检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2025 , Vol. 44 >Issue 2: 157 - 177

DOI: https://doi.org/10.11978/2024099

海洋地貌学

台风影响下西沙灰沙岛的时空变化特征

  • 肖海婷 , 1 ,
  • 黄荣永 , 2, 3, 4 ,
  • 刘羿 1 ,
  • 余克服 2, 3, 4
展开
  • 1.天津大学地球系统科学学院, 天津 300072
  • 2.广西大学广西南海珊瑚礁研究重点实验室, 广西 南宁 530004
  • 3.广西大学珊瑚礁研究中心, 广西 南宁 530004
  • 4.广西大学海洋学院, 广西 南宁 530004
黄荣永。email:

肖海婷(2000—), 女, 江西省赣州市人, 硕士研究生, 从事珊瑚礁遥感研究。email:

Copy editor: 殷波 , YIN Bo

收稿日期: 2024-04-30

  修回日期: 2024-06-12

  网络出版日期: 2024-06-20

基金资助

国家自然科学基金项目(4192200195)

国家自然科学基金项目(42030502)

国家自然科学基金项目(42090041)

收起

Spatiotemporal changes of lime-sand islands in the Xisha Islands under the impacts of typhoons

  • XIAO Haiting , 1 ,
  • HUANG Rongyong , 2, 3, 4 ,
  • LIU Yi 1 ,
  • YU Kefu 2, 3, 4
Expand
  • 1. School of Earth System Science, Tianjin University, Tianjin 300072, China
  • 2. Guangxi Laboratory on the Study of Coral Reefs in South China Sea, Guangxi University, Nanning 530004, China
  • 3. Coral Reef Research Centre of China, Guangxi University, Nanning 530004, China
  • 4. School of Marine Sciences, Guangxi University, Nanning 530004, China
HUANG Rongyong. email:

Copy editor: YIN Bo

Received date: 2024-04-30

  Revised date: 2024-06-12

  Online published: 2024-06-20

Supported by

National Natural Science Foundation of China(4192200195)

National Natural Science Foundation of China(42030502)

National Natural Science Foundation of China(42090041)

Fold

摘要

文章基于哨兵二号(Sentinel-2)遥感影像, 使用梯度向量流-主动轮廓模型(gradient vector flow-snake, GVF-Snake)提取南海西沙北岛、中岛和南岛的海滩基部线(toe of beach, ToB)和植被边界线, 获取了灰沙岛及其海滩面积。采用突变检验法, 判别出2016—2022年造成研究区岛屿面积发生突变的台风事件。通过统计台风事件中灰沙岛归一化植被指数(normalized difference vegetation index, NDVI)和海滩面积变化, 以及ToB线和植被边界线的移动距离, 分析了西沙灰沙岛受台风影响后的时空变化特征及其影响因素。结果显示: 1) 台风导致灰沙岛植被以轻度受损为主, 中度及以上受损植被分布在岛屿沿岸, 导致了植被边界线的后退, 而沉积物随受损植被剥脱, 并随风浪冲刷至海滩, 导致了ToB线的向海推进。受台风路径方向影响, 迎风面沿岸首先遭受冲击, 灰沙岛迎风面沿岸植被重度受损, 因而导致ToB线和植被边界线在迎风面具有更大的移动距离; 2) 在台风影响末期, 由于灰沙岛沿岸植被受损, 植被边界线的后退和ToB线的向海推进, 使得海滩面积扩大, 而在台风过后, 因失去植被的固定, 在海滩堆积的松散沉积物在风浪作用下从岛屿运离至礁坪, 使得海滩面积缩减。因此, 具有固定与缓冲作用的沿岸植被在维持灰沙岛的稳定性方面具有重要作用; 3) 台风风速增大和台风路径与灰沙岛之间距离的缩短, 以及台风期间海洋表层流速的增加, 易使得灰沙岛遭受极端波浪和风暴流的影响, 将增大灰沙岛严重受损植被的面积, 进而造成更大的岸线移动的距离和海滩面积的变化。此外, 台风可引起沉积物在灰沙岛及其周围环境中的运移, 进而直接改变灰沙岛海滩面积及其形态。台风过后灰沙岛上大量松散沉积物的流失, 导致了灰沙岛面积突变减小, 加之全球变暖造成生物碳酸盐产率下降, 以及来自周围环境的沉积物供应不足, 可能是南海西沙灰沙岛面积长期呈下降趋势的原因。

关键词： 灰沙岛; 台风; 遥感; 西沙群岛

本文引用格式

肖海婷 , 黄荣永 , 刘羿 , 余克服 . 台风影响下西沙灰沙岛的时空变化特征[J]. 热带海洋学报, 2025 , 44(2) : 157 -177 . DOI: 10.11978/2024099

Abstract

In this study, we explored the changing characteristics of spatial patterns of lime-sand islands in the Xisha Islands under the impacts of typhoons and their driving factors, which are of great significance to the ecological protection and sustainable development of lime-sand islands in the South China Sea (SCS). First, to determine the area of the BeiDao, ZhongDao and Nandao islands of the Xisha Islands and their beaches, the toe of beach line (ToB) and the boundary of vegetation were extracted using the gradient vector flow-snake (GVF-snake) model based on Sentinel-2 remote sensing images. The monthly average area of the study islands from 2016 to 2022 was examined using the change point detection method, and the typhoon events that had caused significant changes in the size of the study islands were identified. Finally, the spatial and temporal characteristics of the islands affected by typhoons were analyzed based on the changes in lime-sand islands area, vegetation area, beach area and normalized difference vegetation index (NDVI) during typhoon events. The results are shown as follows. 1) The vegetation of the islands was mainly slightly stressed by the typhoons, and the severely stressed areas were mainly located along the shorelines. The typhoons caused a significant retreat of the vegetation boundary of the islands, and the sediments were stripped off with the damaged vegetation and washed to the beach with the wind and waves, resulting in the seaward advancement of the ToB line. The windward coasts were the first to be impacted by the direction of the typhoon path, and the vegetation along the windward side of the islands was heavily damaged, resulting in more significant changes in vegetation, vegetation boundary, and the ToB line on the windward side. 2) As the vegetation along the lime-sand islands was damaged, the retreat of the vegetation boundary line and the seaward advancement of the ToB line resulted in the expansion of the beach area, whereas after the typhoon, due to the loss of vegetation fixation, the loose sediment accumulated on the beach was transported away from the islands to the reef flats by the wind and wave action, resulting in the reduction of the beach area. Therefore, coastal vegetation that buffers and fixes the sand is critical to the stability of lime-sand islands. 3) Increased typhoon wind speeds and shorter distances between typhoon paths and the islands, as well as increased surface currents during the typhoon, made the islands exposed to extreme wave and storm currents, which led to an increase in the area of severely damaged vegetation on the islands, resulting in greater shoreline movement and changes in beach area. In addition, typhoons can cause sediment transport between the lime-sand islands and their surroundings, which can directly change the beach area and morphology of the lime-sand islands. The loss of large amounts of unconsolidated sediments on the lime-sand islands after the typhoon, which led to an abrupt decrease in the size of the islands, together with the decrease in the rate of biogenic carbonate production due to global warming and the insufficient supply of sediments from the surrounding environment, may be the reasons for the long-term decreasing trend in the size of the lime-sand islands in the Xisha Islands.

Key words： lime-sand island; typhoon; remote sensing; Xisha Islands

灰沙岛是由珊瑚礁区的生物碳酸盐沉积物在波浪、潮汐和风的动力作用下形成的堆积体(Perry et al, 2011; McLean et al, 2015; Duvat et al, 2017b)。与地质历史悠久的环礁相比, 灰沙岛具有面积小、海拔低和沉积物松散等特点(Kayanne et al, 2016; Liu et al, 2020), 其形成和发育过程更具动态性, 并且极容易受到与全球变暖相关的海平面上升和海表温度升高等问题的影响(Perry et al, 2011; Hubbard et al, 2014)。
台风是影响灰沙岛及其周围的珊瑚礁生态群落最常见和最频繁的自然扰动之一(Fabricius et al, 2008; Lugo-Fernández et al, 2010)。随着全球变暖引起海表温度升高, 未来全球台风的发生频率和强度将会增加(IPCC, 2022)。台风是中心持续风速在12级以上(即32.7~41.4m·s-1)的热带气旋(Abbas et al, 2020; 汪路 等, 2023), 当台风风速持续加强, 则形成强台风(41.5~50.9m·s-1)或超强台风(≥51m·s-1)。台风天气通过强大的风力作用与剧烈的气压变化, 在海面造成迅速的增水与强烈的风浪, 不仅可直接改造灰沙岛的地貌(Duvat et al, 2019; Holdaway et al, 2021), 还可引发海水盐度、温度和浊度的变化, 间接造成为灰沙岛提供沉积物的珊瑚礁生态群落的退化(Yang et al, 2015), 进而影响岛礁的稳定性。1958年1月7日台风“奥菲莉亚”(Ophelia)造成中太平洋马绍尔群岛贾卢伊特(Jaluit)环礁的礁坪、岛脊和表面土壤层发生严重破坏(Blumenstock, 1958)。热带西太平洋的塔库(Takú)环礁受2008年的一次强风暴事件影响后, 环礁上几乎所有岛屿的岸线都遭受了侵蚀(Mann et al, 2016)。2013年9月强台风“乌提”(Wutip)直接袭击我国南海西沙群岛的永乐环礁, 不仅对环礁通道、礁坪和礁前斜坡造成了物理性破坏, 还导致环礁活珊瑚平均覆盖度从16.05%降至 13.40% (Yang et al, 2015)。另外, 在日本、伯利兹、图瓦卢等地均有台风影响珊瑚岛礁的记录(Hongo et al, 2012; Houser et al, 2014; Hisabayashi et al, 2018)。
珊瑚岛礁对台风的响应包括消失、岸线侵蚀以及面积、形状和位置的变化(Houser et al, 2014), 但台风对灰沙岛造成影响的程度和空间规模差异很大, 其原因不仅与台风强度和台风路径等台风特征有关(Vitousek, 1963; Dissanayake et al, 2015; Kayanne et al, 2016), 还与灰沙岛自身的地貌特征、岛屿植被状况及其附近沉积物的供应情况有关(Pillet et al, 2019)。一般而言, 高强度的台风事件会造成灰沙岛形态和面积发生较大的变化, 并且岛屿上最接近于台风路径的海岸易受到更大程度的影响(Duvat et al, 2017b; Battut et al, 2023)。灰沙岛植被在防止台风期间的洪水和巨浪对海滩的侵蚀方面具有重要作用, 灰沙岛遭受的侵蚀速率会随着岛屿植被的扩张而下降, 并且当植被覆盖度达到35%~40%时, 可有效抑制土壤风蚀(Wasson et al, 1986; Duvat et al, 2020, 2021; Liu et al, 2020)。然而, 由于灰沙岛植被生长于海、陆、气三者的交互作用的生态脆弱区, 台风通常会引起植被发生叶片脱落、树枝折断、植株倾倒和根系裸露等不同程度的损伤(Lin et al, 2011), 导致植被受损格局的空间异质性, 进而影响岛屿海滩的沉积特征(Duvat et al, 2017b)。另外, 台风不仅能对灰沙岛结构产生破坏, 还会通过向岛屿注入新的沉积物, 影响岛屿的形成和发育过程及其稳定性。Duvat等(2017a)发现1983年台风“奥拉马” (Orama)造成沿岸沉积物向岛屿内陆和海滩的填充, 促进了南太平洋土阿莫土群岛北端的塔卡波托环礁(Takapoto)岛屿的扩张。在1972年台风“帕梅拉” (Pamela)过后, 中国南海七连屿上形成了东新沙洲和西新沙洲, 但由于沙洲的稳定性较差, 因此其二者一直处于动态变化之中, 目前东新沙洲已消失(李晓敏, 2021)。
现有研究多集中于探究珊瑚岛礁对台风的响应特征, 然而, 在珊瑚岛礁于不同台风事件中的差异性响应方面极为不足。珊瑚岛礁受到地形地貌、沿岸植被条件、台风风速、台风路径和沉积物运移等多因素的综合影响, 造成其在不同台风事件中的响应具有显著差异。因此, 在对珊瑚岛礁动态变化特征进行监测的同时, 需深入分析导致珊瑚岛礁对不同台风响应差异的原因。
台风引起灰沙岛不同海岸地貌及岸线位置的差异性变化(Kench et al, 2006; Kayanne et al, 2016), 进而导致岛屿形态和面积的不同调整, 因此监测岛屿岸线的动态变化能够很好地揭示岛屿对台风的差异性响应(Forbes et al, 2004)。但由于海岸线一直处于连续的动态变化中, 采用实地勘测和视频监测等方式以实时地获取海岸线的实际位置具有一定困难, 并且也无法适用于大区域和长时间的岸线变化趋势的研究, 特别是在偏远地区(Hisabayashi et al, 2018)。遥感技术能够提供大范围的同步观测, 为监测灰沙岛长期的动态变化提供了解决方案(王圆圆 等, 2007; 黄荣永 等, 2019)。目前, 国外已有不少学者基于遥感技术对珊瑚岛礁在年际(Chowdhury et al, 2007)、季节尺度(Kench et al, 2006)和灾害短时尺度(Ford et al, 2014)的动态变化进行了分析与探讨。国内利用遥感技术对珊瑚岛礁的研究主要集中在地貌分类方法与技术的探究上, 而较少利用遥感技术监测台风对南海珊瑚岛礁造成的影响。西太平洋作为全球台风最频发的地区之一(陆俊, 2022), 南海灰沙岛在未来台风增强情况下的稳定性也将面临重大挑战, 因此亟须开展对南海灰沙岛在台风影响下动态变化的遥感监测。
Liu等(2020)基于对遥感影像的分析发现在1989—2019年间南海灰沙岛的面积普遍呈现下降趋势, 并推断, 除了珊瑚礁生态系统退化和海平面上升等因素之外, 南海灰沙岛面积的普遍缩减还很可能与全球变暖引起的台风破坏力增强有关。但目前尚未对南海灰沙岛对台风的响应特征以及导致其响应差异的影响因素开展研究。基于此, 本文利用遥感技术探究台风影响下的西沙灰沙岛的空间变化特征及其影响因素, 以期有助于理解珊瑚岛礁在台风作用下的响应机制, 为南海灰沙岛的稳定性评估和可持续发展提供重要参考。

