基于GOCI数据的杭州湾跨海大桥两侧水域悬浮泥沙浓度空间分异规律研究

刘　波，程　乾，曾焕建，杨润华

(浙江工商大学旅游与城市管理学院，浙江 杭州 310018)



基于GOCI数据的杭州湾跨海大桥两侧水域悬浮泥沙浓度空间分异规律研究

刘波，程乾，曾焕建，杨润华

(浙江工商大学旅游与城市管理学院，浙江 杭州 310018)

摘要：静止轨道卫星数据具有时间分辨率高的特点，对高动态的河口水质环境监测具有极大的科学价值.本研究使用GOCI数据，杭州湾水域样点实测数据，建立基于GOCI数据的反演悬浮泥沙浓度的经验模型，并对2013年8月9日杭州湾跨海大桥两侧水域进行了悬浮泥沙浓度反演.通过对杭州湾跨海大桥两侧钱塘江上下游悬浮泥沙浓度进行差异性对比研究，结果表明，杭州湾大桥两侧悬浮泥沙浓度呈现一定的梯度特征，表现为大桥上游浓度高，下游浓度相对较低.不同时间段研究区悬浮泥沙浓度为南北两侧变化不同，跨海大桥上游一侧悬浮泥沙浓度变化强度明显高于下游.

关键词：悬浮泥沙；GOCI数据；杭州湾跨海大桥

0引言

二类水体，主要分布在水陆交接和沿海地区，这一地区受地形地貌，水动力环境等影响，容易产生海洋沉积，而且水体集中于受人类活动影响较大的河口及近岸地区，是水色遥感研究中的重点和难点[1].杭州湾地形特殊，是一个海水与河口水交汇剧烈的水域，潮水具有潮大、流急、含沙量高等特点，港口航道、滩涂及水产资源丰富，而高浓度含沙水体对港口建设及运营河口水生态等影响巨大[2].杭州湾大桥是一座横跨杭州湾海域的跨海大桥,它北起浙江嘉兴海盐郑家埭，南至宁波慈溪水路湾，全长36 km，是世界上最长的跨海大桥.杭州湾跨海大桥工程量浩大，一共有墩身1428个[3].然而大桥无论是在工程建设，还是建成后肯定都会对其周边生态环境带来影响，文章主要研究大桥两侧悬浮泥沙浓度分布的差异性.针对杭州湾水域悬浮泥沙分布情况研究，国内外许多学者已经做过大量研究工作，尽管大量研究已经提出众多遥感模型，如沈芳等基于MERIS数据结合半经验辐射传输模型理论建立的长江口水域悬浮泥沙模型[4]，何贤强等在大量实测数据支持下基于GOCI数据建立的经验反演模型[5]，但由于河口大气环境特殊，悬浮泥沙浓度较高以及变化频率较高等特点，至今尚无统一针对河口高悬浮泥沙浓度精度较高的遥感模型[6].

杭州湾水域泥沙主要来自长江口，但由于其地形特点外加潮汐影响，每日潮水现象剧烈，带起沉积的泥沙，使悬浮泥沙变化及分布很复杂[7].GOCI是韩国2009年发射的地球静止气象卫星COMS上的水色传感器，可获取从可见光到近红外共8个波段的遥感物理量，时间分辨率可达1 h，每天10景的拍摄任务，其中8 景成像时间在白天，2景在夜晚( 红外)，并实时监测以韩国为中心( 36°N,130°E)包括我国在内的约2500 km×2500 km的区域[8].通过建立基于GOCI传感器的杭州湾水域悬浮泥沙浓度等水质参数实时监测反演，能够快速了解杭州湾水域状况.本文利用杭州湾水域实测数据，模拟GOCI数据特点，建立了多波段组合悬浮泥沙浓度经验反演模型[9]；同时收集了2013年8月9日3景GOCI影像数据，利用所建模型进行了悬浮泥沙浓度反演，研究了3个时刻杭州湾跨海大桥两侧悬浮泥沙浓度分布情况.

1数据和方法

1.1　研究区概况

本次研究区位于杭州湾地区(如图1)，经纬度为：30°14′～30°35′，120°56′～121°17′.受喇叭形海湾以及潮汐影响，非正规半日潮.潮水的频繁运动引起水中泥沙运动，致使杭州湾水域一直都比较浑浊，含沙量大[7].本次研究主要围绕杭州湾跨海大桥进行，因此实测样点也是围绕大桥两侧布置.

