結合海岸類型和潮位校正的海岸線遙感提取

張旭凱，張 霞，楊邦會，莊 智，尚 坤

(1.中國科學院遙感與數字地球研究所，北京 100101;2.中國科學院大學，北京 100039)

0 引言

海岸線是海陸交界線，包括大陸海岸線和島嶼海岸線[1]?；诓煌瑢W科的研究目的，海岸線的具體定義和劃分位置有所不同。我國現有海洋管理工作的實踐都是以平均大潮高潮線作為海陸分界線[2-3]，本文同樣將海岸線定義為平均大潮高潮線。精確的海岸線位置不僅是劃分海陸行政管理區域的基礎，而且是區分海洋深度基準和陸地高程基準的保證。因此，海岸線探測是海道測量、地圖測繪、海岸帶調查、海岸和海域管理等的重要內容，從而可獲得重要的基礎地理數據[4-5]。

相對于傳統海岸線探測手段，遙感技術以高時效、大范圍、動態性等特點逐漸成為高效快捷的海岸線提取技術。海岸線遙感提取技術建立在傳感器可對不同地物分界線進行探測基礎之上[6]。隨著傳感器性能的提升，越來越多的專家學者開始利用遙感手段快速而準確地提取海岸線。

由于受潮汐等因素的影響，從遙感圖像上直接提取的水陸交界線并不是真正意義上的海岸線，只是衛星過頂時刻的瞬時水邊線[7]，而正好位于平均大潮高潮線的水邊線則較難獲取。所以，要想獲取真正的海岸線，需要將水邊線進行潮位校正至平均大潮高潮線。目前，國內外對于遙感提取海岸線的研究多集中于水邊線的自動提取，雖然考慮到潮位的影響，但缺少具體的潮位校正過程?，F有的水邊線提取方法主要包括閾值分割法[8]、邊緣檢測法[9]、主動輪廓模型法[10]、區域生長提取法[11]、神經網絡分類法[12]和元胞自動機方法[13]等。上述方法多利用單一算法進行水邊線提取，事實上，不同類型的海岸具有不同的地物特征，其水邊線也相應具有不同的特點，單一算法不能保證提取精度。針對以上問題，本文結合最小噪聲分離(minimum noise fraction，MNF)變換、改進的歸一化差異水體指數(modified normalized difference water index，MNDWI)、數學形態學方法和改進的Canny邊緣檢測方法，根據不同海岸類型采取相應的水邊線提取算法。黃海軍等[14]和馬小峰等[15]均提出過潮位校正的思路，并且馬小峰還給出水邊線至高潮線水平距離的計算過程。然而，現有的潮位校正研究尚有不足:①未給出2景圖像上水邊線距離的具體量測方法;②未給出潮位校正中水邊線移動方向的確定方法。針對以上不足，本文以研究區內部分砂質海岸水邊線為例，具體闡述潮位校正的方法和過程，并利用潮位數據對水邊線進行校正，獲取海岸線。經GPS實測數據驗證，本文海岸線遙感提取精度較高。

1 研究區概況與數據源

研究區為河北省秦皇島市海岸帶地區，位于E119°28′～ 119°44′，N 39°48′～ 39°57′之間(圖 1)。秦皇島處于最具發展潛力的環渤海經濟圈中心地帶，是我國東北與華北2大經濟區的結合部。研究區內海岸類型豐富，主要包括自然海岸中的砂質海岸、基巖海岸和淤泥質海岸，以及人工海岸的碼頭。

圖1 秦皇島海岸帶研究區Fig.1 Study area of Qinhuangdao coastal zone

本文選用SPOT4全色圖像(空間分辨率10 m)和多光譜圖像(空間分辨率20 m)各2景，其分別于2009年10月10日和2011年10月1日獲取。其中，多光譜圖像波段范圍為綠波段(500～590 nm)、紅波段(610～680 nm)、近紅外波段(780～890 nm)和短波紅外波段(1 580～1 750 nm)。圖像經過輻射校正和幾何精糾正等預處理，幾何糾正誤差控制在0.5個像元以內。

