、秦皇岛港四大港口，陆域面积约3.8万平方千米，海域面积约1万平方千米。

图1 津冀沿海研究区影像叠加图

1.2 遥感数据源

以津冀沿海地区的海岸为例，选取2015~2016年的17景“高分一号”（GF-1）卫星影像覆盖整个研究区。该星搭载了2台高分辨率全色/多光谱相机（PMS）相机和4台中分辨率的宽幅相机（WFV），其中PMS相机的幅宽大于60km，WFV相机拍摄的图像幅宽大于800km，具体参数见表1。

表1 “高分一号”卫星有效载荷部分技术指标

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

本研究需要提取高精度的水边线，主要使用2m分辨率全色/8m分辨率多光谱PMS相机，重访和覆盖周期分别为4天和41天，基本能达到研究区海岸线以月为周期监测的需求。考虑到研究区冬季海水结冰的现象，在选取遥感数据时应尽量避免12月至次年2月的影像。

2 基于面向对象方法的海岸线提取

2.1 数据预处理

在应用该数据进行海岸线提取前，需要分别对全色影像和多光谱影像进行遥感预处理，主要包括辐射定标、大气校正、几何校正和图像融合、裁剪等。其中辐射定标和大气校正是为了获得目标的表观反射率，将DN值转换成具有实际物理意义的大气顶层辐射亮度或反射率。还需对GF-1卫星数据进行几何校正，把获取的所有数据都与具有准确地理坐标的Google Earth卫星影像进行同名点的选取以纠正较为明显的几何偏差。图像融合在高分辨率遥感影像的信息提取中也是极为必要的，本文对校正过的2m全色影像和8m多光谱影像进行数据融合。大气校正选用的是ENVI软件中的FLAASH模型；几何校正以0.5m Google Earth影像为参考影像，依据同名点选取的原则，采用手动选取控制点和ArcGIS软件相结合，利用二次多项式分别对全色和多光谱数据进行校正，误差控制在1个像元内；数据融合采用的是PCI软件中的Pansharp算法[18-19]，该方法能较好地保存影像的光谱纹理细节信息。图2为秦皇岛某一景影像预处理前后的影像对比图（波段4,3,2标准假彩色合成），可以看到，影像经过预处理后分辨率得到了明显提高，能够更准确地识别海岸线。

（a）原始GF-1卫星多光谱图像 （b）多光谱融合图像

2.2 海岸线位置确定

多尺度分割算法是面向对象影像信息提取技术的基础和核心，而分形网络演化方法（Fractal Net Evolution Approach，FNEA）是广泛应用的一种多尺度分割算法[20]。本文在该算法基础上提出以下技术流程，如图3所示。基于高分辨率遥感影像的面向对象海岸线提取方法主要分为三步：影像分割、分类、分类后处理（如孔洞填充和小面积区域合并等）。

图3 海岸线提取技术流程

2.2.1 多尺度影像分割

多尺度影像分割通过合并相邻的分割对象，在保证对象与对象之间异质性最小的前提下，基于区域合并技术实现影像分割[21]。在eCognition中进行多尺度分割时，首先需要选取最适当的分割尺度、波段权重、形状和紧致度参数。其中分割尺度越大生成的影像对象越大，反之越小。对提取信息用处较大的波段可以赋予较大的权重，本文在提取水体信息时可以给近红外波段赋予更大的权重，因为水体在近红外波段包含更多的光谱信息。本文主要是提取海岸线，不涉及对其他地物的分类，所以在满足一定的分割效率时可以选择相对较大的分割尺度。经过多次试验，本文最终确定分割尺度为100时效果最佳，在该分割尺度下不仅地物细节得到了较好的区分，分割时间也较短。

2.2.2 影像分类及分类后处理

为了获得海域轮廓线，只需要将影像分为海水和陆地两大类，不涉及其他地物的分类。本文采取规则分类的方法判断分割对象是否是一个类别，要提取的类别认为是目标类别，其他类别认为是背景类别，当目标类别和背景类别在某一特征上差别很大时，可以通过指定类算法来创建分类规则。此处海水为目标类别，陆地则为背景类别。

