海洋学研究 >

2023 , Vol. 41 >Issue 1: 68 - 81

DOI: https://doi.org/10.3969-j.issn.1001-909X.2023.01.006

研究论文

考虑潮位校正的乐清湾潮滩面积近30年变化遥感研究

  • 田芳妍 , 1 ,
  • 何贤强 , 1, 2, 3, * ,
  • 朱伯仲 2, 3 ,
  • 龚芳 2, 3 ,
  • 朱乾坤 2, 3
展开
  • 1.浙江大学 海洋学院,浙江 舟山 316021
  • 2.卫星海洋环境动力学国家重点实验室,浙江 杭州 310012
  • 3.自然资源部第二海洋研究所,浙江 杭州 310012
* 何贤强(1978—),男,研究员,主要从事海洋、大气辐射传输及海洋水色卫星遥感研究,E-mail:。

田芳妍(1998—),女,贵州省铜仁市人,主要从事海洋遥感相关研究,E-mail:。

Copy editor: 段焱

收稿日期: 2022-06-16

  修回日期: 2022-09-07

  网络出版日期: 2023-04-28

基金资助

浙江省“尖兵”“领雁”研发攻关计划项目(2023C03011)

国家自然科学基金(41825014)

收起

Remote sensing study of tidal flat area change in Yueqing Bay in recent 30 years considering tidal level correction

  • TIAN Fangyan , 1 ,
  • HE Xianqiang , 1, 2, 3, * ,
  • ZHU Bozhong 2, 3 ,
  • GONG Fang 2, 3 ,
  • ZHU Qiankun 2, 3
Expand
  • 1. Ocean College, Zhejiang University, Zhoushan 316021, China
  • 2. State Key Laboratory of Satellite Marine Environment Dynamics, Hangzhou 310012, China
  • 3. Second Institute of Oceanography, MNR, Hangzhou 310012, China

Received date: 2022-06-16

  Revised date: 2022-09-07

  Online published: 2023-04-28

Fold

摘要

潮滩是滨海湿地的重要组成部分,监测其演变对于蓝碳增汇具有重要意义。卫星遥感是目前应用最广泛的潮滩监测手段之一,但受潮位影响,遥感提取的潮滩面积往往被低估。本文利用2016—2021年Sentinel-2卫星影像提取乐清湾潮滩瞬时面积,建立了潮滩面积与潮位的定量关系模型,从而实现潮滩面积的潮位校正。在此基础上,将建立的校正模型应用于Landsat卫星影像,获取了1988—2020年期间7个时期的乐清湾潮滩面积,并分析了乐清湾潮滩面积近30年的变化及主要驱动因素。结果表明,乐清湾潮滩面积在1988—1994年期间显著增加,在1994—2010年期间急剧减少,在2010—2015年期间少量增长,而在2015—2020年期间再次减少。人类活动对潮滩的开发利用是乐清湾潮滩面积变化的主要驱动因素。

关键词： 潮滩面积; 乐清湾; 卫星遥感; 潮位校正; 潮滩演变; 驱动因素

本文引用格式

田芳妍 , 何贤强 , 朱伯仲 , 龚芳 , 朱乾坤 . 考虑潮位校正的乐清湾潮滩面积近30年变化遥感研究[J]. 海洋学研究, 2023 , 41(1) : 68 -81 . DOI: 10.3969-j.issn.1001-909X.2023.01.006

Abstract

Tidal flat is an important part of coastal wetland, and is of great significance for blue carbon. Remote sensing is the most widely used method for tidal flat monitoring, but due to the influence of tides, the area of tidal flat extracted by remote sensing is often greatly underestimated. In this study, Sentinel-2 satellite images from 2016 to 2021 were used to extract the instantaneous area of tidal flats in Yueqing Bay, and the quantitative relationship between tidal flats area and tidal level or the tidal level correction model for tidal flats area was established. On this basis, Landsat satellite images in 7 years from 1988 to 2020 were selected to extract the instantaneous tidal flat area, and the established correction model was used to obtain the corrected multi-year tidal flat area at low tide level, and the change of tidal flat area in Yueqing Bay in recent 30 years and the main driving factors were analyzed. In recent 30 years, the tidal flat area of Yueqing Bay showed a trend of significant increase from 1988 to 1994, sharp decrease from 1994 to 2010, slight increase from 2010 to 2015, and decrease again from 2015 to 2020. The development and utilization of tidal flat by human activities is the main driving factor of tidal flat area change in Yueqing Bay.

Key words： tidal flat area; Yueqing Bay; satellite remote sensing; tidal level correction; tidal flat evolution; driving factor