由于在提取水邊線時需要用到光譜信息和空間信息，為提高海岸線提取的準確性，特將預處理后的全色圖像和多光譜圖像進行融合處理，以提高多光譜圖像的空間分辨率。利用Gram-Schmidt正交化算法對SPOT4全色圖像和多光譜圖像進行融合。該算法能較好地保持空間紋理信息，是一種高保真的遙感圖像融合方法[16]。

本文所用數據還包括秦皇島驗潮站2006—2011年的潮位數據和2011年9月秦皇島研究區海岸線實地GPS測量點數據(根據各種類型海岸帶的分布范圍，分別獲取50個砂質海岸測量點、20個人工海岸測量點、20個基巖海岸測量點和10個淤泥質海岸測量點數據，獲取標志參照夏東興等[3]的研究)。其中潮位數據用于水邊線的潮位校正，GPS測量點數據用于對提取的海岸線進行精度驗證。

2 水邊線提取方法

濱海地帶的瞬時水邊線大多不是真正的海岸線，但通過遙感圖像提取水邊線是海岸線提取過程中非常關鍵的一步。本文根據不同海岸類型采取相應的水邊線提取方法，具體技術流程如圖2所示。

圖2 水邊線提取技術流程Fig.2 Technical flow chart of waterline extraction

2.1 基巖海岸與人工海岸水邊線提取

基巖海岸由堅硬的巖石組成，波浪作用是其形成的主要動力?；鶐r海岸常有突出的海岬和深入陸地的海灣，海岸線較為曲折。研究區內基巖海岸具有較明顯的曲折狀態和巖石構造，在遙感圖像中水陸分界明顯。人工海岸是改變原有自然狀態、完全由人工建造、并具有生產或生活功能的海岸。研究區內人工海岸重要組成之一是秦皇島港煤碼頭，在遙感圖像中形狀規則，水陸分界明顯。

由于基巖海岸和人工海岸在遙感圖像中都具有較明顯的水陸分界，利用邊緣檢測便可提取水邊線。邊緣檢測算子是利用圖像灰度梯度變化信息，不考慮海岸線的背景差異，因此獲得的海岸線位置一般較為準確。但其受遙感圖像中噪聲點的影響，檢測的邊緣容易發生中斷，所以在邊緣檢測之前要先對圖像進行去噪。本文針對SPOT4多波段圖像，采用MNF變換選取噪聲最小波段，結合改進的Canny邊緣檢測算子[17]進行基巖海岸和人工海岸水邊線的提取。MNF變換在本質上是2次層疊的主成分變換:第1次變換是利用估計的噪聲協方差矩陣分離和重新調節數據中的噪聲;第2次變換是對噪聲“白化”(均值為“0”、方差為“1”的線性變換)數據的標準主成分變換。改進的Canny邊緣檢測算子主要是針對最后一步的雙門限參數(低門限t1和高門限t2)，結合Otsu[18]提出的閾值算法選擇t2，利用

確定 t1。

改進的Canny邊緣檢測算子可很好地抑制虛假邊緣的產生。以2011年SPOT4圖像為例，基巖海岸和人工海岸的水邊線提取效果分別如圖3和圖4所示。

圖3 基巖海岸水邊線提取效果Fig.3 Waterline extracted from bedrock coast

圖4 人工海岸水邊線提取效果Fig.4 Waterline extracted from artificial coast

由于SPOT4圖像數據沒有藍波段，不能直接合成圖像。本文RGB分別采用紅波段、[(綠波段×3+近紅外波段)/4]、綠波段，組合生成圖像(圖3(a)和圖4(a))。MNF變換噪聲最小波段圖像(圖3(b)和圖4(b))可以很好地抑制噪聲，同時可更好地突出水陸邊界。從基巖海岸和人工海岸水邊線疊加圖像(圖3(c)和圖4(c))中可以看出，用本文算法提取的水邊線與原始圖像疊加顯示的效果較好。

