EN中文

热带地理 >

2025 , Vol. 45 >Issue 3: 489 - 503

DOI: https://doi.org/10.13284/j.cnki.rddl.20240441

东南亚研究

钦州湾与马尼拉湾岸线时空变化与围填海分析

  • 张文良 , 1 ,
  • 郭俊丽 1 ,
  • 刘卓成 1, 2 ,
  • 时连强 , 1, 3 ,
  • 龚照辉 4 ,
  • 张达恒 5
展开
  • 1. 自然资源部第二海洋研究所 海岸带与海岛研究中心，杭州 310012
  • 2. 南京大学 地理与海洋科学学院，南京 210023
  • 3. 自然资源部第四海洋研究所 广西北部湾海洋资源环境与可持续发展重点实验室，广西 北海 536000
  • 4. 深圳市城市规划设计研究院股份有限公司，广东 深圳 400020
  • 5. 中国地质调查局海口海洋地质调查中心，海南 海口 571127
时连强（1977—），男，山东青州人，正高级工程师，主要研究方向为河口海岸过程与资源环境效应，（E-mail）。

张文良（2000—），男，山东昌乐人，硕士研究生，主要研究方向为海岸带资源环境遥感，（E-mail）；

收稿日期: 2024-07-02

  修回日期: 2024-09-04

  网络出版日期: 2025-03-14

基金资助

自然资源部专项业务费项目(CB202202015)

自然资源部第四海洋研究所基本科研业务费资助项目(202109)

收起

Analysis of Spatial and Temporal Shoreline Changes and Reclamation in the Qinzhou Bay and the Manila Bay

  • Wenliang Zhang , 1 ,
  • Junli Guo 1 ,
  • Zhuocheng Liu 1, 2 ,
  • Lianqiang Shi , 1, 3 ,
  • Zhaohui Gong 4 ,
  • Daheng Zhang 5
Expand
  • 1. Research Center for Coast and Island, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou 310012, China
  • 2. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
  • 3. Guangxi Key Laboratory of Beibu Gulf Marine Resources, Environment and Sustainable Development, Fourth Institute of Oceanography, Ministry of Natural Resources, Beihai 536000, China
  • 4. Urban Planning & Design Institute of Shenzhen, Shenzhen 400020, China
  • 5. Haikou Marine Geological Survey Center, China Geological Survey, Haikou 571127, China

Received date: 2024-07-02

  Revised date: 2024-09-04

  Online published: 2025-03-14

Fold

摘要

近40年来，中国钦州湾和菲律宾马尼拉湾海岸线发生了显著变化，了解其变化规律对区域海岸带管理和规划具有重要意义。文章基于Google Earth Engine （GEE）平台，利用改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和大津（Otsu）算法，结合数字岸线分析系统（Digital Shoreline Analysis System, DSAS），对两地近40年的海岸线时空变化特征及其驱动因素进行分析。结果表明，1987—2022年，钦州湾海岸线长度增加了44.78 km，总体呈现向海推进趋势，平均变化速率达6.81 m/a，自然岸线占比不断下降而人工岸线比例上升。相比之下，马尼拉湾海岸线变化相对较小，总长度减少1.05 km，平均变化速率为2.36 m/a，自然岸线占比持续下降。钦州湾围填海强度指数和年均空间扩展速率均大于马尼拉湾。两地海岸线演变的特征均是受到围填海活动的显著影响，而港口码头建设和围海养殖是围填海的主要驱动因素。

关键词： 遥感; 海岸线; 围填海; 钦州湾; 马尼拉湾

本文引用格式

张文良 , 郭俊丽 , 刘卓成 , 时连强 , 龚照辉 , 张达恒 . 钦州湾与马尼拉湾岸线时空变化与围填海分析[J]. 热带地理, 2025 , 45(3) : 489 -503 . DOI: 10.13284/j.cnki.rddl.20240441

Abstract

Over the past 40 years, significant changes have occurred along the coastlines of Qinzhou Bay in China and Manila Bay in the Philippines. Understanding the patterns of these changes is important for the management and planning of coastal zones. This study is based on the Google Earth Engine platform, using the modified normalized difference water index, combined with the Otsu algorithm and the Digital Shoreline Analysis System, to extract the coastlines of Qinzhou Bay in China and Manila Bay in the Philippines over the past 40 years, and then analyze the spatiotemporal variation characteristics of the two coastlines and the situation of reclamation. The results show that in the past 40 years, the coastline of Qinzhou Bay has generally advanced towards the sea, with a coastline length increase of 44.78 km, an average End Point Rate(EPR)of 6.81 m/a, and average Linear Regression Rate(LRR)of 6.16 m/a. Natural coastline length continued to decrease, whereas the proportion of artificial coastlines continued to increase. The Index of Coastline Utilization degree (ICUD) values show an upward trend, whereas the Index of Coastline Type Diversity (ICTD) values show a continuously decreasing trend. The Manila Bay coastline first increased and then decreased, with an overall decrease of 1.05 km—a relatively small change. The coastline also shows a trend of advancing towards the sea with an average EPR of 2.36 m/a and average LRR of 2.32 m/a. The proportion of natural coastlines continued to decline, whereas that of artificial coastlines gradually increased. The ICUD values showed a steadily increasing trend, whereas the ICTD values showed a downward trend. The cumulative area of reclamation in Qinzhou Bay has reached 6,674.27 hm2, with an average annual expansion rate of 196.30 hm2/a. Reclamation activities were significantly active and large-scale. However, the cumulative reclamation area of Manila Bay is only 1,718.59 hm2, with an average annual expansion rate of 50.55 hm2/a, indicating relatively limited reclamation activities. The reclamation intensity index and annual spatial expansion rate of Qinzhou Bay were higher than those of Manila Bay. Overall, compared to Manila Bay, the Qinzhou Bay coastline exhibited more significant characteristics in terms of change amplitude, change speed, and reclamation intensity. Reclamation activities have a significant impact on coastline changes, and port and dock construction and aquaculture are the main driving factors for reclamation.

