基于人工智能(AI)的经典数据科学方法(DSAS)在多时相海岸线预测中的对比评估:以埃及Ras El-Bar海岸为例

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》:Comparative assessment of AI-based and classical DSAS approaches in multi-temporal shoreline prediction: A case study of Ras El-Bar coast, Egypt

【字体: 大 中 小 】 时间:2026年02月02日 来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 12.2

编辑推荐:

  Hesham M. El-Asmar|Mahmoud Sh. Felfla埃及达米埃塔大学理学院地质系,新达米埃塔市34517,达米埃塔摘要在埃及尼罗河三角洲东北部的Ras El-Bar海岸线,强烈的人为干预和自然过程导致了高度非线性的海岸线动态变化,这些变化对传统预测方法的稳定

  
Hesham M. El-Asmar|Mahmoud Sh. Felfla
埃及达米埃塔大学理学院地质系,新达米埃塔市34517,达米埃塔

摘要

在埃及尼罗河三角洲东北部的Ras El-Bar海岸线,强烈的人为干预和自然过程导致了高度非线性的海岸线动态变化,这些变化对传统预测方法的稳定性假设构成了挑战。传统方法,特别是数字海岸线分析系统线性回归率(DSAS-LRR),往往无法捕捉到由工程结构引发的人为式突变。本研究通过使用多十年的卫星数据(1982–2024年),对比评估了DSAS-LRR与两种人工智能(AI)模型——长短期记忆网络(LSTM)和非线性自回归外生模型(NARX)在预测2050年海岸线演变方面的表现。结果显示,由于DSAS-LRR无法考虑快速的人为干预,其预测结果不切实际,到2050年海岸线位移可能超过250米。相比之下,AI模型成功捕捉到了复杂的时间响应。虽然LSTM提供了保守的估计,但具备干预意识的花噪尔自回归模型(NARX)在预测准确性和空间一致性方面表现最佳。模型性能通过泰勒图、性能指标(PIm)和基于样带的均方根误差(RMSE)分析进行了严格评估,并通过2025年的独立“盲测”进行了进一步验证。NARX模型一直优于其他两种模型,准确再现了防波堤阴影区的堆积现象和结构间的中度侵蚀情况,平均RMSE值为6–14米。这些发现表明,对于人为改造的海岸线,具备干预意识的人工智能不再是简单的替代方案,而是可靠预测的必备工具。所提出的框架为全球脆弱三角洲系统的基于证据的海岸管理和基础设施规划提供了可转移的路线图。

引言

全球沿海地区是最具动态性和脆弱性的环境之一,自然过程与日益频繁的人为干预相互作用不断重塑着海岸线。因此,海岸线变化已成为海岸地貌学和管理的核心议题,直接影响基础设施、生态系统、旅游业和社会经济稳定性。在气候变化加速和沿海开发扩张的背景下,准确预测海岸线演变尤为重要,因为即使是微小的预测误差也可能带来重大的经济和环境后果(Splinter and Coco, 2021; Paul et al., 2024; Mishra et al., 2025a, 2025b)。
历史上,海岸线预测主要依赖于经典的统计方法,尤其是数字海岸线分析系统(DSAS),该方法提供了量化和推断未来趋势的标准化工具。基于DSAS的预测方法,如线性回归率(LRR),已在相对稳定的海岸环境中得到广泛应用,并取得了成功(Abd-Elhamid et al., 2023; Dewidar and Bayoumi, 2021; El-Asmar et al., 2016; Mansour et al., 2024; Samra and Ali, 2021; Thieler et al., 2009)。然而,越来越多的证据表明,这些线性技术难以表征非稳定的海岸系统,尤其是在人为干预破坏沉积物传输路径并引发快速生态转变的情况下(Esmail et al., 2019; Splinter and Coco, 2021)。在这种情况下,线性外推往往产生不切实际的长期预测结果,无法真实反映工程化海岸线的形态动态变化。
为了解决这些局限性,人工智能(AI)和机器学习方法,尤其是循环神经网络(RNN),作为海岸线预测的强大替代方案受到了越来越多的关注。长短期记忆网络(LSTM)和非线性自回归外生模型(NARX)等模型专门设计用于捕捉时间序列数据中的复杂时间依赖性和非线性关系(Billings, 2013; Hochreiter and Schmidhuber, 1997)。最近的沿海应用表明,基于AI的模型能够通过适应非线性动态、从历史模式中学习,并在NARX的情况下明确纳入人为干预和环境强迫等外生驱动因素(Calkoen et al., 2021; Iryanto et al., 2022; La Pe?a et al., 2023; Paul et al., 2025; Yin et al., 2021),从而超越经典统计方法。
尼罗河三角洲沿海地区是全球改造最严重的海岸系统之一。自从阿斯旺高坝(AHD)建成以来,三角洲的沉积物供应大幅减少,使得海岸线对自然过程和工程干预极为敏感(El-Asmar, 2002; Frihy et al., 1991)。因此,大规模的海岸线侵蚀导致了丁坝、独立防波堤、海堤、护岸工程的建设和多次填充工程的实施。许多研究利用DSAS量化了尼罗河三角洲海岸线的历史变化(Abd-Elhamid et al., 2023; Dewidar and Bayoumi, 2021; El-Asmar et al., 2016; Mansour et al., 2024; Samra and Ali, 2021)。尽管这些研究提供了宝贵的回顾性见解,但在那些海岸演变主要由偶发的人为干扰而非稳定的自然趋势主导的地区,它们的预测能力往往有限。
在这个背景下,Ras El-Bar海岸是一个极端且极具挑战性的示例,它代表了一个人为主导的海岸线系统。在过去五十年中,该地区经历了多阶段的重大海岸工程改造,包括自1982年以来达米埃塔港(DH)的建设与扩建、多代独立防波堤的修建以及多次人工填充工程(图1)。这些干预深刻改变了当地的沉积物动态,产生了高度非线性和空间异质性的海岸线响应,违背了传统线性预测方法的基本假设。
尽管Ras El-Bar作为埃及重要的旅游、文化和经济中心具有重要意义,但其海岸线预测仍主要依赖于经典统计方法,而在持续的人为干预条件下,这些方法往往会产生不切实际的未来预测结果。这凸显了一个关键的方法论空白,即需要能够明确考虑非稳定性和人为引发生态转变的预测框架。
本研究的主要创新之处在于系统地通过比较评估 klassical DSAS-LRR 和基于AI的RNN模型(LSTM 和 NARX)在1982–2024年的多十年卫星数据上的应用,来弥补这一空白。通过在NARX框架中纳入与人为干预相关的外生信息,本研究展示了具备干预意识的人工智能模型如何在高度工程化的海岸系统中更真实地捕捉海岸线演变。此外,模型性能通过定量指标和2024年之后的独立海岸线观测进行了严格评估,从而验证了其长期预测能力。
从全球方法论视角转向本地案例研究,这项工作为全球人为改造海岸线的预测提供了一个可转移的框架。研究结果强调了线性统计工具在高度动态环境中的局限性,并突出了基于AI的模型在支持尼罗河三角洲及更广泛地区的适应性、基于证据的海岸管理方面的巨大潜力。

