鄭修誠(chéng)， 周斌， 雷惠， 黃祺宇， 葉浩林

(1.杭州師范大學(xué)遙感與地球科學(xué)研究院，杭州 311121； 2.浙江省城市濕地與區(qū)域變化研究重點(diǎn)實(shí)驗(yàn)室，杭州 311121； 3.杭州師范大學(xué)信息科學(xué)與技術(shù)學(xué)院，杭州 311121)

0 引言

潮灘是指淤泥質(zhì)海岸潮間帶淺灘[1]，處在海陸交匯的敏感地帶，是沿海城市發(fā)展的重要物質(zhì)基礎(chǔ)和后備資源，也是沿海地區(qū)生態(tài)安全體系不可或缺的一部分，因此研究潮灘的發(fā)展和變化具有重要的意義[2]。由于潮灘范圍廣，變化快，并且在潮灘區(qū)域行動(dòng)極為不便，部分區(qū)域難以到達(dá)，使用傳統(tǒng)的實(shí)地勘測(cè)法調(diào)查潮灘具有明顯的復(fù)雜性，勘測(cè)效率低下，難以實(shí)現(xiàn)動(dòng)態(tài)監(jiān)測(cè)，而遙感技術(shù)則因其具有大范圍、高分辨率、多光譜和多時(shí)序等優(yōu)勢(shì)，非常適用于潮灘的動(dòng)態(tài)監(jiān)測(cè)。

目前基于遙感技術(shù)的潮灘提取方法主要有“八分算潮法”[3]和“相似三角形原理”[4]等。張春桂[3]采用“八分算潮法”來確定高、低潮時(shí)，選用過境時(shí)間與這些時(shí)刻最為接近的MODIS數(shù)據(jù)，實(shí)現(xiàn)了福建省海岸帶潮灘的提取，但MODIS數(shù)據(jù)空間分辨率偏低且該方法只是一種潮時(shí)的近似估算方法，存在一定的誤差； 王小龍等[4]采用“相似三角形原理”，結(jié)合海島多年的潮汐數(shù)據(jù)，利用高分辨率遙感數(shù)據(jù)計(jì)算了東沙島潮灘和濕地的范圍，該方法將潮灘地形剖面視作一個(gè)直角三角形，是一種理想的估算方法，王小丹等[5]研究曹妃甸地區(qū)潮灘演變時(shí)使用的“相同潮位對(duì)比法”以及王靖雯等[6]和韓倩倩等[7]研究中使用的“潮位校正法”也都以此方法為基礎(chǔ)?？傮w來看，當(dāng)前常見的潮灘遙感提取方法往往通過估算來確定潮灘的邊界，難以保證較高的提取精度。而張媛媛等[8]采用窮舉法，應(yīng)用多時(shí)相環(huán)境衛(wèi)星數(shù)據(jù)作為數(shù)據(jù)源提取序列水邊線，通過面向?qū)ο蠓诸悾瑢?shí)現(xiàn)了江蘇省如東縣潮灘的提取，該方法擺脫了對(duì)高、低潮線的“估算”，使用若干條水邊線擬合高、低潮線，具備較高的精度。

近年來，隨著Google Earth Engine(GEE)平臺(tái)的誕生和廣泛應(yīng)用，窮舉法所面臨的數(shù)據(jù)量大、依賴人工等問題迎刃而解，本研究基于GEE平臺(tái)，選用時(shí)序覆蓋較廣的Landsat系列影像數(shù)據(jù)，目視解譯人工海岸線作為平均高潮線，利用水邊線擬合平均低潮線，實(shí)現(xiàn)了對(duì)杭州灣潮灘變化最為顯著的慈溪段潮灘區(qū)域的提取，并分析了其變化情況，為該地區(qū)潮灘濕地的保護(hù)提供技術(shù)參考。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

以杭州灣南岸的慈溪市為研究區(qū)(圖1)，其隸屬于浙江省寧波市，東接鎮(zhèn)海區(qū)，西連余姚市，地勢(shì)南高北低，面向杭州灣呈現(xiàn)丘陵、平原、灘涂3級(jí)階梯狀。由于杭州灣獨(dú)特的空間形態(tài)，大量的泥沙在杭州灣南岸北凸弧段淤積，形成了典型的平原型潮灘，為慈溪市填海造陸提供了得天獨(dú)厚的自然條件，使其成為浙江省土地后備資源最富足的地區(qū)之一。