0 引言

潮滩是陆地和海洋的过渡地带,位于平均大潮高潮线和平均大潮低潮线之间[1]。潮滩受到海洋和陆地的双重影响,具有重要的经济、社会和生态价值,是多种生物的栖息地,抵御风暴的海岸屏障以及海水免受陆地污染物污染的缓冲区[2]。此外,潮滩还具有极高的固碳效率,对全球碳循环和气候变化都具有十分重要的影响[3]。潮滩可以分为有植被的盐沼湿地和无植被的滩涂,其中盐沼湿地具有很高的固碳效率[4],而滩涂的固碳能力也不容忽视。相关研究表明,我国滩涂的碳埋藏速率仅次于盐沼湿地,远大于红树林[5]。因此,潮滩是全球“蓝碳”的重要组成部分。然而,潮滩生态系统极为脆弱[6],受到人类活动和自然因素的双重干扰,如海岸开发、海平面上升和河流泥沙减少等[7]。已有研究表明,1984—2020年全球潮滩面积已经减少了16%左右[8]。因此,监测潮滩变化对海岸保护和可持续发展至关重要。
地形测量、回声测深和水动力测量是监测潮滩动态变化的常规方法[9-10]。然而,由于可达性差、潮滩暴露时间短、时空覆盖不足等原因,这种现场调查受到很大限制,无法在大空间尺度、长时间序列中对潮滩进行连续、全面的监测[11]。与传统的现场调查相比,卫星遥感具有监测范围广、客观性强、获取信息快和高效等优势[12],是进行潮滩动态变化监测的有效方法[13]。
监督、非监督分类方法和基于对象分类的方法已被广泛应用于土地覆盖变化遥感监测。潮滩是比较特殊的土地覆盖类型,它只有在退潮时才完全暴露,这妨碍了对其进行全面的遥感提取[14]。仅利用特定影像和单一合成影像进行潮滩提取的方法往往不能获得水面以下的潮滩信息,导致潮滩面积被低估。目前,大部分的潮滩遥感研究没有充分考虑潮位信息,有些也只是假定潮位信息统一,或选择相同季节的卫星数据,以避免季节性影响[15]。为了绘制潮滩范围,有研究利用传统的潮位数据和遥感影像,将潮位基准点在海岸线内插值,绘制潮滩数字高程模型(digital elevation model, DEM),再将潮滩DEM与卫星瞬时水边线相结合,获取潮滩范围。例如,韩倩倩 等[16]利用潮位插值建立潮汐校正模型,对1995—2015年中国潮间带变化进行了监测;WANG et al[10]利用长期遥感数据结合DEM模型构建了24个阶段的历史拓扑数据集,研究了江苏沿海潮滩近40年的变化;SALAMEH et al[17]将非监督分类的K-means聚类算法与主动轮廓法相结合,基于Sentinel-1和Sentinel-2影像提取水边线,并利用反距离加权和克里金法对潮位进行插值,反演潮滩DEM。然而,对于大面积海岸带来说,其地形是起伏多变的。这些方法在很大范围内,特别是在变化迅速、复杂的沿海地区,构建的潮滩高程存在很大的不确定性。
为了避免在提取潮滩范围时依赖潮滩DEM模型的建立,有研究提出仅基于遥感图像来圈定潮滩的方法[7]。多期遥感影像的使用,缓解了在绘制潮滩时仅使用单一日期遥感影像造成潮滩面积低估的问题。如MURRAY et al[18]通过选取相对高潮和低潮时段的Landsat遥感影像,从低潮分类影像中去除高潮分类影像来提取潮滩区域;CHEN et al[19]通过人工选取最高或最低岸线图像绘制了长江口潮滩。然而,由于地球陆地卫星观测频率较低以及云覆盖等影响,较难获取到最高潮和最低潮时的卫星数据。
综上所述,潮位对卫星遥感提取潮滩范围具有重要影响,非低潮时的卫星影像在潮滩面积提取和分析中的不确定度较大。针对该问题,本文提出利用5天重访周期的Sentienl-2卫星影像构建乐清湾潮滩面积的潮位校正模型,并将其应用于长时间序列的Landsat卫星影像,从而实现对潮滩演变的遥感监测。该方法无需获取最低潮位数据,也不依赖于DEM模型,可对任意潮位遥感提取的潮滩面积进行校正,为特定区域潮滩面积的长时序变化监测提供了新思路。

1 数据与方法

1.1 研究区域

乐清湾(27°55'30″—28°23'35″N,120°58'00″—121°14'36″E)位于浙江省中南部沿海,三面被乐清市、温岭市和玉环市所围(图1),湾口宽21 km,纵深达42 km,海域总面积达463.6 km2,是一个与东海相通,呈葫芦状的半封闭海湾[20]。湾内潮滩分布广阔,潮滩总面积约占整个海湾面积的一半[21]。近年来,随着环乐清湾“浙南经济圈”的飞速发展,乐清湾内水环境质量下降[22],也给潮间带环境带来威胁。受工农业污水排放、围塘养殖、围垦造地等综合影响, 许多潮间带区域破碎景观[23],这一系列变化影响着乐清湾岸线和潮滩冲淤的演变。乐清湾属于强潮海湾,平均潮差在4 m以上,最大潮差超过7 m[24]。因此,遥感监测乐清湾潮滩面积受潮位影响较大。
图1 研究区域地理位置

Fig.1 The location of study area

1.2 数据源

1.2.1 卫星数据

Sentinel-2卫星回访周期为5天,其中Sentinel-2A于2015年6月23日发射,Sentinel-2B于2017年3月7日发射。Sentinel-2影像是新一代多光谱影像,具有高时空分辨率等优势,包括13个波段,空间分辨率为10 m、20 m和60 m。
Landsat系列卫星采用了TM、ETM+、OLI传感器,时间分辨率为16天,空间分辨率为30 m。本文所用Landsat数据来源于美国地质调查局(United States Geological Survey,USGS,https://earthexplorer.usgs.gov)。其中下载的Landsat系列数据均为Level-1 TP级别产品,该级别数据已经过系统辐射校正和地面控制点几何校正,并且通过DEM进行了地形校正,几何校正的误差小于12 m。下载的Sentinel-2系列卫星数据为Level-1C级别产品,该产品是经过了正射校正和亚像元级几何精校正后的大气顶表观反射率产品。
虽然Sentinel-2卫星在轨运行时间短,但回访频率高,利于在短周期内获得不同潮位下的潮滩面积。本文选用了56幅Sentinel-2卫星L1C级影像(图2),提取每幅影像中的瞬时潮滩面积,用于构建潮滩面积与潮位的关系。Landsat卫星时间跨度长,适合进行长时间尺度观测。本研究选取1988—2020年期间7个年份的Landsat影像用于研究潮滩面积长时序演变(表1)。
图2 Sentinel-2影像数量随年份(a)及月份(b)的分布

