黃河口懸浮泥沙時空動態(tài)及其驅動機制

褚言皓，吳文娟，李鵬，陳沈良*

(1.華東師范大學 河口海岸學國家重點實驗室，上海 200241；2.黃河河口海岸科學研究所，山東 東營 257091)

1 引言

河口海岸地區(qū)是河海相互作用的關鍵地帶，具有各種復雜的物理、化學和生態(tài)過程。大型河流源源不斷地向海洋輸送豐富的懸浮顆粒物質，不僅可以作為載體影響營養(yǎng)物和污染物的分布擴散，在促進近岸海域碳、氧和營養(yǎng)鹽的循環(huán)中也扮演重要角色[1-2]；同時，懸浮物質的輸運、沉降、再懸浮等物理過程對水下地形塑造，海岸線的侵蝕推進都有著重要影響[3]。此外，懸浮顆粒物可顯著增加海水濁度，并通過散射和吸收造成穿透海面的太陽光的衰減，是近岸海域初級生產力和氧循環(huán)的重要調節(jié)因子[4]。相應地，懸浮物質的輸運和時空動態(tài)也會對河口海岸地區(qū)復雜的自然環(huán)境和動力條件產生響應。河流的自然改道變遷[5]、徑流與輸沙[6]、潮汐與潮流[7]、風浪和風暴潮[8]等都對懸浮顆粒物時空變化具有驅動作用。因此，深入開展河口近岸海域懸浮顆粒物質時空動態(tài)特點以及驅動機制研究具有重要的科學意義。

黃河是中國第二大河，也是世界上含沙量最大的河流之一，以水少沙多著稱于世[9]，每年攜帶大量的泥沙進入半封閉的渤海，河口近岸海域存在高濃度的懸浮泥沙。近年來黃河入海水沙顯著減少，由水少沙多逐漸轉變?yōu)榭菟偕砙10-11]，特別是流域大型水庫建設和調水調沙等人類活動對入海水沙和近岸海域動力環(huán)境產生重要影響[12-14]。許多研究者通過原位數(shù)據(jù)觀測和數(shù)值模擬對黃河口懸浮泥沙的輸運和時空變化已做過大量研究[15-21]，但大面積現(xiàn)場同步觀測耗時費力且難度較大，數(shù)值模擬也有著精度不高等缺點。

衛(wèi)星遙感技術具有數(shù)據(jù)觀測空間范圍廣、時間序列長、成本低等特點，能夠彌補傳統(tǒng)方法的諸多不足，已廣泛應用于黃河口懸浮泥沙的研究。黃海軍等[22]較早開展黃河口高濁度水體光譜測量并與懸沙濃度建立回歸方程；樊輝等[23]利用Landsat TM/ETM+影像波段建立反演方程進行懸沙濃度估算，但并未利用實測數(shù)據(jù)對結果進行精度驗證；劉振宇等[24]利用Landsat 8影像建立黃河口懸沙反演的兩參數(shù)線性模型，Zhang等[25]針對Landsat TM 和Landsat ETM+影像建立了黃河口懸沙濃度反演的經驗模式，認為懸沙濃度季節(jié)性變化與黃河入海水沙和潮流有關；Qiu 等[26]利用Landsat 8 建立反演模型，僅對影響懸沙濃度的風浪和徑流量輸沙因素進行了探討；Shi 和Wang[27]利用MODIS 影像對黃渤海和東海懸浮物特性進行研究，發(fā)現(xiàn)年際和季節(jié)平均懸浮物濃度空間分布和變化受沉積物再懸浮驅動，再懸浮過程與季節(jié)性風和沉積物特性有關。眾多研究對黃河口懸沙濃度的反演模型精度最高可達到85%～90%以上[24-27]，且已從多個方面對黃河口懸沙濃度驅動因素進行深入分析，但不夠系統(tǒng)全面。迄今對黃河口懸沙濃度研究所使用衛(wèi)星影像的時間分辨率較低，通常為1 天或數(shù)天1 景，在研究以不規(guī)則半日潮為主的黃河口懸沙日變化和小時變化方面尚不能滿足需求。

韓國于2010 年發(fā)射的COMS 衛(wèi)星所攜帶的GOCI傳感器是世界上第一顆靜止軌道衛(wèi)星海洋水色傳感器，共有8 個波段（6 個可見光波段，2 個近紅外波段），空間分辨率為500 m，時間分辨率為1 h，成像時間為北京時間8:30-15:30，可以有效觀測黃河口懸沙濃度的短周期輸運特點和時空變化。因此，本文基于GOCI 衛(wèi)星影像結合實測數(shù)據(jù)，利用優(yōu)選出的反演算法，結合空間分析和數(shù)理統(tǒng)計方法，探究不同時間尺度黃河口懸沙濃度的分布特征，全面系統(tǒng)分析徑流輸沙、風、漲落潮、大小潮等因素對黃河口懸浮泥沙濃度輸運和時空分布特征的影響。

