Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2022 , Vol. 41 >Issue 2: 65 - 76

DOI: https://doi.org/10.11978/2021034

Marine Remote Sensing

Spatial-temporal variation of suspended sediment in the Pearl River Estuary retrieved from GF-4 satellite data*

  • CHEN Qiong , 1, 2 ,
  • TANG Shilin , 1, 3 ,
  • WU Jie 1, 3
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
TANG Shilin.

Received date: 2021-03-12

  Revised date: 2021-04-20

  Online published: 2021-04-20

Supported by

National Natural Science Foundation of China(41876207)

Project from Government of Guangdong Province(2019BT02H594)

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou)(GML2019 ZD0302)

Fold

Abstract

Lingdingyang of the Pearl River Estuary is one of the most important bays in China. The suspended sediment concentration (SSC) there is significantly affected by the tidal processes in the dry season, which makes it an ideal area for studying the influence of tides on SSC variation. The Gaofen-4 (GF-4) satellite is the first geosynchronous orbit satellite with ultra-high spatial and temporal resolution in China. The spatial resolution of visible light bands is 50 m, and the maximum temporal resolution can reach 20 s. It has unique advantages in studying the variation of SSC within one day. In this study, we retrieved the surface SSC of Lingdingyang from the GF-4 satellite L1A data and in-situ data in January 2020, and then analyzed the spatial distribution of SSC in different stages of a tidal cycle. The results showed that the SSC in Lingdingyang was higher nearshore than offshore, and higher in the west than in the east. At flood tide, there were four high SSC areas. The average SSC showed a decreasing trend, and the suspended sediment was transported to the bay. During the initial, middle and last stages of flood tide, the decreased SSC became gradually more significant. At ebb tide, there were seven high SSC areas. The average SSC showed an increasing trend, and the suspended sediment moved toward the sea. During the initial, middle and last stages of ebb tide, the SSC increased significantly first, and then slowed down; it finally showed a negative growth trend. The variation of SSC was jointly affected by sediment transport in the horizontal direction, resuspension process in the vertical direction, and topography.

Key words： Lingdingyang; GF-4; Suspended sediment concentration; Variation characteristics

Cite this article

CHEN Qiong , TANG Shilin , WU Jie . Spatial-temporal variation of suspended sediment in the Pearl River Estuary retrieved from GF-4 satellite data*[J]. Journal of Tropical Oceanography, 2022 , 41(2) : 65 -76 . DOI: 10.11978/2021034

在潮汐作用下, 河口、海湾内外的泥沙等颗粒物交换频繁, 其中悬浮泥沙质量浓度(suspended sediment concentration, SSC)作为泥沙输运和再悬浮过程的重要指标(Yu et al, 2012; Xiong et al, 2017), 直接影响水体水质、生态系统和底地貌演化 (Ziegler et al, 1988; Zeng et al, 2015)。SSC变化一定程度上揭示了水域动力条件的变化, 这些变化有着不同的时间尺度, 共同影响了悬浮颗粒物的量级和分布情况, 对河口海域进行航道整治、港口建设、海洋工程施工等河口开发治理和河口地貌动力研究有着非常重要的参考意义(谢梅芳 等, 2021)。
长期以来, 对河口、海湾等海域的SSC年际、年及月变化的研究较为深入(陈晓玲 等, 2005; Liu et al, 2018)。传统的走航观测和锚定浮标观测等动态监测方式, 可以粗略了解到SSC的变化, 但存在成本高、样点少和精度低等缺点(Scanes et al, 2007; Wang et al, 2012)。随着遥感卫星观测技术的高速发展, 卫星可实现大范围、长时序、多时相的SSC连续观测, 弥补上述不足(Li et al, 2019)。早期基于遥感的SSC反演多通过Landsat (栾虹 等, 2017; Yepez et al, 2018)、NIMBUS-7 (Mayo et al, 1993)和SeaWiFS (Liao et al, 2010)卫星传感器实现, 受光谱分辨率和空间分辨率的限制, 仅能完成较大面积、动力环境简单的海域监测, 难以应用于沿海及内陆水体。随着光学传感器设计技术的进步, MODIS (Tian et al, 2016; 詹伟康 等, 2019)、MERIS (刘汾汾 等, 2009; Tang et al, 2013)、Sentinel (Toming et al, 2017)和VIIRS (Chami et al, 2020)等传感器的空间分辨率从公里级提高至百米级, 可应用于近岸和较大湖泊等水体的SSC反演及时空趋势研究, 但对于具有显著时变特征的河口海域, 高空间分辨率、低时间分辨率的极轨卫星很难满足悬浮泥沙的动态监测要求。近年来, 静止轨道卫星的引入, 显著提高了时间分辨率。He等(2013)、Hu等(2019) 和Cheng等(2016)基于GOCI小时成像的遥感数据完成了河口、近岸和沿岸等海域SSC日变化特征的刻画, 但GOCI空间分辨率降低, 且影像仅覆盖以朝鲜半岛为中心的西北太平洋局部海域, 无法为更大范围海域的SSC动态监测提供充足的数据支持。
2015年12月我国发射了世界上第一颗超高时空分辨率的地球静止轨道卫星高分四号(GF-4), 与其他卫星相比, GF-4具有更高的时空分辨率(重访时间最高可达20s和可见光波段的空间分辨率50m), 且影像的覆盖范围扩大至印太大部分海域, 使更小尺度的SSC动态变化特征得以显现, 在近海水体光学特征的高频变化监测方面具有巨大的潜力, 对河口海域复杂的生物地球化学和水动力过程的理解有着非常重要的动力学意义(Li et al, 2017, 2018; Wang et al, 2017)。近年来, 水利、航道、围海等工程对河口海域悬浮泥沙输运基本规律的认识提出了更高的要求, 掌握更小时间尺度的SSC分布和变化的规律, 以期为类似施工环境的施工工艺选择、设备设计、质量控制和安全保障提供借鉴。为此, 本文基于珠江口伶仃洋ETOPO1的地形数据、潮汐表中伶仃洋内的各验潮站的潮位数据、GF-4遥感影像反演的SSC数据, 分析了潮汐作用下的伶仃洋悬浮泥沙的空间分布特征和潮汐周期不同阶段的SSC变化规律。

