基于多光譜數(shù)據(jù)的黃河三角洲岸線自動(dòng)提取

喬學(xué)瑾，王慶*，戰(zhàn)超，王昕，王紅艷，杜國(guó)云，李雪艷

(1. 魯東大學(xué) 海岸研究所，山東 煙臺(tái) 264025)

?

基于多光譜數(shù)據(jù)的黃河三角洲岸線自動(dòng)提取

喬學(xué)瑾1，王慶1*，戰(zhàn)超1，王昕1，王紅艷1，杜國(guó)云1，李雪艷1

(1. 魯東大學(xué) 海岸研究所，山東 煙臺(tái) 264025)

摘要：基于多光譜數(shù)據(jù)對(duì)海岸線自動(dòng)提取的問(wèn)題研究已久。針對(duì)國(guó)內(nèi)外岸線提取方法較為單一的現(xiàn)狀，提出兼顧光譜特征與空間關(guān)系的海岸線自動(dòng)提取方法：將2014年黃河三角洲Landsat8-OLI影像與實(shí)測(cè)地物反射率光譜對(duì)比，選擇敏感波段建立提取模型，之后對(duì)研究岸段進(jìn)行分類并自動(dòng)提取，同時(shí)基于908專項(xiàng)山東省修測(cè)海岸線標(biāo)準(zhǔn)的目視解譯方法對(duì)實(shí)驗(yàn)部分的海岸線進(jìn)行提取，最后通過(guò)ROC曲線原則對(duì)提取結(jié)果分別進(jìn)行0.5與1像元精度評(píng)價(jià)，實(shí)驗(yàn)證明該方法在1個(gè)像元精度(提取置信度均高于90%)范圍內(nèi)能快速、準(zhǔn)確地提取黃河三角洲復(fù)雜地貌類型地區(qū)的海岸線，所得到的矢量岸線可直接用于地理信息系統(tǒng)(GIS)分析。

關(guān)鍵詞：海岸線；自適應(yīng)閾值；自動(dòng)提??；精度評(píng)價(jià)

1引言

海岸線兩側(cè)地表光譜特征因地貌類型及土地利用類型不同而存在明顯差異[1]，利用多光譜數(shù)據(jù)對(duì)海岸線自動(dòng)提取并監(jiān)測(cè)其演化，已經(jīng)成為研究海岸帶時(shí)空演變的一種重要手段。當(dāng)前，常用的遙感影像岸線自動(dòng)提取方法大致分為兩類：(1)利用海岸線的空間關(guān)系，通過(guò)形態(tài)學(xué)法或算子法先對(duì)影像進(jìn)行邊緣檢測(cè)，在優(yōu)化檢測(cè)結(jié)果后獲取海岸線。例如，魏東嵐和曹曉晨[2]及盛佳等[3]利用Canny算子提取了海岸線。Rigos等[4]基于切比雪夫多項(xiàng)式和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF)相結(jié)合的算法，提取了葡萄牙法魯海岸的岸線。Yousef等[5—6]通過(guò)遺傳算法和交互信息對(duì)激光雷達(dá)DEM數(shù)據(jù)與航拍影像數(shù)據(jù)進(jìn)行融合，然后以支持向量機(jī)提取器基于融合后的數(shù)據(jù)進(jìn)行海岸線提取。(2)基于岸線兩側(cè)光譜特性，通過(guò)分類對(duì)影像進(jìn)行分割，隨后對(duì)水陸分類結(jié)果優(yōu)化處理，最終將分割線作為海岸線。例如，Liu等[7]基于密度分割與GIS邊緣追蹤自主開發(fā)了岸線提取算法與程序，利用加爾維斯頓灣雷達(dá)數(shù)據(jù)和安提瓜島快鳥影像進(jìn)行岸線提取。Feng等[8—10]在Liu等[7]研究基礎(chǔ)上，以CA模型(細(xì)胞自動(dòng)機(jī)模型)對(duì)上海及其3個(gè)次區(qū)域的多幅遙感影像進(jìn)行水陸分割與邊緣提取，得到1979—2008年海岸線并分析其時(shí)空變化。Masria等[11]針對(duì)阿斯旺水壩建立后導(dǎo)致海岸侵蝕問(wèn)題，通過(guò)閾值分割提取埃及羅塞塔海角的海岸線。Gon?alves等[12]和Zhu等[13]運(yùn)用修復(fù)歸一化水體指數(shù)(MNDWI)和聚類分析相結(jié)合的方法提取海岸線，前者用于提取瞬時(shí)高潮線與瞬時(shí)低潮線，后者通過(guò)樣本自動(dòng)選擇和支持向量機(jī)海岸線自動(dòng)提取模型對(duì)ETM+數(shù)據(jù)進(jìn)行驗(yàn)證。

上述第一種方法只考慮水陸邊界的空間關(guān)系，提取的岸線存在不連續(xù)和虛假岸線的現(xiàn)象，而且提取的結(jié)果多為水邊線，非多年大潮平均高潮線(即海岸線)。第二種方法雖能夠獲得連續(xù)海岸線，但由于僅利用影像光譜特征，對(duì)諸如枝杈狀潮溝發(fā)育的寬平灘涂海岸、入海河口等地形、覆被存在較大空間差異的復(fù)雜岸段，容易出現(xiàn)錯(cuò)分岸線兩側(cè)地物、岸線在河口處連接錯(cuò)誤等現(xiàn)象，其結(jié)果是導(dǎo)致岸線提取準(zhǔn)確性低。為彌補(bǔ)并改進(jìn)以上兩種方法中僅單獨(dú)研究中影像光譜特征和空間關(guān)系帶來(lái)的不足，本文通過(guò)實(shí)測(cè)地物光譜并將其與影像中較高層次的光譜信息對(duì)比，綜合運(yùn)用海岸線兩側(cè)光譜特性差異和空間關(guān)系不同，優(yōu)化岸線提取、提高準(zhǔn)確率與定位精度，進(jìn)而提出一種基于多光譜數(shù)據(jù)對(duì)環(huán)境復(fù)雜岸線的自動(dòng)提取方法。

2數(shù)據(jù)和方法

2.1研究區(qū)域與數(shù)據(jù)源

黃河三角洲位于渤海灣南部和萊州灣西部，是由古代、近代和現(xiàn)代三角洲組成的亞三角洲聯(lián)合體，本文研究區(qū)域?yàn)?855年黃河襲奪大清河流入渤海后形成的現(xiàn)代三角洲，以寧海為頂點(diǎn)，北起套爾河口，南至淄脈河口，地勢(shì)自西南至東北呈扇形微傾斜[14]。該三角洲為陸相淤積性弱潮三角洲，灘涂寬廣平坦且發(fā)育演化迅速，在入海河流和海洋雙重動(dòng)力作用下，岸線變化速率和方向與一般海岸差異明顯。