1 研究区和数据来源

1.1 研究区概况

七连屿发育于南海西沙群岛宣德环礁(112°12′E—112°23′E, 16°44′N—17°00′N)的西北缘, 由数个灰沙岛和沙洲组成。七连屿属热带季风性气候, 年平均气温范围在26℃~27℃ (洪小帆, 2021), 易受台风和强降雨等极端天气的影响(王宇喆 等, 2021; 李晓敏 等, 2022; 谢雨涵 等, 2022)。由于北岛、中岛和南岛均发育于七连屿同一珊瑚礁盘上, 具有相似的地质背景与水文条件, 且均受人为活动影响较小, 因此本文选取七连屿中的北岛、中岛和南岛 3个灰沙岛为研究对象。北岛、中岛和南岛的面积分别为0.34km2、0.12km2和0.11km2, 岛屿四周均有沙堤包围, 中部均分布具有固沙作用的茂密植被区(图 1)。
图1 研究区位置示意图

a. 西沙群岛位置及台风路径示意图。基于自然资源部标准地图服务网站下载的审图号为GS(2023)2762号标准地图制作; b. 七连屿Sentinel-2卫星数据(成像日期: 2021年4月9日); c. 北岛、中岛和南岛及其分区示意图

Fig. 1 Location of study area. (a) Location of Xisha Islands and typhoon tracks; (b) Sentinel-2 satellite data for Qilianyu (imaging date: April 9, 2021); (c) Map of the BeiDao, ZhongDao and NanDao islands and the islands sections

1.2 数据来源

1.2.1 卫星遥感数据

Sentinel-2卫星星座是由欧洲空间局(European Space Agency, ESA)分别于2015年6月发射的Sentinel-2A卫星和2017年3月发射的Sentinel-2B卫星组成的(姚杰鹏 等, 2021)。Sentinel-2卫星可见光波段空间分辨率最高为10m (Zeng et al, 2023), 双卫星共同成像将卫星运行的重访周期缩短至5d (欧阳宏达 等, 2023), 因此利用该数据可对灰沙岛进行高时空分辨率的监测。本文基于谷歌地球引擎(google earth engine, GEE), 分别选取了2016年7月—2022年12月期间北岛、中岛和南岛所有无云层覆盖且成像清晰的Sentinel-2 L1C (level-1C)级卫星影像数据共181景, 其中包含北岛、中岛和南岛的影像分别有150景、161景和181景。

1.2.2 台风数据

本文所用台风数据来自日本气象厅(Japan Meteorological Agency, JMA)东京台风中心(RSMC-Tokyo)提供的西北太平洋台风最佳路径数据集(http://www.jma.go.jp)。JMA台风最佳路径数据集提供了自1951年以来西北太平洋热带气旋每隔6h气旋中心的经度、纬度、近中心最低气压、强度、风速和30kt (1kt = 1.852km·h-1)风圈最大半径等信息。本文基于热带气旋中心的经纬度及其30kt风圈最大半径, 确定气旋的影响范围。根据各气旋的影响范围, 统计2016年7月—2022年12月影响北岛、中岛和南岛的台风信息。以符合条件的Sentinel-2卫星数据的成像时间间隔, 区分影响灰沙岛的台风事件(表 1)。
表1 对研究区造成影响的台风信息

Tab. 1 The list of typhoons information affecting study islands

序号 编号 名称 日期 强度等级
1 1603 银河 20160725—20160728 强热带风暴
2 1621 莎莉嘉 20161012—20161020 超强台风
3 1704 塔拉斯 20170710—20170717 强热带风暴
4 1710 海棠 20170727—20170803 热带风暴
5 1719 杜苏芮 20170911—20170916 强台风
6 1720 卡努 20171011—20171016 强台风
7 1809 山神 20180716—20180724 热带风暴
8 1822 山竹 20180907—20180917 强台风
9 1826 玉兔 20181021—20181103 强台风
10 1904 木恩 20190702—20190704 热带风暴
11 1907 韦帕 20190730—20190803 热带风暴
12 1912 杨柳 20190825—20190830 热带风暴
13 1928 北冕 20191125—20191206 强台风
14 2003 森拉克 20200731—20200803 热带风暴
15 2011 红霞 20200914—20200919 强热带风暴
16 2022 环高 20201108—20201116 强台风
17 2104 小熊 20210611—20210613 热带风暴
18 2113 康森 20210905—20210913 强热带风暴
19 2118 圆规 20211008—20211014 台风
20 2122 雷伊 20211212—20211221 超强台风
21 2203 暹芭 20220629—20220707 台风
22 2207 木兰 20220808—20220811 热带风暴
23 2209 马鞍 20220821—20220826 台风
24 2216 奥鹿 20220921—20220929 超强台风

2 数据处理方法

本研究的技术流程如图2所示。主要由遥感数据预处理、灰沙岛边界线提取、台风特征提取、灰沙岛面积突变点检验、灰沙岛的变化特征提取5个模块构成, 用于台风影响后灰沙岛植被受损格局以及岸线位置和海滩面积变化特征的分析其影响因素的探讨。
图2 研究流程图

Fig. 2 Flowchart of present study

2.1 遥感数据的预处理

本文遥感数据预处理过程包括大气校正和影像配准, 均基于GEE云平台完成。由于Sentinel-2 L1C级数据集为仅经过正射校正的大气表观反射率产品(吴迪 等, 2023), 为消除大气吸收、散射和反射等对影像的影响, 以获取更准确的地表反射率信息, 因此本文基于Python的py6s库, 利用6s大气校正模型得到地表反射率数据(欧阳宏达 等, 2023)。为准确地识别灰沙岛受台风影响后地貌边界线的移动情况, 本文对大气校正后的影像数据进行了地理配准。由于灰沙岛建筑物边缘或岛屿周围点礁的位置相对稳定, 本文选取较为明显的建筑物边缘或点礁为控制点, 以可获取的最早影像数据为原始参考, 根据影像获取时间的先后顺序依次进行配准。配准结果显示各控制点残差和总均方根误差(4.41m)均控制在0.5个像元内, 最后根据北岛、中岛和南岛的范围对影像数据进行裁剪。

2.2 灰沙岛海滩基部线和植被边界线提取

梯度向量流-主动轮廓(gradient vector flow-snake, GVF-Snake)模型, 是由Xu等(1998)提出的改进的主动轮廓(snake)提取模型。GVF-Snake模型可克服传统模型对初始轮廓曲线敏感和对凹陷处难以检测等弊端(Xu et al, 1998), 且具有可达亚像元级提取精度的优势(Liu et al, 2020; 熊媛 等, 2022), 在遥感数据的图像分割和目标识别方面得到应用(宋效东 等, 2013; 周旻曦 等, 2015; 王峰萍 等, 2017; 孙冲, 2018; Liu et al, 2020; 熊媛 等, 2022)。熊媛等(2022)基于Sentinel-2卫星数据, 采用GVF-Snake模型提取了珊瑚礁地貌分界线, 其提取结果与空间分辨率为1.8m的WorldView-2影像所提取的结果相当。基于此, 本文利用该模型提取灰沙岛的岛屿边界线和植被边界线, 用以获取灰沙岛的面积和海滩面积, 并计算边界线位置的移动距离。其中, 以海滩基部线(toe of beach, ToB)作为岛屿边界线, 其为海滩和礁坪的分界线(McLean et al, 2015; Liu et al, 2020), 可利用海滩和礁坪在遥感数据红光波段的亮度差异对ToB线进行提取。而由红、绿、蓝(RGB)波段合成的真彩色图像可对白色海滩和植被进行区分, 以提取植被边界线。实际上为检验边界线提取精度, 本文还将Sentinel-2卫星提取获得的边界线与一景GF-2卫星影像解译得到的参考边界进行对比。结果表明, 两种卫星提取得到的ToB线和植被边界线位置吻合得很好(图3), 两者平均差异均在0.2~3.3m之间。因此, 基于Sentinel-2卫星影像数据利用GVF-Snake模型可以准确地提取灰沙岛的边界线。本文规定灰沙岛面积为ToB线所含区域的面积, 海滩面积为ToB线和植被边界线间所含区域的面积, 并计算各灰沙岛逐月平均面积以得到灰沙岛面积时间序列。另外, 根据灰沙岛各区域的地貌特征与在礁盘上的分布位置, 将其划分成岛屿北端、岛屿南端和岛屿向海区(图1c)(Duvat et al, 2017a, b)。
图3 Sentinel-2和GF-2影像提取结果对比

a. 遥感数据及成像时间; b. 图a中黄色方框所指区域中ToB线提取结果对比; c. 植被边界线提取结果对比。图b和图c中红色虚线表示Sentinel-2影像提取结果; 绿色曲线表示GF-2影像提取结果

Fig. 3 Comparison of Sentinel-2 and GF-2 image extraction results. (a) Remote sensing data and time of imaging; (b) Comparison of ToB line extraction results in the region indicated by the yellow box in (a); (c) Comparison of vegetation boundary extraction results. The red dashed lines in Figures b and c represent the Sentinel-2 image extraction results; The green curve represents the GF-2 image extraction result