1 研究区域

按流量排名, 珠江是我国的第二大河流, 年均淡水输入量为3.26×1011m3、年均泥沙输入88.7×106t (Ou et al, 2019)。珠江通过8个主要的入海口连接珠江口和南海, 可分为潮优型、河优型和河-波型河口(李春初, 1997)。虎门入海口是珠江溺谷湾残留的河口湾, 属于典型潮优型河口, 是珠江口主要的潮汐通道。潮差最大可达3.64m, 涨潮量达2288.4×108m3, 占八大口总入潮量的60.8%, 落潮量达2866×108m3, 占落潮量的41.6%。蕉门、洪奇门和横门, 在汛期均为强径流河, 旱期均为强潮流河, 输沙量较大有利于口门外浅滩发育(朱樊 等, 2015)。其中虎门、蕉门、洪奇门和横门所在的伶仃洋海域呈喇叭状, 宽约60km, 水域面积约2100km2, 属于不规则半日混合潮类型, 潮流总体呈东强西弱。分布着东、西、中三滩及东、西两槽, 平均水深5m, 两槽处水深约10~20m (Liu et al, 2019)。本文选择22°05′—22°50′N, 113°25′—114°07′E区间的珠江口伶仃洋海域为研究区(图1)。
图1 研究区域及悬浮泥沙浓度(SSC)实测数据测量站点位置

该图是基于国家测绘地理信息局标准地图服务网站下载审图号为GS(2016)2924标准地图制作。图中黑色菱形代表2020年1月的航次测站位置, 黑色三角代表珠江八大入海口位置

Fig. 1 The study area, and the locations of in-situ sampling stations for SSC

2 数据与方法

2.1 数据来源

高分(GF)系列卫星是由中国设计用于收集陆地、大气、海洋信息, 并形成长时序、大范围和高精度的对地观测能力。从2002年开始, 目前已有13颗卫星成功发射。GF-4卫星于2015年发射, 采用凝视相机传感器, 在可见光或近红外光波段(1~5波段)具有50m的空间分辨率, 在热红外光波段(6波段)具有400m的空间分辨率。GF-4是地球静止同步轨道卫星, 时间分辨率最高可达20s (表1)(刘凤晶 等, 2018)。受遥感数据的存储、传输等技术限制, 目前对外分发的大部分GF-4数据产品的时间间隔为几分钟至几小时不等, 受天气、云量等因素的影响, 每日分发的数据数量也不尽相同。尽管如此, 具有超高时空分辨率的GF-4数据, 仍是当前研究河口海域的SSC高频变化的最佳选择。本文所用遥感数据为中国资源卫星应用中心提供的基于GF-4卫星的L1A级数据, 共计7景。其中, 2020年1月14日1景(13:58), 用于SSC反演算法验证; 2020年12月28日3景(10:43、12:43和13:33), 时间间隔分别为2h和50min, 对应落潮的初始时刻、落急时刻和落憩前, 用于分析珠江口伶仃洋的SSC在落潮不同阶段的变化规律; 2021年2月21日3景(10:40、14:00和16:34), 时间间隔分别为3h 20min和2h 34min, 对应停潮末期、涨急和涨憩前, 用于分析珠江口伶仃洋的SSC在涨潮不同阶段的变化规律。
表1 GF-4卫星有效载荷

Tab. 1 Payload parameters of GF-4

参数名称 波段号 波段范围/μm 空间分辨率/m 幅宽/km 重访时间/s
可见光近红外(VNIR) 1 0.45~0.90 50 400 20
2 0.45~0.52 50
3 0.52~0.60 50
4 0.63~0.69 50
5 0.76~0.90 50
中波红外(MWIR) 6 3.50~4.10 400

注: 表中数据均来自中国资源卫星应用中心

实测数据于2020年1月13日至14日在巡航船上测量得到, 采用标准采样器采集水样, 通过过滤重量法测定SSC (刘大召 等, 2020)。即现场采集并过滤水样, 将滤膜带回实验室进行测量, 最终得到28组有效SSC数据。地形数据为美国地球物理中心(U.S. National Geophysical Data Center)发布的全球地形起伏模型ETOPO, 是目前已知的分辨率最高的地形起伏数据(Amante et al, 2009)。ETOPO包括3种不同精度的数据, 分别是ETOPO1、ETOPO2和ETOPO5; 不同精度的数据又分为两个版本, Bedrock和Ice Surface, 前者是岩床的高程, 后者是岩床加上冰盖层之后的高程。本文选择精度最高的ETOPO1 (分辨率为1弧分)中的Bedrock版本绘制珠江口伶仃洋底地形。通过查潮汐表得到遥感图像采集时段内的各验潮站每小时的潮位数据(国家海洋信息中心, 2020)。

2.2 遥感数据处理

2.2.1 辐射校正

根据辐射定标公式结合各波段的辐射定标系数(表2), 对GF-4的全色/多光谱(panchromatic/ multispectral, PMS)图像进行定标, 将卫星荷载观测值(Digital Number, DN)转换为表观辐亮度[L(λ)]。PMS数据的辐射定标可通过公式(1)计算:
$L\left( \lambda \right)=\text{Gain}\times \text{DN}+\text{Offset}$
式中: L(λ)为对应波段λ的传感器辐射亮度值(单位: W•m-2•µm-1•Sr-1); Gain和Offset分别为影像的绝对定标系数增益和偏移(2020年的增益、偏移数据可从中国资源卫星应用中心网站获取)。根据公式(2)计算得到大气层顶表观反射率(ρt, 单位: Sr-1):
${{\rho }_{\text{t}}}=\frac{\text{ }\!\!\pi\!\!\text{ }\cdot L\cdot {{d}^{2}}}{\text{ESUN}\cdot \cos {{\theta }_{\text{s}}}}$
式中: d 为日地距离校正因子(2020年1月14日对应儒略历为14天, d=0.9836; 2020年12月28日对应儒略历为363天, d=0.9832; 2021年2月21日对应儒略历为52天, d=0.9891); L为表观辐亮度(单位: W•m-2•µm-1•Sr-1); ESUN是大气上层太阳辐照度(单位: W•m-2•µm-1•Sr-1); θs为太阳天顶角(单位: rad)。
表2 2020年GF-4卫星绝对辐射定标系数和大气层外波段太阳辐照度

