CN115293262B - 一种岸线功能与结构长时序检测方法 - Google Patents
一种岸线功能与结构长时序检测方法 Download PDFInfo
- Publication number
- CN115293262B CN115293262B CN202210935447.2A CN202210935447A CN115293262B CN 115293262 B CN115293262 B CN 115293262B CN 202210935447 A CN202210935447 A CN 202210935447A CN 115293262 B CN115293262 B CN 115293262B
- Authority
- CN
- China
- Prior art keywords
- shoreline
- function
- land
- classification
- time sequence
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种岸线功能与结构长时序变化检测方法,首先,构建岸线开发利用功能分类体系,选取一定范围的海岸带,利用地理大数据平台和随机森林算法实现长时序功能分类;其次,采用扫描线种子填充与基于面向特征的识别算法,实现海水、养殖池塘及盐田的空间分离,并自动识别长时序的瞬时水边线;最后,通过等距离剖面线与不同时期岸线相交点来计算岸线移动速率,利用多重缓冲线与功能分类结果的相交分析,识别功能稳定的岸线特征线,并检测岸线功能与结构的空间分异。本发明实现了岸线功能与结构长时序识别并提高了变化检测的精度,尤其适用于长时序连续、大范围岸线功能与结构变化,能够直接应用于岸线可持续与空间治理的辅助决策。
Description
技术领域
本发明涉及一种岸线功能与结构长时序变化检测方法,具体为多源大数据支持下的长时序、高频率、大范围的岸线形态与功能变化检测方法。
背景技术
沿海地区的人类活动扩张是全球普遍关注的问题。受人类日益增长的海产品需求以及临海经济发展的经济收益等因素驱动,自然岸线不断被人工化改造,用于住宅和商业开发、港口物流设施建设、滨海旅游与娱乐设施、资源开采(盐田、石油和天然气钻井平台)、海岸和前滩防御(如防波堤、防波堤)、和渔业(如水产养殖设施、人工鱼礁)等。得益于遥感平台与传感器的不断改进和增加,遥感历史数据呈指数型的增长,在时间、空间和光谱分辨率上都得到了极大的提高。利用长时序多源遥感数据实现海岸线利用功能大范围、高频率的识别与变化检测,成为近期海岸带可持续发展研究关注的技术难题。
现有技术的不足:
(1)多采用多时相影像分类方法,只能得到固定时间点的变化信息,通常难以检测到最为关键的变化点,无法全面掌握岸线变化的周期性或局部细节特征;
(2)岸线长时序变化检测,更多关注的是空间形态学的变化,较少研究关注大范围、长时序的功能利用的变化,尤其是缺少兼顾到海岸带生产生活生态等不同功能的变化;
(3)由于海岸线极不稳定,大多数研究实际上关注的是水边线利用功能的变化情况,而现实中对于岸线规划与管理,更有价值的是稳定的功能利用变化,如何去衡量稳定功能变化,很少有人关注。
发明内容
本发明的目的在于提供一种岸线功能与结构长时序变化检测方法,以解决上述背景技术中提出的问题。
一种岸线功能与结构长时序变化检测方法,本检测方法包括以下步骤:S1、影像数据搜集与选取;S2、构建岸线开发保护功能分类;S3、距离岸线一定范围的土地利用功能分类;S4、利用扫描线种子填充算法分离海水;S5、将陆域水域分割为自然水域、养殖池塘和盐田;S6、岸线追踪与平滑;S7、岸线剖面与功能变化分析;S8、岸线特征线的功能变化;S9、岸线功能动态变化分异,其中:
S1:影像数据搜集与选取:利用卫星影像数据处理工具,收集指定时间范围和研究范围的所有云量少于15%的Landsat数据,以及VIIRS夜间灯光数据、SRTM数字高程数据,进行影像拼接与裁剪的处理;
S2:构建岸线开发保护功能分类:按照陆域地物分类特点,将海岸带划分为建设用地、耕地、林地、草地、水体、裸地等不同类型;
兼顾海陆统筹特点,从岸线开发与利用的双重维度,进一步将水体划分为内陆天然水域、养殖池塘及盐田、海水,将裸地划分为沿海滩涂与未利用地;
S3:距离岸线一定范围的土地利用功能分类:借助卫星影像数据处理工具,采用随机森林算法实现长时序土地利用功能分类;
