文章信息
- 王强, 黄海军, 张泽华, 严立文, 刘艳霞, 毕海波. 2019.
- WANG Qiang, HUANG Hai-Jun, ZHANG Ze-hua, YAN Li-wen, LIU Yan-xia, BI Hai-bo. 2019.
- 基于遥感反演的海阳海域悬浮泥沙时空分布特征研究
- Spatial and temporal distributions of suspended sediment in sea area around Haiyang by remote sensing
- 海洋科学, 43(3): 55-65
- Marine Sciences, 43(3): 55-65.
- http://dx.doi.org/10.11759/hykx20180821003
-
文章历史
- 收稿日期:2018-08-21
- 修回日期:2018-09-20
2. 中国科学院海洋地质与环境重点实验室, 山东 青岛 266071;
3. 中国科学院大学, 北京 100049;
4. 中国科学院海洋大科学研究中心, 山东 青岛 266071
2. CAS Key Laboratory of Experimental Marine Geology and Environment, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China;
3. University of Chinese Academy of Science, Beijing 100049, China;
4. Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao, 266071, China
近岸水域的潮汐、风浪共同作用以及海岸带人类活动会使得悬浮泥沙发生动态变化。悬浮泥沙作为重要的水质参数, 在河口与近岸海域的分布状况和动态变化不仅影响水质及水体的光学特性, 同时也影响了水体的生态条件和河口、海岸等的冲淤变化过程[1]。
山东省海阳市近年大力发展海洋经济, 故对海阳市近岸水体悬浮泥沙的监测十分重要。遥感技术因具有覆盖面大、同步性和连续性好、信息丰富等特点, 可以快速监测河口悬浮泥沙质量浓度、直观揭示大面积水域表层含沙量分布状况和动态变化。
国内外许多研究人员在不同区域利用遥感技术监测悬浮泥沙已经取得了大量的成果[2-4]。大型桥梁之类的海岸工程会影响悬浮泥沙的输运和再悬浮现象, 对悬浮泥沙的分布产生一定的影响[5]。Hariyanto[6]使用多种卫星数据对博龙河的河口环境变化进行监测, 表明大量的淤泥抛入河中导致了河口及海岸带的沉降现象。陈军[7]在渤海海域的利用分裂窗模型对MODIS数据分析, 结果表明采用该模型分析悬浮泥沙的质量浓度分布, 对大气校正的要求比较小。Landsat系列陆地卫星的ETM+影像数据以及OLI影像数据的光谱反射率和水体的表层悬浮泥沙质量浓度有很好的关联性[8-10]。Landsat系列陆地卫星由于具有较高的空间分辨率, 更容易凸显研究区域内的悬浮泥沙质量浓度规律[11]。利用实测数据在华南地区建立的悬浮泥沙反演模型的研究表明, 利用Landsat的OLI影像数据的红外和近红外波段对数比值模型反演效果比较好[12]。Dorji[13]将过去10年的MODIS的多种悬浮泥沙反演模型应用于不同浑浊度的水体, 定量对比后指出, 一些高效的反演模型应用到新的水体中产生的误差极大, 说明要根据研究特点需要建立新的反演模型。在后续的发展中, 有关学者利用离水辐射率以及悬浮泥沙粒径进一步构建了遥感反演悬浮泥沙的新算法[14]。遥感反演悬浮泥沙相关的算法通常是特定于站点的, 或者是在一个相对狭窄的集中范围内开发的, 广泛范围之内不宜适用, 目前研究的趋势是整合各个地区的特点, 建立一套适用性更广的反演体系[15]。
之前的工作对小区域的水体环境研究较少。本文利用2014年夏冬两季的实测悬浮泥沙数据, 通过卫星同期过境影像建立悬浮泥沙的反演模型, 定量分析不同时相卫星数据悬浮泥沙的输移特征, 综合分析海阳市近岸水体表层悬浮泥沙质量浓度的时空分布特征, 探讨悬浮泥沙的变化特点。
1 数据及研究方法 1.1 研究区概况山东省海阳市位于胶东半岛南岸, 濒临黄海, 其东北为乳山口, 西南为丁字河口。海阳港现有港区建设于海阳市凤城镇南侧突出的老龙头基岩岬角之上。海阳核电站建设于位于海阳市邵家庄村南, 地处三面环海的岬角东端。
研究区位于海阳市南侧海阳港周边的近岸海域, 属于规则半日潮类型。海流实测结果表明, 该海域海流为近东西向的往复流。研究区地处北温带, 属大陆性海洋季风气候区; 冬季多偏北风, 夏季多偏南风[16]。研究区地理位置见图 1。