2013年9月13日至2014年7月19日，采用AvaField-3自動(dòng)光譜測(cè)量?jī)x(光譜范圍為300～2 500 nm，包含Landsat8-OLI影像光譜范圍)，對(duì)黃河三角洲淤泥質(zhì)潮灘進(jìn)行了表層反射率光譜的采集。因樣品采集區(qū)域范圍大，受光譜采集最佳時(shí)間、采樣區(qū)天氣條件、漲落潮時(shí)間等因素限制，所以本文采樣時(shí)間跨度較長(zhǎng)達(dá)近1年。潮灘表層光譜采集均選擇于低潮位時(shí)進(jìn)行，同一點(diǎn)測(cè)量10次后取結(jié)果平均值作為實(shí)測(cè)值，采樣線布設(shè)遵循垂直相交于海岸線原則，部分因自然條件限制而無(wú)法到達(dá)的位置，采用斜交于岸線的方式布設(shè)樣線，所有樣線上各樣點(diǎn)大致按等間距原則布設(shè)。對(duì)任一樣點(diǎn)，以梅花型布點(diǎn)法在15 m×15 m的單元格中分別采集兩對(duì)角線交點(diǎn)與各對(duì)角線四等分點(diǎn)的光譜，取五點(diǎn)平均值為該樣點(diǎn)光譜反射率。最終共采集到178組潮灘表層反射率光譜數(shù)據(jù)，所有樣品采集點(diǎn)布置情況見(jiàn)圖1?？紤]到光譜采集時(shí)間跨度，選擇黃河三角洲2014年5月1日Landsant8-OLI影像，作為與實(shí)測(cè)光譜進(jìn)行對(duì)比和岸線自動(dòng)提取所用的影像數(shù)據(jù)。3種不同海岸線類型的實(shí)驗(yàn)區(qū)中，A區(qū)(37°40′16″～37°46′42″N，119°00′59″～119°08′56″E)位于黃河入?？谀喜浚瑤缀醪皇苋斯ぶ苯痈深A(yù)，岸線外側(cè)為粉砂淤泥質(zhì)潮間灘涂，灘面平緩淤長(zhǎng)，岸線內(nèi)側(cè)生長(zhǎng)蘆葦、堿蓬、苔草等耐鹽植被；B區(qū)(37°31′04″～37°37′40″N，118°52′45″～119°00′41″E)南、北部分分別為永豐河和小島河入?？谔?，該區(qū)域存在大面積蝦池、鹽田，人工建筑物向海一側(cè)有分布不均勻的潮灘，堤腳附近部分區(qū)域生長(zhǎng)稀疏耐鹽植被；C區(qū)(37°53′07″～37°59′42″N，118°58′52″～119°06′33″E)因岸線嚴(yán)重侵蝕而以人工建造的防護(hù)堤為主，陸地部分為裸地和蝦池、鹽田，其近海側(cè)在一般低潮期無(wú)潮灘出露。

2.2研究方法

考慮到海岸線兩側(cè)最大的地貌及土地覆被差異為陸地、潮灘及水體，根據(jù)三者在遙感影像中分別具有不同的光譜特征和空間關(guān)系，設(shè)計(jì)岸線自動(dòng)提取流程如圖2所示。

2.2.1數(shù)據(jù)預(yù)處理

遙感影像預(yù)處理：對(duì)覆蓋黃河三角洲地區(qū)的2014年5月1日Landsat8-OLI遙感影像進(jìn)行輻射定標(biāo)、大氣校正處理；參照已精校正的1999年TM影像，選取30個(gè)分布均勻的地面控制點(diǎn)進(jìn)行幾何精校正，保證校正精度在0.5個(gè)像元內(nèi)；校正后進(jìn)行Pan融合、影像裁剪與鑲嵌等處理。最后，在處理結(jié)果中裁剪出代表3種不同岸線類型的800×800大小的海岸線提取實(shí)驗(yàn)區(qū)域。

實(shí)測(cè)光譜預(yù)處理：AvaField-3自動(dòng)光譜測(cè)量?jī)x采集數(shù)據(jù)時(shí)已去除暗電流、校準(zhǔn)通道增益和訂正波長(zhǎng)，但各波段間的能量響應(yīng)存在一定差異，且野外樣品采集為非理想狀態(tài)，所以獲取的光譜曲線有噪點(diǎn)。本文采用移動(dòng)平均法對(duì)所獲反射率光譜曲線平滑處理來(lái)去除噪聲。所謂移動(dòng)平均法，就是在反射率光譜曲線上，取上一個(gè)測(cè)樣點(diǎn)前后一定范圍內(nèi)測(cè)樣點(diǎn)的平均值，作為該樣點(diǎn)的值。假如給定了n個(gè)測(cè)樣點(diǎn)的序列i=1，2，3，…，n，那么i點(diǎn)平滑后的值就是i點(diǎn)在內(nèi)的2n+1個(gè)點(diǎn)的平均值：

(1)

2.2.2光譜分析

按照Landsat8-OLI影像數(shù)據(jù)的波段劃分，對(duì)實(shí)測(cè)反射率光譜數(shù)據(jù)進(jìn)行重采樣。其中，遙感影像與實(shí)測(cè)光譜均選取其所設(shè)波段中心波長(zhǎng)對(duì)應(yīng)的反射率，作為遙感數(shù)據(jù)源和實(shí)測(cè)光譜曲線的光譜特征因子。在此基礎(chǔ)上，基于SPSS19.0軟件的統(tǒng)計(jì)分析功能，將178個(gè)樣本點(diǎn)的各波段反射率實(shí)測(cè)值與相應(yīng)處理后的遙感影像各波段反射率進(jìn)行相關(guān)性分析，得出實(shí)測(cè)值與影像1～7波段的相關(guān)系數(shù)。隨后，利用光譜實(shí)測(cè)反射率與影像各波段反射率的關(guān)系，構(gòu)建多種回歸模型，并依據(jù)F值檢驗(yàn)顯著性，各波段反射率實(shí)測(cè)值與相應(yīng)處理后的遙感影像各波段反射率的相關(guān)系數(shù)分別為0.347、0.364、0.637、0.510、0.589、0.742、0.611(置信水平為99%)。查表得相應(yīng)α=0.01的相關(guān)系數(shù)臨界值為0.192 61，可見(jiàn)1～7波段反射率均與實(shí)測(cè)值顯著相關(guān)。之后利用光譜實(shí)測(cè)反射率與影像各波段反射率的關(guān)系，構(gòu)建多種回歸模型，并依據(jù)F值檢驗(yàn)顯著性(表1)，篩選出擬合度高的波段。

圖1　黃河三角洲和不同類型海岸線區(qū)位圖Fig.1　Location map of the Yellow River Delta and different types of coastline