S4、利用扫描线种子填充算法分离海水:将步骤S3的分类结果按照是否为水体进行二值化;
S5、将陆域水域分割为自然水域、养殖池塘和盐田:在步骤S4海水分离之后,对陆域水体进行对象分割和轮廓提取等预处理,依次计算第i个内陆水域对象Pi的中心线长度li、宽纵比ri和凸包vi三个形态特征,宽纵比ri为内陆水域对象Pi的中心线长度li与内陆水域对象Pi的像素总数Si的比值,凸包vi为凸周长Pi(c)与周长Pi(p)的比值,用来评价对象凸性;
S6、岸线追踪与平滑:利用属性值将海水部分从分类影像中分离出来,跟踪海水栅格数据的边界,获取边界点信息,构造矢量多边形,将多边形的边界存储为线,选择其中表示陆地与海水分界处的部分,作为瞬时水边线,并进行平滑处理,使其更接近真实海岸线,得到多期海岸线;
S7、岸线剖面与功能变化分析:基于海岸带形态演变的阶段性与空间分异特征,对岸线的形态进行长时序的分析,检测岸线的形态变化;
S8、岸线特征线的功能变化:由海岸线向内陆选取若干条等间距的功能线,叠加功能分类影像,计算利用功能类型在功能线上的长度占比,计算相邻功能线之间的差值;
S9、岸线功能动态变化分异:将岸线各功能类型变化量与功能岸线长度之比的年均变化量,表征研究时期内岸线开发保护功能的变化水平,基于数值分布特征,对指标参数进行等级划分,分析岸线开发保护功能的变化与年际分异。
作为本发明的进一步改进,本方法步骤S3包括步骤:A1、样本点选取与空间优化;A2、特征向量计算与遴选;A3、基于随机森林分类器的长时序分类;A4、分类纠正与精度评价,其中:
A1、样本点选取与空间优化:针对陆域地物分类,借助于Google Earth高分辨率历史影像,选取指定时间范围内每一年的不同功能地物的样本点;
A2、特征向量计算与遴选:根据研究区域的特征,计算归一化差水指数(NDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)特征变量,引入GEE平台可计算的所有纹理特征,与VIIRS夜间灯光数据、数字高程数据(SRTM)构成不同特征变量的组合方式,对比不同组合方式的精度结果,筛选出最优的特征向量;
A3、基于随机森林分类器的长时序分类:利用最终训练样本、最优特征变量组合对随机森林分类器进行训练,完成训练后,逐年对相应年份的影像进行分类;
A4、分类纠正与精度评价:以像素级时间序列为对象,采用滑动窗口方法一一纠正前后序列不一致的开发利用功能类型。
作为本发明的进一步改进,本方法步骤S4包括以下步骤:
B1:选一个海水像元作为种子点,放入堆栈中,作为待填充对象;
B2:填充当前种子点所处水平扫描线到陆地边界之前的区段,填充完毕后删除堆栈中的该种子点,然后确定与此相邻的上下两条平行扫描线,并在这两者与边界间的区段中,取与种子点上下相邻的点并存入堆栈中,作为下次填充的种子点;
B3:反复这一过程,直至清空堆栈内所有种子点,则海水分离完成。
作为本发明的进一步改进,本方法步骤S4包括以下步骤:
C1:对历史海岸线分别求取最小外包矩形(MBR),取所有最小外包矩形的并集作为研究区,以海岸线为基准,逐年计算研究区内的陆域面积SLand与海域面积SSea,计算相邻年份的陆域面积变化量Sc,根据Sc的正负值、绝对值大小等数值特征,基于时间分异的视角划分变化阶段,分析岸线的变化趋势;
C2:对步骤C1中不同变化阶段的岸线求取平均位置,向海域平移一个像元获取不同阶段内的海岸线基线,根据海岸线规模选取固定间隔,确定间隔点,并提取间隔点的土地利用功能属性;
C3:由间隔点向基线生成剖面线,测度各间隔点的剖面线长度,计算各剖面线的长度变化速率,并根据间隔点的功能分类制作散点图,形成岸线功能变化的结构图。
作为本发明的进一步改进,所述卫星影像数据处理工具包括有GEE平台。
作为本发明的进一步改进,所述步骤A1中使用GEE内置随机函数对训练样本点进行20次随机位置分布,取精度最高的结果,作为最终训练样本,将其中80%的样本点作为训练样本点,20%作为验证样本点。
作为本发明的进一步改进,所述步骤A4中利用验证样本,依次对每一年国土空间功能分类结果进行初始精度评价,计算总体精度和kappa系数,将多年平均总体精度和kappa系数作为初始精度评价指标。
作为本发明的进一步改进,本方法步骤S5中当内陆水域对象Pi的中心线长度li、宽纵比ri和凸包vi三个形态特征均达到预设阈值,则判定为天然水域,否则为近海养殖用地及盐田,从而实现天然水域和近海养殖用地及盐田的划分。
