软件X 18（2022）101073原始软件出版物Picoastal：一种低成本的海岸视频监控系统Caio Eadi Stringaria，b，Hana Poweraa澳大利亚纽卡斯尔大学环境和生命科学学院工程、科学和环境学院b现在在加拿大工作ar t i cl e i nf o文章历史记录：2021年9月30日收到收到修订版，2022年2月10日接受，2022年保留字：海岸监测计算机视觉图像处理树莓派a b st ra ct本文介绍了支持低成本视频摄像机系统的代码，该系统设计用于监测近岸环境（例如，沙滩，岩石海岸），基于低成本的Raspberry Pi计算机板和Python编程语言。这里描述的产品（picoastal）能够执行所有主要任务（例如，视频记录、统计图像计算和地理参考），而其他商业化的、更昂贵的系统所提供的成本只有其一小部分（低于500美元）。因此，Picoastal的目标是寻找低成本和开源替代方案的沿海研究人员和管理人员，以监测其海岸的威胁，如海岸侵蚀和一般海滩游客的安全。版权所有©2022作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本v1用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-21-00188Code Ocean compute capsule法律代码许可证MIT使用git的代码版本控制系统使用Python、OpenCV、Tensorflow的软件代码语言、工具和服务编译要求，操作环境依赖性Linux（Ubuntu 20.04和Raspbery Pi Os）如果可用，链接到开发人员文档/手册https://github.com/caiostringari/picoastal/blob/master/README.md问题支持电子邮件https://github.com/caiostringari/picoastal/issues1. 动机和意义本文介绍了一个开源代码，使低成本的海岸视频监控与特定的应用程序，以沙滩。自Argus系统开发以来，使用相机监测海滩一直是海岸科学、工程和管理的重要方面[1与Argus一起开发的技术已经成为标准的研究方法，并且已经发展到产生商业操作（例如，Waves’n’See [虽然有封闭源代码和部分开源软件再现了Argus的功能，但据我们所知，目前还没有处理数据收集和后处理的[4]）。这通讯作者：纽卡斯尔大学，环境与生命科学学院，工程学院，科学与环境，澳大利亚。电子邮件地址：caio. gmail.com（Caio Eadi Stringari），hannah.newcastle.edu.au（Hannah Power）。https://doi.org/10.1016/j.softx.2022.101073本文提出了一个代码库，旨在再现阿格斯的功能，在一个低成本，开源格式。描述了两种支持的硬件系统：（1）使用FLIR机器视觉相机的更昂贵的系统Argus海岸监测站通常由一个或多个安装在高处的摄像机组成，以倾斜角度记录近岸[3]。视频数据通常在每小时开始时以2Hz记录10 min周期根据记录的图像，计算两个统计图像：时间平均值和方差[3]。最亮和最暗的图像也存储在某些Argus部署中。已知地面控制点（GCPs）的像素（i和j）和真实世界（x，y，z另一种方便的数据分析技术是从每个快照中提取横岸方向上的一行像素，并将其在时间上叠加，以获得2352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxCaio Eadi Stringari和Hannah Power软件X 18（2022）1010732Fig. 1. 支持的两种硬件配置的示例。(a)前视红外摄像系统。注意7“显示器的使用，显示器外壳的背面可见，一个可选的太阳能电池板(b)Raspberry Pi HQ摄像头系统注意没有显示。在这个测试中，系统由（主）智能手机控制使用VNC协议。Raspberry Pi和主智能手机都连接到使用辅助智能手机创建的热点表1两种测试硬件配置的核心组件成本。 所有价格均以美元计算，不含税。FLIR成本树莓派成本相机FLIR Flea USB 3695.00HQ相机50.00透镜Tanrom 6毫米169.95Tanrom 6毫米169.95板Raspbery Pi 4B 4 Gb55.00Raspberry Pi 3B+35.00SSDRaspbery NOOBS12.95Raspbery NOOBS12.95显示7’’79.95––情况7’’ Display14.95HQ相机盒6.99存储金士顿32 GB9.99金士顿32 GB9.99功率Ankler 20000 mAh69.00Ankler 20000 mAh69.00三脚架徽章三脚架69.00徽章三脚架69.00总1,171.78418.87被称为时间堆栈的区域[8]。