综述:合成孔径雷达(SAR)在海岸线和潮间带监测中应用的综述
《Coastal Engineering》:A REVIEW ON THE USE OF SYNTHETIC APERTURE RADAR (SAR) FOR MONITORING SHORELINES AND INTERTIDAL AREAS
【字体:
大
中
小
】
时间:2026年08月28日
来源:Coastal Engineering 5.6
编辑推荐:
# 摘要
有效监测海岸形态变化对于理解多尺度演变、管理灾害风险和支持可持续发展至关重要。光学卫星影像长期以来一直用于海岸监测,但其对日光和无云条件的依赖限制了时间和空间覆盖范围。合成孔径雷达(SAR)通过全天候、昼夜获取以及表观粗糙度、含水量和介电特性的敏感性,克服了这些限
# 摘要
有效监测海岸形态变化对于理解多尺度演变、管理灾害风险和支持可持续发展至关重要。光学卫星影像长期以来一直用于海岸监测,但其对日光和无云条件的依赖限制了时间和空间覆盖范围。合成孔径雷达(SAR)通过全天候、昼夜获取以及表观粗糙度、含水量和介电特性的敏感性,克服了这些限制,成为海岸监测一项有前景但仍未被充分利用的资源。鉴于这一潜力,以及对SAR在海岸形态监测中的应用理解仍然有限,本文综述了当前基于SAR的形态制图知识,重点关注海岸线检测和潮间带地形提取。我们探讨了主要的预处理和提取方法,包括斑点噪声滤波、分割、海岸线提取和后处理,并讨论了在不同海岸环境中进行潮间带地形制图的不同方法。综述了传感器配置(包括频率波段、极化和获取几何)的影响,以及环境条件和形态动力学条件在塑造检测性能方面的作用。指出了关键的不确定性来源,强调了可靠且一致的地面真值数据的稀缺性,这仍然是制约验证以及跨参数和跨站点比较的瓶颈。该综述识别了当前阻碍SAR海岸线和潮间带地形制图更广泛投入实际运行的反复出现的模式、局限性和挑战。基于此综合分析,确定了未来研究的方向,包括在不同形态动力学条件下开展更系统的实验、改进参考数据集、提高自动化水平以及与互补数据源的更紧密整合,以便更好地利用SAR进行大规模和长期的海岸监测与灾害评估。
# 引言
海岸形态日益受到海平面上升、极端事件和人为压力(包括沿海开发、土地回填和筑坝)的共同影响(Ranasinghe, 2020;Zhao等, 2021)。监测这些变化对于理解海岸动力学和支持风险管理及适应策略至关重要。
在此背景下,长期连续的海岸线和潮间带数据集在海岸工程和管理中发挥着核心作用。它们能够量化侵蚀和淤积趋势、季节性和间歇性波动、干沙区域,评估风暴影响和灾后恢复,以及评估海滩补沙和疏浚效果,同时支持沉积物输运分析和预算估算。在更宏观的尺度上,这些时间序列为洪水风险评估、海岸防御设计、灾害制图和适应性海岸线管理策略提供了依据(Bradbury等, 2011;Colenutt等, 2016)。它们还为海岸线演变和形态动力学模型提供了必要的校准和验证数据,加强了在气候变化情景下的预测能力(Vitousek等, 2017)。然而,全球范围内高频次且空间广泛的稀有数据集仍然稀缺,突显了可扩展且可操作监测方法的迫切需求。
多种数据源已被广泛用于监测目的。过去几十年,结合原位测量和航空设备的多传感器方法被所采用,具有各自的优势和局限。虽然一些仪器化良好的海滩提供了详细的长期数据集(Banno等, 2020;Castelle等, 2020;Daniel J Hoover等, n.d.;Larson & Kraus, 1994;Ludka等, 2019;Turner等, 2016),但大多数海岸线仍然基本未被监测;据估计,全球超过99%的海滩如此(Vitousek等, 2023)。历史地图和航空照片支持大规模评估,但其特征是时间分辨率稀疏。航空激光雷达和基于无人机的运动结构法(SfM)可提供高分辨率数据,但其应用通常受到成本、频率和地理覆盖范围的限制。视频监测系统提供高时间和空间分辨率,但空间范围有限(仅限于几公里)。这些权衡突显了利用现有海岸监测方法实现连续全面时空覆盖的持续挑战。
