CN112347931A - 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 - Google Patents
一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 Download PDFInfo
- Publication number
- CN112347931A CN112347931A CN202011233219.8A CN202011233219A CN112347931A CN 112347931 A CN112347931 A CN 112347931A CN 202011233219 A CN202011233219 A CN 202011233219A CN 112347931 A CN112347931 A CN 112347931A
- Authority
- CN
- China
- Prior art keywords
- coastline
- image
- remote sensing
- format
- coastal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及海岸带区域围填海演变过程中的一种利用卫星影像对沿海地区海岸线变迁分析研究的方法。沿海地区海岸线的变迁情况可以直接反映人类活动对海岸带自然环境的影响结果，通过技术手段将海岸线进行提取分析，可以得到其时空演变规律。本发明通过对卫星影像资料的处理，对天津滨海新区海岸线演变过程进行分析与研究。通过软件平台对原始卫星影像资料的处理与解译，可得到海岸线的演变情况。
Description
技术领域
本发明属于海岸带空间围填海演变过程研究领域，涉及一种利用卫星影像对沿海地区海岸线变迁分析研究的方法。
背景技术
目前，围填海开发活动改变了原有的海岸线形式，对海岸带的生态空间、陆海资源造成了严重影响。一些优良的天然岸线被改造成人工岸线之后，随之而来的是水动力环境、水质环境、生态系统、海洋生物资源均受到不同程度的影响。沿海地区海岸线的变迁情况可以直接反映人类活动对海岸带自然环境的影响结果，通过技术手段将海岸线进行提取分析，可以得到其时空演变规律。在这一基础之上，可以进一步分析围填海区域及其周边的土地利用类型演变情况，深入剖析围填海开发活动对海岸带空间的多方面影响。
海岸线的提取是一项基础性工作，相较于人为实地采集等传统获取海岸线的方式，现阶段主要依靠GIS与RS技术，工作效率、精准度大幅提升，避免了以往人工采集费时费力的问题。遥感影像不仅可以做到对大空间尺度区域进行监测，而且可以周期性更新图像，及时获取海岸线相关数据。
发明内容
本发明的目的在于克服现有技术的不足，提供一种利用卫星影像对沿海地区海岸线变迁分析研究的方法，在传统野外实地调查的基础上，通过卫星遥感影像和软件平台，使海岸线变迁过程研究效果更好。
本发明的技术方案包括以下内容：一种利用卫星影像对沿海地区海岸线变迁分析研究的方法，包括如下步骤：
1)获取遥感影像数据：结合天津市滨海新区的具体情况，选取了六个年份(1990年、2000年、2005年、2010年、2015年、2019年)，并选取1990年Landsat-5TM卫星影像、2000年Landsat-7ETM+卫星影像、2005年Landsat-7ETM+卫星影像、2010年Landsat-7ETM+卫星影像、2015年Landsat-8OLI_TIRS卫星影像、2019年Landsat-8OLI_TIRS卫星影像作为基础遥感数据源。
2)对遥感影像数据通过软件平台进行预处理：数据资料预处理主要在ERDASIMAGINE9.2遥感影像数据处理平台软件中进行，首先进行格式转换，将原始黑白单波段数据图像*.tif格式文件转换为*.img格式的文件，然后将多个单波段影像叠加合成初始多光谱彩色影像，进行几何校正，选择计算模型，采集地面控制点，对输出图像按照研究范围进行裁剪，最后蒋经国图像预处理得到的*.img格式影像转换为*.tif格式影像。
3)采用阈值法划分陆地和海洋：在ERDAS IMAGINE9.2平台上进行单波段影像合成，通过MapGIS10.0平台采用平均大潮高潮线法进行解译，运用阈值法得到海洋与潮滩的分解轮廓，最后进行人工修正。
本发明的优点：
本发明通过对卫星遥感影像进行处理，为海岸带区域围填海开发活动演变过程及其规律提供依据，为解决海岸带空间生态环境问题提供一种新思路。
附图说明
图1是2000年的卫星影像资料：
Band1:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band2:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band3:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band4:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band5:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band7:2000年7月12日Landsat-7ETM+第一波段卫星影像；
图2是文件格式转换过程；
图3是多波段影像合成过程；
图4是利用ERDAS IMAGINE9.2采集控制点；
图5是预处理之后的2000年真彩色遥感图像；
图6是阈值法提取海陆图。
具体实施方式
以下是通过具体实施方式对本发明详细说明。本发明的具体实施方式是为了更好地使本领域的技术人员理解本发明，不对本发明的范围作任何限制。
1)获取遥感影像数据：结合天津市滨海新区的具体情况，选取了六个年份(1990年、2000年、2005年、2010年、2015年、2019年)，并选取1990年Landsat-5TM卫星影像、2000年Landsat-7ETM+卫星影像、2005年Landsat-7ETM+卫星影像、2010年Landsat-7ETM+卫星影像、2015年Landsat-8OLI_TIRS卫星影像、2019年Landsat-8OLI_TIRS卫星影像作为基础遥感数据源。
表1选取1990～2019年六个年份的卫星影像及参数
2)对遥感影像数据通过软件平台进行预处理：数据资料预处理主要在ERDASIMAGINE9.2遥感影像数据处理平台软件中进行，首先进行格式转换，将原始黑白单波段数据图像*.tif格式文件转换为*.img格式的文件，然后将多个单波段影像叠加合成初始多光谱彩色影像，进行几何校正，选择计算模型，采集地面控制点，对输出图像按照研究范围进行裁剪，最后蒋经国图像预处理得到的*.img格式影像转换为*.tif格式影像。
3)在ERDAS IMAGINE9.2平台上进行单波段影像合成，通过MapGIS10.0平台采用平均大潮高潮线法进行解译，运用阈值法得到海洋与潮滩的分解轮廓，在平均高潮线法进行阈值法自动分类后，运用目视解译的方法，来弥补潮滩地貌自然特征及人工岸线的影像。
图1是2000年的卫星影像资料：
Band1:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band2:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band3:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band4:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band5:2000年7月12日Landsat-7ETM+第一波段卫星影像，
Band7:2000年7月12日Landsat-7ETM+第一波段卫星影像；
图2是文件格式转换过程；