所有这些标准功能均已实现，并在第3.2节中举例说明。作为该项目的应用和实用性的直接示例，本文所述的代码和硬件的早期版本已成功部署在澳大利亚悉尼皇家国家公园的著名旅游景点Figure 8中由于游客在游泳池所在的岩石平台上被海浪淹没和冲刷而受伤，该网站引起了媒体和政府的关注在这次部署中收集的数据用于开发风险预测工具[10]，旨在为公园游客提供有关何时可以安全访问该网站的信息。因此，这项工作的目标是描述一个低成本的沿海监测系统与相关的开源代码（授权下的GNU通用公共许可证（GPL）V3）。希望这将有助于研究人员和管理人员，特别是那些预算很少的研究人员和管理人员，更好地监测其海岸线，更好地了解海岸侵蚀等问题，并监测其海岸的一般海滩游客安全。2. 支持的硬件支持两种硬件配置。第一个配置包括一个Raspberry Pi 4B，4 GbRAM 和 一 个 FLIR USB 3 摄 像 头 。 第 二 个 由 Raspberry Pi 3B+ 和Raspberry Pi高质量（HQ）相机模块组成。在这两种情况下，Raspberry Pi都是由一个移动电源供电的，连接到太阳能电池板，数据写入USB驱动器。 Raspberry Pi可以连接到支持的显示器，但这不是必需的，并且该系统可以使用虚拟网络计算（VNC）协议，使用智能手机，平板电脑或其他计算机，只要树莓派连接到互联网（例如，使用外部4G调制解调器[9]）。VNC服务器预装并配置了Raspberry Pi和VNC可视化客户端。之所以选择Raspberry Pi板，是因为它们价格便宜，易于访问，并且有很好的文档记录。在前视红外相机的情况下，相机的选择是出于质量考虑（例如，传感器质量，快门速度和构建质量）以及Raspberry Pi HQ相机的成本和开源硬件。表1显示截至2021年9月各组成部分的大致成本。其他硬件选择（计算机和相机）也是可能的，并且应该相对容易集成到代码库中，以便用户熟悉Linux和Python开发，并且只要相机能够与OpenCV库接口（参见第3节）。 图 1显示了两种硬件配置。3. 软件描述Picoastal是一系列python 脚本，命令外壳（例如，bash）。命令行界面（CLI）可用于所有脚本通过python有些脚本（在文档中指出）有一个简单的图形用户界面（GUI）。代码是为Python 3.7+编写的。表格数据输入/输出通过CSV或JSON文件完 成 ， 图 像 数 据 使 用 JPEG 或 PNG 图 像 管 理 ， 视 频 使 用MPEG4h.264编码器编码，大型二进制文件以netCDF 4或二进制格式输出。该软件的主要依赖是OpenCV库[11]，它提供了图像和视频处理的核心功能，如数据输入/输出，相机校准，姿态估计（即，知道摄像头和目标的位置在三维空间中）和摄像机馈送流。对于FLIR相机，Spinnaker软件开发工具包（SDK）[12]及其Python绑定是必需的。 该SDK是项目中使用的唯一非开源库，但它可以从FLIR免费获得，并且与相机购买无关（参见第4节的含义），并且可以与OpenCV接口（尽管不容易）。Raspberry Pi HQ摄像头驱动程序与计算机板一起提供，并与OpenCV无缝连接。其他Python库，如numpy[13]，scipy[14]和matplotlib[15]在整个代码中使用。为了定义图像捕获周期，使用Linux的任务调度器cron [ 16 ]来完成操作调度Caio Eadi Stringari和Hannah Power软件X 18（2022）10107333.1. 软件构架图二、（ a）皮海岸代码储存库结构。（b）典型捕获周期工作流程示例3.2. 软件功能和说明性示例图图2-a示出了源代码树的表示，图2-b示出了源代码树的表示。 2-b显示了一个典型的工作流程。主代码（src）分为五个分支：rpi和flir，包含为两种硬件配置中的每一种捕获图像所需的脚本;calibration，包含相机校准脚本;post，包含模仿Argus管道的post图像收集脚本支持库文件位于lib文件夹中，未来出版物的正在进行的实验特性位于exp文件夹中，doc包含用于记录的文件，样本数据（Boomerang Beach，参见第3.2.3节）存储在数据文件夹中。3.2.1. 图像数据采集图像捕获代码位于src/rpi或src/flir中，这取决于使用的硬件和脚本capture.py负责数据采集。