多传感器数据在低起伏海岸环境中确定海岸线方法的比较

《Geomatics》：Comparison of Shoreline Determination Methods Using Multi-Sensor Data in Low-Relief Coastal Environments

　　

海岸线确定是海岸研究、空间规划和法律边界划定中的基础，但在低起伏海岸区域仍然具有挑战性，因为较小的海平面变化可能导致显著的水平海岸线位移。本研究以爱沙尼亚P?rnu Bay的低起伏海岸为案例，比较了基于潮汐观测站（TG）观测、LiDAR数据、Sentinel-1合成孔径雷达（SAR）和Sentinel-2光学卫星影像的海岸线确定方法。比较基于在2015-2025年研究期内选定的共同获取日期从Sentinel-1和Sentinel-2影像中提取的海岸线，而非基于时间连续的年数据集，并与从2021年LiDAR测量生成的数字地形模型（DTM）中提取的时间匹配的LiDAR-derived海岸线进行比较。LiDAR-derived海岸线使用卫星过境时间在P?rnu和H??demeeste TG观测的平均海平面（MSL）进行提取，而卫星-derived海岸线还通过RTK GNSS测量进行了验证。结果表明，所评估的方法产生了显著不同的海岸线位置。Sentinel-2-derived海岸线通常比Sentinel-1-derived海岸线与时间匹配的LiDAR-derived海岸线更为接近，并在野外验证中最准确地代表了瞬时水陆边界。这些发现表明，不同的海岸线确定方法代表了不同的海岸线定义。因此，海岸线数据集应根据其预期用途进行解释，而非视为可直接互换。

**论文解读**

**研究背景与问题**
海岸线是海岸过程分析、空间规划、法律边界划定及环境管理的关键参考，但缺乏统一概念。在低起伏海岸环境中，海平面微小变化（如0.10–0.20 m）即可导致数十米的水平位移，使得海岸线确定极具挑战性。不同国家采用不同垂直参考框架（如爱沙尼亚以平均海平面（MSL）为基准，新西兰使用平均高潮位（MHWS），美国采用平均高水位（MHW）），导致系统性的位置差异。现有方法涵盖基于高程的LiDAR测高、合成孔径雷达（SAR）和光学遥感，但传感器原理、垂直参考和获取时间差异使结果难以直接比较。本研究旨在系统比较基于潮汐观测站（TG）观测、LiDAR数据、Sentinel-1 SAR和Sentinel-2光学影像的海岸线确定方法，以爱沙尼亚P?rnu Bay低起伏海岸为案例，评估方法依赖的差异，并为类似环境提供实践建议。论文发表在《Geomatics》。

**关键技术方法**
研究人员主要采用以下方法：1）分析2015–2025年爱沙尼亚13个TG站的海平面数据，表征区域水文动力背景，并利用P?rnu和H??demeeste TG在卫星过境时间的瞬时海平面（MSL）作为LiDAR-derived海岸线的高程基准；2）对Sentinel-1 SAR影像（VH极化，干扰宽幅模式，10 m分辨率）进行对数变换，采用固定经验阈值-18.0 dB（基于代表性海岸区域初步分析确定）分类水陆，生成二进制栅格并矢量化；3）对Sentinel-2光学影像（Level-2A，10 m分辨率）计算归一化差异水体指数（NDWI）和归一化差异植被指数（NDVI），结合场景分类层（SCL）进行多准则分类（NDWI > 0.05且NDVI < 0.2且SCL类6为水），排除云和阴影；4）利用2021年LiDAR点云（点密度2.1点/m²，垂直精度0.03–0.07 m）内插生成1 m分辨率数字地形模型（DTM），提取对应于TG海平面的等高线作为LiDAR-derived海岸线；5）采用ArcGIS Pro Near工具计算卫星-derived与LiDAR-derived海岸线之间的最近欧氏距离，并统计平均绝对误差（MAE）、均方根误差（RMSE）和90百分位数（P90）；6）通过RTK GNSS（South ALPS1接收机，平面/垂直精度0.8/1.5 cm）在2026年4月23日进行野外验证，测量约21 km海岸线，并与卫星-derived海岸线对比。样本队列来源为爱沙尼亚P?rnu Bay海岸，TG站为P?rnu和H??demeeste。