圖1 研究區(qū)地理位置

慈溪市也具有悠久的填海造陸歷史，從明末至20世紀(jì)末，慈溪市海岸線外移的速度為28 m·a-1[9]。20世紀(jì)90年代以后，圍涂筑塘技術(shù)趨于成熟，施工設(shè)備和施工工藝逐步先進(jìn)，圍塘砌筑標(biāo)準(zhǔn)級(jí)別提高，單塊圍涂規(guī)模不斷擴(kuò)大[10]。

1.2 數(shù)據(jù)源

GEE是由Google提供的基于云計(jì)算的全球尺度地理空間分析平臺(tái)，其存儲(chǔ)的大量公開的地理空間數(shù)據(jù)集能夠省去影像下載的時(shí)間，而其強(qiáng)大的計(jì)算力則能批量處理較大規(guī)模的數(shù)據(jù)，為較大時(shí)空尺度的研究提供便捷。出于對(duì)數(shù)據(jù)可獲得性和逐年監(jiān)測(cè)的需求，本研究選用30 m空間分辨率的Landsat系列數(shù)據(jù)作為遙感影像數(shù)據(jù)源，所有數(shù)據(jù)均來自于Earth Engine Data Catalog。本研究對(duì)數(shù)據(jù)源進(jìn)行了2輪篩選。首先篩選覆蓋完整研究區(qū)(條帶號(hào)118/39)的1990—2021年間云量低于20%的影像，累計(jì)得到142景影像； 再對(duì)這些影像逐景目視篩選，確保潮灘區(qū)域無明顯厚云覆蓋，并盡量保證1 a內(nèi)有2景間隔90 d以上的影像，最終得到77景符合條件的影像(圖2)。

(a) 年際分布(b) 月際分布

行政區(qū)矢量邊界數(shù)據(jù)獲取自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(https: //www.resdc.cn/)。

研究區(qū)潮汐預(yù)報(bào)數(shù)據(jù)獲取自國(guó)家海洋科學(xué)數(shù)據(jù)中心(http: //mds.nmdis.org.cn/)。

2 研究方法

本文研究的潮灘范圍是介于平均大潮高潮線和平均大潮低潮線之間的潮侵地帶，結(jié)合前人的相關(guān)研究[8,11]，平均大潮低潮線可以認(rèn)為是水邊線集中距離陸地最遠(yuǎn)的外界線，這通常不是集中的某一條線，而是多條線段的組合； 而海岸線則可以被認(rèn)為是多年平均大潮高潮位形成的痕跡線[12-14]。平均高、低潮線合圍形成的區(qū)域就是本文的潮灘區(qū)域。結(jié)合現(xiàn)有數(shù)據(jù)，本文擬提取1990—2021年間5～6 a時(shí)間間隔的6期潮灘區(qū)域。

2.1 瞬時(shí)水邊線提取

瞬時(shí)水邊線的提取本質(zhì)上是對(duì)數(shù)字圖像中的陸地區(qū)域和水體區(qū)域進(jìn)行分割，2類區(qū)域的分界線就是瞬時(shí)水邊線。本研究主要使用基于水體指數(shù)的閾值分割法提取水邊線，其中閾值的選取起著至關(guān)重要的作用[15]。通常經(jīng)過水體指數(shù)計(jì)算得到的灰度圖像直方圖會(huì)出現(xiàn)“雙峰”特性[16]，選取谷底所對(duì)應(yīng)的灰度值作為閾值能夠有效地對(duì)灰度圖像進(jìn)行分割。再對(duì)閾值分割后的二值圖像矢量化。技術(shù)路線如圖 3所示。

圖3 潮灘提取技術(shù)路線

2.1.1 自動(dòng)水體提取指數(shù)AWEI

2014年，F(xiàn)eyisa等[17]提出了一種基于TM多波段的自動(dòng)水體提取指數(shù)(automated water extraction index, AWEI)，并且證實(shí)了該指數(shù)相較于常用的改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index，MNDWI)[18]具有更高的精度。AWEI通過給TM影像不同波段賦予相應(yīng)的系數(shù)并進(jìn)行加減計(jì)算實(shí)現(xiàn)水體像元和非水體像元之間最大程度的分割，該指數(shù)由2個(gè)獨(dú)立的方程組成，公式分別為：