Key words： remote sensing; coastline; reclamation; Qinzhou Bay; Manila Bay

海岸线是海洋与陆地的分界线，海岸带地区由于人类活动的高度干预，使得海岸线发生了剧烈变化，海岸线的变化与沿岸地区的生态环境和社会经济发展密不可分，其动态演化过程长期以来都是国际海陆相互作用和全球气候、生态变化的重要研究内容之一（Crowell et al., 1991; Fairchild et al., 2001; Ekercin, 2007；葛振鹏 等，2014；毋亭，2016；赵连杰 等，2022）。由于遥感卫星影像和地理信息系统GIS技术提取和监测海岸线信息具有范围广，耗时短，获取数据成本低等众多优势，已成为海岸线信息监测获取的重要技术手段（张静 等，2020）。对于提取海岸线，主要有2种方法：一种是人工目视解译，另一种是计算机自动提取（李梦 等，2022）。
目视解译对解译人员的专业技能要求较高，容易受主观因素影响，工作量较大，但连续性和精度较高。岸线自动提取的方法主要有影像分类法（Fairchild et al., 2001）、数字图像处理（徐涵秋，2005；Sheng et al., 2012；李鹏 等，2020）、阈值分割法（孙晓林 等，2019；谢春艳 等，2021；Zhu et al., 2021）等。其中，影像分类法主要包括监督分类法和非监督分类法（龚照辉 等，2022），该方法提取的岸线精度较高，但结果易受样本以及分类器选取的影响。数字图像处理常用的方法是边缘检测法，该方法对人工岸线的识别提取效果较好，当水陆边界特征不明显时分割效果较差。阈值分割法是利用各种光谱指数提取岸线，操作简单，但提取精度需验证。
Google Earth Engine（GEE）作为一个强大的云计算平台，提供了高效的解决方案，结合丰富的空间分析工具，能处理大规模遥感数据，从而显著提高岸线提取的效率与准确性。多项研究证明了GEE在海湾岸线分析中的广泛应用。如Chu等（2020）利用GEE对杭州湾海岸线进行遥感提取，揭示了其时空变化特征；Almeida等（2021）通过改进的归一化水体指数和Otsu阈值算法分析科帕卡巴纳海湾岸线，展示了在复杂水体环境下GEE的应用潜力；马梓程等（2022）利用GEE平台实现了巽他海峡东部海湾岸线的提取与预测，探索了该地区岸线变化的趋势与影响因素；赵士祺等（2023）基于Landsat影像提取了1985—2020年胶州湾的岸线信息，并深入探讨了变化的驱动因素；尹楠楠等（2023）通过多期遥感数据分析了粤港澳大湾区的岸线变化特征。综上所述，GEE平台已成为岸线监测和分析的重要工具。
钦州湾和马尼拉湾二者纬度范围相差不大，并且均为半封闭型海湾，又都位于亚洲东海岸，濒临南海，受其水动力条件影响显著，在气候和生态环境等方面具有较高的相似性。但由于两国沿海地区不同的国情和发展路径，它们在社会经济发展水平和国家政策指导上存在较大差异。在此背景下，钦州湾与马尼拉湾海岸线与围填海呈现怎样的时空变化规律值得研究。
为此，本文基于GEE平台，结合MNDWI与Otsu算法，对中国广西钦州湾和菲律宾马尼拉湾地区海岸线信息进行提取，分析两湾海岸线的时空变迁与围填海特征，并探讨其影响因素，以期为两国海湾岸线资源的可持续开发利用与生态保护提供参考。

1 研究区概况

钦州湾位于广西海岸中段，是广西甚至中国西南地区连通东南亚各国，进入国际市场的重要出海通道。钦州湾由外湾（钦州湾）和内湾（茅尾海）构成，中部狭小，南面开阔且连通北部湾，其他三面为陆地环绕，是一个半封闭型海湾。钦州湾多年平均潮差在2~4 m，属不正规全日潮，有钦江、茅岭江等中小河流汇入（黎树式 等，2018；冯炳斌 等，2022），同时，湾内岛屿众多，岸线曲折，海滩广阔。钦州湾的研究范围为21°33'35"—21°57'50" N、108°28'35"—108°45'50" E。以2022年岸线为基础划分钦州湾岸线，分为大陆岸线A~H段和岛屿岸线Ⅰ~Ⅳ段（图1-a），其中，东头村—红沙群岛为A段，红沙群岛—茅岭港为B段，茅岭港—石角为C段，石角—细墩窑为D段，细墩窑—旧营盘为E段，旧营盘—大米龙为F段，大米龙—榕树灶为G段，榕树灶—东花根段为H段。海岛岸线分为Ⅰ、Ⅱ、Ⅲ、Ⅳ段。
图1 中国钦州湾与菲律宾马尼拉湾位置及海岸线岸段划分

注：地图基于国家地理信息公共服务平台网站截取的审图号为GS（2024）0568号的地图制作，底图无修改。

Fig.1 Location and coastal segment division of the Qinzhou Bay in China and the Manila Bay in Philippines

菲律宾马尼拉湾，位于吕宋岛西南部，是菲律宾面积最大的商业渔场，也是东南亚最重要的大港湾之一，其东北岸与吕宋岛中部平原相接，沿岸海水水深最深处约为40 m，属半日潮港，平均潮差为1 m，潮差起伏小（朱国强，2015）。该区域的研究范围为14°16'10"—14°46'14" N、120°28'10"—120°59'10" E。以2022年岸线为基础划分马尼拉湾岸线，分为大陆岸线I~P段和岛屿岸线2段（图1-b），其中，巴丹半岛为I段，巴丹半岛北部—马卡贝贝为J段，马卡贝贝—布拉干为K段，布拉干—马拉邦为L段，马拉邦—帕西格为M段，帕西格—卡威特为N段，卡威特―卡维特为O段，卡维特—特尔纳特为P段。海岛岸线分为Ⅴ、Ⅵ两段。

2 数据与方法

2.1　数据来源

基于GEE平台 1，为降低云量与潮汐的影响，选取拍摄时刻为低云量且不同潮位条件的影像。潮汐数据来自国家海洋信息中心和美国国家海洋和大气管理局 2。遥感影像的具体日期和分辨率见表1所示。
表1 用于海岸线提取的Landsat影像

Table 1 Landsat images for shoreline extraction

区域 卫星/传感器 成像时间 分辨率/m 潮高/cm 云量/% 卫星/传感器 成像时间 分辨率/m 潮高/cm 云量/%
钦州湾 Landsat5/TM 1987-10-26 30 365 0.03 Landsat5/TM 1987-09-08 30 296 6
1996-10-02 386 5 1996-01-04 221 9
2005-10-11 422 0.02 2006-10-30 205 0.03
Landsat8/OLI 2014-01-05 402 1.22 Landsat8/OLI 2014-01-21 452 1.44
Landsat9/OLI-2 2022-01-19 332 17.15 Landsat9/OLI-2 2022-12-21 321 16.73
马尼拉湾 Landsat5/TM 1988-03-03 30 152 14 Landsat5/TM 1989-04-07 30 144 15
1997-04-29 114 13 1997-06-16 159 16
2004-07-05 202 10 2004-04-16 112 17
Landsat8/OLI 2014-02-07 267 4.28 Landsat8/OLI 2015-10-24 116 8.59
Landsat8/OLI 2022-01-12 130 14.78 Landsat8/OLI 2022-05-12 94 15.37

