基于监督分类和多源遥感数据的珠海市海岸线提取

俎金言

摘 要：为了更好平衡珠海市城市建设与海岸线生态环境，本文以珠海市10年为界限，基于2005年、2009年、2016年三期珠海遥感landsat8以及landsat5图像，对珠海市区域进行海岸线的提取与分析。由于传统的归一化水体指数易受近岸水体以及建筑物的影像，为此，采用改进的采用归一化水体指数（MNDWI）与支持向量机（SVM）的方法进行水陆分离并对结果进行交叉处理。经过对提取的海岸线分析，发现近十年来，2009到2016的海岸线开发速率较高，主要开发集中在珠海东岸，经过实地调查，发现人工岸线增长最高，其中增长最多的为港口码头，总表现为海产养殖区的建立，填海造陆等。

关键词：遥感；海岸线；珠海；MNDWI；SVM

中图分类号：P715.7 文献标识码：A 文章编号：1671-2064（2018）22-0182-02

海岸线是划分陆地与海洋的分界基准线。自然因素和人为因素都可能导致海岸线的扩展或退缩，进而带来一系列近海岸的生态环境问题，如海岸带的污染、海岸带生物多样性遭到破坏等。珠海市位于广东省西南部的沿海城市，是珠江三角洲海陆运输的交通要地。近年来，随着人类活动逐渐剧烈，在对城市的不断发展以及扩建中，珠海市海岸线的增长趋势为向海推移，包括填海造陆，建立海产养殖区，修建码头等，对其沿海生态环境造成了很严重的影响。珠海市作为正在飞速发展的沿海城市，近年来其海岸线变化剧烈。因此，以珠海市为研究区展开海岸线动态变化研究有重要的意义。

目前在应用遥感影像对海岸线提取与研究中，国内外已有很多成功先例。孙伟富[1]等针对不同类型海岸线，从遥感影像的多个特征对其建立解译标志，提出了针对不同类型岸线的提取原则。瞿继双[3]等提出了基于多阈值的形态分割方法。张朝阳[4]等利用改进了canny算子，并实现了自适应的边缘提取。现有的海陆分割法可分为三种：边缘检测法，阈值分割法和监督分类法[5]。其中监督分类的精度更高，但是需要人工样本的选择；阈值分割法更为简单方便，然而因为近岸水体的光谱特征受周边环境影响较大，近岸水体常被错分为岸线，导致分割精度较低[2]。而边缘检测法对遥感影像的适应度较低，提取出的岸线连续性较差[5]。

为了得出更精确的岸线结果，本文在利用改进的归一化差异水体指数MNDWI的基础上，增加利用支持向量机SVM的监督学习模型的基础上对海岸线进行提取。并对两次结果结合实地调查资料进行交叉比对，根据海岸线提取结果对珠海市海岸线近十五年来的变化做出分析，并针对海岸线变化剧烈的典型岸段进行详细分析以及调查。

1 数据源与提取方法

1.1 研究区域与数据源

（1）珠海市位于广东省珠江口的西南部，北纬21°～22°、东经113°～114°之间。珠海市是珠三角城市中海岸线最长的城市。其中珠海西岸以人工岸线为主，沿途大多为港口码头和人工岸线，包括沙滩以及养殖区域。东部沿岸以道路为主，自然海岸保存率较高[1]。研究区域示意图如图1所示。

本文以2018年和2009、2005年3期Landsat5/8影像，以5年为间隔为基础影像数据对珠海海岸线进行提取，Landsat5/8陆地资源下载于美国地址勘探局（USGS）。

1.2 海岸线提取以及分析方法

本文所指的海岸线为陆地与海洋的分界线，即海水向陆地所达到的极限位置的连线。由于潮汐作用等自然与人文影响，海岸线一直于动态变动之中[2]。本研究区域内主要以自然海岸线和人工海岸线为主，自然海岸线包括淤泥质海滩，人工海岸线则包括堤坝中心线以其后期人为填海所影响的海陆分界线该方法包括数据的预处理、利用面向对象方法对海洋和陆地进行分类与分离、海岸线提取，利用最终提取海岸线数据进行叠合比对分析[3]。

2 利用面向对象提取海岸线

2.1 数据预处理

为了保证遥感数据据保持相同的幾何精度和坐标系统，首先对遥感影像进行处理：（1）波段融合，首先对将landsat8的多波段和全色波段进行融合，使其分辨精度从30m提升至15m；（2）坐标系转换，对多源数据进性几何精纠正，消除多源数据的坐标系统差异，将其统一至WGS-84坐标系；（3）影像裁剪，剪裁出所需要的遥感影像区域，图像太大会导致指数计算有偏差，以及计算时间过长等问题。

2.2 MNDWI阈值分割

由于海水与陆地的归一化水体指数反差明显，因而可以通过判断MDNWI的分布图，通过波谷点寻找水陆分割阈值，即可实现水陆分割[5]。由于珠海市是沿岸城市，在海岸线旁的建筑较多，而用NDWI来提取有建筑物的水体，其效果会受到近岸区域影像，结果较差。故采用改进的归一化差异水体指数（MNDWI）[6]，其公式如式1。