章节摘录

研究区域

研究区域从DH东侧丁坝(31°29′21.30″N, 31°45′43.29″E)延伸到尼罗河达米埃塔支流出海口处的El-Lesan(31°31′38.15″N, 31°50′37.72″E)(图1)。该地区具有重要的历史、文化和经济价值,自20世纪初以来每年吸引超过120万游客,是著名的夏季度假胜地。除了其旅游吸引力外,Ras El-Bar还是埃及经济的支柱——达米埃塔港(图1)的所在地。仅2023年,该港口就处理了3,572艘船只……

方法论

整体方法论概述见图3。

2050年海岸线预测模型分析

将三种预测模型(DSAS-LRR、LSTM 和 NARX)应用于1982至2024年的海岸线数据(图4),得出了2050年的不同预测结果,研究区域内呈现出明显的空间差异(图8, 9),反映了各模型对记录的海岸线行为的不同处理方式。
DSAS-LRR模型的预测特征是对历史趋势的强烈线性外推。该模型预测Ras El-Bar地区将发生约250米的明显海岸线前移

经典统计海岸线预测方法的局限性

尽管DSAS仍然是最稳健且应用最广泛的用于历史海岸线变化分析的工具之一,在方法标准化和可重复性方面几乎没有可 comparable 的替代方案,但它已在广泛的沿海环境中得到成功应用(例如,El-Asmar et al., 2025b; Mishra et al., 2025a, 2025b, Mshelia et al., 2025; Paul et al., 2025)。此外,DSAS在海岸线变化预测方面已被证明是有效的

建议和背景考虑

本研究的结果为基于AI的模型在海岸线预测中的应用提供了宝贵的见解;然而,其使用应遵循一些方法论建议和注意事项,以避免过度概括和误解。NARX模型在Ras El-Bar海岸线的优异表现反映了研究期间人为因素对海岸线演变的主导作用,但这不应被解释为模型普遍优势的证明

结论

当前研究强调了基于AI的RNN模型,特别是NARX模型,在预测埃及尼罗河三角洲Ras El-Bar海岸线演变方面的优越性能,优于传统的统计方法(如DSAS-LRR)。通过整合1982至2024年的多时相卫星图像,分析表明DSAS-LRR经常产生不切实际的预测结果,有时到2050年海岸线位移会超过250米

CRediT作者贡献声明

Hesham M. El-Asmar:概念构思、监督、调查、验证、撰写——审阅与编辑。Mahmoud Sh. Felfla:方法论、调查、软件开发、形式分析、可视化、撰写——初稿。

利益冲突声明

作者声明不存在可能影响本文研究的已知财务利益或个人关系。

致谢

作者衷心感谢埃及科学研究技术学院(ASRT)通过COP-27项目资助“应对海平面上升和气候变化的Ras El-Bar与达米埃塔港之间的沿海区可持续发展”研究。本文是Mahmoud Sh. Felfla博士研究的一部分。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号