图3是多波段影像合成过程；
图4是利用ERDAS IMAGINE9.2采集控制点；
图5是预处理之后的2000年真彩色遥感图像；
图6是阈值法提取海陆图。
以上内容不能认定本发明的具体实施只局限这些说明，凡是依照本发明申请专利范围内所做的均等变化和修饰，皆应属于本发明所提交的权利要求书确定的专利保护范围以内。
Claims (3)
1.一种利用卫星影像对沿海地区海岸线变迁分析研究的方法，其特征在于，包括以下步骤：
1)获取遥感影像数据；
2)对遥感影像数据通过软件平台进行预处理：
所述步骤2)具体：数据资料预处理主要在ERDASIMAGINE9.2遥感影像数据处理平台软件中进行；首先进行格式转换，将原始黑白单波段数据图像*.tif格式文件转换为*.img格式的文件；然后将多个单波段影像叠加合成初始多光谱彩色影像，进行几何校正，选择计算模型，采集地面控制点，对输出图像按照研究范围进行裁剪，最后蒋经国图像预处理得到的*.img格式影像转换为*.tif格式影像；
3)采用阈值法划分陆地和海洋，运用平均高潮方法得到海洋与潮滩的分解轮廓，进而得到海岸线的准确位置。
2.根据权利要求1所述的一种利用卫星影像对沿海地区海岸线变迁分析研究的方法，其特征在于，所述步骤1)具体：从地理空间数据云平台获取Landsat遥感影像数据，主要包括TM、ETM+和OLI_TIRS三种遥感卫星影像。
3.根据权利要求1所述的一种利用卫星影像对沿海地区海岸线变迁分析研究的方法，其特征在于，所述步骤3)具体：在ERDASIMAGINE9.2平台上进行单波段影像合成，通过MapGIS10.0平台采用平均大潮高潮线法进行解译，运用阈值法得到海洋与潮滩的分解轮廓，最后进行人工修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011233219.8A CN112347931A (zh) | 2020-11-06 | 2020-11-06 | 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011233219.8A CN112347931A (zh) | 2020-11-06 | 2020-11-06 | 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112347931A true CN112347931A (zh) | 2021-02-09 |
Family
ID=74428713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011233219.8A Pending CN112347931A (zh) | 2020-11-06 | 2020-11-06 | 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112347931A (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
-
2020
- 2020-11-06 CN CN202011233219.8A patent/CN112347931A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 穆雪男: ""天津滨海新区围填海演进过程与岸线、湿地变化关系研究"", 《中国优秀博硕士学位论文全文数据库（博士）基础科学辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102054274B (zh) | 一种海岸带水体遥感信息全自动提取方法 | |
| CN109190538A (zh) | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 | |
| CN102032903B (zh) | 基于Landsat数据源的珊瑚岛礁遥感信息自动提取方法 | |
| WO2023039959A1 (zh) | 一种基于金字塔机制的遥感影像海洋与非海区域分割方法 | |
| CN113971769B (zh) | 基于多源大数据的海岸带地域功能长时序识别方法 | |
| CN105447274B (zh) | 一种利用面向对象分类技术对中等分辨率遥感图像进行滨海湿地制图的方法 | |
| CN111310681B (zh) | 一种融入地学知识的红树林分布遥感提取方法 | |
| CN113160237B (zh) | 一种土地覆被制图方法 | |
| CN109657598B (zh) | 基于分层策略的滨海湿地遥感分类方法 | |
| CN105427305A (zh) | 一种绿潮信息提取方法 | |
| CN111881816A (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
| CN110414509A (zh) | 基于海陆分割和特征金字塔网络的港口停靠舰船检测方法 | |
| CN113468951A (zh) | 一种基于Landsat卫星遥感检测红树林地貌的方法 | |
| CN112347931A (zh) | 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法 | |
| CN111862134B (zh) | 基于Sentinel-1与GEE的近岸水产养殖塘提取方法 | |
| CN112861719B (zh) | 一种基于多时相高分辨率遥感影像的海岸线提取方法 | |
| CN116012707A (zh) | 一种渔光互补光伏养殖模式的遥感识别方法 | |
| CN114565853A (zh) | 光谱特征和空间卷积协同下的近岸海域养殖塘区提取方法 | |
| Nashait et al. | Integrating various satellite images for identification of the water bodies through using machine learning: A case study of Salah Adin, Iraq | |
| CN112347928A (zh) | 一种利用卫星影像对围填海用地类型进行分类的方法 | |
| CN112766090B (zh) | 一种利用多季相Sentinel-2影像快速识别城郊闲置耕地的方法与系统 | |
| Liu et al. | A Deep Learning Method for Offshore Raft Aquaculture Extraction Based on Medium Resolution Remote Sensing Images | |
| Hu et al. | Tidal flats dataset covers coastal region in north of 18 N latitude of China,(1989-2020) | |
| Psomiadis et al. | Earth observation data in seasonal and long term coastline changes monitoring the case of Sperchios river delta (central Greece) | |
| Meng et al. | Spatial Distribution and Differentiation Analysis of Coastal Aquaculture in China Based on Remote Sensing Monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210209 |