2.3 海滩基部线和植被边界线变化监测与评价

数字化海岸线分析系统(digital shoreline analysis system, DSAS)是美国地质调查局开发的用于评估海岸线时空变化速率的工具(Thieler et al, 2009)。为定量分析台风前后灰沙岛的ToB线和植被边界线位置移动情况, 本文基于ArcGIS软件的DSAS系统扩展模块, 以1m为间隔建立垂直于基线的样线, 并计算各灰沙岛的ToB线和植被边界线受台风影响后的净岸线移动距离(net shoreline movement, NSM)。NSM为正表示受台风影响后岸线向海移动, 岸线向外扩张或淤积; NSM为负表示岸线向陆移动, 岸线受到侵蚀或加积增高。
ToB线在无台风干扰下易受海浪和潮汐等因素的影响, 并且植被边界线也可能因植被生长或海浪作用发生移动。由于南岛在2021年3月30日—4月24日和2022年5月29日—6月23日各有6期连续的Sentinel-2卫星影像数据, 本文以上述两个时段连续影像检验平静情况下灰沙岛面积、ToB线和植被边界线的移动情况。检验得到南岛面积在该情况下25d内平均净面积变化量分别为85.8m2和80.6m2, ToB线的平均移动量均为2.7m, 植被边界线的平均移动量均为1.5m, 均在影像配准误差范围内(< 4.41m)。另外, 在潮差较小的南海海域, 潮位变化引起的ToB线提取误差不会显著影响灰沙岛的面积变化趋势(Liu et al, 2020)。由于北岛、中岛和南岛具有相似的水文条件, 故认为研究区灰沙岛的ToB线在平静潮汐中位置变化幅度为2.7m, 植被线边界线位置变化幅度为1.5m。以边界线的移动距离表征对台风的响应, 因此, 对台风事件造成灰沙岛ToB线移动情况分为保持稳定(|NSM| < 2.7m)、中度变化(2.7m < |NSM| < 5m)和强烈变化(|NSM| > 10m)。同时, 对台风事件造成灰沙岛植被边界线移动情况分为保持稳定(|NSM| < 1.5m)、中度变化(1.5m < |NSM| < 3m)和强烈变化(|NSM| > 3m)。

2.4 灰沙岛面积变化的突变检验

常见的时间序列突变检测方法有M-K (Mann-Kendall)突变检验法、滑动t检验法和Pettitt检验法等(Hamed, 2008; 周园园 等, 2011; 包为民 等, 2018)。由于单个检验法的使用易造成结果具有主观性等缺陷(马潇潇 等, 2019; 向怡衡 等, 2023), 因此本文结合M-K突变检验法和滑动t检验法用于确定灰沙岛月均面积发生突变的时间点, 并用于判别造成灰沙岛面积发生突变的重要事件。
M-K检验是一种应用广泛的非参数统计检验方法, 具有不受样本分布和异常值影响的优点(Patra et al, 2012)。在M-K检验中, 当UF (顺序秩序统计量) > 0时, 表明序列呈上升趋势, 反之呈下降趋势(向怡衡 等, 2023)。本文给定显著性水平α = 0.05, 即当|UF| > 1.96时, 则通过95%的置信度检验, 表明序列趋势显著。若UF和UB (逆序秩序统计量)在某时刻出现一个交点且其位于显著性水平线之间, 则该点为突变点, 当出现多个交点时则需进一步判断(马潇潇 等, 2019; 向怡衡 等, 2023)。
滑动t检验法是通过检验两组样本值是否具有显著差异以确定突变点(马潇潇 等, 2019)。本文选取2个子序列长度为n1 = n2 = 3, 给定显著性水平α = 0.05, 即当|t| > 2.776 (|t| < 2.776)时, 则存在(不存在)突变点。本文将滑动t检验法和M-K检验法的结果进行对比, 以增加确定的灰沙岛月均面积突变时刻的可信度。

2.5 植被指数计算与受损评估

归一化植被指数(normalized difference vegetation index, NDVI)被广泛应用于监测植被覆盖密度、植被生长情况、地表植被生物量和环境变化等研究中, 其也常被用于监测植被对不同台风干扰的响应(Xu et al, 2021; Yum et al, 2023)。NDVI的计算公式如下
NDVI= ρ ( NIR) − ρ ( RED) ρ ( NIR) + ρ ( RED)
式中: ρ(NIR)和ρ(RED)分别表示影像数据的近红外波段与红光波段(Yum et al, 2023)。
为消除不同植株的生长差异, 以灰沙岛台风前和台风后的植被NDVI数据, 计算植被损益度(单位: %)来表明不同植株受台风影响的严重程度(Abbas et al, 2020), 并用以评估台风前后灰沙岛植被的受损格局, 计算公式如下:
植 被 损 益 度 = NDVI 台 风 后 − NDVI 台 风 前 NDVI 台 风 前 × 100 %
本文规定植被损益度低于-50%为极重度受损, -50% ~ -30%为重度受损, -30% ~ -20%为中度受损, -20% ~ 0为轻度受损, 植被损益度为正为无受损, 表示灰沙岛植被状况与台风影响前相比没有明显改变或具有更好的生长态势。

3 结果

3.1 灰沙岛面积逐月变化趋势

在长期变化中, 刘嘉鎏(2020)基于Landsat和Sentinel-2卫星影像, 对1989—2019年南海灰沙岛面积提取发现, 北岛和南岛面积分别以292.66m2·a-1和356.97m2·a-1的速率减少, 而中岛以42.41m2·a-1的速率增加。本文提取了北岛、中岛和南岛在2016年7月—2022年12月月均面积(图4), 从总体变化趋势上看, 北岛和南岛的面积分别以115和6.17m2·month-1的速率增加(图4a, 4c), 而中岛面积以3.21m2·month-1的速率减少(图 4b)。分段线性回归表明(图 4c), 南岛面积在2021年前以75.7m2·month-1的速率减少, 后以34.75m2·month-1的速率增加, 可见南岛面积在2020—2021年间发生了较明显的突变, 而北岛和中岛面积并未有明显的阶段性特征。另外, 各岛屿面积在不同月份间均表现出周期性波动。其中, 各年最小面积出现在5—8月, 最大面积出现在10月至次年2月。影响北岛、中岛和南岛的台风频发于7—9月, 该时期北岛、中岛和南岛月均面积极差分别至少达23800、13430和16010m2, 是年均变化速率的37.6至44.8倍。因此, 本文认为灰沙岛面积可能受到台风干扰而迅速减小, 而在台风过后的短时间内增至最大。
图4 2016—2022年研究区岛屿的面积时间序列及其线性趋势

a. 北岛; b. 中岛; c. 南岛。图中方程式表示灰沙岛面积的一元线性拟合方程

Fig. 4 Time series of the area of study islands and their linear trends (dashed line) from 2016 to 2022. (a) BeiDao island; (b) ZhongDao island; (c) NanDao island. The equation in the figure represents a univariate linear fitting equation for the area of Grey Sand Island

3.2 灰沙岛面积的突变检验

在对北岛、中岛和南岛月均面积长期变化趋势分析的基础上, 本文进一步对其突变特征进行了检验。根据灰沙岛面积M-K检验统计量曲线和滑动t检验统计量曲线(图 5)可知, 北岛和中岛面积的UF统计量均在2017年2月后小于零, 并在2017年8—9月超过临界线, 表明面积下降趋势显著(p < 0.05)(图5a, 5c)。同时, 南岛面积M-K检验的UF和UB曲线在9—10月出现交点(图5e), 对应的滑动t统计量超过临界线(p < 0.05)(图5f), 因此可认为南岛面积在该时期发生突变减小, 并且其面积此后呈下降趋势(UF < 0)(图5e)。结合该时期对七连屿造成影响的台风事件发现, 2017年9月1719号强台风“杜苏芮”在距七连屿88.91km处, 以48m·s-1的风速从七连屿的西南侧向西北移动(图 1a和表2)。在2020年9—11月, 北岛、中岛和南岛面积M-K检验的UF和UB曲线均出现交点(图5a, 5c, 5e), 同时, 该时期符合滑动t检验所确定的突变时间区域(p < 0.05)(图5b, 5d, 5f)。该时期七连屿受到热带风暴“红霞”和强台风“环高”的影响, 但由于“红霞”经过七连屿时最大风速仅为23m·s-1, 而强台风“环高”以33m·s-1的最近风速从七连屿的西南侧向西北移动, 且距七连屿的最近距离仅为75.95km (图1a和表2)。因此, 在2020年后, 南岛面积转变为增加趋势的原因可能与强台风“环高”的影响有关, 并且该台风也造成北岛和中岛的面积突变减小。
图5 研究区岛屿面积的Mann-Kendall检验(a、c、e)和滑动t检验(b、d、f)

a, b: 北岛; c, d: 中岛; e, f: 南岛。图中灰色竖纹表示台风影响时段

Fig. 5 Mann-Kendall test (a, c, e) and moving t-test (b, d, f) for the area of study islands. (a, b) BeiDao island; (c, d) ZhongDao island; (e, f) NanDao island. The gray vertical lines in the figure indicate the period of typhoon influence

表2 台风“杜苏芮”、“环高”和“奥鹿”影响前后Sentinel-2影像选取

Tab. 2 Selection of Sentinel-2 images before and after the impacts of Typhoons Doksuri, Vamco and Noru

名称 台风路径至岛屿
最短距离/km		 距岛最近时风速/(m·s-1) 影像日期
台风前 台风影响末期 台风后
杜苏芮 88.91 48 2017/08/13 2017/09/17 2017/10/27
环高 75.95 33 2020/10/31 2020/11/25 2020/12/15
奥鹿 147.56 52 2022/09/16 2022/10/01 2022/11/05
另外, 本文对上述3个岛屿M-K检验出现的其他交点和超出临界线的时段, 结合滑动t检验的结果发现, 北岛面积在2022年9—10月出现显著增加的趋势(p < 0.05)(图5a)。该时期中华人民共和国应急管理部发布了关于防范2216号超强台风“奥鹿”要闻(张展, 2022)。台风“奥鹿”以52m·s-1的最近风速, 在七连屿西南侧147.56km处向西北移动(图1a和表2), 直击我国南海海域, 造成西沙群岛附近海面风力最大达17级(56.1~61.2m·s-1), 并伴有4~5m高的巨浪, 同时引发了局部强降雨天气(刘达 等, 2022)。由此可知, 台风的发生主要造成灰沙岛的面积突变减小, 使得灰沙岛面积下降趋势更为显著。在局部地区, 尽管台风会同时影响多个灰沙岛, 但各岛屿面积的变化存在差异, 部分岛屿面积可能会在台风影响后增大。

3.3 台风影响下灰沙岛植被的受损格局

根据式(2)计算得到北岛、中岛和南岛在分别受强台风“杜苏芮”、强台风“环高”和超强台风“奥鹿”影响后植被的损益度结果(图6)。从各岛屿植被受损的空间分布上看, 中度及以上受损植被主要分布在岛屿的沿海区域, 而位于岛屿中部的植被受损较轻, 甚至未受影响。由于台风“杜苏芮”、“环高”和 “奥鹿”均从研究区岛屿西南侧经过(图 1a), 即岛屿西南侧为迎风面, 因而造成中岛和南岛西南侧沿岸区域植被受损程度高于其他沿岸。但由于北岛东侧具有大面积的裸地(谢雨涵 等, 2022), 因而造成北岛受损较为严重的区域主要分布在其东侧沿海。从不同台风对各岛屿植被的影响程度上看, 尽管台风“环高”在距离七连屿最近处的风速为33m·s-1, 但由于其移动路径与七连屿的最近距离仅有75.95km, 因此, 台风“环高”对岛屿植被也造成了大范围的损伤。台风“环高”导致北岛、中岛和南岛植被的受损面积占比分别达72.7%、97.4%和98.5%, 其中, 造成南岛植被中度及以上受损面积占比高达61.5% (图6d—6f)。虽然超强台风“奥鹿”移动路径距七连屿较远, 但其距七连屿最近处风速高达52m·s-1, 因此, 也对研究区沿岸植被造成了较严重的损害。然而, 可能因台风“奥鹿”移动速度较快, 各岛中部仍有植被未受到损害(图6g—6i)。而强台风“杜苏芮”对研究区植被的损害以轻度为主, 遭受中度及以上受损的植被也主要分布在岛屿的西侧与南侧海岸。从不同岛屿的植被受损情况上看, 北岛在各台风影响下的植被损害程度相对较轻, 主要表现为轻度受损, 中度及以上受损的植被面积占比不超过10%。相比之下, 中岛和南岛的植被则受到更为严重的损害, 其二者中度及以上受损的植被面积占比较高, 显著高于北岛。由此可知, 台风影响后, 灰沙岛植被以轻度损害为主, 中度及以上受损的植被主要分布于沿岸地区。受台风路径方向影响, 迎风面沿岸植被遭受重度受损, 并且较大的台风风速和较近的台风路径距离, 都可造成灰沙岛植被发生大面积损伤。
图6 研究区岛屿受台风“杜苏芮”(a~c)、“环高”(d~f)和“奥鹿”(g~i)影响后植被受损格局及不同受损情况像元占比

a, d, g: 北岛; b, e, h: 中岛; c, f, i: 南岛。各分图中的饼状图为不同损伤程度的像元占比(单位: %)

