一种基于遥感技术的泥质海岸线变迁监测与分析方法

技术领域

本发明涉及一种基于遥感技术的泥质海岸线变迁监测与分析方法，属于海岸线监测技术领域。

背景技术

受全球及海岸带区域环境过程与人类活动的综合影响，海岸线发生剧烈的变化，对生态、环境及经济社会的影响不容忽视，海岸线变化相关研究因此得到普遍的关注。海岸线的变化不仅体现海岸带环境特征及演变态势，还反映海岸带经济社会发展、生态环境变化与政策导向之间的博弈关系。同时，海岸线的变化也会对海洋工程造成较大的影响。因此，针对海岸线动态变化的研究是海岸带环境监测、资源开发与管理等研究的基础，对海岸带的发展具有重要意义。

由于人工实地采集岸线数据存在观测难度大、耗资多和周期长等缺点，同时也无法满足海岸线更新速率，达不到海洋管理需求，而遥感技术具有大面积同步监测和较短的更新周期，更有利于海岸线的动态监测。目前，利用遥感解译技术对海岸线进行提取的方法有两种,分别是人工目视解译和计算机自动分类解译，人工目视解译原理简单，但是对实施人员的要求较高，不同人实施后的提取结果通常存在较大误差，导致精度无法保证；随着计算机技术的发展，自动化解译海岸线的方法成为研究主流，有效避免了不同人员操作导致的误差，并且其能自动获得海岸线数据，但是由于海岸线在不断变迁，现有自动获取海岸线的方法无法根据海岸线变迁对其进行相应的校正，最终导致变迁后采集的海岸线数据误差较大，无法实现随着海岸线的持续变迁对海岸线进行动态精准的监测。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于遥感技术的泥质海岸线变迁监测与分析方法，采用潮沟的潮位校正根据海岸线变迁对其进行相应的校正，从而实现随着海岸线的持续变迁对海岸线进行动态精准的监测。

为了实现上述目的，本发明采用的技术方案是：一种基于遥感技术的泥质海岸线变迁监测与分析方法，其特征在于，具体步骤为：

步骤一、获取目标海岸区域的遥感图像；

步骤二、步骤一获取的遥感图像进行预处理，得到目标海岸区域的初始遥感影像；

步骤三、根据步骤二得到的遥感影像构建水体指数，从而得到水体指数影像；

步骤四、先选择不同的分割阈值，采用每一分割阈值分别对步骤三得到的水体指数影像划分出的目标海岸区域与背景区域，计算每一分割阈值对应目标海岸区域与背景区域之间的类间方差，并从多个类间方差中选取最大类间方差对应的阈值，即为目标分割阈值，最后根据目标分割阈值对水体指数影像进行划分后得到水体指数影像的二值图像；

步骤五、将步骤四获得的二值图像转换为矢量图像，提取矢量图像中面矢量对象的边界，以获得目标海岸区域的瞬时水边线，并采用目视解译方法确定水边线对应的目标海岸线类别；

步骤六、采用基于潮沟的潮位校正，对目标海岸区域二值化图像中的瞬时水边线进行校正，得到目标海岸线；

步骤七、将步骤六得到的目标海岸线输入数字海岸线分析系统，然后间隔一段时间后重复步骤一至六，再次获得当前的目标海岸线并输入数字海岸线分析系统，如此往复循环，通过数字海岸线分析系统将采集的多次目标海岸线进行末点变化速率和线性回归变化速率分析，从而对目标海岸线进行动态监测得出目标海岸线的变迁情况。

进一步，所述步骤二具体为：对遥感图像依次进行正射校正和配准、辐射定标、大气校正、以及图像裁剪与拼接，得到目标海岸区域的初始遥感影像。

进一步，所述步骤三中水体指数为改进归一化水体指数MNDWI，该指数在提取城镇范围内的水体上比归一化水体指数NDWI更好的效果，NDWI指数影像因此往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大，导致其准确性降低。因此选择改进归一化水体指数MNDWI，具体的表达式为：

MNDWI＝(p(Green)-p(MIR))/(p(Green)+p(MIR))