图1　杭州湾研究区以及采样点示意图Fig. 1　Image of study area and the sample points

1.2　遥感数据

本文主要遥感数据来源为2013年8月9日10:16，11:16, 12:16，3个时刻GOCI数据.

1.3　实测数据

水体光谱的测量采用的是水面之上测量法[10].悬浮泥沙质量浓度的测量采用质量法[11].在测量水体光谱的同时，每个样点采取水样，本次实验中悬浮泥沙浓度范围为93.5～1108mg/L.通过对各样点悬浮泥沙浓度统计，可以看出，悬浮泥沙浓度最大值为13号点1108mg/L，最小值为26号点93.5mg/L，均值为391.6mg/L.

杭州湾是著名的强潮型河口,在强烈的潮流作用下, 湾内沉积物受强劲复杂的动力作用影响重新起动悬浮,水中悬浮固体浓度很高[12].水体中悬浮物浓度平均值为705mg/L, 最大可达1950mg/L[13],根据1996年10月杭州湾水域实测资料得知，海区内平均含沙量为1340mg/L,其中:大、中、小潮分别为2000mg/L、1720mg/L和470mg/L，大、中潮远大于小潮，大潮含沙量是中潮含沙量的1.2倍，是小潮含沙量的4.3倍;海区内涨潮含沙量为1480mg/L,落潮含沙量为1320mg /L，涨潮含沙量大于落潮，其比值为1.12[14],本文观测结果与前人研究基本一致.

1.4　研究方法及工作流程

研究方法和流程见图2.

图2　悬浮泥沙浓度反演流程图Fig. 2　The flow chart of suspended sediment concentration inversion

2模拟GOCI数据的悬浮泥沙浓度遥感反演模型建立

2.1　波段反射率与悬浮泥沙浓度相关分析

利用水面测量法所获取的研究区域的反射率曲线(图 3)与实测的各样点悬浮泥沙浓度，可以看出随着悬浮泥沙浓度的增加，各波段的反射率都普遍增大，且增幅最大的位置与波峰位置基本吻合，另外，反射率波谱具有双峰特征，即悬浮泥沙水体的反射率有两个峰值，分别在710nm和810nm附近，与前人研究基本一致[15-16].

图3　各样本点水体遥感反射率Fig. 3　Remote sensing reflectance ofwater at each sample point

图4　B7/B5波段组合与悬浮泥沙浓度线性拟合结果Fig. 4　B7/(B4+B5) band combination and suspendedsediment concentration linear fitting results

在350～500nm 之间,含沙水体反射率相对较低;在560～720nm之间有一个反射峰, 当泥沙浓度较小时, 其峰值主要在560～610nm之间, 且峰值反射率较低, 当泥沙浓度增大时, 其峰移在690～720nm之间,且峰值反射率较高.此外, 在790～820nm之间, 还有一个反射峰.从40组有效实验数据中选取28组来建立模型.

2.2　模型建立及验证

本次研究通过将实测样点光谱数据与悬浮泥沙浓度数据分为两组，一组建模，一组验证，建模组30组数据，验证组10组数据.利用地面实测高光谱数据模拟GOCI各波段数据，分析各样点各波段数据与样点实测悬浮泥沙浓度关系，发现GOCI数据的7波段与8波段与悬浮泥沙浓度相关性较好，单波段线性拟合，R2都在0.7以上.为了相应地提高反演精度，考虑对各波段进行组合，分析其与悬浮泥沙相关性，最后发现波段5与波段7组合效果较好.而何等建立的模型波段选择为第7波段与第3波段[5].

图4即为B7/(B4+B5)波段组合与悬浮泥沙浓度线性拟合结果.

将验证组B7/(B4+B5)数据带入反演模型中，计算出预测值，与实测值对比，得到标准误差为66.94mg/L，平均相对误差为28.67%，基本能满足此次反演研究.图5即为验证组预测值与真实值在对数坐标系中比较，可以看出实测值与预测值较好的分布于1:1线两侧.

图5　B7/(B4+B5)多波段模型验证(左为实测与预测值比较; 右为预测的相对误差)Fig. 5　B7/(B4+B5) multiband model validation

综上，在误差允许范围内，对于GOCI影像数据，则此次研究使用模型即为B7/(B4+B5)波段组合与悬浮泥沙浓度之间模型：

(1)

其中SSC为悬浮泥沙浓度，B7为GOCI数据第7波段反射率，B4为GOCI数据第4波段反射率,B5为GOCI数据第5波段反射率.

