编委好文丨Sentinel-2和GEE的快速、稳健、全自动中国滨海滩涂制图

遥感学报 2021-05-17

图片来源网络

滨海滩涂受到陆地和海洋环境的双重影响和制约，是最为脆弱的湿地生态系统类型之一。近半个世纪以来，受到人类开发和气候变化等因素的影响，中国滨海滩涂严重萎缩退化，国家和地方层面在制定管理政策的时候需要平衡滨海滩涂的保护和开发工作。快速、可靠、高精度的国家尺度滩涂分布图是制定及实施海岸保护策略的重要依据。

中国科学院东北地理所研究员、《遥感学报》副主编王宗明团队发表论文“Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine”，利用哨兵-2号密集时间序列数据和Google Earth Engine（GEE）云平台，研发了一种快速、高精度、稳健、全自动的滨海滩涂提取方法（MSIC-OA）。以2019年1月1日到2020年6月30日的28367景Sentinel-2密集时序数据为数据源，基于GEE云平台应用MSIC-OA方法，进行全国滨海滩涂制图，将绘制的地图命名为China_Tidal Flat（CTF）。

结果显示，2020年中国滨海滩涂总面积为 858784 ha，其中江苏省滨海滩涂资源最为丰富。利用野外调查样点和关键边缘样点对CTF进行精度验证，表明总体分类精度达到95%，F1分数0.93，CTF是目前为止最高空间分辨率（10米）、时效性最强（2020年）的全国滨海滩涂分布图。

●研究背景 ●

图片来源网络

滨海滩涂是海陆交界的生态过渡带，包括潮间带泥滩、沙滩和海岸等无植被区域。滨海滩涂提供了多种生态系统服务功能，如碳汇、维持生物多样性、控制污染、调节气候等，并在调节区域资源平衡、改善环境质量及维持滨海地区生态安全等方面发挥重要作用。同时，滨海滩涂受到陆地和海洋环境的双重影响和制约，是最为脆弱的湿地生态系统类型之一。近半个世纪以来，受到人类开发和气候变化等因素的影响，中国滨海滩涂严重萎缩退化，国家和地方层面在制定管理政策的时候需要平衡滨海滩涂的保护和开发工作。快速、可靠、高精度的国家尺度滩涂分布图是制定及实施海岸保护策略的重要依据。

长期以来，遥感一直被用来绘制潮间带地图。一般来说，利用光学影像进行滩涂制图是可行的。现有的绘制大型滩涂的工作分为三种方法，包括基于潮汐模型或地形、基于训练样本的机器学习和基于先验知识的决策树分类方法。然而这些方法或依赖于辅助数据，如潮位、DEM和训练样本，或依赖于人工干预阈值，或依赖于前、后处理。另外，由于潮汐的周期性淹没，滨海滩涂斑块只在最低潮时期短暂全部裸露，因此，利用光学卫星图像进行滩涂制图最大的困难在于影像潮位的不确定性。

在大尺度遥感制图研究中，应用传统的数据源，如Landsat系列，重访周期8—16天，加之滨海地区云雨天气较多，很难保证短期内获取最低潮的影像。为了克服以上困难，研究人员集成影像最大值合成算法（MSIC）和OTSU图像自适应分割阈值算法（OA），提出了一种高效、高精度、高鲁棒性的潮间带滩涂自动提取方法，命名为MSIC-OA。

● 研究方法 ●

图1 基于Sentinel-2密集时间序列影像的MSIC-OA滩涂制图流程（A），及每个步骤的结果（a-f）

MSIC-OA方法的基本思路如图1A所示，具体为：

(1) 选择mNDWI作为光谱指数，利用影像最大值合成算法合成全年最高潮影像(a)。

(2) 选取NDVI作为光谱指数，利用影像最大值合成算法合成全年最低潮影像(b)。

(3) 将Otsu算法应用于mNDWI-MSIC得到最大水面(c)，用最大水面裁剪最低潮影像。创建一幅包含海水、滩涂和潮间带植被的潮间带影像(d)。

(4) 利用Otsu算法自动去除低潮影像中潮间带植被，得到一个包含海水和滩涂的影像(e)。

(5) 最后，利用Otsu算法自动区分水体和滩涂，完成滩涂制图(f)。

以后海湾为例，利用MSIC-OA算法进行滩涂自动提取的流程如图1所示。MSIC可以保证获取到所有影像中的最高潮和最低潮信息，OA可以自动的对水和非水、植被和非植被进行分割。因此MSIC-OA具有快速、稳健、全自动的优势。

● 主要结论 ●

以2019年1月1日到2020年6月30日的Sentinel-2密集时序数据为数据源，基于Google Earth Engine（GEE）云平台应用MSIC-OA方法，进行全国滨海滩涂制图，将绘制的地图命名为China_Tidal Flat（CTF）。结果显示，2020年中国滨海滩涂总面积为 858,784 ha，其中江苏省滨海滩涂资源最为丰富。

应用实地调查样点生成的误差矩阵和亚米级高分数据对CTF进行精度验证。结果显示：（1）CTF的总体分类精度可达95%，F1分数为0.93；（2）绘制的滩涂斑块与低潮亚米级高分数据的一致性极高，如图2所示。

图2 CTF与高分2号和Google Earth低潮影像对比

为了进一步验证CTF描绘的滩涂斑块为最低潮时期的最大斑块，选择中国沿海的12个主要验潮站，对其周边的大斑块滩涂进行错分和漏分验证。首先根据验潮站的潮汐表和Sentinel-2的过境时间，选择12个最低潮影像，然后再影像中选择沿途边缘点，获得1200个关键边缘点（包括600个纯滩涂点和600个纯水点），应用这1200个点生成误差矩阵，得到的总体分类精度94%，滩涂的用户精度和制图精度均达到90%以上。关键边缘点的选择如图3所示。

图3 以江苏弥港为例进行关键边缘点的选择

本研究研发了基于遥感大数据和云平台的滨海滩涂自动提取方法，该方法具有高效率、高精度、鲁棒性强和全自动的特点和优势。应用该方法首次绘制了10米空间分辨率的中国滩涂分布图（CTF）。该研究的方法和理论不仅适用于滩涂的自动、精准遥感研究，对于其它涉水生态系统也有重要的借鉴价值。CTF提供了最新的、分辨率最高的中国滨海滩涂空间分布信息，可用于海岸带保护与管理工作，并可以服务于联合国可持续发展目标的评估。

论文标题

Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine

发表期刊

Remote Sensing of Environment

论文全文链接

http://www.sciencedirect.com/science/article/pii/S0303243420305699

作者档案

第一作者：贾明明，中国科学院东北地理与农业生态研究所副研究员、《遥感学报》编委，研究方向为滨海湿地植物群落遥感分类机理，滨海湿地植物生理生态参数遥感反演等。

E-mail: jiamingming@iga.ac.cn

通信作者：王宗明，中国科学院东北地理与农业生态研究所研究员、《遥感学报》副主编，研究领域为湿地生态环境遥感。

E-mail:zongmingwang@iga.ac.cn

研究团队：中国科学院东北地理与农业生态研究所地理景观遥感学科组，包括张柏、王宗明、刘焕军、任春颖研究员，毛德华、贾明明副研究员，以及30多位博士、硕士研究生和项目聘用人员。主要研究方向有湿地植被群落遥感，湿地植被定量遥感，湿地生态环境遥感评估，以及森林生态系统遥感和农田生态系统遥感等。