Tab. 2 The values of Gain, offset and ESUN of GF-4 satellite in 2020

参数名称 Panchromatic Band Band 1 Band 2 Band 3 Band 4
绝对定标系数增益值 0.1266 0.1858 0.2013 0.1580 0.1087
绝对定标系数偏移值 0 0 0 0 0
太阳辐照度/(W•m-2•μm-1) 1609.798 1929.556 1839.332 1578.125 1104.766

注: 表中数据均来自中国资源卫星应用中心

2.2.2 大气校正

目前应用最普遍的水色遥感大气校正方法是暗像元算法(Gordon et al, 1994)。水体在近红外(near- infrared, NIR)波段处有较好的吸收性, 所以将其作为暗像元进行大气校正。而二类浑浊水体在NIR波段的散射能力强、离水辐射率大, 以近红外波段作为暗像元的假设失效(Ruddick et al, 2000; Siegel et al, 2000)。但是, 二类浑浊水体在短波红外(short-wave infrared, SWIR)波段处有强吸收性, 利用SWIR波段代替NIR波段的大气校正算法已经被证明可以很好的应用于混浊的沿海水域的大气校正(Wang et al, 2007; He et al, 2014; Ye et al, 2017)。然而, GF-4卫星的遥感数据缺乏SWIR波段, 无法直接采用SWIR暗像元法进行大气校正。目前, 已有研究利用准同步的可见光红外成像辐射仪(visible infrared imaging radiometer suite, VIIRS)数据的3个SWIR波段(1280nm、1601nm和2257nm)针对没有SWIM波段的卫星构建了准同步可见光红外成像辐射仪数据(Quasi-synchronous VIIRS, QSV)算法并完成了大气校正, 该大气校正方法在沿岸浑浊水体有很好的适用性(Wu et al, 2019)。本文参考该算法并结合6S辐射传输模型(second simulation of the satellite signal in the solar spectrum), 经过对瑞利散射、气体吸收和气溶胶多次散射效应的校正, 得到了水体的遥感反射率。校正公式如式(3):
${{t}_{\text{v},\lambda }}{{R}_{\text{rs},\lambda }}={{\rho }_{\text{t},\lambda }}-{{R}_{\text{r},\lambda }}-{{R}_{\text{a},\lambda }}$
式中: ρt,λ是对应波段λ的大气层顶表观反射率(单位: Sr-1); Rr,λ是对应波段λ的大气瑞利散射率(单位: Sr-1); Ra,λ是对应波段λ的气溶胶散射率(单位: Sr-1); tv,λ是对应波段λ的大气的漫射透过率; Rrs,λ是对应波段λ的遥感反射率。利用6S模型估算瑞利散射系数, 6S模型中所需的输入参数为影像的几何条件、大气模型和光谱条件。利用QSV算法结合Ziauddin构建的气溶胶类型查找表(Ahmad et al, 2010)估算气溶胶类型和气溶胶光学厚度, 用于校正的VIIRS数据的过境时间分别为2020年1月14日14:06、2020年12月28日13:24和2021年2月21日13:42。

2.2.3 几何校正

对于GF-4 PMS数据来说, 由于分发的L1A级产品均提供相应的有理多项式(rational polynomial coefficient, RPC)参数文件, 因此可以利用ENVI软件提供的正射校正流程化工具(RPC orthorectification workflow)进行正射校正, 但正射校正结果与实际位置仍存在较大偏差。因此, 在进行正射校正后利用Landsat8_OLI全色波段(重采样至GF-4对应分辨率50m)对GF-4影像重新进行配准校正。

3 结果与讨论

3.1 悬沙质量浓度反演算法验证

本文采用一种针对珠江口近岸浑浊水体的双波段经验模型反演悬沙质量浓度(Liu et al, 2021), SSC反演公式如下:
$\text{lg}\left( \text{SSC} \right)=\frac{0.0009155+2.443\times {{R}_{\text{rs}}}(\text{red})}{{{R}_{\text{rs}}}(\text{green})}-0.6735$
式中: Rrs(red)和Rrs(green)分别代表GF-4卫星的红波段和绿波段的遥感反射率(单位: Sr-1)。利用2020年1月14日的GF-4影像反演珠江口伶仃洋内的SSC, 以遥感影像3×3窗口内的平均浓度代表中心点的SSC, 并结合同一天的实测SSC数据, 对该悬沙反演算法进行验证。剔除遥感影像中被云覆盖的实测数据, 剩余19组有效悬沙质量浓度数据用于验证。图2表明, 该算法计算得到的SSC与实测值有较好的相关性, 相关系数为0.87 (p<0.01), 均方根误差为3.05mg•L-1, 即该算法能较准确的估算珠江口的真实悬沙质量浓度。
图2 遥感反演与实测悬浮泥沙质量浓度(SSC)的验证结果

