《International Journal of Digital Earth》：Extraction and analysis of riverbank lines in Khulna district of Bangladesh based on an improved TransUNet model
编辑推荐：
本文提出了一种融合动态通道图卷积网络（DCGCN）与TransUNet的新型河岸线提取方法，通过增强通道间特征交互能力显著提升了复杂河流系统的识别精度（OA达99.36%，IoU为90.62%）。研究结合数字海岸线分析系统（DSAS）对2017–2024年Sentinel-2影像进行时序分析，揭示了孟加拉库尔纳地区河岸线整体轻微推进但局部弯曲处侵蚀显著的空间异质性规律，为洪泛区生态管理与河流形态演化研究提供了技术支撑。
摘要
本研究通过将动态通道图卷积网络（DCGCN）与TransUNet相结合，提出了一种新型河岸线提取方法。DCGCN模块能够捕捉局部语义结构并自适应增强通道间特征交互，从而提升小支流和复杂河流系统的检测能力。基于孟加拉国库尔纳地区构建的河岸线数据集验证表明，该模型整体准确率（OA）达99.36%，交并比（IoU）为90.62%，平均交并比（MIoU）为94.97%，频率加权交并比（FWIoU）为98.75%，Dice系数达95.08%。进一步利用数字海岸线分析系统（DSAS）对2017–2024年河岸线进行变迁分析，发现整体呈轻微渐进趋势，但主要河湾处存在显著局部侵蚀。该框架为精准河岸制图与河流系统定量监测提供了有效工具。
引言
河流系统作为全球水文循环的关键组成部分，在气候变化与人类活动加剧的背景下发生着深刻演变。河岸线作为水陆交界动态界面，其迁移监测对洪水风险评估、水资源管理及生态保护具有重要意义。尽管遥感技术已广泛应用于河流动态量化研究，但传统方法依赖人工阈值设定，限制了其在复杂水文环境中的自动化应用。近年来，U-Net及其变体等深度学习模型虽提升了水体分割精度，但多数模型仍忽视通道间关系建模，导致细窄河流特征在深层网络中丢失。针对此问题，本研究将动态通道图卷积网络（DCGCN）嵌入TransUNet框架，提出DCGCN-TransUNet模型，旨在通过增强多尺度特征融合能力提升河岸线提取精度，并结合DSAS实现河岸迁移的标准化时空量化。
研究区与数据方法
研究区位于孟加拉国西南部的库尔纳地区（北纬20.51°–24.19°，东经88.56°–90.01°），属恒河三角洲与孟加拉湾交汇处的潮汐洪泛平原，地势低洼（海拔<5米），河岸主要由抗蚀性弱的粉砂质沉积物构成。数据源包括2017–2024年每年1月的Sentinel-2影像（波段B8、B4、B3）及公开数据集GF-FloodNet。预处理涵盖辐射校正、几何配准及数据增强，最终构建包含4,232张256×256像素样本的数据集。
DCGCN-TransUNet模型架构
模型以TransUNet的编码器-解码器结构为基础，在编码器输出后插入DCGCN模块。该模块通过全局平均池化（GAP）生成通道权重，利用全连接层学习通道重要性，并构建动态邻接矩阵量化通道间相关性。图卷积操作遵循公式K(l+1)=σ(D?1/2AD?1/2XW(l))，其中A为邻接矩阵，D为度矩阵，X为输入特征。该设计使模型能自适应调整通道关系，强化窄河道特征的语义表达。
实验结果与分析
与MNDWI、随机森林（RF）及TransUNet对比表明，DCGCN-TransUNet在视觉结果中更连续地还原河岸边界，尤其在小支流弯曲处（图5标注a–e区域）减少断裂现象。定量评估显示其MIoU（94.97%）和Dice系数（95.08%）均优于对比模型，虽数值提升幅度较小（MIoU提高0.21%），但在复杂地貌中能显著降低边界歧义。在GF-FloodNet数据集上的泛化测试进一步验证其鲁棒性（OA达99.45%）。
河岸线动态变迁分析
基于DSAS的线性回归速率（LRR）、端点速率（EPR）、归一化海岸线移动（NSM）和短期海岸侵蚀（SCE）分析表明，2017–2024年库尔纳河岸线整体以0.93 m/a速率向陆推进，但空间异质性显著（LRR范围-30.59–60.30 m/a）。图8显示主要河弯处（红色区域）侵蚀速率最高（SCE最大值514.42 m），而东西走向河段变化平缓。这种差异归因于螺旋流对凹岸的侵蚀作用、潮汐动力累积效应及沿岸水产养殖等人类活动干扰。
讨论
DCGCN模块通过动态图结构增强通道间特征交互，有效解决了TransUNet在深层特征图中细节丢失的问题。尽管模型计算复杂度略有增加，但其在边缘连续性和小目标识别上的优势适用于长期水文监测。河岸变迁驱动机制分析指出，洪水事件、潮汐不对称及软质沉积物共促了库尔纳河岸的空间异质演变，未来需结合水文模型与人类活动数据深化机理研究。
结论
DCGCN-TransUNet模型通过融合图卷积与Transformer架构，实现了高精度河岸线提取（MIoU>94%），并结合DSAS揭示了库尔纳河岸“整体推进、局部侵蚀”的演变模式。该框架为三角洲地区河流形态监测与灾害防控提供了方法论支持，未来可扩展至湿地、洪泛区等生态系统的精细制图应用。
