城市化进程下厦门市海岸线形态时空变化分析

图1 研究区位置

(底图为2020年Landsat8 B4(R),B3(G),B2(B)合成影像)

Fig.1 Location map of the study area

1.2 数据来源

本研究用于提取厦门市海岸线的遥感数据为Landsat数据,下载于地理空间数据云(https://gscloud.cn),4期影像信息见表1。其他数据还包括: 厦门市矢量行政区划数据、对应年份的统计年鉴数据以及厦门市潮位数据,分别来自国家地理资源服务目录系统(https://www.webmap.cn/)、厦门市统计年鉴以及全球潮汐预报服务平台(http://global-tide.nmdis.org.cn/)。

表1 研究数据来源

Tab.1 Sources of research data

年份	卫星	条带号	行编号	日期	数据标识	云量/%
2005年	landsat5 TM	119	43	2005/7/13	LT51190432005194BJC00	2.50
2010年	landsat5 TM	119	43	2010/10/31	LT51190432010304BKT00	8.08
2015年	Landsat8 OLI_TIRS	119	43	2015/10/13	LC81190432015286LGN00	6.87
2020年	Landsat8 OLI_TIRS	119	43	2020/1/18	LC81190432020124LGN00	8.25

2 研究方法

2.1 海岸线提取与验证

海岸线是用以描述海洋和陆地划分的边界和基础,在沿海地区海岸线作为最重要的地貌要素,在对任何沿海地区的研究中都是不能避过的对象。遥感影像数据的预处理是不可或缺的前提,本文采用面向对象的研究方法,基于专业的面向对象分析软件eCognition的软件运行环境,建立规则集,实现海岸线的自动提取。为了保证海岸线提取的精确性,需要尽量减小潮汐的影响,厦门市以人工海岸为主,受潮汐影响较小,此外在原始数据获取时做初步筛选以保证精度。首先确定云量,并且成像时间接近于当日的高潮时,因为高潮时岛屿的潮间带大部分或全部被海水覆盖,能较好地反映海岸线的信息。此外,高潮时,岛屿的水边线可以近似看作与岸线位置一致,因此在后续的计算分析中,采用高潮时的水边线代替海岸线计算分析^[15-16]。具体技术路线如图2所示。

图2

图2 海岸线提取方法

Fig.2 Shoreline extraction method

基岩岸线不受潮汐影响,有利于精度评价。因此本研究中利用所提取的基岩岸线进行精度验证。具体方法如下: 对基岩岸线做30 m缓冲区(与Landsat分辨率一致),在缓冲区范围内选择300个验证点,将其分别标记为海洋和陆地,随后导入Google Earth软件,结合历史影像进行判读^[17-18]。

2.2 海湾分形维数

分形理论的产生,解决了非规则几何体的描述与定量问题。由于非规则的几何体很难用常见的例如长度、面积等单位进行定量描述,而分形理论则引入更加自然的语言进行描述,易于理解。分形理论的应用使得人们可以透过复杂混乱的表象,直接洞悉事物内部的精细结构,其意义非凡,即使得人类可以以小见大,通过局部的分析认知整体,可以将有限视野扩大到无限。在国外的研究中分形理论已经广泛应用于海岸线的变化提取研究^[19⇓-21]。

网格法的实质是采用尺寸不同的方形网格窗口,将待计算对象框入窗口中,计算方向网格窗口的尺寸大小 $ε$ ,从而确定窗口中的海岸线所覆盖的网格数目 $N (ε)$ 。

当正方形网格长度为 $ε_{1}$ , $ε_{2}$ ,…, $ε_{K}$ 时,则覆盖有被测海岸线的正方形网格数目相应为N(ε₁), $N (ε_{2})$ ,…, $N (ε_{k})$ ,两边同取对数可得^[21]:

(1)

l g N (ε) = - D l g ε + A

，

式中: D为被测海岸线的分形维数; A为待定常数。

2.3 海湾形状指数

形状指数是定量描述海湾形态变化的有效指标,它利用海湾形状与圆的相似程度来判断海湾形状的复杂程度,用海湾周长与等面积的圆周长之比来表示,且海湾形状的复杂程度随计算结果的增大而增大,计算结果越小则表明海湾与圆的相似程度越高,形状越简单,计算公式为^[22]:

(2)

S I B = \frac{P}{2 \sqrt[]{π A}}

，

式中: $S I B$ 为海湾形状指数; $P$ 为海湾周长; $A$ 为海湾面积。

2.4 海岸线平均变化距离

为了定量计算海岸线的空间位置变化特征,根据前人研究结果引入海岸线平均变化距离来衡量厦门市的海岸线位移情况^[22],公式为:

(3)

\overset{↼}{D} = \overset{n}{\sum_{i = 1}} S_{i} / \overset{n}{\sum_{i = 1}} l_{i}

，

式中: $\overset{↼}{D}$ 为某海湾岸线平均向海推进距离; $S_{i}$ 为该海湾第i年开始的某一时期内因岸线变化而增加的图斑面积; $l_{i}$ 为该海湾第i年开始的某一时期内发生变迁的岸线长度; n为发生变迁的岸线段数。

2.5 海岸线人工化指数

岸线人工化指数是指人工岸线占一定区域岸线总长度的比例,可以反映人类活动对自然岸线干涉程度的强弱。海湾岸线人工化强度表示自然岸线向人工岸线转化的程度,用岸线人工化指数表征,即某海湾人工岸线占岸线总量的比例,比例越大,则海湾岸线人工化强度越大。计算公式为^[22]:

(4)

H = T / L

，

式中: H为海湾岸线人工化指数; T为某海湾人工岸线长度; L为该海湾岸线总长度。

3 海岸线提取及时空特征分析

3.1 精度评价

海岸线识别结果如图3所示,首先对识别结果进行精度评价,精度验证结果如表2所示。从结果可以看出本研究提取的4期海岸线总体精度和Kappa系数均满足要求^[8⇓-10],说明本研究选取的方法能够精确识别海岸线。

图3

图3 2005—2020年海岸线分布图

(2005和2010年底图为Landsat5 B3(R),B2(G),B1(B)合成影像,2010和2020年为Landsat8 B4(R),B3(G),B2(B)合成影像)

Fig.3 Distribution map of coastlines from 2005 to 2020

表2 海岸线提取精度

Tab.2 Coastline extraction accuracy

年份	总体精度/%	Kappa
2005年	91.33	0.87
2010年	92.74	0.91
2015年	90.84	0.85
2020年	92.11	0.83

3.2 海岸线长度变化

进一步对长度进行统计,如表3所示,可以看出2005—2020年间,海岸线长度呈现增长趋势,变化明显,从205.16 km增长到244.40 km,增长39.24 km,增长速度为2.62 km/a。其中从2005—2010年增加6.01 km,增长速度为1.20 km/a; 2010—2015年增长20.27 km,增长速率为4.05 km/a; 2015—2020年从231.44 km增长到244.40 km,增长12.96 km,增长速度为2.59 km/a。从海岸线的变化情况以及增长速度来看,厦门市的海岸线长度增长经历了一个由加速到减速的过程,海岸线长度变化最快的年份为2010—2015年,平均每年以4.05 km的速度增长。

表3 海岸线长度变化

Tab.3 Variation of coastline length (km)