2.2　岸线提取与解译方法

参考国内外岸线调查评估统计的方法（毋亭，2016；王厚军 等，2021），并结合研究区人类社会经济活动对岸线的开发利用方式，将研究区岸线类型划分为自然岸线和人工岸线2个一级类，然后一级岸线进行进一步划分，划分为6个二级岸线类别。自然岸线的二级类别包括基岩岸线、砂质岸线、淤泥质岸线和生物岸线。其中，生物岸线的主要类型可分为红树林岸线、珊瑚礁岸线和海草床岸线。本研究区生物岸线主要为红树林岸线。红树林生长在潮滩或沼泽区，平均大潮高潮淹没潮滩及沼泽区，红树林内边界即为高潮线位置，因此，红树林生物岸线的位置确定在红树林内边界上，海岸线以下为红树林（任治敏 等，2018）；人工岸线按照特征被划分为围垦养殖岸线和工程建设岸线。
为获取不同时期的海岸线，首先在GEE平台上对影像数据进行调用与预处理，并基于图像像元计算MNDWI；然后利用Otsu算法对MNDWI图像进行分割处理，得到二值化图像，其中灰度值为0的像元代表陆地，灰度值为1的像元代表水体；最后基于平台，结合ArcGIS和ENVI等对二值化图像进行矢量转换、碎斑去除、拓扑检查、平滑线等处理得到海岸线矢量数据（图2）。
图2 岸线提取流程

Fig.2 Extraction process of shoreline

提取出的矢量数据还需校正，参照已有用于潮汐数据校正海岸线的方法（申家双 等，2009；贾明明 等，2013；毕京鹏，2019；卫诗韵 等；2023）进行不同岸线类型的提取。人工岸线、基岩岸线，岸线边界较固定易分辨校正；砂质、淤泥质岸线需结合潮汐数据和平均大潮高潮线，即平均高水位面与海岸的交线进行校正；生物岸线，需对生物海岸的内边界线进行校正，即红树林和养殖区、陆地植被的边界等。经过校正后最终得到所需海岸线数据。MNDWI是在NDWI（Normalized Difference Water Index）的基础上，通过重新选择组合波段的方式，对NDWI指数进行修改，其对混有建筑信息和阴影的水体识别效果更好。其计算公式为：
M N D W I = G r e e n - M I R G r e e n + M I R
式中：Green为Landsat系列遥感影像的绿光波段；MIR为中红外波段。
为实现图像分割阈值的自动选取，采用Otsu算法（Otsu, 1979），该方法通过选定一个合适阈值，使前景与背景图像的类内方差最小、类间方差最大，从而实现图像的自动二值分类。

2.3　岸线提取精度验证

利用ArcGIS对提取的2022年钦州湾岸线进行缓冲处理，生成缓冲距离分别为15、30、45和60 m的缓冲区，检验缓冲区内钦州湾岸线实测点数（2022年7月实地测量），累计占比越大，数量越多，精度越高。共有2 011个实测点，在0.5个像元内的点占比为51.32%，在1个像元内的点累计占比为74.79%，在2个像元内的点累计占比为96.57%，说明提取效果较好。由于马尼拉湾缺少实测数据，故利用2022年Google Earth高分辨率影像随机选取1 500个检测点，以提取的海岸线为基准岸线，生成缓冲区，统计检测点在缓冲区的个数。马尼拉湾海岸线提取精度平均误差控制在一个半像元以内，符合研究需要（表2）。
表2 研究区岸线提取精度验证

Table 2 Verification of shoreline extraction accuracy in the research area

区域 距离/m 点数/个 占比/% 累计占比/%
钦州湾 ≤15 1032 51.32 51.32
>15~30 472 23.47 74.79
>30~45 304 15.12 89.91
>45~60 134 6.66 96.57
>60 69 3.43 100
马尼拉湾 ≤15 965 64.33 64.33
>15~30 221 14.73 79.06
>30~45 104 13.07 92.13
>45~60 134 4.20 96.33
>60 76 3.67 100

2.4　海岸线变迁分析

为分析研究区海岸线时空变化特征，采用数字岸线分析系统（Digital Shoreline Analysis System, DSAS）。DSAS基于遥感数据、地理信息系统（GIS）技术和数学模型，可从多期遥感影像或地理数据中提取海岸线的位置，并量化海岸线的变化。该系统可用于研究海岸侵蚀、沉积、河口冲淤等自然过程，以及人类活动对海岸线的影响。该系统通过海岸线基线生成海岸带横断剖面计算海岸线时空变化速率，包括端点变化速率（End Point Rate, EPR）和线性回归速率（Linear Regression Rate, LRR）。其中，端点变化速率公式为（毋亭，2016）：
E P R = D m - D n Y m - Y n
式中：Dm 和Dn 分别为第m年海岸线和第n年海岸线到基线的距离；Ym 和Yn 分别为第m年和第n年；EPR为正值，表示岸线向海扩张；EPR为负值，表示岸线向陆蚀退。
LRR是通过最小二乘法拟合剖面线与海岸线的交点计算岸线的变化速率（毋亭，2016），公式为：
y = a m x + b m
b m = n ∑ i n x i y i - ∑ i n x i ∑ i n y i n ∑ i n x i 2 - ( ∑ i n x i ) 2
a m = ∑ i x i 2 ∑ i y i - ∑ i x i ∑ i x i y i n ∑ i x i 2 - ( ∑ i x i ) 2
式中：am 与bm 为各岸段剖面上拟合回归线的斜率与截距； x i为 i时相的X轴坐标位置； y i为垂直于岸线走向的某一剖面上 i时相点与基线点间的距离； n为时相个数。LRR为正值，表示岸线向海扩张；LRR为负值，表示岸线向陆蚀退。
为分析研究区岸线利用类型的多样性，结合土地利用类型多样性指数的构建方法，通过构建岸线类型多样性指数（Index of Coastline Type Diversity，ICTD）表示研究区岸线利用类型的多样性和发展趋势，公式为（钱健 等，2018）：
I C T D = 1 - ∑ i n L i 2 ∑ i n L i 2， I C T D ∈ ( 0,1 )
式中：n为研究区内岸线类型的数量；Li 为第i种岸线的长度；ICTD指数越小，表示研究区内的岸线组成结构越简单，岸线类型越单一；ICTD指数越大，表示研究区内岸线类型多样性程度越高，岸线类型越丰富，岸线组成结构越复杂。
为进一步分析人类社会经济活动对岸线的影响程度，采用岸线利用程度综合指数（Index of Coastline Utilization Degree, ICUD），该指数公式为（毋亭，2016）：
I C U D = ∑ i = 1 n A i × C i × 100
式中：n为研究区所有岸线类型的总数；Ai 为第i类岸线的人力作用强度指数；Ci 为研究区第i类岸线的长度所占岸线长度的百分比，不同类型的岸线人力作用强度指数如表3所示。ICUD指数越小，表示研究区内岸线受人类社会活动干扰的程度越低，海岸带生态系统的自我调节能力越强，恢复力越高；ICUD指数越大，表示研究区内岸线受人类因素干扰的程度越高，人工岸线也越难恢复为自然岸线。
表3 不同类型岸线人力作用强度指数