2.2.3岸線分類

本文所指海岸線，均為多年大潮平均高潮線。由于圖像全局二值化時(shí)單一設(shè)定某一全局閾值T會(huì)導(dǎo)致圖像細(xì)節(jié)表達(dá)存在缺陷，降低岸線提取精度。為克服該缺陷，本文引入局部自適應(yīng)二值化，同時(shí)結(jié)合海岸地貌和岸線遙感提取，將海岸線分為自然岸線和人工岸線兩類。其中，自然岸線為基本沒(méi)有受到人工直接干預(yù)而保持原始狀態(tài)的岸線，岸線外側(cè)為粉砂淤泥質(zhì)潮間灘涂，灘面坡度平緩，寬度可達(dá)數(shù)千米及更廣(圖1中A)。因最近數(shù)十年來(lái)的大量人工開發(fā)，受人為影響較小的自然岸線僅存于河口地區(qū)，本文所提取的自然岸線均與蘆葦、堿蓬、苔草等植被向海側(cè)邊緣線重合。這些黃河三角洲典型植被與未被植被覆蓋的光灘之間的差異，即使冬季枯萎后，在7、5、4波段融合后的遙感影像上仍清晰可見(jiàn)，因而可作為自然岸線提取的標(biāo)志。人工岸線為由永久性人工建筑物組成的岸線，如防波堤、防潮堤、護(hù)坡、擋浪墻、碼頭、防潮閘、道路等擋水(潮)建筑物[15]。因建筑物向海側(cè)的地貌、景觀類型及光譜信息不同，人工岸線分為完全開發(fā)人工岸線和未完全開發(fā)人工岸線：未完全開發(fā)人工岸線向海一側(cè)仍有寬窄不等的潮灘發(fā)育，潮灘寬度可達(dá)數(shù)千米，其靠近堤腳附近有時(shí)發(fā)育稀疏耐鹽植被(圖1中B)；完全開發(fā)人工岸線的人工海岸建筑物近海側(cè)常年被海水淹沒(méi)，一般低潮狀態(tài)下不會(huì)有潮灘出露(圖1中C)。

表1　影像各波段反射率與實(shí)測(cè)光譜的相關(guān)性和多種回歸模型的F值

圖2　海岸線自動(dòng)提取流程圖Fig.2　The flowchart of automatic coastline extraction in this paper

2.2.4提取過(guò)程

本文通過(guò)反映光譜特性的閾值分割，體現(xiàn)空間關(guān)系的一種融合區(qū)域生長(zhǎng)法的自適應(yīng)Canny邊緣提取法[16]和膨脹腐蝕運(yùn)算[17]，實(shí)現(xiàn)海岸線自動(dòng)提取并優(yōu)化提取結(jié)果。

(1)分割模型建立

在Matlab建立一個(gè)三維到一維的空間映射，通過(guò)RGB2Gray函數(shù)把裁剪后的RGB影像轉(zhuǎn)換為灰度圖?；诠庾V反射率的相關(guān)系數(shù)、F值、遙感影像光譜特性和OIF值，篩選出最佳波段建立模型。為增強(qiáng)影像信息、減少數(shù)據(jù)冗余，通常選擇信息量大、相關(guān)性小和目標(biāo)地物類型在所選波段組合中辨識(shí)度高的波段，而Hamedianfar和Shafri[18]的最佳指數(shù)公式(Optimum Index Factor，OIF)恰好符合該選擇準(zhǔn)則：

(2)

式中，n為波段數(shù)；Si是第i波段的標(biāo)準(zhǔn)差，其數(shù)值與影像反差與信息量呈正相關(guān)；Rij為第i波段和第j波段的相關(guān)系數(shù)，其數(shù)值與數(shù)據(jù)冗余量呈正相關(guān)。

OIF將實(shí)測(cè)光譜各波段標(biāo)準(zhǔn)差與不同波段之間相關(guān)系數(shù)有效結(jié)合，其數(shù)值與影像的信息量呈正相關(guān)，根據(jù)其大小可選出最優(yōu)波段組合。經(jīng)平滑處理和重采樣后的實(shí)測(cè)光譜各波段標(biāo)準(zhǔn)差和不同波段之間相關(guān)系數(shù)顯示，band7標(biāo)準(zhǔn)差最大且與其余波段的相關(guān)系數(shù)最小(表2，3)。實(shí)測(cè)光譜中1、2、3、4、5、6、7波段之間共有35種3波段組合，依據(jù)公式(2)、表2和表3計(jì)算可得各波段組合的OIF因子(表4)。其中，band7參與的波段組合的OIF值均較其他組合高，最高的為7-5-4波段組合，即band7、band5和band4波段組合最重要。

表2　實(shí)測(cè)光譜各波段反射率統(tǒng)計(jì)

表3　實(shí)測(cè)光譜波段相關(guān)性分析

表4　波段組合OIF指數(shù)及排序

續(xù)表4

對(duì)于OLI影像而言，紅外波段附近水體反射最弱、土壤反射最強(qiáng)。由于平均大潮高潮時(shí)淹沒(méi)部分與未淹沒(méi)部分的物質(zhì)成分、含水量及植被不同，導(dǎo)致岸線兩側(cè)反射率不同，進(jìn)而在遙感影像上表達(dá)出不同的灰階和色彩。其中，band1、band2線性模型的F值偏小，其相關(guān)系數(shù)超過(guò)0.98，且band2所反映地物特征有限，故去除band1和band2。Band3和band6線性模型的F值最大，岸線兩側(cè)不同植被覆蓋信息可通過(guò)第3波段所表達(dá)；band6、band7對(duì)裸土表面濕度非常靈敏，可反映岸線兩側(cè)含水率不同；在局部對(duì)比度限定條件下，MNDWI[19](modified normalized difference water index)對(duì)岸線兩側(cè)光譜特性表達(dá)具有代表性[20—21]，故用band3和band6建立歸一化線性模型。Band4和band5對(duì)陸地區(qū)域地物的反應(yīng)和表達(dá)較強(qiáng)，反映陸域植被最佳并減少大氣中煙霧影響。所以，本文選取波段7、5和4用于閾值界定，所建分割模型如下：

(3)

式中，band7、6、5、4和3分別對(duì)應(yīng)影像中7、6、5、4和3波段像元值，T7，T5，T4分別為與相應(yīng)波段對(duì)應(yīng)的分割閾值，在試驗(yàn)中由相應(yīng)的波段統(tǒng)計(jì)直方圖自適應(yīng)獲取，Tw和Dw分別為對(duì)應(yīng)的分割閾值和標(biāo)準(zhǔn)差，由波段統(tǒng)計(jì)直方圖自適應(yīng)獲取?；贛atlab2012b進(jìn)行計(jì)算，所得Value為1的區(qū)域?yàn)殛懙?，?的區(qū)域?yàn)闉┩炕蚝Ｓ?，其間邊界即為海岸線。