2.2 砂質海岸水邊線提取

砂質海岸是由粒級大于0.1 mm的砂組成的海岸，主要由波浪作用塑造而成。砂質海岸的干燥灘面反射率較高，在遙感圖像上表現為較亮區域;潮濕灘面反射率較低，在圖像上表現為較暗區域;海水反射率最低，在圖像上表現為最暗區域。遙感圖像瞬時水邊線應為潮濕灘面和干燥灘面的分界線，由于此分界線并不明顯，若直接提取，則精度不高。針對此問題，本文采用MNDWI[19]來增大潮濕灘面和干燥灘面的差異，即

MNDWI=(Green-MIR)/(Green+MIR)，(2)式中Green和MIR分別代表綠波段和中紅外波段亮度值，在SPOT4圖像中分別為第1和4波段。砂質海岸圖像經MNDWI計算后的效果如圖5所示。

圖5 砂質海岸MNDWI計算圖像效果Fig.5 MNDWI calculated from sandy coast

圖5 (b)和圖5(c)中的紅色叉絲位置相同，且位于水邊線處;紅色叉絲上方為干燥沙灘，下方為潮濕沙灘?？梢钥闯?，在經過MNDWI計算的圖像中，干燥沙灘區域被抑制顯示，潮濕沙灘區域被突出顯示，二者分界線更加明顯。

經過MNDWI計算，同樣利用改進的Canny邊緣檢測算子可以有效地提取水邊線，結果如圖6所示。將本文算法提取的砂質海岸水邊線與原始圖像進行疊加，效果較好;結合MNDWI可使砂質海岸水邊線更明顯，水邊線提取精度更高。

圖6 砂質海岸水邊線提取效果Fig.6 Waterline extracted from sandy coast

2.3 淤泥質海岸水邊線提取

淤泥質海岸主要由平均顆粒直徑0.001～0.01 mm的淤泥組成，受上沖流的影響，淤泥質海岸灘面坡度平緩，灘面較寬。研究區內淤泥質海岸主要位于北戴河濕地，并且未被開發利用。由于淤泥質海岸水沙混合，邊界比較模糊，使水邊線提取有一定難度。王李娟等[20]分別利用Sobel算子和MNDWI對淤泥質海岸線進行了提取，其中利用Sobel算子提取的結果準確度更高。潮灘含水量較高，與海水的輻亮度在綠波段和中紅外波段的變化趨勢相似，這是由于利用MNDWI提取淤泥質海岸水邊線效果較差。針對此問題，本文在以上研究的基礎上，首先利用形態學方法對SPOT4的短波紅外波段圖像進行處理。SPOT4的短波紅外波段具有較強的大氣穿透能力，使得圖像上的地物、地貌更加清晰。相對于SPOT4的其他波段，短波紅外波段對土壤濕度的變化更加敏感，可以更準確地反映淤泥質海岸地表水分含量;但同時會產生更多的碎邊緣，從而影響邊緣檢測的效果。利用數學形態學方法可以很好地消除碎邊緣，從而形成相對閉合的海陸輪廓[21]。

基本的形態學算子包括膨脹、腐蝕、開運算和閉運算。為了消除潮灘中一些較小的暗色區域，本文首先對SPOT4的短波紅外波段圖像進行取反，得到S1，將暗色區域突出顯示;然后利用腐蝕算子進行處理，消除較小的暗色區域，得到S2;將腐蝕后的圖像S2和取反圖像S1進行形態學重構，得到S3，可以去除部分噪聲且保持影像邊緣信息不變;最后對S3取反得到S4，并對S4進行閉運算(先膨脹、后腐蝕)，完成形態學處理過程。再利用改進的Canny邊緣檢測算子進行水邊線提取，結果如圖7所示。