图中黑色虚线表示1:1关系, 蓝色实线表示反演SCC和实测SSC的线性拟合情况, 蓝色三角代表样本点数据

Fig. 2 Verification result of satellite-derived SSC and in-situ measured SSC

3.2 珠江口伶仃洋悬浮泥沙质量浓度的分布特征

珠江口伶仃洋海域涨潮、落潮时的SSC分布情况分别如图3、图4所示。悬浮泥沙质量浓度均沿海岸线向外海的方向逐渐降低, 整体呈现近岸高、远岸低的分布趋势; 4个入海口处的SSC都相对较高, 且喇叭形海岸东西侧的SSC分布有明显的差异, 西侧海岸的SSC高于东侧。Liu等(2019)利用数值模式模拟了珠江口的SSC分布趋势, 模式结果显示SSC沿海岸向开阔水域呈降低趋势, 且西滩SSC高于东滩, 本文研究结果与其基本一致。
珠江口伶仃洋海域涨潮时的平均SSC为8.18mg•L-1, 涨潮时共有4个高SSC分布区(图3a)。其中东侧海岸的2个高SSC区分别位于: 虎门入海口外的交椅湾(H1), 悬沙集中分布于海湾内的东北岸线, 平均SSC为10.05mg•L-1; 深圳湾湾顶处(H2), 平均SSC为9.57mg•L-1。西侧海岸的2个高SSC区分别位于: 蕉门和洪奇门的入海口处(H3), 平均SSC为9.39mg•L-1; 淇澳岛以西的海湾内(H4), 平均SSC为11.69mg•L-1。涨潮时各高值区的平均SSC统计结果(图3b)说明了珠江口伶仃洋内涨潮时其西滩高值区的平均SSC (11.13mg•L-1)明显高于东滩(9.70mg•L-1)。
图3 2021年2月21日珠江口伶仃洋涨潮时3景遥感影像反演的平均悬浮泥沙浓度(SSC)分布情况

a. 高SSC区的分布范围。图中红色虚线方框代表SSC高值区的分布范围, 其中H1 (113°42′—113°47′E, 22°40′—22°45′N), H2 (113°54′—114°00′E, 22°24′—22°33′N), H3 (113°38′—113°42′E, 22°33′—22°37′N), H4 (113°33′E—113°40′E, 22°23′N—22°30′N); b. 珠江口伶仃洋东、西滩各高SCC区的平均SSC直方图。蓝色和红色虚线分别代表东滩和西滩的平均SSC

Fig. 3 Spatial distribution of satellite-derived mean SSC during the flood tide in the Pearl River Estuary, showing the average SSC of three GF-4 images during 21st February 2021

珠江口伶仃洋海域落潮时的平均SSC为17.56mg•L-1, 落潮时共有7个高SSC分布区(图4a), 其中东侧海岸3个、西侧海岸4个。东侧海岸的3个高SSC分布区分别位于: 虎门入海口外的交椅湾(H1), 悬沙在海湾中呈团状分布, 平均SSC为26.34mg•L-1; 龙穴水道东侧沿岸至大铲湾一线(H2), 呈条带状分布, 平均SSC为17.49mg•L-1; 深圳湾湾顶处(H3), 平均SSC为19.86mg•L-1。西侧海岸的4个高SSC分布区分别位于: 龙穴隆滩沿岸(H4), 呈条状分布, 平均SSC为25.60mg•L-1; 蕉门、洪奇门和横门入海口处的进口浅滩(H5), 平均SSC为17.60mg•L-1; 淇澳岛以西的海湾内(H6), 平均SSC为27.70mg•L-1; 淇澳岛至珠海九州岛之间的海域(H7), 平均SSC为19.89mg•L-1。珠江口伶仃洋海域各高值区的平均SSC统计结果(图4b)说明了落潮时其西滩高值区的平均SSC (24.45mg•L-1)明显高于东滩(20.37mg•L-1)。
图4 2020年12月28日珠江口伶仃洋落潮时3景遥感影像反演的平均悬浮泥沙质量浓度(SSC)分布情况

a. 高SSC区的分布范围。图中红色虚线方框代表SSC高值区的分布范围, 其中H1 (113°42′—113°47′E, 22°40′—22°45′N), H2 (113°54′—114°00′E, 22°24′—22°33′N), H3 (113°38′—113°42′E, 22°33′—22°37′N), H4 (113°33′E—113°40′E, 22°23′N—22°30′N), H5 (113°39′—113°44′E, 22°30′—22°35′N), H6 (113°33′—113°41′E, 22°23′—22°30′N), H7 (113°35′—113°42′E, 22°15′—22°23′N); b. 珠江口伶仃洋东西滩各高SCC区的平均SSC直方图。蓝色和红色虚线分别代表东滩和西滩的平均SSC

Fig. 4 Spatial distribution of satellite-derived mean SSC during the ebb tide in the Pearl River Estuary, showing the average SSC of three GF-4 images during 28th December 2020

珠江口伶仃洋海湾内的潮流受地转效应的影响, 涨潮流携带的清洁水体更多的被输送至东侧海岸, 而落潮流裹挟高含沙水体更多的被输送至西侧海岸, 使SSC在涨潮和落潮时都呈西高东低的分布趋势(朱樊 等, 2015)。结合珠江口伶仃洋海域的底地形 (图1), 发现涨潮和落潮时的高SSC的分布与浅滩、近岸海域有较好的对应关系。其中, 除淇澳岛以西的高值区, 其他高值区所在海域均为水深小于5m的浅滩或近岸滩涂。尽管淇澳岛以西的高值区所在海湾水深较深, 但受淇澳岛的阻挡, 大部分悬浮泥沙只能通过东北侧的进口浅滩与湾外进行交换, 使得悬浮泥沙在该海湾集聚呈高值分布。水深较深的伶仃水道和龙穴水道所在海域基本对应SSC低值区。

3.3 珠江口伶仃洋SSC涨潮时的变化特征

图5显示了珠江口伶仃洋海域涨潮时的SSC变化特征。图5a~5c分别对应停潮末、涨急以及涨憩前的3个不同时刻的SSC分布情况, 平均SSC分别为11.08mg•L-1、11.04mg•L-1和2.64mg•L-1, 即在涨潮阶段伶仃洋内的平均SSC呈降低趋势。从图5d可以看出, 4个高SSC海域的悬沙质量浓度降低程度远大于其他海域。涨潮时, 珠江水流随涨潮流将外海含沙量较低的清洁水体大量输入伶仃洋海域, 这可能是伶仃洋海域涨潮时SSC降低的主要原因。湾口至淇澳岛和内伶仃岛一线的海域内的SSC有明显北移的趋势, 这可能是因为较大流速的水体有较强的挟沙能力(Ou et al, 2019), 该海域内的悬浮颗粒物随涨潮流被输送至湾内。
图5 2021年2月21日珠江口伶仃洋涨潮不同时刻遥感影像反演的悬浮泥沙质量浓度(SSC)分布及变化情况

a. 停潮末(10:40:06); b. 涨急(14:00:06); c. 涨憩(16:34:57); d. 涨憩与停潮末期的平均SSC差值。图中数字为该海域平均悬浮泥沙浓度