作为本发明的进一步改进,本方法步骤S8计算出的相邻功能线之间的差值选取绝对值小于0.01的稳定区间,选取区间内的中间位置作为岸线功能的特征线。
与现有技术相比,本发明的有益效果是:
本发明采用基于多源大数据融合的长时序、大范围、高频率土地利用功能分类方法,通过对岸线形态变化与功能变化的集成分析,揭示长时序岸线功能与结构变化特征。该方法适用于长时序、大范围、高频率的岸线功能与结构变化,尤其是适用于近海岸人类活动引发的岸线功能与结构的识别与变化检测。
附图说明
图1为本发明一种岸线功能与结构长时序变化检测方法流程图;
图2为本发明实施例研究区概况图;
图3为本发明实施例10公里海岸带土地利用功能长时序分类结果;
图4为本发明实施例2000-2020年岸线形态变化检测结果;
图5为本发明实施例2000-2020年岸线利用功能转变图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
请参阅图1-5,本发明提供如下技术方案:一种岸线功能与结构长时序变化检测方法,
在本方法的实施例中,实验数据包括:1987—2020年间32年的Landsat系列影像,地表反射率产品,30m分辨率;VIIRS夜间灯光数据(Nighttime Day/Night BandComposites Version 1),500m分辨率;2020年数字高程数据(SRTM),30m分辨率;2020年度城市兴趣点(POI)数据;2020年度乡镇、行政村的行政区划数据,如图2所示;
研究区选取环渤海海岸带位于我国东北部, 北起辽宁省盘山县,南至山东日照市(35°5′~41°27′N,116°42′~125°41′E),其“C”型岸线总长约为6050千米,占全国岸线总长的三分之一,环渤海沿岸共有三个海湾,分别是北面的辽东湾、西部的渤海湾和南面的莱州湾,辽东湾是我国纬度最高的海湾,海底的地形从北岸和两侧向中央倾斜,东侧的水深大于西侧,湾中央地势平坦。渤海湾沿岸的河流含沙量大,滩涂广阔,淤积严重,有黄海河、蓟运河和滦河的注入,莱州湾是山东省最大的海湾和辽东湾、渤海湾统称为渤海的三大海湾,莱州湾水面开阔,水下地形平缓,绝大部分的水深在10米以内;
本方法首先借助GEE(Google Earth Engine)平台完成影像数据分类,使用JavaScript语言,其他处理在本地用Python处理,版本3.6。
具体实施步骤如下:
S1:影像数据搜集与选取,
利用GEE平台筛选1987-2020年30年间环渤海区域的现存Landsat数据,筛选条件包括:获取两个时期的数据,6-10月(植被茂盛期)和11月至次年3月份(植被枯黄期);
云量少于15%,同时,为了得到1987-2020年间尽可能多且云量低于10%的每年观测数据,利用基于像素镶嵌的影像获取手段,共得到24年的全域低云量数据,比传统整景镶嵌的方法多出6年,其他收集的辅助数据包括VIIRS夜间灯光数据、数字高程数据(SRTM)及降水量、气温、积温等气候数据;
S2:构建岸线开发保护功能分类,
利用GEE的土地利用功能分类,包括建设用地、耕地、林地、草地、水体、裸地7个地物功能类型,兼顾海陆统筹特点,从岸线开发与利用的双重维度,进一步将水体划分为内陆天然水域、养殖池塘及盐田、海水,将裸地划分为沿海滩涂与未利用地;
S3:距离岸线一定范围的土地利用功能分类,
A1、样本点选取与空间优化,借助于Google Earth 历史存档的高清晰影像,采用逐年逐点倒推修改的方式获取1987-2020年的样本点数据,即:首先得到2020年的训练样本,然后切换至2017年的历史影像,逐样本检查地物是否发生改变,并对样本给予类别替换和删减调整,使用GEE内置随机函数对训练样本点进行20次随机位置分布,取精度最高的结果,作为最终训练样本,将其中80%的样本点作为训练样本点,20%作为验证样本点;
A2、特征向量计算与遴选,以6-10月(植被茂盛期)影像数据集作为主要分类数据,并一同将11月至次年3月份(植被枯黄期)影像数据集、辅助数据作为特征向量计算的数据来源,分别计算归一化差水指数(NDWI)、修正归一化差水指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)特征变量,引入GEE平台可计算的所有纹理特征,与VIIRS夜间灯光数据、数字高程数据(SRTM)构成不同特征变量的组合方式,对比不同组合方式的精度结果,筛选出最优的特征向量;