AWEIsh=ρBLUE+2.5ρGREEN-
1.5(ρNIR+ρSWIR1)-0.25ρSWIR2，

(1)

AWEInsh=4(ρGREEN-ρSWIR1)-
(0.25ρNIR+2.75ρSWIR2)，

(2)

式中:ρBLUE，ρGREEN，ρNIR，ρSWIR1和ρSWIR2分別代表Landsat影像藍(lán)光、綠光、近紅外、短波紅外1和短波紅外2波段的反射率值;AWEIsh是為研究場(chǎng)景下有明顯陰影存在的情況設(shè)計(jì)，AWEIsh能夠有效去除陰影像元[19]；AWEInsh則是為研究場(chǎng)景下陰影問題并不明顯的情況設(shè)計(jì)[20],AWEInsh能夠有效地去除易與水體混淆的黑色建筑地表。本研究聚焦的潮灘區(qū)域沒有明顯的陰影干擾，因此選用AWEInsh進(jìn)行水邊線提取。經(jīng)過實(shí)驗(yàn)，AWEInsh同樣適用于Landsat8 OLI數(shù)據(jù)[19]。

2.1.2 大津算法提取閾值

大津算法(OSTU)[21]是日本學(xué)者大津于1979年提出的一種確定圖像二值化分割閾值的算法，從原理上講，用該方法提取的閾值對(duì)圖像進(jìn)行二值化分割后，前景與背景圖像的類間方差最大，因此該方法又被稱為最大類間方差法。通過在GEE平臺(tái)中編寫代碼，可以自動(dòng)獲取經(jīng)過水體指數(shù)計(jì)算的每景灰度圖像的閾值，并對(duì)其進(jìn)行二值化分割。

2.2 平均低潮線提取

受潮汐作用、泥沙淤積等因素的影響，瞬時(shí)水邊線之間會(huì)出現(xiàn)交叉現(xiàn)象，并且隨著泥沙的不斷淤積、地形不斷改變，時(shí)間間隔越長(zhǎng)、水邊線數(shù)量越多，交叉現(xiàn)象就越復(fù)雜[8]，通過目視解譯的方法從水邊線集中提取平均低潮線就需要耗費(fèi)大量的時(shí)間，并且受人為干擾較大，因此本研究使用基于ArcGIS軟件開發(fā)的數(shù)字岸線分析系統(tǒng)(digital shoreline analysis system, DSAS)[22]，通過提取離陸地最遠(yuǎn)的潮位點(diǎn)，擬合一條平均低潮線。

DSAS模塊通過對(duì)一條Baseline作若干條間隔相同、長(zhǎng)度固定并與水邊線集充分相交的垂線，記錄垂線與水邊線集的所有交點(diǎn)數(shù)據(jù)，這些交點(diǎn)包含了其所在垂線編號(hào)、至Baseline距離以及空間坐標(biāo)等信息。經(jīng)過多次測(cè)試，結(jié)合研究區(qū)實(shí)際情況，選定垂線間隔為500 m，垂線長(zhǎng)度為18 000 m，最后通過Python編程對(duì)交點(diǎn)數(shù)據(jù)進(jìn)行分析，篩選出同一垂線編號(hào)中距離Baseline最遠(yuǎn)的潮位點(diǎn)，將以上潮位點(diǎn)按其屬性中的垂線編號(hào)依次相連，擬合生成的折線即認(rèn)為是平均低潮線(圖 4)。共生成1995年、2000年、2005年、2010年、2015年和2021年6期平均低潮線。

(a) DSAS模塊提取低潮點(diǎn)(b) 低潮線生成

2.3 平均高潮線提取

慈溪市有悠久的圍海筑堤歷史，域內(nèi)以人工海岸線為主，因此本研究對(duì)平均高潮線的提取實(shí)質(zhì)上是對(duì)人工海岸線的提取。人工海岸線在遙感影像中紋理清晰、辨識(shí)度高，因此本文采用目視解譯法直接提取。結(jié)合研究區(qū)Landsat影像和Google Earth歷史影像，遵循海岸線判別依據(jù)[23]，在ArcGIS 10.2軟件中繪制與平均低潮線對(duì)應(yīng)的6期海岸線，作為本研究所需的平均高潮線。

2.4 潮灘區(qū)域提取及精度評(píng)價(jià)