年份	长度
2005年	205.16
2010年	211.17
2015年	231.44
2020年	244.40

综合不同年份的海岸线变化(图4,底图为2020年Landsat8影像B4(R),B3(G),B2(B)合成)情况也可以看出,2005—2010年之间的变化主要集中在海沧区的南部沿海地区,即厦门海沧保税港区,该地区填海造陆等工程的快速推进,造成海岸线的扩张; 湖里区的北部扩张较明显,厦门高崎机场在发展过程中填海造陆,当时正值厦门高崎机场的三期工程拓建,也就导致了海岸线的大规模改变。从2010—2015年间厦门市海岸线变化方向发生改变,这5 a的改变主要集中在大嶝岛和海翔码头附近,其他地区的变化较为缓慢。在2015—2020年内变化主要集中在大嶝岛,由于翔安国际机场在此选址,填海面积造地面积为17.34 km²,面积相当于约10个鼓浪屿,导致5 a间大嶝岛的海岸线一直在向外扩张。

图4

图4 不同时间海岸线变化图

Fig.4 Changes of coastlines at different years

3.3 海岸线形态变化

3.3.1 分形维数

整体上,厦门市的海岸线分形维数在逐渐减少,2015年略微增加,2020年分形维数最小。各地区海岸线分形维数的计算结果如图5所示,其中湖里区的变化最为明显,其他几个区的变化相对较为平缓,整体上的发展趋势减小,说明各地区的海岸线越来越平整,早期湖里区填海造陆活动较多,2015年后逐渐减少,因此海岸线分形维数变化趋近于平缓。

图5

图5 分地区分形维数

Fig.5 Fractal dimension of partition

3.3.2 平均变化距离和形状指数

平均变化距离在一定程度上反映海岸的开发程度(表4),2005—2020年间海岸线平均变化距离在0.45~0.56 km之间。据统计数据显示,迁移程度最大的杭州湾平均变化距离在4 km左右,对比之下厦门市的迁移变化最小。形状指数在2.9左右,形状较为不规则,其原因是厦门地理位置优越,是我国最早发展的港口之一,是对外交流的重要窗口,海岸资源开发早,在2005—2020年的开发相对于之前较为平缓,也导致近年来厦门市平均开发距离变化不大。同时研究时间段内厦门的海岸变化呈现集中趋势,除了机场等重点开发区域,其他地区的开发变化并不明显,因而形状指数变化幅度不大。当前厦门的开发趋势逐渐从对海岸的形状扩张,变为对现有海岸资源的高效开发利用。

表4 厦门市海岸平均变化距离和形状指数

Tab.4 Average change distance and shape index of Xiamen City

形态变化	2005年	2010年	2015年	2020年
平均变化距离/km	0.454	0.437	0.523	0.552
形状指数	2.925	2.961	2.964	2.958

3.3.3 人工化指数

本研究将海岸线分为人工海岸和自然海岸。人工海岸包括建设岸线、港口码头、防护海岸和养殖海岸,自然海岸包括基岩海岸和淤泥质海岸,通过对海岸线进行分类统计,结果如表5所示。

表5 厦门市不同类型海岸线统计结果

Tab.5 Statistical results of different types of coastline in Xiamen City

年份	淤泥质海岸线/ km	养殖海岸线/ km	建设岸线/ km	港口码头/ km	防护岸线/ km	基岩海岸/ km	人工化指数
2005年	13.55	56.20	40.42	0.67	3.16	91.17	0.49
2010年	8.43	77.45	50.41	3.57	5.75	65.55	0.65
2015年	5.32	79.45	58.47	7.74	9.02	71.44	0.67
2020年	3.32	80.24	61.23	11.25	8.72	79.65	0.66

2005年人工化指数为0.49,2010年增长至0.65,2010年后人工化指数变化不明显,在0.65附近。表明厦门市的人工海岸开发建设在2005—2010年最剧烈,2010年后开发活动逐渐放缓,各类海岸的长度变化相对较稳定。通过对比平均变化距离和形状指数,证实2005—2010年是厦门市对海岸开发最剧烈的时间段,不同类型的海岸转化较快。分析不同种类海岸的长度变化,也发现基岩海岸线和淤泥质海岸线在大幅减小,建设岸线和养殖岸线大幅增加,这与厦门市的开发政策有关。海岸线的变化也说明厦门市近年来对海岸的开发更加谨慎和规范,规划也更加合理。

