本数据集在谷歌地球引擎（GEE）平台上，利用陆地卫星专题成像仪（TM）、增强型专题成像仪增强版（ETM+）和陆地成像仪（OLI）影像的长时间序列，分析了 1990 年至 2019 年包括海南和台湾在内的中国海岸线的时空演变特征。
1、检索了 1990-2019 年期间所有可用的经地形校正（L1T）的第 1 级大地遥感卫星正射影像，包括专题成像仪（TM）、增强型专题成像仪增强版（ETM+）和陆地成像仪（OLI）。共有 60 527 幅大地遥感卫星图像（图 1b）作为美国地质调查局（USGS）图像集存档在谷歌地球引擎（GEE）平台上。
2、选取 17 个关键潮汐站，包括 8 个暖温带潮汐站、7 个亚热带潮汐站和 2 个热带潮汐站（Jia 等，2021 年）。这些站点的潮汐表可在网上查阅（https://www.chaoxibiao.net/，最后访问日期：2024 年 11 月 12 日）。为了消除降水的影响，选择了中国沿海地区雨季的潮汐数据，时间跨度为 4 月至 9 月（Liu et al.） 根据高潮时间和卫星过境时间，我们选择了 1583 幅图像来提取海岸线。
3、使用了三个全球海岸线数据集作为参考数据集。一个空间分辨率为 30 米的新全球海岸线矢量（GSV；Sayre 等人，2019 年）是根据 2014 年大地卫星卫星图像的年度合成图开发的。2015 年全球多尺度海岸线数据集（GMSSD_2015；Liu 等人，2019 年）是利用谷歌地球图像生成的。该数据集包括分辨率为米级的全球矢量海岸线数据，这些数据是通过人机交互和分析谷歌地球图像获得的。Coastline_ECS（Li 等人，2019 年）是东海地区大陆海岸线及其类型的时空变化数据集。该数据集涵盖 1990 年至 2015 年的 5 年时间间隔，使用 Landsat 图像，通过单波段边缘检测方法生成： 1990 年、2000 年和 2015 年。
采用基于指数时间序列重构的阈值分割方法。首先，利用时间序列谐波分析算法（HANTS）构建了高质量重构的修正归一化差异水指数（MNDWI）时间序列。其次，利用大津算法，根据高潮位的 MNDWI 值来分离沿海地区的陆地和水域。最后，生成了 30 年海岸线数据集。
评估了提取的海岸线与参考数据集之间的一致性。结果显示，50% 以上样本点的偏移量小于 1 px。超过 70% 的样本点的偏移量小于 2 px，超过 80% 的样本点的偏移量小于 3 px。海岸线的最大平均绝对偏差为 57.98 米，最小平均绝对偏差为 29.35 米。用这种方法提取的海岸线与参考数据集具有良好的一致性，这在一定程度上证实了结果的可靠性。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:https://cstr.cn/31253.11.sciencedb.16228
https://doi.org/10.57760/sciencedb.16228