在这两种情况下，相机设置（根据用户体验和现场条件定义），包括图像大小，传感器偏移，帧速率，曝光和ISO，从JSON文件中读取并传输到相机硬件。JSON文件中的其他参数控制系统将获取图像的时间、保存数据的位置、捕获数据的时间以及包括电子邮件通知、统计图像计算和时间堆栈提取的后处理选项。JSON配置文件的示例可以在代码存储库中找到（src/rpi/fly_rpi.json和src/flir/fly_flir.json）。Caio Eadi Stringari和Hannah Power软件X 18（2022）1010734图3.第三章。（a）默认ChAruCO校准板。（b）使用Raspberry Pi HQ相机的在线校准脚本示例提供了相机流脚本（stream.py），以便轻松地将相机定位在正确的方向并聚焦镜头（无需捕获数据）。此脚本通常与连接到计算机的显示器一起使用，但也可以通过VNC协议工作，因此允许将智能手机或平板电脑用作相机显示器。由于SDK设计的差异，将捕获和流式传输脚本合并到两个相机共享的单个源文件中是不请注意，Raspberry Pi HQ摄像头设置允许使用MPEG4h.264编码器进行直接视频编码，该编码器使用计算机主板而FLIR相机的设置则不可能做到这一点，因为使用FLIR的SDK无法将此任务卸载到GPU上，导致帧速率非常低这两款相机的推荐图像在此分辨率下，Raspberry Pi HQ相机可以轻松地以20 Hz进行记录，而FLIR相机仅管理2 Hz。3.2.2. 摄像机标定推荐的摄像机校准方法使用ChAruCO [17]校准板，此任务的代码位于src/calibration中。该过程对于获得用于消除镜头失真的镜头和相机的内部参数以及计算相机的位置[ 18 ]是必要的ChAruCO校准方法将基于棋盘[18]的传统方法与独特的AruCO标记物[17]混合。有效地，棋盘中的每个方块都有一个可以检测和跟踪的唯一标记。这允许相机校准，即使一些标记被遮挡或仅板的一部分可见，这是标准棋盘方法所不可能的。校准可以使用脚本calib_ChArUco_offline.py离线完成（对于任何相机），也可以使用ChArUco_online_calibration_rpi.py或ChArUco_online_calibration_flir.py在线完成。这些脚本输出相机矩阵、失真系数以及旋转和平移向量，这些向量按照OpenCV图图3-a显示了默认ChAruCO板的示例，图3-b显示了默认ChAruCO板的示例。3-b显示了2021年7月26日在加拿大纽芬兰和拉布拉多的Middle Cove Beach进行的测试期间使用Raspberry Pi HQ相机的在线校准脚本的应用。3.2.3. 图像处理捕获后图像处理脚本位于src/post中。为了验证软件的功能，使用了来自澳大利亚新南威尔士州BoomerangBeach的这些数据是在13日至19日期间为期四天的实地活动中收集的。2019年5月16日（参见[19]实验示例设置）。在每个白天开始时以2Hz收集图像数据20分钟。使用Trimble R4 RTK全球定位系统对地面控制点进行了测量，以便倾斜图像可以作为地理参考。图4显示了使用2019年5月16日12：00捕获周期的数据计算的四个统计图像的示例。图图4-a显示了使用脚本average.py捕获的前五分钟数据计算的平均值。该图像是使用单遍算法迭代计算的，因此它是存储高效的。图图4-b显示了使用脚本variance.py用相同数据计算的方差图像。还通过使用在线Welford算法[20，21]在单次通过中计算方差图像在平均和方差图像中，沿岸沙洲被视为明亮的白色区域，波浪破碎更频繁。通过将每个图像从RGB（红色、绿色和蓝色）转换到HSB（色调、饱和度和亮度）颜色空间，并使用脚本brightest_and_darkest.py识别所有图像像素上亮度总和最高（最低）的图像，可以获得最亮（最暗）的图像。与Argus系统一样，picoastal提供了纠正（即，地理参考）图像。这意味着图像像素从倾斜相机视图投影到笛卡尔坐标系。这是通过使用OpenCVrectify.py该程序的要求是至少四个地面控制点（GCP）的三维（x、y和z）测量坐标及其在像素空间（i和j）中的相应图像坐标以及用户定义的校正高度（默认为零）。获取x、y、z、i、j通常仅手动完成一次，并且GCP不需要在每个帧中可见（前提是相机不移动）。可选地，用户可以调整代码，使得GCP识别和相机校准在运行中完成使用ChArUco_online_calibration_rpi.py脚本）。投影的像素然后被内插到一个规则的网格使用线性，最近邻，或立方插值方法选择的最终用户。