A3、基于随机森林分类器的长时序分类,基于随机森林分类器的长时序分类。利用最终训练样本、最优特征变量组合对随机森林分类器进行训练,完成训练后,逐年对相应年份的影像进行分类,结果如图3所示;
A4、分类纠正与精度评价,以像素级时间序列为对象,针对不同开发保护功能,采用步长为5的滑动窗口方法,一一纠正前后序列不一致的时间序列。利用验证样本,依次对每一年国土空间功能分类结果进行初始精度评价,计算总体精度和kappa系数,将多年平均总体精度和kappa系数作为初始精度评价指标。经过计算,多年平均总体精度为93.58%,Kappa系数为0.92,显然长时序分类具有较好的精度;
S4、利用扫描线种子填充算法分离海水,
B1:任选一个海水像元作为种子点,放入堆栈中,作为待填充对象;
B2:填充当前种子点所处水平扫描线到陆地边界之前的区段,填充完毕后删除堆栈中的该种子点,然后确定与此相邻的上下两条平行扫描线,并在这两者与边界间的区段中,取与种子点上下相邻的点并存入堆栈中,作为下次填充的种子点;
B3:反复这一过程,直至清空堆栈内所有种子点,则海水分离完成;
S5、将陆域水域分割为自然水域、养殖池塘和盐田,
在步骤S4海水分离之后,对陆域水体进行对象分割和轮廓提取等预处理,依次计算第i个内陆水域对象Pi的中心线长度li、宽纵比ri和凸包vi三个形态特征,宽纵比ri为内陆水域对象Pi的中心线长度li与内陆水域对象Pi的像素总数Si的比值,凸包vi为凸周长Pi(c)与周长Pi(p)的比值,用来评价对象凸性,当内陆水域对象Pi的中心线长度li>30、宽纵比ri>0.2、凸包vi<0.45时,则判定为天然水域,否则为近海养殖用地及盐田,从而实现天然水域和近海养殖用地及盐田的划分;
S6、岸线追踪与平滑,
利用属性值将海水部分从分类影像中分离出来,跟踪海水栅格数据的边界,获取边界点信息,构造矢量多边形,将多边形的边界存储为线,选择其中表示陆地与海水分界处的部分,作为瞬时水边线。利用PEAK平滑处理进行平滑,使其更接近真实海岸线,得到多期海岸线;
S7、岸线剖面与功能变化分析,
C1:对历史海岸线分别求取最小外包矩形(MBR),取所有最小外包矩形的并集作为研究区,以海岸线为基准,逐年计算研究区内的陆域面积SLand与海域面积SSea,计算相邻年份的陆域面积变化量Sc,根据Sc的正负值、绝对值大小等数值特征,基于时间分异的视角划分变化阶段,分析岸线的变化趋势;
C2:对步骤C1中不同变化阶段的岸线求取平均位置,向海域平移一个像元获取不同阶段内的海岸线基线。根据海岸线规模选取固定间隔,确定间隔点,并提取间隔点的土地利用功能属性;
C3:由间隔点向基线生成剖面线,测度各间隔点的剖面线长度,计算各剖面线的长度变化速率,并根据间隔点的功能分类制作散点图,形成岸线功能变化的结构图,
分别以前(1987-2003)、中(2003-2011)、后(2011-2020)三期岸线为基准取岸线向海纵深30m(栅格分辨率大小)处作为基线,基线长度分别为5434.2km、6094.7km、6307.9km,每条基线上以500米为间隔生成数千条剖面线,根据每条剖面线与海岸线的交点计算海岸线变化距离,结果如图4所示,1987-2020年环渤海海岸带岸线的开发强度逐渐增强,总体呈现出由陆地向海扩张的趋势,岸线的功能转换主要以耕地岸线功能向建设用地功能转换为主,在各功能类型岸线中,受人类活动影响,建设用地功能岸线增长最为明显,其占比从2000年的14.66%增长到42.8%,尤其是在2003以后增加速度明显加快,年均增速达到70.6km/a,相比之下农村生活功能岸线与生态功能岸线比较稳定,变化缓慢,增速分别为6.53km/a和8.63km/a,在2000-2020年间,耕地出现大幅递减,总长度从2000年的2,626.9km减少到1,958km,年均递减幅度为33.445km/a;
S8、岸线特征线的功能变化,
由海岸线向内陆选取若干条等间距的功能线,叠加功能分类影像,计算利用功能类型在功能线上的长度占比,计算相邻功能线之间的差值,选取绝对值小于0.01的稳定区间,选取区间内的中间位置作为岸线功能的特征线;
以1987-2020年环渤海岸线为基准生成增幅为50m,最大缓冲半径为1000m的缓冲线,共获得640条功能线,经过叠加分析,每条特征线得到不同功能利用类型岸线的长度,再进行一阶差分趋势性检验,得出在缓冲半径400-900米范围内,各类功能岸线占总体的比例较为稳定,Fk均在(-0.0075,0.0075)之间振动,因此取离岸650m的特征线表征这一年岸线的功能类型;