Fig.2 The number of the Sentinel-2 images in each year(a) and month(b)

表1 研究中选用的Landsat影像数据信息

Tab.1 Landsat satellite data used in this study

卫星名称 成像日期 成像时刻 瞬时潮高/cm 分辨率/m
Landsat 5 1988-07-07 09:56 184.54 30
Landsat 5 1988-11-12 09:56 637.99 30
Landsat 5 1994-05-05 09:45 291.12 30
Landsat 5 1994-07-24 09:43 618.52 30
Landsat 7 2000-05-13 10:17 242.70 30
Landsat 7 2000-09-18 10:16 573.47 30
Landsat 7 2006-08-18 10:15 188.33 30
Landsat 5 2006-08-26 10:19 589.55 30
Landsat 7 2010-11-01 10:14 191.05 30
Landsat 5 2010-11-09 10:15 621.41 30
Landsat 8 2015-04-13 10:25 243.67 30
Landsat 8 2015-08-03 10:25 654.55 30
Landsat 7 2020-09-25 09:51 210.99 30
Landsat 8 2020-04-10 10:25 652.99 30

1.2.2 潮汐数据

本研究获取了国家海洋信息中心编制的1988—2020年历年黄大岙站(位置见图1)《潮汐表》[25]数据,利用《潮汐表》计算对应遥感影像的瞬时潮位,并计算多年大潮平均低潮线高度。

1.2.3 辅助数据

通过《2019 年温州市海洋灾害公报》[26]获取了龙湾站海平面高度数据;通过《2021年温州市统计年鉴》[27]获取了乐清市生产总值、水产品产量数据。

1.3 数据处理方法

1.3.1 卫星数据预处理

Sentinel-2 L1C级数据通过专门用于实现Sentinel-2 L1C级到L2A级产品制作的Sen2Cor工具软件处理,获得经过辐射定标和大气校正的地表反射率数据,再利用Sentinel-2数据应用平台(SNAP, v8.0)软件对数据进行重采样、波段合成及图像剪裁。
Landsat系列卫星数据利用ENVI 5.3工具进行辐射定标、大气校正、条带修复、波段合成、图像剪裁和图像镶嵌。

1.3.2 潮位计算

本文所用的潮位数据为根据国家海洋信息中心出版的黄大岙潮汐站数据计算获得。卫星成像时刻潮位的计算方法为:首先从卫星数据的头文件查得卫星成像的具体时间;再从《潮汐表》查得成像当天的潮汐情况,包括最高潮和最低潮的时间和潮位;最后利用公式(1)计算出卫星成像时刻的瞬时潮位[28]:
h1=H1- h 2× 1 - c o s t T × 180
式中:h1为计算得到的瞬时潮位, H1为当日潮汐表中最高潮时的潮位,h为当日的潮差,T为落潮历时,t为最高潮时至图像获取时的时间间隔。

1.3.3 水边线提取

采用阈值分割法对水边线进行半自动提取。首先基于ENVI 5.3平台,对预处理后的图像进行改进的归一化水体指数(MNDWI)提取[29]:
MNDWI= ρ g r e e n - ρ s w i r ρ g r e e n + ρ s w i r
式中: ρgreen表示绿光波段的反射率,对应Sentinel-2的B3波段反射率、Landsat TM的B2波段反射率以及Landsat OLI的B3波段反射率;ρswir表示短波红外波段的反射率,对应Sentinel-2的B11波段反射率、Landsat 5 TM的B5波段反射率以及Landsat 8 OIL的B6波段反射率。
为避免人工目视差异,运用Otsu阈值选取方法[30],对MNDWI图像进行阈值分割,区分水体与陆域。该方法以目标类与背景类之间的方差最大化为准则,选取阈值分割点;根据MNDWI影像(图3b)确定的Otsu阈值,生成二值图像(图3c);最后导出水体区域生成水边线(图3d)。由于滩涂、淤泥质海岸的提取精度不高,所以需要利用ArcGIS 10.7软件中的编辑工具将得到的矢量线要素比照原始图像进行编辑修改,以得到更加精确的结果。
图3 水边线提取过程

Fig.3 Process of water sideline extraction

1.3.4 瞬时潮滩面积提取

潮滩湿地是平均大潮高潮线与平均大潮低潮线间的周期性潮汐作用下的潮侵地带,研究选取同一年相对低潮时影像中的陆域边界作为潮滩下边界(图4a),同一年相对高潮时影像中的水边线作为潮滩上边界(图4b),提取两个边界之间的区域面积作为低潮时刻的瞬时潮滩面积(图4c)。
图4 潮滩区域提取过程