(2)剔除異質(zhì)、邊緣提取和優(yōu)化

在遙感影像局部空間中，陸地和潮灘上的養(yǎng)殖池或小水體等對(duì)比度小的地物易錯(cuò)分為水體，而水體中的礁石或小島等對(duì)比度大的地物易錯(cuò)分為陸地。基于影像局部空間關(guān)系，即以區(qū)域生長(zhǎng)算法對(duì)種子點(diǎn)(某像元)的8鄰域連通面積進(jìn)行計(jì)算，域面積大于設(shè)定的填充閾值，則為同質(zhì)區(qū)域相同地物；相反，小于設(shè)定值的為相反地物類型，剔除并填充該異質(zhì)區(qū)域。結(jié)合區(qū)域生長(zhǎng)算法[22]對(duì)分割模型計(jì)算獲得的二值影像進(jìn)行自適應(yīng)Canny邊緣提取，計(jì)算某像元8鄰閾在x、y方向上一階偏導(dǎo)有限差分:

x方向偏導(dǎo)數(shù)：

y方向偏導(dǎo)數(shù)：

梯度幅值為：

(4)

梯度方向：

(5)

鹽田、蝦池引海入田的潮溝在影像中的光譜信息與自然岸線相同，對(duì)融合區(qū)域生長(zhǎng)算法的自適應(yīng)Canny計(jì)算結(jié)果進(jìn)行膨脹腐蝕運(yùn)算和開運(yùn)算處理，使鹽田、蝦池與潮溝融合為一體，將減少岸線像元對(duì)比度的點(diǎn)擴(kuò)散所造成的像元錯(cuò)誤分類的影響，進(jìn)一步減少岸線在入海河口的錯(cuò)誤連接，更加準(zhǔn)確定位岸線位置。最后，對(duì)二值影像矢量化，形成矢量海岸線最終結(jié)果。

3結(jié)果與分析

3.1精度評(píng)價(jià)

為驗(yàn)證自動(dòng)提取岸線的精確度，除了目視對(duì)比[23]外，還需對(duì)提取結(jié)果進(jìn)行精度評(píng)價(jià)。以往研究對(duì)于提取結(jié)果精度評(píng)價(jià)，除實(shí)地測(cè)量外[24—25]，多為提取海岸線與參考海岸線相互疊加，單一而定性估計(jì)計(jì)算提取結(jié)果。Cao和Li[26]對(duì)提取水體面積的評(píng)價(jià)和吳小娟等[27]將參考海岸線與提取岸線的長(zhǎng)度誤差作為評(píng)價(jià)標(biāo)準(zhǔn)，Bagli和Soille[28]通過(guò)performance index指數(shù)評(píng)價(jià)岸線提取結(jié)果。本文基于海岸線空間關(guān)系，引入一種符合海岸線特性且與線性目標(biāo)相匹配的精度評(píng)價(jià)方法，即ROC[29]曲線(receiver operating characteristic curve)線匹配原則。方法如下：

將目視解譯提取的海岸線定義為參考岸線，建立緩沖半徑為0.5或1個(gè)像素單位的參考岸線緩沖區(qū)，如果自動(dòng)提取岸線落入緩沖區(qū)中，認(rèn)為自動(dòng)提取岸線與參考岸線相匹配，將其總長(zhǎng)度記為TP1(true positive)，反之則為不匹配，并記其總長(zhǎng)度為FP(false positive)；同樣地，建立自動(dòng)提取海岸線的緩沖區(qū)，如果參考岸線落入緩沖區(qū)，認(rèn)為其同提取岸線相匹，記其總長(zhǎng)度為TP2，否則將其定義為參考岸線同提取結(jié)果不匹配，并記其總長(zhǎng)度為FN(false negative)。以上精度評(píng)價(jià)實(shí)驗(yàn)過(guò)程均基于Matlab語(yǔ)言實(shí)現(xiàn)。如圖3所示。

圖3　基于ROC曲線匹配原則的精度評(píng)價(jià)示意圖Fig.3　Using the principle of ROC curve matching to evaluate the accuracy of the extraction result

基于以上ROC線匹配分析，可定義以下參數(shù)：

(6)

(7)

(8)

式中，參數(shù)Complete表示海岸線提取結(jié)果完整度；Correct表示提取結(jié)果正確度；Quality通過(guò)正確度與完整度綜合評(píng)價(jià)岸線提取質(zhì)量。

3.2目視解譯標(biāo)準(zhǔn)

為盡可能降低誤差，本文海岸線目視解譯提取執(zhí)行以下標(biāo)準(zhǔn)：自然岸線向陸一側(cè)一般植被生長(zhǎng)茂盛，向海一側(cè)植被較為稀疏或?yàn)闆](méi)有植被的裸露潮灘，其上多有樹枝狀潮溝發(fā)育。大潮漲潮時(shí)淹沒(méi)粉砂淤泥質(zhì)潮灘，使得淹沒(méi)范圍內(nèi)高潮線處植被稀疏，在影像中植被茂盛與稀疏程度明顯差異處即為海岸線位置[30]。對(duì)于河口部分，大型河口港灣保留其自然形態(tài)，將入海口第一座橋梁或大壩定義為海岸線所在位置；小河口的河道急劇縮窄和兩岬曲率最大處定義為岸線所在位置。對(duì)完全開發(fā)人工海岸線，防波堤等海岸構(gòu)筑物與海水的交界處就是海岸線[31]，但構(gòu)成人工海岸的防波堤寬度很小，在分辨率15 m的圖像中無(wú)法顯示為一個(gè)像元單位，故將其從海岸線的目視解譯與自動(dòng)提取過(guò)程中剔除[32]。對(duì)于未完全開發(fā)人工岸線，淤泥質(zhì)灘涂向陸一側(cè)修筑了大量的蝦池、鹽田等，并在蝦池、鹽田的近海一側(cè)均修筑了防浪堤，以防止大潮高潮時(shí)海水灌入，而這些經(jīng)濟(jì)區(qū)域與淤泥質(zhì)潮灘的分界線就是海岸線。

為使目視解譯結(jié)果更加精確，基于本文提出的目視解譯方法，參照908專項(xiàng)山東省修測(cè)海岸線執(zhí)行標(biāo)準(zhǔn)進(jìn)行目視解譯提取。908專項(xiàng)山東省修測(cè)海岸線是現(xiàn)場(chǎng)測(cè)量結(jié)合遙感提取的方式獲取的，通過(guò)遙感影像與山東省修測(cè)岸線疊加對(duì)比，發(fā)現(xiàn)本文提出目視解譯對(duì)海岸線位置的確定符合國(guó)家908專項(xiàng)山東省修測(cè)岸線標(biāo)準(zhǔn)，可以準(zhǔn)確提取海岸線[15]。最后，為減少目視解譯中人為因素的干擾，綜合3位解譯人員目視解譯結(jié)果，同時(shí)在解譯過(guò)程中和解譯結(jié)束后通過(guò)精確到亞米級(jí)的手持GPS進(jìn)行野外定位取證，以此對(duì)室內(nèi)解譯岸線進(jìn)行修正。

