论文速递 | 利用Landsat时间序列提高填海造陆制图的时空精度
本研究成果于2025年3月被International Journal of Applied Earth Observation and Geoinformation刊物（影响因子：7.5）收录发表Runjie Huang, Li Zhuo, Na Jie, Jixiang Zheng & Haiyan Tao (2025). Improving spatial and temporal accuracy in coastal reclamation mapping using satellite image time series, International Journal of Applied Earth Observation and Geoinformation,139,104499.DOI: https://doi.org/10.1016/j.jag.2025.104499.论文摘要
在过去四十年中，受城市扩张和经济增长的驱动，中国进行了大规模的填海造陆活动，这带来了负面的生态影响。准确绘制填海动态有助于分析其环境影响，并支持政府对填海项目的监管。然而，现有的滨海填海动态监测方法存在两大局限性：填海面积被高估，以及时间精度较低。本研究提出了一种新方法，通过长期Landsat卫星图像的时间序列分析，自动区分人工填海和自然扩张，以减少填海面积的高估，并提高时间动态精度。在中国沿海地区，我们的方法实现了超过94%的人工填海和自然扩张的总体分类精度。填海年份的估计精度为91.60%（一年容差）和96.44%（两年容差），比基于全球地表水（GSW）数据集的后分类比较方法更准确。从1990年到2022年，中国沿海围垦总面积为5121.1平方公里，2014年后增速放缓，2018年后转向绿色发展。填海模式在区域上有所不同，大多数项目集中在经济发达的海湾，主要受城市化和工业化的驱动。结果表明，所提出的方法可以提高填海造陆制图的时空精度，从而为项目选址、生态影响评估和沿海管理提供更可靠的数据基础。
内容要点
研究方法
本文提出了一种基于长期Landsat卫星图像时间序列的新方法，用于提高滨海填海制图的空间和时间精度。该方法通过自动区分人工填海和自然扩张，减少了填海面积的高估，并通过时间序列分析提高了时间动态精度。具体而言，包括以下五个步骤：1、数据预处理：对Landsat图像进行去云操作，以减少干扰，并构建对水体变化敏感的指数时间序列。然后，合成每年的中位数值作为年度合成图像，以减少因成像时大气和光照条件造成的年际波动；2、识别向海扩张区域：选择高潮位时期进行水陆分类，以减少潮汐影响。通过计算NDWI和NDVI的特定百分位数特征，生成研究阶段的海陆分类图，进而识别出向海扩张区域；3、区分人工填海和自然扩张：将向海扩张区域转换为矢量斑块并基于SNIC方法进行分割，确保每个斑块只包含一种扩张类型。首先根据土地覆盖类型对斑块进行筛选，其次并利用光谱、纹理和时间特征训练机器学习分类器，进一步区分人工填海和自然扩张两种类型；4、估计填海年份：提取人工填海区域的NDWI时间序列，并应用LandTrendr算法进行时间序列分割。通过识别NDWI最大下降段的结束时间来确定填海完成年份，并进行中值滤波以优化结果；5、精度验证：使用高分辨率历史影像数据对填海区域和年份的识别结果进行验证。通过总体分类精度和容差等指标来评估方法的准确性。
图1 文章的研究框架人工填海与自然扩张的分类精度验证
根据土地覆盖信息识别出以植被或裸土为主的斑块。然后，利用光谱、纹理和时间特征训练斑块尺度的机器学习分类器，包括随机森林（RF）、支持向量机（SVM）和一维卷积神经网络（1DCNN）。结果显示，光谱、纹理和时间特征的组合实现了最高的总体分类精度，并且随机森林模型表现最佳。植被图斑的分类精度达到96.27%，裸土图斑的分类精度达到94.59%。这表明，整合这三种特征能够有效区分人工填海和自然扩张，为准确绘制滨海土地扩张动态提供了一种可靠的方法。表1 不同土地覆盖类型在时空光谱特征组合下的总体分类精度
