文章信息
- 丁小松, 单秀娟, 陈云龙, 金显仕, 杨涛. 2018.
- DING Xiao-song, SHAN Xiu-juan, CHEN Yun-long, JIN Xian-shi, YANG Tao. 2018.
- 岛屿海岸线自动化提取及其时空变迁研究——以大连市獐子岛为例
- Automatic extraction of shorelines and the spatio-temporal changes: A case study of the Zhangzi Islands in Dalian city, China
- 海洋科学, 42(2): 46-55
- Marina Sciences, 42(2): 46-55.
- http://dx.doi.org/10.11759/hykx20170610001
-
文章历史
- 收稿日期:2017-06-10
- 修回日期:2017-09-28
2. 青岛海洋科学与技术国家实验室 海洋渔业科学与食物产出过程功能实验室, 山东 青岛 266237;
3. 中国水产科学研究院黄海水产研究所 山东省渔业资源与生态环境重点实验室 农业农村部海洋渔业可持续发展重点实验室, 山东 青岛 266071
2. Function Laboratory for Marine Fisheries Science and Food Production Processes, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266237, China;
3. Key Laboratory of Sustainable Development of Marine Fisheries, Ministry of Agriculture and Rural Affairs, Shandong Provincial Key Laboratory of Fishery Resources and Eco-environment, Yellow Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Qingdao 266071, China
受全球变暖的影响, 海平面上升速率加快, 作为海陆交界的海岸带区域变化显著[1-2]。海岸带是人类活动的高频地区, 世界将近一半的人口生活在距离岸线150 km以内的海岸地区, 其平均人口密度高出内陆约10倍[3]。海岸线作为海岸带生态系统的重要组成部分, 其变化直接影响着生态系统的稳定性和可持续性[4-6]。
海岸线是高潮面与陆地的分界线, 是海水面与陆地接触的分界面, 海岸线变化受多种因素影响, 并在多种因素综合作用下呈现出一定的规律[2, 4]。其中, 潮汐和地形坡度是提取海岸线必须考虑的地理因素, 滨海人类活动是提取海岸线必须考虑的社会因素[5]。近年来, 利用中尺度空间分辨率的遥感影像进行海岸线提取成为这一领域研究的热点, 其中Landsat影像数据是提取海岸线的重要数据源之一[7-9]。利用NDWI(Normalized Difference Water Index)和MNDWI(Modified Normalized Difference Water Index)提取岸线的原理简单, 操作方便, 结果可信度高[10-11]。与NDWI相比, MNDWI能够较好的区分水体和建筑物阴影, 更适用于海岸线的提取[11-14]。直方图均衡法和阈值技术在影像地表信息的增强和提取中有着广泛的应用, 该方法适用于影像中水陆交界阈值的确定[5-6], 利用该技术能够快速准确地确定影像中海岸线的空间位置。专家对高分辨率影像中目标岸线进行目视解译时会参考研究区内地形坡度和潮汐资料, 其研究成果可作为评价中尺度影像岸线提取精度的参考标准[5]。对高分辨率的SPOT(Systeme Probatoire d’Observation de la Terre)影像进行专家目视解译出来的海岸线可作为评价Landsat影像提取海岸线的精度评价标准[6]。数字化海岸线分析系统(Digital Shoreline Analysis System, DSAS)通过数学模型的计算模拟, 可以计算出海岸线的时空变化速率, 因此, 被广泛地应用于海岸线时空分布的研究[15]。利用分形理论研究空间分辨率对岸线长度变化的影响, 具有可行性和科学性[16-17]。