潮灘提取實(shí)質(zhì)上是將研究區(qū)內(nèi)地物分為潮灘和其他地物2類，而精度評(píng)價(jià)是檢驗(yàn)分類結(jié)果與地表真實(shí)信息吻合程度的過程，以此來評(píng)價(jià)分類結(jié)果可信度。誤差矩陣又稱混淆矩陣，廣泛應(yīng)用于遙感土地利用分類精度評(píng)價(jià)，能簡(jiǎn)單地對(duì)分類精度信息進(jìn)行概括[24]。

本研究通過構(gòu)建緩沖區(qū)、創(chuàng)建隨機(jī)采樣點(diǎn)，統(tǒng)計(jì)每個(gè)采樣點(diǎn)在提取結(jié)果和影像數(shù)據(jù)中分別是否屬于潮灘，并構(gòu)建統(tǒng)計(jì)結(jié)果的混淆矩陣從而對(duì)潮灘提取的精度進(jìn)行評(píng)價(jià)。為使采樣點(diǎn)分布合理、覆蓋均勻，以提取的潮灘結(jié)果為中心作半徑5 km的緩沖區(qū)，作為提取結(jié)果精度評(píng)價(jià)的區(qū)域(圖5)。每期緩沖區(qū)內(nèi)使用Create Random Point工具隨機(jī)生成240個(gè)點(diǎn)作為采樣點(diǎn)，每個(gè)采樣點(diǎn)的間距不小于100 m。借助研

圖5 緩沖區(qū)和采樣點(diǎn)構(gòu)建

究區(qū)低潮期遙感影像以及Google Earth歷史影像，目視解譯將采樣點(diǎn)分為潮灘和其他2類，最后構(gòu)建混淆矩陣評(píng)價(jià)潮灘提取精度。

2.5 平均高、低潮線遷移速率計(jì)算

對(duì)于2.2節(jié)中的任一垂線段i，計(jì)算其與某2期高(低)潮線的交點(diǎn)間的距離di，作為該時(shí)期內(nèi)在該垂線段上的潮線位移距離。任意2期高(低)潮線的平均遷移速率V的計(jì)算公式為：

(3)

式中：n為生成垂線段總數(shù)；Δt為2期高(低)潮線間的年份差值。

3 結(jié)果與分析

3.1 潮灘提取結(jié)果及精度評(píng)價(jià)

3.1.1 潮灘提取結(jié)果

圖6反映了1990—2021年間6期潮灘的空間位置，底圖為1990年Google Earth歷史影像，可見潮灘區(qū)域呈現(xiàn)明顯向北發(fā)展的態(tài)勢(shì)。依次統(tǒng)計(jì)各期潮灘的面積(圖7)，通過圖 7可知，研究區(qū)內(nèi)潮灘的面積大部分時(shí)間維持在20 000～24 000 hm2區(qū)間，在2000—2005年間陡然減少至10 344 hm2，隨后又恢復(fù)到20 000 hm2以上。

(a) 1995年(b) 2000年(c) 2005年

(d) 2010年(e) 2015年(f) 2021年

圖7 潮灘面積統(tǒng)計(jì)

3.1.2 精度評(píng)價(jià)

根據(jù)目視分類結(jié)果，構(gòu)建分類結(jié)果混淆矩陣(表1)，并統(tǒng)計(jì)各期潮灘精度(表2)?？傮w精度表示所有正確分類的土地覆蓋類別的檢驗(yàn)點(diǎn)數(shù)所占總抽取的檢核點(diǎn)數(shù)的百分比； 用戶精度表示分類結(jié)果中樣本點(diǎn)的類別與地面實(shí)際類別相同的條件概率﹔生產(chǎn)者精度表示地面獲得的實(shí)際資料參考點(diǎn)類別與分類結(jié)果中對(duì)應(yīng)點(diǎn)類別相一致的條件概率； Kappa系數(shù)是1960年由Cohen首先提出的一種應(yīng)用于遙感影像分類結(jié)果評(píng)價(jià)的一致性檢驗(yàn)方法﹐一般而言，Kappa值介于0～1之間，Kappa值越大表示分類精度越高(表2)。

表1 潮灘提取精度評(píng)價(jià)混淆矩陣(2021年)

