金塘水道懸沙場(chǎng)遙感反演及數(shù)值模擬

蒯 宇，陶建峰*，康彥彥

（1. 河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 南京 210098；2.河海大學(xué)港口海岸與近海工程學(xué)院, 南京 210098）

金塘水道懸沙場(chǎng)遙感反演及數(shù)值模擬

蒯 宇1,2，陶建峰1,2*，康彥彥2

（1. 河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 南京 210098；2.河海大學(xué)港口海岸與近海工程學(xué)院, 南京 210098）

基于GOCI遙感數(shù)據(jù)，通過(guò)三種遙感模型的比較，選擇了精度較高的神經(jīng)網(wǎng)絡(luò)模型，對(duì)2015年6月大潮時(shí)期的懸沙場(chǎng)進(jìn)行解譯，并建立了二維潮流泥沙數(shù)學(xué)模型對(duì)同時(shí)段的懸沙場(chǎng)進(jìn)行了模擬。比較遙感解譯與數(shù)模的結(jié)果得到：金塘水道懸沙場(chǎng)呈現(xiàn)北高南低的分布特征，時(shí)間上具有明顯的周期性，漲潮時(shí)懸沙量逐漸減小，落潮時(shí)逐漸增大；遙感解譯與數(shù)模模擬推算得到的水體表面的懸沙場(chǎng)在分布趨勢(shì)和量值上較為一致，為大范圍水域缺少泥沙分布資料的情況提供了一種可借鑒的研究方法。

金塘水道；遙感解譯；數(shù)值模擬；懸沙輸移

金塘水道是一條由潮流長(zhǎng)期沖蝕作用形成的峽道型潮汐通道[1]，是連接杭州灣南岸海域與外海的潮汐通道之一（圖1）。金塘水道南岸為寧波北侖港區(qū)，東北側(cè)為金塘島和大鵬山，西北部與杭州灣灰鱉洋相接，東部與穿山水道、冊(cè)子水道、螺頭水道相連，交匯于大榭島[2]。通常情況下，潮汐通道沿岸擁有較為豐富的深水港口及航道資源，對(duì)周?chē)鷧^(qū)域的經(jīng)濟(jì)發(fā)展有這重要的意義[3]。

圖1 金塘水道位置及網(wǎng)格測(cè)點(diǎn)圖Fig.1 Locations of the Jintang Channel, grid and observation points

研究金塘水道的懸沙場(chǎng)分布特性對(duì)研究類(lèi)似淺海及河口地區(qū)潮汐通道中泥沙輸移特征和沉積動(dòng)力學(xué)具有重要意義。目前已有不少學(xué)者對(duì)該區(qū)域的泥沙組分[4-6]、懸沙輸移[4,7]和再懸浮特性[8]進(jìn)行了研究。這些研究多基于多點(diǎn)或多個(gè)斷面的實(shí)測(cè)或歷史資料進(jìn)行，對(duì)金塘水道的懸沙特性有了一定的認(rèn)識(shí)，但受實(shí)際點(diǎn)位控制，難以給出空間上較高分辨率的分布并分析含沙量宏觀分布趨勢(shì)。隨著社會(huì)經(jīng)濟(jì)的發(fā)展，金塘水道附近人類(lèi)活動(dòng)日趨頻繁，需要對(duì)該區(qū)域的水沙特性和時(shí)空分布有更為清晰的認(rèn)識(shí)。遙感解譯及潮流泥沙數(shù)學(xué)模型可以更加具體的描述研究區(qū)域的懸沙運(yùn)動(dòng)過(guò)程，并給出相應(yīng)的時(shí)空分布規(guī)律，在定量預(yù)測(cè)水沙動(dòng)力過(guò)程的研究和應(yīng)用中已起著不可替代的作用。

基于GOCI（Geostationary Ocean Color Imager）遙感數(shù)據(jù)，建立了三種遙感反演模型，并根據(jù)2015年實(shí)測(cè)泥沙資料對(duì)三種模型的精度進(jìn)行比較，選擇了最優(yōu)的模型。將遙感反演得到的懸沙場(chǎng)與所建立二維潮流泥沙數(shù)學(xué)模型模擬得到的懸沙場(chǎng)進(jìn)行比較，并分析了金塘水道的懸沙輸運(yùn)特性，成果可為區(qū)域輸沙格局以及沖淤演變的研究提供借鑒和參考。

1 遙感數(shù)據(jù)

本次懸沙場(chǎng)反演采用多時(shí)相GOCI遙感數(shù)據(jù)。GOCI是新一代海洋水色遙感器，搭載在韓國(guó)2010 年發(fā)射的首顆地球靜止氣象衛(wèi)星COMS上，主要用來(lái)監(jiān)測(cè)朝鮮半島周?chē)暮Ｑ笏珔?shù)（如葉綠素、懸沙場(chǎng)等），其幅面能夠覆蓋我國(guó)東中國(guó)海區(qū)。GOCI 遙感影像的精度較高，其輻射校正誤差小于3.8%，地面采樣距離為500 m，覆蓋面積2 500 km×2 500 km（以130°E、36°N為中心），有B1～B8共8個(gè)波段，即412～865 nm之間，時(shí)間分辨率為1 h，對(duì)應(yīng)時(shí)間為北京時(shí)間8:00～15:00，每個(gè)小時(shí)獲取一景數(shù)據(jù)，數(shù)據(jù)更新快。

為了反映出懸沙場(chǎng)的日變化特征和季節(jié)變化特征，選取了2015年6月6日與5月12日共14景天氣晴朗、質(zhì)量高的GOCI遙感數(shù)據(jù)，經(jīng)過(guò)幾何糾正后待用（糾正精度在1個(gè)象元內(nèi)）。為了檢驗(yàn)遙感反演懸沙數(shù)據(jù)的合理性，采用2015年6月泥沙測(cè)驗(yàn)資料率定遙感反演參數(shù)，實(shí)測(cè)點(diǎn)位的布置參見(jiàn)圖1。

2 懸沙反演模型

利用遙感技術(shù)反演水體的懸浮泥沙濃度的核心是建立海水光譜反射率與懸浮泥沙濃度之間的定量數(shù)學(xué)關(guān)系。以GOCI為遙感數(shù)據(jù)源，采用ENVI公司自帶的快速大氣校正模塊，開(kāi)展大氣校正，并就大氣校正結(jié)果進(jìn)行杭州灣甬江口海域的適用性分析，進(jìn)而根據(jù)大氣校正的離水輻射亮度值信息反演懸浮泥沙。根據(jù)實(shí)測(cè)懸沙濃度數(shù)據(jù)以及GOCI圖像波段離水輻射亮度信息，對(duì)比了三種反演模型（線性回歸模型、半經(jīng)驗(yàn)半分析模型和神經(jīng)網(wǎng)絡(luò)模型）的精度，確定出最優(yōu)模型，為后續(xù)的懸沙變化特征分析提供數(shù)據(jù)支撐。

圖2 2015年6月6日與18日潮位過(guò)程比較Fig.2 Comparison of tidal processes in 2015-06-06 and 2015-06-18

表1 各波段反射率與實(shí)測(cè)懸沙濃度相關(guān)性分析Tab.1 Correlation analysis of the reflectivities at different wave bands and the measured SSC

2.1 線性回歸模型

由于無(wú)法獲取與水文測(cè)驗(yàn)時(shí)間完全一致的清晰遙感數(shù)據(jù)，按照潮位相似性原理(圖2給出了鎮(zhèn)?？谡?015年6月份兩個(gè)大潮期的潮位過(guò)程)，對(duì)應(yīng)6月18日大潮期間10:00，11:00，12:00的V1～V10的30組懸沙濃度數(shù)據(jù)，分別選取6月6日11:16，12:16，13:16三景GOCI圖像，該三個(gè)時(shí)間點(diǎn)數(shù)據(jù)采用線性內(nèi)插的方法得到，前兩景圖作為模型構(gòu)建數(shù)據(jù)，第三景圖作為精度檢驗(yàn)。

通過(guò)對(duì)遙感反射率與對(duì)應(yīng)實(shí)測(cè)含沙量相關(guān)性分析，得到相關(guān)性表（表1），從表1可知，GOCI圖像的B7波段對(duì)應(yīng)的R反射率值與實(shí)測(cè)懸浮泥沙濃度值相關(guān)性最高，相關(guān)系數(shù)都在0.8以上，因此B7波段可作為特征波段參與懸浮泥沙濃度反演。

以兩景圖的B7波段和實(shí)測(cè)懸沙值（20組數(shù)據(jù)：14組擬合訓(xùn)練，6組測(cè)試評(píng)價(jià)）建立回歸模型，得到懸沙濃度（SSC）反演公式如下（其中R745為B7波段）

利用剩余6組實(shí)測(cè)數(shù)據(jù)對(duì)反演模型進(jìn)行精度檢驗(yàn)：均方根誤差為0.22 kg/m3，平均相對(duì)誤差為36.84%，R2為0.804（見(jiàn)圖3）。

2.2 半經(jīng)驗(yàn)半分析模型

半經(jīng)驗(yàn)半分析模型通過(guò)結(jié)合輻射傳輸模型、生物光學(xué)模型和經(jīng)驗(yàn)方程實(shí)現(xiàn)水體組分的反演。半分析方法需要實(shí)測(cè)的光譜數(shù)據(jù)來(lái)建立海洋水色模型，然后通過(guò)近似關(guān)系對(duì)模型化簡(jiǎn)，減少未知量的個(gè)數(shù)和相互依賴(lài)關(guān)系，利用多波段數(shù)據(jù)獲取代數(shù)方程組，求解方程組，得到水體組分濃度。下式給出了懸沙濃度冪指數(shù)模式的半分析模型

式中：a、b為待定常數(shù)。圖4采用14組數(shù)據(jù)構(gòu)建方程，采用最小二乘法確定得到a=-1.512，b=0.600 4。利用剩余6組實(shí)測(cè)數(shù)據(jù)對(duì)反演模型進(jìn)行精度檢驗(yàn)：均方根誤差為0.15 kg/m3，平均相對(duì)誤差為23.57%，R2為0.823。

采用髖關(guān)節(jié)功能Harris評(píng)分標(biāo)準(zhǔn)，對(duì)患者髖關(guān)節(jié)功能進(jìn)行評(píng)分，評(píng)分范圍0～100分，分?jǐn)?shù)越高則代表患者的髖關(guān)節(jié)功能恢復(fù)情況越好。

2.3 神經(jīng)網(wǎng)絡(luò)模型

利用實(shí)測(cè)光譜數(shù)據(jù)，構(gòu)建包含一個(gè)雙隱含層的BP 網(wǎng)絡(luò)模型。輸入層為根據(jù)GOCI 數(shù)據(jù)中心波長(zhǎng)提取的遙感反射率數(shù)據(jù)集，共有8個(gè)神經(jīng)元。輸出層為懸浮泥沙濃度數(shù)據(jù)，共1個(gè)神經(jīng)元。隱含層接受輸入層的數(shù)據(jù)，神經(jīng)元個(gè)數(shù)的設(shè)置影響結(jié)果的精確性和計(jì)算的速度，利用循環(huán)程序確定最佳隱含層神經(jīng)元個(gè)數(shù)。選取14組數(shù)據(jù)作為學(xué)習(xí)階段數(shù)據(jù)，6組數(shù)據(jù)用來(lái)模型精度的檢驗(yàn)，均方根誤差為0.09 kg/m3，平均相對(duì)誤差為10.45%（見(jiàn)圖5）。

2.4 三種模型精度對(duì)比分析

以2015年6月6日13:16分的GOCI圖像為例，通過(guò)與實(shí)測(cè)懸沙濃度數(shù)據(jù)的比較，并統(tǒng)計(jì)模型反演結(jié)果與實(shí)測(cè)值的誤差，三個(gè)模型的絕對(duì)平均誤差分別是0.20, 0.16和0.10 kg/m3（圖6），相對(duì)誤差分別是38%，23%和21%。可見(jiàn)，神經(jīng)網(wǎng)絡(luò)方法的精度最好，可進(jìn)一步地用于反演懸沙場(chǎng)，分析懸沙場(chǎng)變化特征。

3 平面二維潮流泥沙數(shù)學(xué)模型

3.1 基本方程

在平面尺度較大海域的水流計(jì)算中，描述水流基本運(yùn)動(dòng)的Navie-Stokes方程可簡(jiǎn)化為沿水深平均的平面二維淺水方程。由于金塘水道底沙粒徑較細(xì)，其中值粒徑與懸浮顆粒的中值粒徑接近[4-5]，可認(rèn)為該區(qū)域泥沙運(yùn)動(dòng)主要以懸沙為主。基本方程表述形式如下。

連續(xù)性方程

動(dòng)量守恒方程

懸沙輸運(yùn)方程

圖3 線性回歸模型結(jié)果Fig.3 Results of the linear regression model

圖4 半經(jīng)驗(yàn)半分析模型結(jié)果Fig.4 Results of the semi-empirical analysis model

圖5 神經(jīng)網(wǎng)絡(luò)估算泥沙濃度與實(shí)測(cè)濃度線性回歸結(jié)果Fig.5 Linear regression results of the SSC computed by the neural network model and the measured SSC

式中：t為時(shí)間；ξ、η為正交曲線坐標(biāo)；Gξ、Gη為正交曲線坐標(biāo)系中的拉梅系數(shù)；U、V分別為ξ、η方向沿水深平均的流速分量；ζ為潮位；H為全水深；d為靜止水深；f = 2ωsinφ為科氏力系數(shù)（ω為地球自轉(zhuǎn)角速度，φ為計(jì)算水域的地理緯度）；g為重力加速度；ρ為水體密度；τξξ、τζη、τηξ、τηη為紊動(dòng)切應(yīng)力；τsξ、τsη為表面風(fēng)應(yīng)力；τbξ、τbη為底部床面阻力；S為垂線平均含沙量，υs為泥沙擴(kuò)散系數(shù)，E、D分別為床面泥沙沖刷和淤積量。

3.2 模型區(qū)域及定解條件

甬江口外海域島嶼眾多、岸線曲折、水下地形復(fù)雜。為此，網(wǎng)格剖分時(shí)根據(jù)地形變化的劇烈程度及計(jì)算區(qū)域的重要差異采用不等距正交曲線網(wǎng)格，能較好得貼合岸線邊界。為了精細(xì)地模擬金塘水道的懸沙場(chǎng)，考慮到甬江的徑流對(duì)金塘水道的水動(dòng)力的影響，模型計(jì)算范圍上游邊界取至澄浪堰，外海邊界南起金塘水道與螺頭水道水道交界處，北至灰鱉洋（圖1）。模型在金塘水道處網(wǎng)格步長(zhǎng)取約為50 m，甬江河道內(nèi)網(wǎng)格步長(zhǎng)約為10 m，為了便于辨認(rèn)，圖1中所示網(wǎng)格為變疏了2倍的網(wǎng)格。

模型計(jì)算時(shí)初始潮位取初始時(shí)刻各邊界點(diǎn)潮位的平均值，初始流速取為0；由于懸沙輸移比潮流動(dòng)力趨于穩(wěn)定的時(shí)間更長(zhǎng)，含沙量給定一初值。

模型外海邊界潮位給定全球潮波模型TPXO[9]中13個(gè)分潮（M2、S2、N2、K2、K1、O1、P1、Q1、MF、MM、M4、MS4、MN4）的調(diào)和常數(shù)，并由下式

計(jì)算對(duì)應(yīng)時(shí)刻的潮位值。式中：A0為平均海平面，Hk、Gk、fk、ωk、(v0+u)k分別為對(duì)應(yīng)第k個(gè)分潮的振幅、遲角、交點(diǎn)因子、角速度和初始相位。模型上游邊界根據(jù)澄浪堰測(cè)站實(shí)測(cè)流量時(shí)間序列給定，其平均大小約為400 m3/s。模型外海邊界均采用平衡輸沙條件，上游邊界均根據(jù)站點(diǎn)實(shí)測(cè)含沙量外推給定。閉邊界處采用不可入條件，即法向流速大小和含沙量梯度為0。

圖6 三個(gè)模型反演結(jié)果與實(shí)測(cè)對(duì)比（以6月6日13:16分圖像為對(duì)象）Fig.6 Comparison between the simulated results by three models and the measured data (based on the image taken at 13:16, 2015-06-06)

模型曼寧糙率系數(shù)給0.018～0.02。泥沙沉速取絮團(tuán)顆粒極限粒徑(0.037 mm)的沉速，即0.5 mm/ s。模型中沉積和再懸浮泥沙通量采用Partheniades-Krone（1965） 公式計(jì)算，其中臨界淤積切應(yīng)力取值為1 000 N/ m2[11]，臨界沖刷切應(yīng)力根據(jù)現(xiàn)場(chǎng)和室內(nèi)實(shí)驗(yàn)研究取值為0.5～0.6 N/m2，泥沙沖刷系數(shù)M根據(jù)床面泥沙容重取值為0.000 1～0.000 4 kg/m2s。

3.3 模型驗(yàn)證

圖7 懸沙濃度驗(yàn)證Fig.7 Suspended sediment concentration validation

模型驗(yàn)證利用2015年6月潮實(shí)測(cè)水文泥沙資料。如圖1所示，在鎮(zhèn)?？谟^測(cè)潮位，在V1～V10測(cè)點(diǎn)測(cè)量潮流、采集沙樣。比較這些驗(yàn)證點(diǎn)的計(jì)算值與實(shí)測(cè)值，結(jié)果表明，無(wú)論是潮位、潮流還是含沙量，計(jì)算值與實(shí)測(cè)值相差較小，過(guò)程吻合較好。限于篇幅，潮位、潮流驗(yàn)證曲線從略，僅給出了金塘水道內(nèi)四個(gè)有代表性的測(cè)點(diǎn)的懸沙濃度驗(yàn)證驗(yàn)證曲線（圖7）。

4 結(jié)果與分析

4.1 遙感解譯懸沙場(chǎng)

選取了洪季大潮2015年6月6日（漲潮期6景）與5月12日（落潮期8景）GOCI遙感影像數(shù)據(jù)，其中鎮(zhèn)?？谡境蔽蝗≌c(diǎn)時(shí)刻數(shù)據(jù)。基于神經(jīng)網(wǎng)絡(luò)懸沙反演模型，反演了金塘水道表層的懸沙濃度，因?yàn)轲谕夂Ｓ驗(yàn)榘肴粘焙^(qū)，因此14景懸沙濃度場(chǎng)能夠完整覆蓋漲落潮周期，可以用于分析一個(gè)漲落潮周期內(nèi)的懸沙場(chǎng)變化特征，其鎮(zhèn)?？谡靖叩统睍r(shí)刻的懸沙場(chǎng)如圖8所示。

圖8 遙感解譯懸沙場(chǎng)Fig.8 Remote sensing interpretive SSC field

圖9 水體表層與垂線平均SSC相關(guān)關(guān)系Fig.9 Relationship between the water surface and depth averaged SSC

金塘水道位于杭州灣南岸邊緣，受潮汐影響，懸沙濃度場(chǎng)的日變化劇烈。從懸沙場(chǎng)平面分布特征分析，金塘水道北部淺灘海域懸浮泥沙濃度偏高，其主要受到杭州灣南岸庵東—鎮(zhèn)海沿岸懸沙高濃度區(qū)影響，而金塘島周邊及甬江口以南的舟山群島海域懸浮泥沙濃度較低，地形因素也是影響懸沙分布的主要因素。在時(shí)間尺度上，漲潮時(shí)，水流擾動(dòng)大量淺水海域泥沙懸浮，懸浮泥沙濃度增大，且在流速最大稍后一段時(shí)間內(nèi)懸沙濃度達(dá)到最高值，且高值區(qū)隨著水流向SE—NW移動(dòng)，直到高潮時(shí)，流速減弱，懸沙沉降，金塘水道懸沙濃度普遍處于低值。落潮時(shí)，水流攜帶懸浮泥沙向NW—SE移動(dòng)，金塘水道北部海域的高懸沙區(qū)逐步向南移動(dòng)，到達(dá)甬江口外，因此金塘水道在落潮時(shí)，懸沙濃度普遍較高，高濃度區(qū)在1 kg/m3以上，隨著時(shí)間推移，懸沙濃度在低潮位時(shí)達(dá)到最高。而隨之的漲潮過(guò)程，則懸沙濃度場(chǎng)又再一次呈現(xiàn)逐步減小的趨勢(shì)，如此呈現(xiàn)明顯的周期性。

綜上，金塘水道懸沙場(chǎng)呈現(xiàn)北側(cè)高，南側(cè)低的分布特征。時(shí)間上具有明顯的周期性，漲潮時(shí)逐步減小，落潮時(shí)逐步增大。也間接反映了金塘水道泥沙大部分由其北側(cè)長(zhǎng)江口及杭州灣的泥沙在海岸動(dòng)力的條件下向南輸移而來(lái)，與前人研究結(jié)果[4,12]一致。

4.2 遙感結(jié)果與數(shù)模結(jié)果對(duì)比

林壽仁等[13]早在1985年就提出在我國(guó)東海海區(qū)表層和垂線平均懸沙量之間存在線性關(guān)系，此后劉咪咪[14]在研究東海懸沙濃度垂向分布規(guī)律時(shí)也驗(yàn)證了此關(guān)系，劉紅等[15]在推算洋山深水港水深平均的含沙量時(shí)也建立了水體表層含沙量與垂線平均含沙量的線性關(guān)系，王繁等[16]經(jīng)研究發(fā)現(xiàn)杭州灣0.2H處的含沙量與垂線平均含沙量表現(xiàn)出明顯的相關(guān)性。因此可以根據(jù)垂線平均懸沙量推算海面懸浮泥沙濃度。圖9根據(jù)V1～V10測(cè)站大潮期間的垂線平均含沙濃度和表層含沙濃度C0的實(shí)測(cè)資料，擬合得到如下關(guān)系

為了便于比較數(shù)模模擬結(jié)果與遙感解譯結(jié)果，將數(shù)模模擬得到的2015年6月大潮鎮(zhèn)?？谡靖?、低潮時(shí)金塘水道的水深平均懸沙場(chǎng)經(jīng)（8）式推算得到同時(shí)刻水體表層懸沙場(chǎng)（圖10）。對(duì)于數(shù)模模擬推算得到的懸沙場(chǎng)，從分布趨勢(shì)上看，金塘水道北側(cè)含沙量明顯高于南側(cè)含沙量，且高潮位時(shí)的全場(chǎng)含沙量低于低潮位時(shí)的含沙量，這與遙感解譯的懸沙場(chǎng)表現(xiàn)出來(lái)的特征一致。漲潮時(shí)東南向含沙量相對(duì)較低的水體沿金塘水道向杭州灣運(yùn)動(dòng)，最低含沙量不足0.2 kg/m3；落潮時(shí)高含沙量水體從杭州灣南部向南運(yùn)動(dòng)，經(jīng)灰鱉洋向金塘島南部海域運(yùn)動(dòng)，最高含沙量超過(guò)1 kg/m3，整體泥沙輸移趨勢(shì)與遙感解譯的結(jié)果也是一致的。從量值上看，數(shù)模模擬推算出的與遙感解譯的水體表面的含沙量也基本接近。數(shù)模模擬推算出的0.6 kg/m3含沙量等值線位于金塘島西側(cè)與大黃蟒山之間，且在落潮至低潮位時(shí)1 kg/m3的等值線與0.6 kg/m3的等值線距離較為接近，這與遙感解譯出的表層懸沙量表現(xiàn)出來(lái)的特征一致。綜上，進(jìn)一步證明了這種水體表層和垂線平均含沙量相互推算方法的可行性和合理性，也為大范圍水域缺少泥沙分布資料的情況提供了一種可借鑒的研究方法。

圖10 數(shù)模模擬推算表層懸沙場(chǎng)Fig.10 Deduced water surface SSC field by numerical model results

5 結(jié)論

通過(guò)三種遙感懸沙反演模型的精度比較，選出了合適的遙感解譯模型。將所選模型解譯得到的懸沙場(chǎng)與數(shù)模計(jì)算所得到的懸沙場(chǎng)進(jìn)行比較，得到：

（1）對(duì)于金塘水道區(qū)域，神經(jīng)網(wǎng)絡(luò)方法反演得到的懸沙量的精度最高，適合用來(lái)反演該區(qū)域的懸沙場(chǎng)。

（2）金塘水道懸沙場(chǎng)呈現(xiàn)北高南低的分布特征，時(shí)間上具有明顯的周期性，漲潮時(shí)懸沙量逐漸減小，落潮時(shí)逐漸增大。

（3）遙感解譯與數(shù)模模擬推算得到的水體表面懸沙輸運(yùn)趨勢(shì)和量值較為一致，為大范圍水域缺少泥沙分布資料的情況提供了一種可借鑒的研究方法。

[1] 孫英. 浙江金塘水道南岸的泥沙運(yùn)移[J]. 杭州大學(xué)學(xué)報(bào)(自然科學(xué)版), 1979(3): 87-104. SUN Y. Sediment Transport Along the South Coast of the Jintang Channel, Zhejiang Province[J]. Journal of Hangzhou University (Natural Science Edition), 1979(3): 87-104.

[2] 陳耕心. 金塘水道及其鄰近海域潮波和潮位特性[J]. 海洋通報(bào), 1989(4): 1-9. CHEN G X. Characteristics of tidal wave and level of the Jintang Channel and the adjacent sea area[J]. Marine Science Bulletin, 1989(4): 1-9.

[3] 倪云林，李伯根，詹明旭. 金塘水道沖淤變化分析[J]. 海洋通報(bào), 2012, 31(2): 146-153. NI Y L, LI B G, ZHAN M X. Analysis on scouring and silting variation in the Jintang Channel[J]. Marine Science Bulletin, 2012, 31(2): 146-153.

[4] 蔣文志，馬洪亮，王震. 甬江和口外金塘水道水沙特性及懸沙輸移分析[J]. 科學(xué)技術(shù)與工程, 2013(11): 3 162-3 166. JIANG W Z, MA H L, WANG Z. Analysis on flow-sediment characteristics and suspended sediment transport in Yongjiang River and the Jintang Channel[J]. Science Technology and Engineering, 2013(11): 3162-3166.

[5] 陳珺，嵇敏，張洪記，等. 甬江洪枯季水沙特性分析[J]. 水利水運(yùn)工程學(xué)報(bào)，2012(5): 48-54. CHEN J, JI M, ZHANG H J, et al. Analysis of water and sediment characteristics during flood and low water period of Yong River[J]. Hydro-Science And Engineering, 2012(5): 48-54.

[6] 馮應(yīng)俊，李炎，任吉川. 金塘水道地形、底質(zhì)與沉積環(huán)境[J]. 海洋通報(bào), 1989(4): 67-74.FENG Y J, LI Y, REN J C. Topography and recent sediment in the Jintang Channel[J]. Marine Science Bulletin, 1989(4): 67-74.

[7] 金魏芳，梁楚進(jìn)，周蓓鋒，等. 應(yīng)用走航式ADCP測(cè)量分析與驗(yàn)證金塘水道的高懸沙濃度[J]. 海洋學(xué)研究， 2009, 27(3): 31-39. JIN W F, LIANG C J, ZHOU B F, et al. Measurement and analysis of high suspended sediment concentration in Jintang Channel with vessel-mounted ADCP[J]. Journal of Marine Sciences, 2009, 27(3): 31-39.

[8] 李占海，高抒，沈煥庭. 金塘水道的懸沙輸運(yùn)和再懸浮作用特征[J]. 泥沙研究， 2006(3): 55-62. LI Z H, GAO S, SHEN H T. Processes of suspended sediment transport and resuspension in Jintang Channel[J]. Journal of Sediment Research, 2006(3): 55-62.

[9] Egbert G D, Erofeeva S Y. Efficient Inverse Modeling of Barotropic Ocean Tides[J]. Journal of Atmospheric and Oceanic Technology. 2002, 19(2): 183-204.

[10] Partheniades E A. Erosion and Deposition of Cohesive Soils[J]. World Journal of Biological Psychiatry the Official Journal of the World Federation of Societies of Biological Psychiatry, 1965, 2(4): 190-192.

[11] Edmonds D A, Slingerland R L. Significant effect of sediment cohesion on delta morphology[J]. Nature Geoscience, 2009, 3(2): 105-109.

[12] 高抒，張立人. 金塘水道潮流—懸沙相關(guān)性及其與再懸浮作用的關(guān)系[J]. 海洋通報(bào), 1989(4): 51-58. GAO S, ZHANG L R. Correlation between tidal current and SPM parameters and tidal resuspension in the Jintang Channel[J]. Marine Science Bulletin, 1989(4): 51-58.

[13] 林壽仁，陳立娣. 利用可見(jiàn)光遙感海水整層垂線平均懸沙濃度可能性的探討[J]. 東海海洋, 1985(3): 32-37. LIN S R, CHEN L D. A study on the possibility of determining vertical mean concentration of suspend material using optical remote sensing[J]. Donghai Marine Science, 1985(3): 32-37.

[14] 劉咪咪. 東海懸沙濃度垂向分布規(guī)律研究[D].北京：中國(guó)科學(xué)院研究生院（海洋研究所）, 2008.

[15] 劉紅，丁健，黃志揚(yáng)，等. 洋山深水港區(qū)年平均含沙量的推算[J]. 山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2012(4): 10-17. LIU H, DING J, HUANG Z Y, et al. Calculation of Average Annual Suspended Sediment Concentration in Yangshan Deepwater Port Area[J]. Journal of Shandong University of Science and Technology (Natural Science)， 2012(4): 10-17.

[16] 王繁，周斌，徐建明，等. 杭州灣懸浮泥沙濃度垂向分布規(guī)律分析與模擬[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版)， 2008(11): 2 028-2 032. WANG F, ZHOU B, XU J M, et al. Vertical distribution rule analysis and simulation of suspended sediment concentration in Hangzhou Bay[J]. Journal of Zhejiang University (Engineering Science)， 2008(11): 2 028-2 032.

Remote sensing research and numerical simulation of suspended sediment concentration field in the Jintang Channel

KUAI YU1,2,TAO Jian-feng1,2＊,KANG Yan-yan2
(1.State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China; 2.College of Harbor, Coastal and Offshore Engineering, Hohai University, Nanjing 210098, China)

Based on the data from the GOCI(Geostationary Ocean Color Imager), three different remote sensing models were compared and the neural network model with a relative higher accuracy was chosen to interpret the SSC (Suspended Sediment Concentration) fi eld during the spring tide in June 2015. A 2D tidal current and suspended sediment model was adopted to carry out numerical simulation of suspended sediment movement during the same period. Comparison results between the remote sensing interpretation and the numerical model show that the SSC is higher in the north part of the Jintang Channel than it in the south part, and it has a periodic characteristic that the SSC increases during the fl ood period and decreases during the ebb tide. The remote sensing results and deduced numerical model results are relatively similar in both water surface SSC distribution and magnitude, which provides a method for areas with large horizontal scales lacking SSC data.

Jintang Channel; remote sensing interpretation; numerical simulation; suspended sediment transport

P 748；O 242.1

A

1005-8443(2017)03-0228-07

2017-01-18；

2017-03-01

國(guó)家自然科學(xué)基金（51620105005）

蒯宇（1992-），男，江蘇鹽城人，碩士研究生，主要從事河口海岸水動(dòng)力與物質(zhì)輸運(yùn)研究。

*通訊作者：陶建峰（1980-），男，浙江武義人，博士，副教授，主要從事河口海岸水動(dòng)力與物質(zhì)輸運(yùn)研究。Email:aoetao@hhu.edu.cn。

Biography:KUAI Yu(1992-), male, master student.