RoLaSTIM: 一种用于湖岸类型识别和利用率评估的新方法

《International Journal of Digital Earth》：RoLaSTIM: a novel method for lakeshore type identification and utilization rate assessment

　　

湖岸既是湖泊生态系统的重要组成部分，也是支撑人类发展的不可再生资源。理解其利用状况对于评估人类与湖泊的相互作用至关重要，然而由于复杂的水陆界面以及湖泊多样化的自然和人为背景，准确的湖岸类型识别仍然具有挑战性。为解决这一问题，研究人员开发了RoLaSTIM（鲁棒湖岸类型识别方法），这是一种基于空间分析和土地覆盖条件将湖岸分类为自然或人工的操作性方法。RoLaSTIM被应用于全球12个典型湖泊，并分析了它们2000年至2022年的年度湖岸利用率（SUR）。RoLaSTIM实现了高分类精度（面积调整总体精度：98.93±0.02%，加权F1分数：98.94%），这得益于两级缓冲策略和相应的物理规则，减少了误分类。影响精度的关键因素包括湖岸SUR、人工湖岸长度、土地覆盖复杂性和卫星图像分辨率。此外，研究人员识别出四种不同的SUR演化趋势：上升型、稳定型、倒置型（‘∩’形）和波动型（‘M’形）。RoLaSTIM适用于大规模、稳健且一致的湖岸分类，支持高效的SUR评估和长期监测。该方法填补了全球湖岸研究的关键空白，并为湖岸管理、保护、规划和可持续发展提供了宝贵见解。

**论文解读：RoLaSTIM——一种用于湖岸类型识别与利用率评估的新方法**

**研究背景与问题**

湖泊是地球表面重要的地理单元，也是水资源的关键载体，对气候变化和人类活动响应迅速。湖岸作为湖泊生态系统的核心组成部分，不仅具有保护水生态、吸收陆地养分、提供鱼类产卵场所、维持生物栖息地以及调节洪水等自然功能，还承载着港口、工业、旅游、文化和城市发展等社会经济与文化的多重角色。因此，湖岸同时具备自然与人为双重属性，是一种不可再生的战略性资源。然而，随着城市化扩展和旅游区在湖岸带的显著增长，湖岸资源日益稀缺，自然湖岸与人工湖岸之间的转换通常不可逆，且这种转换在过去几十年持续扩大。过度开发若不加以限制，将加剧社会经济功能与生态弹性之间的冲突。因此，迫切需要从时空维度了解人类对自然湖岸的改造与占用情况，高效获取湖泊的湖岸利用率（SUR）和湖岸类型图成为关键挑战，尤其是在大地理尺度下。

当前湖岸类型识别方法存在四方面局限性：第一，手动方法通常基于任意宽度的单级湖岸带土地覆盖判断，导致自然湖岸和人工湖岸的严重遗漏和误判，且依赖专家经验，影响鲁棒性和准确性；第二，针对特定湖岸类型开发的方法在广泛适用性、操作性和数据可用性方面受限，难以同时考虑“跨岸”剖面和“沿岸”范围；第三，劳动密集型或应用定制化的方法缺乏可扩展性，难以复现于跨湖或全球分析，全球超过340万个湖泊的巨大数据量导致高解释负担和地理复杂性；第四，现有方法在长期大规模湖岸演化分析中难以兼顾一致性和效率。因此，亟需一种操作性强、鲁棒且高效的湖岸类型识别方法，以支持全球尺度的一致分类和长期监测。

**研究内容与结论**

为解决上述问题，研究人员开发了鲁棒湖岸类型识别方法（RoLaSTIM），该方法基于地理信息系统（GIS）空间分析和遥感数据，将湖岸分为自然和人工两大类。RoLaSTIM包含两大模块：基于GIS空间分析构建基本湖岸单元，以及基于遥感衍生的土地覆盖数据建立湖岸单元分类的物理规则。研究人员在12个全球典型湖泊上严格验证了该方法，这些湖泊分布在六大洲，涵盖广泛的湖岸利用水平、形态特征、气候带、营养状态和社会经济背景。结果表明，RoLaSTIM在面积调整总体精度（OA_adj）上达到98.93±0.02%，加权F1_adj分数为98.94%，显著优于传统基线方法（OA_adj提高超过2%，人工湖岸的PA_adj和F1_adj分别提升24.2%和13.8%）。此外，研究人员利用RoLaSTIM分析了2000-2022年各湖泊的年度SUR，识别出四种不同的演化趋势：上升型、稳定型、倒置型（‘∩’形）和波动型（‘M’形）。该研究填补了全球湖岸研究的关键空白，为湖岸管理、保护、规划和可持续发展提供了重要见解。论文发表在《International Journal of Digital Earth》。