2 研究區(qū)概況

研究區(qū)域為現(xiàn)行黃河口及其鄰近海域，包括萊州灣北部和孤東近岸海域（圖1b 黑色虛線框）。研究區(qū)氣候主要為溫帶大陸性季風氣候區(qū)，四季分明，降水集中在夏季；研究區(qū)常風向為SSE 和E 向，強風向為NE 向，冬季和春季出現(xiàn)大風天的頻率較高，歷史上曾出現(xiàn)36.9 m/s 的極大風速值[28]。河口區(qū)及其鄰近海域潮汐類型主要是不規(guī)則半日潮，潮差較小屬于弱潮型河口[29]；與潮汐相對應，河口地區(qū)潮流主要為不規(guī)則半日潮流，以往復流為主，萊州灣和渤海灣以旋轉流為主[30]，漲潮流往南向萊州灣方向，落潮流向西北往渤海灣方向[31]；研究區(qū)波浪主要為風生浪，波浪方向和強度與盛行風的方向和強度相關，冬半年風浪方向偏北，夏半年風浪方向偏南。

圖1 研究區(qū)及懸沙實測點位Fig.1 Study area and sampling sites of suspended sediment concentration

3 材料與方法

3.1 實測數(shù)據(jù)

為獲得研究區(qū)表層懸沙濃度實測數(shù)據(jù)，分別于2017 年8 月6-9 日、2018 年8 月25-30 日、2019 年7 月12-15 日和2020 年9 月6 日在黃河口及其鄰近海域進行定點和走航式觀測，詳見表1，采樣點如圖1 所示。懸沙濃度數(shù)據(jù)測定采用抽濾烘干稱重法計算得到，由于影像質量受云的影響較大，本文選取影像質量較好的日期所對應的數(shù)據(jù)共84 組。其他數(shù)據(jù)包括孤東驗潮站2018 年逐時潮位和風速風向數(shù)據(jù)，還搜集了2018 年黃河口附近16 條斷面水下地形數(shù)據(jù)（圖1b）。

表1 懸沙濃度實測數(shù)據(jù)Table 1 Measured data of suspended sediment concentration

3.2 衛(wèi)星數(shù)據(jù)及預處理

所用GOCI 影像數(shù)據(jù)來自韓國海洋衛(wèi)星中心（KOSC）（表2），可獲取Level-1 和Level-2 兩類數(shù)據(jù)。本文選擇Level-1B 數(shù)據(jù)，該數(shù)據(jù)已經過輻射校正和幾何校正，但沒有經過大氣校正[32]。使用SeaDAS7.5.3進行大氣校正，SeaDAS 是由美國國家航空與航天局（NASA）開發(fā)的專門用于處理水色遙感數(shù)據(jù)的專業(yè)軟件，內含多種大氣校正算法，選用MUMM 算法進行大氣校正，該算法由Ruddick 等[33]于2000 年提出，對渾濁水體的大氣校正效果較好，得到廣泛應用[34-39]，在黃河口具有較好的適應性。

表2 所用GOCI 影像信息Table 2 GOCI imagery information used in this study

3.3 懸沙濃度遙感反演模型

針對GOCI 遙感影像的懸沙濃度反演算法中，較經典的是GOCI 官方處理軟件GDPS 內含的兩種反演算法，分別是YOC 算法[40]和Case2 算法[41]。YOC 算法是根據(jù)1998-2007 年在黃、東海收集的大量原位生物光學數(shù)據(jù)得出的區(qū)域經驗算法，開始主要應用于SeaWiFS 水色遙感傳感器數(shù)據(jù)，后廣泛用于GOCI影像的反演，函數(shù)形式為指數(shù)型多波段函數(shù)。Case2算法是根據(jù)韓國鄰近海域實測數(shù)據(jù)得出的區(qū)域經驗算法，適用于較渾濁水體的懸沙反演，函數(shù)形式為指數(shù)型多波段函數(shù)。此外，余佳[42]開發(fā)出利用MODIS數(shù)據(jù)反演黃、渤海懸沙濃度的指數(shù)模型，被多次應用，并被李陽東等[43]改進應用于GOCI 影像，函數(shù)形式為指數(shù)型單波段函數(shù)。Li 等[39]結合黃河口近岸海域實測數(shù)據(jù)，提出一種適用于黃河口鄰近海域的懸沙濃度反演算法，計算了22 年的懸浮顆粒物濃度，取得了較高的精度，函數(shù)形式為指數(shù)型多波段函數(shù)。

