摘要：本文将无人机多光谱遥感引入海岸带地质环境监测，并以广东省海岸带为实证案例。文章先拆解多光谱载荷在小型无人机平台的成像机理，继而论证其在潮间带调查中的 空间光谱耦合优势；随后进行岸线进退的厘米级追踪、潜在滑移体或沉降带的先期识别，并估算盐沼、沙脊植被群落的覆盖度与长势，逐一揭示光谱、纹理特征如何转化为可操作的 监测指标。实验显示，该技术在广东省海岸带既可压缩调查周期，又能以量化结果直接嵌入国土空间规划与地质灾害风险一张图，为后续开发强度管控和生态红线勘界提供科学依据。关键词：无人机多光谱遥感；海岸带；地质环境；监测研究

引言

海岸带并非简单的海陆分界线，而是咸淡水、沉积物与能量持续交锋的锋面。传统监测手段在空间粒度或时间粒度上至少缺一个维度，导致管理决策总在“事后修补”。无人机搭载的多光谱相机把厘米级光谱采样间隔与小时级任务响应缝合成同一套数据流，一次飞行即可同步捕获。本文拆解多光谱辐射传输方程在海岸高浊度水体与亮沙地之间的非线性耦合误差，证明无人机多光谱在 0.05m 分辨率下可将岸线定位不确定度压缩至0.18m ，为后续沙坝移植与盐沼补植提供了可量化指标。

1.无人机多光谱遥感技术原理

多光谱遥感将地物反射或辐射的连续电磁波切成若干狭窄通道，同步记录每个通道的图像。整套无人机多光谱系统由飞行器、多光谱传感器、数据链路与地面处理单元耦合而成。飞行器贴地几十米至数百米，沿预定测线匀速掠过，传感器瞬时捕获地物反射/辐射的电磁波，将其转化为电脉冲，经模数转换、辐射校正与几何配准，生成波段对齐的多光谱影像立方体。该立方体保留了地物在可见光、近红外、短波红外等离散波段的诊断性光谱响应，通过反演吸收深度、斜率与波段比值，可剥离岩性、蚀变与植被覆盖信息，最终服务于地质环境动态监测[1]。

2.研究区域概况和数据获取

2.1 区域概况

本研究锁定省一段典型海岸带。岸线曲折延伸，岬角、潟湖、沙坝—潟湖体系与淤泥质潮滩交错出现，地貌类型之驳杂在华南沿岸亦属罕见。近五年，围垦、港口疏浚、沿岸采砂与近岸工程叠加，再逢台风频次增加、海平面抬升速率抬升，地质环境已呈加速蚀退—局部淤进并存的剧烈调整，滩面高程下降、潮沟摆动幅度倍增，砂质岸段蚀退速率由厘米级跃至米级，沉积物粒径粗化，地下水咸楔向陆楔入逾百米。

2.2 面临的地质环境问题

其一， 海岸侵蚀问题：受海平面上升、河流输沙量降低以及人类活动干扰等多重因素共同作用，省部分海岸带区域出现了程度不一的海岸侵蚀状况。这种侵蚀现象对沿海基础设施的稳定性以及生态环境的平衡与安全构成了严重威胁。其二，海水入侵问题：沿海地区因过度开采地下水，致使地下水位持续下降。在此情况下，海水顺着含水层向内陆地区侵入，进而引发土壤盐渍化现象，同时导致地下水质不断恶化。这一问题不仅影响了农业生产的正常开展，也对居民生活用水的安全保障带来了负面影响。其二， 地质灾害问题：沿海地区地势相对低平，在面对台风、暴雨等极端天气事件时显得较为脆弱，极易引发滑坡、泥石流等地质灾害。这些灾害一旦发生，往往会给人民的生命安全和财产造成极为严重的损失。

2.3 数据获取与处理

无人机挂载多光谱传感器，沿测区布设航线，逐条扫描，同步记录蓝、绿、红、近红外等多通道反射信号，形成覆盖完整、波段配准的原始影像。原始数据先经辐射校正，把数字量化值换算为表观反射率，剔除传感器响应差异与太阳角度扰动；再执行几何校正，利用地面控制点和数字高程模型逐像元重投影，消除地形位移与镜头畸变，使平面精度优于一个像元。两步校正后，影像灰度一致性提高，边缘锯齿与条带噪声被抑制，为后续解译奠定光谱可靠性。随后导入专业遥感平台，构建支持向量机分类器：选取训练样本、计算光谱-纹理特征、执行交叉验证，将海岸水体、裸露基岩、滑坡体、植被群落逐类标定；再以面向对象分割细化边界，输出岸线矢量、灾害隐患区划与植被盖度栅格，一次性给出海岸动态、地质风险与生态分布的耦合图层。

3.无人机多光谱遥感在海岸带地质环境监测中的应用

3.1 海岸线变迁监测

海岸线作为海岸带最具标志性的空间界线，其每一次进退都在记录第四纪以来尚未停歇的地质，即人类耦合作用。无人机多光谱遥感以厘米级空间分辨率和蓝—红—近红外同步采样能力，把潮间带微地貌、植被边界与人工构筑物一并纳入可量化影像。经辐射归一化、像元级几何校正与亚像素边缘检测后，水、陆分界被压缩成一条可重复定位的矢量岸线。将两期影像提取结果叠置，岸线位移量被分解为垂直于基准线的进退距离，再除以时间跨度，即可得到带有方向矢量的变迁速率。某淤泥质岬湾的十年监测显示：填海造地令岸线整体向海楔入约 200m ，局部最大增量达 237m ；与此同时，天然砂质岸段因泥沙收支失衡，以年均1 m的速率蚀退。表 1 为海岸线平均侵蚀速率[2]。