针对水体，可以在自定义特征归一化水体指数（NDWI）的基础上来建立规则，主要的理论依据是水体从可见光波段到红外波段的反射率逐渐降低，在短波段（蓝绿）反射率很强，而在近红外波段几乎全吸收且水体呈黑色，因此可用绿波段和近红外波段的反差来突出影像中的水体信息

所以，对GF-1卫星融合后影像的NDWI选择适当的阈值来分离水体和非水体，提取海水的同时会将陆地水体也提取出来，所以需要用面积特征将陆地内小面积水体从水体类别中剔除，同时将海水中船只等非水地物从非水体类别中剔除。分类过程还会受到其他因素的影响如浪花、泥沙等，对于水边线向海一侧的浪花，由于NDWI值比较低，容易误判为陆地，可以根据亮度特征和距海水距离特征把海浪从陆地类别中剔除，同时把海浪移到海水类别中。另外，由于海滩水与泥沙混合，水边线的提取容易受到泥沙影响，可以利用近红外波段特征把浅滩泥沙从陆地类别改变到海水类别中。因此，本文设计了不同影响因素下的各种海岸线提取规则，在无浪花和泥沙影响的情况下，采用的提取规则不同。

在消除各种干扰因素的影响之后，再分别对两种类别所包含的分割对象进行合并，此时影像就分为海水和非海水两类。针对大范围水边线提取，本文对研究区内不同类型海岸线自动提取方法模型进行综合和融合，构建面向对象方法自动提取水边线的分类规则，以获得整个研究区的海陆分类图。图4为研究区内两个局部区域的分类结果图，其中海水为蓝色显示，陆地为红色显示。最后把分类结果以矢量形式输出就可以提取出完整的海岸线，即确定海岸线的几何位置。

（a）区域1原图 （b）区域1分类图

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

2.3 海岸线类型识别

海岸线提取的内容包括几何位置的确定和海岸线类型的识别。通过分析海岸线在遥感影像上的特征以及海岸线与海岸类型之间的关系，本研究识别出该研究区提取的所有水边线类型。参照中国大陆岸线分类体系[22]，海岸线按形成的原因可以分为自然岸线和人工岸线两种类型，按岸线的形态又可以细分为各种不同的岸线类型。

参考不同岸线类型的遥感解译标志，结合影像光谱属性、纹理属性和类属性，本文对提取的津冀地区海岸线进行分类，并给每一段岸线赋予属性，统计完整岸线类型。解译结果表明：研究区内主要包括的海岸类型有基岩岸线、砂砾质岸线、淤泥质岸线、生物岸线等自然岸线（图5），养殖/盐田围堤岸线、港口码头岸线、城镇与工业岸线、防护岸线等人工岸线（图6）。

（a）基岩岸线 （b）淤泥质岸线 （c）砂砾质岸线 （d）生物岸线

（a）养殖/盐田岸线 （b）城镇与工业岸线 （c）港口码头岸线 （d）防护岸线

本文将自动提取的水边线与河北省和天津市的行政界线相结合，分析津冀地区海岸线类型的分布情况。津冀地区大陆海岸线东起秦皇岛市山海关区，与辽宁海域交界，南至沧州市海兴县，与山东海域交界。从图7可见，秦皇岛市的海岸线类型主要以砂砾质岸线和港口码头岸线为主，而唐山市、天津市和沧州市的海岸线主要都是以养殖/盐田岸线和港口码头岸线为主。总的来说，津冀海区的岸线类型还是比较丰富的，沿岸河流纵横，地貌复杂多样，是海水养殖、海盐生产、港口航运、城市工业化建设等人类生产活动的重要场所。其中海水养殖主要分布在乐亭县、曹妃甸新区、昌黎县和黄骅县；盐场用地主要集中在黄骅县、海兴县、乐亭县、曹妃甸新区和丰南县；港口航运用地主要集中在曹妃甸新区、乐亭县、秦皇岛海港区和天津滨海新区；城市建设和工业用地主要集中在曹妃甸新区、丰南县、唐山海港开发区、秦皇岛山海关及北戴河等地。研究海岸带类型对潮间带区域的资源有效利用和沿海地区的发展规划有着重要的指示作用。