示例校正图像如图所示。五、输出的地理参考图像以geotiff格式存储，可以很容易地导入地理信息系统进行进一步的可视化或处理。时间堆栈是使用与图像校正相同的主干代码创建的。为了创建时间堆栈，在公制坐标和n个最近像素中定义一条具有k个点的线（通常但不完全垂直于海岸线）。从每个捕获的帧中提取每个k点如果n大于1，则统计范围可以使用运算（平均值、最大值、最小值、方差和众数）以产生点k处的R、 G、 B值。得到的图像（例如， 图图5-c）示出了冲浪的时空表示破碎的波浪被视为接近Caio Eadi Stringari和Hannah Power软件X 18（2022）1010735见图4。统计图像示例：（a）五分钟平均图像。(b)五分钟方差图像。 (c)在五分钟内观察到的Brilliant图像。 (d)在五分钟内观察到最暗的图像图五、 使用来自图1的图像创建的示例校正图像。 4：（a）平均图像。（b）方差图像。这两个图像都与大地参数数据集EPSG代码28355进行了地理参考（c）时间堆栈图像的示例（a）和（b）中的绿色虚线表示时间堆栈样带的位置海岸线这些图像对于追踪海岸线位置和获得海滩表面上的波浪爬高（例如，[8，22]），并跟踪跨岸演化波（例如，[19]）。图像校正（针对两个统计图像）和时间堆栈提取代码都可以在Raspberry Pi 4板上在捕获周期内通过使用Caio Eadi Stringari和Hannah Power软件X 18（2022）1010736表2运行第3节中描述的脚本所需的平均时间（每个映像）。所有三种情况下读取和写入数据到同一个USB驱动器（金士顿32 GB）。使用来自Boomerang Beach的数据和默认脚本值（参见GitHub存储库）标有这表明计算机受到可用RAM的限制，必须切换到交换内存。硬件配置计算机模型华硕ROG G14树莓派4BRaspberry Pi 3B+处理器AMD 5900HSCortex-A72Cortex-A53架构AMD X86ARMv8-AARMv8-AUSB接口3.03.02.0业务系统Debian BusterUbuntu Mate 20.04树莓派操作系统时钟速度（千兆赫）3.31.51.4RAM（GB）164.00.5处理时间平均（秒/图像）0.40.570.72方差（秒/图像）0.80.9713.04分明亮而黑暗（秒/图像）0.42.313.77整改（秒/图像）2.02.8525.55磅时间栈（秒/图像）0.070.580.93Linux与标准Argus部署相比，Picoastal缺乏一些功能。在海岸线上只能使用一台摄像机，而阿格斯站通常有多台精确同步的摄像机[3]。也没有Argus的cBathy [ 23 ]深度反演算法的替代方案然而，有一种替代最近的Argus光流算法[24]（在我们的Github存储库中存在，但这里没有讨论，请参见src/exp/optical_flow.py）。Picoastal目前无法即时对图像进行二次采样，无法将数据传输到集中式服务器，并且由用户决定如何检索或清理原始捕获数据。欢迎在项目的Github页面上提供实现这些功能的代码贡献最后，表2示出了考虑三种硬件配置的实现算法的基准。虽然不可能直接将我们的软件与Argus的专有代码相结合为今后的比较提供一个可靠的基线4. 影响本文介绍了一种低成本的海岸视频监控系统picoastal。希望提供这个开源（GNU GLP V3）代码库将使研究人员（无论其背景和预算如何）能够建立自己的海岸监测系统，该系统可以在理解和适应气候变化将给地球海岸带来的挑战方面发挥关键作用为了保持软件和硬件尽可能的低成本和开放性，Raspberry Pi HQ相机设置已经在这里开发，作为成本效益的重大进步，原始硬件设计主要依赖于专有的FLIR软件。虽然FLIR摄像头提供比RaspberryPi HQ摄像头更好的图像质量（如果需要，财政资源可用），对专有硬件和代码的依赖并不理想，鼓励使用Raspberry Pi HQCamera设置。这里介绍的图像处理套件允许进行一系列科学研究，这些研究不一定与任何硬件配置有关（只需要安装一个工作Python）。这些调查包括但不限于海岸线探测（例如，[27]）、泳滩形态研究（例如，[28]），冲浪和冲击带动力学（例如，[22，29[33]）和岩石平台上的波浪越顶[9]）。我们相信，这些和其他近岸过程的进一步见解是可以实现的，使用picoastal的工具，但这些都留在后续出版物中进行讨论。