【文献速递】RSE|S2Coast-2023——首个基于Sentinel-2增强合成影像的全球10米分辨率海岸线数据集

一、摘要

海岸线是陆地和海洋生态系统的动态界面。尽管卫星遥感技术的进步促进了海岸线监测，但由于其 10 米分辨率和频繁重访能力，尚未产生基于 Sentinel-2 影像的综合性全球海岸线数据集。为解决这一问题，我们提出了基于 Google Earth Engine（GEE）平台的知识框架S2Coast，旨在从年度合成的 Sentinel-2 影像中自动检测统一的高水位线（HWL），称为 HWL_Sentinel-2 。该方法整合了多时相观测信息、光谱特征和空间特征，以界定云无卫星影像中一年内稳定的高海水淹没范围。所得“陆-水”二值化图像中的边界代表 HWL_Sentinel-2，通过三层决策的综合阈值分割得到。随后进行了栅格到矢量的转换和优化步骤。经过12275个子任务的顺序执行，最终生成的 S2Coast-2023 数据集包含约217万公里的海岸线，覆盖所有大陆和大部分面积超过 100 平方米的岛屿（不包括南极洲和遥远的极地岛屿）。基于 1146 个样本的全球验证表明，开发的工具 S2Coast 表现出强大的稳定性和普适性，在比较连续年份（2021 年至 2023 年）重复生成的海岸线时，平均 88%的样本海岸线段落在 10 米缓冲区内。对于定位精度，使用 532 个高分辨率图像作为参考数据的 OpenStreetMap 海岸线样本，揭示了平均定位偏差为-1.10 米（95% CI：-2.06 至-0.15 米），平均均方根误差（RMSE）为 17.40 米（95% CI：16.23 至 18.65 米）。作为首个具有 10 米分辨率和统一海岸线指标的全球海岸线数据集，它将成为未来海岸研究的关键基础资源。

二、研究背景

海岸线作为陆海生态系统的动态界面，受陆地通量、海洋水动力和人类活动的影响而持续变化。尽管卫星遥感技术已促进海岸线监测，且其具备10米分辨率和高频重访能力，但尚无基于Sentinel-2影像的综合性全球海岸线数据集。当前领域存在以下缺口：现有全球海岸线数据集多源于Landsat或Google Earth影像，分辨率有限（如30米），且依赖瞬时水线提取，对潮汐波动和地形变化敏感，导致位置不确定性。此外，海岸地貌多样性（如沙滩、基岩、湿地）阻碍了统一指标的应用，而光学影像的云污染和水位相关偏差进一步增加了全球统一制图的挑战。本研究的重要性在于填补这一空白，通过开发Sentinel-2驱动的全球海岸线数据集，为沿海管理、气候适应和减轻灾害风险提供高精度基础数据。

