《Geocarto International》：Integrated perspectives on shoreline and submerged morphology: an innovative geospatial approach to coastal monitoring
编辑推荐：
在微潮汐和构造活跃环境中，精确的海岸线测绘通常受到传感器局限性和水动力变异性的制约。本研究利用可扩展的谷歌地球引擎（Google Earth Engine, GEE）工作流，评估了源自Sentinel-2、Landsat-8、Sentinel-1和哥白尼数字高
在微潮汐和构造活跃环境中，精确的海岸线测绘通常受到传感器局限性和水动力变异性的制约。本研究利用可扩展的谷歌地球引擎（Google Earth Engine, GEE）工作流，评估了源自Sentinel-2、Landsat-8、Sentinel-1和哥白尼数字高程模型（Copernicus DEM）数据集的海岸线的位置精度。研究人员以厘米级无人机-运动恢复结构（Unmanned Aerial Vehicle-Structure from Motion, UAV-SfM）模型作为参考，在土耳其西北部两个对比鲜明的沿海区域——Güneyli的岩石海岸和Alt?nova的城市化沙滩海岸——进行了验证。基于横断面的分析显示，所有卫星产品的定位不确定性相当，均方根误差（Root Mean Square Error, RMSE）通常介于8-15米。结果表明，海岸线精度主要受环境噪声（尤其是波浪上冲）限制，而非仅受传感器分辨率限制。因此，研究人员提出了一个分层监测框架，将卫星观测用于高频区域测绘，与UAV-SfM测量用于高精度基线相结合。卫星影像支持水平海岸线测绘，而无人机摄影测量则提供与海岸演化和构造变形相关的淹没海岸特征的三维重建。
**论文解读文章**
**研究背景与问题**
海岸带是陆海相互作用的动态界面，提供生态系统服务、支撑生物多样性、调节营养循环，并作为抵御风暴潮的自然缓冲，同时具有重要经济价值。然而，海岸形态受水动力过程、地质控制和日益增强的人类活动共同影响。准确监测海岸线位置对于海岸管理、侵蚀评估和气候变化适应至关重要。近年来，卫星衍生海岸线（Satellite-Derived Shoreline, SDS）方法因云计算平台和高分辨率多时相卫星影像的普及而快速发展，但全球基准测试表明，SDS精度高度依赖于具体地点，均方根误差（RMSE）从微潮汐环境下的约10米到高能大潮汐环境下的超过40米不等。现有研究大多将光学、合成孔径雷达（Synthetic Aperture Radar, SAR）和数字高程模型（Digital Elevation Model, DEM）方法作为独立二维实体评估，忽略了三维（3D）淹没形态和水动力上冲过程（如湿-干边界移动）对平面海岸线迁移的基础作用。此外，在构造活跃和人类改造的沿海环境中，集成多源数据并针对共同的高精度参考数据集进行对比分析的研究仍然有限。
**研究目的与意义**
本研究旨在通过建立基于谷歌地球引擎（Google Earth Engine, GEE）的云基准工作流，填补上述研究空白。研究人员对比了从Sentinel-2多光谱成像仪（MSI）、Landsat-8陆地成像仪（OLI）、Sentinel-1 SAR和哥白尼DEM GLO-30数据中提取的海岸线，并以基于无人机-运动恢复结构（UAV-SfM）摄影测量法获得的参考海岸线为基准。该研究在土耳其西北部两个对比鲜明的微潮汐沿海环境（Güneyli的岩石海岸和Alt?nova的沙质海岸）进行验证，旨在评估传感器性能、量化位置不确定性，并提出一种创新的地理空间框架，用于集成多传感器数据以克服传统二维监测的局限性。该论文发表在《Geocarto International》。
**主要关键技术方法**
研究人员采用了以下关键技术方法：（1）在GEE平台内构建多传感器数据处理与融合工作流，支持Sentinel-2 MSI、Landsat-8 OLI、Sentinel-1 SAR和Copernicus DEM GLO-30数据的自动提取；（2）使用归一化差异水体指数（Normalized Difference Water Index, NDWI）进行光学影像水体提取，并采用基于直方图的动态阈值分割（Sentinel-2阈值为0.1，Landsat-8阈值为0.0）；（3）对Sentinel-1 SAR数据采用VV极化（Vertical-Vertical polarisation）和?16 dB后向散射阈值，结合形态学中值滤波（50米半径）进行斑点噪声抑制；（4）对Copernicus DEM采用0-1米高程阈值进行海岸线提取；（5）实施多传感器融合，通过逻辑“或”（OR）运算集成Sentinel-1和Sentinel-2的水体掩膜；（6）以UAV-SfM摄影测量数据（DJI Phantom 4 RTK平台，飞行高度100米，地面采样距离GSD为2.69-3.81厘米/像素）作为高精度参考，计算均方根误差（RMSE）、平均绝对误差（Mean Absolute Error, MAE）和标准差（Standard Deviation, SD），并进行非参数Kruskal-Wallis检验和Bonferroni校正的Mann-Whitney U检验。样本队列来源：两个研究区位于土耳其西北部，Güneyli位于萨罗斯湾（北爱琴海），Alt?nova位于马尔马拉海北岸。
