河川や湖の岸線は内陸水体と陸地の接触帯であり、洪水調節や生態系のバランス維持など非常に重要な生態機能を持っています。河川や湖の岸線の動的変化をタイムリーに把握することは、洪水防止や災害軽減、水生態環境の整備・保護において重要な現実的意義があります。本稿では、Swin-UNet深層学習モデルを訓練し、高分解能リモートセンシング画像（高分衛星およびSentinel-2）を基に、地域の水域および河川・湖岸線認識技術を開発し、2015年から2025年までの郴州市の河川・湖岸線の動的変化を監視しました。結果は、Swin-UNet深層学習モデルに基づく水域および岸線認識モデルが、従来の閾値法や比較的単純な機械学習モデルよりも明らかに優れており、水域認識精度は90％以上で、水域輪郭情報が鮮明であることを示しました。高分衛星画像に基づく結果によると、研究地域の多年平均水域面積は約314.7平方キロメートルで、対応する岸線長は約7306.4キロメートルです。高分衛星画像とSentinel-2の結果は良好な一致を示しており（年平均相関係数が0.99以上）、空間分解能の高さにより、高分衛星画像で識別された水域面積はSentinel-2より約18.9％大きく、岸線長は約75％長いです。研究地域の岸線長の年内変動（変動係数＝12.8％）は年間変動（変動係数＝9.0％）よりも大きいです。研究地域内の人工水域岸線形態の安定性は自然岸線より高いです。研究地域内の河川・湖岸線構造の進化は半自然・半人工岸線から人工岸線への転換を示し、自然岸線は比較的安定的な特徴を持ち、この変化傾向は都市空間の拡大や耕地返還・林地・湿地修復の一連の生態修復政策と密接に関連しています。

河川・湖岸線;動態モニタリング;Swin-UNet;高分衛星;Sentinel-2;郴州市