表2 潮灘提取精度評(píng)價(jià)結(jié)果匯總

由表2可見本研究提取的6期潮灘總體精度都在90%以上，并且Kappa系數(shù)所反映的分類精度都達(dá)到了最佳[25]，表明本研究方法能有效地提取潮灘區(qū)域。

3.2 潮灘時(shí)空變化分析

3.2.1 潮灘地理中心空間變化

逐一計(jì)算6期潮灘區(qū)域的地理中心，并統(tǒng)計(jì)潮灘中心點(diǎn)位移情況，具體如圖 8和表3所示。

圖8 潮灘地理中心時(shí)空變化

表3 潮灘地理中心遷移情況

從中心遷移軌跡(圖8)來看，潮灘區(qū)域地理中心經(jīng)歷了“西北-東北-西北-東南-西北”的復(fù)雜遷移過程，但總體呈現(xiàn)由東南向西北遷移的趨勢(shì)，累計(jì)遷移距離為28 083 m，總遷移距離為8 127 m。從各個(gè)遷移方向上看，西移發(fā)生在1995—2000年、2005—2010年和2015—2010年，西移距離分別為701 m,8 893 m和171 m，速度分別為140.2 m·a-1,1 778.6 m·a-1和34.2 m·a-1； 東移發(fā)生在2000—2005年和2010—2015年，距離分別為1 614 m和4 926 m，速度分別為322.8 m·a-1和821 m·a-1； 南移只發(fā)生在2010—2015年，距離為1 150 m，速度為230 m·a-1，這主要是由于2010—2015年間研究區(qū)西側(cè)海岸線外移潮灘減少，而東南側(cè)潮灘增加明顯，導(dǎo)致潮灘地理中心向東南方向遷移； 北移連續(xù)發(fā)生在1995—2010年和2015—2021年，距離分別為7 370 m和1 240 m，速度分別為491.3 m·a-1和206.7 m·a-1。

總體上，地理中心向西遷移了3 225 m，速度為124 m·a-1； 向北遷移了7 460 m，速度為286.9 m·a-1，南北方向遷移的跨度距離大于東西方向的遷移跨度表明潮灘南北方向變化大于東西方向變化。從各個(gè)遷移階段看，2005—2010年在東西和南北方向上的遷移距離均為最大，說明這5 a間潮灘發(fā)生了最為明顯的變化。

3.2.2 高、低潮線空間變化

表4顯示，除2000—2005年低潮線向內(nèi)退縮外，其余時(shí)段高、低潮線均以不同速率外擴(kuò)。高潮線外擴(kuò)最快的時(shí)段是2000—2005年，達(dá)到233.87 m·a-1； 最慢的時(shí)段是2015—2021年，僅為23.65 m·a-1； 低潮線外擴(kuò)最快的時(shí)段是2005—2010年，達(dá)到461.52 m·a-1。

表4 高(低)潮線遷移速率

3.2.3 潮灘面積及空間變化原因分析

研究發(fā)現(xiàn)，30余年間，杭州灣南岸慈溪段潮灘基本保持北移的態(tài)勢(shì)，但是潮灘面積基本維持在相對(duì)穩(wěn)定的水平，僅在2000—2005年間出現(xiàn)驟減，對(duì)比圖6和表4可知，此時(shí)段內(nèi)海岸線發(fā)生了明顯外移，但潮灘北界相較于2000年并未明顯外移，西側(cè)潮灘還出現(xiàn)了消退的情況，以上因素綜合導(dǎo)致了2005年的潮灘面積大幅減少。張華國(guó)等[23]研究了1986年以來杭州灣圍墾淤漲狀況，發(fā)現(xiàn)2000年以后每年圍墾面積增長(zhǎng)的區(qū)域數(shù)量急劇上升，并推測(cè)在2001—2003年間有一輪較大規(guī)模的圍墾工程。2001年，慈溪市作出了開發(fā)建設(shè)杭州灣新區(qū)的戰(zhàn)略決策[26]； 2003年，杭州灣跨海大橋開始奠基建設(shè)，大橋又恰好位于潮灘消退明顯的西側(cè)。這一系列涉及該區(qū)域的重大事件，可能是造成慈溪市2000—2005年海岸線劇烈外移、潮灘顯著減少的原因。