为了加强picoastal的实用性和重要性，为悉尼Figure 8游泳池开发的波浪风险预测工具这里提供的经过改进、扩展和文档化的代码将有助于在世界各地部署类似的系统例如，可以开发类似的风险评估工具，并用于告知在岩石平台上捕鱼的人，这将有助于减少由于这种活动而发生的溺水事件[34，35]。此外，可以使用picoastal（例如，通过使用深度学习技术，[36]第30段。据估计，在美国（澳大利亚），每年约有100（至少21）起致命的溺水事件发生[35，37]。因此，说这里开发的代码库有助于拯救生命，并可能导致更多的生命得到拯救，这并不牵强。5. 结论本文介绍了一种低成本的海岸监测系统，包括硬件和软件两部分。该系统是广泛使用的Argus [3]沿海监测系统的开源替代品最终产品再现了Argus最常见的预计在此开发的产品将引起低收入国家和发展中国家沿海研究人员和管理人员的极大兴趣，他们有兴趣扩大其沿海监测能力，因为气候变化给沿海地区带来了压力。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢作者要感谢来自新南威尔士州规划、工业和环境部的MichaelKinsela和David Hanslow，他们共同领导了Figure 8项目。C.E.斯特林加里是由纽卡斯尔大学，澳大利亚研究学位奖学金和中央和教师奖学金（5050UNRS）资助。作者感谢Tom Doyle、Annette Burke、Oriane Bruyere、Laura Quigley和Cristina Viola协助在Boomerang海滩和Marine Drive海滩收集现场数据。Caio Eadi Stringari和Hannah Power软件X 18（2022）1010737引用[1] Lippmann TC，Holman RA.沙洲形态的量化：基于波浪耗散的视频技术。《地球物理研究杂志》1989;94：995-1011。[2] Holman RA，Lippmann TC，Haines JW.视频图像处理在近岸过程研究海洋学，1993年;6.网址http://dx.doi.org/10.5670/oceanog.1993.02。[3] Holman RA，Stanley J.《阿格斯的历史和技术能力》。海岸工程2007;54（6-7）：477-91.http://dx.doi.org/10.1016/j.coastaleng.2007.01的网站。003.[4] Bruder BL，Brodie KL. CIRN定量海岸成像工具箱。 SoftwareX 2020;12：100582，http://dx.doi.org/10.1016/j.softx.2020.100582，URL：https：//www.sciencedirect.com/science/article/pii/S2352711020302958网站。[5] Waves 'n See -从波浪到海岸。2021，https://wavesnsee.com/en/，（在线;2021年7月22日访问）。[6] FLIR Teledyne。机器视觉摄像机2021，https://www.flir.ca/browse/industrial/machine-vision-cameras/，（在线;2021年7月22日访问）。[7] Raspberry Pi基金会树莓派高品质相机。2021，https://www.raspberrypi.org/products/raspberry-pi-high-quality-camera/，（在线; 2021年7月22日访问）。[8] Aagaard T，Holm J.使用视频记录的波浪爬高数字化。J CoastRes1989;5（3）：547-51.[9] Power HE，Kinsela MA，Stringari CE，Kendall MJ，Morris BD，HanslowDJ。使用低成本照相机系统自动感测跨越岩石海岸平台的波浪淹没。远程传感器2018;10（1）。http://dx.doi.org/10的网站。3390/rs10010011。[10]新南威尔士国家公园 八个水池。 2021年，https：//www.nationalparks.nsw.gov.au/things-to-do/lookouts/figure-eight-pools，（在线; 2021年7月22日访问）。[11]布拉德斯基湾openCV库。博士Dobb[12]FLIR Teledyne 。 Spinnaker 软 件 开 发 包 。 2021 年 ， https ： //www.flir.ca/products/spinnaker-sdk/，（在线; 2021年7月22日访问）。