![]() |
图 1 研究区地理位置及采样点分布 Fig. 1 Location of study area and sampling point diagram |
本文选取的实测数据为2014年7月14日、2014年12月29日以及2015年1月6日在海阳核电站附近海域测量的悬浮泥沙数据(站点见图 1)。本次实测选取了12个采样点, 每小时采取表层水样一次。采样使用卡盖式采样器获取水样, 样品采回后抽滤, 滤膜孔径为0.45 μm。含沙量的测定采用重量法测定, 根据抽滤前后滤膜质量的变化得出质量浓度(mg/L)。
1.3 悬浮泥沙反演算法近岸二类水体光学成分复杂, 不同河口海域水体的固有光学特性存在明显差异, 针对特定海区需要建立相应的模式。研究区共有12个采样点, 本文选取了S4与S6为验证点, 使用其余10个站位的数据构建模型。
本文利用卫星过境时的同步实测数据建立波段回归方程与悬浮泥沙的关系。因夏季建模(Landsat7ETM+影像数据)选取影像的卫星过境时刻为2014年7月14日10时29分(GTM+8), 故利用2014年7月14日4时—2014年7月14日15时各点数据(覆盖一个潮周期)作样条插值模型, 选取10时29分的数据和影像建立反演模型。同理, 冬季建模选取的影像数据为2015年1月6日(Landsat7ETM+影像数据)和2014年12月29日(Landsat8OLI影像数据)。冬季的两次建模也利用卫星过境当天多个时刻的实测数据建立起的样条插值模型, 选取所对应的卫星过境时刻数据和影像建立反演模型。
根据逐步回归分析, 利用相关波段建立的回归模型与悬浮泥沙质量浓度具有较好的反演关系(表 1)。
建模影像 | 卫星过境月份 | 反演模型 | r2 | P |
ETM+影像 | 6—9月(夏) | C=288.4RETM+2+690.5RETM+3–1051.4RETM+4–21.2 | 0.75 | 0.008 |
ETM+影像 | 12—2月(冬) | C=507.2RETM+2+1998.1RETM+3–1219.4RETM+4–72.5 | 0.65 | 0.01 |
OLI影像 | 11—1月(冬) | C=3004.1ROLI1–3987.4ROLI2+989.7ROLI4+41.5 | 0.79 | 0.004 |
注: C为悬浮泥沙质量浓度, 单位为mg/L, RETM+n分别代表ETM+数据的第n波段反射率, ROLIn分别代表OLI影像的第n波段反射率。 |
逐步回归是一种线性回归模型自变量选择方法, 其基本思想是将变量逐个引入, 每引入一个新变量后, 对已入选回归模型的老变量逐个进行检验, 将经检验认为不显著的变量删除, 以保证所得自变量子集中每一个变量都是显著的。此过程经过若干步直到不能再引入新变量为止。这时回归模型中所有变量对因变量都是显著的。本文利用该方法将实测泥沙质量浓度作为因变量, 遥感影像的各个波段反射率作为自变量导入, 筛选显著变量建立线性回归模型。
根据以往经验, Landsat7ETM+影像的b2(0.525~ 0.605 μm)、b3(0.630~0.690 μm)和b4(0.775~0.900 μm)波段是悬浮泥沙反演的敏感波段[17]。Landsat8OLI影像的b1(0.433~0.453 μm), b2(0.450~0.515 μm), b4(0.630~ 0.680 μm)波段是悬浮泥沙反演的敏感波段[18-19]。逐步回归分析方法自动选取了以上波段, 与以往的研究相符。
选取取样点S4、S6的实测数据, 结合各个模型建立时相对应的反演影像对反演模型进行精度分析(表 2), 反演精度(100%减去平均相对误差)较高, 证明3种模型可满足实际需求。
反演模型 | 取样点 | 质量浓度/(mg/L) | 绝对误差/(mg/L) | 相对误差/% | 平均相对误差/% | 反演精度/% | |
实测 | 反演 | ||||||
ETM+影像(夏) | S4 | 12.308 | 14.055 | 1.747 | 14.2 | 17.6 | 82.4 |
S6 | 8.568 | 6.769 | 1.799 | 21.0 | |||
ETM+影像(冬) | S4 | 13.214 | 15.117 | 1.903 | 14.4 | 22.9 | 77.1 |
S6 | 7.968 | 10.469 | 2.501 | 31.4 | |||
OLI影像(冬) | S4 | 13.455 | 14.679 | 1.224 | 9.1 | 13.8 | 86.2 |
S6 | 8.263 | 9.791 | 1.528 | 18.5 |