Table 3 Strength index of manpower of different types of shoreline

一级岸线类型 二级岸线类型 人力作用强度指数
自然岸线 基岩岸线 1
砂质岸线 1
生物岸线 1
淤泥质岸线 1
人工岸线 围垦养殖岸线 2
工程建设岸线 3

2.5　围填海开发强度分析

为分析海岸带围填海开发强度，以单位岸线长度（km）上承载的围填海面积（hm2）表示围填海强度指数（R），公式为（宋艳华 等，2021；龚照辉 等，2022）
R = S / L
式中：S为研究区内累计围填海总面积；L为研究区基准年的岸线总长度。围填海强度划分为5个等级（表4）。
表4 围填海强度等级

Table 4 Intensity class of reclamation

R值/（hm2·km-1） 强度级别 指标意义
0 ≤ R <10 1级 围填海开发程度较低，开发潜力大
10 ≤ R < 20 2级 围填海压力较小，具有较大发开潜力
20 ≤R < 50 3级 围填海到达一定程度，继续开发受一定限制
50 ≤ R < 100 4级 围填海压力大，不宜继续围填海
R ≥ 100 5级 围填海压力巨大，确有需要可拆除原有围填海项目
围填海的速率用年均空间扩展速率（V）描述，公式为（宋艳华 等，2021）：
V = S m - S n T
式中：Sm 为起始年份研究区围填海面积；Sn 为结束年份研究区围填海面积； T为起始年份与结束年份之间时间间隔。

3 结果分析

3.1　钦州湾海岸线时空变迁特征

1987—2022年，钦州湾海岸线长度增加了44.78 km，岸线长度表现为先减少后增加再减少的态势（图3）。其中，1987—1996年岸线长度减少了39.09 km，年均减少速率为4.34 km/a，该阶段大部分岸线还未开发，自然岸线保有率较高；1996—2005与2005—2014年，岸线长度增长，岸线处于持续发展状态，前一阶段的增长幅度和年均增长速率都远超后一阶段；2014—2022年，岸线长度呈减少状态，但仅减少了12.58 km。
图3 钦州湾各年份海岸线分布

Fig.3 Distribution of coastline in the Qinzhou Bay by year

从空间上看，1987—2022年钦州湾海岸线总体表现为向海迁移（图4），平均EPR为6.81 m/a，平均LRR为6.16 m/a。钦州湾各段岸线变化存在较大差异，大陆岸线中大米龙—榕树灶、旧营盘—大米龙段，即G和F段处于重度扩张状态，其中，G段海岸线最大EPR为186.31 m/a，LRR为190.95 m/a，岸线变迁速率达到峰值（图5）。而其他岸段扩张程度相对较轻。各段岸线的EPR平均值从高到低依次为：G、F、H、B、E、C、D、A；LRR平均值从高到低顺序与EPR高度相似，仅C、D两段略有不同，海岛岸线中IV段岸线变迁速率最大。
图4 1987—2022年钦州湾海岸线EPR分布

Fig.4 Distribution of EPR along the coastline of the Qinzhou Bay during 1987-2022

图5 1987—2022年钦州湾海岸线EPR和LRR

Fig.5 The EPR and LRR along the coastline of the Qinzhou Bay from 1987 to 2022

1987—2022年，由于港口码头的规划建设与围垦养殖，钦州湾自然岸线长度持续减少（图6），其中生物岸线和淤泥质岸线减少量最显著，分别达到85.99和94.74 km。与此同时，人工岸线所占比例持续增加，从1987年的46%到2022年的88%，自然岸线渐被侵蚀，各种自然岸线类型受损。围垦养殖岸线长度先增加后减少，2014年达到峰值349.11 km，而工程建设岸线长度则呈持续增长趋势。
图6 1987—2022年钦州湾海岸线类型变化

Fig.6 Changes in coastline types of the Qinzhou Bay from 1987 to 2022

近40年来钦州湾ICTD值处于持续减小的态势（图7-a），表明岸线类型多样性程度不断降低，自然岸线受到侵蚀，人工岸线不断扩张。1987—1996年，ICTD从0.75减小到0.69，所有岸线类型中淤泥质岸线和生物岸线的侵蚀下降比例最大，大部分转化成人工岸线。1996—2005年，ICTD减小0.12，工程建设岸线占比持续增加。2005—2014与2014—2022年这2个阶段钦州湾ICTD值均减小了0.01，减幅远低于前2个阶段，至2014年，人工岸线的占比超过了80%，其中，围垦养殖岸线的占比远大于工程建设岸线，地区大力发展围垦养殖业，滩涂面积也持续向海扩张；2022年人工岸线占比达到8成以上，自然岸线向人工岸线持续过渡。近40年，钦州湾ICUD值处于持续增长状态（图7-b），表明岸线开发利用程度不断加强，岸线持续向海扩张。1987—2022年钦州湾岸线变化总体上可分为2个阶段，以2005年为节点，1987—2005年为第一阶段，2005—2022年为第二阶段。由于海岸保护力度的不断加强，地区发展方向进行调整，第一阶段岸线开发利用程度增幅明显大于第二阶段，2005年以后岸线开发利用程度增速有所减缓。
图7 钦州湾海岸类型结构及多样性指数（a）、利用方式及利用程度综合指数（b）

Fig.7 Structure and diversity index of different coastal types in the Qinzhou Bay (a), comprehensive index of utilization mode and utilization degree (b)

3.2　马尼拉湾海岸线时空变迁特征

由图8可知，1988—2022年，马尼拉湾岸线分布不断发生变化。马尼拉湾海岸线处于先增长后减少的状态，从1988—2022年岸线整体减少了1.05 km，变化幅度较小，开发潜力大，生态海岸趋于稳定。1988—1997与1997—2004年，岸线长度都呈增长状态，但前一阶段1988—1997年的增幅和年均增长速率都超过后一阶段1997—2004年。2004—2014与2014—2022年，岸线长度则呈减少状态，同样地，前一阶段的减幅和年均减少速率均超过后一阶段，至2022年岸线长度达到极值，最短为293.47 km。1988—2022年，马尼拉湾海岸线总体而言同样表现为向海迁移（图9），平均EPR为2.36 m/a，平均LRR为2.32 m/a（图10）。岸线变化程度较大的区域主要集中在马拉邦—帕西格、帕西格—卡威特的码头港口区（M、N段），其他区域由于人类经济活动干预程度较低，岸线变化幅度较小。各段岸线的EPR平均值从高到低依次为：M、N、K、I、L、O、J、P段，LRR值K、L段略有调整，海岛岸线各段变迁速率均较小。
图8 马尼拉湾各年份海岸线分布