Fig. 6 Damage pattern and proportion of stressed pixels of vegetation in study islands after the impact of Typhoons Doksuri (a~c), Vamco (d~f) and Noru (g~i). (a, d, g) BeiDao island; (b, e, h) ZhongDao island; (c, f, i) NanDao island

3.4 台风影响下植被边界线和海滩基部线的变化

本文使用DSAS系统分别对北岛、中岛和南岛植被边界线和ToB线在受台风“杜苏芮”、“环高”和 “奥鹿”影响后的移动情况进行了计算和统计。各台风造成灰沙岛沿岸植被受损严重, 因而导致灰沙岛植被边界线以后退为主, 尤其在灰沙岛迎风面的向海区和南端后退最为显著。台风“杜苏芮”主要导致中岛和南岛西侧以及南侧沿海地区的植被损伤(图6b, 6c), 因此该区域的植被边界线出现明显的后退现象(图7a)。其中, 中岛迎风面向海区和南端后退的植被样线占比分别达71.87%和84.18%, 南岛则达67.96%和100% (表3)。而北岛植被边界线对台风“杜苏芮”的响应主要表现为稳定或向外扩张, 后退的植被边界线主要分布在北岛的南端。台风“环高”过后, 研究区各岛屿植被边界线均出现大范围的后退(图7b)。台风“环高”不仅导致各岛屿后退的植被样线占比均超过50%, 还造成南岛迎风面南端植被样线最大达9.9m的后退距离(表4)。台风“奥鹿”虽造成了北岛背风面、中岛和南岛的迎风面与南端植被边界线后退(图 7c), 但研究区岛屿植被稳定样线占比分别为54.6%、82.8%、68.7%, 植被边界线仍以保持稳定为主。
图7 研究区岛屿受不同台风影响后植被边界线净移动量(a~c)和ToB线净移动量(d~f)

Fig. 7 Net movements of vegetation boundary (a~c) and ToB line (d~f) in study islands after the impact of different typhoons

表3 研究区岛屿受台风“杜苏芮”影响后ToB线和植被边界线移动情况

Tab. 3 The NSM of the ToB line and vegetation boundary of study islands after Typhoon Doksuri

岛屿 分区 海滩基部线 植被边界线
平均/m 最大/m 最小/m 向陆/% 向海/% 稳定/% 平均/m 最大/m 最小/m 后退/% 扩张/% 稳定/%
背风面
北岛 北端 -3.0 7.7 -10.2 37.78 18.89 43.33 -0.1 6.3 -3.9 21.64 17.16 61.19
向海区 -1.0 6.7 -9.1 28.68 6.65 64.67 1.5 7.0 -3.9 5.29 44.87 49.83
南端 0.2 3.2 -7.6 20.20 24.75 55.05 -3.8 4.0 -6.4 52.05 23.29 24.66
中岛 北端 0.6 8.8 -9.2 35.29 18.18 19.79 0.5 6.1 -0.1 0.00 11.76 88.24
向海区 -0.2 4.5 -7.7 5.45 3.96 90.59 1.0 5.6 -3.4 2.87 19.77 77.36
南端 -0.8 9.9 -5.5 40.56 32.87 26.57 0.5 5.2 -3.9 11.03 20.69 68.28
南岛 北端 4.5 10.5 -0.4 0.00 55.04 44.96 0.5 7.2 -0.1 0.00 10.77 89.23
向海区 1.6 7.1 -7.7 10.30 28.66 61.04 1.3 7.5 -7.6 3.97 29.44 66.60
南端 6.1 12.6 -10.0 20.57 68.00 11.43 -2.3 -0.3 -4.2 77.08 0.00 22.92
迎风面
北岛 北端 2.1 13.9 -8.6 26.45 17.77 55.79 0.8 4.0 -0.1 0.00 21.32 78.68
向海区 2.2 8.9 -3.7 4.47 57.18 38.36 -0.5 6.2 -8.5 23.28 18.05 58.67
南端 6.5 6.2 -7.5 11.44 70.56 18.00 -4.8 1.3 -5.7 81.22 0.00 18.78
中岛 北端 4.9 8.7 -5.3 29.41 58.82 11.76 -1.2 0.1 -4.3 19.13 0.00 80.87
向海区 3.6 11.0 -2.0 0.00 70.43 29.57 -1.6 -0.7 -5.1 71.87 0.00 28.13
南端 3.6 6.2 -1.0 0.00 69.86 30.14 -2.5 -1.0 -8.2 84.18 0.00 15.82
南岛 北端 3.7 9.8 -0.3 0.00 55.88 44.12 2.8 6.5 0.1 0.00 80.49 19.51
向海区 3.1 9.1 -3.3 3.05 59.49 37.46 -2.9 3.3 -9.6 67.76 5.75 26.49
南端 4.9 12.9 -8.1 0.00 59.36 40.64 -4.0 -5.6 -2.0 100.00 0.00 0.00
表4 研究区岛屿受台风“环高”影响后ToB线和植被边界线移动情况

Tab. 4 The NSM of the ToB line and vegetation boundary of study islands after Typhoon Vamco

岛屿 分区 海滩基部线 植被边界线
平均/m 最大/m 最小/m 向陆/% 向海/% 稳定/% 平均/m 最大/m 最小/m 后退/% 扩张/% 稳定/%
背风面
北岛 北端 -7.8 5.3 -12.2 73.11 5.30 21.59 8.8 10.5 3.4 95.48 0.00 4.52
向海区 1.4 5.7 -8.1 4.88 43.59 51.52 4.5 10.2 -0.1 74.78 0.00 25.22
南端 2.1 4.0 -8.1 14.09 24.66 61.25 3.5 36.3 -8.0 10.89 72.28 16.83
中岛 北端 3.9 7.1 -5.6 26.24 61.70 12.06 -3.5 3.1 -6.7 72.79 5.88 21.32
向海区 4.4 6.7 0.0 0.00 98.50 0.00 -3.0 0.1 -9.1 61.03 7.16 31.81
南端 1.8 9.4 -10.5 11.19 55.24 33.57 -0.2 4.4 -4.0 17.24 10.34 72.41
南岛 北端 -3.8 5.3 -8.6 60.47 21.71 17.83 -3.4 -1.3 -9.1 77.94 0.00 22.06
向海区 1.5 7.6 -12.2 7.40 39.19 53.41 -4.8 0.1 -7.4 72.12 0.00 27.88
南端 1.8 13.0 -15.6 5.71 67.43 26.86 -1.5 3.5 -9.9 28.85 3.85 67.31
迎风面
北岛 北端 -1.8 18.4 -18.0 48.31 25.00 26.69 -1.9 2.7 -4.2 61.15 22.29 16.56
向海区 -0.7 9.1 -1.6 0.00 67.85 32.15 -0.4 2.9 -7.9 48.36 8.59 43.05
南端 7.5 8.0 -1.4 0.00 75.54 24.46 -1.3 2.2 -5.9 59.47 18.42 22.11
中岛 北端 3.2 4.5 1.1 0.00 80.21 19.79 2.5 7.3 -4.2 26.25 58.75 15.00
向海区 3.3 7.4 -7.0 0.79 57.74 41.47 -1.9 3.5 -4.1 75.08 12.77 12.15
南端 -7.1 4.9 -14.8 76.71 9.59 13.70 0.7 4.3 -3.5 20.25 20.89 58.86
南岛 北端 3.6 14.5 -6.0 10.78 47.06 42.16 -2.7 0.7 -4.2 79.27 0.00 20.73
向海区 2.7 9.6 -0.6 0.00 41.10 58.90 -1.7 1.2 -7.5 29.16 0.00 70.84
南端 8.0 10.6 -4.6 1.60 69.52 28.88 -0.6 0.4 -3.3 9.68 0.00 90.32
台风“杜苏芮”、“环高”和“奥鹿”造成了研究区岛屿ToB线以向海的推进为主(图7d—7f)。其中, 台风“杜苏芮”造成中岛和南岛迎风面向海区推进的ToB线占比分别为70.43%和59.49% (表3), 而台风“环高”总体造成了岛屿向海推进的ToB线出现最大比例, 北岛、中岛和南岛向海推进的ToB线占比分别为49.3%、67.5%和44.7% (表4)。在台风“奥鹿”的影响下, 南岛的ToB线出现大范围向海推进, 而北岛和中岛的ToB线以保持稳定为主(图7f)。另外, 由于台风会引起灰沙岛南端与北端的沙嘴形态和走向发生变化, 因此在台风影响后, 灰沙岛端头的部分ToB线呈现出显著的后退或向海推进的现象, 并且后退的ToB线周围伴随着部分ToB线出现向海推进。

3.5 台风影响下海滩面积的变化

台风引起ToB线和植被边界线位置移动, 并且海滩沉积物发生不同速度的运移, 导致灰沙岛各分区海滩面积大小在台风事件的不同时期具有差异。本文分别以最临近台风发生前、最临近台风过后与最临近下一场台风发生前的遥感影像, 统计研究区岛屿各分区在台风前、台风影响末期与台风过后的海滩面积。由于台风“环高”为2020年对研究区岛屿造成影响的最后一场台风, 因此以最临近该台风结束后一个月的影像提取台风过后的海滩面积。
从不同时期上看, 在台风影响末期, 由于ToB线的向海推进和植被边界线的后退, 岛屿各分区海滩面积以扩张为主, 尤其以向海区的海滩面积增幅最为显著。其中, 北岛、中岛和南岛向海区海滩面积增幅范围分别为4.1%~17.2%、2.4%~54.9%、22%~107.7%(图8)。在台风过后, 灰沙岛海滩面积以减少为主。在北岛的各分区中, 向海区的海滩面积在各台风过后减少最为明显。其中, 台风“杜苏芮”造成北岛迎风面向海区的海滩面积最大减少了4232.5m2 (图8a)。台风“奥鹿”过后, 中岛的海滩面积相较于台风发生前共减少9681.6m2, 其背风面向海区的海滩面积减少最为显著, 减少至原面积的0.71倍(图8f)。然而, 台风“杜苏芮”过后, 中岛植被边界线大范围的后退导致海滩面积出现大幅增加, 中岛总体海滩面积相较于台风前增加了13206.9m2。其中, 中岛迎风面南端海滩面积增加至原来的2.2倍(图8d)。南岛向海区的海滩面积在台风过后也出现减少, 但其北端与南端海滩面积的变化在迎风面和背风面的情况有所差异。具体而言, 由于灰沙岛端头的沙嘴走向在迎风面和背风面之间逆转, 南岛迎风面端头的海滩面积均超过了台风前的面积, 而背风面端头的海滩面积则出现了减少(图8g—8i)。此外, 北岛南端由于人工建设使得海滩硬化, 从而减少了海浪和潮汐对海滩的侵蚀, 其面积在台风影响的各个时期表现最为稳定, 面积变化范围在-3.2%~ 2.7%之间, 与无台风影响的平静时期的变化相当(-1.8%~2.2%)。总体而言, 在台风影响末期, 灰沙岛各分区海滩面积以扩张为主。在台风过后, 灰沙岛向海区的海滩面积以下降为主, 而灰沙岛南端与北端由于沙嘴走向的转变, 岛屿端头的海滩面积会在迎风面和背风面之间相互转移。
图8 研究区岛屿各分区的海滩在台风“杜苏芮”(a, d, g)、“环高”(b, e, h)和“奥鹿”(c, f, i)影响下不同时期的面积大小

a~c: 北岛; d~f: 中岛; g~i: 南岛

Fig. 8 The beach areas of study islands in each subsection under the impact of Typhoons Doksuri (a, d, g), Vamco (b, e, h) and Noru (c, f, i) in each phase. (a—c) BeiDao island; (d—f) ZhongDao island; (g—i) NanDao island