其中MIR代表中红外波段，Green代表绿光波段。

进一步，所述步骤五中目标海岸线类别包括自然岸线和人工岸线。

进一步，所述步骤六具体为：采用基于潮沟的潮位校正，先确定目标海岸线对应的潮沟，潮沟为在潮坪面上落潮后期流或落潮后表面逸流产生局部的较强冲刷，而逐渐发育演化而成；本申请的发明人研究发现：这类潮沟通常发源于平均高潮线附近，其总的流向大致垂直海岸线，在平面上成树枝状水系，其中潮沟的主干在潮间的中下部，随着潮沟朝上游方向，在潮间中上部呈树枝状分叉；基于此，设潮沟末梢位置为a，人工建筑物与潮滩的边界位置为b，根据以下公式计算出目标海岸区域的待校正海岸线距离L：

L＝(b-a)/2

将目标海岸区域二值化图像中的瞬时水边线向远离水体区域垂直移动距离L，得到潮位校正的海岸线，即目标海岸线。

进一步，所述步骤七中对多次目标海岸线进行末点变化速率和线性回归变化速率分析，具体为：海岸线变化终点速率EPR是两个时相的海岸线距离与其时间间隔的比值，线性回归变化率LRR是通过将最小二乘回归线拟合到样带的所有海岸线点来确定回归线，使得平方残差之和最小，拟合多年海岸线的变化情况；

其中，EPR和LRR的计算公式如下：

LRR＝ax+b

其中D是剖面横切两个时相的海岸线距离间隔，T是两个时相的时间间隔；a和b分别是海岸线位置序列拟合线的斜率和截距，x

另外通过净海岸线运动计算公式能得出最近一次采集的海岸线与最早一次采集的海岸线之间的距离，具体公式为：

NSM＝D

式中，NSM表示研究期间最近一期海岸线与最早一期海岸线之间的距离。D

与现有技术相比，本发明先对遥感图像进行预处理，得到目标海岸区域的初始遥感影像；根据遥感影像构建水体指数，从而得到水体指数影像；接着确定目标分割阈值对水体指数影像进行划分后得到水体指数影像的二值图像；进而获得目标海岸区域的瞬时水边线，及目标海岸线类别；采用基于潮沟的潮位校正，对目标海岸区域二值化图像中的瞬时水边线进行校正，得到目标海岸线；该潮沟通常发源于平均高潮线附近，其总的流向大致垂直海岸线，在平面上成树枝状水系，其中潮沟的主干在潮间的中下部，随着潮沟朝上游方向，在潮间中上部呈树枝状分叉；随着海岸线的变迁，潮沟也会随着变化，因此以潮沟作为参照物进行潮位校正，从而能获取每次遥感图像中的目标海岸线，并且海岸线变迁后，该校正方式依然能精准确定变迁后的目标海岸线；最后将不同时期采集的目标海岸线输入数字海岸线分析系统，通过数字海岸线分析系统将采集的多次目标海岸线进行末点变化速率和线性回归变化速率分析，从而对目标海岸线进行动态监测得出目标海岸线的变迁情况。本发明先采用特定的目标分割阈值获取二值化图像，然后根据发明人研究发现潮沟与海岸线之间对应的变化关系，采用基于潮沟的潮位校正对目标海岸线进行校正，其能在海岸线变迁后仍然具有精准的校正效果，从而实现随着海岸线的持续变迁对海岸线进行动态精准的监测。

附图说明

图1是本发明的整体流程示意图

图2是本发明实施例辐射定标后的遥感影像。

图3是本发明实施例大气校正后的遥感影像。

图4是本发明实施例经过MNDWI处理后的遥感影像。

图5是本发明实施例根据目标分割阈值分割后的二值化图像。

具体实施方式

下面将对本发明作进一步说明。

以盐城的海岸线监测为例，如图1所示，本实施例的具体步骤为：

步骤一、在地理空间数据云上获取覆盖盐城整个海岸线的Landsat系列遥感影像作为目标海岸区域的遥感图像，为了提高精度，对于遥感图像的要求是：云量少于等于5％。

步骤二、步骤一获取的遥感图像采用ENVI5.3作为处理软件依次进行正射校正和配准、辐射定标、大气校正、以及图像裁剪与拼接，得到目标海岸区域的初始遥感影像，具体过程为：

