沙特阿拉伯海湾珊瑚礁岛海岸线动态的重建与预测：遥感与自动化计算技术的集成

《Marine Geology》：Reconstructing and forecasting the shoreline dynamics of coral reef islands in the Saudi Arabian Gulf: integrated remote sensing and automated computational techniques

　　

珊瑚礁岛屿的侵蚀是阿拉伯湾等半封闭盆地中的关键地貌与环境挑战，其水文动力作用高度多变。然而，Jana岛和Karan岛未来海岸线演变的预测模型仍然缺乏。为填补这一知识空白，本研究量化了历史海岸线动态，并预测了两岛的形态未来演变。利用多时相遥感影像，数字化了1965年至2026年间的海岸线位置。在两岛周围建立了离岸基线，并使用数字海岸线分析系统（DSAS v5.1）以4米间隔自动生成垂直断面。历史海岸线变化速率通过净海岸线运动量（NSM）、端点速率（EPR）、线性回归速率（LRR）和加权线性回归（WLR）进行量化。首先通过回溯验证评估模型性能。在此步骤中，使用2026年之前的历史海岸线记录对卡尔曼滤波器进行校准。随后将预测的2026年海岸线与独立观测的2026年海岸线进行比较，使用均方误差（MSE）、均方根误差（RMSE）和相关系数（r）进行评估。在此验证之后，将LRR速率与卡尔曼滤波器结合，预测2046年的海岸线位置。Jana岛的历史观测数据（1965–2026）显示持续的侵蚀趋势，尽管有3557平方米的增加，但净面积减少了37,933平方米。相比之下，Karan岛表现出高度异质的形态动力学特征，尽管有21,931平方米的侵蚀，但净面积增加了55,411平方米。对2046年的预测显示Jana岛将持续侵蚀，净损失增加9897.12平方米。相比之下，Karan岛预计将维持其增长趋势，尽管有3398.51平方米的侵蚀，但净面积增加29,263.49平方米。卡尔曼滤波器的验证表明，预测与观测的海岸线位移之间具有高度一致性。对于Jana岛，整体RMSE为5.35米，相关系数r=0.96；而Karan岛的RMSE为2.13米，r=0.99。这些不同的海岸线轨迹与阿拉伯湾复杂水文动力条件下波浪暴露度、潮汐流和海底地形配置的差异相一致。总体而言，这些发现表明Jana岛比Karan岛更容易遭受持续的土地流失。这强调了有针对性的海岸线监测和适应性沿海管理的必要性，以减轻侵蚀并保护沿海栖息地及其提供的生态系统服务。

引言

珊瑚礁岛屿提供了支持地球大量生物多样性的关键生态系统，是海龟、海鸟和众多特有物种的重要筑巢地（Brandl et al., 2019）。这些岛屿也在依赖旅游、渔业和水产养殖业的社区经济成功中发挥着关键作用（Rodríguez et al., 2009）。然而，由于其相对低矮的地势、有限的新鲜水资源以及对未胶结碳酸盐基质的依赖，它们代表高度脆弱的地理系统（Kench et al., 2017; Storlazzi et al., 2018; Ahmed et al., 2021）。构成这些岛屿的未固结沉积基质主要来自生物产生和邻近珊瑚礁的侵蚀，以及包括软体动物、腕足动物、棘皮动物和有孔虫在内的钙质生物的骨骼分解。这导致高度动态的地貌系统，本质上容易受到侵蚀和重塑（Stoddart and Steers, 1977; Kench et al., 2020）。

鉴于其未固结基质的基质和栖息地特征，珊瑚礁岛屿容易受到多种威胁其长期稳定性的物理过程的影响（Masselink et al., 2020; Ariful et al., 2022; Kennedy, 2024）。风暴事件构成了急性风险。例如，强劲的风经过足够的风浪生成区会产生风暴波，导致海岸线快速后退（Brooks et al., 2017; Takagaki et al., 2018）。这种侵蚀可能非常剧烈；研究表明，通常在数月平静天气条件下积累的宽阔堤岸，可能在数小时内被完全侵蚀（Spiske et al., 2022; Bitterwolf et al., 2024）。当风暴波与潮汐流同时发生时，它们可以夷平潮间带并动员大量沉积物（Bonneton et al., 2007; Beetham and Kench, 2014; Bramante et al., 2020）。这些沉积物随后容易受到其他持续过程的重分配。例如，强波浪流作为将沉积物从礁坪输送到深水的有效通道，而沿岸输送最终通过重塑岛屿平面形态来确定海岸线是增长还是侵蚀（Kench and Brander, 2006; David and Schlurmann, 2020）。海平面上升预计将加剧这些脆弱性，增加慢性海岸线侵蚀和岛屿淹没的风险（Zhang et al., 2004）。