4 讨论

4.1 灰沙岛空间变化与台风特征的关系

4.1.1 台风风速与台风路径至灰沙岛的最近距离对灰沙岛植被的影响

台风被认为是引起灰沙岛发生变化的关键环境因素之一(Duvat et al, 2017b), 可以使灰沙岛的面积、岸线和地貌特征以及岛屿植被在短时间内发生巨大变化(Kayanne et al, 2016; Duvat et al, 2020; Fellowes et al, 2024), 图9显示了台风过后灰沙岛的典型变化区域。台风对灰沙岛的影响程度与台风最接近岛屿时的风速大小以及台风路径与岛屿之间的最短距离有关(Pillet et al, 2019)。由于植被的生长状况相对较为稳定, 一般仅当外部环境发生强烈变化时才会在短时间内发生显著变化, 因此本文统计了研究区岛屿植被在2016—2022年各次台风事件中的受损面积以衡量台风的破坏程度。本文研究表明, 灰沙岛植被总体受损面积与台风风速呈显著的正相关关系(p < 0.05)(图10a), 与台风路径间的最短距离存在不显著的负相关关系(p = 0.19)(图10c)。同时, 台风风速的增大会显著增加灰沙岛上严重受损植被的面积(p < 0.01)(图10b)。其可能原因是, 当台风以不同的风速影响灰沙岛时, 在台风路径距离灰沙岛较近的一定范围内, 灰沙岛植被普遍受到大范围的损伤, 因此不同台风造成灰沙岛植被总体受损的面积差异较小(Zhang et al, 2013)。然而, 随着台风风速的增加, 将会有更多的植被遭受严重损害(Han et al, 2018)。本研究也表明, 尽管台风“奥鹿”的移动路径距研究区岛屿的距离约为台风“环高”的2倍(表2), 但其二者造成研究区岛屿植被总体损伤的面积相当, 并且在北岛和中岛的受损植被中, 具有更大风速的台风“奥鹿”导致植被严重受损的面积占比更大(图6d, 6e, 6g, 6h)。
图9 Sentinel-2卫星影像上灰沙岛的典型变化

a. 植被受损; b. ToB线移动; c. 植被线后退; d. 沙嘴旋转。图a中红圈区域显示为台风前后植被区状况对比

Fig. 9 Typical variations of lime-sand islands on Sentinel-2 satellite images

图10 台风风速(a, b)、距台风路径距离(c, d)与岛屿植被受损面积的相关性分析(红色虚线表示线性趋势)

Fig. 10 Correlation analysis between wind speed (a, b), distance from typhoon track (c, d), and islands vegetation stressed area (the red dotted lines indicate the linear trend)

4.1.2 台风路径移动方向对灰沙岛空间变化的影响

本文研究表明, 灰沙岛在靠近台风移动路径的一侧, 即迎风侧, 分布有更大面积的严重受损植被。台风“杜苏芮”、“环高”和“奥鹿”的移动路径均位于研究区岛屿的西南侧, 即岛屿西南侧为迎风侧。观察到研究区岛屿在迎风侧具有更大范围的严重受损植被(图6a—6c), 尤其以中岛和南岛最为显著, 并且南岛在受台风“杜苏芮”和台风“奥鹿”影响后, 中度及以上受损的植被几乎仅分布于南岛的迎风侧。
灰沙岛岸线对台风的响应程度受台风路径和岸线分布位置的影响, 通常情况下, 迎风侧海岸在台风期间首先遭受更大的冲击(Duvat et al, 2017b), 因此在植被边界线和ToB线在迎风侧显示出更大的移动距离。中岛和南岛迎风面向海区植被边界线受台风影响后, NSM平均值均为负值(表3—表5), 表明岛屿迎风面的植被在台风干扰期间受到了更严重的破坏, 导致迎风面沿海植被呈现更显著的后退趋势。同时, 灰沙岛ToB线在迎风面具有更大的向海推进距离, 并且向海推进的ToB线与后退的植被边界线具有相似的空间分布模式(图7)。台风“杜苏芮”造成北岛、中岛和南岛迎风面后退的植被边界线占比分别为26.2%、60.3%和52.1%, 也造成了该区域向海推进的ToB线占比分别为55.1%、67.2%和59%, 而在研究区岛屿植被边界线后退较为严重的西南侧, 同时也观察到ToB线出现较大的向海推进距离(表3)。
表5 研究区岛屿受台风“奥鹿”影响后ToB线和植被边界线移动情况

Tab. 5 The NSM of the ToB line and vegetation boundary of study islands after Typhoon Noru

岛屿 分区 海滩基部线 植被边界线
平均/m 最大/m 最小/m 向陆/% 向海/% 稳定/% 平均/m 最大/m 最小/m 后退/% 扩张/% 稳定/%
背风面
北岛 北端 -6.0 4.3 -19.4 66.67 4.02 29.32 -0.5 1.4 -1.2 0.00 0.00 100.00
向海区 1.9 7.8 -3.8 1.90 31.49 66.61 -3.4 1.9 -9.0 73.65 0.00 26.35
南端 -1.2 8.9 -11.1 50.13 6.62 43.26 -2.7 0.1 -5.7 64.71 0.00 35.29
中岛 北端 -0.7 2.4 0.0 0.00 0.00 100.00 0.6 1.3 -0.1 0.00 0.00 100.00
向海区 1.3 6.9 -6.3 5.44 29.23 65.33 -0.2 0.5 -1.5 0.00 0.00 100.00
南端 1.6 5.7 0.1 0.00 25.87 74.13 0.3 1.9 -1.1 0.00 9.09 90.91
南岛 北端 2.9 13.0 -5.1 13.18 51.94 41.09 0.1 3.3 -4.5 9.33 6.67 84.00
向海区 5.7 9.2 -4.8 0.44 73.57 25.84 -0.8 0.2 -4.2 18.66 0.00 81.34
南端 8.6 14.2 -5.9 13.14 77.14 9.71 -2.6 -0.4 -5.6 60.42 0.00 39.58
迎风面
北岛 北端 -3.4 11.2 -15.9 64.69 18.53 16.78 0.3 4.0 -0.1 0.00 8.79 91.21
向海区 1.1 7.9 -7.4 8.13 12.54 79.33 1.4 6.1 -0.1 0.00 37.30 62.70
南端 0.7 6.6 -4.1 12.08 14.33 73.60 2.5 5.5 -3.5 13.58 44.44 41.98
中岛 北端 -0.4 0.0 -4.1 8.74 0.00 91.26 -0.4 0.1 -4.1 6.56 0.00 93.44
向海区 2.2 8.5 -0.1 0.00 42.86 57.14 -1.6 0.1 -4.7 24.53 0.00 75.47
南端 1.4 4.0 -0.1 0.00 18.99 81.01 -1.6 1.2 -2.0 74.68 0.00 25.32
南岛 北端 6.5 12.7 3.2 0.00 100.00 0.00 1.8 3.9 0.1 0.00 54.88 45.12
向海区 4.3 5.4 -0.8 0.00 82.68 17.32 -1.3 0.4 -3.6 36.19 0.00 63.81
南端 5.0 8.6 -0.4 0.00 72.73 27.27 -1.7 0.1 -3.0 54.84 0.00 45.16

4.1.3 台风影响下海流流速与流向对灰沙岛空间变化的影响

台风引起的巨大风应力对海洋表层流具有强烈的强迫作用, 可显著改变上层海洋的特性, 造成表层流向随风向而变化(Lin et al, 2024)。另外, 岛礁附近的涌浪过程受风场和流场的共同驱动(陈依妮, 2022)。在台风过境时, 海气界面强烈的能量交换使得海洋表层平均流速是常风情况下的2倍(柯佩辉 等, 1987)。同时, 台风期间的海流作用使得波高变化显著的区域主要集中在岛礁附近, 易造成岛礁附近灾害性极端波浪的形成(梁鹏飞, 2022)。在极端波浪和风暴流的双重作用下, 可导致沿岸植被的损害以及灰沙岛岸线的严重侵蚀(Mo et al, 2023)。
本文通过全球简单海洋资料同化数据集(simple ocean data assimilation, SODA) 3.15.2版本(Carton et al, 2018), 分析了台风“杜苏芮”、“环高”和“奥鹿”在西沙海域过境期间, 南海海域30m以浅平均海流流向及流速特征(图11)。台风“杜苏芮”过境前, 西沙30m以浅海表平均流速为0.18m·s-1 (张骞 等, 2019)。台风“杜苏芮”造成七连屿附近海域海流以东北向流转变为正北向流, 并且海表流速显著增强。台风“杜苏芮”期间, 七连屿附近海域30m以浅海表平均流速增大至0.28m·s-1 (图11a), 部分海域纬向流速高达1.2m·s-1 (张骞 等, 2019)。同时, 周围海域出现4m以上的有效波高(Sun et al, 2023), 是正常海况下的6~8倍。台风“奥鹿”过境时, 七连屿附近海域表层流向与台风“杜苏芮”过境时相似, 但其以的更大平均流速(0.34m·s-1)影2023)。台风“杜苏芮”和“奥鹿”引发的风暴流均自南向北影响七连屿, 加之灾害性波浪强大的击岸作用, 影响研究区海域(图11c), 并引起了有效波高高达6~10m的狂浪与狂涛(海南省自然资源和规划厅,致研究岛屿南部沿岸植被严重受损(图6a—6c, 6g—6i)。台风“杜苏芮”造成中岛和南岛的迎风面南端植被边界线出现后退, 占比分别达84.18%和100% (表3)。台风“奥鹿”造成中岛和南岛的迎风面南端后退的植被边界线占比分别达74.68%和54.84% (表5)。台风“环高”过境前, 研究区岛礁附近有效波高为0.1~0.6m (陈依妮, 2022)。台风“环高”期间, 七连屿附近海流以西南向流为主, 海表平均流速达0.4m·s-1 (图11b), 并且有效波高增至2~7m (陈依妮, 2022), 造成研究岛屿的西部与北部沿岸分布有严重受损植被。另外, 台风“环高”经过七连屿后, 其路径后侧仍有达0.4m·s-1尾流, 速度较大的尾流持续影响研究区岛屿, 因而造成中岛和南岛受损植被面积占比分别高达98.4%和96.8% (图6e, 6f)。
图11 台风过境期间南海海域30m以浅平均海流流速(色柱)及流向(箭头)

a. 台风“杜苏芮”, 日期为2017/09/15; b. 台风“环高”, 日期为2020/11/13; c. 台风“奥鹿”, 日期为2022/09/24。红色方框表示七连屿所在位置。基于自然资源部标准地图服务网站下载的审图号为GS(2019)3266号标准地图制作, 底图无修改

Fig. 11 Mean speed and direction of currents in the South China Sea at depths of 30 m during the passage of typhoons. (a) Typhoon Doksuri; (b) Typhoon Vamco; (c) Typhoon Noru. Red box indicates the location of Qilianyu