3.3提取結(jié)果與精度評(píng)價(jià)結(jié)果

利用上述閾值分割模型，對(duì)3類海岸線基于Landsat8-OLI數(shù)據(jù)(圖4a、5a、6a)分別計(jì)算MNDWI值(圖4b、5b、6b)、進(jìn)行灰度圖轉(zhuǎn)化(圖4c、5c、6c)，得到初始分割影像二值結(jié)果。將完全開發(fā)和未完全開發(fā)人工岸線的陸地或潮灘區(qū)域的異質(zhì)斑塊閾值設(shè)定為0.01，水體區(qū)域的異質(zhì)斑塊閾值設(shè)定為0.001，自然岸線的陸地或潮灘區(qū)域的異質(zhì)斑塊閾值設(shè)定為0.02，水體區(qū)域的異質(zhì)斑塊閾值設(shè)定為0.002。其后，依次對(duì)3類分割結(jié)果進(jìn)行融合區(qū)域生長(zhǎng)法的自適應(yīng)Canny邊緣提取。然后，通過(guò)迭代計(jì)算得到3種類型海岸線的空間位置、方向和強(qiáng)度最清晰點(diǎn)即閾值最優(yōu)點(diǎn)。其中，自然岸線分割閾值為0.599，未完全開發(fā)人工岸線分割閾值為0.596，完全開發(fā)人工岸線分割閾值為0.945，進(jìn)而實(shí)現(xiàn)圖像分割閾值自動(dòng)化確定，使結(jié)果更有效。最終，以標(biāo)記算法對(duì)優(yōu)化岸線進(jìn)行外邊界追蹤，得到最終的矢量海岸線。

因完全開發(fā)人工岸線易于分辨與提取，本文只針對(duì)自然岸線和未完全開發(fā)岸線進(jìn)行修訂(如圖4、5框內(nèi))。自然岸線位置1和3部分岸線位置為植被兩側(cè)覆被類型與茂密程度不同處；位置2、4、5部分岸線為公路和人工土壩堤腳。未完全開發(fā)人工岸線位置1是永豐河入海口處，實(shí)測(cè)岸線訂正到河流入海口處向上游延伸的第一座壩體或閉合建筑，與自動(dòng)提取的海岸線相比，距入海河口較近；位置2是小島河入海口處，其南、北兩側(cè)蝦池、鹽田都有引海入池的潮溝，應(yīng)將潮溝缺口處用直線連接閉合，以此訂正海岸線。

圖4　自然岸線提取過(guò)程與提取結(jié)果Fig.4　The extraction processes and results of natural coastline

圖5　未完全開發(fā)人工岸線提取過(guò)程與提取結(jié)果Fig.5　The extraction processes and results of semi-artificial coastline

圖6　完全開發(fā)人工岸線提取過(guò)程與提取結(jié)果Fig.6　The extraction processes and results of fully developed artificial coastline

圖7　自然、未完全開發(fā)和人工岸線提取結(jié)果精度評(píng)價(jià)分析Fig.7　Evaluating and analysis of the extraction accuracy of natural coastline，semi-artificial coastline and artificial coastline

3種類型的岸線提取結(jié)果如下(圖4d、5d、6d)：(1)自然岸線自動(dòng)提取長(zhǎng)度為1 769像素，目視解譯的參考岸線長(zhǎng)度1 820像素，長(zhǎng)度誤差-2.80%。當(dāng)岸線提取幾何定位精度在0.5像元單位時(shí)(圖4e)，TP1、TP2、FP和FN分別為1 568、1 628、201和192，通過(guò)計(jì)算可得到相應(yīng)的完整度、正確度和質(zhì)量分別為89.45%、88.64%和80.26%。當(dāng)緩沖半徑為1像元時(shí)(圖4f)，TP1、TP2、FP和FN分別為1 676、1 731、93和89，相應(yīng)的完整度、正確度和質(zhì)量分別為95.11%、94.74%和90.44%。

(2)未完全開發(fā)人工岸線自動(dòng)提取長(zhǎng)度為1 265像素，目視解譯參考長(zhǎng)度為1 299像素，長(zhǎng)度誤差-2.62%。當(dāng)岸線提取的幾何定位精度為0.5像元時(shí)(圖5e)，TP1、TP2、FP和FN分別為1 179、1 222、86和77，通過(guò)計(jì)算可得到相應(yīng)的完整度、正確度和質(zhì)量分別為94.07%、93.20%和88.05%。當(dāng)緩沖半徑為1像元時(shí)(圖5f)，TP1、TP2、FP和FN分別為1 205、1 233、60和66，相應(yīng)的完整度、正確度和質(zhì)量分別為95.25%、94.92%和90.63%。

(3)人工岸線自動(dòng)提取長(zhǎng)度為991像素，目視解譯參考長(zhǎng)度為1 012像素，長(zhǎng)度誤差為-2.08%。當(dāng)岸線提取的幾何定位精度在0.5像元單位時(shí)(圖6e)，TP1、TP2、FP和FN分別為936、962、55和50，通過(guò)計(jì)算可得到相應(yīng)的完整度、正確度和質(zhì)量分別為95.06%、94.45%和90.03%。當(dāng)緩沖半徑為1像元(圖6f)時(shí)，TP1、TP2、FP和FN分別為945、977、46和35，相應(yīng)的完整度、正確度和質(zhì)量分別為96.54%、95.50%和92.34%。

分析對(duì)比可知，兼具光譜特性和空間關(guān)系的海岸線提取結(jié)果的長(zhǎng)度誤差分別為：自然岸線-2.80%，未完全開發(fā)人工岸線-2.62%，完全開發(fā)人工岸線-2.08%，海岸線提取長(zhǎng)度精確度均相當(dāng)高。當(dāng)提取岸線的幾何定位精度為0.5個(gè)像元時(shí)，3種類型實(shí)驗(yàn)對(duì)象提取的完整度分別為89.45%、94.07%和95.06%，正確度分別為88.64%、93.20%和94.45%，提取質(zhì)量分別為80.26%、88.05%、90.03%。當(dāng)幾何定位精度變?yōu)?個(gè)像元時(shí)，3類實(shí)驗(yàn)提取結(jié)果完整度、正確度和質(zhì)量均高于90%(圖7)。