Fig.8 Distribution of coastline in the Manila Bay by year

图9 1988—2022年马尼拉湾海岸线EPR分布

Fig.9 Distribution of EPR along the coastline of the Manila Bay during 1988-2022

图10 1988—2022年马尼拉湾海岸线EPR和LRR

Fig.10 The EPR and LRR along the coastline of the Manila Bay during 1988-2022

1988—2022年，马尼拉湾自然岸线占比持续下降（图11），其中生物岸线缩减程度最剧烈。与此同时，由于地区经济发展和渔业资源的需求日益扩大，导致人工岸线占比不断增加，围垦养殖岸线长度在2004年之前不断增加，工程建设岸线长度则持续增加，到2022年达到最大134.61 km。
图11 1988—2022年马尼拉湾海岸线类型变化

Fig.11 Changes in coastline types of the Manila Bay from 1988 to 2022

近40年来马尼拉湾ICTD值持续减小（图12-a），呈下降趋势，表明马尼拉湾岸线类型多样性程度不断降低。以1997年为节点，可分为2个阶段，其中，1988—1997年，马尼拉湾ICTD降幅较小，从0.66下降到0.65，仅减少了0.01，围垦养殖岸线比例有所增加，3种自然类型岸线所占比例均有所减少。1997年以后，马尼拉湾ICTD值减幅较上一个阶段明显增大。1997—2022年，围垦养殖岸线所占比例基本保持相对稳定，约占一半左右，工程建设岸线占比增长显著，从1997年的39%增长到2022年的46%，而其他3种自然岸线占比均有所减少。近40年，马尼拉湾ICUD值持续增大（图12-b），呈上升趋势，表明岸线开发利用程度不断加强，自然岸线受损，自然岸线持续向人工岸线类型转化。1988—2022年马尼拉湾岸线变化总体上可分为2个阶段，以1997年为节点，1988—1997年为第一阶段，1997—2022年为第二阶段。第一阶段岸线开发利用程度变化较小，相对稳定，ICUD值仅增加了2点；1997年以后岸线开发利用程度增速较上一个阶段明显增加，到2022年人工岸线占比超过9成，自然岸线基本转化为人工岸线。
图12 马尼拉湾海岸类型结构及多样性指数（a）、利用方式及利用程度综合指数（b）

Fig.12 Structure and diversity index of different coastal types in the Manila Bay (a), comprehensive index of utilization mode and utilization degree (b)

3.3　钦州湾与马尼拉湾海岸线时空变迁特征对比

近40年，钦州湾海岸线变迁程度较马尼拉湾更剧烈，钦州湾平均EPR、LRR均大于马尼拉湾，沿岸区域发展节奏更快。钦州湾岸线长度增加了44.78 km，而马尼拉湾岸线长度减少了1.05 km。两湾自然岸线长度均不断减少，人工岸线持续向海扩张。以1996年为节点，1996年之前钦州湾ICTD值大于马尼拉湾，1996年之后钦州湾ICTD值小于马尼拉湾，表明1996年之前钦州湾岸线类型多样性程度更高，1996年之后低于马尼拉湾。

3.4　钦州湾围填海变化

由于人类开发活动不断加剧，钦州湾地区的围填海活动也在不断地增强，围填海强度指数呈现持续上升趋势。钦州湾围填海主要集中在旧营盘-榕树灶沿岸（图13），至2022年，研究区累计围填海面积共增加6 674.27 hm2，平均每年新增围填海196.30 hm2。不过，不同年代钦州湾围填海面积与年均空间扩展速率均存在显著差异。前者在1987—1996年最小，后者在2005—2014年最大。1987—1996年，钦州湾岸线类型多为自然岸线，人工岸线也以围垦养殖岸线为主，围填海分散分布，分块面积也较小，平均围填海强度指数为4.62 hm2/km，强度等级为1级。1996—2005年，围填海主要集中在旧营盘-大米龙沿岸，平均围填海强度指数8.55 hm2/km，强度等级仍为1级。2005—2014年，钦州湾围填海面积快速增长，各岸段存在较大差异，但仍集中在旧营盘-榕树灶沿岸，主要用于港口码头规划建设，研究区的平均围填海强度指数为18.87 hm2/km，强度等级为2级。2014—2022年，新增围填海面积较2005—2014年大幅减少，强度等级为3级。
图13 1987—2022年钦州湾围填海面积变化

Fig.13 Changes in reclaimed area of Qinzhou Bay from 1987 to 2022

3.5　马尼拉湾围填海变化

马尼拉湾地区的围填海活动也不断加强，围填海强度指数逐年上升。围填海区域主要集中在研究区北部围垦养殖区和马拉邦-帕西格段的港口码头区（图14），围填海面积较大的时期分别是1988—1997和2014—2022年，面积分别为765.18和423.91 hm2。至2022年，研究区累计围填海面积1 718.59 hm2，平均每年新增围填海50.55 hm2。马尼拉湾围填海强度＜10 hm2/km，表明整体上马尼拉湾围填海压力轻微，开发潜力很大。
图14 1988—2022年马尼拉湾围填海面积变化

Fig.14 Changes in reclaimed area of the Manila Bay from 1988 to 2022

3.6　钦州湾与马尼拉湾围填海比较

近40年来钦州湾累计围填海面积达到6 674.27 hm2，而马尼拉湾则仅为1 718.59 hm2，后者比前者少了4 955.68 hm2。钦州湾围填海强度指数在20世纪80年代和90年代都明显低于马尼拉湾，而在其他时期则远超马尼拉湾。20世纪80年代两湾围填海用途主要为围垦养殖，且在空间上都较为分散；到了21世纪初，两地逐渐转向以港口码头建设为主，围填海相对集中。此外，围填海活动对两地海岸线的变迁影响显著，在很大程度上加剧了海岸线的人工化，改变了岸线的构成和长度。

4 讨论

4.1　钦州湾岸线驱动因素分析

引起海岸线变化的原因主要有3方面：1）河流输沙量变化导致海岸淤进或蚀退造成岸线变化；2）社会经济活动、海岸带开发引起的岸线变化；3）政府政策的推动引起的岸线变化。
近40年来钦州湾主要入海河流—钦江的径流量呈缓慢下降趋势（图15），而输沙量下降趋势明显（黎树式 等，2018）。已有研究表明，在河流径流量、输沙量持续减小的条件下，海岸线长度与河流径流量、输沙量的相关性很低（朱琳 等，2023），入海河流径流量、输沙量对海岸线长度的变化影响不大。考虑到钦江的年均输沙量仅有（20.89~30.56）×104 t（黎树式 等，2018），属于非常小的量级，因此，钦江来沙对钦州湾岸线的影响极为有限。
图15 钦江陆屋站年均流量变化（a）和年均输沙率变化（b）

Fig.15 Annual average flow variation (a), and annual average sediment transport rate variation (b) of the Qinjiang Luwu Station

