基于廈門島的海岸線自動提取方法研究

齊宇，任航科

(福建省國土測繪院，福建 廈門 361012)

1 引言

海岸線是指海面與陸地接觸的分界線它隨潮水的漲落而變動位置，一般指高潮面與陸地的交界線.海岸線從形態上看，有曲有直。如何快速而又準確地測定海岸線，對于海岸資源管理、開發，為決策部門提供動態的、科學的、及時有效的信息，具有十分重要的意義，而利用遙感技術可以快速又準確的測定海岸線［1］。

2 遙感影像處理

2.1 影像輻射校正

本次研究選用了覆蓋廈門島的Landsat TM影像和SPOT多波段影像和SPOT全色波段影像數據。使用相近潮位時相的TM數據和SPOT數據，保證了本次研究的數據比較的精準度。TM和SPOT遙感數據的資料及其潮位時間如表1所示。

TM和SPOT遙感資料與其潮位時間 表1

進行輻射校正的目的主要是消除大氣，太陽高度角，視角和地形等對地面光譜反射信號的影像，提高影像的精度。3幅影像的每個波段做大氣輻射校正，以消除大氣干擾的影響，從而保證海岸帶目視解譯以及檢測的精度。

2.2 影像配準

利用ENVI軟件，在對偶的模式下，在影像圖和廈門市1∶1萬的地形圖上找出明顯地物點(主要是水系和道路)作為控制點，分別對TM影像和SPOT多波段影像和全色影像進行幾何精校正。

幾何精校正的校正系統采用最小二乘法計算。校正方程根據控制點選取情況采用兩次多項式進行，幾何精校正誤差RMS為0.44，滿足精度要求。像元重采樣采用雙線形插值法。影像的投影坐標系采用高斯—克呂格投影和1954年北京坐標系［2］。

2.3 影像融合處理

本文采用的融合方法［3］:先在ENVI里將SPOT的多波段和全色波段的影像統一重采樣成2.5 m分辨率。經過正射校正的兩幅影像的投影坐標系均采用高斯—克呂格投影和1954年北京坐標系。將SPOT多波段影像的所有波段進行主成分變換，然后用SPOT高分辨率的全色波段影像代替變換后多波段影像的第一主成分。將代換后的所有波段再做一次主成分變換的反變換。這種處理方法復合了影像高空間分辨率和影像多光譜信息，大大提高了數據質量。

2.4 影像的增強處理

傳感器獲取的遙感影像含有大量地物特征信息，在圖像上這些地物特征信息以灰度形式表現出來，當地物特征間表現的灰度差很小時，判讀就無法辨認，而圖像增強的方法可以突顯這種微小灰度差的地物特征，其實質就是增強感興趣地物和周圍地物圖像間的反差［4］。

由于進行過輻射校正過后的影像，灰度分布范圍狹窄，對比度不強，亮度偏低，融合后依然比較模糊，整體發暗，無法辨認各種地物，因此需要對試驗區的影像作了適當的增強處理。本文對三個波段的TM原始影像，分別做了線性拉伸，使各波段的灰度范圍加寬，提高圖像的對比度。線性拉伸方程式為:

其中，a1，a2為a波段(Xa軸)最小、最大灰度值，增強后表示在Xb軸，b1、b2為最小、最大值。通過這次拉伸變換，原圖像較窄的直方圖變寬了。

3 海岸帶類型的判讀

3.1 室內預判讀

在室內分析遙感影像，根據不同影像特征(色調、形狀、走向、紋理、組合圖案等)在SPOT影像上和TM影像上勾繪出海岸帶類型圖斑，結合專業知識和基礎資料對各圖斑所屬類型作預判斷并做好記錄，重點記錄有爭議的和不太明確的圖斑，并標注于廈門市交通圖上，使之有利于進行實地驗證。

3.2 野外考察

實地驗證室內判讀的正確性。利用廈門市交通圖，制定踏查路線，駕車環島進行野外踏勘考察。重點觀察標注于交通圖上有爭議的和不太明確的圖斑，弄清判讀中有疑問的類型，并沿途記錄采集實地照片。通過野外考察發現廈門西海岸主要分布碼頭類海岸，而廈門的東海岸主要分布沙灘質海岸。