如图2所示，首先对遥感图像进行辐射定标处理：辐射定标是将图像的数字量化值(DN)转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程。辐射定标参数一般存放在元数据文件中，ENVI中的通用辐射定标工具(Radiometric Calibration)能自动从元数据文件中读取参数，从而完成辐射定标。

如图3所示，将辐射定标后的遥感图像进行Flaash大气校正,Flaash大气校正使用了MODTRAN 4+辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。

全色波段的分辨率为15m，多光谱波段的分辨率为30m,为了能使遥感图像更能突出地物特征，方便后续的解译工作，本实施例采用Brovey(颜色归一化)变换的波段融合方法，对大气校正后的所述全色影像进行全色及多光谱波段进行融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的，最终获得目标海岸区域的初始遥感影像。

步骤三、根据步骤二得到的遥感影像构建水体指数，所述水体指数为改进归一化水体指数MNDWI，该指数在提取城镇范围内的水体上比归一化水体指数NDWI更好的效果，NDWI指数影像因此往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大，导致其准确性降低。因此选择改进归一化水体指数MNDWI，具体的表达式为：

MNDWI＝(p(Green)-p(MIR))/(p(Green)+p(MIR))

其中MIR代表中红外波段，Green代表绿光波段，

如图4所示，通过上述水体指数，从而得到水体指数影像。

步骤四、先选择不同的分割阈值，采用每一分割阈值分别对步骤三得到的水体指数影像划分出的目标海岸区域与背景区域，计算每一分割阈值对应目标海岸区域与背景区域之间的类间方差，并从多个类间方差中选取最大类间方差对应的阈值，即为目标分割阈值，如图5所示，最后根据目标分割阈值对水体指数影像进行划分后得到水体指数影像的二值图像；

步骤五、将步骤四获得的二值图像转换为矢量图像，提取矢量图像中面矢量对象的边界，以获得目标海岸区域的瞬时水边线，并采用目视解译方法确定水边线对应的目标海岸线类别；所述目标海岸线类别包括自然岸线和人工岸线；本实施例的潮位校正是针对于自然岸线中的泥质岸线；

步骤六、采用基于潮沟的潮位校正，对目标海岸区域二值化图像中的瞬时水边线进行校正，得到目标海岸线，具体为：

采用基于潮沟的潮位校正，先确定目标海岸线对应的潮沟，潮沟为在潮坪面上落潮后期流或落潮后表面逸流产生局部的较强冲刷，而逐渐发育演化而成；本申请的发明人研究发现：这类潮沟通常发源于平均高潮线附近，其总的流向大致垂直海岸线，在平面上成树枝状水系，其中潮沟的主干在潮间的中下部，随着潮沟朝上游方向，在潮间中上部呈树枝状分叉；基于此，设潮沟末梢位置为a，人工建筑物与潮滩的边界位置为b，根据以下公式计算出目标海岸区域的待校正海岸线距离L：

L＝(b-a)/2

将目标海岸区域二值化图像中的瞬时水边线向远离水体区域垂直移动距离L，得到潮位校正的海岸线，即目标海岸线。

步骤七、将步骤六得到的目标海岸线输入数字海岸线分析系统，然后间隔一段时间后重复步骤一至六，再次获得当前的目标海岸线并输入数字海岸线分析系统，如此往复循环，通过数字海岸线分析系统将采集的多次目标海岸线进行末点变化速率和线性回归变化速率分析，具体为：海岸线变化终点速率EPR是两个时相的海岸线距离与其时间间隔的比值，线性回归变化率LRR是通过将最小二乘回归线拟合到样带的所有海岸线点来确定回归线，使得平方残差之和最小，拟合多年海岸线的变化情况；

其中，EPR和LRR的计算公式如下：

LRR＝ax+b

其中D是剖面横切两个时相的海岸线距离间隔，T是两个时相的时间间隔；a和b分别是海岸线位置序列拟合线的斜率和截距，x

另外通过净海岸线运动计算公式能得出最近一次采集的海岸线与最早一次采集的海岸线之间的距离，具体公式为：

NSM＝D

式中，NSM表示研究期间最近一期海岸线与最早一期海岸线之间的距离。D

从而实现对目标海岸线进行动态监测得出目标海岸线的变迁情况。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。