4.2 灰沙岛沿岸植被增强灰沙岛的稳定性

灰沙岛沿岸植被可以通过其枝叶间的摩擦、枝干的摆动以及根系的固着力, 消耗台风能量, 限制海水入侵, 降低对岛屿内部植被的破坏程度与对灰沙岛的侵蚀(Sigren et al, 2018; Liu et al, 2020; 杜建会 等, 2024)。但由于灰沙岛沿岸以砂质海滩为主, 其土壤条件不稳定, 在台风干扰期间, 强风和巨浪造成沿岸植被根系裸露, 使得植被易发生严重受损(Yum et al, 2023)。本研究关于台风“杜苏芮”、“环高”和“奥鹿”, 分别对研究区岛屿各150个随机点建立植被△NDVI及其与植被边界线距离的线性回归模型(图12)。模型结果表明, 台风影响下, 灰沙岛沿岸植被的△NDVI下降更为显著, 而距离岸线较远的中部植被ΔNDVI下降更小或趋近于0, 沿岸植被受损程度显著大于中部植被(p < 0.01)。同时, 高密度的健康沿岸植被能有效地抑制台风的侵蚀并阻止沙丘的流动(Duvat et al, 2020; 王宇喆 等, 2021)。本研究表明, 台风前少量具有较高NDVI值的沿岸植被, 其在台风干扰后也会继续向外扩张, 而多数NDVI值较低的沿岸植被, 则出现明显后退或保持稳定(图13)。Duvat等(2020)的研究也发现, 岛屿本土发育的茂密沿海植被比低密度植被更能抵抗风暴潮的影响。
图12 研究区岛屿植被受损程度与距植被边界线远近的相关性分析(黑色直线表示线性趋势)

a. 台风“杜苏芮”, 日期为2017/09/15; b. 台风“环高”, 日期为2020/11/13; c. 台风“奥鹿”, 日期为2022/09/24

Fig. 12 Correlation analysis between the stress degree of islands vegetation and distance from the vegetation boundary (the solid black lines indicate the linear trend)

a. Typhoon Dujuan, with a date of September 15, 2017; b. Typhoon "Huan Gao", with a date of November 13, 2020; c. Typhoon "Aolu", with a date of September 24, 2022

图13 台风“杜苏芮”(a, d, g)、“环高”(b, e, h)和“奥鹿”(c, f, i)发生前灰沙岛沿岸植被NDVI与台风后植被边界线净移动量的关系

a—c: 北岛; d—f: 中岛; g—i: 南岛。

Fig. 13 Relationship between the NDVI of coastal vegetation before Typhoons Doksuri (a, d, g), Vamco (b, e, h) and Noru (c, f, i) and the NSM of vegetation boundary after the typhoons. (a—c) BeiDao island; (d—f) ZhongDao island; (g—i) NanDao island

松散沉积物可在植被根系的固定作用下, 逐渐形成具有一定高度的海滩沙丘, 且在植被面积较大的区域, 沙丘的体积也较大(Sigren et al, 2018)。然而, 当沿岸植被遭受严重破坏时, 其根系所固定的沉积物被剥脱, 并在风浪动力作用下发生运移(Duvat et al, 2016)。因此本研究推测, 灰沙岛上的沉积物会随沿海植被的受损而剥脱, 并被冲刷至海滩, 因而造成该区域具有较为明显的ToB线的向海推进, 从而使得海滩面积在短时间内出现明显的增加, 进而造成灰沙岛在台风过后出现面积增大的现象。然而, 松散沉积物因失去原有植被的固定作用, 在风浪作用下运移至礁坪或近岸深水区, 导致海滩面积在台风过后出现减小, 进而造成灰沙岛面积减小。在台风“环高”的影响下, 南岛沿岸和中部均有大范围的植被遭受严重受损(图6f), 导致南岛上大量的沉积物被剥离, 从岛屿中部流失的沉积物受到植被的拦截, 暂时堆积在海滩上, 因而造成南岛海滩面积在台风“环高”后突变增大。相比之下, 北岛和中岛仅有沿岸的植被受到严重损伤(图6d, 6e), 沉积物失去沿岸植被的固定作用而流失, 造成北岛和中岛海滩面积分别减少15577.2m2和6497.57m2, 因而导致北岛和中岛的面积突变减小。充足的碳酸盐沉积物供应是维持灰沙岛组成与发育的关键(McLean et al, 2015), 海温升高和海水酸化会降低珊瑚礁生物的碳酸盐产率(Liu et al, 2020; 陈雪霏 等, 2023), 加之岛屿上的碳酸盐沉积物易受强烈的风浪作用而流失, 这可能是南海灰沙岛面积在长期呈下降趋势的原因。
另外, 人类活动会影响灰沙岛植被的动态变化进而影响岛屿的稳定性(Duvat et al, 2021)。在灰沙岛土地开发过程中, 不仅会改变岛屿的土地利用, 也可能通过影响植被的生长状况或覆盖度来降低植被对风暴的抵抗力(Xu et al, 2021)。北岛上人类活动自2012年后明显增强, 造成岛屿建筑用地面积逐年增加(李晓敏, 2021)。其中, 在2015年建成了北岛沿海的环岛道路, 并且在其南端进行了填海与人工硬化, 因此导致北岛上以草海桐为优势物种的植被区面积下降(李晓敏, 2021; 孙晓慧 等, 2021)。同时, 由于北岛东侧具有较大范围的无植被覆盖的裸土(谢雨涵 等, 2022), 其东侧沿海植被在台风期间受损较为严重。此外, 在2018年引入具有较高的光合能力和水分利用效率的木麻黄、后藤等植被(孙晓慧 等, 2021), 可能是北岛西侧植被表现出更强的稳定性的原因。可见, 对灰沙岛植被进行有效的人工种植与管理也有助于增强岛屿的稳定性。

4.3 岛礁沉积物运移对灰沙岛稳定性的影响

灰沙岛的形成与发育依赖于其礁体附近的碳酸盐沉积物, 岛屿受侵蚀后, 其表面的碳酸盐沉积物移动的主要路径从远到近包括从珊瑚礁体运离至深水区、沉积于周围潟湖、返回至礁坪、运移至岛屿沿岸海滩以及转移到灰沙岛表面的其他地方(McLean et al, 2015)。然而, 灰沙岛屿表面的沉积物仅有运离至深水区时才会造成其永久损失。通常情况下, 珊瑚礁体及其附近的沉积物会在台风和海啸等极端事件引起的强动力作用下, 不断在灰沙岛周围发生运移以维持灰沙岛的存在, 同时也会在礁坪堆积形成不稳定的沙洲(McKoy et al, 2010; Kayanne et al, 2016)。Duvat (2017a)和Kayanne等(2016)研究发现, 岛屿间通道在沉积物的运移中发挥着重要作用, 其可在台风期间将堆积的沉积物注入至灰沙岛, 以扩大岛屿的面积, 而被侵蚀的岛屿沉积物也通常在其附近堆积形成延伸的沙嘴。本文也观察到在台风“奥鹿”发生后的一个月左右, 原先在中岛与南岛之间的沙洲合并至南岛的北端(图14g—14i), 造成南岛北端海滩面积的扩大与形态的变化, 并且北岛、中岛和南岛北端及南端的沙嘴也均向西侧发生旋转(图14a—14i)。同时, 北岛各分区海滩面积在台风“奥鹿”过后均有所增大(图 8c), 但由于此时北岛仅有东侧沿岸植被严重受损, 因此造成北岛面积的显著增大的原因, 可能是由于礁坪沉积物向岛屿的注入, 而非被剥脱的沉积物的堆积。与较大的珊瑚环礁相比, 灰沙岛的动态变化更易受到碳酸盐沉积物供应和风浪的控制(McKoy et al, 2010), 而由于海水酸化的加剧引发碳酸盐的加速溶解, 也对提供沉积物的造礁珊瑚群落造成了损害(McLean et al, 2015; 陈雪霏 等, 2023)。另外, 人工建造的海岸设施有可能阻挡沉积物的运移路径(Duvat, 2013), 因此, 灰沙岛的可持续性在未来气候变化与人类活动的共同影响下将面临更大的挑战。
图14 遥感影像上显示的台风“奥鹿”造成灰沙岛沉积物的运移过程

a—c: 北岛; d—f: 中岛; g—i: 南岛。图中黄色箭头表示沙嘴旋转方向; 图i中的黄色虚线区域显示沙洲的消失

Fig. 14 Sediment transport on study islands under the impact of Typhoon Noru as shown in remote sensing images. (a—c) BeiDao island; (d—f) ZhongDao island; (g—i) NanDao island

5 结论

为探究南海灰沙岛在台风影响下的时空变化特征, 本文基于2016—2022年的多期Sentinel-2遥感影像, 以发育于同一礁盘且受人类活动影响较小的西沙北岛、中岛和南岛为研究区, 分析灰沙岛面积、植被、ToB线、植被边界线和海滩面积对台风的响应特征, 并进一步探讨了受台风干扰后造成灰沙岛空间变化的影响因素, 主要结论如下。
1) 台风影响后, 灰沙岛植被以轻度受损为主, 中度及以上受损植被分布于灰沙岛沿岸。灰沙岛沿岸植被受损导致植被边界线的后退, 同时, 沉积物因失去植被的固定作用被剥脱, 并在风浪作用下冲刷至海滩, 因此ToB线以向海推进为主。受台风路径方向影响, 灰沙岛迎风面首先遭受冲击, 因此迎风侧沿岸具有重度受损植被, 导致植被边界线和ToB线在迎风面具有更大的移动距离。
2) 在台风影响的各阶段, 受沿岸植被的状况与风浪的影响下, 灰沙岛海滩面积大小发生改变。在台风影响的末期, 植被受到损害, 植被边界线的后退与ToB线的向海推进, 导致海滩面积以增加为主; 而在台风过后, 海滩上松散的沉积物因失去植被的固定作用, 在风浪作用下从岛屿运离, 导致海滩面积以下降为主。因此, 具有缓冲与固沙作用的沿岸植被对于维持灰沙岛的稳定性具有重要作用, 其不仅可以保护岛屿中部植被, 同时, 高密度的健康植被在台风期间还能增强岛屿岸线和海滩的稳定性。
3) 台风风速的增加以及台风路径与灰沙岛之间距离的缩短, 会加剧灰沙岛植被的受损程度, 进而影响灰沙岛的稳定性。台风期间, 由于强烈的海气相互作用使得表层海洋流速加快以及流向转变, 灰沙岛易遭受极端波浪与风暴流的影响, 造成植被的严重损害。此外, 灰沙岛及其周围环境沉积物的运移会直接影响岛屿的海滩形态和面积大小。台风使得灰沙岛端头的沉积物在迎风面和背风面之间发生转移, 可引起灰沙岛端头海滩面积和形态的变化。同时, 台风引发的风浪使得大量被剥脱的松散沉积物从灰沙岛运离, 造成灰沙岛面积突变减小, 加之全球变暖导致碳酸盐沉积物产率下降, 可能是造成南海灰沙岛面积长期呈下降趋势的原因。因此, 保持充足的沉积物供应与通畅的运移通道是灰沙岛未来可持续性的一个关键, 应大力加强南海珊瑚礁生态系统的保护与修复。
卫星遥感为研究灰沙岛在台风影响下的动态变化提供了连续且全域的监测技术支撑, 但由于台风影响期间影像云量较大, 卫星遥感数据无法观测到台风过境期间灰沙岛的变化过程。因此, 未来需要进一步融合实地调查、无人机遥感等多种手段, 结合南海海洋动力学数据, 以便更深入地理解灰沙岛受台风影响的沉积过程与形态动力学变化因素。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
包为民, 沈丹丹, 倪鹏, 等, 2018. 滑动平均差检测法的提出及验证[J]. 地理学报, 73(11): 2075-2085.

DOI

BAO WEIMIN, SHEN DANDAN, NI PENG, et al, 2018. Proposition and certification of moving mean difference method for detecting abrupt change points[J]. Acta Geographical Sinica, 73(11): 2075-2085 (in Chinese with English abstract).

[2]
陈雪霏, 邓文峰, 韦刚健, 2023. 工业革命以来南海珊瑚钙化生长对海洋升温的响应[J]. 第四纪研究, 43(2): 448-457.