由于冬季研究区大气成分发生变化, 且悬浮泥沙质量浓度增大, 故利用冬季数据建立新的悬浮泥沙反演模型。由表 1、表 2可知, ETM+影像在冬季反演效果与OLI影像相比误差更大, 故从2013年起冬季反演模型使用OLI影像反演模型。ETM+影像夏季反演模型精度大于80%, 且模型建立影像过境时间与实测数据同步, 反演效果好于OLI影像数据。
通过图 2的对比可以看出, Landsat7 ETM+影像数据(2015年1月6日)反演结果与Landsat8 OLI影像数据(2014年12月29日)反演结果所表现的悬浮泥沙空间分布相似, 高浓度悬浮泥沙由丁字河口向西南方向扩散。对两组数据进行空间相关性计算可得, 两组数据的相关性高达86.18%, 证明两个冬季的两种不同的反演模型在反演悬浮泥沙质量浓度分布扩散特征中具有相似性, 可以用作年际变化的对比。
![]() |
图 2 冬季不同反演模型对比 Fig. 2 Comparison of different inversion models in winter |
本文根据影像质量(云量小于30%)和成像时的潮汐状态、气象状况(无异常天气), 选取覆盖研究区域的Landsat ETM+/OLI景象28景。其中13景代表研究区夏季(6—9月)状况, 14景代表研究区冬季(11—2月)状况。由于2010年夏季图像云量过大, 故采用2010年4月30日卫星过境影像。对甄选出的冬夏两季的遥感影像分别利用相应季节的反演模式进行悬浮泥沙浓度场的定量反演。具体卫星数据过境时间、成像时刻的潮汐状况(对应乳山口)以及风向风力(依据海阳市天气记录)见表 3。
传感器类型 | 成像时刻/(年-月-日T时:分) | 潮期 | 潮汐状态 | 风向 | 风力/级 |
ETM+ | 2004-08-19 T10:23 | 中潮期 | 退潮 | 东南 | 3 |
ETM+ | 2005-01-10 T10:27 | 大潮期 | 涨潮 | 西北 | 3 |
ETM+ | 2005-08-22 T10:29 | 大潮期 | 低潮期 | 南 | 2 |
ETM+ | 2006-02-14 T10:26 | 大潮期 | 低潮期 | 西南 | 3 |
ETM+ | 2006-09-10 T10:26 | 大潮期 | 低潮期 | 北 | 3 |
ETM+ | 2007-02-01 T10:25 | 中潮期 | 涨潮中期 | 西北 | 4 |
ETM+ | 2007-07-27 T10:28 | 中潮期 | 涨潮中期 | 东南 | 3 |
ETM+ | 2008-01-03 T10:21 | 小潮期 | 高潮期 | 西南 | 4 |
ETM+ | 2008-07-29 T10:28 | 小潮期 | 涨潮 | 东南 | 3 |
ETM+ | 2009-01-21 T10:29 | 小潮期 | 涨潮 | 北 | 3 |
ETM+ | 2009-08-01 T10:26 | 小潮期 | 退潮 | 南 | 2 |
ETM+ | 2009-12-23 T10:24 | 中潮期 | 退潮 | 西北 | 4 |
ETM+ | 2010-04-30 T10:27 | 小潮期 | 涨潮 | 南 | 2 |
ETM+ | 2010-12-10 T10:24 | 中潮期 | 退潮 | 西北 | 4 |
ETM+ | 2011-08-23 T10:29 | 小潮期 | 退潮 | 东北 | 4 |
ETM+ | 2012-01-04 T10:28 | 小潮期 | 涨潮 | 西北 | 5 |
ETM+ | 2012-09-10 T10:29 | 小潮期 | 高潮期 | 北 | 3 |
ETM+ | 2012-12-31 T10:24 | 中潮期 | 退潮 | 西北 | 4 |
ETM+ | 2013-06-09 T10:26 | 大潮期 | 低潮期 | 东南 | 3 |
OLI | 2014-01-27 T10:37 | 小潮期 | 涨潮 | 西南 | 5 |
ETM+ | 2014-07-14 T10:29 | 大潮期 | 低潮期 | 西南 | 4 |
OLI | 2014-12-29 T10:35 | 中潮期 | 退潮中期 | 西南 | 4 |
ETM+ | 2015-08-02 T10:24 | 大潮期 | 低潮期 | 西南 | 3 |
OLI | 2015-11-30 T10:36 | 中潮期 | 退潮 | 北 | 4 |
ETM+ | 2016-06-07 T10:22 | 大潮期 | 低潮期 | 南 | 2 |
OLI | 2017-01-03 T10:36 | 中潮期 | 退潮中期 | 西南 | 3 |