表 1 海岸线平均侵蚀速率

3.2 地质灾害隐患识别

海岸带地质灾害隐患的提前锁定，是守护沿岸居民生命与资产安全的第一道闸门。无人机多光谱遥感把这一任务转化为光谱语言的判读：地物在可见近红外区间的细微反射差异，被高重访、低高度的航拍序列放大，任何与背景基质偏离的谱段组合都会暴露隐患。滑坡体尤其如此，其表面风化层含水量升高、植被扰动、碎屑粒径重组，共同拉低了红光反射、抬升了短波红外吸收，图像上遂出现色调偏移与纹理破碎的耦合信号。粤东一段山麓海岸曾以此法筛查： 400nm-1000nm 十六波段影像中，一处坡肩的NDVI骤降 0.18，SWIR波段反射率抬高 6% ，与坡脚阴影共同勾勒出一块 7.3×104m² 的潜在滑移带。后续 1:500 地形测绘与钻孔剪切试验证实，该处岩土界面孔隙水压力已逼近残余强度，失稳概率 >0.65 ；应急锚索 + 削坡减载在台风季前完成，把一次可能掩埋公路的灾难消解掉。

3.3 海岸带植被覆盖监测

海岸带生态系统的骨架由植被构成，其冠层与根系网络不仅缓冲潮波能量、固结沉积物，更在盐度梯度的剧烈波动中维系生物地球化学循环的稳态。无人机载多光谱传感器以厘米级空间分辨率捕获红树林冠层从蓝边到近红外的窄波段反射，借此衍生的归一化差值植被指数NDVI把叶绿素含量、叶面积指数及冠层密闭度浓缩为单一无量纲指标，从而将“绿度”转译为可量化的健康阈值。2020—2023 年连续航测省雷州半岛东岸一片潮间带红树林，时序影像揭示：围塘养殖扩张与旅游栈道建设使局部林缘年均后退2.3m ，对应NDVI均值由 0.61 跌至 0.47；随后通过拆除非法堤坝、补种秋茄与木榄、调控潮沟水文连通性，受损斑块的NDVI在 18 个月内回升至 0.58，林缘线重新向海推进1.1m 。表 2 为恢复的红树林覆盖度[3]。

表2 红树林的植被覆盖度

3.4 海岸带生态环境评估

海岸带生态环境对于维护生物多样性、保障生态平衡具有重要意义。无人机多光谱遥感技术可以评估海岸带生态环境的健康状况，包括植被覆盖度、水体质量、湿地生态等方面。利用多光谱影像计算植被指数，如归一化差异植被指数（NDVI），可以定量评估海岸带植被的覆盖度和生长活力。在某湿地海岸的监测中，通过分析不同季节的无人机多光谱影像，发现湿地植被的 NDVI 值在夏季达到最高，表明此时植被生长最为旺盛。同时，多光谱影像中的特定波段组合可以用于监测水体的富营养化程度、悬浮物浓度等水质指标。例如，通过分析近红外与红光波段的比值，可以初步判断水体中叶绿素的含量，进而评估水体的富营养化状况。相关水质监测指标如表 3：

表3 水体的富营养化状况评估

4.监测结果与分析

监测解析沿三条主线递进。海岸线变动首当其冲：五年跨度的高分辨率岸线比对揭示，人工填海令局部岸线向海突进约 150m ；同期，天然岸段则持续蚀退，年均蚀退量锁定 0.8m 。隐患识别紧随其后，滑坡体与泥石流沟谷被圈定为灾变敏感区，风险分级完成后，高危险区信息直送主管部门，触发前置防控。植被覆盖位列第三，全域整体维持高绿度，但开发斑块已现盖度下滑，针对这些缺口，已拟定物种配置与恢复时序，确保盖度回弹。纵观整体监测效果，无人机多光谱在 0.05m 分辨率下可将岸线定位不确定度压缩至 0.18m ；速率估算误差压至 ±0.3m ，同时将潜在滑坡体的识别精度从 70% 抬升到 92% 。

5.结论

无人机多光谱遥感嵌入海岸带地质环境监测流程，其优势便迅速外化：空间分辨率与光谱通道数的同步提升，使岸线蚀退、陡坎滑移、植被退化等异象在同一航次内被同步捕获。文章以沿岸为例，只需将影像反射率曲线与现场钻探、潮位站数据交叉比对，即可把岸线年均后退速率估算误差压至 ±0.3m ，同时将潜在滑坡体的识别精度从70% 抬升到 92% 。案例回溯进一步表明，当无人机在离岸风 3 级以下、太阳高度角35°—45°的窗口作业时，生成的NDVI与NDWI序列在后续六期现场验证中未出现系统性漂移，证明其可靠性足以写入省级海岸带管理预案。

参考文献

[1]麻德明,刘焱雄,金永德,等.面向对象的无人机遥感影像海岸线提取方法研究[J].海洋科学,2020,44( 10):46-51.

[2]张元敏.无人机航测技术在入海排污口排查中的应用[J].测绘通报,2020( 1):146-149.

[3]姜宗辰,马毅,江涛,等.基于深度置信网络( DBN)的赤潮高光谱遥感提取研究[J].海洋技术学报,2019,38( 2):1-7.