位于沙特阿拉伯东海岸附近的Jana岛和Karan岛为研究这些动力学提供了理想的天然实验室。这些岛屿是濒危的绿海龟和玳瑁的重要筑巢栖息地（Miller, 2011a），但极易受到侵蚀。这种脆弱性源于其未固结的碳酸盐沉积物、有限的沉积物供应、强烈的西北风（Shamal风）、间歇性风暴波、潮汐流以及海平面上升和局部沉降（Basyoni, 1999; Sheppard, 1993; Shinn, 1976; El-Sabh and Murty, 1989; Alothman et al., 2014）。因此，持续的海岸线监测至关重要，特别是遥感技术已经记录到，从1965年到2017年，Jana岛失去了5.1%的沙滩面积，Karan岛失去了1.7%的沙滩面积（Maneja et al., 2021）。

历史上，海岸线监测依赖于传统的野外测量技术，如照准仪和视距杆（Gay, 2015）。然而，这些方法受到10米位置不确定性的限制（Hapke et al., 2006）。海图和地形图的引入显著提高了制图精度，特别是在评估风暴事件前后变化方面（Fletcher et al., 2003）。然而，这些地图的制作仍然依赖于劳动密集型且耗时的野外工作（Vitousek et al., 2023）。为应对这些局限性，遥感技术在定量和定性海岸线评估中已被证明非常有效（Hakkou et al., 2018; Benkhattab et al., 2020）。被动遥感，包括航拍和解密的航拍照片，提供了米级精度的主要数据源（Dolan et al., 1978; Fletcher et al., 2003）。这些影像的一个关键优势是，干沙与湿沙之间可见的边界可作为采集时海岸线位置的关键替代指标。虽然这一替代指标在微潮海岸上有效，但在更动态的海岸上则充满不确定性。这一挑战促使研究人员确定自1950年代以来使用多达44种海岸线指标（Boak and Turner, 2005）。

相比之下，主动遥感技术，如雷达和激光雷达，提供高精度的海岸线地形信息，但由于长期数据稀缺，其用于历史分析的能力有限（Bonesso et al., 2020; Navarro et al., 2024）。这一数据空白突显了多十年卫星档案的价值，特别是Landsat任务的档案。尽管这些多光谱传感器具有综合覆盖和频繁的重访时间，但由于其30米空间分辨率较粗，其效用存在争议（Pardo-Pascual et al., 2019）。尽管如此，许多研究已成功应用这些传感器监测高度动态的环境，如Shatt Al-Arab河口和科威特岛屿（如Bubiyan、Warbah和Failaka）的海岸（Khalifa et al., 2020; Al-attar and Basheer, 2023）。

这些成功激励了克服分辨率限制方法的研究，如有监督和非监督分类以及各种阈值技术（Yamano et al., 2006; Bayram et al., 2008; Zhang et al., 2013; Sekovski et al., 2014; Aedla et al., 2015; Ghorai, 2020; Bamdadinejad, 2021）。这些方法将每个像元分配为二元海洋或陆地基类，这在海岸线穿过像元中间时会造成问题（Muslim et al., 2006）。这一问题对于碳酸盐礁岛屿尤为棘手，因为明亮沙子与清澈浅水之间的光谱相似性使分类变得复杂（Yamano et al., 2006）。为此，开发了先进的亚像元方法来估算每个混合像元中沙子和水的比例，从而实现更精确的海岸线划分（Ling et al., 2008; Pardo-Pascual et al., 2012; Bergsma et al., 2024）。这些技术的评估受益于超高分辨率传感器（如WorldView、IKONOS），它们可以实现亚米级精度（Yamano et al., 2006; Ford, 2013）。此外，高光谱传感器由于其数百个连续光谱波段，能够在沙子和水之间进行更细致的区分，显示出巨大潜力（Souto-Ceccon et al., 2023）。然而，这些先进技术应用于监测珊瑚礁岛屿海岸线仍处于起步阶段，专门研究直到21世纪初才出现（Kench and Brander, 2006; Rankey, 2011; Ford, 2013; Nandi et al., 2016; Khedher et al., 2022）。

与多光谱和高光谱分析的进展并行，机器学习和深度学习已将海岸线研究从自动划分转向时间依赖的预测。例如，U-Net架构已被训练在Sentinel-2水边缘数据集（SWED）上，以自动化提取陆-水界面（Seale et al., 2022）。在自动海岸线检测方法的基础上，近期研究越来越多地将海岸线观测与序列学习模型结合用于预测建模。例如，Gómez-de la Pe?a等人（2023）使用CNN-LSTM架构捕捉复杂的年际海岸线变化，在新西兰海滩上优于传统平衡模型。同样，Lee等人（2025）证明门控循环单元（GRU）在Canny提取的台湾海岸线上优于其他深度网络。更近期，Bahrami（2026）将多十年卫星影像与混合CNN-LSTM模型结合，预测Makran海岸30年的海岸线轨迹。这些研究表明，当观测记录足够长、密集且规律时，深度学习可以提供熟练的海岸线预测。