ETM+ | 2017-08-07 T10:23 | 中潮期 | 涨潮中期 | 北 | 3 |
OLI | 2017-12-31 T10:32 | 中潮期 | 涨潮中期 | 西北 | 5 |
在对数据处理过程中, 本文利用多影像局部自适应回归分析模型对ETM+影像进行了条带修复。遥感影像经辐射定标、几何纠正、大气校正和感兴趣区裁剪等过程进行预处理, 得到经太阳高度角校正的遥感反射率(Rrs)数据。辐射校正根据数据头文件提供的gains和offsets数据将相应的波段转换为大气顶层辐亮度数据。几何校正利用研究区大比例尺地形图, 大气校正采用ENVI软件Fast Line-of-sight Atmospheric Analysis of Spectral Hypercube(FLAASH)大气校正模块。预处理过程结束后, 利用反演模型将数据可视化为质量浓度分布图。
2.1 悬浮泥沙质量浓度空间分布特征研究区夏季遥感反演悬浮泥沙质量浓度见图 3。就空间分布而言, 研究区近岸海域(水深 < 10 m)悬浮泥沙质量浓度比较高, 浓度最高处出现丁字河口。悬浮泥沙质量浓度由近岸向海区呈阶梯状递减。结合不同潮汐状态, 在靠近岸线的区域, 大潮期悬浮体平均质量浓度高于小潮期。低潮状态下悬浮泥沙的高质量浓度区域(悬浮泥沙质量浓度 > 12 mg/L为夏季研究区相对的高质量浓度区域)明显增大, 高质量浓度悬浮泥沙从丁字河口沿岸线向东北方向运移。因潮汐状况的影响, 低潮状态时悬浮泥沙质量浓度由岸向海阶梯递减的现象更为明显, 即在靠近岸线的海区, 悬浮泥沙质量浓度较高, 而随着与岸线距离的增大, 水深的增加, 悬浮泥沙质量浓度显著下降。高潮状态下悬浮泥沙的高浓度区域减少, 丁字河口区域仍是悬浮泥沙质量浓度最高的海域。涨潮与退潮时期, 悬浮泥沙质量浓度分布的变化趋势减弱, 由岸向海悬浮泥沙质量浓度递减的现象不再明显。
![]() |
图 3 研究区夏季遥感反演悬浮泥沙质量浓度分布 Fig. 3 Distributions of suspended sediment concentration in summer |
低潮状态下, 以海阳港和核电站工程所在地为悬浮泥沙高质量浓度核心, 呈扇形向外扩展。根据数值模拟分析, 研究区海域涨潮时潮流为由东往西流, 退潮时为由西往东流[16], 受潮流的影响, 悬浮泥沙分布发生向西或向东的偏移。
研究区冬季遥感反演悬浮泥沙质量浓度见图 4。与夏季相比, 研究区冬季悬浮泥沙质量浓度明显增大, 其空间分布与夏季相同, 研究区近岸海域(水深 < 10 m)悬浮泥沙质量浓度比较高。悬浮泥沙质量浓度由近岸向海区递减, 与夏季相比, 浓度变化梯度较小。由于冬季径流和输沙量的减少, 高质量浓度悬浮泥沙(悬浮泥沙质量浓度 > 30 mg/L为研究区冬季相对的高质量浓度区域)在丁字河口呈扇形分布。在乳山口海域也出现高质量浓度悬浮泥沙水体。
![]() |
图 4 研究区冬季遥感反演悬浮泥沙质量浓度分布图 Fig. 4 Distributions of suspended sediment concentration in winter |
结合不同影像成像时的潮汐状态, 低潮状态下悬浮泥沙的高质量浓度区域明显集中于丁字河口与乳山口区域。因潮汐状况的影响, 低潮状态时高质量浓度悬浮泥沙质量浓度呈扇形分布的现象更为明显, 此处发生堆积的河流带来的泥沙[20], 在潮汐的作用下发生再悬浮现象。高潮状态时, 在潮汐作用下, 悬浮泥沙的扩散较为缓慢, 丁字河口处的再悬浮泥沙沿岸线东向运移。涨落时期, 近岸浅海底质细颗粒沉积物被风浪等外力作用搅起并随潮流向外海运移, 随后流速减缓而落淤[21]。在冬季由于整体悬浮泥沙质量浓度较高, 海岸工程建设对其分布的影响减弱。
冬季研究区盛行西北风, 且受到黄海沿岸流的部分影响[22]。在盛行风和沿岸流的影响下, 研究区的悬浮泥沙有向西南输运的趋势, 西南部高质量浓度悬浮泥沙水体分布范围大, 东北部悬浮泥沙的高质量浓度海区范围较小。
2.2 悬浮泥沙质量浓度年际变化特征为了突出悬浮泥沙质量浓度年际变化的特点, 现将研究区水体按悬浮泥沙质量浓度由高到低简化为3个类别。夏季悬浮泥沙质量浓度在12 mg/L以上为较高含沙水体, 悬浮泥沙质量浓度在6~12 mg/L为中等含沙水体, 悬浮泥沙质量浓度在0~6 mg/L为较低含沙水体。
由图 5可以看出较高含沙水体所占各年份对应的反演图像百分比在2010年之前略有起伏, 除2006年百分比增大外, 总体保持稳定, 2010年急速上升, 后在2012—2015年持续上升, 2016、2017年开始下降。在2006年夏季与2010—2015年的时间里, 研究区悬浮泥沙质量浓度显著升高。