而此后的5 a間，潮灘則以461.52 m·a-1的速率快速淤漲，因此，海岸線的劇烈外移可能會(huì)在未來一定時(shí)期內(nèi)推動(dòng)潮灘的淤漲。孫超等[27]研究江蘇中部沿海鹽沼演變與圍墾的關(guān)系時(shí)也認(rèn)為“圍墾活動(dòng)能夠改變?cè)睘┑某练e環(huán)境”，推動(dòng)鹽沼擴(kuò)張。

另外，2010—2021年間潮灘面積保持在較穩(wěn)定的水平，2015—2021年潮灘地理中心和高、低潮線遷移也較小，可見近10 a，尤其是2015年之后針對(duì)潮灘的開發(fā)利用強(qiáng)度大幅減弱。近年來，國(guó)家為了應(yīng)對(duì)海洋生態(tài)環(huán)境日益嚴(yán)峻的形勢(shì)和海洋開發(fā)秩序混亂等問題，相繼出臺(tái)政策管控圍填海活動(dòng)。2018年，國(guó)務(wù)院發(fā)布了《國(guó)務(wù)院關(guān)于加強(qiáng)濱海濕地保護(hù)嚴(yán)格管控圍填海的通知》[28]，嚴(yán)格限制了“向海索地”。因此，在未來一定時(shí)期內(nèi)，研究區(qū)內(nèi)潮灘在空間形態(tài)和空間位置上很可能以穩(wěn)定的速度緩慢發(fā)展。

4 討論

在本研究中，影像成像時(shí)的瞬時(shí)潮位會(huì)對(duì)潮灘提取的精度產(chǎn)生直接影響。潮灘提取精度主要取決于低潮線提取的精度，這就需要研究所使用的影像拍攝時(shí)間處于該海域的低潮期，因此需要對(duì)影像和其拍攝時(shí)間的潮位進(jìn)行星地?cái)?shù)據(jù)匹配。潘存鴻等[29-30]在研究杭州灣潮汐特征的研究時(shí)介紹了杭州灣沿岸潮位站分布： 杭州灣北岸設(shè)有澉浦、乍浦、金山嘴和蘆潮港4個(gè)長(zhǎng)期潮位站，杭州灣南岸僅有鎮(zhèn)海口1個(gè)長(zhǎng)期潮位站。這些潮位站均未在研究區(qū)范圍內(nèi)，其提供的潮汐實(shí)測(cè)數(shù)據(jù)不能客觀地反映研究區(qū)潮汐特征。而國(guó)家海洋信息中心的全球潮汐預(yù)報(bào)服務(wù)平臺(tái)(http: //global-tide.nmdis.org.cn/)提供了1980—2022年全球485個(gè)主要港口的潮汐預(yù)報(bào)數(shù)據(jù)，其中“海黃山”站點(diǎn)(121.50°E, 30.21°N)處于研究區(qū)核心地帶，可以作為相對(duì)客觀的潮位參考數(shù)據(jù)。本研究統(tǒng)計(jì)了所使用的每景影像拍攝時(shí)間對(duì)應(yīng)的預(yù)報(bào)潮高，并對(duì)多年潮汐數(shù)據(jù)做了簡(jiǎn)單分析，發(fā)現(xiàn)該站點(diǎn)的低潮潮高通常在80～120 cm之間，經(jīng)統(tǒng)計(jì)，共有14景影像成像時(shí)的預(yù)報(bào)潮位低于120 cm，并在本研究設(shè)定的6個(gè)時(shí)段內(nèi)都有分布，因此本研究提取的潮灘具有一定的可信度。

然而，本研究主要基于“云量”因素篩選影像，最終完成潮灘的提取，是存在一定隨機(jī)性的。即便低云量的數(shù)據(jù)量非常豐富，但影像拍攝時(shí)間未在低潮期，提取出的水邊線也無法認(rèn)為是低潮線。因此，可以在篩選影像前進(jìn)行星地?cái)?shù)據(jù)的匹配，并以此作為影像篩選的依據(jù)，例如Landsat系列衛(wèi)星在本研究區(qū)的過境時(shí)間約為北京時(shí)間上午10: 00前后，僅需要統(tǒng)計(jì)低潮潮時(shí)在上午10: 00左右的日期，再與衛(wèi)星過境日期進(jìn)行匹配，便可高效篩選目標(biāo)影像，并大幅降低低潮線提取的不確定性。