图7 津冀地区海岸线分类图

3 结果与分析

由于本文旨在提取河北省和天津市管辖的海岸线，研究区覆盖范围较大。因此，为了保证海岸线的提取结果的精度，需要对自动提取结果进行检查和纠正。对河口岸线，人工确定河海分界线，主要原则包含以靠近河口的道路桥梁或防潮闸作为河海分界线，以河口地区地貌形态来判定河口岸线，即以河口忽然变宽处的凸起点连线作为河海分界线，存在明显行政性界限的则依据界线来确定[22]。本文在采用面向对象方法进行高分辨率遥感影像的水边线提取时依据上述原则及经验对自动提取的水边线进行优化，最后得到津冀地区沿海城市的海岸线与影像叠加图（图8）。

图8 津冀地区海岸线提取与影像叠加图

因为研究缺乏实测GPS数据，本文在同时期的亚米级Google Earth卫星影像上对研究区内海岸线进行了人工解译，通过对比自动提取的岸线长度和人工提取的岸线长度来验证上述方法的提取精度。结合已有研究资料，分别统计了津冀地区秦皇岛、唐山、天津和沧州4市的岸线长度，见表2。表2中基线为我国近海海洋综合调查与评价专项（简称908专项）修测岸线，实测时间大约为2005年前后[23]

表2 津冀地区岸线长度统计表

Tab.2 Length statistics of coastlines in Tianjin and Hebei

本研究选取的是最新的遥感数据，影像获取时间为2015年6月至2016年9月，所以本文所提取的水边线基本上可以代表我国环渤海地区部分最新岸线情况。由表2可知，每个城市的自动提取岸线长度要比人工解译的岸线长度多3~5km左右，因为自动提取岸线是利用面向对象方法，这个方法需要先把图像分割成成千上万个对象，而每个对象的边界都是锯齿状的，但人工解译的边界是较为光滑的，所以这个误差是在可允许范围内的。本文的精度验证以人工解译的岸线为准，结合目视解译的结果可以看到自动提取的岸线与实际情况基本吻合，计算得到自动提取精度可以达到97.4%。由此可见，本研究所采用的岸线提取方法是可靠有效的，为实现我国海岸线定期自动更新奠定了一定的基础。

再结合2.3节岸线类型可以看到，近十年围海养殖、盐田建设、港口码头开发和城市工业发展等大量的人工填海活动逐渐增多，使得海岸线由自然岸线向人工岸线慢慢转变，津冀地区海岸线长度增长较为明显。从表2还可以看到，本文在影像上提取的岸线长度与历史资料有些出入，主要是因为已知岸线长度并未将港口码头岸线、养殖岸线、盐田岸线等计算在内，而本研究在进行岸线提取时将其都视为海岸线的一部分，即划分标准不同所致。由图8可见，与908基线相比，2005/2006~2015/2016这十年间海岸线向海域推进了较大距离，特别是天津港、黄骅港、曹妃甸工业区这些围填海聚集区，其中唐山市曹妃甸工业区最远处向海域推进了近20km，天津港地区最远处向海域推进了约13km，黄骅港地区最远处向海域推进了14km，图中黄框区域为岸线变化明显处。而围海养殖对淤泥质及砂砾质岸线的占用也使自然岸线大量缩短，综上所述，这些建设围堤的大量增加导致了津冀地区海岸线长度的大幅度增长。

4 结束语

本文以我国津冀地区沿海城市为研究对象，采用GF-1卫星数据，通过影像预处理、融合、多尺度分割、模糊分类等方法对海水边线进行自动提取，构建了一套利用面向对象方法自动提取大范围水边线的技术流程，成功提取出河北省和天津市管辖的海岸线，并获取了岸线的几何位置、类型和长度等信息。由于部分海岸带地区现场量测困难，且研究区覆盖范围较广，所以本文结合与GF-1卫星影像同时期的亚米级遥感影像（Google Earth）进行精度验证。与目视解译结果对比不难看出，本文方法可以快速高效地提取水边线，为我国海岸线的大范围实时获取提供了可能。