![]() |
图 5 各类含沙水体所占图像百分比年际变化 Fig. 5 Annual changes in the percentage of all kinds of sandy water |
将冬季研究区水体按悬浮泥沙质量浓度由高到低划分为3个类。悬浮泥沙质量浓度在30 mg/L以上为较高含沙水体, 悬浮泥沙质量浓度在18~30 mg/L为中等含沙水体, 悬浮泥沙质量浓度在0~18 mg/L为较低含沙水体。
由图 5可以看出冬季较高含沙水体所占各年份对应的反演图像百分比在2005年和2010年达到了两个峰值, 远高于同类潮期状况下的其他年份。中等含沙水体所占百分比同样在2005年达到了一个峰值, 后在2010—2015年内持续上升。表明在2005冬季与2010—2015年的时间里, 研究区悬浮泥沙质量浓度显著升高。冬季悬浮泥沙质量浓度年际变化的所表明的升高年份与夏季的研究结果相同。海阳港一期扩建工程于2005年9月开始, 2007年4月完工; 海阳核电站施工于2009年12月开始, 2015年8月完工。上述资料与夏季反演结果的年际变化(2005年冬至2006年夏高质量浓度悬浮泥沙所占百分比增高, 2010—2015年夏高质量浓度悬浮泥沙所占百分比增高)相吻合; 而在冬季, 由于研究区盛行风的影响, 悬浮泥沙的扩散范围增大, 同期较高含沙水体含量未有显著增加, 但中等含沙水体所占百分比均明显增多。冬夏两季多年的对比表明海岸工程施工抛沙疏浚对区域的悬浮泥沙质量浓度的影响是十分显著的。
在工程施工结束后, 较高含沙水体和中等含沙水体所占各年份对应的反演图像百分比呈现下降趋势, 研究区内水体含沙量降低, 表明工程未对研究区环境造成持久的影响, 海区具有良好的自我调节功能。
3 讨论本区泥沙的扩散和输运主要受波浪、潮流、风和河流输沙等多种因素的综合影响。以下我们主要通过泥沙供应的影响和海洋动力的影响两大方面进一步讨论研究区的悬浮泥沙质量浓度变化和分布特征。
3.1 泥沙供应的影响河口附近海域悬浮泥沙质量浓度受河口泥沙输送影响较大, 受季节降水变化影响, 河口附近海域内夏季悬浮泥沙质量浓度普遍高于冬季。而在本文的研究区中, 存在丁字河口且该河口为重要的泥沙供应来源, 但本文的研究表明研究区内悬浮泥沙质量浓度夏季明显低于冬季, 对此我们展开了分析。
据实地观测数据可知, 丁字河口湾内水深较浅, 有多条河流汇入, 湾内泥沙来源以河流输沙等陆源物质为主, 一部分泥沙从湾内随退潮流流出进入湾口附近海域。丁字湾内主要为东南-西北向的往复流, 浪、流向近岸区传递, 在岸滩浅海区和湾口受拦门沙或沙坝的阻挡, 波浪破碎, 风浪对海底沉积物的再悬浮作用使海水中悬浮体含量明显增加。据海阳市气象统计资料表明, 研究区冬季平均风速较大, 大于3.0 m/s, 风向多为偏北风; 夏季平均风速较小, 风向多为偏南风。冬季北向风浪对海底沉积物的作用使海水中悬浮体含量明显增加。故研究区悬浮泥沙供应受泥沙再悬浮的影响较大。同时海岸的岬角侵蚀来沙、滨外沙坝和外海来沙及人工堆积物等也是该海域重要的泥沙来源。
3.2 海洋动力的影响研究区潮流整体运动为东西向的往复流态, 潮流运动方向与岸线走向基本一致, 涨潮流指向西, 退潮流指向东。近岸带泥沙运动可分为横向和纵向两个方向的分量, 前者垂直于海岸方向, 后者平行于海岸。在波浪的侵蚀、搬运和堆积作用下, 最终使水下岸坡上的组成物质从发生位移到只发生振荡运动而并不改变原有位置, 形成海岸均衡剖面。故在波浪的作用下, 其侵蚀和堆积处于相对平衡状态, 而沿岸输沙则是影响悬浮泥沙输运的主要因素。沿岸输沙主要发生在破波带内, 破波及破波产生的沿岸流是沿岸输沙的主要动力[23]。研究区悬浮泥沙输运的总体趋势从西向东, 使得高质量浓度悬浮泥沙平行岸线分布, 其扩散趋势与潮流方向一致, 提高了研究区悬浮泥沙的质量浓度。
乳山口区域的悬浮泥沙, 在海流影响下向南部输运, 对研究区海岸附近海域的影响较弱。
4 结论1) 使用多波段逐步回归分析, 根据卫星同步过境数据建立多种反演模型研究研究区表层悬浮泥沙质量浓度, 证明该方法在研究区有效。
2) 研究区内悬浮泥沙分布受河流输沙和海洋动力条件的影响, 整体悬浮泥沙质量浓度分布随水深的增加而降低。海阳港和海阳核电站工程施工时增大了悬浮泥沙的质量浓度, 但未造成持久影响。
3) 丁字河口为研究区悬浮泥沙的重要供应来源。在冬季盛行风的影响下, 丁字河口的泥沙发生再悬浮现象随潮流输运, 提高了研究区冬季悬浮泥沙的整体质量浓度。
在未来的研究中需要采集同步光谱数据来优化该区域的反演模式。同时可以结合多方因素, 建立水动力模型来进一步细化分析研究区悬浮泥沙的时空分布。
[1] |
