基于監督分類和多源遙感數據的珠海市海岸線提取

俎金言

摘 要：為了更好平衡珠海市城市建設與海岸線生態環境，本文以珠海市10年為界限，基于2005年、2009年、2016年三期珠海遙感landsat8以及landsat5圖像，對珠海市區域進行海岸線的提取與分析。由于傳統的歸一化水體指數易受近岸水體以及建筑物的影像，為此，采用改進的采用歸一化水體指數（MNDWI）與支持向量機（SVM）的方法進行水陸分離并對結果進行交叉處理。經過對提取的海岸線分析，發現近十年來，2009到2016的海岸線開發速率較高，主要開發集中在珠海東岸，經過實地調查，發現人工岸線增長最高，其中增長最多的為港口碼頭，總表現為海產養殖區的建立，填海造陸等。

關鍵詞：遙感；海岸線；珠海；MNDWI；SVM

中圖分類號：P715.7 文獻標識碼：A 文章編號：1671-2064（2018）22-0182-02

海岸線是劃分陸地與海洋的分界基準線。自然因素和人為因素都可能導致海岸線的擴展或退縮，進而帶來一系列近海岸的生態環境問題，如海岸帶的污染、海岸帶生物多樣性遭到破壞等。珠海市位于廣東省西南部的沿海城市，是珠江三角洲海陸運輸的交通要地。近年來，隨著人類活動逐漸劇烈，在對城市的不斷發展以及擴建中，珠海市海岸線的增長趨勢為向海推移，包括填海造陸，建立海產養殖區，修建碼頭等，對其沿海生態環境造成了很嚴重的影響。珠海市作為正在飛速發展的沿海城市，近年來其海岸線變化劇烈。因此，以珠海市為研究區展開海岸線動態變化研究有重要的意義。

目前在應用遙感影像對海岸線提取與研究中，國內外已有很多成功先例。孫偉富[1]等針對不同類型海岸線，從遙感影像的多個特征對其建立解譯標志，提出了針對不同類型岸線的提取原則。瞿繼雙[3]等提出了基于多閾值的形態分割方法。張朝陽[4]等利用改進了canny算子，并實現了自適應的邊緣提取。現有的海陸分割法可分為三種：邊緣檢測法，閾值分割法和監督分類法[5]。其中監督分類的精度更高，但是需要人工樣本的選擇；閾值分割法更為簡單方便，然而因為近岸水體的光譜特征受周邊環境影響較大，近岸水體常被錯分為岸線，導致分割精度較低[2]。而邊緣檢測法對遙感影像的適應度較低，提取出的岸線連續性較差[5]。

為了得出更精確的岸線結果，本文在利用改進的歸一化差異水體指數MNDWI的基礎上，增加利用支持向量機SVM的監督學習模型的基礎上對海岸線進行提取。并對兩次結果結合實地調查資料進行交叉比對，根據海岸線提取結果對珠海市海岸線近十五年來的變化做出分析，并針對海岸線變化劇烈的典型岸段進行詳細分析以及調查。

1 數據源與提取方法

1.1 研究區域與數據源

（1）珠海市位于廣東省珠江口的西南部，北緯21°～22°、東經113°～114°之間。珠海市是珠三角城市中海岸線最長的城市。其中珠海西岸以人工岸線為主，沿途大多為港口碼頭和人工岸線，包括沙灘以及養殖區域。東部沿岸以道路為主，自然海岸保存率較高[1]。研究區域示意圖如圖1所示。

本文以2018年和2009、2005年3期Landsat5/8影像，以5年為間隔為基礎影像數據對珠海海岸線進行提取，Landsat5/8陸地資源下載于美國地址勘探局（USGS）。

1.2 海岸線提取以及分析方法

本文所指的海岸線為陸地與海洋的分界線，即海水向陸地所達到的極限位置的連線。由于潮汐作用等自然與人文影響，海岸線一直于動態變動之中[2]。本研究區域內主要以自然海岸線和人工海岸線為主，自然海岸線包括淤泥質海灘，人工海岸線則包括堤壩中心線以其后期人為填海所影響的海陸分界線該方法包括數據的預處理、利用面向對象方法對海洋和陸地進行分類與分離、海岸線提取，利用最終提取海岸線數據進行疊合比對分析[3]。

2 利用面向對象提取海岸線

2.1 數據預處理

為了保證遙感數據據保持相同的幾何精度和坐標系統，首先對遙感影像進行處理：（1）波段融合，首先對將landsat8的多波段和全色波段進行融合，使其分辨精度從30m提升至15m；（2）坐標系轉換，對多源數據進性幾何精糾正，消除多源數據的坐標系統差異，將其統一至WGS-84坐標系；（3）影像裁剪，剪裁出所需要的遙感影像區域，圖像太大會導致指數計算有偏差，以及計算時間過長等問題。

2.2 MNDWI閾值分割

由于海水與陸地的歸一化水體指數反差明顯，因而可以通過判斷MDNWI的分布圖，通過波谷點尋找水陸分割閾值，即可實現水陸分割[5]。由于珠海市是沿岸城市，在海岸線旁的建筑較多，而用NDWI來提取有建筑物的水體，其效果會受到近岸區域影像，結果較差。故采用改進的歸一化差異水體指數（MNDWI）[6]，其公式如式1。