Fig. 5 Distribution and variation of satellite-derived SSC at different times of flood tide in Lingdingyang during 21st February 2021

为了进一步分析涨潮不同阶段的SSC变化特征, 提取了停潮末、涨急以及涨憩前3个不同时刻5个验潮站所在位置约5m范围内的平均SSC数据, 对比伶仃洋内的不同位置在涨潮的不同阶段SSC变化的异同。从各验潮站潮位变化与SSC变化的对比结果(图6)可以看出: 停潮时, 潮流流速减缓, 潮位维持在低位、变化量较小, 此时水体中的悬浮泥沙开始沉降, SSC呈降低趋势(图6b、6c); 停潮末期至涨急阶段, 潮流流速变大、潮差变大, 尽管造成了一定程度的底质颗粒物再悬浮过程, 但涨潮流将外海的清洁水体大量输入湾内, SSC仍呈降低趋势; 涨急至涨憩阶段, 流速又逐渐减缓、潮位差减小并趋于稳定, 再悬浮过程减弱并伴随大量清洁水体的持续输入, SSC呈显著降低的趋势(图6b~6f)。
图6 2021年2月21日珠江口伶仃洋内的各验潮站在涨潮不同阶段的悬浮泥沙质量浓度(SSC)变化情况

a. 验潮站位置示意图, 基于国家测绘地理信息局标准地图服务网站下载审图号为GS(2016)2924的标准地图制作; b. 舢板洲验潮站; c. 深圳机场验潮站; d. 蛇口(赤湾)验潮站; e. 内伶仃岛验潮站; f. 珠海(香洲)验潮站

Fig. 6 Changes of SSC at different stages of flood tide in Lingdingyang on 21st February 2021

3.4 珠江口伶仃洋SSC落潮时的变化特征

图7显示了珠江口伶仃洋海域落潮时的SSC变化特征。图7a~7c分别对应平潮末、落急以及落憩前的3个不同时刻的SSC分布情况, 平均SSC分别为16.11mg•L-1、18.00mg•L-1和18.58mg•L-1, 即在落潮阶段伶仃洋内的平均SSC呈增加趋势。落潮时, 珠江水流裹挟着高含沙量的内陆水体随落潮流通过虎门、蕉门、洪奇门及横门将大量泥沙输入伶仃洋海域, 这可能是伶仃洋落潮时SSC增加的原因之一(Liu et al, 2019)。另外, 虎门口门外的交椅湾(H1)和龙穴隆滩(H4)之间的水道的SSC在落潮阶段明显增大, 且悬沙有向外海方向移动的趋势。具体表现为, 平潮末期悬浮泥沙集中分布于交椅湾和龙穴隆滩沿岸, 水道中的SSC较低, 到落憩时高值区内存在部分海域的SSC略有下降, 而下游水道中的SSC有所增加(图7d)。伶仃洋内的水流速度随潮汐过程呈“大-小-大” 的周期性变化, 较大流速的水体有较强的挟沙能力,这可能是落潮时高值区部分海域SSC有所降低并向外海移动的原因之一(Ou et al, 2019)。同时, 当流速增大到超过底质沉积物再悬浮所需的切应力时会造成底质沉积物再悬浮, 并且落潮过程中的潮位差向下会形成潮差势能, 对底质也会造成扰动使其再悬浮, 这解释了高值区中仍有部分海域在落潮流的强挟沙作用下SSC呈增加趋势(Li et al, 2015; Liu et al, 2016)。在其他5个高值区中, 进口浅滩(H5)、龙穴水道东侧沿岸至大铲湾一线(H2)和淇澳岛至珠海九州岛之间海域(H7)的悬浮泥沙变化情况与虎门口门外相同, SSC都稍有下降且都有向南移动的变化趋势。而深圳湾(H3)和淇澳岛以西海湾(H6)的SSC则呈明显的增加趋势, 这可能是地形影响了潮汐过程对SSC的影响(Liu et al, 2016)。受东北—西南狭长地形的限制, 落潮流很难进入深圳湾, 仅会在湾口造成扰动, 使湾内SSC有所增加。淇澳岛东北方向、落潮流进入湾内的唯一进口处分布着进口浅滩, 该拦门浅滩靠湾内一侧的泥沙在落潮流的作用下再悬浮, 而唯一的出海口金星门港较为狭窄阻挡了潮流向下输送悬沙, 致使悬沙在湾内聚集SSC增加。
图7 2020年12月28日珠江口伶仃洋落潮不同时刻遥感影像反演的悬浮泥沙浓度(SSC)分布及变化情况

a. 平潮末(10:43:38); b. 落急(12:43:38); c. 落憩(13:33:38); d. 落憩与平潮末期的平均SSC差值。图中数字为该海域平均悬浮泥沙浓度值

Fig. 7 Distribution and variation of satellite-derived SSC at different times of ebb tide in Lingdingyang on 28th December 2020

为了进一步分析落潮不同阶段的SSC变化特征, 提取了平潮末、落急以及落憩前3个不同时刻5个验潮站所在位置约5m范围内的平均SSC数据, 对比伶仃洋内的不同位置在落潮的不同阶段SSC变化的异同。从各验潮站潮位变化与SSC变化的对比结果可以看出(图8): 平潮时, 潮流流速减缓、潮位保持一定高度不变化, 此时水体中的悬浮泥沙开始沉降, SSC呈降低趋势(图8b); 平潮末期至落急阶段, 潮流流速变大、潮差逐渐增大, 此时悬浮泥沙再悬浮过程剧烈, SSC增加量显著; 落急至落憩阶段, 流速又逐渐减缓、潮位差减小并趋于稳定, 悬浮泥沙再次开始沉降, SSC增量变小甚至呈负增长趋势(图8b~8f)。
图8 2020年12月28日珠江口伶仃洋内的各验潮站在落潮不同阶段的悬浮泥沙质量浓度(SSC)变化情况

a. 验潮站位置示意图, 基于国家测绘地理信息局标准地图服务网站下载审图号为GS(2016)2924的标准地图制作; b. 舢板洲验潮站; c. 深圳机场验潮站; d. 蛇口(赤湾)验潮站; e. 内伶仃岛验潮站; f. 珠海(香洲)验潮站