圖7 淤泥質海岸水邊線提取效果Fig.7 Waterline extracted from muddy coast

根據不同海岸類型分別提取水邊線，并對其進行拼接，得到研究區整體水邊線提取結果(圖8)。

圖8 研究區海岸線提取效果Fig.8 Waterline extracted from the study area

對比圖7(a)和圖7(b)可以看出，在形態學處理后的圖像中破碎邊緣減少，海陸輪廓相對閉合，更加有利于水邊線的提取;圖7(c)中水邊線提取結果與原始圖像疊加顯示的效果也較好。

3 潮位校正與精度驗證

3.1 潮位校正原理與實現

結合海岸類型已成功提取出的研究區內4種海岸類型水邊線，并從定性角度驗證了其較好的效果。然而，砂質海岸和淤泥質海岸的海岸線位置受潮位影響較大，需要對水邊線進行潮位校正，才能獲得準確的海岸線。潮位校正一般根據衛星成像時刻的潮位高度、平均大潮高潮位高度以及海岸坡度等信息計算出水邊線至高潮線的水平距離，從而確定海岸線的位置[4]。其原理如圖9所示。

圖9 潮位校正原理Fig.9 Principle of tidal correction

水邊線至海岸線的距離為

式中H為平均大潮高潮位高度，可根據多年潮位觀測資料得到。
瞬時潮高(以h1為例)為

式中:H1為當日高潮的高程;h為當日的潮差;T為落潮歷時;t為高潮時至圖像獲取時的時間間隔。

根據潮位校正原理，本文收集了位于研究區內的秦皇島驗潮站2009年10月10日和2011年10月1日的潮位數據(包括當日高潮位高度H1、高潮潮時T1、低潮位高度H2、低潮潮時T2和2005—2011年平均大潮高潮位高度H);通過遙感數據頭文件信息得到圖像獲取時刻T3;計算當日潮差h，即

落潮歷時

和高潮時至遙感圖像獲取的時間間隔為

將式(6)—(8)代入式(5)，可得到2景SPOT圖像獲取時刻的瞬時潮高。經計算，2009年10月10日的瞬時潮高h2=167.52 cm，2011年10月1日的瞬時潮高 h1=138.39 cm。

首先，分別提取2009年和2011年砂質海岸水邊線，經量測總長均接近6 700 m;然后，假設該段砂質海岸各處的坡度相同，在2009年砂質海岸水邊線上每隔100 m取1個點，共取67個點;計算67個點到2011年水邊線的平均距離ΔL=5.29 m，并連同先前所得的h1，h2和H代入式(3)和(4)，得到2011年水邊線至海岸線的距離L=8.28 m;最后，將2011年水邊線向陸地方向移動8.28 m，可獲取2011年的海岸線位置。提取的海岸線是由多條線段組成的折線(圖10)，陸地方向為每條線段的垂線方向(指向陸地一側)，將每條線段按其垂線方向分別移動8.28 m，得到最終的2011年海岸線位置。

圖10 潮位校正方向示意圖Fig.10 Sketch map of the direction of tidal correction

3.2 精度驗證

針對目前的研究大多缺乏對海岸線提取精度定量驗證的問題，本文利用與2011年遙感圖像同期獲取的海岸線實地GPS測量點進行精度驗證，海岸線實地測量點均勻分布于研究區中。精度驗證的內容包括海岸線實地測量點與所提取海岸線的距離偏差的最小值、最大值、平均值、標準差以及距離偏差超過5 m的點數，驗證結果如表1所示。

表1 海岸線提取精度驗證結果Tab.1 Accuracy verification results of coastline extraction

從表1可以看出，4種類型海岸線提取精度均較高，距離偏差的最大值均小于10 m(1個像元)。經過潮位校正的砂質海岸線與實地測量點距離偏差的平均值和標準差都較小，說明本文方法提取砂質海岸線精度較高并且提取結果較穩定。淤泥質海岸線雖然經過潮位校正，但與實地測量點距離偏差的平均值卻最大，說明其提取精度在4種海岸類型中最低;但其距離偏差的標準差最小，說明距離偏差波動不大。這是因為研究區內淤泥質海岸分布于濕地保護區域，而實地測量點位于濕地邊緣，難以深入濕地內部，因此在一定程度上影響驗證精度。