CHEN XUEFEI, DENG WENFENG, WEI GANGJIAN, 2023. Coral calcification history in the South China Sea since the industrial era and its response to ocean warming[J]. Quaternary Sciences, 43(2): 448-457 (in Chinese with English abstract).

[3]
陈依妮, 2022. 基于WAVEWATCH Ⅲ的近岛礁波浪数值模拟[D]. 大连: 大连理工大学.

CHEN YINI, 2022. Numerical simulation of waves near islands and reefs based on WAVEWATCH Ⅲ[D]. Dalian: Dalian University of Technology (in Chinese with English abstract).

[4]
杜建会, 陈嘉健, 李升发, 2024. 台风干扰下海岸森林受损及灾后恢复的影响因素研究进展[J]. 生态学报, 44(1): 1-17.

DU JIANHUI, CHEN JIAJIAN, LI SHENGFA, 2024. Factors affecting the damage and recovery of coastal forest after typhoon disturbance: a review[J]. Acta Ecologica Sinica, 44(1): 1-17 (in Chinese with English abstract).

[5]
海南省自然资源和规划厅, (2023-07-19)[2024-05-27]. 2022年海南省海洋灾害公报[EB/OL]. 海口: 海南省自然资源和规划厅: 5-6. https://lr.hainan.gov.cn/xxgk_317/0200/0202/202307/t20230720_3458144.html (in Chinese).

[6]
洪小帆, 2021. 基于Ecopath模型的西沙群岛七连屿珊瑚礁礁栖性生物的生态承载力研究[D]. 上海: 上海海洋大学.

HONG XIAOFAN, 2021. The ecological carrying capacity of coral-associated organism in Qilianyu Islands coral reef ecosystem (Xisha Island) based on Ecopath model[D]. Shanghai: Shanghai Ocean University (in Chinese with English abstract).

[7]
黄荣永, 余克服, 王英辉, 等, 2019. 珊瑚礁遥感研究进展[J]. 遥感学报, 23(6): 1091-1112.

HUANG RONGYONG, YU KEFU, WANG YINGHUI, et al, 2019. Progress of the study on coral reef remote sensing[J]. Journal of Remote Sensing, 23(6): 1091-1112 (in Chinese with English abstract).

[8]
柯佩辉, 黄企洲, 陈福培, 等, 1987. 南海北部陆架边缘海台风下海流的一个初步分析[J]. 大气科学, 11(4): 441-445.

KE PEIHUI, HUANG QIZHOU, CHEN FUPEI, et al, 1987. Preliminary analysis of the continental shelf current in northern South China Sea driven typhoon[J]. Scientia Atmospherica Sinica, 11(4): 441-445 (in Chinese with English abstract).

[9]
李晓敏, 2021. 南海西沙群岛珊瑚岛礁高分遥感监测与动态研究[D]. 呼和浩特: 内蒙古大学.

LI XIAOMIN, 2021. High-resolution remote sensing monitoring and dynamics of coral islands and reefs in the Xisha Islands, South China Sea[D]. Hohhot: Inner Mongolia University (in Chinese with English abstract).

[10]
李晓敏, 马毅, 张杰, 等, 2022. 基于高分遥感的西沙群岛珊瑚礁沙洲稳定性评估[J]. 海洋环境科学, 41(1): 48-58.

LI XIAOMIN, MA YI, ZHANG JIE, et al, 2022. Assessing the stability of coral reef sandbanks in the Xisha Islands using high-resolution satellite images[J]. Marine Environmental Science, 41(1): 48-58 (in Chinese with English abstract).

[11]
梁鹏飞, 2022. 近岛礁区域波浪在海流作用下演化规律研究[D]. 大连: 大连理工大学.

LIANG PENGFEI, 2022. Study on the evolution law of waves near the island reef under the action of ocean current[D]. Dalian: Dalian University of Technology (in Chinese with English abstract).

[12]
刘达, 许映龙, 2022. 2022年9月大气环流和天气分析[J]. 气象, 48(12): 1629-1636.

LIU DA, XU YINGLONG, 2022. Analysis of the September 2022 atmospheric circulation and weather[J]. Meteorological Monthly, 48(12): 1629-1636 (in Chinese with English abstract).

[13]
刘嘉鎏, 2020. 南海珊瑚岛、礁对近40年气候变暖响应的遥感影像记录[D]. 南宁: 广西大学.

LIU JIALIU, 2020. Response of coral reefs and islands in the South China Sea to climate warming in the past 40 years recorded by remote sensing images[D]. Nanning: Guangxi University (in Chinese with English abstract).

[14]
陆俊, 2022. 西北太平洋热带气旋移动与强度的年际变率和长期趋势研究[D]. 南京: 南京信息工程大学 (in Chinese).

[15]
马潇潇, 王海兵, 左合君, 2019. 近54年内蒙古自治区西部沙尘暴的变化趋势[J]. 水土保持通报, 39(4): 17-21, 101.

MA XIAOXIAO, WANG HAIBING, ZUO HEJUN, 2019. Variation trend of sandstorm in western Inner Mongolia autonomous region in recent 54 years[J]. Bulletin of Soil and Water Conservation, 39(4): 17-21, 101 (in Chinese with English abstract).

[16]
欧阳宏达, 赵书河, 张新明, 2023. 基于多源遥感数据和EC-LUE模型的冬小麦产量估算[J]. 中国农业信息, 35(1): 27-42.

OUYANG HONGDA, ZHAO SHUHE, ZHANG XINMING, 2023. Winter wheat yield estimation based on multi-source remote sensing data and EC-LUE model[J]. China Agricultural Informatics, 35(1): 27-42 (in Chinese with English abstract).

[17]
宋效东, 汤国安, 周毅, 等, 2013. 基于并行GVF Snake模型的黄土地貌沟沿线提取[J]. 中国矿业大学学报, 42(1): 134-140.

SONG XIAODONG, TANG GUOAN, ZHOU YI, et al, 2013. Extraction of loess landform shoulder line based on parallel GVF Snake model[J]. Journal of China University of Mining & Technology, 42(1): 134-140 (in Chinese with English abstract).

[18]
孙冲, 2018. 基于支持向量机的遥感影像道路提取[D]. 长春: 吉林大学.

SUN CHONG, 2018. Road extraction of remote sensing images based on support vector machine[D]. Changchun: Jilin University (in Chinese with English abstract).

[19]
孙晓慧, 史建康, 李新武, 等, 2021. 西沙群岛精细植被分布的遥感制图及动态变化[J]. 遥感学报, 25(7): 1473-1488.

SUN XIAOHUI, SHI JIANKANG, LI XINWU, et al, 2021. Mapping and dynamic changes of refined vegetation distribution in Xisha Islands[J]. Journal of Remote Sensing, 25(7): 1473-1488 (in Chinese with English abstract).

[20]
王峰萍, 王卫星, 薛柏玉, 等, 2017. GVF Snake与显著特征相结合的高分辨率遥感图像道路提取[J]. 测绘学报, 46(12): 1978-1985.

DOI

WANG FENGPING, WANG WEIXING, XUE BAIYU, et al, 2017. Road extraction from high-spatial-resolution remote sensing image by combining GVF snake with salient features[J]. Acta Geodaetica et Cartographica Sinica, 46(12): 1978-1985 (in Chinese with English abstract).

DOI

[21]
汪路, 卢莹, 赵海坤, 2023. 台风灾害时空特征分析与评估模型构建[J]. 灾害学, 38(4): 187-194.

WANG LU, LU YING, ZHAO HAIKUN, 2023. Analysis of temporal and spatial characteristics of typhoon disasters and construction of evaluation model[J]. Journal of Catastrophology, 38(4): 187-194 (in Chinese with English abstract).

[22]
王宇喆, 邱隆伟, 许红, 等, 2021. 七连屿海滩沙-沿岸沙丘-现代植物-砂岛成因模式[J]. 海洋地质前沿, 37(6): 92-100.

WANG YUZHE, QIU LONGWEI, XU HONG, et al, 2021. Beach sand-coastal dunes-modern vegetation-sand island genetic model of the Qilianyu island[J]. Marine Geology Frontiers, 37(6): 92-100 (in Chinese with English abstract).

[23]
王圆圆, 刘志刚, 李京, 等, 2007. 珊瑚礁遥感研究进展[J]. 地球科学进展, 22(4): 396-402.

DOI

WANG YUANYUAN, LIU ZHIGANG, LI JING, et al, 2007. A review of coral reef remote sensing[J]. Advances in Earth Science, 22(4): 396-402 (in Chinese with English abstract).

DOI

[24]
吴迪, 杨鹏, 周黎勇, 等, 2023. 基于Sentinel-2破碎化地块灌区作物种植结构的提取[J]. 灌溉排水学报, 42(4): 74-80.

WU DI, YANG PENG, ZHOU LIYONG, et al, 2023. Using Sentinel-2 sensing imagery to estimate planting structure in fragmented irrigated lands[J]. Journal of Irrigation and Drainage, 42(4): 74-80 (in Chinese with English abstract).

[25]
向怡衡, 沈铁元, 殷志远, 等, 2023. 清江流域近60 a日降水特征变化分析[J]. 武汉大学学报(工学版), 56(3): 264-273.

XIANG YIHENG, SHEN TIEYUAN, YIN ZHIYUAN, et al, 2023. Analysis of daily precipitation characteristics over Qingjing River Basin in recent 60 years[J]. Engineering Journal of Wuhan University, 56(3): 264-273 (in Chinese with English abstract).

[26]
谢雨涵, 史建康, 孙晓慧, 等, 2022. 基于大疆精灵4无人机多光谱影像的西沙植被监测[J]. 遥感技术与应用, 37(5): 1170-1178.

DOI

XIE YUHAN, SHI JIANKANG, SUN XIAOHUI, et al, 2022. Xisha vegetation monitoring based on UAV multispectral images obtained with the DJI Phantom 4 platform[J]. Remote Sensing Technology and Application, 37(5): 1170-1178 (in Chinese with English abstract).

[27]
熊媛, 黄荣永, 余克服, 2022. 基于多时相多光谱遥感影像的珊瑚礁面积估算方法研究——以西沙群岛羚羊礁为例[J]. 海洋学报, 44(8): 151-168.

XIONG YUAN, HUANG RONGYONG, YU KEFU, 2022. Estimation of coral reef area from multi-temporal and multi-spectral satellite images: a case study on Lingyang Reef, Xisha Islands[J]. Haiyang Xuebao, 44(8): 151-168 (in Chinese with English abstract).

[28]
姚杰鹏, 杨磊库, 陈探, 等, 2021. 基于Sentinel-1, 2和Landsat 8时序影像的鄱阳湖湿地连续变化监测研究[J]. 遥感技术与应用, 36(4): 760-776.

DOI

YAO JIEPENG, YANG LEIKU, CHEN TAN, et al, 2021. Consecutive monitoring of the Poyang Lake Wetland by integrating Sentinel-2 with Sentinel-1 and Landsat 8 data[J]. Remote Sensing Technology and Application, 36(4): 760-776 (in Chinese with English abstract).

[29]
张骞, 廖光洪, 蔺飞龙, 等, 2019. 南海西北部上层海洋对台风“杜苏芮”的响应分析[J]. 海洋学报, 41(7): 22-35.

ZHANG QIAN, LIAO GUANGHONG, LIN FEILONG, et al, 2019. Analysis of upper ocean response to Typhoon Doksuri in the northwest South China Sea[J]. Haiyang Xuebao, 41(7): 22-35 (in Chinese with English abstract).

[30]
张展, 2022. 各地旱情备受关注[J]. 现代职业安全, (10): 9 (in Chinese).

[31]
周园园, 师长兴, 范小黎, 等, 2011. 国内水文序列变异点分析方法及在各流域应用研究进展[J]. 地理科学进展, 30(11): 1361-1369.

DOI

ZHOU YUANYUAN, SHI CHANGXING, FAN XIAOLI, et al, 2011. Advances in the research methods of abrupt changes of hydrologic sequences and their applications in drainage basins in China[J]. Progress in Geography, 30(11): 1361-1369 (in Chinese with English abstract).