光学卫星衍生产品由于其广泛的数据可用性,在海岸研究中已成为高价值资产,以相对较低的成本提供高时间和空间分辨率(Vitousek等, 2023)。光学传感器的数据通常易于解释和分析,由于水强烈吸收红外辐射而陆地表现出高反射率,在红外波段中可以稳健地识别陆水边界(Ciecholewski, 2024)。公开可用的光学卫星产品(或多光谱影像,MSI),如Sentinel-2和Landsat系列,已被广泛用于监测海岸形态特征,并开发了多种海岸线提取工具和工作流程,如CoastSat(Vos等, 2019)、CASSIE(Almeida等, 2021)、SHOREX(Sánchez-García等, 2020)和Shoreliner(Bergsma等, 2024)。从光学数据中提取的浅水地形通常采用基于颜色的方法(利用深度依赖的光衰减,Caballero等, 2020;Frugier等, 2026)或基于波浪的反演方法(从观测的波浪特性推断深度,如cBathy(Holman等, 2013)、UBathy(Simarro等, 2022)和S2Shores(Bergsma等, 2023))。然而,光学卫星传感器是被动仪器,依赖于反射的太阳辐射,将数据获取限制在白天和无云条件下,从而减少了可用观测的频率(Savastano等, 2024)。低轨星座,如PlanetScope"鸽子"舰队,通过每日重访周期和中等空间分辨率(约3米)部分缓解了这些限制(PlanetScope | Planet Documentation, 2025),但其使用涉及额外成本。
另一方面,合成孔径雷达(SAR)技术因其独特能力为海岸监测提供了重大潜力。作为主动传感器,SAR提供不受日光或天气条件影响的高分辨率影像,穿透云层覆盖并捕捉精细的表层特征。这一特性在动态或易受云影响的海岸环境中尤为有利,SAR在此类环境中可实现比光学传感器高一个数量级的获取频率(Savastano等, 2024)。此外,SAR对表观粗糙度、局部地形、土壤含水量和介电特性的敏感性支持多种海岸应用,包括海岸线检测、海况监测和地形估算(Vreugdenhil等, 2020)。同时,这种敏感性也可能降低海岸线对比度,在平坦的低后散射表面(如泥滩或细沙滩)上,雷达回波可能与开放水域相似。为缓解这些歧义,多项研究探索了SAR和光学影像的融合,利用光学数据强烈的陆水区分能力以及SAR的时间连续性和变化检测能力(Jiang等, 2025)。
尽管SAR具有强大的潜力,特别是其高时间分辨率、全天候成像能力和表观粗糙度敏感性,但其在海岸研究和监测中的应用仍然相对不发达且远未被充分利用。这种利用不足不仅反映了在高动态海岸环境中解释SAR后散射的复杂性,还反映了对获取参数、传感器配置和处理决策如何影响海岸形态检测缺乏明确指导。这些差距突显了进行系统评估的必要性,以综合现有知识,澄清当前使用的方法论方法范围,并建立实用指南以帮助海岸科学家更好地理解和充分利用SAR的能力。
因此,本综述旨在全面概述当前基于SAR的海岸线制图和潮间带地形提取在不同海岸环境中的现状。在此过程中,我们寻求:(i)综合基于SAR的海岸线和潮间带地形提取中使用的主要预处理策略和方法论族,概述其各自的优势、缺点和底层假设;(ii)讨论传感器配置变化(包括波段、极化和获取几何)如何影响海岸线和潮间带地形检测;(iii)综述这些方法在不同海岸类型和环境条件下的表现,突出报告的影响准确性和可转移性的因素;(iv)识别当前阻碍方法论更广泛采用和推广的主要局限、差距和不确定性来源;(v)概述最大化SAR在常规和大规模海岸监测中价值的优先研究方向。
为展示SAR用于海岸监测的潜力,本文提供了一个实用演示,即利用水线法在Veys湾(一个具有广泛潮间带滩涂和强潮汐动力的大潮差河口系统)进行潮间带地形重建。
本文结构如下:第2节介绍与海岸分析相关的基本SAR原理。第3节海岸线提取和第4节潮间带地形综述了主要方法组成部分,包括海岸线提取技术和潮间带地形。第5节提供了所有综述论文的总结表格。第6节展示了SAR用于海岸监测的实际应用示例。第7节讨论关键的不确定性来源和局限性,以及控制误差的获取和传感器参数。第8节概述未来步骤,第9节给出总体结论。
## 各章节摘要
### SAR探测的基本原理
合成孔径雷达(SAR)是一种主动微波遥感技术,工作波长范围从几毫米到接近一米。其主要优势之一是能够穿透云层,独立于太阳照射工作,从而在所有天气和昼夜条件下实现一致的数据获取。与天底观测传感器不同,SAR系统采用侧视配置,可通过回波时间区分目标,减少……