钦州湾沿岸地区的社会经济活动主要涵盖：围海养殖、堤坝修建、港口码头建设以及填海造陆用于工商业和城镇发展等。根据1987—2022年钦州市人口、GDP与ICUD、ICTD关系（图16-a、b），钦州市人口、GDP和ICUD都呈逐年增长态势，人口和ICUD，GDP和ICUD之间存在正相关，说明人口的增长、社会经济的发展促进岸线变化；而人口、GDP和ICTD之间存在一定负相关，海岸带的开发利用导致自然岸线长度不断缩减，人工岸线不断扩张，造成自然岸线逐渐向人工岸线转化过渡。40年间钦州市人口、GDP快速增长，2020年人口是1995年的121%，GDP是1995年的15倍，人口、经济的增长，导致对渔业资源的需求增加，而渔业生产力和技术却无法快速提高，只能通过扩大围海养殖用地规模来增加产量，进而对海岸线分布、类型演化造成影响。
图16 钦州市GDP、人口与岸线利用强度指数关系（a）以及与岸线类型多样性指数关系（b）

Fig.16 The relationship between GDP, population, and shoreline utilization intensity index (a) and shoreline diversity index (b) in Qinzhou City

围填海等社会经济活动导致钦州湾海岸线的剧烈变化。这些岸线变迁剧烈的地区主要为钦州湾40年来增加的围垦养殖区或建造的港口码头等公用事业开发区，岸线类型均为人工岸线，说明围填海活动是岸线变迁速率发生显著变化的主要根源。20世纪80与90年代钦州湾岸线变化原因均以围垦养殖为主，如钦州湾红沙群岛北部部分区域（A段），岸线向海扩张，原有的滩涂、湿地小岛被连接起来进行围海养殖，岸线裁弯取直。到21世纪00与10年代，围填海活动对海岸线变化的影响越来越显著，钦州湾海岸线变化的最主要原因是港口码头建设，如钦州湾旧营盘―大米龙（F段）和大米龙―榕树灶段（G段），仅2018年钦州保税港区建立的11个码头泊位，就完成95.10 hm2的填海造陆（李梦 等，2022）。
此外，政府政策也是影响岸线变化的一个重要潜在因素。1997年钦州港口岸正式对外开放，成为国家第七个一类口岸。2008年国务院批准设立广西钦州保税港区，促进钦州湾港口码头的建设。21世纪10年代以后，随着开发政策的调整，围填海的速度有所下降，2018年，国家印发了《加强滨海湿地保护严格管控围填海的通知》（中华人民共和国国务院，2018），对围填海进行严格把控，更明确围填海的审批程序、标准和限制，并对违法行为进行处罚，加大对湿地生态环境的保护力度，确保被占用或破坏的湿地和海洋生态系统得到合理的保护和恢复，对自然岸线向人工岸线的演化起一定的缓解抑制作用，同时促进了自然岸线的恢复。由此可见，海岸带地区开发政策的转变会对土地资源的利用产生影响，进而促使海岸带地区改造加速，导致岸线分布发生变化。

4.2　马尼拉湾岸线驱动因素分析

马尼拉湾主要入海河流—帕西格河沿岸岸线类型主要为工程建设岸线，河流径流量和输沙量等自然因素变化对岸线的变迁影响较小，围垦养殖和填海造陆是马尼拉湾岸线变化的主要驱动因素。20世纪80与90年代，马尼拉湾岸线变化主要是围垦养殖导致的，如马尼拉湾巴丹半岛北部—马卡贝贝（J段），岸线向海扩张。到21世纪00和10年代以后，人类活动加剧，马尼拉湾海岸线变化的主要原因是港口码头建设，如马尼拉湾马拉邦—帕西格（M段）。
20世纪80与90年代菲律宾因政局不稳等原因导致经济发展受到限制，国家对岸线的管理和开发重视程度不高（朱国强 等，2015），而马拉邦—帕西格（M段）段位于首都马尼拉沿岸，凭借有力的地理位置带动沿岸的开发，后期随着菲律宾政局的稳定，国家经济得到发展，为满足经济发展的需求，国家对海岸线的管理开发日渐重视，岸线变迁速度加快，尤其是马尼拉湾港口码头区域变化最为显著。

4.3　岸线变化预测和评价

通过对比分析，钦州湾和马尼拉湾近40年来岸线变化呈现一些共同特点，但也存在明显差异。两湾岸线变化的主要驱动因素都是人类活动，如围填海、港口建设等，而自然因素如河流径流和输沙的影响相对较小。相比马尼拉湾，钦州湾岸线的变化幅度更大，变化速度更快，围填海活动也更活跃和规模化。
为切实提高滨海湿地保护水平，严格管控围填海活动，2018年国家印发了《加强滨海湿地保护严格管控围填海的通知》，自2022-06-01起施行《中华人民共和国湿地保护法》，在很大程度上抑制了围填海活动和海岸线向外扩张的速度。但随着平陆运河项目于2022-08-28动工建设，未来钦州湾岸线可能会出现缓慢向海推进、自然岸线减少、人工岸线增加等变化趋势。平陆运河起点为南宁市横州市西津库区平塘江口，经钦州市灵山县陆屋镇沿钦江干流南下进入北部湾钦州港海域。航道施工需占用部分岸线资源和红树林面积，导致自然岸线减少，人工岸线增加。运河建成后必然会改变钦州湾的来水来沙条件，增加入海径流量和输沙量，可能会导致入海口泥沙淤积，岸线向海推进。同时，平陆运河的建设可能会带动海岸沿线地区港口、码头等基础设施的开发建设，造成人工岸线增加，自然岸线减少。
21世纪以来马尼拉湾累计围填海面积不断增加，呈上升趋势。近年来马尼拉湾地区政府正在开展一些围填海活动，以满足城市发展的需求。2019—2022年，当地政府批准了多个大型填海项目，如那莫沓斯市（Navotas）、帕赛市（Pasay）和马尼拉市“马尼拉地平线”（Horizon Manila）等共计超过1 000 hm2的填海项目，这些填海项目未来将显著增加可用陆地面积，推动岸线向海扩张，自然岸线向人工岸线转化。

5 结论

本文以中国钦州湾和菲律宾马尼拉湾为研究对象，利用GIS和遥感技术，分析了近40年两地岸线的时空演变特征与围填海变化规律，得出以下主要结论：
1）与马尼拉湾相比，钦州湾岸线的变化呈现更为显著的特点。钦州湾的岸线长度增加了44.78 km，呈持续向外扩张的趋势，变化幅度远大于马尼拉湾。同时，钦州湾的岸线变化速度（EPR和LRR）分别达到6.81 和6.16 m/a，远高于马尼拉湾仅2.36 和2.32 m/a的变化速度。这可能与两地的经济发展水平、城市化进程以及相关政策法规存在的差异密切相关。
2）钦州湾与马尼拉湾围填海活动强度存在差异。钦州湾累计的围填海面积达6 674.27 hm2，年均扩展速率196.30 hm2/a，围填海活动明显更为活跃和规模化。而马尼拉湾的累计围填海面积仅为1 718.59 hm2，年均扩展速率50.55 hm2/a，围填海活动相对较为有限。总体上，与马尼拉湾相比，钦州湾岸线在变化幅度、变化速度以及围填海强度等方面都表现出更为显著的特点。
3）沿岸河流来沙对钦州湾和马尼拉湾海岸线变迁的影响不明显。人口的增长、经济社会的发展与海岸线的开发利用密不可分。围填海活动对海岸线的变迁影响最为显著，而港口码头建设、围垦养殖是围填海的主要驱动因素。