3.4 陆地面积变化

根据海岸线提取结果(图3),从整体上来看,厦门市的海岸线在不断扩张,2005—2020年海岸线变化明显,陆地面积变化主要集中在湖里区、翔安区和大嶝岛,其他地区变化略小,例如海沧区的南部沿海区和丙洲岛附近都有不同程度的变化。这里的面积是指厦门市行政区划范围内的面积和海岸线围成陆地面积之和,后文统称为“厦门陆地面积”。

经统计,2005年面积为1 667.40 km²,2020年面积增加,为1 691.93 km²,尽管厦门的行政区划并未发生改变,但是由于长久以来的填海造陆等活动使得厦门陆地面积在持续增加。由表6可知,不同地区之间陆地面积变化存在明显差异。2005—2010年间面积共增加了10.00 km²,翔安区增加面积最大,为5.42 km²,同安区增加面积最小,为0.08 km²; 2010—2020年,面积变化最大依然是翔安区,增加了14.50 km²,而集美区、思明区和湖里区都有不同程度的减小。

表6 各地区陆地面积变化

Tab.6 Land area changes in various regions (km²)

时间段	海沧区	湖里区	集美区	思明区	同安区	翔安区	综合变化
2005—2010年	1.54	2.65	0.10	0.21	0.08	5.42	10.00
2010—2020年	0.43	-0.12	-0.21	-0.10	0.43	14.50	14.93
合计	1.97	2.53	0.11	0.11	0.51	19.92	24.93

各区域陆地面积变化差异的主要原因是开发政策倾斜不同,厦门市2010—2020年间的发展重心集中在翔安区大嶝岛,海岸线的变化也主要在此; 而湖里区、集美区和思明区等,自2010年起海岸线的变化不明显,填海造陆的活动相对较少。在2010年之前,靠近海边的港口建设和城镇建设是促进海岸线发生改变的主要原因。之后由于基础建设的进程相对比较完善,开发重心转移至新交通枢纽的建设,在《加快翔安“三个新跨越”的实施意见》政策文件中明确指出,将翔安区全域划分为若干主体功能区。其中,大嶝街道的定位最受关注——临空产业基地,这主要是考虑到翔安机场的开发建设,整个大嶝岛都将纳入航空城的规划建设。翔安国际机场的布局和建设是影响2010—2020年间厦门海岸线变化的最主要因素。

4 海岸线变化影响因素分析

海岸线的变化受到多种因素影响。对于自然海岸线来说,海岸线的类型构造以及地质构造海陆条件是影响其变化的主要因素,因此短时间内自然海岸线的变化不会太大。而人工海岸线受经济情况和城市发展水平的影响,且变化较快。根据相关研究资料显示我国东海海区的自然海岸线比例在逐步下降,而人造海岸线比例在逐步提升。厦门地理位置优越,人工海岸线的比例较大,主要受到经济人口变化以及政策因素的影响。

4.1 经济人口因素

厦门市海洋资源丰富,港口众多,经济发展水平全国名列前茅。2005年常住人口为273万人,2020年常住人口数目达到429万人,增长了156万人。人口的剧烈增长使土地利用类型发生大规模变化,城镇建设水平大幅提升,使得对于海洋的开发更加频繁剧烈,影响海岸线的变化。人口增多使交通快速发展,港口和机场的建设更加频繁,且规模不断扩大。厦门市的高崎机场以及正在建设完善中的翔安国际机场都进行了大规模的填海造陆,这对海岸的形态产生巨大影响。

此外,厦门市2005年国内生产总值(gross domestic product,GDP)约1 029亿元,2020年约6 384亿元,增长了6倍。GDP高速增长是城市化水平快速提升的体现。城市建设加快,更多的填海造陆活动在开展,对于海岸线的影响巨大,人造海岸线的比例逐渐提升。