三、研究方法

研究区域：全球沿海地带，排除南极和偏远极地岛屿，聚焦六种典型海岸类型：沙滩、基岩、红树林、盐沼、人工海岸和悬崖。

数据来源：采用Sentinel-2 Level-2A地表反射率产品（通过GEE获取），并辅以OpenStreetMap（OSM）海岸线作为参考。

关键技术：S2Coast框架，这是一个知识驱动的处理流程，包括以下核心步骤：

数据筛选与预处理：云覆盖率<70%、针对不同纬度的太阳高度角阈值、高纬度区域雪冰覆盖率≤5% 的阈值，以及确保数据量的最低10张可用影像

**波段计算与影像合成**：利用归一化水体指数（NDWI）、改进归一化水体指数（MNDWI）和归一化植被指数（NDVI），采用差异化合成策略（如NDWI均值合成、MNDWI前20%均值合成）以增强特征。

**特征增强与影像融合**：通过拉普拉斯卷积和高斯滤波生成空间增强层，并通过NDVI与MNDWI合成影像作差创建植被增强层，以突出海岸边界。

**图像分割**：基于全局固定阈值组合（如S2Coast-beach用于沙滩，S2Coast-veg用于湿地）进行“陆地-水域”分类，集成冗余设置确保全局普适性。

**后处理与矢量化**：包括对象导向重分类、形态学闭合操作，以及局部矢量化和平滑处理，最终生成连续陆地多边形。

四、研究结果

数据集概览：S2Coast-2023数据集总海岸线长度约217万公里，其中大陆海岸线约80.93万公里（亚洲214,619公里、非洲80,078公里等），岛屿海岸线约136.01万公里（覆盖743,526个岛屿）。与OSM数据集（约162万公里）相比，S2Coast-2023在主要河口（如亚马逊河、恒河）捕获更广河网，但约4%海岸线因提取失败而引用OSM数据（标记为“Source: OSM coastline”）。全球对比显示S2Coast-2023（红色）在多种海岸类型中一致性高，但复杂区域细节略逊于OSM（Fig.9）。

方法稳定性：基于1146个样本的重复测试，S2Coast框架在连续年份（2021-2023）海岸线比较中表现出高稳定性。10米缓冲区检查显示平均88%海岸线段落 within 缓冲区，20米缓冲区检查平均比率达0.93。沙滩海岸稳定性较低（10米缓冲检查平均比率0.83），而基岩海岸最高（0.91）（Fig.10）。

位置精度：以OSM海岸线为参考，532个样本的验证显示，S2Coast-2023整体平均位置偏差（MPE）为-1.10米（95% CI: -2.06至-0.15米），平均RMSE为17.40米（95% CI: 16.23至18.65米）。不同海岸类型精度各异：湿地海岸精度最高（RMSE 15.67米），沙滩海岸较低（RMSE 21.67米），主要因潮汐波动和地形平缓导致偏差（Fig.11）。

潮汐对齐能力：潮汐高度模拟显示，约74%的样本区域捕获≥3次高潮影像，但11%无高潮同步，导致S2Coast生成海岸线与平均高水位线（MHWL）间存在系统偏移。案例研究（Fig.12）表明，在缓坡沙滩，S2Coast-beach子模块与MHWL对齐更佳，但集成框架因冗余设置可能高估陆地。

五、讨论与结论

创新性：本研究首次提出基于Sentinel-2年度合成影像的全球10米分辨率海岸线数据集，通过HWL(Sentinel-2)统一指标和GEE云平台实现自动化制图，解决了现有数据在分辨率和潮汐敏感性方面的缺口。方法创新包括多特征融合和固定阈值分割，无需大量标注数据，提升了计算效率。

局限性：首先，高纬度地区因冰雪覆盖被排除，限制全球完整性；其次，Sentinel-2重访与潮汐周期不完全同步，导致海岸线与MHWL间存在偏差，尤其在宏观潮汐环境；最后，10米分辨率对复杂海岸细节捕捉不足，且部分区域（约4%）依赖OSM数据，引入外部误差。这些局限未来可通过扩展时序窗口或融合多源数据改进。

意义：首次利用Sentinel-2年度合成影像和GEE云平台，实现全球尺度10米分辨率海岸线的自动提取，并定义统一指标HWL(Sentinel-2)，克服了单时序影像的局限性。

（该文仅是个人略读结果，总结过程中使用了翻译软件和大模型，细节若有问题欢迎指正）

文章具体信息

标题：S2Coast-2023: The first global 10-meter resolution coastline dataset derived from enhanced Sentinel-2 composite imagery using Google Earth Engine

S2Coast-2023——首个基于Sentinel-2增强合成影像的全球10米分辨率海岸线数据集

期刊：Remote Sensing of Environment

影响因子：11.4

文章类型：Article

作者（一作第一;通讯第一）：Yuanqiang Duan; Chunpeng Chen

单位（一作第一;通讯第一）：State Key Laboratory of Estuarine and Coastal Research, East China Normal University, Shanghai 200241, China

东华大学河口海岸学国家重点实验室，上海 200241，中国

论文发表（或online）日期：2025.12.08

DOI：

https://doi.org/10.1016/j.rse.2025.115186

引用量（谷歌学术）：0

信息查询日期：2025.12.09

（点击下方【阅读原文】直达文献）