3.3 室內再判讀

通過野外考察采集回來的照片，確定有爭議圖斑的類型，完成遙感影像圖建立影像圖和海岸帶類型的對應關系，即判讀標志，如表2所示。

主要海岸類型和判讀標志 表2

由于經過處理后的SPOT影像表現海岸類型的效果清晰，海岸帶類型容易辨別，因此可以作為海陸分界提取精度檢驗的影像。

4 提取海岸線信息

4.1 方法的選取

利用遙感圖像進行海岸線提取的實質是遙感圖像邊緣的提取。目前遙感圖像中海岸線的解譯有兩種方法:目視解譯和自動解譯。目視解譯是通過人機交互方式把海岸線描繪出來并保存成線性矢量圖層。方法簡單，但存在人為的誤差。自動解譯是將岸線作為邊緣檢測出來。邊緣檢測的方法很多，最常用的是各種邊緣算子，如sobel，robert算子等，也有人提出用指數濾波器、局部結構信息和小波變換［5］等方法來檢測圖像邊緣。

利用上文提及的TM和SPOT影像的融合增強圖，提取海岸線的過程中采用以下所述的兩種方法將海岸線兩側的地表覆蓋類型提取出來。并利用高空間分辨率的SPOT影像對白城沙灘、東渡碼頭、集美大橋、輪渡環島路4個實驗區解譯結果進行精度驗證，比較兩種方法各自適用于哪種海岸帶類型。

(1)修正歸一化水體指數MNDWI結合閾值法［6］

修正歸一化水體指數是徐涵秋對McFeeters的歸一化水體指數NDWI［7］進行修正后提出的。它解決了McFeeters的原指數無法區別水體和建筑用地信息的問題;其數學表達式為:

MNDWI=(GREEN－MIR)/(GREEN+MIR)

其中:MIR和GREEN分別代表中紅外波段和綠光波段的反射率，對Landsat衛星而言，分別代表TM的2和5波段。

利用ENVI軟件先對TM提取修正歸一化水體指數MNDWI，以方便地通過設定某一海水的MNDWI閾值來實現。閾值的選取是以盡可能完整、準確地顯示出水域信息，最大限度的掩蔽非水體信息為原則的。在通過閾值分割提取水域的基礎上，我們進一步采用掩膜法剔除了內陸水域的干擾信息。最后為了利于后面的精度分析，我們將所得的影像進行了柵格矢量化，保存矢量格式的海岸線。

(2)ISODATA預分類非監督分類法［8］

利用ENVI軟件先對TM影像運用自組織迭代算法(ISODATA)進行預分類，預分類的結果使得具有鄰近光譜值的地物相聚并賦予同一顏色，然后在計算機預分類結果的基礎上進行分類合并，把計算機自動分成的7個類合并成海域與非海域兩個類型，其兩類的界限即為海岸線。如圖2所示，水域信息反映成綠色。我們在可將重分類后的圖進行分類影像矢量化，以利于后面的精度分析。

4.2 處理影像分析

利用上述方法處理后的影像如圖1和圖2所示。

圖1 TM的MNDWI指數影像

圖2 TM的ISODATA法分類影像

如圖1可以看出，利用以上的修正歸一化水體指數公式MNDWI指數能夠很好地將水體和陸地分開來，水體在MNDWI影像上表現出高亮度，所對應的MNDWI值高;而非水體部分，如灌木林，旱地和城市建設用地等則表現的很暗淡，其MNDWI值很低，與水體相比差異很大。

如圖2可以看出，研究區域被自動分類成彩色的7種類型，水域表現為綠色，而廈門島內的其他地物被賦予其他的6種顏色。為了高效的提取出海岸線的范圍，我們選擇將影像進行重分類，即分為海域和非海域兩大類。