4討論與結(jié)論

4.1討論

黃河為世界上含沙量位居第一的大河，黃河三角洲海岸線的演變速率已遠(yuǎn)大于地形圖與航片的更新速率，導(dǎo)致與其相關(guān)的研究精度受到限制，從而遙感數(shù)據(jù)成為長(zhǎng)時(shí)間尺度與多頻率研究間隔下監(jiān)測(cè)岸線變遷的重要數(shù)據(jù)源。本文將實(shí)測(cè)光譜和遙感影像相結(jié)合來(lái)研究岸線自動(dòng)提取，基于Landsat8-OLI影像在修復(fù)歸一化水體指數(shù)(band6和band3組合)中引入短波紅外波段，增加了band7、band5和band4三個(gè)波段。所建立的提取模型涵蓋可見(jiàn)光、近紅外和短波紅外3個(gè)波段組，通過(guò)波段組合和波段范圍限定建立模型，在降低波段間冗余的前提下充分利用影像信息。由于多年大潮平均高潮位兩側(cè)含鹽量的不同，導(dǎo)致植被覆蓋度和生長(zhǎng)狀況不同，band7波段可表達(dá)出強(qiáng)烈的植被信息，參與模型構(gòu)建能突出其變化，而且已有許多土壤鹽分光譜特征的相關(guān)研究表明，band7波段與土壤鹽分有較好的相關(guān)性，可作為鹽分含量變化的特征波段，進(jìn)而反映出岸線兩側(cè)植被光譜信息不同，最終確定岸線所在位置。總體看來(lái)，利用這種方法自動(dòng)提取岸線具有較高的準(zhǔn)確度、完整度及提取質(zhì)量，但是也還有許多問(wèn)題需要進(jìn)一步完善。

首先，野外潮灘光譜采集存在一定主觀性，而且光譜采集時(shí)間跨度較大。采樣斷面以及同一斷面上的相鄰樣點(diǎn)的間隔并非嚴(yán)格相等，在影像中一個(gè)像素單位是15 m×15 m單元格內(nèi)所有地物光譜的均值，而實(shí)測(cè)光譜只采集15 m×15 m單元格內(nèi)5個(gè)點(diǎn)的光譜信息，樣點(diǎn)數(shù)量與類型能否完全反映黃河三角洲地物光譜特征有待于驗(yàn)證。

其次，影像融合以后分辨率為15 m，但與航片和實(shí)測(cè)地形圖相比，其分辨率仍較低，導(dǎo)致岸線在自動(dòng)提取時(shí)存在誤差。本文采用大潮平均高潮線法對(duì)遙感影響中的海岸線進(jìn)行目視解譯提取，且通過(guò)野外GPS進(jìn)行定位來(lái)校正室內(nèi)解譯結(jié)果，雖然降低了解譯難度和增加解譯精度，但是大潮平均高潮線的位置及其附近地形、物質(zhì)組成、土壤含水量、含鹽量和植被空間差異等隨海岸坡度、季節(jié)、潮周期、波浪高度和強(qiáng)度等持續(xù)變化，某一次即時(shí)的現(xiàn)場(chǎng)潮灘光譜采集和遙感成像無(wú)法反映這些變化。

第三，在海岸線自動(dòng)提取模型構(gòu)建中算子法和形態(tài)學(xué)已應(yīng)用較多，Canny算子較Roberts、Sobel和LOG等典型微分算子有具有大信噪比、檢測(cè)精度高的特點(diǎn)。傳統(tǒng)Canny算子邊緣檢測(cè)時(shí)將非邊緣點(diǎn)誤判為邊緣點(diǎn)的概率低，但遙感影像局部灰度變化最大像素并非一定為邊緣點(diǎn)，本文結(jié)合區(qū)域生長(zhǎng)法的自適應(yīng)Canny以局部灰度平均變化最大的像素為邊緣，邊緣信息豐富，噪聲點(diǎn)基本消失。與傳統(tǒng)Canny算子相比，該自適應(yīng)Canny計(jì)算某一個(gè)像元點(diǎn)8鄰域x、y方向上一階偏導(dǎo)有限差分，改進(jìn)了以往雙閾值求取采用同閾值的問(wèn)題，既精確邊緣定位又抑制噪聲。除計(jì)算機(jī)圖形圖像分析參與模型構(gòu)建，還用到實(shí)測(cè)光譜與遙感影像的特征選取關(guān)系模型、影像各波段間的數(shù)學(xué)關(guān)系模型。但潮灘坡度、表層地物含水量等影響光譜反射率的因素，未參與耦合模型的構(gòu)建，后續(xù)研究中應(yīng)加以考慮。

4.2結(jié)論

本文綜合運(yùn)用陸地、灘涂以及海域的光譜特性和海岸線的空間位置關(guān)系，通過(guò)黃河三角洲地區(qū)實(shí)測(cè)地物光譜與遙感影像光譜反射率的對(duì)比分析，選擇敏感波段建立自動(dòng)提取模型，對(duì)不同類型海岸線進(jìn)行初步提取，隨后利用融合區(qū)域生長(zhǎng)算法的自適應(yīng)Canny邊緣提取算法和膨脹腐蝕算法，優(yōu)化海岸線提取結(jié)果、提高提取準(zhǔn)確率與定位精度，提取過(guò)程與結(jié)果對(duì)黃河三角洲海岸線自動(dòng)提取具有重要意義；另外，對(duì)Canny算子的改進(jìn)研究，不但剔除異質(zhì)斑塊和精確空間定位，也為今后的遙感影像處理和圖像處理提供了更精確的科學(xué)方法；最后基于野外踏勘GPS實(shí)測(cè)數(shù)據(jù)與908專項(xiàng)目視解譯標(biāo)準(zhǔn)，對(duì)目視解譯的參考岸線進(jìn)行修正，以空間方位關(guān)系為基礎(chǔ)將參考岸線與自動(dòng)提取的海岸線進(jìn)行線匹配，引用ROC曲線原則對(duì)3類實(shí)驗(yàn)區(qū)提取結(jié)果進(jìn)行0.5與1像素值幾何定位精度評(píng)價(jià)，結(jié)果發(fā)現(xiàn)長(zhǎng)度誤差雖小，但幾何定位精度變化，對(duì)實(shí)驗(yàn)結(jié)果影響較大(在幾何定位精度為1像素值時(shí)，自然岸線和未完全開發(fā)人工岸線表現(xiàn)更為明顯)。經(jīng)對(duì)比發(fā)現(xiàn)，實(shí)驗(yàn)A、B和C3類情況提取完整度、正確度和質(zhì)量在相同幾何定位精度單位下呈逐漸上升趨勢(shì)；當(dāng)提取岸線平面輪廓形態(tài)變得曲折復(fù)雜時(shí)，提取結(jié)果精度相對(duì)較低；相反岸線平滑、簡(jiǎn)單，提取結(jié)果精度高(圖7)。由此推斷，本文提出的研究方法在實(shí)際使用中誤差為0.5～1個(gè)像元之間，可用于對(duì)岸線快速初步精確定位中，且人工岸線與未完全開發(fā)人工岸線部分在不同情況下可完全替代目視解譯結(jié)果，使實(shí)驗(yàn)結(jié)論科學(xué)有效。