岛屿海岸线的变化受人类活动和全球海平面变化的双重影响。从某种程度来讲, 人类活动会促进海岸线向海洋方向增长, 而海平面的上升会导致海岸线向岛内蚀退[6, 18-19]。开展岛屿岸线的自动化提取和时空变化规律的研究, 在岛屿生态环境保护和可持续性开发利用的实践中具有重要意义。岛屿岸线的提取和监测在国土资源调查规划、岛屿生态系统研究及全球变化等领域具有重要的实践意义和科学价值, 然而岛屿面积狭小, 数量众多, 利用传统方法研究其岸线的空间属性, 不仅耗费大量人力和财力, 且在时间尺度上无法认识其变化的规律。本文以獐子岛为例, 基于MNDWI指数, 结合直方图均衡化和阈值技术, 实现了中尺度空间分辨率影像的岸线自动化提取; 通过与专家对SPOT影像目视解译的成果进行比对, 实现对自动化提取的岸线精度的评价。
1 数据源和数学方法 1.1 研究区和数据源獐子岛(39.0°~39°5′N, 122°42′~122°52′E)位于黄海北部, 辽东半岛东侧, 长山群岛最南端, 由4个小岛组成, 分别是獐子岛(主岛), 大耗岛, 小耗岛, 褡裢岛。獐子岛距离大连市约103.70 km, 海岛总面积约为15.43 km2, 其中獐子岛(主岛)面积最大(9.43 km2), 褡裢岛面积最小(1.84 km2)。獐子岛的人类活动主要包括海水养殖、港口建设及旅游观光等[20-22]。
本文使用的数据包括: 1985—2016年Landsat三期遥感影像(表 1)、同期的SPOT影像数据(1985年除外)、研究区内的潮汐和地形坡度资料。
序列号 | 卫星及传感器 | 行、列号 | 空间分辨率/m | 获取时间 (年-月-日-时:分:秒) |
高潮位/cm* | 高潮位时间(时:分)* |
1 | Landsat TM | 119、33 | 30 | 1985-04-01-01: 59: 34.18 | 241 | 17: 05 |
2 | Landsat ETM+ | 119、33 | 30 | 2000-03-17-02: 21: 46.57 | 244 | 18: 12 |
3 | Landsat OLI | 119、33 | 30 | 2016-03-21-02: 28: 58.52 | 247 | 09: 22 |
*:研究区内的高潮位和高潮位时间时间取自大连港 |
原始数据在经过辐射校正、几何校正及投影坐标转化(WGS_84_UTM_zone_51N)等一系列预处理后, 利用影像中的全色波段对多光谱波段进行波段融合(Gram-Schmidt Spectral Sharpening), 将影像的空间分辨率提高至15 m。根据MNDWI指数和直方图均衡化原理[5]分离水体信息并确定二值化阈值, 结合ArcGIS软件实现岸线的自动化提取。通过与专家对高分辨率影像的目视解译成果比对(为减少目视解译的人为误差, 三位专家进行解译时参考研究区内地形坡度和潮汐资料, 最后将三位专家解译的岛屿面积的平均值作为参考的真实值), 最终确定本研究提取岸线的精度(图 1, 表 1)。利用LRR(Linear Regression Rate)指标计算海岸线在时间和空间上的变化速率, 利用分形理论研究影像空间分辨率与海岸线长度之间关系。以上数据处理在ENVI5.2和ArcGIS10.0中完成, 其他工作在R语言的ggplot2软件包中完成[23]。
1.2.1 MNDWI指数本文用MNDWI指数来提取獐子岛海岸线的空间位置。该指数能够较好地区分水体和陆地, 故被广泛用于水体边界的提取[10-11], 其计算公式如下:
$ {{I}_{\text{MNDWI}}}=\frac{({{\lambda }_{\text{Green}}}-{{\lambda }_{\text{MIR}}})}{({{\lambda }_{\text{Green}}}+{{\lambda }_{\text{MIR}}})} $ | (1) |
其中, λGreen和λMIR分别代表绿色波段和中红外波段, λGreen对应着Landsat4/5 TM影像的波段2、Landsat7 ETM+影像的波段2和Landsat8 OLI影像的波段3和波段6; λMIR对应Landsat4/5 TM影像的波段5、Landsat7 ETM+影像的波段5和Landsat8 OLI影像的波段6。
1.2.2 精度评价在缺少实际观测数据的情况下, 可通过与专家对SPOT影像的岸线目视解译成果进行比对, 确定目标岸线提取的精度。本文通过对SPOT影像进行目视解译, 数字化出岸线的空间位置[24-26]。在此基础上, 将目视解译的面积作为岛屿面积的真实值(为减少因目视解译时人为因素的干扰, 本研究采用三位专家进行目视解译, 然后通过取岛屿面积平均值的方法确定最后真值[25]; 因SPOT影像资料在1985年缺失, 采用1985年Landsat TM影像作为补充), 最终获得Landsat15 m(因1985年Landsat TM影像没有全色波段, 其分辨率为30 m)空间分辨率情况下岸线的相对误差。岸线评价标准为:
$ E = \frac{{{L_{{\rm{Landsat}}}} - {L_{{\rm{SPOT/Landsat1985}}}}}}{{{L_{{\rm{SPOT/Landsat1985}}}}}} \times 100\% $ | (2) |
其中, E表示相对误差, LLandsat表示利用Landsat影像提取的岸线, LSPOT/Landsat1985表示3位专家根据SPOT/ Landsat1985影像目视解译提取岸线的平均值。
1.2.3 LRR指数的原理和方法LRR指数是根据最小二乘法原理拟合岸线随时间变化的距离, 最后计算出岸线的年均变化速率[18, 27-28]。计算公式如下:
$ y = a + bx $ | (3) |
$ a=\sum\nolimits_{i=1}^{n}{({{x}_{i}}-\bar{x})({{y}_{i}}-\bar{y})} $ | (4) |
$ b=\bar{y}-a\bar{x} $ | (5) |
其中, y为因变量, 即岸线的距离值, 表示岸线的空间位置; x为年份的自变量; a为拟合的常数截距; b是回归斜率, 表示每个单位x变化所对应的y变化, 即LRR。
1.2.4 分形维分形思想为研究地理对象的特征属性与空间尺度因子的关系提供了理论依据[16, 26-27]。本文从4个空间尺度因子上研究了空间分辨率与岸线长度之间的关系, 1985年空间尺度因子包括30、40、50、60 m、2000年和2016年空间尺度因子包括15、30、40、60 m。其中15 m是根据图像融合得出, 30 m是影像的空间分辨率, 40、50、60 m通过三次卷积重采样(Cubic Convolution)计算得出。分形维的计算公式如下:
$ {{L}_{\text{S}}}=K{{S}^{1-\text{D}}} $ | (6) |
$ \text{ln}({{L}_{\text{S}}})=(1-D)\text{ln}\ S+C $ | (7) |
$ D=1-{{k}_{\text{SLOPE}}} $ | (8) |
其中, LS表示海岸线长度, S表示尺度因子, D表示分形维数, K和C表示常数, kSLOPE表示线性回归斜率。对公式(6)求对数得到公式(7), 对公式(7)做线性拟合即可得到分形维数D。
2 结果与讨论 2.1 海岸线提取结果与评价在RS和GIS的支持下, 本文以MNDWI指数为基础, 结合直方图均衡化和阈值技术, 自动化地提取了1985—2016年獐子岛海岸线(图 1, 图 2, 图 3)。如表 2所示, 1985年、2000年和2016年岸线的E值分别为0.045 %, 0.032 %, 0.023 %, 这表明该方法用于海岸线自动化提取是科学可行的, 能够满足后续研究的需要。
年份 | 目视解译面积/km2 | 本文提取的岛屿面积/km2 | 相对误差 /% |
1985 | 1631.64 | 1558.22 | –0.045 |
2000 | 1631.50 | 1579.29 | –0.032 |
2016 | 1579.60 | 1543.27 | –0.023 |
獐子岛海岸线1985—2016年发生了显著的变化(图 3)。除港口、海水养殖等人工岸线呈现较为强烈的向海方向延伸外, 自然岸线均呈现较为显著的蚀退趋势。海岸线向海延伸主要集中在:褡裢岛的西北(NW)和西南(NW)方向、大耗岛的西南(SW)方向、小耗岛的西南(SW)方向以及獐子岛(主岛)的西南(SW)方向。海岸线向岛内蚀退的区域主要集中在:褡裢岛的东南(SE)方向、大耗岛的东北(NE)方向、小耗岛的东南(SE)方向和獐子岛(主岛)的东北(NE)方向。
2.2 1985—2016年獐子岛海岸线的时空变化1985—2016年獐子岛地区海岸线年变化速率为–0.14 m/a, 呈现向岛内蚀退的趋势, 标准差为0.94, 内部差异较大。岸线的总体变化趋势为:海岸线长度显著变短和海岛面积显著缩小。獐子岛(主岛)海岸线的长度增长, 但岛屿面积呈现下降趋势, 初步分析认为人工工程的建设是导致岸线长度增加的主要原因, 而岛屿面积减小主要是受蚀退岸线的影响(表 3、表 4、图 4)。
年份-空间分辨率/m | 岸线长度/km | 岛屿面积/km2 | |||||||
大耗岛 | 褡裢岛 | 小耗岛 | 獐子岛(主岛) | 大耗岛 | 褡裢岛 | 小耗岛 | 獐子岛(主岛) | ||
1985年-30 | 7.75 | 11.18 | 10.57 | 24.26 | 2.1 | 1.93 | 2.07 | 9.49 | |
2000年-15 | 9.09 | 13.62 | 11.86 | 27.17 | 2.12 | 1.96 | 2.11 | 9.6 | |
2016年-15 | 9.00 | 13.43 | 12.25 | 28.19 | 2.09 | 1.84 | 2.07 | 9.43 |
岛屿 | 剖面线数量 | 剖面线长度/m | 年平均变化速率/(m/a) | 年平均增长速率/(m/a) | 年平均侵蚀速率/(m/a) | 年最大增长速率/(m/a) | 年最大侵蚀速率/(m/a) | 标准差 |
大耗岛 | 991 | 1 000 | –0.12 | 0.7 | –0.91 | 3.96 | –3.33 | 1.14 |
褡裢岛 | 405 | 1 000 | –0.10 | 0.83 | –1.00 | 0.95 | –3.55 | 1.39 |
小耗岛 | 552 | 1 000 | –0.05 | 0.83 | –1.34 | 3.53 | –3.27 | 1.89 |
獐子岛(主岛) | 552 | 1 000 | –0.12 | 0.88 | –1.27 | 3.96 | –4.52 | 2.10 |
大耗岛的岸线平均变化速率为–0.12 m/a, 呈现向岛内蚀退趋势, LRR最大为3.96 m/a, 最小为–3.33 m/a, 标准差为1.44, 波动较大。褡裢岛的岸线变化平均变化速率为–0.10 m/a, 呈现向岛内蚀退的趋势, LRR最大为0.95 m/a, 最小为–3.55 m/a, 标准差为1.39, 波动较大。小耗岛的岸线平均变化速率为–0.05 m/a, 呈现向岛内蚀退趋势, LRR最大为3.53 m/a, 最小为–3.27 m/a, 标准差为1.89, 波动较大。獐子岛(主岛)的岸线变化平均变化速率为–0.12 m/a, 呈现向岛内蚀退趋势, LRR最大为3.96 m/a, 最小为–4.52 m/a, 标准差为2.10, 波动最大。
近30年来, 不同岛屿的海岸线变化速率在空间上存在较大差异(图 3, 图 5)。岛屿海岸线变迁方向除与社会经济活动和海平面变化密切相关, 同时也受岛屿形状和地形坡度等地理因素影响[29-31]。为更深入研究岛屿岸线变化在空间方向性上的差异, 我们在空间上分为8个方向:北北东(NNE), 东北东(ENE), 东南东(ESE), 南南东(SSE), 南南西(SSW), 西南西(WSW), 西北西(WNW)和北北西(NNW)。
褡裢岛的LRR为–2~0 m/a, 集中在SSE和SSW方向上, 其中在SSE方向上出现的频率较高; LRR为–6~–4 m/a在NNW出现较高频率; LRR为0~2 m/a, 集中在SSE、SSW和SWS方向之间, 其中在SSE方向上出现频率最高。褡裢岛呈“东-西”走向, 蚀退的重点部位发生在岸线SW和SE两个方向, 该地区经济社会活动强度较低, 地势起伏较小, 岸线蚀退较为剧烈; 增长的重点部位发生在岸线NE和SW方向, 褡裢岛的NE方向海岸线变化集中在人类活动较为密集的港口区域, 该区域受人类活动影响较为强烈。
大耗岛的LRR为–2~0 m/a, 集中在NNE、NEN和NNW三个方向, 其中在NNE方向上出现的频率较高; LRR为0~2 m/a, 集中在SSW和SWS方向之间, 其中在SSW方向上出现的频率最高。大耗岛呈“东北-西南”走向, 蚀退重点部位发生在岸线的NE和SE两个方向, 岸线以自然海岸线为主, 地形坡度较低, 海平面变化对其影响较为显著; 增长重点部位主要包括两部分:北部的港口、海水养殖区域附近和西南方向。
小耗岛的LRR为–2~0 m/a, 集中在NNE、SES、SSE和SSW方向, 其中在SES方向上出现的频率较高; 在LRR为0~2 m/a, 集中在SSW和SWS方向之间, 其中在SW方向上出现频率最高。小耗岛岸线增长的重点部位发生在北部和南部, 结合海岸线变化的形状和人类活动分布站点, 可得出其变化是在滨海人工港口建设的驱动下发生的。
獐子岛(主岛)的LRR为–2~0 m/a, 集中在NNE和NEN方向, 其中NEN方向出现的频率较高; LRR为0~2 m/a, 集中在SSW、SWS和NWN方向之间, 其中SSW方向上出现频率最高。獐子岛(主岛)是研究区内人类活动最为密集的岛屿, 滨海养殖、旅游基础设施、港口等人工岸线建设力度最大, 其岸线显著增长的区域也集中在两个岬角的海湾部位; 在岸线的NW和SE两个方向上呈现较为显著的蚀退趋势。
2.3 分形维数以上关于海岸线时空变化的研究分别是基于30 m (1998年)和15 m(2000和2016年)空间分辨率得到的结论。由于遥感影像及其定量指标对空间尺度具有敏感性, 因此在不同尺度(空间分辨率)下量测得到的数据和结论, 很难进行比较分析[4, 27]。本文利用分形原理计算了岸线长度与空间分辨率之间的关系(表 5, 图 6), 在此基础上比较研究岸线的变化特性, 其中拟合的相关系数(R2)的高低表明了海岸线分形性质的强弱。
年份 | 岛屿 | 空间分辨率/m | 岸线长度/m | 分形维 | R2 |
1985 | 褡裢岛 | 30; 40; 50; 60 | 11034.251; 10960.999; | 1.07 | 0.87 |
10610.975; 10599.679 | |||||
大耗岛 | 30; 40; 50; 60 | 7630.269; 7389.741; | 1.10 | 0.79 | |
7437.022; 7089.612 | |||||
小耗岛 | 30; 40; 50; 60 | 10548.614; 10335.752; | 1.10 | 0.89 | |
10237.702; 9837.691 | |||||
獐子岛(主岛) | 30; 40; 50; 60 | 23878.056; 23253.267; | 1.12 | 0.89 | |
7904.374; 7522.272 | |||||
2000 | 褡裢岛 | 15; 30; 40; 60 | 13087.099; 11929.835; | 1.13 | 0.90 |
22950.4; 21812.538 | |||||
大耗岛 | 15; 30; 40; 60 | 8782.124; 8046.544; | 1.11 | 0.99 | |
11675.266; 10839.563 | |||||
小耗岛 | 15; 30; 40; 60 | 11974.881; 11063.258; | 1.13 | 0.96 | |
10327.196; 10130.654 | |||||
獐子岛(主岛) | 15; 30; 40; 60 | 27279.769; 25258.926; | 1.15 | 0.98 | |
23696.952; 22108.477 | |||||
2016 | 褡裢岛 | 15; 30; 40; 60 | 13129.984; 11572.956; | 1.23 | 0.86 |
11550.379; 9313.906 | |||||
大耗岛 | 15; 30; 40; 60 | 8802.891; 11188.957; | 1.15 | 0.22 | |
7726.57; 7388.00 | |||||
小耗岛 | 15; 30; 40; 60 | 7726.565; 7388.008 | 1.22 | 0.29 | |
11 164.499; 9 200.510 | |||||
獐子岛(主岛) | 15; 30; 40; 60 | 28907.430; 24839.042; | 1.20 | 0.99 | |
23192.491; 21896.705 |
1985年研究区内不同空间尺度因子与海岸线长度的分维数均大于1, R2均大于0.7, 分形性质较强, 其中獐子岛(主岛)分维数最大(1.12), 拟合程度最高(0.90); 2000年研究区内不同空间尺度因子与海岸线长度的分形维数均大于1.10, R2均大于0.89, 分形性质较强; 2016年不同空间尺度因子与海岸线长度的分维数差异较大, 其中大耗岛和小耗岛的分维数较小, 拟合程度不高, 表明其分形性质不强, 褡裢岛和獐子岛(主岛)的分维数均大于1.1, R2均大于0.8。就空间而言, 獐子岛(主岛)海岸线的分维数最大, 褡裢岛海岸线的分维数数值最小; 就时间而言, 1998年海岸线的分维数数值最大, 2000年海岸线的分维数数值次之, 2016年海岸线的分维数数值最小。
3 结论在RS和GIS的支持下, 本文以MNDWI指数为基础, 结合直方图均衡化和阈值技术, 自动化地提取了1985—2016年獐子岛海岸线。通过与三位专家目视解译的成果比对, 本文提取的岛屿岸线精度较高(相对误差分别为0.045%, 0.032%和0.023%)。
受全球海平面上升和人类活动的双重影响, 除港口、海水养殖等区域的海岸线呈现较为强烈的向海方向延伸外, 其他自然岸线呈现出较为显著的蚀退趋势。总体而言, 岸线呈现出较为强烈的蚀退状态, 1985—2016年獐子岛地区海岸线年变化速率平均值为–0.14 m/a; 在岸线开发强度较为剧烈的线段, 其岸线变化呈现出较为显著的向海方向增长趋势, 如獐子岛(主岛)岸线增长较快的地区主要集中在人类活动较为密集的区域内。
分形维数表明岸线长度与空间分辨率之间呈现负相关, 线性拟合度(R2)均大于0.5(2016年大耗岛和小耗岛的值小于0.5)。在研究区中, 獐子岛(主岛)海岸线的分维数数值最大, 褡裢岛海岸线的分维数数值最小; 就时间而言, 1985年海岸线的分维数数值最大, 2000年海岸线分维数数值次之, 2016年海岸线的分维数数值最小。
[1] |
Morner N A. Sea-level changes and Earth's rate of rota tion[J]. Journal of Coastal Research, 1992, 966-971. |
[2] |
Hussain M S, Javadi A A. Assessing impacts of sea level rise on seawater intrusion in a coastal aquifer with sloped shoreline boundary[J]. Journal of Hydro-enviro n ment Research, 2016, 11: 29-41. DOI:10.1016/j.jher.2016.01.003 |
[3] |
任美锷. 黄河长江珠江三角洲近30年海平面上升趋势及2030年上升量预测[J]. 地理学报, 1993(5): 385-393. Ren Meie. Relative Sea Level Rise in Huanghe Changjiang and Zhujiang (Yellow, Yangtze and Pearl River) Delta Over the Last 30 Years and Prediction for the Next 40years(2030)[J]. Acta Geographica Scinica, 1993(5): 385-393. |
[4] |
Morton R A, Gibeaut J C, Paine J G. Meso-scale transfer of sand during and after storms: implications for prediction of shoreline movement[J]. Marine geology, 1995, 126(1-4): 161-179. DOI:10.1016/0025-3227(95)00071-6 |
[5] |
Aedla R, Dwarakish G S, Reddy D V. Automatic Shoreline Detection and Change Detection Analysis of Netravati-Gurpur River mouth Using Histogram Equali zation and Adaptive Thresholding Techniques[J]. Aquatic Procedia, 2015, 4: 563-570. DOI:10.1016/j.aqpro.2015.02.073 |
[6] |
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. DOI:10.1007/s12517-014-1515-7 |
[7] |
Jantunen H, Raitala J. Locating shoreline changes in the Porttipahta (Finland) water reservoir by using mul ti te mporal Landsat data[J]. Photogrammetria, 1984, 39(1): 1-12. DOI:10.1016/0031-8663(84)90009-7 |
[8] |
Guariglia A, Buonamassa A, Losurdo A, et al. A multisource approach for coastline mapping and identification of shoreline changes[J]. Annals of geophysics, 2006, 49(1): 295-304. |
[9] |
Yu K, Hu C, Muller-Karger F E, et al. Shoreline changes in west-central Florida between 1987 and 2008 from Landsat observations[J]. International Journal of Remote Sensing, 2011, 32(23): 8299-8313. DOI:10.1080/01431161.2010.535045 |
[10] |
McFeeters S K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J]. International journal of remote sensing, 1996, 17(7): 1425-1432. DOI:10.1080/01431169608948714 |
[11] |
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595. Xu Hanqiu. A study on information extraction of waterbody with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595. |
[12] |
Zhang T, XU H. Cross Comparison of Modified Normalized Difference Water Index (MNDWI) between ASTER and ETM+ Sensor Imagery[J]. Journal of Astronautics, 2010, 4: 49. |
[13] |
Wang Y, Huang F, Wei Y. Water body extraction from LANDSAT ETM+ image using MNDWI and KT transfor mation[C]//Geoinformatics (GEOINFORMATICS), 2013 21st International Conference on. IEEE, 2013: 1-5.
|
[14] |
王琳, 徐涵秋, 李胜. 厦门岛及其邻近海岸线变化的遥感动态监测[J]. 遥感技术与应用, 2005, 20(4): 404-410, 414. Wang Lin, Xu Hanqiu, Li Sheng. Dynamic Monitoring of the Shoreline Changes in Xiamen Island with Its Surrounding Areas of SE China Using Remote Sensing Technology[J]. Remote Sensing Technology and Application, 2005, 20(4): 404-410, 414. DOI:10.11873/j.issn.1004-0323.2005.4.404 |
[15] |
Thieler E R, Himmelstoss E A, Zichichi J L, et al. The Digital Shoreline Analysis System (DSAS) Version 4. 0-An ArcGIS Extension for Calculating Shoreline Change[R]. US Geological Survey, 2009.
|
[16] |
Schwimmer R A. A temporal geometric analysis of eroding marsh shorelines: can fractal dimensions be related to process?[J]. Journal of Coastal Research, 2008, 152-158. |
[17] |
Dolan R, Fenster M S, Holme S J. Temporal analysis of shoreline recession and accretion[J]. Journal of coastal research, 1991, 723-744. |
[18] |
Morton R A, Miller T L, Moore L J. National assessment of shoreline change: Part 1: Historical shoreline changes and associated coastal land loss along the US Gulf of Mexico[J]. US Geological Survey Open-File Report, 2004, 1043: 45. |
[19] |
Peng W U. Research on the Developmental Mode of Marine Leisure Fishery in Our Country——A Case of the Provincial Leisure Fishery Base of Mayi Island of Zhoushan City[J]. Fisheries Economy Research, 2005, 6: 005. |
[20] |
Wang H, Zhao B. Mechanism of spatial distribution of incremental construction land in island based on TM data: case of Changshan Islands[C]//Seventh International Symposium on Multispectral Image Processing and Pattern Recognition (MIPPR2011).
|
[21] |
Zhuang W, Gao X. Integrated assessment of heavy metal pollution in the surface sediments of the Laizhou Bay and the coastal waters of the Zhangzi Island, China: comparison among typical marine sediment quality indices[J]. PLoS One, 2014, 9(4): 94145. DOI:10.1371/journal.pone.0094145 |
[22] |
Wickham H. ggplot2: elegant graphics for data analysis[J]. Springer New York, 2009, 1(2): 3. |
[23] |
Crowell M, Leatherman S P, Buckley M K. Historical shoreline change: error analysis and mapping accuracy[J]. Journal of coastal research, 1991, 839-852. |
[24] |
曹荣龙, 李存军, 刘良云, 等. 基于水体指数的密云水库面积提取及变化监测[J]. 测绘科学, 2008, 2: 158-160. Cao Ronglong, Li Cunjun, Liu Liangyun, et al. Extracting Miyun reservoir's water area and monitoring its change based on are vised normalized different water index[J]. Science of Surveying and Mapping, 2008, 2: 158-160. |
[25] |
王李娟, 牛铮, 赵德刚, 等. 基于ETM遥感影像的海岸线提取与验证研究[J]. 遥感技术与应用, 2010, 25(2): 235-239. Wang Lijuan, Niu Zheng, Zhao Dehan, 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. DOI:10.11873/j.issn.1004-0323.2010.2.235 |
[26] |
冯永玖, 刘丹, 韩震. 遥感和GIS支持下的九段沙岸线提取及变化研究[J]. 国土资源遥感, 2012, 24(1): 65-69. Feng Yongjiu, Liu Dan, Han Zhen. Shoreline Extraction and Change Analysis of the Jiuduansha Islands with the Support of Remote Sensing and GIS Technologies[J]. Remote Sensing for Land & Resources, 2012, 24(1): 65-69. DOI:10.6046/gtzyyg.2012.01.12 |
[27] |
Ekercin S. Shoreline change assessment at the Aegean Sea coasts in Turkey using multitemporal Landsat imagery[J]. Journal of Coastal Research, 2007, 691-698. |
[28] |
张华国, 黄韦艮. 基于分形的海岸线遥感信息空间尺度研究[J]. 遥感学报, 2006, 10(4): 463-468. Zhang Huaguo, Huang Weigen. Study on Spatial Scale of Shoreline Remote Sensing Information Based on Fractal Theory[J]. Journal of Remote Sensing, 2006, 10(4): 463-468. DOI:10.11834/jrs.20060469 |
[29] |
Morton R A. Historical changes in the Mississippi- Alabama barrier-island chain and the roles of extreme storms, sea level, and human activities[J]. Journal of Coastal Research, 2008, 1587-1600. |
[30] |
Webb A P, Kench P S. The dynamic response of reef islands to sea-level rise: Evidence from multi-decadal analysis of island change in the Central Pacific[J]. Global and Planetary Change, 2010, 72(3): 234-246. DOI:10.1016/j.gloplacha.2010.05.003 |
[31] |
杨雷, 孙伟富, 马毅, 等. 近10年珠海海岸带海岸线时空变化遥感分析[J]. 海洋科学, 2017, 41(2): 20-28. Yang Lei, Sun Weifu, Ma Yi, et al. Remote sensing analyses of the spatial and temporal changes in Zhuhai shoreline[J]. Marine Sciences, 2017, 41(2): 20-28. DOI:10.11759/hykx20160902001 |