3基于GOCI影像数据的杭州湾水域悬浮泥沙浓度反演

在GOCI数据自带处理软件GDPS支持下对GOCI数据1级数据产品进行数据检查，并将其转化为ENVI软件能够识别的数据格式.在ENVI软件中对所选3景GOCI数据进行辐射校正、大气校正.GOCI数据的大气校正有多种方法，如何贤强等提出的基于UV-AC模型改进的大气校正模型[5]，田小娟等提出的基于MODIS数据的人工神经网络大气校正方法等[17].

本次研究数据有限，其中辐射定标主要参照GDPS软件参数设置进行，大气校正利用ENVI软件FLAASH进行校正.大气校正结果在ARCGIS软件中利用当地基准的TM影像数据进行地理配准并进行研究区裁剪.在ENVI软件中利用矢量数据对研究区进行水域信息提取，最后利用BAND MATH模块运用式(1)进行悬浮泥沙浓度反演.由于三景数据时间都集中在阳光条件较好的时段，因此不考虑反演模型因影像时向差异对反演结果产生的差异，最终反演结果如图6所示.

注：a为10时16分影像数据反演结果；b为11时16分影像数据反演结果；c为12时16分影像数据反演结果；d为前三个时刻数据反演结果平均值图6　2013年8月9日研究区悬浮泥沙浓度分布Fig. 6　August 9, 2013, Hangzhou bay the suspended sediment concentration distribution in the study area

从图6给出的2013年8月9日从10：16到12:16的杭州湾研究区域悬浮泥沙浓度分布结果可以看出：受地形、潮流运动、滩涂分布等原因影响，研究区内悬浮泥沙浓度主要呈南高北低的分布特征，三个时段南侧悬浮泥沙浓度都维持在高浓度水平，从三个时段反演结果可以看出，研究区内北侧悬浮泥沙浓度变化频率相对较大，从10:16到12:16浓度逐渐增大，而南侧相对较小；杭州湾大桥两侧悬沙浓度呈现明显的梯度特征，表现为大桥上游浓度高，下游浓度相对较低，与实测数据基本一致.而且随着时刻变化这种梯度特征也在变化；图6中d为3个时段研究区内悬浮泥沙浓度平均值，最大平均浓度为2466.42mg/L，最小平均浓度为45.47mg/L.同时也可看出，受地形影响，潮水在慈溪西山段形成回流，悬浮泥沙在南侧慈溪庵东段浓度明显较高[7].北侧嘉兴乍浦段有部分高值区，结合实地实验与考察，研究区北部区域港口较多，港口建设及运营等原因可能对江水泥沙产生相应的阻隔作用.

4结论和讨论

本次研究主要围绕基于实测数据模拟卫星参数进行的模型构建，GOCI影像数据处理与杭州湾跨海大桥两侧水域悬浮泥沙浓度分布及差异性的研究展开.最后结果可以总结为以下几点.

1)同一天的多时相GOCI数据悬浮泥沙浓度反演能够较好的反映杭州湾水域高频率的变化特点.

2)从2013年8月9日3景GOCI数据反演的杭州湾大桥两侧悬浮泥沙浓度分布结果可以明显看出，大桥两侧悬浮泥沙浓度呈现一定的梯度特征，表现为大桥上游浓度高，下游浓度相对较低.

3)如果要明确跨海大桥对研究区内水域悬浮泥沙浓度分布具体影响，还需要更多数据支持和实验研究.如跨海大桥建成前后对比，潮汐与桥墩作用对大桥两侧悬浮泥沙浓度影响等等.

参考文献:

[1] 刘大召,付东洋,沈春燕,等.河口及近岸二类水体悬浮泥沙遥感研究进展[J].海洋环境科学,2010,29(4):611-616.

[2] 陈沈良,谷国传.杭州湾悬沙浓度变化与模拟[J].泥沙研究,2000(5):45-50.

[3] 王仁贵.杭州湾跨海大桥技术创新生与应用[M].杭州：浙江科学技术出版社,2008.