[13]Harris CR ， Millman KJ ， van der Walt SJ ， Gommers R ， Virtanen P ，Cournapeau D ， et al. Array programming with NumPy. Nature 2020;585（ 7825 ） ： 357-62 ，http://dx.doi.org/10.1038/s41586-020-2649-2 ，URLhttp：//dx.doi.org/10.1038/s41586-020-2649-2。[14]Virtanen P ， Gommers R ， Oliphant TE ， Haberland M ， Reddy T ，Cournapeau D ， et al. SciPy 1.0 ： Fundamental algorithms for scientificcomputinginPython.NatureMethods2020;17：261-72.http://dx.doi.org/10.1038/s41592-019-0686-2.[15]亨特JD。Matplotlib：2D图形环境。计算机科学与工程2007;9（3）：90-5.http://dx.doi.org/10.1109/MCSE.2007.55网站。[16] Wikipedia. Cron - 维 基 百 科 ， 自 由 的 百 科 全 书 Cron 2021 年 ，en.wikipedia.org/w/index.php?标题=Cron& oldid=1032727485，（在线;2021年7月22日访问）。[17]Garrido-Jurado S，Muñoz-Salinas R，Madrid-Cuevas F，Marín-Jiménez M.在遮挡情况下自动生成和检测高度可靠的基准标记。Pattern Recognit 2014;47（6）：2280https://www.sciencedirect.com/science/http://dx.doi.org/[18]张志 一种 灵活的 摄像 机标定 新技 术。 IEEE TransPattern Anal Mach Intell2000;22（11）：1330-4. http://dx.doi.org/10.1109/34的网站。888718[19]张文辉，李晓梅，李晓梅.一种新的机器学习算法用于碎波带遥感波的跟踪。第147章. http://dx.doi.org/10.1016/j.coastaleng.2019.02.002网站。[20] Welford BP.关于计算校正平方和与乘积的方法的注记。Technometrics1962;4（3）：419-20. http://dx.doi.org/10.1080/00401706.1962.10490022.[21] 三谷湾在线Welford算法。2021，https://github.com/a-mitani/welford，（在线; 2021年7月22日访问）。[22]Stockdon HF，Holman RA，Howd PA，Sallenger AH.设置、斜盘和起动的经验参数化Coast Eng 2006;53（7）：573网址：//dx.doi.org/10.1016/j.coastaleng.2005.12.005网站。[23]Holman R，Plant N，Holland T. CBathy：一种用于估计近岸水深的鲁棒算法。J Geophys Res Oceans 2013;118（5）：2595http://dx.doi.org/10.1002/jgrc.20199https://agupubs.onlinelibrary.wiley.com/doi/pdf/10.1002/jgrc.20199URLhttps://agupubs.onlinelibrary的网站。 wiley.com/doi/abs/10.1002/jgrc.20199。[24][10]杨文辉，李文辉.在碎波带中量化光学导出的二维波浪平均流。远程传感器2021;13（4）.http://dx.doi.org/10.3390/rs13040690，URLhttps://www.mdpi.com/2072-4292/13/4/690。[25]Vousdoukas MI，Ranasinghe R，Mentaschi L，Plomaritis TA，AthanasiouP，Luijendijk A，et al. Sandy coastlines under threat of erosion.