Fig. 8 Changes of SSC at different stages of ebb tide in Lingdingyang on 28th December 2020

4 结论

本文通过对珠江口伶仃洋海域落潮时的SSC分布情况及变化规律的研究, 得到以下结论:
1) 珠江口伶仃洋海域SSC沿海岸线向外海的方向逐渐降低, 整体呈现“近岸高, 远岸低”的分布趋势; 喇叭形海岸东西侧的SSC分布有明显的差异, 西岸高于东岸; 涨潮时存在4个高SSC分布区, 落潮时存在7个高SSC分布区, SSC的分布情况受底地形影响较大。
2) 涨潮时, 伶仃洋内的平均SSC整体呈降低趋势且悬沙有向湾内方向移动的趋势; SSC的降低主要受外海清洁水体大量输入的影响。涨潮的不同阶段, SSC的变化情况不同。停潮时, 潮流流速减缓, 潮位维持在低位、变化量较小, 悬浮泥沙开始沉降; 停潮末期至涨急阶段, 潮流流速变大、潮差变大, 尽管造成了一定程度的底质颗粒物再悬浮过程, 但涨潮流将外海的清洁水体大量输入湾内, SSC仍呈降低趋势; 涨急至涨憩阶段, 流速又逐渐减缓、潮位差减小并趋于稳定, 再悬浮过程减弱并伴随大量清洁水体的持续输入, SSC呈显著降低的趋势。
3) 落潮时, 伶仃洋内的平均SSC整体呈增长趋势且悬沙有向外海方向移动的趋势; SSC的增加受潮流在水平方向上的挟沙作用、垂直方向上的再悬浮过程和地形的共同影响。落潮的不同阶段, SSC的变化情况不同。平潮时, 潮流流速减缓、潮位保持一定高度不变化, 水体中的悬浮泥沙开始沉降, SSC呈降低趋势; 平潮末期至落急阶段, 潮流流速变大、潮差逐渐增大, 悬浮泥沙再悬浮过程剧烈, SSC增加量显著; 落急后至落憩阶段, 流速又逐渐减缓、潮位差减小并趋于稳定, 悬浮泥沙再次开始沉降, SSC增量变小甚至呈负增长趋势。
长期以来, 针对珠江口的SSC变化研究多以年际和季节变化为主(Liu et al, 2016; Ou et al, 2019), 而有关潮汐对SSC变化的影响的研究由于遥感数据的缺失多以实测数据和数值模型研究为主(Chen et al, 2005; Jiang et al, 2014; Liu et al, 2019), 难以实现更大范围、更小时间尺度的SSC变化研究。近年来, 水利、航道、围海等工程对认识河口海域悬浮泥沙输运基本规律提出了更高的要求, 而关于珠江口SSC一日之内的变化规律的研究对深入理解河口海域复杂水动力过程和生物地球化学过程有重要的意义。具有超高时空分辨率的GF-4卫星的发射入轨, 首次实现了珠江口海域一日内多景遥感影像覆盖, 本文利用该数据对珠江口伶仃洋在潮汐周期的时间尺度上对SSC分布及变化特征进行刻画, 并分析了涨潮和落潮不同阶段的SSC空间变化特征, 为河口海域的工程施工、设备设计、质量控制和安全保障等提供更为可靠的参考。但是, 受实测数据及无云清晰可用的遥感数据有限的限制, 在分析潮汐周期不同阶段的SSC的分布及变化特征时, 选择了不同日期的遥感影像, 未能得到一个完整潮汐周期内的变化规律。随着高时空分辨率卫星技术的进一步发展, 对SSC不同尺度的分布特征及变化规律的深入研究, 掌握更小尺度的变化特征及其动力学机制是我们当前研究的一个重要方向。

*感谢广东海洋大学刘大召老师提供现场观测数据, 感谢中国资源卫星应用中心(http://www.cresda.com/CN/)提供卫星数据支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈晓玲, 袁中智, 李毓湘, 等, 2005. 基于遥感反演结果的悬浮泥沙时空动态规律研究--以珠江河口及邻近海域为例[J]. 武汉大学学报信息科学版, 30(8): 677-681.

CHEN XIAOLING, YUAN ZHONGZHI, LI YUXIANG, et al, 2005. Spatial and temporal dynamics of suspended sediment concentration in the Pearl River estuary based on remote sensing[J]. Geomatics and Information Science of Wuhan University, 30(8): 677-681. (in Chinese with English abstract)

[2]
国家海洋信息中心, 2020. 潮汐表(第3册): 台湾海峡至北部湾[M]. 北京: 海洋出版社.

NATIONAL MARINE DATA AND INFORMATION SERVICE, 2020. Tide tables (Vol. 3): from the Taiwan Straits to the Beibu Gulf[M]. Beijing: Ocean Press. (in Chinese)

[3]
李春初, 1997. 论河口体系及其自动调整作用--以华南河流为例[J]. 地理学报, 52(4): 353-360.

DOI

LI CHUNCHU, 1997. On the estuarine system and its automatic adjustment[J]. Acta Geographica Sinica, 52(4): 353-360. (in Chinese with English abstract)

[4]
刘大召, 李卓, 陈仔豪, 等, 2020. 基于高分1号遥感数据港珠澳大桥对珠江口海域悬浮泥沙分布的影响[J]. 广东海洋大学学报, 40(6): 89-95.

LIU DAZHAO, LI ZHUO, CHEN ZIHAO, et al, 2020. Influence of Hong Kong-Zhuhai-Macao bridge on the distribution of suspended sediment in the Pearl River Estuary[J]. Journal of Guangdong Ocean University, 40(6): 89-95. (in Chinese with English abstract)

[5]
刘汾汾, 陈楚群, 唐世林, 等, 2009. 基于现场光谱数据的珠江口MERIS悬浮泥沙分段算法[J]. 热带海洋学报, 28(1): 9-14.