S9、岸线功能动态变化分异,
将岸线各功能类型变化量与功能岸线长度之比的年均变化量,表征研究时期内岸线的功能利用变化水平,基于数值分布特征,对指标参数进行等级划分,分析岸线综合功能的变化与年际分异,以沿海区县为基本单元,分析研究区内68个区县逐年的功能变化速率,为更直观的衡量区县之间岸线功能利用变化的差异以及进行年际间的比较,根据<0.05、0.05-0.1、0.1-0.15、0.15-0.2、>0.2五个等级进行划分,得到不同区县的岸线结构与功能变化的等级。
本发明中首先,建立突出岸线生产、生活、生态的功能分类体系,基于地理大数据Google Earth Engine(GEE)平台,采用随机森林算法对一定范围海岸带进行土地利用功能分类;其次,采用扫描线种子填充和基于面向特征的算法实现陆域和海水的空间分离、功能再细化,自动化提取历年海岸线边界,并采用基于时空立方体的时空逻辑规则进行校验;最后,利用基于移动方差的变化点检测算法实现对岸线长时序变化节点的识别,通过等距离的剖面线与不同时期的岸线相交点来计算岸线移动速率,并得到岸线空间形态和功能变化的检测结果。该方法实现了岸线功能与结构识别并提高了长时序变化检测的精度,尤其适用于长时序连续、大范围的气候变化或人类活动引发的岸线功能与结构识别与变化检测,能够直接应用于岸线可持续管控的辅助决策。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性地包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种岸线功能与结构长时序变化检测方法,其特征在于:本检测方法包括以下步骤:S1、影像数据搜集与选取;S2、构建岸线开发保护功能分类;S3、距离岸线一定范围的土地利用功能分类;S4、利用扫描线种子填充算法分离海水;S5、将陆域水域分割为自然水域、养殖池塘和盐田;S6、岸线追踪与平滑;S7、岸线剖面与功能变化分析;S8、岸线特征线的功能变化;S9、岸线功能动态变化分异,其中:
S1:影像数据搜集与选取:利用卫星影像数据处理工具,收集指定时间范围和研究范围的所有云量少于15%的Landsat数据,以及VIIRS夜间灯光数据、SRTM数字高程数据,进行影像拼接与裁剪的处理;
S2:构建岸线开发保护功能分类:按照陆域地物分类特点,将海岸带划分为建设用地、耕地、林地、草地、水体、裸地不同类型;
兼顾海陆统筹特点,从岸线开发与利用的双重维度,进一步将水体划分为内陆天然水域、养殖池塘及盐田、海水,将裸地划分为沿海滩涂与未利用地;
S3:距离岸线一定范围的土地利用功能分类:借助卫星影像数据处理工具,采用随机森林算法实现长时序土地利用功能分类;
S4、利用扫描线种子填充算法分离海水:将步骤S3的分类结果按照是否为水体进行二值化;
S5、将陆域水域分割为自然水域、养殖池塘和盐田:在步骤S4海水分离之后,对陆域水体进行对象分割和轮廓提取预处理,依次计算第i个内陆水域对象Pi的中心线长度li、宽纵比ri和凸包vi三个形态特征,宽纵比ri为内陆水域对象Pi的中心线长度li与内陆水域对象Pi的像素总数Si的比值,凸包vi为凸周长Pi(c)与周长Pi(p)的比值,用来评价对象凸性;
S6、岸线追踪与平滑:利用属性值将海水部分从分类影像中分离出来,跟踪海水栅格数据的边界,获取边界点信息,构造矢量多边形,将多边形的边界存储为线,选择其中表示陆地与海水分界处的部分,作为瞬时水边线,并进行平滑处理,使其更接近真实海岸线,得到多期海岸线;
S7、岸线剖面与功能变化分析:基于海岸带形态演变的阶段性与空间分异特征,对岸线的形态进行长时序的分析,检测岸线的形态变化;步骤S7包括以下步骤:
C1:对历史海岸线分别求取最小外包矩形(MBR),取所有最小外包矩形的并集作为研究区,以海岸线为基准,逐年计算研究区内的陆域面积SLand与海域面积SSea,计算相邻年份的陆域面积变化量Sc,根据Sc的正负值、绝对值大小数值特征,基于时间分异的视角划分变化阶段,分析岸线的变化趋势;
C2:对步骤C1中不同变化阶段的岸线求取平均位置,向海域平移一个像元获取不同阶段内的海岸线基线,根据海岸线规模选取固定间隔,确定间隔点,并提取间隔点的土地利用功能属性;
C3:由间隔点向基线生成剖面线,测度各间隔点的剖面线长度,计算各剖面线的长度变化速率,并根据间隔点的功能分类制作散点图,形成岸线功能变化的结构图;