在自動(dòng)化和提取精度方面，本研究最終獲得較好的實(shí)驗(yàn)結(jié)果，但部分提取過(guò)程及定位精度有待改進(jìn)。由于不同類型海岸帶包含不同地理空間信息，且不同衛(wèi)星搭載不同分辨率傳感器，均需對(duì)遙感影像和波段模型進(jìn)行篩選對(duì)比。其次對(duì)于河流入海口處岸線的精確定位提取還存在不足，同時(shí)，文中所提到的方法在不同區(qū)域魯棒性還有待驗(yàn)證。最后，雖然通過(guò)野外提取結(jié)果來(lái)校正目視解譯結(jié)果，但目視解譯過(guò)程的部分誤差不可避免。

參考文獻(xiàn)：

[1]張成揚(yáng)， 趙智杰. 近10年黃河三角洲土地利用/覆蓋時(shí)空變化特征與驅(qū)動(dòng)因素定量分析[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2015， 51(1): 151-158.

Zhang Chengyang， Zhao Zhijie. Temporal and spatial change of land use/cover and quantitative analysis on the driving forces in the Yellow River Delta[J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 2015， 51(1): 151-158．

[2]魏東嵐， 曹曉晨. Matlab平臺(tái)下遙感影像的北方岸線提取研究——以大連長(zhǎng)興島為例[J]. 測(cè)繪通報(bào)， 2015(5): 80-83.

Wei Donglan， Cao Xiaochen. Using satellite remote sensing image data to research the north coastline extraction based on matlab—A case study of Changxing Island， Dalian City[J]. Bulletin of Surveying and Mapping， 2015(5): 80-83．

[3]盛佳， 洪中華， 張?jiān)疲?等. 基于TerraSAR-X影像的格陵蘭島海岸水邊線提取[J]. 極地研究， 2014， 26(4): 418-424.

Sheng Jia， Hong Zhonghua， Zhang Yun， et al. Extraction of the Greenland coastline based on TerraSAR-X imagery[J]. Chinese Journal of Polar Research， 2014， 26(4): 418-424．

[4]Rigos A， Andreadis O P， Andreas M， et al. Shoreline Extraction from Coastal Images Using Chebyshev Polynomials and RBF Neural Networks[M]// Artificial Intelligence Applications and Innovations. Berlin Heidelberg：Springer， 2014：593-603.

[5]Yousef A， Iftekharuddin K. Shoreline extraction from the fusion of LiDAR DEM data and aerial images using mutual information and genetic algrithms[C]. Neural Networks (IJCNN)， 2014 International Joint Conference on IEEE， 2014：1007-1014．

[6]Yousef A， Iftekharuddin K M， Mohammad A K. Shoreline extraction from light detection and ranging digital elevation model data and aerial images[J]. Optical Engineering， 2014， 53(1):259-269.

[7]Liu H， Wang L， Sherman D J， et al. Algorithmic foundation and software tools for extracting shoreline features from remote sensing imagery and LiDAR data[J]. Journal of Geographic Information System， 2011， 3(2):99-119．

[8]Feng Y， Liu Y， Liu D. Shoreline mapping with cellular automata and the shoreline progradation analysis in Shanghai， China from 1979 to 2008[J]. Arabian Journal of Geosciences， 2015， 8(7):4337-4351．

[9]馮永玖， 袁佳宇， 宋麗君， 等. 杭州灣海岸線信息的遙感提取及其變遷分析[J]. 遙感技術(shù)與應(yīng)用， 2015， 2(2): 345-352.

Feng Yongjiu， Yuan Jiayu， Song Lijun， et al. Coastline mapping and change detection along Hangzhou Bay using remotely sensed imagery[J]. Remote Sensing Technology and Application， 2015， 2(2): 345-352．

[10]Feng Y， Liu Y. A cellular automata model based on nonlinear kernel principal component analysis for urban growth simulation[J]. Environment & Planning B Planning & Design， 2013， 40(1):116-134．

[11]Masria A， Nadaoka K， Negm A， et al. Detection of shoreline and land cover changes around Rosetta Promontory， Egypt， based on remote sensing analysis[J]. Land， 2015， 4(1):216-230．

[12]Gon?alves G R， Duro N， Sousa E， et al. Automatic extraction of tide-coordinated shoreline using open source software and landsat imagery[C]//ISPRS-International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences， 2015：953-957.

[13]Zhu C， Zhang X， Luo J， et al. Automatic extraction of coastline by remote sensing technology based on SVM and auto-selection of training samples[J]. Remote Sensing for Land & Resources， 2013， 25(2):69-74．

[14]關(guān)元秀， 劉高煥， 王勁峰. 基于GIS的黃河三角洲鹽堿地改良分區(qū)[J]. 地理學(xué)報(bào)， 2001， 56(2): 198-205.

Guan Yuanxiu， Liu Gaohuan， Wang Jinfeng. Regionalization of salt-affected land for ameliorationin the Yellow River Delta based on GIS[J]. Acta Geographica Sinica， 2001， 56(2): 198-205．

[15]國(guó)家海洋局908專項(xiàng)辦公室.我國(guó)近海海洋綜合調(diào)查與評(píng)價(jià)專項(xiàng)海岸線修測(cè)技術(shù)規(guī)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．

[16]孫效功， 趙海虹， 崔承琦. 黃河三角洲潮灘潮溝體系的分維特征[J]. 海洋與湖沼， 2001， 32(1): 74-80.

Sun Xiaogong， Zhao Haihong， Cui Chengqi. The fractal characteristics of tidal flat and tidal creek system in the Yellow River Delta[J]. Oceanologia et Limnologia Sinica， 2001， 32(1): 74-80．

[17]郭永飛，韓震.基于SPOT遙感影像的九段沙潮溝信息提取及分維研究[J]. 海洋與湖沼，2013，44(6):1436-1441.

Guo Yongfei， Han Zhen. Information extraction and fractal dimensions based on SPOT remote sensing image for tidal channels in Jiuduansha shoal[J]. Oceanologia et Limnologia Sinica， 2013，44(6):1436-1441．

[18]Hamedianfar A， Shafri H Z M. Development of fuzzy rule-based parameters for urban object-oriented classification using very high resolution imagery[J]. Geocarto International， 2013， 29(3):1-25．

[19]徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報(bào)， 2005， 9(5): 589-595.