然而，这些条件在小型碳酸盐礁岛屿上很少得到满足。由于这些偏远环境缺乏频繁监测，其稀疏数据集无法可靠地训练数据密集型神经网络。因此，在这些环境中的长期海岸线重建和预测需要稳健、数据高效的同化方法。将数字海岸线分析系统（DSAS）与卡尔曼滤波结合提供了一种这样的方法，将标准化的断面分析与最优递归状态估计配对（Himmelstoss et al., 2021）。然而，它们的联合应用主要集中在三角洲和沙质海岸线（Luijendijk et al., 2022; Farris et al., 2023; Nijamir et al., 2023; Alharbi et al., 2023）。因此，它们在由不同沉积和水文动力过程控制的碳酸盐礁岛屿上的预测性能基本未经测试，并且尚未在沙特阿拉伯岛屿上进行研究。为填补这一空白，本研究使用DSAS对多时相遥感数据集量化了1965年至2026年61年间Jana岛和Karan岛的海岸线动态。然后将历史速率同化到卡尔曼滤波器中，以预测到2046年的海岸线位置、变化速率以及侵蚀和增长面积。最终，这些结果为在综合沿海区管理（ICZM）框架内支持主动海岸管理、环境保护和风险防范提供了定量见解。

研究区域

Jana（27°22′ N, 49°54′ E）和Karan（27°44′ N, 49°50′ E）是阿拉伯湾中两个主要离岛，距朱拜勒工业城35–90公里，两岛之间相距约40公里（图1）。Karan岛面积约128公顷（2025米×632米），而Jana岛较小，面积约33公顷（1105米×300米）。两岛均沿西北-东南轴排列，且高程低于高潮位3米（Krupp and Jones, 1993）。其表面主要由...

材料与方法

为进行长期监测，利用先进的统计方法、自动计算和地理空间技术对海岸线演变进行了全面分析（Benkhattab et al., 2020; Ruggiero et al., 2013）。本研究使用历史航拍照片和近期卫星影像评估海岸线移动性，时间范围为1965年至2026年。影像数据处理涉及三个主要步骤：首先，对所有航拍照片和卫星影像进行几何...

Jana岛历史海岸线变化分析

在61年的研究期间（1965–2026），侵蚀主导了Jana岛的海岸线，导致净面积减少37,933平方米（图2）。后退影响了六个区域中的四个区域，并集中在A区和B区。B区记录了最显著的后退，达93.20米（1.53米/年），对应面积减少8593平方米（140.87平方米/年）。A区遭受了最大的面积损失，达28,254平方米（463.18平方米/年），由59.03米（0.97米/年）的后退造成。

C区和E区的退缩率相对较低。讨论 尽管Jana岛和Karan岛同属低海拔珊瑚礁岛屿且大致位于相同的水动力区域内，但由于岸线几何形态、波浪能量、潮流和海床地形的差异，它们的海岸线对海岸侵蚀力的响应有所不同。Jana岛表现出以侵蚀为主的轨迹，而Karan岛则呈现出更具空间异质性的模式，局部侵蚀被显著的物质堆积所补偿。这一对比表明，岸线演化在……结论 本研究利用综合遥感技术和自动化计算方法，对Jana岛和Karan岛的历史及未来岸线动态进行了全面评估。在61年的研究期间（1965–2026年），Jana岛持续呈现侵蚀趋势，由于长期的沉积物赤字，净面积损失达37,933平方米。相反，Karan岛表现出混合模式，局部侵蚀面积为21,931平方米，但净面积增加了55,411平方米。卡尔曼滤波 CRediT作者贡献声明 Fatima Zahra Benkhattab：写作——审阅与编辑、写作——初稿撰写、验证、资源获取、方法学、调查、正式分析、数据管理、概念构思。Korhan Ayranci：写作——审阅与编辑、可视化、监督、资源获取、资金获取、概念构思。Israa S. Abu-Mahfouz：写作——审阅与编辑、可视化、监督、项目管理、调查、数据管理。Tolga Alkevli：写作——审阅与编辑、验证、贡献声明的竞争对手利益声明 作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢 作者感谢法赫德国王石油矿物大学（KFUPM）石油工程与地球科学学院（CPG）提供的技术和财务支持。我们还感谢主编Nadia Senechal以及匿名审稿人对本文手稿的仔细评估，以及他们富有建设性和洞察力的评论和建议，这些意见对手稿的清晰度、准确性和整体质量提升非常有帮助。Fatima Zahra Benkhattab | Korhan Ayranci | Israa S. Abu-Mahfouz | Tolga Alkevli 沙特阿拉伯达兰市31261号，法赫德国王石油矿物大学石油工程与地球科学学院地球科学系