脚注

1 http://earthengine.googl-e.com

2 https://www.noaa.gov

张文良：野外调查、数据处理、图件制作、论文撰写与修改；

郭俊丽：研究思路、论文修改、方法指导；

刘卓成：野外调查、论文修改；

时连强：研究思路、方法指导、论文修改、基金支持；

龚照辉、张达恒：野外调查、数据处理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Almeida L P, Oliveira I E D, Lyra R, Dazzi R L S, and Klein A H D F. 2021. Coastal Analyst System from Space Imagery Engine (CASSIE): Shoreline Management Module. Environmental Modelling and Software, (6): 105033.

毕京鹏．2019．海岸线时空变迁遥感监测与分析——以泰国和马六甲海峡为例．青岛：山东科技大学．

Bi Jingpeng. 2019. Remote Sensing Monitoring and Analysis of Temporal and Spatial Changes of Coastlines: A Case Study of Thailand and Malacca Strait. Qingdao: Shandong University of Science and Technology.

Chu L X, Francis O, Martin S, Dirk T, Daniel H, Thomas B, and Iulian T. 2020. Monitoring Long-Term Shoreline Dynamics and Human Activities in the Hangzhou Bay, China, Combining Daytime and Nighttime EO Data. Earth Big Data, 4(3): 1-23.

Crowell M, Leatherman S P, and Buckley M K. 1991. Historical Shoreline Change: Error Analysis and Mapping Accuracy. Journal of Coastal Research, 7(3): 839-852.

Ekercin S. 2007. Coastline Change Assessment at the Aegean Sea Coasts in Turkey Using Multitemporal Landsat Imagery. Journal of Coastal Research, 23(3): 691-698.

Fairchild I J, Baker A, Borsato A, Frisia S, Hinton R W, Mcdermott F, and Tooth A F. 2001. Annual to Sub-Annual Resolution of Multiple Trace-Element Trends in Speleothems. Journal of the Geological Society, 158(5): 831-841.

冯炳斌，王日明，黎树式，黄鹄，胡宝清．2022．钦州湾人工海滩剖面变化过程．热带海洋学报，41（4）：51-60．

Feng Bingbin, Wang Riming, Li Shushi, Huang Hu, and Hu Baoqing. 2022. Changes of the Artificial Beach Profile in the Qinzhou Bay. Journal of Tropical Oceanography, 41(4): 51-60.

葛振鹏，戴志军，谢华亮，魏稳，林益帆，高近娟．2014． 北部湾海湾岸线时空变化特征研究．上海国土资源，35（2）：49-53．

Ge Zhenpeng, Dai Zhijun, Xie Hualiang, Wei Wen, Lin Yifan, and Gao Jinjuan. 2014. Temporal and Spatial Characteristics of the Shoreline along the Beibu Gulf. Shanghai Land & Resources, 35(2): 49-53.

龚照辉，时连强，张达恒，张华国．2022．中越典型港湾海岸线与围填海的遥感比较——以防城湾和海防港为例．海洋学研究，40（3）：62-72．

Gong Zhaohui, Shi Lianqiang, Zhang Daheng, and Zhang Huaguo. 2022. Comparative Study on Remote Sensing of Coastlines and Reclamation of Typical Bays in China and Vietnam: Taking Fangcheng Bay and Haiphong Port as Examples. Journal of Marine Sciences, 40(3): 62-72.

贾明明，刘殿伟，王宗明，汤旭光，董张玉．2013．面向对象方法和多源遥感数据的杭州湾海岸线提取分析．地球信息科学学报，15（2）：262-269．

Jia Mingming, Liu Dianwei, Wang Zongming, Tang Xuguang, and Dong Zhangyu. 2013. Coastline Extraction and Analysis of Hangzhou Bay Using Object-Oriented Method and Multi-Source Remote Sensing Data. Journal of Geo Information Science, 15(2): 262-269.

黎树式，黄鹄．2018．近50年钦江水沙变化研究．广西科学，25（4）：409-417．

Li Shushi and Huang Hu. 2018. Variations of Runoff and Sediment in Qinjing River in the Past 50 Years. Guangxi Sciences, 25(4): 409-417.

李梦，曹庆先，胡宝清，姜宁．2022．近60年广西钦州湾岸线变迁与开发利用空间格局评价．海洋技术学报，41（6）：76-86．

Li Meng, Cao Qingxian, Hu Baoqing, and Jiang Ning. 2022. Spatial Pattern Change of the Coastline Development and Utilization of Qinzhou Bay in Recent 60 Years. Journal of Ocean Technology, 41(6): 76-86.

李鹏，普思寻，李振洪，王厚杰．2020．2000年以来胶州湾海岸线光学与SAR多源遥感变化监测研究．武汉大学学报（信息科学版），45（9）：1485-1492．

Li Peng, Pu Sixun, Li Zhenhong, and Wang Houjie. 2020. Coastline Change Monitoring of Jiaozhou Bay from Multi-Source SAR and Optical Remote Sensing Images Since 2000. Geomatics and Information Science of Wuhan University, 45(9): 1485-1492.

马梓程，陈思，张倩，贾凤鸣，何博彧．2022．基于DSAS模型协同GEE长时序影像的巽他海峡东海岸岸线变迁时空分析及预测．资源环境与工程，36（6）：836-842．

Ma Zicheng, Chen Si, Zhang Qian, Jia Fengming, and He Boyu. 2022. Spatiotemporal Analysis and Prediction of Coastline Changes in the East Coast of the Sunda Strait Based on DSAS Model and GEE Long Time Series Images. Resources Environment&Engineering, 36(6): 836-842.

Otsu Nobuyuki. 1979. A Threshold Selection Method from Gray-Level Histograms. IEEE Trans. Syst. Man. Cybern, 9: 62-66.

钱健，陈立红，丰卫华，向芸芸，王志富．2018．椒江口海域围填海强度及环境影响分析．海洋开发与管理，35（9）：62-66．

Qian Jian, Chen Lihong, Feng Weihua, Xiang Yunyun, and Wang Zhifu. 2018. Analysis of Reclamation Intensity and Environmental Impact in Jiaojiang Estuary. Ocean Development and Management, 35(9): 62-66.

任治敏，易慧，阮明浩．2018．深圳市岸线资源遥感调查．城市勘测，（1）：45-51．

Ren Zhimin, Yi Hui, and Ruan Minghao. 2018. The Study of Coastline in Shenzhen City Based on Remote Sensing. Urban Geotechnical Investigation & Surveying, (1): 45-51.

