詹偉康, 吳頡, 韋惺, 唐世林, 詹海剛

?

基于遙感反演的珠江河口表層懸沙濃度分位數(shù)趨勢(shì)分析*

詹偉康1,2, 吳頡1,2, 韋惺1, 唐世林1, 詹海剛1

1. 熱帶海洋環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室(中國(guó)科學(xué)院南海海洋研究所), 廣東 廣州 510301; 2. 中國(guó)科學(xué)院大學(xué), 北京 100049

利用中分辨率成像光譜儀(moderate resolution imaging spectroradiometer, MODIS)一級(jí)產(chǎn)品并結(jié)合航次數(shù)據(jù), 反演2003—2015年間珠江河口表層懸浮泥沙濃度(suspended sediment concentration, SSC), 分析其分位數(shù)長(zhǎng)期變化趨勢(shì)并探討其影響因素。結(jié)果表明, 珠江河口SSC呈總體下降趨勢(shì), 平均下降速率約為1.03mg·L–1·yr–1。口門外以及河口東北部區(qū)域平均SSC下降更快, 最高可達(dá)約4.0mg·L–1·yr–1?？傮w上, 珠江河口SSC高值下降速率大于低值, 且存在空間差異性。低值下降趨勢(shì)顯著地區(qū)主要分布在淇澳島北部的口門外區(qū)域, 其SSC大小值之間的差異逐年增加; 而高值下降速率快的地區(qū)主要分布在虎門口、龍穴島東南岸以及東航道附近水域, SSC每年大小值差異呈減小趨勢(shì)。珠江河口SSC分位數(shù)趨勢(shì)受徑流輸沙量、河口地形變化以及風(fēng)的影響。由水庫(kù)修建所致的上游輸沙量減少導(dǎo)致淇澳島北部口門外區(qū)域SSC的低值部分顯著下降?；㈤T口、龍穴島東南岸以及東航道附近水域的加深使得這些區(qū)域SSC高值部分下降顯著, 而西灘區(qū)域的變淺使得冬季潮汐混合減弱, 導(dǎo)致SSC高值部分下降趨勢(shì)顯著。此外, 由風(fēng)速下降引起的表層風(fēng)混合減弱也是導(dǎo)致西灘南部SSC高值下降趨勢(shì)顯著的原因之一。

懸沙濃度; MODIS; 珠江河口; 分位數(shù)趨勢(shì)

珠江河口位于中國(guó)珠江三角洲地區(qū), 是一個(gè)極具特色的大尺度河口, 其水域面積約2000km2, 平均水深小于5m, 但在東西航道處可達(dá)10~20m(圖1)。珠江流域中的淡水及泥沙主要通過(guò)八大口門輸入至伶仃洋和南海(圖1), 其中入海徑流年平均流量約為3.26×1012m3, 僅次于長(zhǎng)江(倪培桐等, 2016), 年平均輸沙量約為8470萬(wàn)噸。且受亞熱帶海洋季風(fēng)氣候影響, 入海水沙呈明顯季節(jié)性變化, 洪季(4—9月)來(lái)水和來(lái)沙量占全年的78%~82%。

圖1 珠江流域主要水文站位分布(a)及珠江河口地形圖及各航次采樣站位分布(b)

懸浮泥沙的分布和輸運(yùn)對(duì)河口及近岸環(huán)境中復(fù)雜的物理、生化以及地質(zhì)過(guò)程起著至關(guān)重要的作用。細(xì)顆粒泥沙表面可吸附大量營(yíng)養(yǎng)鹽和污染物(重金屬、細(xì)菌和病毒等)。適量的營(yíng)養(yǎng)鹽為水生動(dòng)植物生存提供了必要物質(zhì), 然而過(guò)量營(yíng)養(yǎng)鹽也可引發(fā)嚴(yán)重的生態(tài)環(huán)境問(wèn)題, 如赤潮和水華。其次, 由于懸浮泥沙直接影響水體透明度, 因而對(duì)浮游動(dòng)植物生長(zhǎng)繁育和分布具有決定作用(Shi et al, 2017; Bilotta et al, 2008)。再者, 懸浮泥沙的分布和輸運(yùn)對(duì)河口形態(tài)及演變有重要影響(Dyer et al, 2000; Elias et al, 2012)。因此, 對(duì)河口懸浮泥沙的深入研究對(duì)河口航道維護(hù)、水環(huán)境治理以及生物資源的開(kāi)發(fā)利用有著重要指導(dǎo)意義。

現(xiàn)場(chǎng)觀測(cè)是研究河口水體懸浮泥沙濃度(suspended sediment concentration, SSC)變化最傳統(tǒng)的手段(田向平, 1986; 何為, 2001; 唐兆民等, 2005), 但資料獲取成本高, 采樣難以實(shí)現(xiàn)時(shí)間同步性且采樣空間精度不足, 局限性較大。隨著計(jì)算機(jī)的快速發(fā)展和觀測(cè)技術(shù)的不斷提高, 利用數(shù)學(xué)模型研究懸浮泥沙分布及其輸運(yùn)已逐漸成為河口泥沙研究中的有力手段。數(shù)值模式可模擬SSC的三維高頻變化特征并診斷不同要素對(duì)其的影響(倪培桐等, 2000; Liu et al, 2016), 但受限于珠江河口復(fù)雜的地形和初始實(shí)測(cè)邊界條件, 目前珠江河口懸沙模式精度仍有待進(jìn)一步優(yōu)化提高。此外, 模型很難對(duì)河口懸浮泥沙進(jìn)行長(zhǎng)時(shí)間(例如十幾年)的準(zhǔn)確模擬, 不適合分析SSC的長(zhǎng)期變化特征。陸地衛(wèi)星(Landsat)的發(fā)射和海洋水色遙感的興起, 如海洋寬視場(chǎng)掃描儀(Sea-viewing Wide Field-of-view Sensor, SeaWiFS)、中分辨率成像光譜儀(moderate resolution imaging spectroradiometer, MODIS)、中分辨率成像頻譜儀(medium resolution imaging spectrometer instrument, MERIS)等, 彌補(bǔ)了傳統(tǒng)觀測(cè)研究方法的不足?；诟邥r(shí)空分辨率的大面積同步遙感數(shù)據(jù), 眾多研究者分別對(duì)珠江河口表層懸浮泥沙進(jìn)行了大量研究分析(劉汾汾等, 2009; 劉大召等, 2009; 禹定峰等, 2010; Ye et al, 2014; 朱樊等, 2015; 欒虹等, 2017)。然而, 前期珠江河口懸沙遙感研究多側(cè)重于懸沙反演模式的建立, 或分析整個(gè)珠江河口洪枯季SSC空間分布差異性, 欠缺SSC長(zhǎng)周期變化趨勢(shì)的研究。Wang等(2018)利用Landsat衛(wèi)星數(shù)據(jù)分析了珠江河口SSC近30年來(lái)的長(zhǎng)期趨勢(shì)。然而, 一方面受Landsat數(shù)據(jù)時(shí)間精度影響, 其統(tǒng)計(jì)結(jié)果可能存在較大誤差; 另一方面, 該研究只考慮平均態(tài)趨勢(shì), 而忽略懸沙濃度高值或低值趨勢(shì)的分析。極端值或數(shù)據(jù)范圍的變化可能對(duì)事件的發(fā)展起決定性作用(Barbosa, 2008; Ruff et al, 2012; Rhines et al, 2017), 而這種作用僅從平均值趨勢(shì)上通常體現(xiàn)不出。分位數(shù)趨勢(shì)分析可以描述整個(gè)分布的全貌變化特征, 尤其是在數(shù)據(jù)分布呈現(xiàn)不對(duì)稱性或截?cái)嘈缘忍卣鲿r(shí), 能夠細(xì)致刻畫(huà)響應(yīng)變量的尾部行為, 因此也被運(yùn)用于多個(gè)領(lǐng)域的研究分析(Fitzenberger et al, 2001; Barbosa, 2008; Franzke, 2015)。MODIS數(shù)據(jù)相對(duì)于其他遙感數(shù)據(jù)具有更高的時(shí)間分辨率和合適的時(shí)間長(zhǎng)度, 因而適用于河口SSC的統(tǒng)計(jì)分析研究(Wang et al, 2010; Moreira et al, 2013; Petus et al, 2014; Dogliotti et al, 2016)。鑒于此, 本文擬利用MODIS數(shù)據(jù)定量反演珠江河口表層SSC, 并采用Mann-Kendall算法和Sen’s斜率估計(jì)對(duì)SSC不同分?jǐn)?shù)位分別進(jìn)行趨勢(shì)分析。最后, 進(jìn)一步探討不同分?jǐn)?shù)位趨勢(shì)空間分布特征及其影響因素。

1 數(shù)據(jù)與方法

1.1 資料來(lái)源

遙感數(shù)據(jù)采用的是搭載在Aqua衛(wèi)星上的中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer, MODIS)一級(jí)產(chǎn)品數(shù)據(jù)(https://earth data.nasa.gov/about/daacs/daac-laads)。數(shù)據(jù)空間分辨率為1km, 時(shí)間分辨率為1d, 時(shí)間長(zhǎng)度為2003年1月1日—2015年12月31日。

實(shí)測(cè)懸沙數(shù)據(jù)采用的是2004—2015年間的6個(gè)珠江河口水文航次數(shù)據(jù)。航次站點(diǎn)信息如圖1所示, 其范圍基本涵蓋整個(gè)珠江河口, 其中大部分樣品采集工作都在當(dāng)?shù)貢r(shí)間12:00—15:00完成。采集的表層水(<0.5m)首先用預(yù)稱重的Whatman GF/F 濾紙(0.45μm)進(jìn)行過(guò)濾處理, 然后在50℃環(huán)境下烘干24h, 最后用電子天平多次測(cè)量取平均以決定樣品SSC。

珠江口長(zhǎng)時(shí)間序列(2003—2015)月平均地表風(fēng)場(chǎng)數(shù)據(jù)采用NCEP (National Centers for Environmental Prediction)再分析資料, 資料來(lái)源于http://apdrc.soest.hawaii.edu/las/v6/constrain?var=16500。地表風(fēng)場(chǎng)數(shù)據(jù)高度為1000hPA, 水平空間分辨率為2.5°。文中取珠江河口及其鄰近地區(qū)共6個(gè)數(shù)據(jù)點(diǎn)的平均值作為河口地表風(fēng)速值。

珠江流域三個(gè)主要水文站點(diǎn)高要站(西江)、石角站(北江)和博羅站(東江)的年平均徑流量和輸沙量資料來(lái)源于2000—2014年《中華人民共和國(guó)水文年鑒》, 本文以此三站點(diǎn)徑流和輸沙量之和代表整個(gè)珠江的徑流和輸沙(Zhang et al, 2011)。

1.2 遙感數(shù)據(jù)處理

MODIS一級(jí)產(chǎn)品處理主要包括兩方面: 大氣校正和SSC反演。海洋水色遙感中, 衛(wèi)星傳感器測(cè)量的可見(jiàn)光波段輻射超過(guò)90%來(lái)自于大氣輻射, 海洋中近表層水體反射信號(hào)不足10%(Wang et al, 1994)。因此, 大氣校正對(duì)于反演有色水體變量(如懸浮泥沙)至關(guān)重要。首先, 基于SeaDAS 7.4軟件, 本文采用了一種短波紅外波段指數(shù)外推算法(shortwave infrared exponential, SWIRE)(He et al, 2014)對(duì)MODIS一級(jí)產(chǎn)品進(jìn)行大氣校正處理。傳統(tǒng)SeaDAS內(nèi)置算法處理MODIS水色產(chǎn)品經(jīng)常在高渾濁水體區(qū)域出現(xiàn)無(wú)效離水輻射值, 此外一些高濃度的渾濁水體區(qū)域被標(biāo)記為陸地而被代表無(wú)效值的常數(shù)值填充, 而相比之下SWIRE算法有著顯著的改進(jìn), 在珠江河口及附近沿岸渾濁水體區(qū)域都能取得合理的歸一化離水輻射率(He et al, 2014)。接著, 本研究采用一種針對(duì)珠江河口雙波段經(jīng)驗(yàn)?zāi)Ｐ头囱軸SC(Ye et al, 2014):

其中, Rrs645和Rrs555分別指代645nm和555nm波段的遙感反射率。

1.3 分位數(shù)及其趨勢(shì)分析方法

2 結(jié)果

2.1 懸沙算法驗(yàn)證

在驗(yàn)證遙感算法之前, 需將實(shí)測(cè)數(shù)據(jù)與遙感數(shù)據(jù)進(jìn)行配對(duì)?；贐ailey等(2001)提出的方案, 本文的具體配對(duì)步驟如下: 1)剔除現(xiàn)場(chǎng)觀測(cè)與衛(wèi)星過(guò)境的時(shí)間差大于3小時(shí)的數(shù)據(jù)點(diǎn); 2)任意一個(gè)中心點(diǎn)位于實(shí)測(cè)點(diǎn)上的3×3窗口, 如有格點(diǎn)被SeaDAS標(biāo)記為無(wú)效值, 則剔除該格點(diǎn); 3)任意有效格點(diǎn)數(shù)小于5的窗口被剔除; 4)剔除格點(diǎn)數(shù)值存在極大差異(變異系數(shù)>0.2)的窗口; 5)如果通過(guò)以上檢驗(yàn), 則取3×3窗口里有效格點(diǎn)數(shù)值的平均值作為觀測(cè)點(diǎn)處的遙感反演值。經(jīng)嚴(yán)格篩選, 最終共有64組符合標(biāo)準(zhǔn)的配對(duì), 其中35組來(lái)自洪季, 29組來(lái)自枯季。

圖2表明, 遙感反演的SSC與實(shí)測(cè)數(shù)據(jù)有著很好相關(guān)性(=0.90,<0.05), 大部分點(diǎn)皆沿著1:1線均勻分布。其均方根誤差4.75mg·L–1(表1)。更進(jìn)一步地, 我們分別評(píng)估懸沙算法在洪枯季的表現(xiàn)。統(tǒng)計(jì)結(jié)果(表1)表明, 洪枯季的均方根誤差分別為4.58和4.95mg·L–1, 相關(guān)系數(shù)分別為0.81和0.92。該算法同時(shí)適用于洪、枯季, 兩者之間并無(wú)顯著區(qū)別。從總體驗(yàn)證結(jié)果和偏差統(tǒng)計(jì)情況可看出, 遙感反演能較準(zhǔn)確模擬出珠江河口真實(shí)SSC。

圖2 遙感反演與實(shí)測(cè)SSC驗(yàn)證黑色實(shí)線表示1:1關(guān)系

表1 SSC算法統(tǒng)計(jì)分析

2.2 珠江河口平均SSC分布及其長(zhǎng)期趨勢(shì)

基于遙感反演的珠江河口氣候態(tài)平均(2003— 2015)SSC分布如圖3a所示。高SSC主要分布在西灘區(qū)域, 靠近東四口門處為SSC最大值區(qū), 平均濃度可達(dá)90mg·L–1以上。整體上SSC呈現(xiàn)從西北向東南遞減的趨勢(shì), 且在西航道附近出現(xiàn)一條“丿”型懸沙鋒面, 北起虎門口, 南至淇澳島東南部。

珠江河口SSC在2003—2015年間呈總體下降趨勢(shì)(圖3b), 平均下降速率約為1.03mg·L–1·yr–1, 但在口門外以及河口東北部區(qū)域下降更快, 最高可達(dá)約4.0mg·L–1·yr–1。下降趨勢(shì)主要集中在珠江河口伶仃洋內(nèi), 口門外萬(wàn)山群島以南區(qū)域則無(wú)顯著變化趨勢(shì)。

2.3 珠江河口SSC分位數(shù)趨勢(shì)

對(duì)整個(gè)珠江河口SSC作空間平均, 求得其平均值、5th和95th百分位數(shù)趨勢(shì)如圖4a所示?？梢钥闯? 無(wú)論是平均值, 還是極端值, SSC皆呈下降趨勢(shì)。然而, 不同分位數(shù)的下降速率并不一致, 95th百分位數(shù)下降速率明顯大于平均值, 而5th百分位數(shù)下降速率則小于平均值。更具體地, 由圖4b可知, 珠江河口SSC下降速率總體上呈高值快, 低值緩的格局。這是利用傳統(tǒng)最小二乘法求得的線性趨勢(shì)所得不到的信息。

圖3 珠江河口SSC氣候態(tài)平均分布(a)及其平均變化速率(b) b中黑點(diǎn)表示區(qū)域SSC具有顯著上升或下降趨勢(shì)

圖4 分位數(shù)回歸趨勢(shì)(a)以及分位數(shù)變化速率(b) a中圓圈代表珠江河口SSC月平均值, 黑色實(shí)線表示珠江河口SSC平均值線性回歸結(jié)果, 虛線表示5th和95th百分位數(shù)回歸結(jié)果。b中誤差棒對(duì)應(yīng)變化速率的95%置信區(qū)間, 黑色實(shí)線表示平均值變化速率, 黑色虛線表示其95%置信區(qū)間

珠江河口復(fù)雜的水下地形和來(lái)水來(lái)沙條件導(dǎo)致河口主導(dǎo)動(dòng)力和SSC表現(xiàn)出明顯的空間差異性, 因此單一河口空間平均的趨勢(shì)易平滑一些極端變化特征。為進(jìn)一步揭示河口不同區(qū)域SSC分位數(shù)趨勢(shì)差異性, 分別提取河口不同分位數(shù)趨勢(shì)空間分布。圖5顯示, 總體上河口SSC在不同分位數(shù)不同區(qū)域上皆呈下降趨勢(shì), 除了橫門外SSC極大值(95th)存在輕微上升趨勢(shì)。同時(shí), SSC的下降趨勢(shì)存在明顯的空間差異性。SSC低分位數(shù)(圖5a—c)的快速下降主要發(fā)生在蕉門、洪奇門和橫門外的淇澳島北部區(qū)域, 意味著該區(qū)域SSC每年較小值部分呈快速下降趨勢(shì)。高分位數(shù)(圖5g—i)下降速率快主要發(fā)生在虎門口, 龍穴島東南岸以及東航道附近水域, 表明這些區(qū)域SSC每年的高值部分下降速率顯著。此外, 相對(duì)而言西灘南部區(qū)域SSC大值(圖5i)下降速率顯著高于小值部分(圖5a)。

不同分位數(shù)趨勢(shì)的差異可導(dǎo)致數(shù)據(jù)總體分布形狀的改變, 如改變數(shù)據(jù)分布范圍或峰度和偏度(Rhines et al, 2017)。圖6所示為珠江河口SSC的95th百分位數(shù)與5th百分位數(shù)之差的趨勢(shì)空間分布特征?？梢钥闯? 在淇澳島北部口門外區(qū)域, 其SSC大值與小值之間的差異逐年增加, 主要由于該區(qū)域大值下降趨勢(shì)小于小值下降趨勢(shì)。在河口其他區(qū)域, SSC每年大、小值差異則呈逐年減小趨勢(shì), 尤其是東航道附近海域以及西灘南部區(qū)域。這種趨勢(shì)則主要由大值下降趨勢(shì)大于小值下降趨勢(shì)所引起。

3 討論與分析

3.1 徑流及輸沙對(duì)SSC長(zhǎng)期趨勢(shì)的影響

珠江徑流和輸沙量的長(zhǎng)期變化趨勢(shì)如圖7所示。盡管存在年際變化, 但珠江徑流量并無(wú)顯著長(zhǎng)期變化趨勢(shì)。然而, 徑流中的含沙量卻呈現(xiàn)顯著下降趨勢(shì), 過(guò)去十幾年間下降了約58.8%(圖7b)。這種急劇下降主要受人類活動(dòng)影響。吳創(chuàng)收等(2014)指出, 流域水庫(kù)蓄水和水土保持對(duì)珠江輸沙率減小的貢獻(xiàn)率可達(dá)90%以上。此外, 由于洪季徑流流速大, 不利于水庫(kù)泥沙沉降, 加之蓄水時(shí)期多發(fā)生于洪季末或者枯季, 因此珠江枯季輸沙量下降速率大于洪季(Wu et al, 2012)。由圖8b可知, 淇澳島北部口門外區(qū)域SSC最小值多發(fā)生在1月或者2月, 此時(shí)水庫(kù)攔沙作用相對(duì)更顯著, 因而導(dǎo)致該地區(qū)SSC低分位數(shù), 即冬季SSC的下降趨勢(shì)明顯(圖5a)。

盡管珠江徑流量對(duì)珠江河口SSC長(zhǎng)期趨勢(shì)影響不顯著, 輸沙量變化卻控制了其變化趨勢(shì)。這種現(xiàn)象不僅發(fā)生在珠江河口, 也常見(jiàn)于長(zhǎng)江河口(Yang et al, 2005; Xu et al, 2006)以及黃河河口(Wang et al, 2007, 2016)。于珠江河口, 輸沙量下降對(duì)河口SSC長(zhǎng)期趨勢(shì)影響范圍更局限于口門外區(qū)域, 且對(duì)枯季影響較大。

3.2 水下地形變化對(duì)SSC長(zhǎng)期趨勢(shì)的影響

受人類活動(dòng)影響, 珠江河口水下地形在過(guò)去十幾年間發(fā)生顯著變化(Li et al, 2010; Wu et al, 2016)。由圖9b(Wu et al, 2016)可知, 虎門口、龍穴島東南岸以及東航道附近區(qū)域水深加深最顯著, 其速率可超過(guò)10cm·yr–1。近年來(lái), 南沙港碼頭的建設(shè)以及東槽礬石水道的海沙開(kāi)采使這些地區(qū)的水深大大增加, 其中礬石水道中上段采砂面積約37m2, 采砂總量超過(guò)2.7×109m3, 致使海床普遍下切5~10m(季榮耀等, 2015)。航道的加深使得潮汐動(dòng)力加強(qiáng), 有利于河口水體SSC的增加(Van Maren et al, 2015)。然而這種增加建立在有足夠泥沙源的前提下(Van Maren et al, 2016), 盡管東航道潮汐混合加強(qiáng), 但采砂活動(dòng)使得河床泥沙源大量減少, 因此能再懸浮至表層的懸沙也大大減少。通過(guò)對(duì)比圖9a和圖9b發(fā)現(xiàn), 珠江河口水深加深速度快的區(qū)域與其SSC高分位數(shù)下降趨勢(shì)快的區(qū)域在空間上有著很好吻合, 表明這些區(qū)域SSC高值的下降主要受局地水深加深影響。另一方面, 由圖8a可知, 西灘南部區(qū)域SSC最大值出現(xiàn)在12月, 此時(shí)河口處于充分混合狀態(tài)(Wong et al, 2003), 加之西灘區(qū)域水深較淺且河床泥沙充沛, 固底層泥沙得以通過(guò)潮汐混合作用再懸浮至表層, 對(duì)該區(qū)域SSC高值貢獻(xiàn)顯著。另一方面, 由于西灘區(qū)域總體上呈淤積趨勢(shì), 加之河口西岸大量無(wú)序圍墾活動(dòng), 使得過(guò)去十幾年西灘水深變淺, 水域面積和水體體積下降, 進(jìn)而潮汐動(dòng)力減弱, 再懸浮作用降低, 以致西灘南部區(qū)域SSC高值部分下降趨勢(shì)較顯著。

圖5 2003—2015年珠江河口SSC分位數(shù)趨勢(shì)空間分布黑點(diǎn)表示區(qū)域SSC具有顯著上升或下降趨勢(shì)

圖6 2003—2015年珠江河口SSC的95th與5th百分位數(shù)差異(單位: mg·L–1·yr–1)的趨勢(shì)分布黑點(diǎn)表示具有顯著變化趨勢(shì)

3.3 風(fēng)對(duì)SSC長(zhǎng)期趨勢(shì)的影響

風(fēng)對(duì)SSC影響主要體現(xiàn)在風(fēng)向和風(fēng)速兩方面。風(fēng)向可通過(guò)兩種方式影響SSC: 改變河口環(huán)流結(jié)構(gòu)和調(diào)整河口水體層結(jié)。受亞熱帶季風(fēng)氣候影響, 珠江河口夏季吹西南風(fēng)或偏南風(fēng), 冬季盛行東北風(fēng)。東北風(fēng)可增加陸架水向河口的入侵而西南風(fēng)可加強(qiáng)河口表層水的向海輸運(yùn)(Wong et al, 2003)。這種效應(yīng)對(duì)SSC的影響主要體現(xiàn)在制約SSC的分布范圍, 使枯季高SSC水體較窄且靠西岸分布。另一方面, 通過(guò)潮汐應(yīng)變作用(tidal straining)(Scully et al, 2005), 珠江河口風(fēng)向傾向于減弱(增強(qiáng))夏季(冬季)河口水體層結(jié)。然而, 這種作用通常發(fā)生在風(fēng)速很大的極端天氣事件中(如臺(tái)風(fēng)), 且時(shí)間尺度一般在2~5d之內(nèi)(Li et al, 2007)。因此, 本文在基于月平均數(shù)據(jù)的SSC長(zhǎng)期趨勢(shì)分析中不考慮風(fēng)向作用的影響。

圖7 2000—2014年珠江(高要站、石角站和博羅站)徑流及輸沙量趨勢(shì)

圖8 珠江河口SSC極大值(a)和極小值(b)發(fā)生月份的空間分布

圖9 2003—2015年珠江河口SSC的95th百分位數(shù)變化(單位: mg·L–1·yr–1)趨勢(shì)(a)和2000—2010年水深變化(單位: cm·yr–1)分布(b) a中黑點(diǎn)表示區(qū)域SSC具有顯著上升或下降趨勢(shì)；b引自Wu 等(2016)

珠江河口懸浮泥沙顆粒較細(xì), 風(fēng)致水體表層與次表層的湍流混合可引發(fā)懸浮泥沙垂向輸運(yùn), 從而增大表層SSC(Zhang et al, 2009)。這種作用在臺(tái)風(fēng)天氣下尤為明顯, 強(qiáng)風(fēng)浪使珠江河口局部水體SSC顯著增加, 尤其在河口淺灘地區(qū)(朱樊等, 2015)。從珠江河口區(qū)域平均地表風(fēng)速的不同分位數(shù)變化趨勢(shì)(圖10a)可以看出, 2003—2015年間風(fēng)速主要呈微弱下降趨勢(shì), 且總體上高值區(qū)下降速率更快。珠江河口風(fēng)速高值主要出現(xiàn)在冬季(圖10b), 表明河口冬季風(fēng)下降, 風(fēng)致海水混合作用減小, 這也是導(dǎo)致西灘南部SSC高值下降趨勢(shì)顯著的可能原因之一。由于人類活動(dòng)對(duì)河口不同區(qū)域干預(yù)強(qiáng)度不一, 相對(duì)而言河口南部水域受人類活動(dòng)影響更小, 因此風(fēng)對(duì)其SSC趨勢(shì)影響更具區(qū)分度。至于河口其他地區(qū), 目前還需更多的人類活動(dòng)數(shù)據(jù)去進(jìn)一步定量分析不同因素對(duì)SSC變化趨勢(shì)的相對(duì)貢獻(xiàn)率。

圖10 2003—2015年珠江河口分位數(shù)變化速率(a)及其氣候態(tài)月平均分布(b) 灰色誤差棒表示對(duì)應(yīng)的95%置信區(qū)間

4 結(jié)論

本文利用MODIS-Aqua一級(jí)產(chǎn)品反演了2003— 2015年期間珠江河口表層SSC。通過(guò)與多個(gè)航次實(shí)測(cè)數(shù)據(jù)驗(yàn)證表明, 遙感反演的SSC無(wú)論在洪季還是枯季皆有著較高的精度?；谶b感反演數(shù)據(jù), 并結(jié)合水文站資料, 揭示了珠江河口SSC分位數(shù)變化趨勢(shì), 并探討不同分位數(shù)趨勢(shì)的空間分布與珠江流域徑流量、輸沙量、風(fēng)場(chǎng)以及河口地形變化等因素的聯(lián)系。主要得出以下結(jié)論。

1) 珠江河口SSC在2003—2015年間呈總體下降趨勢(shì), 其平均下降速率約為1.03mg·L–1·yr–1。東四口門外以及河口東北部區(qū)域下降更快, 最高可達(dá)約4.0mg·L–1·yr–1。SSC下降趨勢(shì)主要集中在珠江河口伶仃洋內(nèi), 口門外萬(wàn)山群島以南區(qū)域則無(wú)顯著變化趨勢(shì)。

2) 總體上珠江河口SSC高值下降速率大于低值, 但存在空間差異性。低值下降趨勢(shì)顯著地區(qū)主要分布在淇澳島北部口門外區(qū)域, 導(dǎo)致其SSC大、小值之間的差異逐年增加, 而高值下降速率快的地區(qū)主要分布在虎門口, 龍穴島東南岸以及東航道附近水域, 其SSC每年大、小值差異則呈逐年減小趨勢(shì)。

3) SSC分位數(shù)趨勢(shì)受徑流輸沙量、河口地形變化以及風(fēng)的影響。由水庫(kù)修建等人類活動(dòng)引起的上游輸沙量減少導(dǎo)致淇澳島北部口門外區(qū)域SSC的低值部分顯著下降?；㈤T口、龍穴島東南岸以及東航道附近水域水深的加深使得這些區(qū)域SSC高值部分下降顯著, 而西灘水域變淺使得潮汐動(dòng)力減弱進(jìn)而SSC高值部分下降趨勢(shì)顯著。此外, 風(fēng)速下降引起的表層水體混合減弱也是導(dǎo)致西灘南部SSC高值下降趨勢(shì)顯著的原因之一。

何為, 2001. 珠江口泥沙特點(diǎn)與控制因素[J]. 中山大學(xué)研究生學(xué)刊(自然科學(xué)), 22(1): 84–89. HE WEI, 2001. Characteristics and controlled factors of suspended sand in Pearl River estuary[J]. Journal of the Graduates Sun Yat-Sen University (Natural Sciences), 22(1): 84–89 (in Chinese with English abstract).

季榮耀, 陸永軍, 王志力, 等, 2015. 河口治理開(kāi)發(fā)對(duì)伶仃洋灘槽演變影響分析[C]//第十七屆中國(guó)海洋(岸)工程學(xué)術(shù)討論會(huì)論文集. 北京: 海洋出版社: 987–990.

劉大召, 陳楚群, 劉汾汾, 等, 2009. 利用混合光譜分解估測(cè)珠江口懸浮泥沙濃度[J]. 熱帶海洋學(xué)報(bào), 28(5): 43–48. LIU DAZHAO, CHEN CHUQUN, LIU FENFEN, et al, 2009. Estimation of suspended sediment concentration at Zhujiang River Mouth based on decomposition of mixing spectrum[J]. Journal of Tropical Oceanography, 28(5): 43–48 (in Chinese with English abstract).

劉汾汾, 陳楚群, 唐世林, 等, 2009. 基于現(xiàn)場(chǎng)光譜數(shù)據(jù)的珠江口MERIS懸浮泥沙分段算法[J]. 熱帶海洋學(xué)報(bào), 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).

欒虹, 付東洋, 李明杰, 等, 2017. 基于Landsat 8珠江口懸浮泥沙四季遙感反演與分析[J]. 海洋環(huán)境科學(xué), 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).

倪培桐, 吳超羽, 陳卓英, 2000. 應(yīng)用數(shù)值模擬方法探討河口最大渾濁帶若干機(jī)理[J]. 熱帶海洋學(xué)報(bào), 19(2): 27–32. NI PEITONG, WU CHAOYU, CHEN ZHUOYING, 2000. A discussion on some mechanisms of estuarine turbidity maximum zone by numerical models[J]. Tropic Oceanology, 19(2): 27–32 (in Chinese with English abstract).

倪培桐, 聞平, 劉劍宇, 2016. 珠江三角洲水沙年際變化趨勢(shì)分析[J]. 人民珠江, 37(1): 19–24. NI PEITONG, WEN PING, LIU JIANYU, 2016. Study on variation of annual water discharge and sediment load in Pearl River delta[J]. Pearl River, 37(1): 19–24 (in Chinese with English abstract).

唐兆民, 何志剛, 任杰, 等, 2005. 珠江口虎門懸浮泥沙濃度的測(cè)量[J]. 中山大學(xué)學(xué)報(bào)(自然科學(xué)版), 44(4): 124–128. TANG ZHAOMIN, HE ZHIGANG, REN JIE, et al, 2005. Measurement on suspended sediment concentration at Humen Estuary of the Pearl River[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 44(4): 124–128 (in Chinese with English abstract).

田向平, 1986. 珠江河口伶仃洋最大混濁帶研究[J]. 熱帶海洋, 5(2): 27–35. TIAN XIANGPING, 1986. A study on turbidity maximum in Lingdingyang Estuary of the Pearl River[J]. Tropical Oceanology, 5(2): 27–35 (in Chinese with English abstract).

吳創(chuàng)收, 楊世倫, 黃世昌, 等, 2014. 1954–2011年間珠江入海水沙通量變化的多尺度分析[J]. 地理學(xué)報(bào), 69(3): 422–432. WU CHUANGSHOU, YANG SHILUN, HUANG SHICHANG, et al, 2014. Multi-scale variability of water discharge and sediment load in the Pearl River during 1954–2011[J]. Acta Geographica Sinica, 69(3): 422–432 (in Chinese with English abstract).

禹定峰, 邢前國(guó), 陳楚群, 等, 2010. 利用導(dǎo)數(shù)光譜估算珠江河口水體懸浮泥沙濃度[J]. 生態(tài)科學(xué), 29(6): 563–567. YU DINGFENG, XING QIANGUO, CHEN CHUQUN, et al, 2010. Using derivative spectrum to estimate suspended sediment concentration of estuarine waters[J]. Ecological Science, 29(6): 563–567 (in Chinese with English abstract).

朱樊, 歐素英, 張鑠涵, 等, 2015. 基于MODIS影像的珠江口表層懸沙濃度反演及時(shí)空變化分析[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).

BAILEY S, WANG M H, 2001. Satellite aerosol optical thickness match-up procedures[C]//FARGION G S, BARNES R, MCCLAIN C. In situ aerosol optical thickness collected by the SIMBIOS program (1997–2000): protocols, and data QC and analysis. NASA technical memorandum 2001–209982. Greenbelt: Goddard Space Flight Center: 70–72.

BARBOSA S M, 2008. Quantile trends in Baltic sea level[J]. Geophysical Research Letters, 35(22): L22704.

BILOTTA G S, BRAZIER R E, 2008. Understanding the influence of suspended solids on water quality and aquatic biota[J]. Water Research, 42(12): 2849–2861.

DOGLIOTTI A I, RUDDICK K, GUERRERO R, 2016. Seasonal and inter-annual turbidity variability in the Río de la Plata from 15 years of MODIS: El Ni?o dilution effect[J]. Estuarine, Coastal and Shelf Science, 182: 27–39.

DYER K R, CHRISTIE M C, FEATES N, et al, 2000. An investigation into processes influencing the Morphodynamics of an intertidal mudflat, the Dollard estuary, the Netherlands: I. hydrodynamics and suspended sediment[J]. Estuarine, Coastal and Shelf Science, 50(5): 607–625.

ELIAS E P L, VAN DER SPEK A J F, WANG Z B, et al, 2012. Morphodynamic development and sediment budget of the Dutch Wadden Sea over the last century[J]. Netherlands Journal of Geosciences, 91(3): 293–310.

FITZENBERGER B, HUJER R, MACURDY T E, et al, 2001. Testing for uniform wage trends in West-Germany: A cohort analysis using quantile regressions for censored data[J]. Empirical Economics, 26(1): 41–86.

FRANZKE C L E, 2015. Local trend disparities of European minimum and maximum temperature extremes[J]. Geophysical Research Letters, 42(15): 6479–6484.

HE QUANJUN, CHEN CHUQUN, 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.

LI MING, ZHONG LIEJUN, BOICOURT W C, et al, 2007. Hurricane-induced destratification and restratification in a partially-mixed estuary[J]. Journal of Marine Research, 65(2): 169–192.

LI XUEJIE, DAMEN M C J, 2010. Coastline change detection with satellite remote sensing for environmental management of the Pearl River Estuary, China[J]. Journal of Marine Systems, 82 Suppl: S54–S61.

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.

MOREIRA D, SIMIONATO C G, GOHIN F, et al, 2013. Suspended matter mean distribution and seasonal cycle in the Río de La Plata estuary and the adjacent shelf from ocean color satellite (MODIS) and in-situ observations[J]. Continental Shelf Research, 68: 51–66.

PARTAL T, KAHYA E, 2006. Trend analysis in Turkish precipitation data[J]. Hydrological Processes, 20(9): 2011–2026.

PETUS C, MARIEU V, NOVOA S, et al, 2014. Monitoring spatio-temporal variability of the Adour River turbid plume (Bay of Biscay, France) with MODIS 250-m imagery[J]. Continental Shelf Research, 74: 35–49.

RHINES A, MCKINNON K A, TINGLEY M P, et al, 2017. Seasonally resolved distributional trends of North American temperatures show contraction of winter variability[J]. Journal of Climate, 30(3): 1139–1157.

RUFF T W, NEELIN J D, 2012. Long tails in regional surface temperature probability distributions with implications for extremes under global warming[J]. Geophysical Research Letters, 39(4): L04704.

SCULLY M E, FRIEDRICHS C, BRUBAKER J, 2005. Control of estuarine stratification and mixing by wind-induced straining of the estuarine density field[J]. Estuaries, 28(3): 321–326.

SEN P K, 1968. Estimates of the Regression Coefficient Based on Kendall's Tau[J]. Journal of the American Statistical Association, 63(324): 1379–1389.

SHI ZHEN, XU JIE, HUANG XIAOPING, et al, 2017. Relationship between nutrients and plankton biomass in the turbidity maximum zone of the Pearl River Estuary[J]. Journal of Environmental Sciences, 57: 72–84.

TABARI H, MAROFI S, AEINI A, et al, 2011. Trend analysis of reference evapotranspiration in the western half of Iran[J]. Agricultural and Forest Meteorology, 151(2): 128–136.

VAN MAREN D S, VAN KESSEL T, CRONIN K, et al, 2015. The impact of channel deepening and dredging on estuarine sediment concentration[J]. Continental Shelf Research, 95: 1–14.

VAN MAREN D S, OOST A P, WANG Z B, et al, 2016. The effect of land reclamations and sediment extraction on the suspended sediment concentration in the Ems Estuary[J]. Marine Geology, 376: 147–157.

WANG CHONGYANG, LI WEIJIAO, CHEN SHUISEN, et al, 2018. The spatial and temporal variation of total suspended solid concentration in Pearl River Estuary during 1987–2015 based on remote sensing[J]. Science of the Total Environment, 618: 1125–1138.

WANG HONGQING, HLADIK C M, HUANG WENRUI, et al, 2010. Detecting the spatial and temporal variability of chlorophyll-concentration and total suspended solids in Apalachicola Bay, Florida using MODIS imagery[J]. International Journal of Remote Sensing, 31(2): 439–453.

WANG HOUJIE, YANG ZUOSHENG, SAITO Y, et al, 2007. Stepwise decreases of the Huanghe (Yellow River) sediment load (1950–2005): Impacts of climate change and human activities[J]. Global and Planetary Change, 57(3–4): 331–354.

WANG MENGHUA, GORDON H R, 1994. A simple, moderately accurate, atmospheric correction algorithm for SeaWiFS[J]. Remote Sensing of Environment, 50(3): 231–239.

WANG SHUAI, FU BOJIE, PIAO SHILONG, et al, 2016. Reduced sediment transport in the Yellow River due to anthropogenic changes[J]. Nature Geoscience, 9(1): 38–41.

WONG L A, CHEN J C, XUE H, et al, 2003. A model study of the circulation in the Pearl River Estuary (PRE) and its adjacent coastal waters: 1. Simulations and comparison with observations[J]. Journal of Geophysical Research: Oceans, 108(C5): 3156.

WU C S, YANG S L, LEI YAPING, 2012. Quantifying the anthropogenic and climatic impacts on water discharge and sediment load in the Pearl River (Zhujiang), China (1954–2009)[J]. Journal of Hydrology, 452–453: 190–204.

WU Z Y, SAITO Y, ZHAO D N, et al, 2016. Impact of human activities on subaqueous topographic change in Lingding Bay of the Pearl River estuary, China, during 1955–2013[J]. Scientific Reports, 6: 37742.

XU KEHUI, MILLIMAN J D, YANG ZUOSHENG, et al, 2006. Yangtze sediment decline partly from Three Gorges Dam[J]. Eos Transactions American Geophysical Union, 87(19): 185–190.

YANG S L, ZHANG J, ZHU J, et al, 2005. Impact of dams on Yangtze River sediment supply to the sea and delta intertidal wetland response[J]. Journal of Geophysical Research: Earth Surface, 110(E3): F03006.

YE HAIBIN, CHEN CHUQUN, TANG SHILIN, et al, 2014. Remote sensing assessment of sediment variation in the Pearl River Estuary induced by Typhoon Vicente[J]. Aquatic Ecosystem Health & Management, 17(3): 271–279.

YUE S, HASHINO M, 2003. Temperature trends in Japan: 1900–1996[J]. Theoretical and Applied Climatology, 75(1–2): 15–27.

ZHANG WEI, MU SHOUSHENG, ZHANG YANJING, et al, 2011. Temporal variation of suspended sediment load in the Pearl River due to human activities[J]. International Journal of Sediment Research, 26(4): 487–497.

ZHANG XINFENG, TANG DANLING, LI ZIZHEN, et al, 2009. The effects of wind and rainfall on suspended sediment concentration related to the 2004 Indian Ocean tsunami[J]. Marine Pollution Bulletin, 58(9): 1367–1373.

Quantile trend analysis for suspended sediment concentration in the Pearl River Estuary based on remote sensing

ZHAN Weikang1,2, WU Jie1,2, WEI Xing1, TANG Shilin1, ZHAN Haigang1

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

Suspended sediment concentration (SSC) in the Pearl River Estuary (PRE) during 2003-2015 was studied based on Moderate Resolution Imaging Spectroradiometer (MODIS) Level-1B product and in-situ measurements. The data were further used to analyze quantile trends and corresponding influence factors. The results showed that the SSC in the PRE displayed a decreasing trend, with an averaged SSC reduction rate of about1.03 mg·L–1·yr–1. The SSC in the regions near the river outlets and northeast part of the estuary suffered from much stronger decreases, which could be up to 4.0 mg·L–1·yr–1during 2003-2015. Decreasing rate in high SSC were generally larger than those in low SSC, with a marked spatial difference. Low percentile of the SSC suffered from a stronger decline in the regions north of Qiao Island, with an increase in the variance of the distribution, while remarkable trends of high percentile of SSC occurred in the Humen outlet, northeastern coast of Longxue Island and regions near the East Channel, with corresponding decreases in the variance of the distribution. The quantile trends in the PRE were influenced by many factors. The seasonal variation of dam-induced reduction of the sediment load into the PRE contributed to most of the low-percentile SSC decreases north of Qiao Island. The subaqueous topographic change in the PRE induced by human activities dominated the high-percentile SSC trends in the Humen outlet, northeastern coast of Longxue Island, southern West Shoal, and regions near the East Channel. The decrease of the wind speed over the PRE also affected the high-percentile SSC trend in the southern West Shoal by weakening wind mixing in the boundary layer.

Suspended sediment concentration; MODIS; Pearl River Estuary; quantile trend

P333.4; TV148

A

1009-5470(2019)03-0032-11

10.11978/2018101

2018-10-09;

2018-11-06。林強(qiáng)編輯

廣州市科技項(xiàng)目(201607020042); 熱帶海洋環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室自主研究項(xiàng)目(LTOZZ1503)

詹偉康(1991—), 男, 廣東省潮州市人, 博士研究生, 主要從事河口懸沙遙感研究。E-mail: zhanweikang13@mails.ucas.ac.cn

詹海剛。E-mail: hgzhan@scsio.ac.cn

*致謝: 感謝熱帶海洋環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室陳楚群研究員為本研究工作提供寶貴航次資料。

2018-10-09;

2018-11-06. Editor: LIN Qiang

Science and Technology Program of Guangzhou, China (201607020042); Self-research Program of the State Key Laboratory of Tropical Oceanography (LTOZZ1503)

ZHANHaigang. E-mail: hgzhan@scsio.ac.cn

Acknowledgements: We are very grateful to Prof. CHEN Chuqun for providing the oceanic cruises data.