Milliman J D, Shen Huangting, Yang Zuosheng, et al. Transport and deposition of river sediment in the Changjiang estuary and adjacent continental shelf[J]. Continental Shelf Research, 1985, 4(1): 37-45. |
[2] |
Fettweis M P, Nechad B. Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea)[J]. Ocean Dynamics, 2011, 61(2-3): 157-171. DOI:10.1007/s10236-010-0310-6 |
[3] |
Ruhl C A, Schoellhamer D H, Stumpf R P, et al. Combined use of remote sensing and continuous monitoring to analyse the variability of suspended-sediment concentrations in San Francisco Bay, California[J]. Estuarine, Coastal and Shelf Science, 2001, 53(6): 801-812. DOI:10.1006/ecss.2000.0730 |
[4] |
罗亚飞, 黄海军, 严立文, 等. 基于遥感方法的大风江口悬浮体时空分布及扩散特征研究[J]. 海洋湖沼通报, 2015(3): 14-20. Luo Yafei, Huang Haijun, Yan Liwen, et al. Distribution and diffusion of suspended matters based on remote sensing in the Dafengjiang estuary[J]. Transactions of Oceanology and Limnology, 2015(3): 14-20. |
[5] |
Cai Lina, Tang Danling, Levy G, et al. Remote sensing of the impacts of construction in coastal waters on suspended particulate matter concentration:The case of the Yangtze River delta, China[J]. International Journal of Remote Sensing, 2016, 37(9): 1-16. |
[6] |
Hariyanto T, Krisna T C, Pribadi C B, et al. Evaluation of total suspended sediment (TSS) distribution using ASTER, ALOS, SPOT-4 Satellite hykx-43-3-55ry in 2005-2012[J]. IOP Conference Series:Earth and Environmental Science, 2017, 98: 12-26. |
[7] |
Chen Jun, Cui Tingwei, Qiu Zhongfeng, et al. A split-window model for deriving total suspended sediment matter From MODIS data in the Bohai sea[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2014, 7(6): 2611-2618. |
[8] |
Yeo I Y, Lang Megan, Vermote E. Improved understanding of suspended sediment transport process using multi-temporal landsat data:A case study from the old woman creek estuary (Ohio)[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(2): 636-647. DOI:10.1109/JSTARS.2013.2265191 |
[9] |