填海年份估计的精度验证
研究标记了1880个样本点，这些样本点的填海年份通过高分辨率历史影像数据进行确定，以此验证填海年份估计的准确性。验证结果显示，样本点在混淆矩阵中与1:1线高度一致，表明填海年份的估计精度很高。具体而言，全国范围内填海年份估计的精度在1年容差内达到91.60%，在2年容差内达到96.44%。这一精度在所有的省份和特别行政区中保持一致。
图2 填海年份提取结果的混淆矩阵，全国情况（a）和14个省级行政区（b）与现有方法的比较将所提出的方法与现有的基于全球地表水（GSW）数据集和中国土地覆盖数据集（CLCD）的后分类比较方法进行对比分析。从空间分布上看，现有方法在某些区域存在明显的遗漏和误分类现象。例如，基于CLCD的方法在识别填海区域时出现了显著的遗漏（图3d），而基于GSW的方法则将自然形成的沙洲误分类为人工填海区域（图3e）。此外，在珠江三角洲西南部，基于GSW的方法与实际情况存在较大偏差。
图3 三个地点（BTH为京津冀沿海，YRD为长江三角洲，PRD为珠江三角洲）的年度滨海填海图对比：(a) 1990年、(b) 2005年和 (c) 2022年的Landsat中值合成图像，以及由(d) CLCD、(e) GSW和 (f) 我们的方法得出的年度滨海填海图。在时间估计精度方面，后分类比较方法的填海年份估计明显滞后于实际的填海年份。通过对三个主要沿海大都市区（京津冀地区、长三角地区和珠三角地区）的样本点进行对比分析，本研究方法的结果与1:1线高度一致（图4a），而后分类比较方法的结果则存在偏差，高估了填海年份（图4b-c）。具体而言，本研究方法在1年容差内的精度为96.11%，在2年容差内的精度为98.33%，而后分类比较方法的精度分别为40.6% / 57.22%和61.7% / 73.9%。这表明现有方法在时间精度上存在较大误差，而本研究方法能够更准确地捕捉填海活动的时间动态。
图4 三个地点的我们方法（a）、GSW（b）和CLCD（c）的滨海填海年龄估计结果的混淆矩阵。填海造陆的时空动态1990—2022年，中国填海总面积达5121.1平方公里，且填海区域集中在经济发达的港口地区（图5b-g）。填海总体来说经历了四个阶段（图6a）：1990—1999年的初始发展、2000—2013年的快速增长、2014—2017年的缓慢增长以及2018—2022年的绿色发展。这一趋势与中国填海相关政策的实施有着紧密关联：2000年后，工业化和港口规划推动了填海的快速增长。2014年生态保护红线政策的引入和2018年更严格的管控，促使填海规划更合理，土地的扩张趋于稳定。
图5 研究期间（1990—2022年）中国滨海填海模式。（a）30平方公里网格内填海面积的空间分布。辽东湾（b）、渤海湾（c）、长江口（d）、杭州湾（e）、珠江口（f）和钦州湾（g）的年度滨海填海图的放大示例图。从省级区域上看（图6b），浙江、辽宁、山东、广东填海面积最大，而河北、江苏、福建、上海、天津居中。台湾、海南填海面积较小，但香港、澳门填海面积占行政区域比例高，凸显填海对其的重要性。填海区域多集中在经济发展快的海湾，如辽东湾、渤海湾、长江口等，主要受经济增长、港口扩张等因素驱动。从填海时间趋势来看（图6c），不同省份填海扩张时间模式不同，可分为三类：广东、香港、澳门和台湾在1990—2000年填海增加显著；辽宁、河北、天津、山东、江苏和广西在2000—2013年快速填海；浙江、上海、福建和海南在2018年前填海活跃，之后因政策转向绿色生态发展而减少。
图6 中国滨海填海动态的统计数据。（a）填海造地面积的年度增长及累积面积趋势。（b）不同地区的累积填海面积。（c）其他地区在不同阶段的滨海填海面积年增长率。LN：辽宁，TJ：天津，HB：河北，SD：山东，JS：江苏，SHH：上海，ZJ：浙江，FJ：福建，GD：广东，GX：广西，HN：海南，TW：台湾，MC：澳门，HK：香港。
页:
[1]