DOI

[32]
周旻曦, 刘永学, 李满春, 等, 2015. 多目标珊瑚岛礁地貌遥感信息提取方法——以西沙永乐环礁为例[J]. 地理研究, 34(4): 677-690.

DOI

ZHOU MINXI, LIU YONGXUE, LI MANCHUN, et al, 2015. Geomorphologic information extraction for multi-objective coral islands from remotely sensed imagery: a case study for Yongle Atoll, South China Sea[J]. Geographical Research, 34(4): 677-690 (in Chinese with English abstract).

[33]
ABBAS S, NICHOL J E, FISCHER G A, et al, 2020. Impact assessment of a super-typhoon on Hong Kong’s secondary vegetation and recommendations for restoration of resilience in the forest succession[J]. Agricultural and Forest Meteorology, 280: 107784.

[34]
BATTUT S, REY T, CÉCÉ R, et al, 2023. Responses and adjustments of the coastal systems of Dominica (Lesser Antilles) when faced with an extreme event: Hurricane Maria (September 2017)[J]. Natural Hazards, 116(1): 151-191.

[35]
BLUMENSTOCK D I, 1958. Typhoon effects at Jaluit Atoll in the Marshall Islands[J]. Nature, 182(4645): 1267-1269.

[36]
CARTON J A, CHEPURIN G A, CHEN LIGANG, 2018. SODA3: a new ocean climate reanalysis[J]. Journal of Climate, 31(17): 6967-6983.

[37]
CHOWDHURY M R, CHU P S, SCHROEDER T, 2007. ENSO and seasonal sea-level variability-a diagnostic discussion for the U. S. -Affiliated Pacific Islands[J]. Theoretical and Applied Climatology, 88(3-4): 213-224.

[38]
DISSANAYAKE P, BROWN J, KARUNARATHNA H, 2015. Impacts of storm chronology on the morphological changes of the Formby beach and dune system, UK[J]. Natural Hazards and Earth System Sciences, 15(7): 1533-1543.

[39]
DUVAT V, 2013. Coastal protection structures in Tarawa Atoll, Republic of Kiribati[J]. Sustainability Science, 8(3): 363-379.

[40]
DUVAT V K E, MAGNAN A K, ETIENNE S, et al, 2016. Assessing the impacts of and resilience to Tropical Cyclone Bejisa, Reunion Island (Indian Ocean)[J]. Natural Hazards, 83(1): 601-640.

[41]
DUVAT V K E, PILLET V, 2017a. Shoreline changes in reef islands of the Central Pacific: Takapoto Atoll, Northern Tuamotu, French Polynesia[J]. Geomorphology, 282: 96-118.

[42]
DUVAT V K E, VOLTO N, SALMON C, 2017b. Impacts of category 5 tropical cyclone Fantala (April 2016) on Farquhar Atoll, Seychelles Islands, Indian Ocean[J]. Geomorphology, 298: 41-62.

[43]
DUVAT V K E, MAGNAN A K, 2019. Rapid human-driven undermining of atoll island capacity to adjust to ocean climate-related pressures[J]. Scientific Reports, 9: 15129.

DOI PMID

[44]
DUVAT V K E, PILLET V, VOLTO N, et al, 2020. Contribution of moderate climate events to atoll island building (Fakarava Atoll, French Polynesia)[J]. Geomorphology, 354: 107057.

[45]
DUVAT V K E, VOLTO N, COSTA S, et al, 2021. Assessing atoll island physical robustness: application to Rangiroa Atoll, French Polynesia[J]. Geomorphology, 390: 107871.

[46]
FABRICIUS K E, DE’ATH G, PUOTINEN M L, et al, 2008. Disturbance gradients on inshore and offshore coral reefs caused by a severe tropical cyclone[J]. Limnology and Oceanography, 53(2): 690-704.

[47]
FELLOWES T E, VILA-CONCEJO A, BYRNE M, et al, 2024. Risk classification of low-lying coral reef islands and their exposure to climate threats[J]. Science of the Total Environment, 912: 168787.

[48]
FORBES D L, PARKES G S, MANSON G K, et al, 2004. Storms and shoreline retreat in the southern Gulf of St. Lawrence[J]. Marine Geology, 210(1-4): 169-204.

[49]
FORD M R, KENCH P S, 2014. Formation and adjustment of typhoon-impacted reef islands interpreted from remote imagery: Nadikdik Atoll, Marshall Islands[J]. Geomorphology, 214: 216-222.

[50]
HAMED K H, 2008. Trend detection in hydrologic data: the Mann-Kendall trend test under the scaling hypothesis[J]. Journal of Hydrology, 349(3-4): 350-363.

[51]
HAN XINGXING, FENG LIAN, HU CHUANMIN, et al, 2018. Hurricane-induced changes in the everglades national park mangrove forest: landsat observations between 1985 and 2017[J]. Journal of Geophysical Research: Biogeosciences, 123(11): 3470-3488.

[52]
HISABAYASHI M, ROGAN J, ELMES A, 2018. Quantifying shoreline change in Funafuti Atoll, Tuvalu using a time series of Quickbird, Worldview and Landsat data[J]. GIScience & Remote Sensing, 55(3): 307-330.

[53]
HOLDAWAY A, FORD M, OWEN S, 2021. Global-scale changes in the area of atoll islands during the 21st century[J]. Anthropocene, 33: 100282.

[54]
HONGO C, KAWAMATA H, GOTO K, 2012. Catastrophic impact of typhoon waves on coral communities in the Ryukyu Islands under global warming[J]. Journal of Geophysical Research: Biogeosciences, 117(G2): G02029.

[55]
HOUSER C, D’AMBROSIO T, BOUCHARD C, et al, 2014. Erosion and reorientation of the Sapodilla Cays, Mesoamerican Reef Belize from 1960 to 2012[J]. Physical Geography, 35(4): 335-354.

[56]
HUBBARD D, GISCHLER E, DAVIES P, et al, 2014. Island outlook: warm and swampy[J]. Science, 345(6203): 1461-1461.

DOI PMID

[57]
IPCC, 2022. Weather and climate extreme events in a changing climate[C]// Climate change 2021:the physical science basis. Contribution of working group Ⅰ to the sixth assessment report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press: 1513-1766.

[58]
KAYANNE H, AOKI K, SUZUKI T, et al, 2016. Eco-geomorphic processes that maintain a small coral reef island: Ballast Island in the Ryukyu Islands, Japan[J]. Geomorphology, 271: 84-93.

[59]
KENCH P S, BRANDER R W, 2006. Response of reef island shorelines to seasonal climate oscillations: South Maalhosmadulu atoll, Maldives[J]. Journal of Geophysical Research: Earth Surface, 111(F1): F01001.

[60]
LIN JIANMIN, FANG SUNKE, HE RUNJING, et al, 2024. Monitoring ocean currents during the passage of Typhoon Muifa using optical-fiber distributed acoustic sensing[J]. Nature Communications, 15: 1111.

DOI PMID

[61]
LIN T C, HAMBURG S P, LIN K C, et al, 2011. Typhoon disturbance and forest dynamics: lessons from a northwest pacific subtropical forest[J]. Ecosystems, 14(1): 127-143.

[62]
LIU JIALIU, HUANG RONGYONG, YU KEFU, et al, 2020. How lime-sand islands in the South China Sea have responded to global warming over the last 30 years: evidence from satellite remote sensing images[J]. Geomorphology, 371: 107423.

[63]
LUGO-FERNÁNDEZ A, GRAVOIS M, 2010. Understanding impacts of tropical storms and hurricanes on submerged bank reefs and coral communities in the northwestern Gulf of Mexico[J]. Continental Shelf Research, 30(10-11): 1226-1240.

[64]
MANN T, WESTPHAL H, 2016. Multi-decadal shoreline changes on Takú Atoll, Papua New Guinea: Observational evidence of early reef island recovery after the impact of storm waves[J]. Geomorphology, 257: 75-84.

[65]
MCKOY H, KENNEDY D M, KENCH P S, 2010. Sand cay evolution on reef platforms, Mamanuca Islands, Fiji[J]. Marine Geology, 269(1-2): 61-73.

[66]
MCLEAN R, KENCH P, 2015. Destruction or persistence of coral atoll islands in the face of 20th and 21st century sea-level rise?[J]. WIREs Climate Change, 6(5): 445-463.

[67]
MO YU, SIMARD M, HALL J W, 2023. Tropical cyclone risk to global mangrove ecosystems: potential future regional shifts[J]. Frontiers in Ecology and the Environment, 21(6): 269-274.

[68]
PATRA J P, MISHRA A, SINGH R, et al, 2012. Detecting rainfall trends in twentieth century (1871-2006) over Orissa State, India[J]. Climatic Change, 111(3-4): 801-817.

[69]
PERRY C T, KENCH P S, SMITHERS S G, et al, 2011. Implications of reef ecosystem change for the stability and maintenance of coral reef islands[J]. Global Change Biology, 17(12): 3679-3696.

[70]
PILLET V, DUVAT V K E, KRIEN Y, et al, 2019. Assessing the impacts of shoreline hardening on beach response to hurricanes: Saint-Barthélemy, Lesser Antilles[J]. Ocean & Coastal Management, 174: 71-91.

[71]
SIGREN J M, FIGLUS J, HIGHFIELD W, et al, 2018. The effects of coastal dune volume and vegetation on storm-induced property damage: analysis from hurricane Ike[J]. Journal of Coastal Research, 341(1): 164-173.

[72]
SUN ZE, ZHOU YE, DING JUN, et al, 2023. Assessment of WAVEWATCH-Ⅲ in wind wave modeling of the Xisha Islands[J]. Journal of Environmental Engineering, 149(3): 04022096.

[73]
THIELER E R, HIMMELSTOSS E A, ZICHICHI J L, et al, 2009. The Digital Shoreline Analysis System (DSAS) version 4.0-an ArcGIS extension for calculating shoreline change[M]. Reston: U. S. Geological Survey.

[74]
VITOUSEK M J, 1963. The tsunami of 22 May 1960 in French Polynesia[J]. Bulletin of the Seismological Society of America, 53(6): 1229-1236.

[75]
WASSON R J, NANNINGA P M, 1986. Estimating wind transport of sand on vegetated surfaces[J]. Earth Surface Processes and Landforms, 11(5): 505-514.

[76]
XU CHENYANG, PRINCE J L, 1998. Snakes, shapes, and gradient vector flow[J]. IEEE Transactions on Image Processing, 7(3): 359-369.

DOI PMID

[77]
XU SHUAI, ZHU XIAOLIN, HELMER E H, et al, 2021. The damage of urban vegetation from super typhoon is associated with landscape factors: evidence from Sentinel-2 imagery[J]. International Journal of Applied Earth Observation and Geoinformation, 104(9): 102536.

[78]
YANG HONGQIANG, YU KEFU, ZHAO MEIXIA, et al, 2015. Impact on the coral reefs at Yongle Atoll, Xisha Islands, South China Sea from a strong typhoon direct sweep: Wutip, September 2013[J]. Journal of Asian Earth Sciences, 114: 457-466.

[79]
YUM S G, SONG M S, ADHIKARI M D, 2023. Assessing Typhoon Soulik-induced morphodynamics over the Mokpo coastal region in the republic of Korea based on a geospatial approach[J]. Natural Hazards and Earth System Sciences, 23(7): 2449-2474.

[80]
ZENG FANXUAN, SONG CHUNQIAO, CAO ZHIGANG, et al, 2023. Monitoring inland water via Sentinel satellite constellation: a review and perspective[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 204: 340-361.

[81]
ZHANG XIUYING, WANG YING, JIANG HONG, et al, 2013. Remote-sensing assessment of forest damage by Typhoon Saomai and its related factors at landscape scale[J]. International Journal of Remote Sensing, 34(21): 7874-7886.

Options
文章导航

/

〈 〉