Sheng G F, Yang W, Deng X P, He C, Cao Y F, and Sun H. 2012. Coastline Detection in Synthetic Aperture Radar (SAR) Images by Integrating Watershed Transformation and Controllable Gradient Vector Flow (GVF) Snake Model. IEEE Journal of Oceanic Engineering, 37(3): 375-383.

申家双，翟京生，郭海涛．2009．海岸线提取技术研究．海洋测绘，29（6）：74-77．

Shen Jiashuang, Zhai Jingsheng, and Guo Haitao. 2009. Study on Coastline Extraction Technology. Marine Surveying and Mapping, 29(6): 74-77.

宋艳华，焦利民，刘稼丰，许刚．2021．城市扩张程度的影响因素分析——以武汉市为例．武汉大学学报（信息科学版），46（3）：417-426．

Song Yanhua, Jiao Limin, Liu Jiafeng, and Xu Gang. 2021. Analysis of the Factors Affecting the Degree of Urban Expansion: Taking Wuhan City as an Example. Geomatics and Information Science of Wuhan University, 46(3): 417-426.

孙晓林，吴孟泉，田佳慧，陆嘉琪，于涵．2019．近30年威海市海岸线时空变化及其驱动力．应用海洋学学报，38（2）：206-213．

Sun Xiaolin, Wu Mengquan, Tian Jiahui, Lu Jiaqi, and Yu Han. 2019. Driving Forces and Spatio-Temporal Variation of Weihai Coastline in Recent 30 Years. Journal of Applied Oceanography, 38(2): 206-213.

王厚军，袁广军，刘亮，林宁．2021．海岸线分类及划定方法研究．海洋环境科学，40（3）：430-434．

Wang Houjun, Yuan Guangjun, Liu Liang, and Lin Ning. 2021. Effective Methodologies for Coastline Classification and Delimitation. Marine Environmental Science, 40(3): 430-434.

卫诗韵，付东洋，刘大召，徐华兵，李高聪，程阳艳．2023．改革开放40年深圳海岸线变化的遥感监测．热带地理，43（5）：986-1004．

Wei Shiyun, Fu Dongyang, Liu Dazhao, Xu Huabing, Li Gaocong, and Cheng Yangyan. 2023. Remote Sensing Monitoring of Shenzhen Coastline Changes over the Past 40 Years. Tropical Geography, 43(5): 986-1004.

毋亭．2016．近70年中国大陆岸线变化的时空特征分析．烟台：中国科学院烟台海岸带研究所．

Wu Ting. 2016. Analysis of Spatio-Temporal Characteristics of Mainland Coastline Changes in China in Nearly 70 years. Yantai: Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences.

谢春艳，李峙，张建兵．2021．防城港-钦州的海岸线遥感监测与时空分析．测绘地理信息，46（2）：25-29．

Xie Chunyan, Li Zhi, and Zhang Jianbing. 2021. Remote Sensing Monitoring and Spatial-Temporal Analysis of Coastal Lines between Fangchenggang City and Qinzhou City. Journal of Geomatics, 46(2): 25-29.

徐涵秋．2005．利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究．遥感学报，（5）：589-595．

Xu Hanqiu. 2005. A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index(MNDWI). Journal of Remote Sensing, (5): 589-595.

尹楠楠，汤军，杨元维，高贤军，宋树华．2023．1989―2021年粤港澳大湾区海岸线变迁及土地利用变化．海洋地质前沿，39（5）：1-11．

Yin Nannan, Tang Jun, Yang Yuanwei, Gao Xianjun, and Song Shuhua. 2023. Variations of Shoreline and Land Use in Guangdong-Hong Kong-Macao Greater Bay Area from 1989 to 2021. Marine Geology Frontiers, 39(5): 1-11.

张静，景海涛，樊盛华．2020．基于海岸线数据库的遥感图像海陆分割．电子测量技术，43（23）：115-120．

Zhang Jing, Jing Haitao, and Fan Shenghua. 2020. Sea-Land Segmentation for Remote Sensing Imagery Based on Coastline. Database. Electronic Measurement Technology, 43(23): 115-120.

赵连杰，吴孟泉，郑龙啸，栾绍鹏，赵贤峰．2022．胶东半岛北部海岸线时空变迁及驱动分析．自然资源遥感，34（4）：87-96．

Zhao Lianjie, Wu Mengquan, Zheng Longxiao, Luan Shaopeng, and Zhao Xianfeng. 2022. Temporal-Spatial Changes and Driving Analysis of the Northern Shorelines of Jiaodong Peninsula. Remote Sensing for Natural Resources, 34(4): 87-96.

赵士祺，徐艳东，陈建强，魏潇，王玉祯．2023．基于GEE的1985—2020年胶州湾形态变化及驱动因素分析．海洋湖沼通报，45（6）：12-18．

Zhao Shiqi, Xu Yandong, Chen Jianqiang, Wei Xiao, and Wang Yuzhen. 2023. Morphological Change of Jiaozhou Bay from 1985 to 2020 Its Driving Factors as Were Revealed with GEE. Transactions of Oceanology and Limnology, 45(6): 12-18.

中华人民共和国国务院.2018.国务院关于加强滨海湿地保护严格管控围填海的通知. （2018-07-14）[2023-10-25]. https://www.gov.cn/gongbao/content/2018/content_5313946.htm.

The State Council of the People's Republic of China. 2018. Notice of the State Council on Strengthening the Protection of Coastal Wetlands and Strictly Regulating Sea Reclamation. (2018-07-14)[2023-10-25]. https://www.gov.cn/gongbao/content/2018/content_5313946.htm.

朱国强．2015．近30年南海周边国家海岸线时空变化研究．兰州：兰州交通大学．

Zhu Guoqiang. 2015. Research on Spatial-Temporal Changes of Coastline in Countries around the South China Sea in Recent Three Decades. Lanzhou: Lanzhou Jiaotong University.

朱琳，黄玉玲，杨刚，孙伟伟，陈超．2023．基于GEE的杭州湾海岸线遥感提取与时空演变分析．自然资源遥感，35（2）：50-60．

Zhu Lin, Huang Yuling, Yang Gang, Sun Weiwei, and Chen Chao. 2023. Information Extraction and Spatio-Temporal Evolution Analysis of the Coastline in Hangzhou Bay Based on Google Earth Engine and Remote Sensing Technology. Remote Sensing for Natural Resources, 35(2): 50-60.

Zhu Q T, Li P, Li Z H, Pu S X, Wu X, Bi N S, and Wang H J. 2021. Spatiotemporal Changes of Coastline over the Yellow River Delta in the Previous 40 Years with Optical and SAR Remote Sensing. Remote Sensing, 13: 1940

Options
文章导航

/

〈 〉