LIU FENFEN, CHEN CHUQUN, TANG SHILIN, et al, 2009. A piecewise algorithm for retrieval of suspended sediment concentration based on in situ spectral data by MERIS in Zhujiang River Estuary[J]. Journal of Tropical Oceanography, 28(1): 9-14. (in Chinese with English abstract)

[6]
刘凤晶, 李果, 于登云, 等, 2018. 高分四号卫星及应用概况[J]. 卫星应用, (12): 12-18. (in Chinese)

[7]
栾虹, 付东洋, 李明杰, 等, 2017. 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, 36(6): 892-897.

LUAN HONG, FU DONGYANG, LI MINGJIE, et al, 2017. Based on Landsat 8 suspended sediment concentration of the Pearl River on each season inversion and analysis[J]. Marine Environmental Science, 36(6): 892-897. (in Chinese with English abstract)

[8]
谢梅芳, 张萍, 杨昊, 等, 2021. 珠江“伶仃洋河口湾-虎门-潮汐通道”的潮波传播特征[J]. 热带海洋学报, 40(4): 1-13.

XIE MEIFANG, ZHANG PING, YANG HAO, et al, 2021. Tidal wave propagation dynamics in “Lingdingyang Bay-Humen outlet-tidal channel” of the Pearl River[J]. Journal of Tropical Oceanography, 40(4): 1-13. (in Chinese with English abstract)

[9]
詹伟康, 吴颉, 韦惺, 等, 2019. 基于遥感反演的珠江河口表层悬沙浓度分位数趋势分析[J]. 热带海洋学报, 38(3): 32-42.

ZHAN WEIKANG, WU JIE, WEI XING, et al, 2019. Quantile trend analysis for suspended sediment concentration in the Pearl River Estuary based on remote sensing[J]. Journal of Tropical Oceanography, 38(3): 32-42. (in Chinese with English abstract)

[10]
朱樊, 欧素英, 张铄涵, 等, 2015. 基于MODIS影像的珠江口表层悬沙浓度反演及时空变化分析[J]. 泥沙研究, (2): 67-73.

ZHU FAN, OU SUYING, ZHANG SHUOHAN, et al, 2015. MODIS images-based retrieval and analysis of spatial-temporal change of superficial suspended sediment concentration in the Pearl River Estuary[J]. Journal of Sediment Research, (2): 67-73. (in Chinese with English abstract)

[11]
AHMAD Z, FRANZ B A, MCCLAIN C R, et al, 2010. New aerosol models for the retrieval of aerosol optical thickness and normalized water-leaving radiances from the SeaWiFS and MODIS sensors over coastal regions and open oceans[J]. Applied Optics, 49(29): 5545-5560.

DOI

[12]
AMANTE C, EAKINS B W, 2009. ETOPO 1 1 Arc-minute global relief model: procedures, data sources and analysis[Z]. Boulder: NOAA, doi: 10.7289/V5C8276M.

DOI

[13]
CHAMI M, LARNICOL M, MIGEON S, et al, 2020. Potential for nocturnal satellite detection of suspended matter concentrations in coastal waters using a panchromatic band: a feasibility study based on VIIRS (NASA/NOAA) spectral and radiometric specifications[J]. Optics Express, 28(10): 15314-15330.

DOI

[14]
CHEN XIAOHONG, CHEN YONGQIN, LAI GUOYOU, 2005. Modeling transportation of suspended solids in Zhujiang River estuary, South China[J]. Chinese Journal of Oceanology and Limnology, 23(1): 1-10.

DOI

[15]
CHENG ZHIXIN, WANG XIAOHUA, PAULL D, et al, 2016. Application of the geostationary ocean color imager to mapping the diurnal and seasonal variability of surface suspended matter in a Macro-Tidal Estuary[J]. Remote Sensing, 8(3): 244.

DOI

[16]
GORDON H R, WANG MENGHUA, 1994. Retrieval of water-leaving radiance and aerosol optical thickness over the Oceans with SeaWiFs: a preliminary algorithm[J]. Applied Optics, 33(3): 443-452.

DOI

[17]
HE QUANJUN, CHEN CHUQUAN, 2014. A new approach for atmospheric correction of MODIS imagery in turbid coastal waters: a case study for the Pearl River Estuary[J]. Remote Sensing Letters, 5(3): 249-257.

DOI

[18]
HE XIANQIANG, BAI YAN, PAN DELU, et al, 2013. Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters[J]. Remote Sensing of Environment, 133: 225-239.

DOI

[19]
HU YUEKAI, YU ZHIFENG, ZHOU BIN, et al, 2019. Tidal- driven variation of suspended sediment in Hangzhou Bay based on GOCI data[J]. International Journal of Applied Earth Observation and Geoinformation, 82: 101920.

DOI

[20]
JIANG SIYI, XU FANGJIAN, LI YAN, et al, 2014. Distributional characteristics of grain sizes of surface sediments in the Zhujiang River Estuary[J]. Acta Oceanologica Sinica, 33(4): 30-36.

[21]
LI FENG, FU JIE, XIN LEI, et al, 2017. New developments in super-resolution for GaoFen-4[C]// Proceedings of SPIE 10427, image and signal processing for remote sensing ⅩⅩⅢ. Warsaw: SPIE.

[22]
LI FENG, XIN LEI, GUO YI, et al, 2018. Super-Resolution for GaoFen-4 remote sensing images[J]. IEEE Geoscience and Remote Sensing Letters, 15(1): 28-32.

DOI

[23]
LI PENG, KE YINGHAI, BAI JUNHONG, et al, 2019. Spatiotemporal dynamics of suspended particulate matter in the Yellow River Estuary, China during the past two decades based on time-series Landsat and Sentinel-2 data[J]. Marine Pollution Bulletin, 149: 110518.