4 結果與分析

懸浮泥沙反演模型的選擇是研究黃河口懸浮泥沙時空動態(tài)及驅動機制的關鍵，因此首先需要對典型反演算法的優(yōu)劣進行比較，選取最適算法。河口及其鄰近海域懸沙的時空變化受徑流輸沙、風（浪）、潮汐，以及水深地形的影響和制約，為了闡明各影響因素對懸沙時空變化的驅動機制，針對某一因素選取適合的影像進行對比分析。

4.1 懸沙濃度反演模型的優(yōu)選

選取上述4 種GOCI 懸沙濃度反演模型的反演結果（表3），與懸沙濃度實測數(shù)據(jù)（表1）進行對比。利用3 個統(tǒng)計學參數(shù)對數(shù)據(jù)進行精度驗證，包括相關系數(shù)（R2）、均方根誤差（RMSE）和平均絕對百分比誤差（MAPE）。驗證結果如圖2 所示，從精度驗證結果看出，YOC 算法R2值為0.205 4，在高濃度值上反演結果不穩(wěn)定；Case2 算法R2值為0.619 6，對低濃度值的反演略高；余佳算法R2值為0.422 0，在低濃度值上反演結果過高；Li 算法R2值在4 種算法中最高，達到0.897 5，均方根誤差為20.18，絕對百分比誤差為18.03%，在4 種算法中精度最高?？偟膩碚f，反演精度非線性模型高于線性模型，多波段模型高于單波段模型，可見光波段在高濃度水體中會出現(xiàn)快速飽和情況，而近紅外波段與高濃度懸沙的反射率Rrs有很好的正相關性[44-45]。綜上，Li 算法在黃河口懸沙反演中的效果較好，能夠滿足研究需要，因此選用Li 算法進行懸沙反演。

表3 懸沙濃度反演模型列表Table 3 List of suspended sediment concentration inversion models

圖2 懸沙濃度反演與實測值散點圖Fig.2 Scatterplot of GOCI-derived versus measured suspended sediment concentration

4.2 徑流輸沙對懸沙濃度的影響

選取2018年7月16日和2017年7月8日進行對比，兩天都處于大潮期且潮差相似，分別為1.02 m和0.90 m，風速較小，風況為微風。主要區(qū)別在于2018 年7 月16 日利津站實測徑流量為2 520.00 m3/s，日輸沙量約為4.81×106t；2017 年7 月8 日利津站徑流量為440.00 m3/s，日輸沙量約為3.10×104t，兩日徑流和輸沙量相差較大，分別代表相似海洋動力條件下高、低徑流輸沙量情形。從圖3 反演得到的高、低徑流輸沙量的研究區(qū)日均懸沙濃度，可以看出在相似的海洋動力條件下，低徑流輸沙量黃河口懸沙向外擴散距離很短且濃度低，主要集中在口門處；而高徑流輸沙量黃河口懸沙向外擴散距離擴大，口門外海域受到影響，并且向孤東近岸方向擴散。

利用空間分析手段定量探究徑流輸沙對懸沙濃度空間分布的影響，設定懸沙濃度不小于150 mg/L為高濃度，確定高濃度懸沙分布范圍，結果如圖3 所示。低徑流輸沙情景下，高濃度懸沙主要集中在口門附近，大于150 mg/L 的面積為25.00 km2，150 mg/L 等值線距口門約3 km 處；最高值出現(xiàn)在口門附近，為386.34 mg/L，自近岸向外海懸沙濃度變化較小。高徑流輸沙情景下，高濃度懸沙向口門外擴散距離最遠可超過17.14 km 處，大于150 mg/L 面積達到316.00 km2；口門外最高懸沙濃度值達到1 377.62 mg/L，向外懸沙濃度急劇降低，具體情況見表4。上述現(xiàn)象表明，高徑流輸沙對懸沙濃度空間變化的影響在河口區(qū)大于其他區(qū)域、近岸大于遠岸，徑流輸沙可影響到距岸約17～20 km 處。

表4 不同情景下高濃度懸沙（不小于150 mg/L）情況Table 4 High-concentration suspended sediment (no less than 150 mg/L) under different scenarios

圖3 低（a）、高（b）徑流輸沙量條件下河口懸沙濃度分布對比Fig.3 Suspended sediment concentration distribution in the estuary under low (a) and high (b) fluvial sediment discharges