對基巖海岸和人工海岸采取相同的海岸線提取方法，二者提取精度有所差別，基巖海岸距離偏差的平均值和標準差大于人工海岸。這與研究區內基巖海岸實際特征有關，雖然它和人工海岸都具有明顯的水陸分界，但是基巖海岸的巖石往往并不是呈90°的豎直面，導致無法保證基巖海岸實地測量點全部位于水陸邊緣，驗證精度略低于人工海岸。根據各種海岸分布范圍均勻選取的100個實地測量點中，共有82個點與所提取海岸線的距離偏差小于5 m(0.5個像元);100個實地測量點與所提取海岸線的距離偏差均小于10 m(1個像元)，提取精度較高。

4 結論與展望

4.1 結論

1)采用高分辨率SPOT4圖像對秦皇島市海岸進行瞬時水邊線提取，并結合潮位數據計算潮灘坡降，從而準確獲取海岸線。根據研究區內4種海岸類型的不同特征，提出水邊線綜合提取策略:基巖海岸和人工海岸采取MNF變換和改進的Canny邊緣檢測算子提取水邊線;砂質海岸采取水體指數和改進的Canny邊緣檢測算子提取水邊線;淤泥質海岸采取形態學增強和改進的Canny邊緣檢測算子處理短波紅外波段提取水邊線。

2)利用驗潮站數據和多時相遙感圖像對水邊線進行潮位校正，與其他潮位校正研究相比，本文給出了2景圖像上水邊線距離的具體量測方法和水邊線移動方向的確定方法。

3)利用同時期海岸線實地測量數據對海岸線遙感提取進行精度驗證的結果表明，使用本文方法提取的海岸線精度較高。

4.2 展望

1)根據海岸類型進行相應水邊線的提取，主要是根據先驗知識進行圖像裁剪，在得到各海岸類型的圖像上實現的。下一步研究可針對海岸帶的自動分類問題，利用分類技術自動獲取海岸帶分類圖像，從而提高海岸線提取的自動化程度。

2)結合驗潮站數據和多時相遙感圖像進行水邊線潮位校正，得到較準確的海岸線位置。但是，本文在計算水邊線移動距離的過程中，將海岸各處坡度假設是相同的，并未充分考慮大范圍海岸的坡度變化問題。下一步研究可利用LiDAR等新技術進行潮灘DEM的獲取，進而利用DEM結合遙感圖像進行潮位校正，以提高潮位校正精度。此外，如果研究區內不設有驗潮站，無法直接利用驗潮站數據進行潮位校正，可對鄰近區域驗潮站數據進行插值計算，從而得到研究區潮位數據，實現潮位校正。

3)由于研究區淤泥質海岸屬于濕地保護區，海岸線的實地測量存在困難，驗證所取的海岸線測量點均位于濕地邊緣，從而影響了驗證精度。未來的研究可嘗試利用更高分辨率的遙感圖像進行驗證。

[1]馬小峰.海岸線衛星遙感提取方法研究[D].大連:大連海事大學，2007.Ma X F.The means of withdrawing coastline by remote sensing[D].Dalian:Dalian Maritime University，2007.

[2]宋 瑋.基于不動點計算的岸線動態分析方法[D].青島:中國海洋大學，2004.Song W.A dynamic analysis method of coastline based on computation of stationary points[D].Qingdao:Ocean University of China，2004.

[3]夏東興，段 焱，吳桑云.現代海岸線劃定方法研究[J].海洋學研究，2009，27(z1):28-33.Xia D X，Duan Y，Wu S Y.Study on the methodology of recent coastline delimitation[J].Journal of Marine Sciences，2009，27(z1):28-33.