4.2 政策因素

政策的变更对海岸线变化起到决定性作用。党的十九大报告强调“建设生态文明是中华民族永续发展的千年大计”,海岸的生态文明建设也是其中重要部分。在经济相对落后的过去,高强度的海岸开发可以带来更多经济增长点; 而在经济发展相对稳定的今天,对海岸线的保护也应提上日程。2010年以后,厦门市海岸线的变化明显趋向集中,除了必要的建设工程,其他地区的海岸线变化较小。此外,《厦门市海洋环境保护若干规定(2018年修正)》政策文件中也明确表示要严格管理海岸线的开发活动。

5 结论与讨论

本研究以福建省厦门市为研究对象,基于2005年、2010年、2015年和2020年4期遥感数据,用面向对象的方法进行海岸线提取,从海岸线长度、形态和陆地面积变化等方面研究了厦门市海岸线的时空变化特征,并得到以下结论。

1)厦门市海岸线2005—2020年间发生巨大变化。海岸线长度从205.16 km增长到244.40 km,共增长了39.24 km,平均增长速度为2.62 km/a,其中2015—2020年增长速度最快,达到4.05 km/a。各区域海岸线变化差异性明显,主要集中在湖里区和翔安区的大嶝岛,尤其是高崎机场和翔安国际机场的建设过程中,海岸线变化最大。

2)2005年厦门陆地面积为1 667.4 km²,2020年增长到1 691.93 km²。增长面积最大为翔安区,最小为同安区,2005—2010年间总面积增加了10 km²。2010—2020年,陆地面积变化最大的地区依然是翔安区,而集美区、思明区和湖里区的陆地面积都有不同程度的减小。

3)15 a间,海湾分形维数整体呈现减小趋势,海湾形状越来越平整,人造海岸比例逐年增加。比较各个区的分形维数,湖里区变化最明显。海岸线平均变化距离在0.5 km附近浮动,形状指数在2.9左右,变化都不明显。主要原因是厦门市,尤其是厦门岛、大嶝岛等开发较早,近几年开发活动减少,影响较弱。人工化指数除2005—2010年大幅增长外,其他年份人工化指数相对稳定。

4)海岸线的变化受到多种因素的影响,其中人口增长、经济发展、政策的出台和改变等都对海岸线的变化产生巨大影响。

志谢

感谢各位审稿专家对本研究的建议和指导。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

毋亭, 侯西勇.

海岸线变化研究综述

[J]. 生态学报, 2016, 36(4):1170-1182.

, Hou

X Y

Review of research on coastline changes

[J]. Acta Ecologica Sinica, 2016, 36(4):1170-1182.

[2]

刘百桥, 孟伟庆, 赵建华, 等.

中国大陆1990—2013年海岸线资源开发利用特征变化

[J]. 自然资源学报, 2015, 30(12):2033-2044.

Liu

B Q

, Meng

W Q

, Zhao

J H

, et al.

Variation of coastline resources utilization in China from 1990 to 2013

[J]. Journal of Natural Resources, 2015, 30(12):2033-2044.

[3]

Solomon

S M

Spatial and temporal variability of shoreline change in the Beaufort-Mackenzie region,Northwest Territories,Canada

[J]. Geo-Marine Letters, 2005, 25(2):127-137.

DOI:10.1007/s00367-004-0194-x URL [本文引用: 1]

[4]

, Hu

, Muller-Karger

F E

, et al.

Shoreline changes in west-central Florida between 1987 and 2008 from Landsat observations

[J]. International Journal of Remote Sensing, 2011, 32(23):8299-8313.

DOI:10.1080/01431161.2010.535045 URL [本文引用: 1]

[5]

Sagar

, Roberts

, Bala

, et al.

Extracting the intertidal extent and topography of the Australian coastline from a 28 year time series of Landsat observations

[J]. Remote Sensing of Environment, 2017, 195:153-169.

DOI:10.1016/j.rse.2017.04.009 URL [本文引用: 1]

[6]

朱俊凤, 王耿明, 张金兰, 等.