Fig.4 Process of tidal flat area extraction

1.3.5 潮位校正

乐清湾岸线以基岩岸线和人工岸线为主[31],这两类岸线受潮位影响较小[32],因此,短期内潮滩上边界位置几乎不随潮位高度变化而变化,部分易受潮位影响的岸线类型在水边线提取过程中进行了目视修正,故在潮滩提取过程中无需对潮滩上边界进行潮位校正。潮滩下边界受潮汐变化影响较大,需要进行潮位校正。
利用Sentinel-2影像建立潮位校正模型,将从2020年4月10日的高潮位影像中提取的水边线作为潮滩上边界(高于多年平均高潮线),提取其余55幅影像中的水边线作为潮滩下边界,得到55个瞬时潮滩面积样本。根据公式(1)计算每幅遥感影像的瞬时潮位,分别对应55个瞬时潮滩面积样本,然后利用最小二乘法线性拟合建立潮滩面积-潮位定量关系,得到潮滩面积校正模型。最后,将模型应用于1988—2020年的7期Landsat影像提取的瞬时潮滩面积,获得校正后的潮滩面积。

1.3.6 精度评价

通过选取样本点来验证潮滩提取的精度。验证样本尽可能均匀分布在整个区域,以提取的潮滩结果为中心划出半径为2 km的缓冲区,利用ArcGIS 10.7软件中的Create Random points工具在缓冲区生成200个随机验证样本点(图5)。随机验证样本点最小间距设为50 m,利用低潮期影像目视解译分为潮滩和其他两种类型,最后构建混淆矩阵评价潮滩提取精度。
图5 缓冲区和随机验证样本点分布

Fig.5 Construction of buffers and random sample points

2 结果与分析

2.1 潮滩面积-潮位校正模型

将2016—2021年Sentinel-2卫星影像提取的瞬时潮滩面积与瞬时潮位进行线性拟合,得到了潮滩面积-潮位关系(图6)。结果表明,拟合斜率k=-0.265 4,即潮位每升高1 cm,潮滩面积减少0.265 4 km2。利用黄大岙验潮站的潮位信息,计算得出1988—2021年间的大潮平均低潮位为67.39 cm,由此可以获得潮位校正公式:
S=A+0.265 4×(h-67.39)
式中:S为校正后潮滩面积(单位:km2),A为通过遥感影像得到的瞬时潮滩面积(单位:km2),h为卫星成像时刻的瞬时潮位(单位:cm)。
图6 潮滩面积-潮位关系

Fig.6 Relationship between tidal flat area and tidal level

2.2 瞬时潮滩面积提取结果及精度评价

图7给出了根据1988—2020年间7期Landsat系列卫星影像提取的瞬时潮滩分布,底图为1988年Landsat 5历史影像。由图可见,潮滩区域明显呈现向湾中心发展的趋势。各期潮滩提取的精度评价结果见表2,其中总体精度表示所有正确分类的检验样本点数占总检验样本点数的百分比;Kappa系数是1960年由Cohen首先提出的一种应用于遥感影像分类结果评价的一致性检验方法[33],一般而言,Kappa值介于0~1之间,Kappa值越大表示分类精度越高。由表2可见,提取的7期瞬时潮滩面积总体精度都在0.960以上,并且Kappa系数都达到了0.900以上,表明提取的瞬时潮滩面积具有较高精度。
图7 1988—2020年7期瞬时潮滩分布提取结果

Fig.7 Extraction results of instantaneous tidal flat distribution in 7 periods from 1988 to 2020

表2 潮滩提取精度评价结果

Tab.2 Summary of evaluation results of tidal flat extraction accuracy

年份 1988年 1994年 2000年 2006年 2010年 2015年 2020年
总体精度 0.960 0.985 0.985 0.980 0.970 0.960 0.990
Kappa系数 0.913 0.959 0.943 0.931 0.903 0.901 0.967
进一步利用同一天、潮位基本相同的Sentinel-2与Landsat 8影像分别进行瞬时潮滩面积提取,结果表明两者提取的潮滩边缘、形状、面积一致性均较好(表3,图8),表明利用分辨率为10 m的Sentinel-2卫星影像建立的潮位校正公式,可以直接应用于分辨率为30 m的Landsat卫星影像上。
表3 Sentinel-2和Landsat 8潮滩识别结果比较

Tab.3 Comparison of tidal flat extraction results between Sentinel-2 and Landsat 8

卫星类型 上边界影像日期 下边界影像日期 成像时刻 瞬时潮位/cm 潮滩面积/km2 潮滩面积差
Landsat 8 2020年04月10日 2018年12月17日 10:25 231.2 114.36
Sentinel-2 10:31 232.3 115.47 +0.97%
图8 相近观测时间Sentinel-2和Landsat 8提取的潮滩结果比较

Fig.8 Comparison of tidal flat extracted by Sentinel-2 and Landsat 8 imageries in the similar observing time

2.3 潮滩上边界变化

潮滩易受潮汐影响,但是潮滩的上边界相对稳定,瞬时潮滩上边界能反映各期海岸线的变化。将从Landsat 8遥感影像中提取的1988—2020年7期乐清湾海岸线矢量数据进行叠加分析(图9),可见整体边界逐期往湾中心推进,其中湾顶变化不明显,湾中部推进距离最大,最大推进约9 km。除了2015—2020年变化程度较小外,其他时间段都能看到潮间带上边界明显地向湾中心推进,其中1994—2000年变化最大,其原因是2000年湾中部旋门湾填海造陆工程的完工;而1988—1994年、2000—2006年、2006—2010年和2010—2015年发生的变化主要集中在乐清湾西岸乐清市附近,1988—2015年西岸平均向湾中心推进了1.5 km左右。
图9 各期潮滩上边界叠加结果

Fig.9 Superposition of upper boundary of tidal flat in each period

2.4 潮位校正后潮滩面积变化

1988—2020年乐清湾经潮位校正后的潮滩面积变化见图10和表4。可以看出,校正后的潮滩面积变化趋势与未经校正的瞬时潮滩面积变化趋势并不完全一致。未经校正的潮滩面积在1988—1994年呈现蚀退特征,但经过校正后发现这段时间的潮滩面积有明显增加;未经校正的潮滩面积在2006 年发生了轻微增长,而潮位校正后潮滩面积仍呈下降趋势;未经校正的潮滩面积在2015年发生了显著下降,而校正后结果为略微增长。因此,利用未校正的潮滩面积进行变化趋势分析会导致明显偏差。
图10 校正前后潮滩面积的长期变化

Fig.10 Long-term changes of tidal flat areas for pre and post corrections

表4 近30年乐清湾经校正后的潮滩面积变化

Tab.4 Changes of corrected tidal flat area of Yueqing Bay in recent 30 years

年份 滩涂面积/km2 滩涂面积
变化量/km2		 潮滩面积变化
幅度/%
1988年 197.51 / /
1994年 211.07 +13.56 +6.87
2000年 174.09 -36.98 -17.52
2006年 160.51 -13.58 -7.80
2010年 155.04 -5.47 -3.41
2015年 156.76 +1.72 +1.11
2020年 146.56 -10.2 -6.51
根据校正后的各时期潮滩面积,可将乐清湾潮滩面积的变化分为四个阶段。第一个阶段是1988—1994年,该时期潮滩面积大幅增长,从197.51 km增加到211.07 km2,增速为2.26 km2/a,增幅为6.87%。第二个阶段是1994—2010年,潮滩呈现大规模蚀退特征,潮滩的侵蚀面积达到了56.03 km2,平均侵蚀速率为3.50 km2/a,但蚀退速度逐年变缓,1994—2000年侵蚀速率达6.16 km2/a,2000—2010年侵蚀速率降至1.91 km2/a。第三个阶段是2010—2015年,潮滩面积少量增长,共淤涨了1.72 km2,平均淤积速率为0.34 km2/a。第四个阶段是2015—2020年,潮滩又发生蚀退,蚀退面积为10.2 km2,平均蚀退速率为2.04 km2/a。

3 讨论

本研究构建的潮位校正模型将1988—2020年各个时期潮滩面积对应的潮位高度进行了统一,因此,校正后的潮滩面积比瞬时潮滩面积更能准确地反映乐清湾潮滩面积变化。校正后的潮滩面积结果表明近30年乐清湾潮滩面积显著减少,下文将进一步探讨其可能的驱动因素。

3.1 海平面上升影响

随着全球气候变暖,海平面逐渐上升,淤积河岸的滩面会逐渐变陡,对潮滩的发展产生影响,导致潮滩面积减少[34]。有研究推测,到2100年,如果海平面上升50 cm,全球滨海湿地存量将减少46%~59%[35]。乐清湾邻近的龙湾观测站(位置见图1)观测到海平面从1980年到2020年呈上升趋势,年均增长率为1.76 mm/a(图11)。虽然海平面上升的影响是一个长期而缓慢的过程,但其对潮滩演变的潜在影响不容忽视。
图11 1980—2019年龙湾站年平均海平面高度

Fig.11 The mean sea level at Longwan Station from 1980 to 2019

3.2 陆源输沙变化的影响

浙江沿海泥沙主要来源于长江口向南输移扩散的泥沙和当地河流入海输沙,其中长江输沙量占浙江沿海输沙量的96%,是浙江滩涂塑造的主要来源[36]。乐清湾位于浙江省中南部,除了长江口输移的泥沙外,其泥沙来源还有东海沿岸其他河流输沙、内陆架供沙以及瓯江北口下泄泥沙[37]。乐清湾沿岸有大荆溪、清江、江夏等山溪性河流注入,但径流总量和输沙量较小;瓯江流域多年平均输沙量约为20.5×108 kg,相对长江(多年平均输沙量4 140×108 kg)而言属于少沙河流[38]。除长江输沙和东海内陆架再悬浮物质外,其余来沙对湾内潮滩形成的影响十分有限[39]。近40年来,长江入海泥沙明显减少[40],直接导致浙江沿海泥沙量减少,这与乐清湾潮滩面积整体减小的趋势相同(图10)。

3.3 人类活动影响

在全球范围内,潮间带内土地复垦、水产养殖、盐田开发、蓄水和引水等人类活动,使潮滩大规模消失[41]。1988—2020年,乐清市GDP持续增长。乐清湾作为浙江省三大海水增养殖基地之一,发展势头强劲,目前鱼、虾、贝、藻得到了全面发展,已形成浅海、滩涂、围塘梯度开发的空间格局[20]。
乐清湾内滩涂面积广阔,有利于开展人工育苗和养殖,是浙江省浅海和滩涂养殖的重点海湾[42]。如图12所示,乐清湾的潮滩面积随着乐清市的GDP和水产品产量的增高而减少,其中乐清市GDP和水产品产量的决定系数分别为0.639和0.641。在乐清湾城市化进程持续加速的情况下,城镇化建设和滩涂养殖业发展直接造成了潮滩面积的减小。
图12 1988—2020年乐清湾潮滩面积与乐清市的GDP(a)、水产品产量(b)的关系

Fig.12 The relation between tidal flat area and GDP(a), output of aquatic product(b) of Yueqing City from 1988 to 2020

从校正后的潮滩面积变化趋势可以看出,乐清湾内潮滩面积出现了两次显著减小的情况。第一次是在1994—2010年,随着乐清湾沿岸经济发展,不断向潮滩索地,这段时期最大型的填海造地活动发生在旋门湾附近。1999—2001年开展的旋门湾二期工程建设,导致2000年后乐清湾内潮滩面积出现较大幅度减小(图10,图13),湾中段潮滩上边界向湾内大范围推进(图9)。在这一阶段,乐清湾西岸华岐潮滩也在陆续开展围垦工程。1988—2010年沿岸潮滩的零星损失归因于兴建码头(图14a)、开辟盐田(图14d)和潮滩围垦(图14c)等,从潮滩上边界侵蚀潮滩;滩涂养殖活动也使潮滩表面呈现破碎化(图14b)。
图13 旋门湾工程实施前后潮滩变化

Fig.13 Changes of tidal flat before and after the implementation of Xuanmen Bay Project

图14 华岐潮滩1988—2010年的开发利用情况

Fig.14 Development and utilization of Huaqi tidal flat from 1988 to 2010

2010年,乐清湾内滩涂养殖大面积兴起,潮滩面积减少(图15a); 2015年乐清湾内养殖滩涂进行了大面积修复(图15b),潮滩面积小幅增长; 2020年,滩涂养殖池被再次开发利用(图15c),导致潮滩面积第二次呈现减少趋势(图10)。
图15 2010—2020年乐清湾潮滩演变情况

Fig.15 Evolution of tidal flat of Yueqing Bay from 2010 to 2020

围垦、填海等人类活动不仅直接造成了潮滩的减少,也间接导致了乐清湾内水交换能力的减弱[43]和纳潮量的减少[44],这些变化又会在一定程度上促进潮滩淤积[45]。综上所述,人类活动对潮滩面积的影响是个复杂的过程。

4 结论

本文利用重访频率较高的Sentienl-2卫星影像建立了潮滩面积-潮位校正模型,并将其应用于1988年、1994年、2000年、2006年、2010年、2015年和2020年的Landsat遥感影像,获得经潮位校正后的乐清湾潮滩面积近30年的变化特征,并分析了变化驱动因素。本文获得的主要结论如下。
1)利用Sentienl-2卫星数据建立了乐清湾潮滩面积-潮位校正模型。结果表明,乐清湾潮位每升高1 cm,遥感监测的潮滩面积减少0.265 4 km2。
2)将建立的潮滩面积-潮位校正模型应用于长时序Landsat系列卫星。结果表明,校正后的潮滩面积与未经潮位校正的潮滩面积在变化趋势上存在差异。校正后的潮滩面积变化分为四个阶段:第一个阶段是1988—1994年,该时期潮滩面积大幅增长;第二个阶段是1994—2010年,潮滩呈现大规模蚀退特征,但蚀退速度逐年变缓;第三个阶段为2010—2015年,潮滩面积发生少量增长;第四个阶段为2015—2020年,潮滩又发生蚀退。
3)人类活动对潮滩的开发利用是乐清湾潮滩面积变化的主要驱动因素。但长期来看,气候变暖引起的海平面上升、长江来沙量减少以及人类活动引起的水动力和纳潮量变化,是乐清湾潮滩面积变化的潜在因素。
本研究仍存在以下两点不足之处:首先,本研究建立的潮滩面积-潮位校正模型利用的是近5年的Sentinel-2卫星数据,而在人为和自然因素的共同作用下,1988—2020年间潮滩面积和潮位的校正关系可能不是固定的,未来应考虑在各个时期建立不同的校正公式,得到更加准确的校正面积;其次,由于缺乏长期的现场数据,尚需要对卫星提取的潮滩面积进行进一步检验。随着无人机技术的发展,未来可利用无人机测量的较准确的潮滩面积对卫星提取面积进行精度评估。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
ZHAO B X, LIU Y X, WANG L, et al. Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China[J]. Estuarine, Coastal and Shelf Science, 2022, 264: 107697.

DOI

[2]
RYU J H, CHOI J K, LEE Y K. Potential of remote sensing in management of tidal flats: A case study of thematic mapping in the Korean tidal flats[J]. Ocean & Coastal Management, 2014, 102: 458-470.

[3]
BERNAL B, MITSCH W J. A comparison of soil carbon pools and profiles in wetlands in Costa Rica and Ohio[J]. Ecological Engineering, 2008, 34(4): 311-323.

DOI

[4]
章海波, 骆永明, 刘兴华, 等. 海岸带蓝碳研究及其展望[J]. 中国科学:地球科学, 2015, 45(11):1641-1648.

ZHANG H B, LUO Y M, LIU X H, et al. Current researches and prospects on the coastal blue carbon[J]. Scientia Sinica Terrae, 2015, 45(11): 1641-1648.

DOI

[5]
王法明, 唐剑武, 叶思源, 等. 中国滨海湿地的蓝色碳汇功能及碳中和对策[J]. 中国科学院院刊, 2021, 36(3):241-251.

WANG F M, TANG J W, YE S Y, et al. Blue carbon sink function of Chinese coastal wetlands and carbon neutrality strategy[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(3): 241-251.

[6]
JIA M M, WANG Z M, MAO D H, et al. Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine[J]. Remote Sensing of Environment, 2021, 255: 112285.

DOI

[7]
ZHAO C P, QIN C Z, TENG J K. Mapping large-area tidal flats without the dependence on tidal elevations: A case study of Southern China[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 256-270.

DOI

[8]
MURRAY N J, PHINN S R, DEWITT M, et al. The global distribution and trajectory of tidal flats[J]. Nature, 2019, 565(7738): 222-225.

DOI

[9]
RYU J H, KIM C H, LEE Y K, et al. Detecting the intertidal morphologic change using satellite data[J]. Estuarine, Coastal and Shelf Science, 2008, 78(4): 623-632.

DOI

[10]
WANG Y X, LIU Y X, JIN S, et al. Evolution of the topography of tidal flats and sandbanks along the Jiangsu coast from 1973 to 2016 observed from satellites[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 150: 27-43.

DOI

[11]
CHOI J K, RYU J H, LEE Y K, et al. Quantitative estimation of intertidal sediment characteristics using remote sensing and GIS[J]. Estuarine,Coastal and Shelf Science, 2010, 88(1): 125-134.

DOI

[12]
GUO M, LI J, SHENG C L, et al. A review of wetland remote sensing[J]. Sensors, 2017, 17(4): 777.

DOI

[13]
CAO W T, ZHOU Y Y, LI R, et al. Mapping changes in coastlines and tidal flats in developing Islands using the full time series of Landsat images[J]. Remote Sensing of Environment, 2020, 239: 111665.

DOI

[14]
MURRAY N J, CLEMENS R S, PHINN S R, et al. Tracking the rapid loss of tidal wetlands in the Yellow Sea[J]. Frontiers in Ecology and the Environment, 2014, 12(5): 267-272.

DOI

[15]
WANG J, CHEN J S, WEN Y, et al. Monitoring the coastal wetlands dynamics in Northeast Italy from 1984 to 2016[J]. Ecological Indicators, 2021, 129: 107906.

DOI

[16]
韩倩倩, 牛振国, 吴孟泉, 等. 基于潮位校正的中国潮间带遥感监测及变化[J]. 科学通报, 2019, 64(4):456-473.

HAN Q Q, NIU Z G, WU M Q, et al. Remote-sensing monitoring and analysis of China intertidal zone changes based on tidal correction[J]. Chinese Science Bulletin, 2019, 64(4): 456-473.

[17]
SALAMEH E, FRAPPART F, TURKI I, et al. Intertidal topography mapping using the waterline method from Sentinel-1 & -2 images: The examples of Arcachon and Veys Bays in France[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 163: 98-120.

DOI

[18]
MURRAY N, PHINN S, CLEMENS R, et al. Continental scale mapping of tidal flats across East Asia using the Landsat archive[J]. Remote Sensing, 2012, 4(11): 3417-3426.

DOI

[19]
CHEN Y, DONG J W, XIAO X M, et al. Land claim and loss of tidal flats in the Yangtze Estuary[J]. Scientific Reports, 2016, 6: 24018.

DOI PMID

[20]
李春平, 张灵杰, 董丽晶. 浙江乐清湾海岸带功能区划分与海洋产业发展[J]. 海洋通报, 2003, 22(5):38-43.

LI C P, ZHANG L J, DONG L J. Coastal functional zoning of Yueqing Bay in Zhejiang Province and development of marine industries[J]. Marine Science Bulletin, 2003, 22(5): 38-43.

[21]
罗锋, 廖光洪, 杨成浩, 等. 乐清湾水交换特征研究[J]. 海洋学研究, 2011, 29(2):79-88.

LUO F, LIAO G H, YANG C H, et al. Study on the features of water exchange in Yueqingwan Bay[J]. Journal of Marine Sciences, 2011, 29(2): 79-88.

[22]
李妙聪, 刘文胜, 江锦花. 乐清湾海水养殖环境水质质量时空变化及富营养化状况评价[J]. 海洋环境科学, 2021, 40(5):724-731.

LI M C, LIU W S, JIANG J H. Analysis of spatial-temporal variation and nutritional status of environmental quality in the mariculture zone at the Yueqing Bay[J]. Marine Environmental Science, 2021, 40(5): 724-731.

[23]
彭欣, 谢起浪, 陈少波, 等. 乐清湾潮间带大型底栖动物群落分布格局及其对人类活动的响应[J]. 生态学报, 2011, 31(4):954-963.

PENG X, XIE Q L, CHEN S B, et al. The community distribution pattern of intertidal macrozoobenthos and the responses to human activities in Yueqing Bay[J]. Acta Ecologica Sinica, 2011, 31(4): 954-963.

[24]
童朝锋, 安福伟, 章家保, 等. 乐清湾内外潮波变形及不对称性分析[J]. 海洋工程, 2020, 38(3):113-123.

TONG C F, AN F W, ZHANG J B, et al. Analysis of deformation and asymmetry of tidal waves inside and outside Yueqing Bay[J]. The Ocean Engineering, 2020, 38(3): 113-123.

[25]
国家海洋信息中心. 潮汐表(第二册)[M]. 北京:海洋出版社, 1988—2021.

National Marine Data and Information Service Center. Tidal tables (Volume 2)[M]. Beijing: China Ocean Press, 1988—2021.

[26]
温州市自然资源和规划局. 2019年温州市海洋灾害公报[R]. 温州: 自然资源和规划局, 2020.

Wenzhou Bureau of Natural Resources and Planning. Wenzhou marine environment bulletin 2019[R]. Wenzhou: Wenzhou Bureau of Natural Resources and Planning, 2020.

[27]
温州市统计局. 2021温州统计年鉴[R]. 温州: 温州市统计局, 2021.

Wenzhou Municipal Bureau of Statistics. 2021 Wenzhou statistical yearbook[R]. Wenzhou: Wenzhou Municipal Bureau of Statistics, 2021.

[28]
张旭凯, 张霞, 杨邦会, 等. 结合海岸类型和潮位校正的海岸线遥感提取[J]. 国土资源遥感, 2013, 25(4):91-97.

ZHANG X K, ZHANG X, YANG B H, et al. Coastline extraction using remote sensing based on coastal type and tidal correction[J]. Remote Sensing for Land & Resources, 2013, 25(4): 91-97.

[29]
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5):589-595.

XU H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595.

[30]
OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.

DOI

[31]
张继敏, 李凤全, 王天阳. 浙江乐清湾海岸带人为干扰度的分形研究[J]. 科技通报, 2017, 33(7):29-33.

ZHANG J M, LI F Q, WANG T Y. Study on degree of hemeroby in Yueqing Bay coastal zone in Zhejiang based on fractal dimension[J]. Bulletin of Science and Technology, 2017, 33(7): 29-33.

[32]
夏涵韬, 隆院男, 刘诚, 等. 1973—2018年珠江三角洲海岸线时空演变分析[J]. 海洋学研究, 2020, 38(2):26-37.

XIA H T, LONG Y N, LIU C, et al. Spatio-temporal evolution analysis of the coastline in the Pearl River Delta from 1973 to 2018[J]. Journal of Marine Sciences, 2020, 38(2): 26-37.

[33]
COHEN J. A coefficient of agreement for nominal scales[J]. Educational and Psychological Measurement, 1960, 20(1): 37-46.

DOI

[34]
PASSERI D L, HAGEN S C, MEDEIROS S C, et al. The dynamic effects of sea level rise on low-gradient coastal landscapes: A review[J]. Earth’s Future, 2015, 3(6): 159-181.

DOI

[35]
SPENCER T, SCHUERCH M, NICHOLLS R J, et al. Global coastal wetland change under sea-level rise and related stresses: The DIVA Wetland Change Model[J]. Global and Planetary Change, 2016, 139: 15-30.

DOI

[36]
胡春宏, 王延贵, 陈森美, 等. 浙江沿海海域泥沙变化及其对滩涂变化的影响[J]. 浙江水利科技, 2012, 40(6):1-4.

HU C H, WANG Y G, CHEN S M, et al. The variation of coastal-sediment on the coast line in Zhejiang Province and its impact on the variation of shoals[J]. Zhejiang Hydrotechnics, 2012, 40(6): 1-4.

[37]
杨晓东, 姚炎明, 蒋国俊, 等. 乐清湾悬沙输移机制分析[J]. 海洋通报, 2011, 30(1):53-59.

YANG X D, YAO Y M, JIANG G J, et al. Study on the transport mechanism of suspended sediment in Yueqing Bay[J]. Marine Science Bulletin, 2011, 30(1): 53-59.

[38]
闵建雄, 李广雪, 乔璐璐, 等. 基于MODIS的浙闽近海表层悬浮体时空变化特征分析[J]. 海洋地质前沿, 2022, 38(10):69-78.

MIN J X, LI G X, QIAO L L, et al. Temporal-spatial variation of surface suspended matter in Zhejiang-Fujian coastal area based on MODIS[J]. Marine Geology Frontiers, 2022, 38(10): 69-78.

[39]
巩明, 李伯根, 周鸿权. 乐清湾大乌港水道冲淤变化分析[J]. 海洋通报, 2011, 30(2):206-213.

GONG M, LI B G, ZHOU H Q. Calculation of the amount and analysis of the trend of siltation and erosion in Dawugang channel of Yueqing Bay[J]. Marine Science Bulletin, 2011, 30(2): 206-213.

[40]
吴雪枫, 何青, 郭磊城, 等. 杭州湾北岸多年水沙特性变化及原因探讨[J]. 长江流域资源与环境, 2021, 30(4):839-848.

WU X F, HE Q, GUO L C, et al. Changes of hydrodynamics, sediment transport, and morphology along the north bank of Hangzhou Bay between 1982 and 2017[J]. Resources and Environment in the Yangtze Basin, 2021, 30(4): 839-848.

[41]
WANG X X, XIAO X M, ZOU Z H, et al. Tracking annual changes of coastal tidal flats in China during 1986-2016 through analyses of Landsat images with Google Earth Engine[J]. Remote Sensing of Environment, 2020, 238: 110987.

DOI

[42]
伍善庆. 浅议漩门港围海工程对乐清湾海洋资源及环境的影响[J]. 海洋信息, 2000(3):17-19.

WU S Q. Discussion on the influence of Xuanmen Port reclamation project on marine resources and environment in Yueqing Bay[J]. Marine Information, 2000(3): 17-19.

[43]
LI J, YAO Y M, LI X Y, et al. Numerical analysis on water exchange and its response to the coastal engineering in the Yueqing Bay in China[J]. Acta Oceanologica Sinica, 2008, 27(Z1): 60-73.

[44]
王诚超, 潘国富, 许雪峰, 等. 乐清湾水域纳潮量演变分析[J]. 海洋科学, 2017, 41(8):76-85.

WANG C C, PAN G F, XU X F, et al. Analysis of evolution of tidal prism of the Yueqing Bay[J]. Marine Sciences, 2017, 41(8): 76-85.

[45]
YAN J F, ZHAO S Y, SU F Z, et al. Tidal flat extraction and change analysis based on the RF-W model: A case study of Jiaozhou Bay, East China[J]. Remote Sensing, 2021, 13(8): 1436.

DOI

Options
文章导航

/

〈 〉