S8、岸线特征线的功能变化:由海岸线向内陆选取若干条等间距的功能线,叠加功能分类影像,计算利用功能类型在功能线上的长度占比,计算相邻功能线之间的差值;
S9、岸线功能动态变化分异:将岸线各功能类型变化量与功能岸线长度之比的年均变化量,表征研究时期内岸线开发保护功能的变化水平,基于数值分布特征,对指标参数进行等级划分,分析岸线开发保护功能的变化与年际分异。
2.根据权利要求1所述的岸线功能与结构长时序变化检测方法,其特征在于:本方法步骤S3包括步骤:A1、样本点选取与空间优化;A2、特征向量计算与遴选;A3、基于随机森林分类器的长时序分类;A4、分类纠正与精度评价,其中:
A1、样本点选取与空间优化:针对陆域地物分类,借助于Google Earth高分辨率历史影像,选取指定时间范围内每一年的不同功能地物的样本点;
A2、特征向量计算与遴选:根据研究区域的特征,计算归一化差水指数(NDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)特征变量,引入GEE平台可计算的所有纹理特征,与VIIRS夜间灯光数据、数字高程数据(SRTM)构成不同特征变量的组合方式,对比不同组合方式的精度结果,筛选出最优的特征向量;
A3、基于随机森林分类器的长时序分类:利用最终训练样本、最优特征变量组合对随机森林分类器进行训练,完成训练后,逐年对相应年份的影像进行分类;
A4、分类纠正与精度评价:以像素级时间序列为对象,采用滑动窗口方法一一纠正前后序列不一致的开发利用功能类型。
3.根据权利要求2所述的岸线功能与结构长时序变化检测方法,其特征在于:本方法步骤S4包括以下步骤:
B1、选一个海水像元作为种子点,放入堆栈中,作为待填充对象;
B2、填充当前种子点所处水平扫描线到陆地边界之前的区段,填充完毕后删除堆栈中的该种子点,然后确定与此相邻的上下两条平行扫描线,并在这两者与边界间的区段中,取与种子点上下相邻的点并存入堆栈中,作为下次填充的种子点;
B3、反复这一过程,直至清空堆栈内所有种子点,则海水分离完成。
4.根据权利要求1所述的岸线功能与结构长时序变化检测方法,其特征在于:所述卫星影像数据处理工具包括有GEE平台。
5.根据权利要求2所述的岸线功能与结构长时序变化检测方法,其特征在于:所述步骤A1中使用GEE内置随机函数对训练样本点进行20次随机位置分布,取精度最高的结果,作为最终训练样本,将其中80%的样本点作为训练样本点,20%作为验证样本点。
6.根据权利要求2所述的岸线功能与结构长时序变化检测方法,其特征在于:所述步骤A4中利用验证样本,依次对每一年国土空间功能分类结果进行初始精度评价,计算总体精度和kappa系数,将多年平均总体精度和kappa系数作为初始精度评价指标。
7.根据权利要求1所述的岸线功能与结构长时序变化检测方法,其特征在于:本方法步骤S5中当内陆水域对象Pi的中心线长度li、宽纵比ri和凸包vi三个形态特征均达到预设阈值,则判定为天然水域,否则为近海养殖用地及盐田,从而实现天然水域和近海养殖用地及盐田的划分。
8.根据权利要求1所述的岸线功能与结构长时序变化检测方法,其特征在于:本方法步骤S8计算出的相邻功能线之间的差值选取绝对值小于0.01的稳定区间,选取区间内的中间位置作为岸线功能的特征线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935447.2A CN115293262B (zh) | 2022-08-04 | 2022-08-04 | 一种岸线功能与结构长时序检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210935447.2A CN115293262B (zh) | 2022-08-04 | 2022-08-04 | 一种岸线功能与结构长时序检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115293262A CN115293262A (zh) | 2022-11-04 |
CN115293262B true CN115293262B (zh) | 2023-07-11 |
Family