自然气候变化 2020;10 （ 3 ） ： 260http://dx.doi.org/10.1038/s41558-020-0697-0 ，URLhttp：//dx.doi.org/10.1038/s41558-020-0697-0。[26]库珀JAG，马斯林克G，可可G，短广告，卡斯特B，罗杰斯K，沙滩可以在海 平 面 上 升 后 幸 存 下 来 。 Nature Clim Change 2020;10 （ 11 ） ： 993-http://dx.doi.org/10.1038/s41558-020-00934-2[27]Boak 呃，特纳 IL.海岸线定义 和检测：一 审查. JCoastRes 2005;21（4（214））：688-703，arXiv：https：//meridian. allenpress.com/jcr/article-pdf/214（214）/688/1292865/03-0071_1.pdf，http://dx.doi.org/10.2112/03-0071.1，URLhttp://dx.doi.org/10.2112/03-www.example.com[28]Ellenson AN ， Simmons JA ， Wilson GW ， Hesser TJ ， Splinter KD. 利 用argus图像和卷积神经网络进行海滩状态识别。Remote Sens 2020;12（23）.http://dx.doi.org/10.3390/rs12233953，网址https：//www.mdpi.com/2072-4292/12/23/3953网站。[29] Power HE，Holman RA，Baldock TE.冲带边界条件来自光学遥感的冲带流型。JGeophysResOceans2011;116（6）：1http://dx.doi.org/10.1029/2010JC006724网站。[30] Díaz H，Catalán PA，Wilson GW.根据遥感数据对碎波带中二维波浪破碎耗散的量化远程传感器2018;10（1）。网址https://www.mdpi.com/2072-4292/10/1/38。[31] Wilson G，Berezhnoy S. 海面状态估计及其在基于四轴飞行器的遥感数据中的应用。JAtmosOceanTechnol2018;35（10）：1881https://journals.ametsoc.org/view/journals/atot/35/10/jtech-d-17-http://dx.doi.org/10.1175/JTECH-D-17-0205.1[32]Stringari CE，Power HE。对天然海滩上的钻孔捕获进行量化。J GeophysRes Oceans 2020;125：1-16. http://dx.doi.org/10.1029/2019JC 015689.[33]Splinter KD，Harley MD，Turner IL.遥感正在改变我们对海岸的看法：来自澳大利亚Narrabeen-Collaroy 40年监测的见解。远程传感器2018;10（11）。http://dx.doi.org/10.3390/rs10111744，URLhttps://www.mdpi.com/2072-4292/10/11/1744。[34]Carvalho RC，Kennedy DM，Woodroffe CD.基于形态学的岩石平台捕鱼溺水风险指数：澳大利亚东南部的案例研究。Nat Hazards 2019;96（2）：837-http://dx.doi.org/10.1007/s11069-019-03572-whttp://dx.doi.org/10.1007/s11069-[35]冲浪拯救澳大利亚海岸安全概况介绍。2020年，URLhttps：//beachsafe.org.au/surf-safety/ripcurrents网站。[36]de Silva A，Mori I，Dusek G，Davis J，Pang A.使用基于区域的卷积神经网络自动检测撕裂电流。2021，CoRR abs/2102.02902，arXiv：2102.02902，https://arxiv.org/abs/2102.02902。[37]Brewster BC，Gould RE，Brander RW. 海洋中裂流资源和溺水的估计联合States.Nat危 害地 球SystSci2019;19 （ 2 ） ：389https://nhess.copernicus.org/articles/19/389/2019/http://dx.doi.org/10.5194/nhess-19-389-2019
我的内容管理
展开