**研究结果**
**4.1 定量精度指标**
在Güneyli区域，光学（Sentinel-2、Landsat）和雷达（Sentinel-1）数据产生可比的高精度结果，而DEM数据表现显著较差。Sentinel-2的MAE最低（7.45米），但Sentinel-1的SD最低（5.23米），表明其海岸线提取更稳定。Copernicus DEM误差最大（MAE=22.22米，RMSE=28.94米）。Kruskal-Wallis检验显示所有数据集之间差异显著（H=2354.19，p<0.001），但Landsat与Sentinel-1之间差异不显著。在Alt?nova区域，Sentinel-1表现最优（MAE=7.03米，RMSE=8.79米，SD=5.28米），光学数据中Sentinel-2（MAE=9.27米）优于Landsat（MAE=10.74米）。Copernicus DEM误差有所改善（MAE=12.29米），但仍落后于其他传感器。所有卫星数据集差异显著（H=1956.02，p<0.001）。
**4.2 海岸线提取的视觉评估**
在Güneyli，光学和SAR数据与UAV参考线吻合良好，但DEM海岸线难以表现真实海岸形态，存在明显位置偏差。在Alt?nova，SAR海岸线在复杂海岸几何和人工结构表现更佳，Sentinel-1与UAV参考线一致性最高。详细空间差异分析显示，Sentinel-2在Güneyli将部分孤立陆地小斑块误分类为陆地；Landsat因粗分辨率反而产生更平滑的海岸线；Sentinel-1将若干陆地误分类为水域；Copernicus DEM表现出粗大的位置误差。在Alt?nova，Sentinel-2将人工结构误分类为陆地；Landsat未能充分捕捉缺口海岸几何；Sentinel-1效果相对合理；Copernicus DEM甚至将建筑物误分类为水域。
**4.3 多尺度海岸线动态分析**
通过集成多传感器融合框架，研究人员能够克服单一传感器的限制，精确量化随时间变化的海岸线动态。基于代理（如海滩岩和海岸阶地）的古海岸线重建表明，Güneyli在过去1130年间海岸线后退约50-150米，受构造倾斜驱动；Alt?nova在过去3000-4000年间后退数十米，反映相对海平面变化与构造活动的复杂相互作用。
**讨论与结论**
**讨论部分总结**
研究表明，Sentinel-2、Landsat 8和Sentinel-1的精度范围相似，RMSE约9-13米，MAE约7-11米，与Vos等人（2023）的全球基准框架一致，即微潮汐环境下SDS的不确定性上限约为10米。误差主要源于环境噪声（如波浪上冲）而非传感器分辨率本身。传感器性能受场地特定地貌背景强烈控制：Güneyli的复杂岩石海岸导致光谱混合和碎片噪声；Alt?nova的人工结构引入高频空间噪声。Copernicus DEM海岸线可靠性最低，由于垂直-水平误差传播和水力平滑伪影。多传感器融合（Sentinel-1和Sentinel-2的逻辑“或”运算）将RMSE降低至约7.8-7.9米，体现了互补物理机制的优势。研究人员强调，UAV-SfM不仅用于验证，更是解析三维海岸架构（如淹没海滩岩序列）的核心分析工具，使监测从二维平面映射提升至三维地质解释。
**结论部分翻译**
本研究评估了基于GEE云工作流从Sentinel-2 MSI、Landsat 8 OLI、Sentinel-1 SAR和Copernicus DEM GLO-30提取的卫星衍生海岸线的位置精度，并以厘米级UAV-SfM海岸线为基准，在土耳其西北部两个对比鲜明的微潮汐沿海环境（Güneyli的岩石海滩岩海岸和Alt?nova的低洼沙质海岸）进行验证。综合分析表明，光学和SAR衍生海岸线的精度范围相似，而DEM衍生海岸线不确定性显著更高，尤其在岩石和形态复杂海岸。在Güneyli，Sentinel-2、Landsat 8和Sentinel-1的RMSE分别为10.58米、10.01米和9.53米，三者精度相当；Sentinel-1的SD最低（5.23米），表明在复杂岩石环境中SAR后向散射阈值法提供更稳定的产品。在Alt?nova，Sentinel-1 SAR取得最佳精度（RMSE=8.79米，MAE=7.03米），光学数据中Sentinel-2优于Landsat 8。Kruskal-Wallis检验和事后检验确认这些性能差异非随机，主要受传感器物理与海岸形态相互作用驱动。研究的关键意义在于，观测到的精度水平（约8-15米）定义了基础的“环境不确定性上限”，在微潮汐海岸上，短期水动力过程（尤其是波浪上冲）可使瞬时海岸线位置移动相当于中等分辨率卫星像素尺寸的距离。因此，卫星衍生海岸线应被计算处理为“位置不确定性带”而非确定性单线。此外，研究揭示了传统监测中的显著维度差距：卫星传感器提供水平（X-Y）监测，而UAV-SfM产品解析了关键的垂直（Z）维度（如淹没海滩岩序列），这些阶梯形态对卫星而言光谱不可见，但对解释构造垂直运动至关重要。因此，无人机测绘应被重新视为三维海岸架构分析的必要组成部分，而非仅作为验证工具。未来研究应聚焦于将自动波浪上冲校正直接集成到GEE工作流中，以进一步降低环境噪声成分。本研究展示的TerraceM古海平面分析与多传感器海岸线提取的协同作用，为全球构造活跃区域解释现代动态和长期海岸演化提供了可扩展的信息学框架。