Hariyanto T, Krisna T C, Khomsin K, et al. Developing of total suspended sediment model using landsat-8 satellite hykx-43-3-55 and in-situ data at The Surabaya coast, East Java, Indonesia[J]. Indonesian Journal of Geography, 2017, 49(1): 73. DOI:10.22146/ijg.12010 |
[10] |
栾虹, 付东洋, 李明杰, 等. 基于Landsat 8珠江口悬浮泥沙四季遥感反演与分析[J]. 海洋环境科学, 2017, 36(6): 892-897. Luan Hong, Fu Dongyang, Li Mingjie, et al. Based on Landsat 8 suspended sediment concentration of the Pearl River on each season inversion and analysis[J]. Marine Environmental Science, 2017, 36(6): 892-897. |
[11] |
Qiu Zhongfeng, Xiao Cong, Perrie W, et al. Using landsat 8 data to estimate suspended particulate matter in the Yellow River estuary[J]. Journal of Geophysical Research:Oceans, 2017, 122(1): 276-290. DOI:10.1002/jgrc.v122.1 |
[12] |
Yang Xianping, Sokoletsky L, Wei Xiaodao, et al. Suspended sediment concentration mapping based on the MODIS satellite hykx-43-3-55ry in the East China inland, estuarine, and coastal waters[J]. Chinese Journal of Oceanology and Limnology, 2017, 35(1): 39-60. DOI:10.1007/s00343-016-5060-y |
[13] |
Dorji P, Fearns P. A quantitative comparison of total suspended sediment algorithms:A case study of the last decade for MODIS and landsat-based sensors[J]. Remote Sensing, 2016, 8(10): 1-32. |
[14] |
王芳, 李国胜. 海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究[J]. 地理研究, 2007, 26(6): 1186-1196, 1308. Wang Fang, Li Guosheng. Two parameters retrieval models of suspended sediment concentration of Bohai Sea based on MODIS data[J]. Journal of Geographical Sciences, 2007, 26(6): 1186-1196, 1308. DOI:10.3321/j.issn:1000-0585.2007.06.013 |
[15] |
Han Bing, Loisel H, Vantrepotte V, et al. Development of a semi-analytical algorithm for the retrieval of suspended particulate matter from remote sensing over clear to very turbid waters[J]. Remote Sensing, 2016, 8(3): 211. DOI:10.3390/rs8030211 |
[16] |