珠江三角洲海岸线遥感调查和近期演变分析

[J]. 国土资源遥感, 2013, 25(3):130-137.doi:10.6046/gtzyyg.2013.03.22.

Zhu

J F

, Wang

G M

, Zhang

J L

, et al.

Remote sensing investigation and recent evolution analysis of Pearl River delta coastline

[J]. Remote Sensing for Land and Resources Resources, 2013, 25(3):130-137.doi:10.6046/gtzyyg.2013.03.22.

[7]

王正军, 张鹰, 陈理凡, 等.

从高分辨率卫星影像挖掘海岸冲淤变化信息的方法

[J]. 海洋科学进展, 2012, 30(1):63-68.

Wang

Z J

, Zhang

, Chen

L F

, et al.

Methods for extracting the information of coastal accretion-erosion variations from high-resolution satellite images

[J]. Advances in Marine Science, 2012, 30(1):63-68.

[8]

张汉女.

基于SVM的海岸线提取方法研究[D]. 长春: 东北师范大学, 2010.

Zhang

H N

Coastline extraction using support vector machine from remote sensing image[D]. Changchun: Northeast Normal University, 2010.

[9]

黄海军, 李成治, 郭建军.

卫星影像在黄河三角洲岸线变化研究中的应用

[J]. 海洋地质与第四纪地质, 1994, 14(2):29-37.

Huang

H J

, Li

C Z

, Guo

J J

Application of landsat images to the studies of the shoreline changes of the Huanghe River delta

[J]. Marine Geology & Quaternary Geology, 1994, 14(2):29-37.

[10]

马小峰, 赵冬至, 邢小罡, 等.

海岸线卫星遥感提取方法研究

[J]. 海洋环境科学, 2007, 26(2):185-189.

X F

, Zhao

D Z

, Xing

X G

, et al.

Means of withdrawing coastline by remote sensing

[J]. Marine Environmental Science, 2007, 26(2):185-189.

[11]

叶小敏, 丁静, 徐莹, 等.

渤海湾近30年海岸线变迁与分析

[J]. 海洋开发与管理, 2016, 33(2):56-62.

X M

, Ding

, Xu

, et al.

On the changes of the coastline in Bohai Bay during the last 30 years

[J]. Ocean Development and Management, 2016, 33(2):56-62.

[12]

杨金中, 李志中, 赵玉灵.

杭州湾南北两岸岸线变迁遥感动态调查

[J]. 国土资源遥感, 2002, 14(1):23-28.doi:10.6046/gtzyyg.2002.01.06.

Yang

J Z

, Li

Z Z

, Zhao

Y L

The remote sensing dynamic monitoring of Hangzhouwan banks

[J]. Remote Sensing for Land and Resources, 2002, 14(1):23-28.doi:10.6046/gtzyyg.2002.01.06.

[13]

周良勇, 张志珣, 陆凯.

1985—2002年江苏粉砂淤泥质海岸岸线和围海变化

[J]. 海洋地质动态, 2010, 26(6):7-11.

Zhou

L Y

, Zhang

Z X

, Lu

Shoreline change and reclaimation of silty coast in Jiangsu Province during 1985—2002

[J]. Marine Geology Letters, 2010, 26(6):7-11.

[14]

陈晓英, 张杰, 马毅.

近40年来海州湾海岸线时空变化分析

[J]. 海洋科学进展, 2014, 32(3):324-334.

Chen

X Y

, Zhang

, Ma

Analysis of the spatial and temporal changes of the coastline in the Haizhou Bay during the past 40 years

[J]. Advances in Marine Science, 2014, 32(3):324-334.

[15]

唐江浪, 李涛, 李刚, 等.

厦门及其邻域近40年海岸线变迁

[J]. 海洋地质前沿, 2020, 36(5):14-21.

Tang

J L

, Li

, et al.