4.3 精度分析

精度分析是在對成果進行定性評價的基礎上的定量分析。本次研究利用實地驗證和和較大比例尺的影像或相關材料進行驗證。通過實地調查得出，廈門海岸帶的類型主要分成沙灘質海岸帶和人工類型海岸。因此，本文利用兩種實驗生成的矢量海岸線疊加到原始的高分辨率融合SPOT影像圖上，通過目視檢驗法，檢驗生成的矢量海岸線與實際海岸線的切合程度。驗證前先在ArcView中導入之前處理過的高空間分辨率SPOT影像，再將白城沙灘、東渡碼頭、集美大橋、輪渡環島路4個實驗區的兩份矢量數據疊加在SPOT影像上。表3列出了用兩種方法提取的4個區域海岸線與SPOT影像套合精度情況。

不同方法提取精度比較 表3

如表3所示的4幅圖中我們可以看出:東渡碼頭，輪渡環島路，白線實際海岸線切合效果較好。對于天然海岸，例如沙灘，黑線實際海岸線切合效果較好。集美大橋這張圖我們可以看出，黑線較準確地把大橋的輪廓勾勒出來，而白線不能表現橋的類型。由此可以看出對于人工海岸使用ISODATA預分類非監督分類法提取海岸線的方法比較好，對于天然海岸使用歸一化水體指數MNDWI來進行提取海岸線的效果好，對于橋類型適用歸一化水體指數MNDWI來進行提取橋輪廓。

在每個實驗區中分別把兩種方法得到的矢量線與SPOT影像進行疊加，并記錄各實驗區最優海岸矢量線與SPOT影像上海岸線的最大誤差，如表4所示。本次研究使用TM數據實現兩種方法的海岸線自動提取，若誤差大于30 m，則屬于誤判;若不是則屬于容許誤差范圍內。根據ArcView軟件的量測結果，各實驗區的最優海岸矢量線的最大誤差均在容許誤判率之內。同樣如果利用2組高分辨率影像如SPOT影像和快鳥影像做本次實驗則可以大大降低本提取海岸線的最大誤差數。

各實驗區的矢量海岸線與SPOT影像海岸線的最大誤差數 表4

5 結語

利用多時相衛星遙感影像變化檢測技術可以快速、有效地對廈門海域岸線空間變化情況進行及時、準確地動態監測，有利于決策者對廈門沿岸水域和陸域做合理的布局與安排。對于顯示效果來說，相近時相的SPOT全色波段影像的高空間分辨率與SPOT多波段影像進行融合后，表現海岸類型的效果清晰，有利于海岸帶類型的辨別，可以作為海岸帶制圖或者作為其他類型地圖的參考標準;從提取結果來說，ISODATA預分類結合監督分類法適用于人工海岸的海岸線提取;采用修正歸一化水體指數MNDWI來進行提取適用于提取天然海岸和的海岸線;采用修正歸一化水體指數MNDWI進行橋類的提取。

本文提出，利用TM或ETM資料，進行中小比例尺范圍內的海岸線遙感測繪是可行的。只要有合適的潮位遙感數據，根據不同的海岸帶類型選取適應其特征的海岸線提取的方法，就可以發揮其快速高效而且低成本的特性，滿足海岸線信息解譯工作的需要，是一種可靠而有效的海岸線信息獲取方法［9］。

［1］楊金中，李志中，趙玉靈.杭州灣南北兩岸岸線變遷遙感動態調查［J］.國土資源遙感，2002(01)，13～28.

［2］孫美仙，張偉.福建省海岸線遙感調查方法及其應用研究［J］.臺灣海峽，2004，23(2):213～218.

［3］趙英時，陳冬梅，李小文.遙感應用分析原理和方法［M］.北京:科學出版社，2004.

［4］Thomas M.Lillesand，Ralph W.Kiefer.遙感與圖像解譯［M］.北京:電子工業出版社，2003，343～344.

［5］邵巨良，李德仁.小波理論及其在影像邊緣檢測中的應用［J］.測繪學報，1993，22(2):111～120.

［6］王琳，徐涵秋，李勝.廈門島及其鄰域海岸線變化的遙感動態監測［J］.遙感技術與應用，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］張鷹，邱永紅.海岸帶地物特征的遙感信息提取方法［J］.海洋預報，2002，19(3):14～21.

［9］杜云艷，周成虎.水體的遙感信息自動提取方法［J］.遙感學報，1998，2(4):264 ～269.