**主要关键技术方法**

RoLaSTIM的核心技术方法包括：第一，基于GIS空间分析的两级缓冲策略，即一级缓冲距离为210米（7个Landsat像元），二级缓冲距离为420米（14个Landsat像元），并结合Thiessen多边形构建基本湖岸分类单元；第二，基于全球30米分辨率土地覆盖产品GLC-FCS30D（Zhang et al., 2024）的物理规则，将不透水面作为人工表面，其他类型（包括农田）归为自然表面，并设定一级缓冲人工表面比例阈值（T1）为30%，二级缓冲阈值（T2）为50%，分割间隔为210米（7个Landsat像元）；第三，采用面积调整误差矩阵进行精度评估，以消除类别不平衡影响。样本队列来源为12个全球典型湖泊（Lake Geneva, Lake Erie, Lake Tai, Lake Tanganyika, Lake Victoria, Lake Taupo, Lake Ladoga, Lake Baikal, Lake Titicaca, Great Bear Lake, Great Lake, Lake Buenos Aires），覆盖六大洲、不同气候带和人类活动强度。

**研究结果**

**3.1 所有湖泊的总体湖岸分类性能**
通过面积调整误差矩阵，RoLaSTIM在所有12个湖泊上实现了OA_adj为98.93±0.02%，加权F1_adj为98.94%，优于传统基线方法。人工湖岸的PA_adj和F1_adj分别提高24.2%和13.8%，各类别精度均较高。

**3.2 不同湖岸利用率湖泊的特征**
根据SUR将湖泊分为高、中、低、极低四档。高SUR湖泊（如日内瓦湖、伊利湖、太湖）的人工湖岸几乎覆盖所有方向，与湖滨城市发展直接相关；中SUR湖泊（如坦噶尼喀湖、维多利亚湖、陶波湖）的人工湖岸呈碎片化分布，与城镇、村庄、渔港等小规模人工特征相关；低SUR湖泊（如拉多加湖、贝加尔湖、的的喀喀湖）的人工湖岸仅出现在少数城镇或旅游点，其余为自然湖岸；极低SUR湖泊（如大熊湖、大湖、布宜诺斯艾利斯湖）几乎全为自然湖岸，仅个别社区或旅游点有少量人工岸段。

**3.3 年度湖岸利用率的不同趋势**
基于RoLaSTIM生成的2000-2022年SUR时间序列，识别出四种趋势：上升型（如伊利湖，SUR增加约2.5%）、稳定型（如大熊湖，人工湖岸几乎不变）、倒置型（如坦噶尼喀湖，SUR在2015年达到峰值后下降）、波动型（如太湖，出现交替增减，但整体上升）。

**讨论与结论**

**讨论部分**
研究人员对物理规则和参数进行了合理性论证。一级缓冲距离和T1阈值通过试错实验确定，组合为210米和30%时OA最高；二级缓冲距离和T2阈值在420米和50%时对OA提升最大。分割间隔为210米时达到最佳性能。此外，RoLaSTIM在效率上显著优于传统手动方法：以太湖为例，手动解释需约7.5小时，而RoLaSTIM仅需3秒（配备Intel^? Core? i7-1360P处理器和32GB RAM的笔记本电脑），效率提升超过三个数量级。

外部因素分析表明，湖泊分类精度与SUR成反比，高SUR湖泊因土地覆盖复杂（如港口、住宅、工厂、道路）导致分类难度最大，但所有湖泊的OA仍高于92%。土地覆盖分类误差（如沙滩被误判为不透水面）会降低湖岸分类精度，排除土地覆盖分类误差后，RoLaSTIM的OA和加权F1提高1.2%，人工湖岸的F1和F1_adj分别提升9.3%和10.1%。此外，中分辨率（30米）卫星影像难以识别小型人工特征（如湖边小建筑、船坞），导致人工湖岸比例低估。未来工作可考虑整合流域特征、增强遥感数据质量（如目标特征增强、图像分辨率降尺度、空间-时间融合和空间-光谱融合）。

**结论部分**
本研究开发了一种操作性的湖岸分类方法RoLaSTIM，用于绘制自然和人工湖岸图，并评估湖岸资源的利用状况和长期动态。RoLaSTIM集成了新颖的基于GIS的湖岸单元构建方法，以及基于遥感衍生的土地覆盖特征的物理规则。在12个全球分布典型湖泊上的实验证实了RoLaSTIM的有效性，实现了OA_adj为98.93±0.02%，加权F1_adj为98.94%。结果与参考湖岸类型高度一致，性能明显优于传统方法。生成的湖岸图有效揭示了人类改造的空间足迹，并量化了各湖泊的湖岸利用状况。RoLaSTIM高效性使其成为大规模湖岸分类和长期利用评估的宝贵工具。利用RoLaSTIM产生的SUR时间序列，识别出2000-2022年湖岸利用的四种年际演化模式：上升型、稳定型、倒置型（‘∩’形）和波动型（‘M’形）。该研究通过提供准确识别湖岸类型的操作性解决方案，推动了湖岸研究的发展，建立了土地利用模式与湖岸利用之间的直接透明联系，实现了对湖岸人类压力的及时一致测量，为区域、大陆和全球尺度湖岸利用变化的复杂动态和趋势提供了蓝图，支持湖岸带基于证据的监管和可持续发展。最终，RoLaSTIM将惠及所有相关利益方，包括湖泊管理者、政府机构、当地社区和私营部门，在湖岸保护、规划和资源治理中发挥作用。