Coastiline changes in Xiamen and surrounding areas for the past 40 years

[J]. Marine Geology Frontiers, 2020, 36(5):14-21.

[16]

林松, 俞晓牮, 庄小冰, 等.

厦门岛海岸线分形特性演变规律的研究

[J]. 海洋科学进展, 2020, 38(1):121-129.

Lin

, Yu

X J

, Zhuang

X B

, et al.

Fractal characteristics evolution of coastline of the Xiamen Island

[J]. Advances in Marine Science, 2020, 38(1): 121-129.

[17]

吴一全, 刘忠林.

遥感影像的海岸线自动提取方法研究进展

[J]. 遥感学报, 2019, 23(4):582-602.

Y Q

, Liu

Z L

Research progress on methods of automatic coastline extraction based on remote sensing images

[J]. Journal of Remote Sensing, 2019, 23(4):582-602.

[18]

梁立, 刘庆生, 刘高焕, 等.

基于遥感影像的海岸线提取方法综述

[J]. 地球信息科学学报, 2018, 20(12):1745-1755.

DOI:10.12082/dqxxkx.2018.180152 [本文引用: 1]

近年来,全球气候变暖等原因导致海平面不断升高,人类对海岸带的开发也越来越频繁,海岸带的变化比以前更为活跃,因此精确快速地提取出海岸线并实时监测其变化对我国海岸带的开发规划与利用具有重要的意义。本文详细梳理了国内外利用光学遥感、微波遥感和雷达遥感手段提取瞬时水边线或理论海岸线的方法,对各种经典方法和一些近年来出现的新方法进行了分析和比较,并指出各种方法的适用情况和不足。最后,针对目前中国在此方面的研究现状给出了一些建议。

Liang

, Liu

Q S

, Liu

G H

, et al.

Review of coastline extraction methods based on remote sensing images

[J]. Journal of Geo-information Science, 2018, 20(12):1745-1755.

[19]

侯西勇, 毋亭, 侯婉, 等.

20世纪40年代初以来中国大陆海岸线变化特征

[J]. 中国科学:地球科学, 2016, 46(8):1065-1075.

Hou

X Y

, Wu

, Hou

, et al.

Characteristics of coastline changes in mainland Chinese mainland since the early 1940s

[J]. Scientia Sinica(Terrae), 2016, 46(8):1065-1075.

[20]

李行, 张连蓬, 姬长晨, 等.

基于遥感和GIS的江苏省海岸线时空变化

[J]. 地理研究, 2014, 33(3):414-426.

DOI:10.11821/dlyj201403002 [本文引用: 1]

以江苏省海岸1973-2012年的Landsat MSS/TM/ETM+遥感影像为数据源，利用遥感和GIS技术，对江苏省海岸线的时空变化进行分析。结果表明：显著侵蚀岸段以废黄河口为中心，北至新淮河口，南至双洋港，长度约79.05 km，占研究区岸线总长度的8%；淤涨岸段以弶港为中心，北至运粮河口，南至新中港，长约715.50 km，占72%；其它部分稳定岸段与淤涨岸段相间存在。最大侵蚀速率为-23.37±11.92 m/a，位于废黄河口南侧；最大淤涨速率为445.37±66.80 m/a，位于射阳河口南侧。围垦是江苏省岸线变化的主要因素。总的来看，1973年以来40年间共围垦1912.4 km<sup>2</sup>，1980年前后出现了一个围垦高峰，之后围垦强度明显减弱且进入休养期，90年代以后围垦又普遍加强。

, Zhang

L P

, Ji

C C

, et al.

Spatiotemporal changes of Jiangsu coastline: A remote sensing and GIS approach

[J]. Geographical Research, 2014, 33(3):414-426.

[21]

陈绍炯.

厦门港口与城市经济互动发展研究[D]. 厦门: 集美大学, 2016.

Chen

S J

Research on interactive development of Xiamen port and economy[D]. Xiamen: Jimei University, 2016.