[4]SHENF,VERHOEFW,ZHOUYX,etal．Satelliteestimatesofwide-rangesuspendedsedimentconcentrationsinChangjiang(Yangtze)EstuaryusingMERISdata[J].EstuariesandCoasts,2010,33(6):1420-1429.

[5]HEXQ,BAIY,PANDL,etal.Usinggeostationarysatelliteoceancolordatatomapthediurnaldynamicsofsuspendedparticulatematterincoastalwaters[J].RemoteSensingofEnvironment,2013,133:225-239.

[6] 李四海,恽才兴.河口表层悬浮泥沙气象卫星遥感定量模式研究[J].遥感学报,2001，5(2)：154-160.

[7] 刘猛,沈芳,葛建忠,等.静止轨道卫星观测杭州湾悬浮泥沙浓度的动态变化及动力分析[J].泥沙研究,2013,2(1):7-13.

[8] 李冠男,王林,王祥,等.静止水色卫星GOCI及其应用进展[J].海洋环境科学,2014,33(6):967-971.

[9]ZHANGMW,TANGJW,DONGQ,etal.RetrievaloftotalsuspendedmatterconcentrationintheYellowandEastChinaSeasfromMODISimagery[J].RemoteSensingofEnvironment,2010,114(2):392-403.

[10] 唐军武,田国良,汪小勇,等.水体光谱测量与分析Ⅰ:水面以上测量法[J].遥感学报，2004,8(1):37-44.

[11] 周虹丽,朱建华,韩冰,等.重量法测量悬浮物浓度关键技术研究[J].海洋技术,2004,23(3):15-20.

[12] 李京.水域悬浮固体含量的遥感定量研究[J].环境科学学报,1986(2):166-173.

[13] 王繁,周斌,徐建明,等.基于实测光谱的杭州湾悬浮物浓度遥感反演模式[J].环境科学,2008,29(11)：3022-3026.

[14] 蒋睢耀,吴明阳.上海国际航运中心洋山港区水文地形特性与建设方案选择标准的分析研究[J].水道港口,2000(3):1-6.

[15] 王艳姣,张培群,董文杰,等.悬浮泥沙反射光谱特性和泥沙量估算试验研究[J].泥沙研究,2007(5):36-41.

[16] 陶菲,张鹰,王晶晶,等.悬浮泥沙浓度遥感反演模式研究[J].海洋工程,2007,25(4):96-101.

[17] 田小娟,曾群,王正,等.渤海浑浊水体GOCI影像神经网络大气校正研究[J].湖北大学学报(自然科学版),2014,36(4):370-374.

第15卷第1期2016年1月杭州师范大学学报(自然科学版)JournalofHangzhouNormalUniversity(NaturalScienceEdition)Vol.15No.1Jan.2016

On the Suspended Sediment Concentration Distribution and Diversity of the

Waters on Both Sides of Hangzhou Bay Sea-crossing Bridge Based on GOCI Data

LIU Bo,CHENG Qian,ZENG Huanjian,YANG Runhua

(College of Tourism and Urban Management,Zhejiang Gongshang University,Hangzhou 310018,China)

Abstract:Stationary orbit satellite data has the characteristics of high temporal resolution, it has great scientific value for the high dynamic estuarine water environment monitoring. Basing on the GOCI data and Hangzhou Bay waters sample measured data, the empirical model of suspended sediment concentration is established, and the suspended sediment concentration of the waters on both sides of Hangzhou Bay Sea-crossing Bridge is reversed on August 9, 2013. Through the comparative study on the differences between the suspended sediment concentration in the Qiantang River upstream and downstream, the results show that the suspended sediment concentration presents certain gradient feature, that is, the concentration of upstream is larger than that of downstream. The suspended sediment concentration in different time periods is different, which presents as the differences between the south and north sides, the concentration change intensity of upstream is higher than that of downstream.

Key words:suspended sediment; GOCI data; Hangzhou Bay Sea-crossing Bridge

文章编号:1674-232X(2016)01-0102-06

中图分类号:TP79

文献标志码:A

doi:10.3969/j.issn.1674-232X.2016.01.019

通信作者：程乾(1968—)，男，教授，博士，从事植被遥感与农业气象研究.E-mail:qiancheng525@163.com

基金项目：国家自然科学基金项目(41271417); 国家高分辨率对地观测重大专项(E05-Y30B02-9001-13/15-4); 浙江省科技创新活动计划暨新苗人才计划(2014R408003).

收稿日期：2015-06-11