### 海岸线提取
海岸线是陆地与水域之间高度动态的边界,在海岸演变分析中发挥着关键作用。因此,大量工作致力于使用SAR影像进行海岸线检测。然而,"海岸线"的定义并非普遍明确。正如Boak & Turner(2005)所讨论的,海岸线通常被解释为陆水之间的物理界面,但即使在原位测量中也难以明确识别这一边界,因为……
### 基于水线法的潮间带地形
与SAR衍生的海岸线密切相关的产品是潮间带地形,通常使用Mason等(1995)提出的水线法生成。该方法在不同潮汐阶段提取多条海岸线,为每条分配相应的水位,通过插值得到潮间带数字高程模型(DEM)。这在广泛的潮间带滩涂中尤为有用,因为在低潮时进行航空测量的物流挑战使得此类操作成本高昂(Mason等, 2010)。
### 相关研究总结
表1汇总了本综述所纳入论文的主要特征。对每项研究,报告了用于海岸线或潮间带地形提取的主要方法论、所采用的预处理步骤以及研究站点及其设置和潮差(如可用)的简要描述。该表还列出了使用的卫星数据及其相关配置参数,如频率波段、产品级别和极化方式。此外,该表……
### SAR用于潮间带DEM提取的示例应用
为说明SAR数据用于潮间带监测的实际潜力,使用Salameh等(2020)提出的水线法为Veys湾生成了夏季潮间带DEM。Veys湾是位于法国海岸英吉利海峡塞纳湾西部区域的一个大潮差河口系统。该区域以低潮时暴露的广泛潮间带泥滩和沙滩(37平方公里)为特征,潮差幅度可达……
### 地面真值
精确地面真值数据的可获得性对于验证海岸线和地形提取算法至关重要,因为准确性受参考数据可靠性的限制。如果地面真值本身包含不确定性,那么最佳可实现结果是相对于该误差的精度,而非绝对精度。海岸地区持续面临的挑战是可靠验证数据集的稀缺,因为如第1节所述,只有少数站点维持常规原位测量。
### 未来步骤
为总结本综述,我们探讨了未来研究方向,如引言中目标(v)所定义(见第1节):
未来工作的关键方向是改进对SAR影像在海岸区域所表征内容的根本理解,特别是关于在不同环境和获取条件下哪些海岸线代理可以被可靠检测。这涉及考察后散射如何响应海滩形态、含水梯度、波浪……
## 结论
本综述对31项研究表明,合成孔径雷达(SAR)已成为海岸线和潮间带地形监测的有价值的工具,是对光学遥感的补充而非替代。其提供不受天气影响、昼夜观测的能力使其特别适用于海岸监测,特别是在受持续云层影响、风暴条件以及需要频繁观测的地区。然而,SAR解译……
## CRediT作者贡献声明
Paula Gomes da Silva:写作—审阅与编辑,监督,方法论,概念化。Edward Salameh:写作—审阅与编辑。Erwin W. J. Bergsma:写作—审阅与编辑。
Sophie Mann:写作 – 审阅与编辑。Salvatore Savastano:写作 – 审阅与编辑。Nina Furcic:数据管理。Carmen Millán:写作 – 审阅与编辑、写作 – 原创草稿、可视化、方法论、调查、概念设计。Andrés Payo:写作 – 审阅与编辑。Eduard Angelats:未引用参考文献 Hoover 等,日期不详;PlanetScope,2025年。生成式人工智能及 AI 辅助技术在稿件准备过程中的声明:在准备本研究的过程中,作者使用了 OpenAI 的 ChatGPT 以协助组织内容并改进语言和可读性。在使用该工具/服务后,作者对内容进行了必要的审阅和编辑,并对已发表文章的全部内容承担全部责任。资金来源:本研究未获得公共、商业或非营利部门任何资助机构的专项拨款。利益冲突声明:? 作者声明不存在可能影响本论文所报道工作的已知竞争财务利益或个人关系。Carmen Millán | Erica Pellón | Erwin W.J. Bergsma | Edward Salameh | Salman Saeed Khan | Eduard Angelats | Yongjing Mao | Imen Turki | Salvatore Savastano | Sophie Mann | Andrés Payo | Nina Furcic | Paula Gomes da Silva;坎塔布里亚大学坎塔布里亚水力学研究所,西班牙桑坦德。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号