MNDWI=（ρGreen-ρMIR）/（ρGreen+ρMIR） 式1

式中ρGreen为绿色波段，ρMIR为近红外波段。

2.3 利用向量机提取海岸线

由于近岸水体容易受周边区域环境的影像。为此，在使用MNDWI阈值分割的基础上，使用基于样本分类的支持向量机海岸线遥感自动提取算法。

SVM是Vapnik等于20世纪90年代提出的一种机器学习方法，SVM算法根据有限的样本平衡模型的复杂性和学习能力[7]。本文以MNDWI的分割结果为样本库，对不同的分类对象以及样本进行交叉训练，不断剔除方差大的样本分类区域，直到得到可靠的水陆分类。

2.4 海岸线提取

利用MNDWI和训练后的SVM模型对遥感影像进行分类和分割后，通过目测判断是否为陆地水体。将结果格式转化为Arcgis可识别的格式，在Arcgis中对分类后的图像跟踪矢量化，转化为线要素，得到最终的岸线分布制图[10]。

3 实验结果与分析

对珠海市2016年4月3日获取的一景landsat8遥感图像的岸线流程提取过程如图2所示。

图2（a）为经过几何精校正后的landsat8的假彩色合成图像；图2（b）为MNDWI计算后的图像；图2（c）为经过阈值分割后的水路分离图像；图2（d）为使用svm向量机进行监督分类后的水陆分离分布图；图2（e）为对MNDWI和监督分类结果交叉比对后矢量化的水陆分布图；图2（f）为最终珠海市海岸线分布图。可以看出，最终得到的岸线分布清晰，对于内陆河流，可以在arcgis中进行删除后填充。

分别对三景2016、2009和2005年的遥感数据进行海陆分割和岸线提取，最终海岸带海岸线分布如图3所示。

根据数据统计，从2005年～2016年，珠海市海岸线长度增加，整体表现为向海扩张。2005年岸线总长度为420.82km，2009年岸线总长度为430.9km，较2005年增长了10.08km，年增长速率为2.416km/年。2016年，海岸线总长度达到450.8km，相对2009年增长了17.1km，增长剧烈，年增长速率为2.85km/年。

近十年来，2009到2016的海岸线开发速率较高，主要开发集中在珠海东岸，经过实地调查，发现人工岸线增长最高，其中增长最多的为港口码头，总表现为海产养殖区的建立，填海造陆等。岸线变化最为典型区域为高栏港区以及港珠澳大桥附近，其岸线变迁以向海扩张为主，岸线变化的主因是港口码头建设[8]。

4 结论与展望

海岸线的变迁不只影响了海岸带的海洋生态环境以及沿岸城市发展，同时反映了人类对海岸的改造利用。而动态精确的检测海岸线的变化，对更好的平衡海岸带生态环境和城市的建设与发展的关系有着重要的意义[9]。本文采用两种方法进行交叉处理。传统的MNDWI全局阈值分割方法虽然可以快速实现水体提取，但是在分割精度上没有充分保证，尤其是针对较为细碎的天然岸线；而对光谱复杂的较容易受影响的近岸水体，通过监督分类不断筛选样本，可以得到更精确的水陆分离结果。

目前对海岸线的研究在区分不同岸线类型以及解决遥感不同影像的分形指数的动态变化等问题中依旧缺乏考虑，尽管现在已有针对不同岸线的分类方法，但是多缺乏普遍适应性。因此，针对不同类型的海岸以及环境对海岸线提取时，需要选择合适的方法。

参考文献

[1]孙伟富，马毅，张杰，刘善伟，任广波.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，（03）：41-44.

[2]张志龙.基于遥感图像的重要目标特征提取与识别方法研究[D].国防科学技术大学，2005.

[3]瞿继双，王超，王正志.一种基于多阈值的形態学提取遥感图象海岸线特征方法[J].中国图象图形学报，2003，（07）：87-91.

[4]张朝阳，冯伍法，张俊华.基于色差的遥感影像海岸线提取[J].测绘学院学报，2005，（04）：259-262.

[5]朱长明，张新，骆剑承，李万庆，杨纪伟.基于样本自动选择与SVM结合的海岸线遥感自动提取[J].国土资源遥感，2013，25（02）：69-74.

[6]王李娟，牛铮，赵德刚，李英霞，王忠波，旷达.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（02）：235-239.

[7]梁亮，杨敏华，李英芳.基于ICA与SVM算法的高光谱遥感影像分类[J].光谱学与光谱分析，2010，30（10）：2724-2728.

[8]杨雷，孙伟富，马毅，任广波.近10年珠海海岸带海岸线时空变化遥感分析[J].海洋科学，2017，41（02）：20-28.

[9]索安宁，曹可，马红伟，王权明，于永海.海岸线分类体系探讨[J].地理学，2015，35（07）：933-937.

[10]冯永玖，袁佳宇，宋丽君，蒋芳.杭州湾海岸线信息的遥感提取及其变迁分析[J].遥感技术与应用，2015，30（02）：345-352.