俎金言
摘要：为了更好地平衡珠海市的城市建设和海岸线生态，本文以珠海市三个阶段为基础，以珠海市为界10年。 2005年，2009年和2016年的景观8，以及珠海市海岸线的景观图像，提取和分析。 由于传统的归一化水体指数易受近岸水体和构造图像的影响，因此采用标准化水体指数（MNDWI）和支持向量机（SVM）的改进选择来制定水土分散和局。 隔行处理。 通过对海岸线的分析，发现在过去十年中，2009年至2016年的海岸线高速开通。 第一个开发项目位于珠海东海岸。 经过实地调查，发现人工海岸线增加最多，最好的是海岸线。 船筏总是表示建立海水养殖区，土地复垦等。
关键词：遥感; 海岸线; 珠海; MNDWI; SVM
中图分类号：P715.7文献标识码：A文章编号：1671-2064（2018）22- 0182-02
海岸线是陆地与海洋的边界 。 自然因素和工资因素都可能导致海岸线的扩张或退缩，从而导致一系列沿海生态问题，如沿海地区的浑浊和沿海生物多样性。 珠海市位于广东省西南沿海城市，是珠江三角洲陆地和海上交通的交通枢纽。 近年来，随着人类的逐渐和暴力行为，在城市的无止境增长和扩张中，珠海海岸线的趋势已经转移到海洋，包括开垦土地，建立海水养殖区，建造船舶， 等已经造成了非常重要的影响。 珠海作为一个快速发展的沿海城市，近年来改变了海岸线。 因此，改变珠海市的海岸线动态具有重要意义。
在目前应用遥感图像到海岸线的提取和讨论中，国家观察中有许多先例。 孙伟福[1]提出了对不同类型海岸线的不同类型海岸线的解释，从中使用了多种遥感图像解释。 齐吉双[3]提出了一种基于多阈值的方法。 张旭日[4]和其他人运用改进的canny算子实现了自适应边缘提取。 现有的海陆鹏师可分为三种类型：边缘检测法，阈值分割法和监督分类法[5]。 监督分类的准确性较高，但必要的人工样本的选择; 阈值分割方法更简单方便。 然而，由于近岸水体的光谱特性受到周围条件的极大影响，近岸水体经常被错误分类为海岸线。 ，导致得分的准确性较低[2]。 边缘检测方法对遥感图像的依从性较低，且该方法的海岸线较差[5]。
为了达到更准确的海岸线，本文对于改进归一化差异水指数MNDWI是至关重要的。添加一个运用支持向量机SVM的监督训练模型从根本上提取海岸线。 对联合野外调查数据进行了交织和比较，提取了海岸线，分析了近15年来珠海市海岸线的变化情况，并对典型的海岸段进行了详细的分析和调查。 海岸线的变化。
1数据来源和提取方法
1.1学习领域和数据来源
（1）珠海市位于广东省珠江口市西南部， 纬度为北纬21°。 ~22°，东经113°~114°。 珠海是珠江三角洲最长的大都市。 珠海西海岸以人造海岸线为主。 大多数道路是港口船和人造海岸线，包括沙洲和农业区。 东部沿海以道路为主，自然沿海保留率很高[1]。 学习区域的示意图如图1所示。
本文使用2018年和2009年及2005年的Landsat5 / 8图像，以5年为基本图像数据提取珠海海岸线， Landsat5 / 8土地资源从美国地址调查局（USGS）下载。
1.2海岸线提取和剖析要点
这里提到的海岸线是陆地和海洋之间的边界，即海水与陆地到达的极端位置之间的边界。 由于潮汐效应等自然和人为影响，海岸线一直在动态变化[2]。 在这一地区，天然海岸线和人造海岸线是主要的，自然海岸线包括泥滩，人工海岸线包括大坝的中心线和受工资回收影响的陆地和海洋边界线。 目标方法是对海洋和陆地进行分类和区分，提取海岸线，并对海岸线数据进行最终提取，以进行叠加和比较分析[3]。
2练习面向对象的海岸线提取
2.1数据预处理
为了确保遥感数据按照几何精度和坐标系统 ，第一对遥感图像处理：（1）波段融合，从多波段和全波段波段8的融合开始，使分辨率精度从30米增加到15米; （2）坐标系转换，多源数据渐进几何校正，消除多源数据坐标系的差异，使其与WGS-84坐标系相同; （3）图像裁剪，切出必要的遥感图像区域，图像太大会导致索引策略错误，且策略时间过长等问题。
2.2 MNDWI阈值分数
由于海水和陆地的标准化水体指数之间的对比，有可能解决MDNWI的分布图并确定水的阈值 和陆地点。 ，你可以赎回陆地和水点[5]。 由于珠海市是一个沿海城市，沿海岸线有许多建筑。 NDWI用于提取具有结构的水体将受到近岸区域的影响，并且情况将很差。 因此，选择改进的归一化差异。水体指数（MNDWI）[6]，公式如式1所示。
MNDWI =（ρGreen-ρMIR）/（ρGreen+ρMIR）方程1
其中ρGreen是 绿色波段和ρMIR是近红外波段。
2.3使用矢量机提取海岸线
因为近岸水体很容易受到周围区域的影响。 为此，在使用MNDWI阈值时，使用支持向量机基于天基遥感模型的主动提取算法。