**研究结果**
**4.1 海平面分析**：基于2015–2025年TG数据，研究人员发现爱沙尼亚沿岸MSL为0.25 m，日均最大海平面0.28–0.43 m，日均最小0.15–0.20 m，P?rnu等站变异性较大。低起伏海岸中，0.10–0.20 m的垂直变化即可导致显著水平位移，为后续比较提供背景。

**4.2 Sentinel-1-derived与LiDAR-derived海岸线比较**：在共同获取日期下，研究人员将Sentinel-1-derived海岸线与基于P?rnu–H??demeeste TG过境海平面提取的LiDAR-derived海岸线对比，发现两者差异较大，尤其在低起伏区域、芦苇床和河口环境，无一致的海平面相关性。

**4.3 Sentinel-2-derived与LiDAR-derived海岸线比较**：类似比较显示，Sentinel-2-derived海岸线在各获取日期中平均水平差异小于Sentinel-1，与LiDAR-derived海岸线更接近，但局部仍存在大差异（芦苇床、河口区域）。

**4.4 卫星-derived海岸线总体比较**：合并所有获取日期的最近点距离，Sentinel-2中位数（20.6 m）、MAE（40.9 m）和P90（100.0 m）均低于Sentinel-1（30.5 m、46.6 m、107.8 m），但Sentinel-2的RMSE（71.4 m）和最大距离（586.6 m）高于Sentinel-1（68.4 m、436.3 m），表明Sentinel-2存在局部极端差异。约77.6%的Sentinel-2差异和67.4%的Sentinel-1差异小于50 m，说明两类传感器代表不同的瞬时水陆边界物理表征。

**5 验证**：在2026年4月23日，研究人员利用RTK GNSS沿约21 km海岸线（部分云覆盖，Sentinel-2仅约7 km无云区）进行验证。与GNSS-derived海岸线对比，Sentinel-2在共同7 km段平均水平差异为6.0 ± 6.4 m，最大49.5 m；Sentinel-1在相同段平均差异为134.9 ± 69.8 m，最大338.2 m。时间分析显示，Sentinel-1差异在低海平面时段略有减小，但整体远大于Sentinel-2。验证表明，在晴朗条件下，Sentinel-2光学影像更准确地代表瞬时水陆边界，而Sentinel-1 SAR受植被和表面粗糙度影响，在芦苇床等区域产生较大偏差。

**讨论与结论**
讨论部分指出，不同方法的海岸线差异源于传感器原理、垂直参考框架和获取时间：LiDAR+TG定义高程参考海岸线，Sentinel-1基于雷达后向散射（受植被和湿度影响），Sentinel-2基于光学反射（受云和表面特性影响）。DTM年代间（2012、2017、2021）的局部地形变化（如侵蚀、沉积）增加了不确定性，但平均差异较小。GNSS验证强调瞬时边界与高程边界的区别，海平面变异性导致水平位移。研究局限性包括单日期验证、Sentinel-2无云段有限、经验阈值未独立测试、最近点距离无方向性，以及2021年DTM用于不同年份卫星获取的潜在误差。

结论部分翻译：本研究证明，在低起伏海岸环境中，海岸线确定取决于数据源、海岸线概念、垂直参考框架和获取时间。所评估的方法并非识别单一客观定义的海岸线，而是代表与不同时间和垂直参考框架相关的不同海岸线定义，因此服务于不同的科学和实践目的。时间匹配比较表明，在共同获取日期下，Sentinel-2-derived海岸线通常比Sentinel-1-derived海岸线与时间匹配的LiDAR-derived海岸线更为接近，而LiDAR-derived海岸线基于P?rnu–H??demeeste TG过境平均海平面提取。相反，卫星-derived海岸线代表瞬时水陆边界，受获取时海平面和环境特征强烈影响。野外验证进一步支持Sentinel-2在晴朗条件下更接近瞬时边界。一个重要启示是，即便是海平面微小变化也可能导致低起伏海岸数十米的水平位移，因此海岸线位置应始终结合垂直参考框架、海岸形态和水文动力条件进行解释，而非视为固定几何边界。在实践中，LiDAR+TG适用于高程参考海岸线，Sentinel-1提供天气独立观测，Sentinel-2在晴朗条件下具备瞬时边界制图潜力，但三者不可直接互换。整合高程和卫星-derived产品可提供互补信息，为低起伏海岸环境的海岸线制图和监测提供更稳健的基础，但需明确考虑各数据源的方法局限性和环境条件。