Xu Hanqiu. A Study on information extraction of water body with the modified normalized difference water index(MNDWI)[J]. Journal of Remote Sensing， 2005， 9(5): 589-595．

[20]Ryu Joo-Hyung， Won Joong-Sun ， Min Kyung Duck. Waterline extraction from Landsat TM data in a tidal flat[J]. Remote Sensing of Environment， 2002， 83(3):442-456．

[21]沈芳，郜昂，吳建平，等. 淤泥質(zhì)潮灘水邊線提取的遙感研究及DEM構(gòu)建——以長(zhǎng)江口九段沙為例[J]. 測(cè)繪學(xué)報(bào)，2008(1):102-107.

Shen Fang， Gao Ang， Wu Jianping， et al. A remotely sensed approach on waterline extraction of silty tidal flat for DEM construction，a case study in Jiuduansha Shoal of Yangtze river[J]. Acta Geodaetica et Catograghica sinica， 2008(1):102-107．

[22]雄卡. 圖像處理、分析與機(jī)器視覺(jué)[M]. 北京：清華大學(xué)出版社， 2011．

Sonka. Image Processing, Analysis, and Machine Vision[M]. Beijing: Tsinghua University Press, 2011.

[23]沈琦， 汪承義， 趙斌. 幾何活動(dòng)輪廓模型用于高分辨率遙感影像海岸線自動(dòng)提取[J]. 復(fù)旦學(xué)報(bào):自然科學(xué)版， 2012， 51(1):77-82.

Shen Qi， Wang Chengyi， Zhao Bin. Automatic waterline extraction in VHR imagery using Geometric Active Contour model[J]. Journal of Fudan University(Natural Science)， 2012， 51(1):77-82．

[24]劉善偉， 張杰， 馬毅，等. 遙感與DEM相結(jié)合的海岸線高精度提取方法[J]. 遙感技術(shù)與應(yīng)用， 2011， 26(5):613-618.

Liu Shanwei， Zhang Jie， Ma Yi， et al. Coastline extraction method based on remote sensing and DEM[J]. Remote Sensing Technology and Application， 2011， 26(5):613-618.

[25]張霞， 莊智， 張旭凱，等. 秦皇島市海岸線遙感提取及變化監(jiān)測(cè)[J]. 遙感技術(shù)與應(yīng)用， 2014， 29(4):625-630.

Zhang Xia， Zhuang Zhi， Zhang Xukai， et al. Coastline extraction and change monitoring by remote sensing technology in Qinghuangdao city[J]. Remote Sensing Technology and Application， 2014， 29(4):625-630．

[26]Cao Ronglong， Li Cunjun. Extracting Miyun Reservoir’s water area and monitoring its change based on a revised normalized different water index[J]. Science of Surveying and Mapping， 2008， 33(2):158-160．

[27]吳小娟， 肖晨超， 崔振營(yíng)，等. “高分二號(hào)”衛(wèi)星數(shù)據(jù)面向?qū)ο蟮暮０毒€提取法[J]. 航天返回與遙感， 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.

[28]Bagli S， Soille P. Automatic delineation of shoreline and lake boundaries from Landsat satellite images[C]//Proceedings of Initial ECO-IMAGING GI and GIS for Integrated Coastal Management， 2004．

[29]Zou K， O’Malley A L. Receiver-operating characteristic analysis for evaluating diagnostic tests and predictive models[J]. Circulation， 2007， 115(5):654-657．

[30]孫偉富， 馬毅， 張杰， 等.不同類型海岸線遙感解譯標(biāo)志建立和提取方法研究[J]. 測(cè)繪通報(bào)， 2011(3):41-44.

Sun Weifu， Ma Yi， Zhang Jie， et al. Study of remote sensing interpretation keys and extraction technique of different tyoes of shoreline[J]. Bulletin of Surveying and Mapping， 2011(3):41-44.

[31]高義， 王輝， 蘇奮振， 等. 中國(guó)大陸海岸線近30a的時(shí)空變化分析[J]. 海洋學(xué)報(bào)， 2013， 35(6):31-42.

Gao Yi， Wang Hui， Su Fenzhen， et al. Spatial and temporal of continental coastline of China in recent three decades[J]. Haiyang Xuebao， 2013， 35(6):31-42.

[32]馬小峰， 趙冬至， 邢小罡， 等. 海岸線衛(wèi)星遙感提取方法研究[J]. 海洋環(huán)境科學(xué)， 2007， 26(2):185-189.

Ma Xiaofeng， Zhao Dongzhi， Xing Xiaogang， et al. Means of withdrawing coastline by remote sensing[J]. Marine Environmental Science， 2007， 26(2):185-189.

Study on automatic extraction of coastline in the Yellow River Delta based on multi-spectral data

Qiao Xuejin1， Wang Qing1， Zhan Chao1， Wang Xin1， Wang Hongyan1， Du Guoyun1， Li Xueyan1

(1.CoastInstituteofLudongUniversity，Yantai264025，China)

Abstract:The automatic extraction of coastline based on multi-spectral data has been an important question which has received attention for a long time. In this paper， aiming at the situation of the coastline extraction with a relatively single method based on either the spectral characteristic or the spatial relation， the authors present an automatic extraction method which concludes both spectral characteristics and spatial relations. Firstly， through comparing the measured spectrums with the Landsat8-OLI image of 2014 and choosing sensitive bands to build extraction model， we classified and extracted the coastline of the Yellow River Delta. Secondly， through using the method of visual interpretation， we extracted the coastline of experimental coastal section based on the coastline revision of Shandong Province in the 908 special project. Thirdly， through using the ROC (Receiver Operating Characteristic) curve， we evaluated the accuracy of the extraction result by 0.5 pixels and 1 pixel individually. Finally， the experimental result of vector-based coastline was directly applied in the subsequent GIS analysis. On the whole， through this new method， we can extract the coastline of Yellow River Delta quickly with an accuracy of one pixel and an extraction confidence level of higher than 90%．

Key words:coastline; adaptive threshold; automatic extraction; evaluation

收稿日期：2015-11-29；

修訂日期：2016-02-25。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(41271016，41471005)。

作者簡(jiǎn)介：?jiǎn)虒W(xué)瑾(1989—)，男，山西省大同市人，從事河口海岸地表過(guò)程研究。E-mail：qiaoxuejin@sina.com *通信作者：王慶(1968—)，男，山東省臨沂市人，教授，河口海岸學(xué)專業(yè)。E-mail：schingwang@126.com

中圖分類號(hào):P715.7

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：0253-4193(2016)07-0059-13

喬學(xué)瑾，王慶，戰(zhàn)超， 等. 基于多光譜數(shù)據(jù)的黃河三角洲岸線自動(dòng)提取[J]. 海洋學(xué)報(bào)， 2016， 38(7):59-71， doi:10.3969/j.issn.0253-4193.2016.07.006

Qiao Xuejin， Wang Qing， Zhan Chao， et al.Study on automatic extraction of coastline in the Yellow River Delta based on multi-spectral data[J]. Haiyang Xuebao， 2016， 38(7):59-71，doi:10.3969/j.issn.0253-4193.2016.07.006