但是，由于缺少验潮站数据和实测GPS数据，本文提取的海岸线其实是该时期影像的瞬时水边线。下一步研究可以针对提取的岸线进行潮位校正以获取具有实际意义的海岸线。一般情况下，人工岸线和基岩岸线受潮位影响较小，而砂砾质岸线受涨潮落潮的影响就很大，因此，砂砾质海岸必须通过潮位校正才可以得到准确的岸线位置。文献[3]已详细论述过潮位校正的方法，本文不再作解释。另外，未来的工作还可以考虑结合多时期高分辨率遥感影像监测海岸线变化，并根据定量指标分析津冀地区海岸线的变化情况。

[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] 申家双, 翟京生, 郭海涛. 海岸线提取技术研究[J]. 海洋测绘, 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] 孙伟富, 马毅, 张杰, 等. 不同类型海岸线遥感解译标志建立和提取方法研究[J]. 测绘通报, 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, 王继刚. 海岸线GPS实时动态测量技术及误差影响[J]. 测绘科学, 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] 张霞, 庄智, 张旭凯, 等. 秦皇岛市海岸线遥感提取及变化监测[J]. 遥感技术与应用, 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, 杨金霞, 等. 唐山市海岸线变化特征及环境影响效应分析[J]. 海洋通报, 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, 许军, 等. 海岸线提取技术研究进展[J]. 测绘科学技术学报, 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] 贾明明, 刘殿伟, 王宗明, 等. 面向对象方法和多源遥感数据的杭州湾海岸线提取分析[J]. 地球信息科学学报, 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, 牛铮, 赵德刚, 等. 基于ETM遥感影像的海岸线提取与验证研究[J]. 遥感技术与应用, 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] 王力彦, 李鹏, 李四海, 等. 高分辨率遥感影像海岸线提取方法研究—以WorldView-2数据为例[J]. 测绘与空间地理信息, 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] 吴小娟, 肖晨超, 崔振营, 等. “高分二号”卫星数据面向对象的海岸线提取法[J]. 航天返回与遥感, 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] 张旭凯, 张霞, 杨邦会, 等. 结合岸线类型和潮位校正的海岸线遥感提取[J]. 国土资源遥感, 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] 王伟超, 邹维宝. 高分辨率遥感影像信息提取方法综述评[J]. 北京测绘, 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] 陈忠, 赵忠明. 基于区域生长的多尺度遥感图像分割算法[J]. 计算机工程与应用, 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, 王远东, 等. 20世纪40年代以来多时相中国大陆岸线提取方法及精度评估[J]. 海洋科学, 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] 国家海洋局908专项办公室. 我国近海海洋综合调查与评价专项海岸线修测技术规程[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] 刘向阳. 基于遥感水边线的环渤海地区潮滩研究[D]. 烟台: 中国科学院海岸带研究所, 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] 吴春生, 黄翀, 刘高焕, 等. 基于遥感的环渤海地区海岸线变化及驱动力分析[J]. 海洋开发与管理, 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] 徐进勇, 张增祥, 赵晓丽, 等. 2000~2012年中国北方海岸线时空变化分析[J], 地理学报, 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)

（编辑：王丽霞）

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

赵芝玲，女，1992生，2014年获山东科技大学遥感科学与技术专业学士学位，现在山东科技大学测绘工程专业攻读硕士学位。研究方向为高分遥感图像信息提取和资源环境遥感。E-mail：471503173@qq.com。

荆林海，男，1971生，2008年获加拿大约克大学地理空间信息与遥感专业博士学位，研究员。研究方向为高分辨率遥感图像信息处理算法。E-mail：jinglh@radi.ac.cn。

2017-04-10

中国科学院“百人项目”（Y34005101A, Y2ZZ03101B）；中国科学技术部国家科技支撑计划专题（2015BAB05B05-02）；高分辨率对地观测系统重大专项（30-Y20A37-9003-15/17）；中国科学院重点部署项目（ZDRW-ZS-2016-6-1-3）；国家海洋局项目（Y21702011）