张泽华.海阳港建设对砂质海岸影响的研究[D].青岛: 中国海洋大学, 2012. Zhang Zehua. Study on impacts of the Haiyang harbor's construction on the sandy coast[D]. Qingdao: Ocean University of China, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10423-1012504120.htm |
[17] |
Rundquist D C. The response of both surface reflectance and the underwater light field to various levels of suspended sediments:preliminary results[J]. Photogrammetric Engineering & Remote Sensing, 1994, 60(12): 1463-1471. |
[18] |
Zhang Yibo, Zhang Yulin, Shi Kun, et al. A landsat 8 OLI-Based, semianalytical model for estimating the total suspended matter concentration in the slightly turbid Xin'anjiang reservoir (China)[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(1): 1-16. DOI:10.1109/JSTARS.2016.2518645 |
[19] |
孟凡晓, 陈圣波, 张国亮, 等.基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演[J].世界地质, 2017, 36(2): 616-623, 642. Meng Fanxiao, Chen Shengbo, Zhang Guoliang, et al. Global geology quantitative inversion of nearshore suspended sediment and chlorophyll-a concentration based on landsat8 data in South China Sea[J]. 2017, 36(2): 616-623, 642. http://www.cnki.com.cn/Article/CJFDTOTAL-SJDZ201702029.htm |
[20] |
徐茂泉, 陈友飞. 海洋地质学[M]. 厦门: 厦门大学出版社, 2010: 176-177. Xu Maoquan, Chen Youfei. Marine Geology[M]. Xiamen: Xiamen University Press, 2010: 176-177. |
[21] |
刘艳霞, 黄海军, 杨晓阳. 基于遥感反演的莱州湾悬沙分布及其沉积动力分析[J]. 海洋学报, 2013, 35(6): 43-53. Liu Yanxia, Huang Haijun, Yang Xiaoyang, et al. The transportation and deposition of suspended sediment and its dynamic mechanism analysis based on landsat hykx-43-3-55s in the Laizhou Bay[J]. Acta Oceanologica Sinica, 2013, 35(6): 43-53. DOI:10.3969/j.issn.0253-4193.2013.06.005 |
[22] |
Lie Heung-jae, Cho Cheol-ho. Seasonal circulation patterns of the Yellow and East China Seas derived from satellite-tracked drifter trajectories and hydrographic observations[J]. Progress in Oceanography, 2016, 146: 121-141. DOI:10.1016/j.pocean.2016.06.004 |
[23] |
常瑞芳. 海岸工程环境[M]. 青岛: 中国海洋大学出版社, 1997: 58-60. Chang Ruifang. Coastal Engineering Environment[M]. Qingdao: China Ocean University Press, 1997: 58-60. |