ID=83828971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210935447.2A Active CN115293262B (zh) | 2022-08-04 | 2022-08-04 | 一种岸线功能与结构长时序检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293262B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738186B (zh) * | 2023-07-25 | 2023-11-21 | 中国水产科学研究院渔业工程研究所 | 浮式防波堤防护性能评估方法及评估系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034083A (zh) * | 2018-08-03 | 2018-12-18 | 青岛大学 | 一种基于多景遥感影像的自然岸线提取方法和装置 |
CN111062361A (zh) * | 2019-12-27 | 2020-04-24 | 中水北方勘测设计研究有限责任公司 | 一种河湖岸线采砂监测分析的方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919070B (zh) * | 2019-02-28 | 2022-09-02 | 南京师范大学 | 一种剖面形态自适应拟合的海岸线遥感推算方法 |
CN113255808B (zh) * | 2021-06-03 | 2021-12-21 | 中国科学院地理科学与资源研究所 | 基于大数据的长时序国土空间地域功能结构变化检测方法 |
CN113971769B (zh) * | 2021-12-09 | 2022-06-14 | 中国科学院地理科学与资源研究所 | 基于多源大数据的海岸带地域功能长时序识别方法 |
CN114821355B (zh) * | 2022-04-27 | 2022-09-27 | 生态环境部卫星环境应用中心 | 海岸线自动化识别方法和装置 |
-
2022
- 2022-08-04 CN CN202210935447.2A patent/CN115293262B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034083A (zh) * | 2018-08-03 | 2018-12-18 | 青岛大学 | 一种基于多景遥感影像的自然岸线提取方法和装置 |
CN111062361A (zh) * | 2019-12-27 | 2020-04-24 | 中水北方勘测设计研究有限责任公司 | 一种河湖岸线采砂监测分析的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115293262A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Freeland et al. | Automated feature extraction for prospection and analysis of monumental earthworks from aerial LiDAR in the Kingdom of Tonga | |
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 | |
Duce et al. | A morphometric assessment and classification of coral reef spur and groove morphology | |
CN113971769B (zh) | 基于多源大数据的海岸带地域功能长时序识别方法 | |
Kench et al. | The geomorphology, development and temporal dynamics of Tepuka Island, Funafuti atoll, Tuvalu | |
CN102013015A (zh) | 一种面向对象的遥感影像海岸线提取方法 | |
CN102135531A (zh) | 大型浅水湖泊72小时蓝藻水华预测方法 | |