當(dāng)然，這一定程度上還依賴于遙感衛(wèi)星的重訪周期。若非Landsat系列數(shù)據(jù)在時(shí)間尺度上覆蓋了此前的幾十年，其16 d的重訪周期會(huì)成為星地?cái)?shù)據(jù)匹配的消極因素。近年來，隨著國(guó)產(chǎn)衛(wèi)星遙感數(shù)據(jù)(如高分、資源、環(huán)境等系列數(shù)據(jù))獲取愈發(fā)便捷和Sentinel系列數(shù)據(jù)可免費(fèi)獲取，大大彌補(bǔ)了原本匱乏的數(shù)據(jù)源。盡管不同數(shù)據(jù)間由于傳感器設(shè)計(jì)不同，幾何位置和波段設(shè)置上存在差異，多源數(shù)據(jù)交叉使用時(shí)，數(shù)據(jù)匹配存在一定困難，但遙感技術(shù)在潮灘監(jiān)測(cè)領(lǐng)域的應(yīng)用仍具備非常光明的前景。

5 結(jié)論

本研究結(jié)合GEE遙感云計(jì)算平臺(tái)和GIS技術(shù)，選用1990—2021年間共77景Landsat衛(wèi)星影像，通過提取水邊線和海岸線，實(shí)現(xiàn)了對(duì)杭州灣南岸慈溪段的潮灘提取和面積估算，并對(duì)潮灘區(qū)域的變化情況展開了分析，為慈溪潮灘濕地的管理與保護(hù)提供了技術(shù)參考。取得的主要結(jié)論如下：

1)本研究使用Landsat衛(wèi)星影像作為數(shù)據(jù)源，在保證影像質(zhì)量的同時(shí)滿足了較長(zhǎng)時(shí)序監(jiān)測(cè)的需要； 使用閾值分割法提取了影像的瞬時(shí)水邊線； 通過DSAS以及Python語(yǔ)言編程將研究對(duì)象從線要素轉(zhuǎn)變?yōu)辄c(diǎn)要素，再由經(jīng)過篩選的點(diǎn)要素?cái)M合出研究所需的平均低潮線； 基于潮灘的定義，將平均低潮線與海岸線合圍，提取出了1995年、2000年、2005年、2010年、2015年和2021年6期潮灘區(qū)域，并且達(dá)到了較高的精度，說明該方法適用于本研究。

2)本研究大部分影像數(shù)據(jù)處理工作在GEE遙感云計(jì)算平臺(tái)完成，自動(dòng)化程度高，對(duì)數(shù)據(jù)量較大的時(shí)序監(jiān)測(cè)研究非常友好； DSAS模塊通過對(duì)研究對(duì)象要素的轉(zhuǎn)變，較為科學(xué)客觀地實(shí)現(xiàn)了低潮線的提?。?在海岸線信息比較明晰的(基巖、人工海岸)區(qū)域，可以比較便捷地提取出潮灘區(qū)域，具備一定的推廣性。

3)本研究發(fā)現(xiàn)杭州灣南岸慈溪段潮灘面積基本維持在20 000～24 000 hm2區(qū)間，2000—2005年間陡然減少至10 344 hm2，2010年又恢復(fù)至原先水平； 潮灘空間變化趨勢(shì)是由南向北遷移，遷移速度為286.9 m·a-1，其中2005—2010年潮灘的空間變化最為明顯。

4)本研究認(rèn)為沿海圍墾和潮灘淤漲共同影響了潮灘面積和空間的變化，大范圍的沿海圍墾可能在未來一定時(shí)期內(nèi)促進(jìn)潮灘的淤漲，而這一切最主要的驅(qū)動(dòng)力是地方政策，隨著針對(duì)圍填?；顒?dòng)的嚴(yán)控政策相繼出臺(tái)，潮灘將保持穩(wěn)定的發(fā)展態(tài)勢(shì)。

當(dāng)然，基于“云量”因素篩選影像具有一定的隨機(jī)性。在后續(xù)的研究中將結(jié)合潮汐預(yù)報(bào)數(shù)據(jù)，進(jìn)行星地?cái)?shù)據(jù)匹配，從而實(shí)現(xiàn)精準(zhǔn)、高效的影像篩選，并嘗試引入更高時(shí)空分辨率的多源數(shù)據(jù)，實(shí)現(xiàn)更高精度的潮灘提取和監(jiān)測(cè)。