MNDWI=（ρGreen-ρMIR）/（ρGreen+ρMIR） 式1

式中ρGreen為綠色波段，ρMIR為近紅外波段。

2.3 利用向量機提取海岸線

由于近岸水體容易受周邊區域環境的影像。為此，在使用MNDWI閾值分割的基礎上，使用基于樣本分類的支持向量機海岸線遙感自動提取算法。

SVM是Vapnik等于20世紀90年代提出的一種機器學習方法，SVM算法根據有限的樣本平衡模型的復雜性和學習能力[7]。本文以MNDWI的分割結果為樣本庫，對不同的分類對象以及樣本進行交叉訓練，不斷剔除方差大的樣本分類區域，直到得到可靠的水陸分類。

2.4 海岸線提取

利用MNDWI和訓練后的SVM模型對遙感影像進行分類和分割后，通過目測判斷是否為陸地水體。將結果格式轉化為Arcgis可識別的格式，在Arcgis中對分類后的圖像跟蹤矢量化，轉化為線要素，得到最終的岸線分布制圖[10]。

3 實驗結果與分析

對珠海市2016年4月3日獲取的一景landsat8遙感圖像的岸線流程提取過程如圖2所示。

圖2（a）為經過幾何精校正后的landsat8的假彩色合成圖像；圖2（b）為MNDWI計算后的圖像；圖2（c）為經過閾值分割后的水路分離圖像；圖2（d）為使用svm向量機進行監督分類后的水陸分離分布圖；圖2（e）為對MNDWI和監督分類結果交叉比對后矢量化的水陸分布圖；圖2（f）為最終珠海市海岸線分布圖。可以看出，最終得到的岸線分布清晰，對于內陸河流，可以在arcgis中進行刪除后填充。

分別對三景2016、2009和2005年的遙感數據進行海陸分割和岸線提取，最終海岸帶海岸線分布如圖3所示。

根據數據統計，從2005年～2016年，珠海市海岸線長度增加，整體表現為向海擴張。2005年岸線總長度為420.82km，2009年岸線總長度為430.9km，較2005年增長了10.08km，年增長速率為2.416km/年。2016年，海岸線總長度達到450.8km，相對2009年增長了17.1km，增長劇烈，年增長速率為2.85km/年。

近十年來，2009到2016的海岸線開發速率較高，主要開發集中在珠海東岸，經過實地調查，發現人工岸線增長最高，其中增長最多的為港口碼頭，總表現為海產養殖區的建立，填海造陸等。岸線變化最為典型區域為高欄港區以及港珠澳大橋附近，其岸線變遷以向海擴張為主，岸線變化的主因是港口碼頭建設[8]。

4 結論與展望

海岸線的變遷不只影響了海岸帶的海洋生態環境以及沿岸城市發展，同時反映了人類對海岸的改造利用。而動態精確的檢測海岸線的變化，對更好的平衡海岸帶生態環境和城市的建設與發展的關系有著重要的意義[9]。本文采用兩種方法進行交叉處理。傳統的MNDWI全局閾值分割方法雖然可以快速實現水體提取，但是在分割精度上沒有充分保證，尤其是針對較為細碎的天然岸線；而對光譜復雜的較容易受影響的近岸水體，通過監督分類不斷篩選樣本，可以得到更精確的水陸分離結果。

目前對海岸線的研究在區分不同岸線類型以及解決遙感不同影像的分形指數的動態變化等問題中依舊缺乏考慮，盡管現在已有針對不同岸線的分類方法，但是多缺乏普遍適應性。因此，針對不同類型的海岸以及環境對海岸線提取時，需要選擇合適的方法。

參考文獻

[1]孫偉富，馬毅，張杰，劉善偉，任廣波.不同類型海岸線遙感解譯標志建立和提取方法研究[J].測繪通報，2011，（03）：41-44.

[2]張志龍.基于遙感圖像的重要目標特征提取與識別方法研究[D].國防科學技術大學，2005.

[3]瞿繼雙，王超，王正志.一種基于多閾值的形態學提取遙感圖象海岸線特征方法[J].中國圖象圖形學報，2003，（07）：87-91.

[4]張朝陽，馮伍法，張俊華.基于色差的遙感影像海岸線提取[J].測繪學院學報，2005，（04）：259-262.

[5]朱長明，張新，駱劍承，李萬慶，楊紀偉.基于樣本自動選擇與SVM結合的海岸線遙感自動提取[J].國土資源遙感，2013，25（02）：69-74.

[6]王李娟，牛錚，趙德剛，李英霞，王忠波，曠達.基于ETM遙感影像的海岸線提取與驗證研究[J].遙感技術與應用，2010，25（02）：235-239.

[7]梁亮，楊敏華，李英芳.基于ICA與SVM算法的高光譜遙感影像分類[J].光譜學與光譜分析，2010，30（10）：2724-2728.

[8]楊雷，孫偉富，馬毅，任廣波.近10年珠海海岸帶海岸線時空變化遙感分析[J].海洋科學，2017，41（02）：20-28.

[9]索安寧，曹可，馬紅偉，王權明，于永海.海岸線分類體系探討[J].地理學，2015，35（07）：933-937.

[10]馮永玖，袁佳宇，宋麗君，蔣芳.杭州灣海岸線信息的遙感提取及其變遷分析[J].遙感技術與應用，2015，30（02）：345-352.