SVM是Vapnik，一种在20世纪90年代提出的机械训练方法。 SVM算法具有有限的样本平衡模型和学习能力[7]。 在本文中，MNDWI的点对点办公室用作示例库。 对不同的分类对象和样本进行隔行训练。 消除了具有大变化的样品样区域，直到获得可靠的土地和水分类。
2.4海岸线提取
在运行MNDWI并训练SVM模型对遥感图像进行分类和评分后，决定是否为陆地水。 布局转换为Arcgis的可识别模式。 在Arcgis中，对分类图像进行跟踪和矢量化，转换为线要素，并获得最终的海岸线分布[10]。
3尝试局和剖析
2016年4月3日珠海市地图遥感影像海岸线过程的提取过程如图2所示。
图。 图2（a）是完成几何精加工后的landsat8的伪彩色合成图像; 图2（b）是MNDWI策略后的图像; 图2（c）是阈值的阈值。图2（d）显示了使用svm向量机进行监督分类后的水陆离散分布图; 图2（e）显示了MNDWI矢量化和监督分类后的水 - 土地分布图。 图2（f）是珠海市的最终海岸线地图。 可以看出，最终得到的海岸线分布是明确的，它可以用来处理内陆河流，并可以在arcgis删除后填充。
参与三井2016,2009和2005年海陆分区和海岸线提取的遥感数据，最后沿海岸线分布如图3所示。
标准统计 从2005年到2016年，珠海市的海岸线长度增加，一般表现为向海洋扩张。 2005年，海岸线总长度为420.82公里。 2009年，海岸线总长430.9公里，比2005年增加10.08公里，年增长率为2.416公里/年。 2016年，海岸线总长达450.8km，比2009年增加17.1km，增幅显着，年增长率为2.85km /年。
在过去十年中，2009年至2016年的海岸线发展速度更快。该系列产品在珠海东海岸进行。 在对地进行调查后，发现人工海岸线增加最多，而改进最多的是海港船。 它始终表示为水产养殖区的建立，土地复垦等。 海岸线变化最典型的区域是高栏港区和港珠澳大桥。 海岸线的变化主要是海上扩张。 海岸线变化的主要原因是港口船舶建造[8]。
4结论与预测
海岸线的变化不仅影响沿海地区的海洋生态和沿海地区的生长，也反映了人类对海岸的改造。 动态准确地检测海岸线的变化对于更好地平衡沿海地区的生态状况以及大都市的建设与发展之间的关系具有重要意义[9]。 本文选择两种隔行扫描方法。 虽然传统的MNDWI全球阈值法可以大幅度地实现水体的提取，但在国外却得到了充分保证，特别是对于更加分散的天然海岸线; 并且容易受到光谱影响的近岸水体被解决。 监督分类和样品筛选将使水和土地分离更加准确。
目前关于海岸线的讨论仍然没有考虑区分不同海岸线的类型和遥感图像分形指数的动态变化，即使已经有不同海岸线的分类。 但是，缺乏广泛的合规性。 因此，在为不同类型的海岸和情况提取海岸线时，有必要选择合适的方法。
参考文献
[1]孙伟福，马毅，张杰，刘善伟，任广波。 不同类型海岸线遥感解译标记的建立与提取[J]。 2011，（03）：41-44。
[2]张志龙。 基于遥感影像的严重指标特征提取与识别[D]。 国防科技大学，2005。
[3]瞿继双，王超，王正志。基于多阈值的遥感图像海岸线特征形态提取[J]。图像学报 图形，2003，（07）：87-91。
[4]张旭日，冯武发，张俊华。基于色差的遥感图像海岸线提取[J]。 测绘，2005，（04）：259-262。
[5]朱长明，张欣，罗建成，李万清，杨继伟。 基于样本主动选择和SVM的海岸线遥感主动感知[J]。 遥感地面资源，2013,25（02）：69-74。
[6]王丽娟，牛伟，赵德刚，李英霞，王中波，曲达。海岸线提取研究 基于ETM遥感影像的验证[J]。遥感技术与应用，2010,25（02）：235-239。
[7]梁亮。 杨敏华，李英芳分类高光谱图像ICA和SVM算法[J]光谱学与光谱分析，2010,30（10）：.. 2724-2728
<[8]杨磊，孙伟福，马毅，任广波。近10年来珠海沿海地区沿海带时空变化的遥感分析[J]。海洋科学，2017,41（02）： 20-28。[9]苏太平，曹克，马宏伟，王全明，于永海。海岸线分类系统的探索[J]。地质，2015,35（07）：933-937 。[10]冯永珍，袁家玉，宋立军，江芳。杭州湾沿海地区信息遥感提取与变化分析[J]。遥感技术与应用，2015,30（02）： 345-352。
p class =“fl”>中国科技地平线2018 22 关于中国科技海洋安全区对周边社区经济的影响和分析的其他文章探索 发展低碳经济和林业资源。 光催化净化甲醛的效率。 热回收系统中汽包运行的关键点。 易于饲养的植物（北方）去除甲醛。浅谈水利建设对生态环境的影响转载请注明来源。原文地址：https://www.7428.cn/page/2019/0426/87205/