DOI

[24]
LI ZHANHAI, LI M Z, DAI ZHIJUN, et al, 2015. Intratidal and neap-spring variations of suspended sediment concentrations and sediment transport processes in the North Branch of the Changjiang Estuary[J]. Acta Oceanologica Sinica, 34(1): 137-147.

[25]
LIAO YINGDI, ZHANG WEI, CHEN DA, 2010. A study on the quantitative model of surface suspended sediment concentration in Yangtze estuary from seaWiFS data[J]. IEEE.

[26]
LIU FENFEN, ZHANG TONGHUI, YE HAIBIN, et al, 2021. Using satellite remote sensing to study the effect of sand excavation on the suspended sediment in the Hong Kong-Zhuhai-Macau Bridge Region[J]. Water, 13(4): 435.

DOI

[27]
LIU GUANGPING, CAI SHUQUN, 2019. Modeling of suspended sediment by coupled wave-current model in the Zhujiang (Pearl) River Estuary[J]. Acta Oceanologica Sinica, 38(7): 22-35.

[28]
LIU JIA, LIU JIAHANG, HE XIANQIANG, et al, 2018. Diurnal dynamics and seasonal variations of total suspended particulate matter in highly turbid Hangzhou Bay waters based on the geostationary ocean color imager[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 11(7): 2170-2180.

DOI

[29]
LIU RUNQI, WANG YAPING, GAO JIANHUA, et al, 2016. Turbidity maximum formation and its seasonal variations in the Zhujiang (Pearl River) Estuary, southern China[J]. Acta Oceanologica Sinica, 35(8): 22-31.

[30]
MAYO M, KARNIELI A, GITELSON A, et al, 1993. Determination of suspended sediment concentrations from CZCS data[J]. Photogrammetric Engineering and Remote Sensing, 59(8): 1265-1269.

[31]
OU SUYING, YANG QINGSHU, LUO XIANGXIN, et al, 2019. The influence of runoff and wind on the dispersion patterns of suspended sediment in the Zhujiang (Pearl) River Estuary based on MODIS data[J]. Acta Oceanologica Sinica, 38(3): 26-35.

[32]
RUDDICK K G, OVIDIO F, RIJKEBOER M, 2000. Atmospheric correction of SeaWiFS imagery for turbid coastal and inland waters[J]. Applied Optics, 39(6): 897-912.

DOI

[33]
SCANES P, COADE G, DOHERTY M, et al, 2007. Evaluation of the utility of water quality based indicators of estuarine lagoon condition in NSW, Australia[J]. Estuarine, Coastal and Shelf Science, 74(1-2): 306-319.

DOI

[34]
SIEGEL D A, WANG M H, MARITORENA S, et al, 2000. Atmospheric correction of satellite ocean color imagery: the black pixel assumption[J]. Applied Optics, 39(21): 3582-3591.

DOI

[35]
TANG SHILIN, LAROUCHE P, NIEMI A, et al, 2013. Regional algorithms for remote-sensing estimates of total suspended matter in the Beaufort Sea[J]. International Journal of Remote Sensing, 34(19): 6562-6576.

DOI

[36]
TIAN LIQIAO, WAI O W H, CHEN XIAOLING, et al, 2016. Retrieval of total suspended matter concentration from Gaofen-1 Wide Field Imager (WFI) multispectral imagery with the assistance of Terra MODIS in turbid water-case in Deep Bay[J]. International Journal of Remote Sensing, 37(14): 3400-3413.

DOI

[37]
TOMING K, KUTSER T, UIBOUPIN R, et al, 2017. Mapping water quality parameters with sentinel-3 ocean and land colour instrument imagery in the Baltic Sea[J]. Remote Sensing, 9(10): 1070.

DOI

[38]
WANG DIANZHONG, HE HONGYAN, 2017. Observation capability and application prospect of GF-4 satellite[M]// ZHANGGUANGJUN. 3rd international symposium of space optical instruments and applications. Cham: Springer: 393-401.

[39]
WANG FAN, ZHOU BIN, LIU XINGMEI, et al, 2012. Remote-sensing inversion model of surface water suspended sediment concentration based on in situ measured spectrum in Hangzhou Bay, China[J]. Environmental Earth Sciences, 67(6): 1669-1677.

DOI

[40]
WANG MENGHUA, SHI WEI, 2007. The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing[J]. Optics Express, 15(24): 15722-15733.

DOI

[41]
WU JIE, CHEN CHUQUN, NUKAPOTHULA S, 2019. Atmospheric correction of GOCI using quasi-synchronous VIIRS data in highly turbid coastal waters[J]. Remote Sensing, 12(1): 89.

DOI

[42]
XIONG JILIAN, WANG XIAOHUA, WANG YAPING, et al, 2017. Mechanisms of maintaining high suspended sediment concentration over tide-dominated offshore shoals in the southern Yellow Sea[J]. Estuarine, Coastal and Shelf Science, 191: 221-233.

DOI

[43]
YE HAIBIN, CHEN CHUQUN, YANG CHAOYU, 2017. Atmospheric correction of landsat-8/OLI imagery in turbid estuarine waters: a case study for the pearl river estuary[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(1): 252-261.

DOI

[44]
YEPEZ S, LARAQUE A, MARTINEZ J M, et al, 2018. Retrieval of suspended sediment concentrations using Landsat-8 OLI satellite images in the Orinoco River (Venezuela)[J]. Comptes Rendus Geoscience, 350(1-2): 20-30.

DOI

[45]
YU QIAN, WANG YAPING, FLEMMING B, et al, 2012. Tide-induced suspended sediment transport: depth-averaged concentrations and horizontal residual fluxes[J]. Continental Shelf Research, 34: 53-63.

DOI

[46]
ZENG XIANGMING, HE RUOYING, XUE ZUO, et al, 2015. River-derived sediment suspension and transport in the Bohai, Yellow, and East China Seas: A preliminary modeling study[J]. Continental Shelf Research, 111: 112-125.

DOI

[47]
ZIEGLER C K, LICK W, 1988. The transport of fine-grained sediments in shallow waters[J]. Environmental Geology and Water Sciences, 11(1): 123-132.

DOI

Options
Outlines

/

〈 〉