Wicaksono et al. | Geometric accuracy assessment for shoreline derived from NDWI, MNDWI, and AWEI transformation on various coastal physical typology in Jepara Regency using Landsat 8 OLI imagery in 2018 | |
CN107247927B (zh) | 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统 | |
Tiren | Lineament interpretation. Short review and methodology | |
CN115293262B (zh) | 一种岸线功能与结构长时序检测方法 | |
Naseer | The integrated growth response of coral reefs to environmental forcing: morphometric analysis of coral reefs of the Maldives. | |
Jagodnik et al. | Engineering geological mapping using airborne LiDAR datasets–an example from the Vinodol Valley, Croatia | |
Gong et al. | Parameterizing the Yellow River Delta tidal creek morphology using automated extraction from remote sensing images | |
CN117475314B (zh) | 一种地质灾害隐患立体识别方法、系统及介质 | |
Tiwari et al. | A deep learning approach for automatic identification of ancient agricultural water harvesting systems | |
Shavers et al. | Channel cross-section analysis for automated stream head identification | |
Chen et al. | Tracking lake drainage events and drained lake basin vegetation dynamics across the Arctic | |
Morgenstern | Thermokarst and thermal erosion: Degradation of Siberian ice-rich permafrost | |
CN112966657A (zh) | 一种大尺度水体覆盖的遥感自动分类方法 | |
Frajer et al. | The importance of historical maps for man-made pond research: From the past extent of ponds to issues of the present landscape. A case study from the Czech Republic | |
Mitchell et al. | Little tools, big job: The periglacial conveyor system in cryoplanated uplands | |
CN112861719A (zh) | 一种基于多时相高分辨率遥感影像的海岸线提取方法 | |
Pinton et al. | Estimating mussel mound distribution and geometric properties in coastal salt marshes by using UAV-Lidar point clouds | |
Badawy | Applications of remote sensing and geographic information systems in geomorphological studies: Safaga-El Quseir area, Red Sea coast, Egypt as an example |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |