基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法与流程

技术特征：
1.一种基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：该方法具体步骤如下：步骤一：多源与多时相数据的读取与预处理选择并读取满足要求的遥感数据源；根据读入数据的空间分辨率、坐标系、投影情况，运用遥感数据处理中常规的投影转换、空间重采样方法，将所有数据处理成为统一地理坐标系、投影、空间分辨率的遥感数据；步骤二：多时相水体光谱指数计算运用归一化水体光谱指数对步骤一输出的数据进行处理；归一化水体光谱指数的公式为，ndwi＝[r
(green)-r
(swir)
]/[r
(green)
r
(green)
]其中，ndwi为归一化水体光谱指数，r
(green)
为绿光波段遥感反射率影像，r
(swir)
为短波红外波段遥感反射率影像；步骤三：水体分布提取以0为阈值，将ndwi图像上大于阈值的区域分割出来，即为水体分布；步骤四：地形阴影干扰的去除基于dem数据，计算地形坡度；以-20～20米为高程阈值、-10～10度坡度阈值，将小于阈值的区域分割出来即无地形阴影区，去除大于阈值的区域即含地形阴影区；利用分割出的区域，对步骤三的水体分布数据进行掩模，保留无地形阴影区内的水体分布数据，去除含地形阴影区的水体分布；步骤五：水体出现概率计算逐像素计算每个像素在多时相观测中被分割为水体的次数占总观测次数之比，即为水体出现概率；步骤六：高潮位低潮位水边线的检测在水体出现概率图像上，低潮位水位线与大海间水体出现概率最高，潮滩内水体出现概率较低，位置越接近高潮位水位线水体出现概率越低；分析水体出现概率图像特征，设定合适的高潮位低潮位水边线水体出现概率阈值，进行图像二值化分割，并将栅格图像转化为矢量图像，得到高潮位低潮位水边线的矢量分布数据；步骤七：海岸线位置的确定与潮滩范围的圈定对高潮位水位线进行编辑修改，去除养殖塘人工水体水边线，即为海岸线位置；根据高潮位水位线与海岸线位置，圈定二者直接的区域，即为潮滩范围。2.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤一中，获取黄河三角洲2020年landsat-8、sentinel-2遥感数据共计652景；landsat-8、sentinel-2数据下载网址分别为https://earthexplorer.usgs.gov、https://scihub.copernicus.eu；分别选用二者为b3(green)与b6(swir)、b3(green)与b11(swir)波段；green为550nm绿光波段，swir为1600nm短波红外波段。3.根据权利要求1或2所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤一中，landsat-8数据空间分辨率为30m，sentinel-2数据b3与b11波段空间分辨率分别为10m、20m，需对sentinel-2进行空间重采样，使其与landsat-8一致；空间重采样采用envi遥感图像处理软件试用版的“resize data”工具完成，其中，空间重采
样目标分辨率设定为30m；两种数据投影一致，免做投影变换处理；处理后的数据为包含绿光波段、短波红外波段的遥感反射率数据；投影系为utm-wgs84、空间分辨率为30m、波段数为2。4.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤二中，应用“归一化水体光谱指数公式”实现“多时相水体光谱指数计算”，采用的是envi遥感图像处理软件试用版的“band math”工具，将归一化水体光谱指数计算公式输入“band math”工具，并设定r
(green)、
r
(swir)
对应的波段编号来完成归一化水体光谱指数计算。5.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤三中，ndwi图像上海面的水体分布区域的数值比陆地大，水体的指数为正值，陆面的指数为负值。6.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤四中，掩模采用envi遥感图像处理软件试用版的“masking-apply mask”工具，设定高程阈值范围、坡度阈值范围后，将不满足阈值范围的ndwi像素值归零，仅保留满足阈值范围的ndwi像素值。7.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤五中，计算采用envi遥感图像处理软件试用版“statistics-sum data bands”工具，对步骤四得到的水体分布数据，得到水体次数图像，对652景数据进行处理，得到总观测次数图像；最后利用envi遥感图像处理软件试用版“band math”工具，设定水体次数图像除以总观测次数图像，得到水体出现概率图像。8.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤六中，由于区域内各像元出现云阴影的概率认为相同或接近，某像素部分时相出现的云阴影不影响水体出现概率值的空间分布变化特征，因此不影响高潮位低潮位水边线的位置检测。9.根据权利要求1或8所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤六中，设定0.1、0.85为高潮位低潮位水边线水体出现概率阈值，进行图像二值化分割，得到高潮位与低潮位水体分布栅格数据，并将栅格数据转化为表示高潮位与低潮位水边线位置的矢量数据，得到了高潮位与低潮位水边线的矢量分布数据；图像二值化分割采用envi遥感图像处理软件试用版“masking-build mask”工具，设置“0.1-1.0”为二值化阈值范围，对步骤五算得的水体出现概率图像进行分割，得到高潮位水体分布栅格数据，设置“0.85-1.0”为二值化阈值范围，对步骤五算得的水体出现概率图像进行分割，得到低潮位水体分布栅格数据；利用qgis软件的栅格转矢量工具，分别对高潮位水体分布栅格数据、低潮位水体分布栅格数据进行矢量化，得到表示高潮位与低潮位水边线位置的的矢量数据。10.根据权利要求1所述的基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，其特征在于：在步骤七中，采用qgis软件的数字化工具圈定介于二者之间的区域，形成表示高潮位水位线与海岸线位置之间区域的矢量数据，即为潮滩范围；低潮位水位线进行编辑修改采用qgis软件的矢量编辑工具完成，养殖池塘根据水体出现概率图像上人工水体规则外形进行判识。

技术总结
基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法，它有七个步骤：步骤一、多源与多时相数据的读取与预处理；步骤二、多时相水体光谱指数计算；步骤三、水体分布提取；步骤四、地形阴影干扰的去除；步骤五：水体出现概率计算；步骤六：高潮位低潮位水边线的检测；步骤七：海岸线位置的确定与潮滩范围的圈定。可解决因潮汐导致的水边线变化、云与地形阴影对海岸线、潮滩遥感检测造成的大量干扰，从而显著提高海岸线与潮滩遥感检测的准确度、自动化程度，属于环境遥感领域，适用海岸线、潮滩变化监测。测。测。


技术研发人员：闫柏琨 甘甫平 白娟 郭艺 印萍 邢乃琛 刘琪
受保护的技术使用者：中国自然资源航空物探遥感中心
技术研发日：2022.02.22
技术公布日：2022/6/10