[4]申家雙，翟京生，郭海濤，等.海岸線提取技術研究[J].海洋測繪，2009，29(6):74-77.Shen J S，Zhai J S，Guo H T，et al.Study on coastline extraction technology[J].Hydrographic Surveying and Charting，2009，29(6):74-77.

[5]林桂蘭，鄭勇玲.海岸線修測的若干技術問題探討[J].海洋開發與管理，2008，25(7):61-67.Lin G L，Zheng Y L.Discussion on some technical problems of coastline revision[J].Ocean Development and Management，2008，25(7):61-67.

[6]劉 鵬.海岸線影像特征提取方法與實證研究[D].福州:福建師范大學，2008.Liu P.Coastline image feature extraction methods and empirical study[D].Fuzhou:Fujian Normal University，2008.

[7]Li R X，Ma R J，Di K C.Digital tide-coordinated shoreline[J].Marine Geodesy，2002，25(1/2):27-36.

[8]Ryu J H，Won J S，Kyung K D，et al.Waterline 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.

[9]Liu H，Jwzek K C.Automated extraction of coastline from satellite imagery by integrating Canny edge detection and locally adaptive thresholding methods[J].International Journal of Remote Sensing，2004，25(5):937-958.

[10]Lee J S，Jurkevich I.Coastline detection and tracing in SAR images[J].IEEE Transactions on Geosciences and Remote Sensing，1990，28(4):662-668.

[11]Chen A J，Chen C F，Chen K S.Investigation of shoreline change and migration along Wai-San-Ding-Zou Barrier island，central west Taiwan[J].Geoscience and Remote Sensing Symposium，1995(3):2097-2099.

[12]Ryan T W，Semintilli P J，Yuen P，et al.Extraction of shoreline features by neural nets and image processing[J].Photogrammetry and Remote Sensing，1991，57(7):947-955.

[13]馮永玖，韓 震.海岸線遙感信息提取的元胞自動機方法及其應用[J].中國圖象圖形學報，2012，17(3):441-446.Feng Y J，Han Z.Cellular automata approach to extract shoreline from remote sensing imageries and its application[J].Journal of Image and Graphics，2012，17(3):441-446.

[14]黃海軍，李成治，郭建軍.衛星影像在黃河三角洲岸線變化研究中的應用[J].海洋地質與第四紀地質，1994，14(2):29-37.Huang H J，Li C Z，Guo J J.Application of Landsat images to the studies of the shoreline changes of the Huanghe River delta[J].Marine Geology and Quaternary Geology，1994，14(2):29-37.

[15]馬小峰，趙冬至，邢小罡，等.海岸線衛星遙感提取方法研究[J].海洋環境科學，2007，26(2):185-189.Ma X F，Zhao D Z，Xing X G，et al.Means of withdrawing coastline by remote sensing[J].Marine Environmental Science，2007，26(2):185-189.

[16]Laben.Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening:US，6 011 875[P].2000-01-04.

[17]Zhang X K，Zhang X，Lan Q Q，et al.Automated detection of coastline using Landsat TM based on water index and edge detection methods[C]//Proceedings of the 2nd International Workshop on Earth Observation and Remote Sensing Applications，Shanghai，2012:153-156.

[18]Otsu N A.Threshold selection method from gray-level histogram[J].IEEE Transactions on Systems，Man，and Cybernetics，1979，9(1):62-66.

[19]徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報，2005，9(5):589-595.Xu H Q.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]王李娟，牛 錚，趙德剛，等.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(2):235-239.Wang L J，Niu Z，Zhao D G，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.

[21]張 明.基于小波分析的淤泥質潮灘水邊線提取[D].上海:華東師范大學，2008.Zhang M.Waterline extraction of muddy coast based on wavelet analysis[D].Shanghai:East China Normal University，2008.