4.3 風對懸沙濃度的影響

黃河口近岸海域受季風影響大，許多研究從冬夏季或者月均數(shù)據(jù)來反映風對懸沙分布的影響，但將多時期數(shù)據(jù)平均后會掩蓋短期天氣變化造成的影響。因此，本文選擇具有風速明顯差異而其他條件相似的兩天進行對比，進一步闡明風對懸沙分布的影響。選取2018 年12 月13 日 和2018年11月1日兩天進行對比，兩日潮差相近（分別為0.96 m 和0.82 m），都屬于低徑流輸沙（徑流量分別為370 m3/s 和770 m3/s；日輸沙量分別為2.45×104t 和11.81×104t），主要區(qū)別在于二者風速不同，12 月13 日8 h 平均風速為8.9 m/s，11 月1 日風速為2.1 m/s，分別代表大風日和微風日。兩日反演結果如圖4 所示，大風日萊州灣中北部和孤東近岸懸沙濃度與微風日相比明顯增高，而入?？诟浇鼉扇諔疑碀舛认嗖畈淮?，主要是由于口門附近主要為徑流輸沙量所控制。

圖4 微風（a）和大風（b）情況下研究區(qū)懸沙濃度分布Fig.4 Suspended sediment concentration distribution in the study area on light (a) and gale (b) breeze days

微風情景下高濃度懸沙（不小于150 mg/L）主要集中在現(xiàn)行口門附近，面積為23.50 km2，高濃度懸沙最遠擴散到距岸約5 km 處；最高值出現(xiàn)在口門外，達到1 501.33 mg/L。大風情景下高濃度懸沙除現(xiàn)行河口外，萊州灣北部也出現(xiàn)高值區(qū)，高濃度懸沙面積達到783.00 km2，最高值依然出現(xiàn)在現(xiàn)行河口外，達到1 692.60 mg/L，高濃度懸沙在萊州灣北部可以擴散到距岸20 km 以上。

河口附近主要受徑流輸沙控制，風對懸沙濃度的影響較小，大風和微風情況下濃度差異并不大；相反距現(xiàn)行河口較遠的萊州灣中北部和老河口，大風和微風天氣下濃度差異巨大。因此，風對懸沙輸運的影響主要體現(xiàn)在偏北大風增加有效波高，引發(fā)強浪；同時水流流速增加，波-流聯(lián)合底床剪切應力大于底床侵蝕剪切應力，引起底沙強烈再懸浮。

4.4 漲落潮流對懸沙濃度的影響

選取2018 年7 月22 日8:30-15:30 共8 景GOCI影像對黃河口海域懸沙輸運的日變化特征進行分析。該日平均風速為5.05 m/s，屬于微風狀態(tài)，反演結果如圖5 所示。該日8:30-10:30、14:30-15:30 為落潮時段，10:30-14:30 為漲潮時段，研究區(qū)高濃度懸沙（不小于150 mg/L）集中在河口地區(qū)，主要來源于黃河入海輸送，老河口區(qū)和萊州灣北部懸沙變化并不強烈。高濃度懸浮泥沙輸運隨著漲落潮發(fā)生變化，其擺動變化方向和范圍在以往的研究中往往還停留在定性描述，對其定量表述能更直接詳細的體現(xiàn)懸沙濃度隨漲落潮的變化。

圖5 漲落潮各時段懸沙濃度分布Fig.5 Suspended sediment concentration variations during a tidal cycle

為定量描述擺動方向和范圍，本文以某一固定點為射線的端點（圖6 綠色圓圈）進行角度構建，現(xiàn)行河口近岸海域懸沙變化范圍大且明顯，老清水溝流路及萊州灣北部近岸懸沙濃度范圍變化很小，故變化角度的衡量主要在現(xiàn)行河口外的海域，運用ArcGIS 和CorelDRAW 軟件進行繪制測量。8:30-10:30 為落潮，潮流向西北往孤東方向流動，從150 mg/L 等值線擺動（圖6a）來看，高濃度懸沙在該時段往西北方向移動；其變化范圍（圖6b）向西增加約4°，東方向減小約24°，總度數(shù)減小約20°。10:30-14:30 為漲潮，潮流向南往萊州灣方向流動，高濃度懸沙該時段向東南移動，變化范圍向東南增加約47°，西方向減小24°，總度數(shù)增加約23°。14:30-15:30 為落潮，高濃度懸沙向西增加約3°，東方向減小約11°，總度數(shù)減小約8°，可見高濃度懸沙運移方向與漲落潮流方向有較好的一致性。

在其他相似條件下，漲落潮是造成1 日內懸沙濃度差異變動的主要原因，不僅體現(xiàn)在高濃度懸沙運移方向隨漲落潮方向發(fā)生改變，小時間斷面懸沙濃度值也有很大差異，通過提取同一位置逐時懸沙濃度值發(fā)現(xiàn)，其變化可大于100 mg/L，這一現(xiàn)象主要發(fā)生在現(xiàn)行河口近岸海域，老河口與萊州灣近岸小時間懸沙濃度變化小于100 mg/L；另從圖6 可看出，漲落潮對懸沙南北擴散影響大而對其向深水區(qū)擴散影響有限。上述現(xiàn)象發(fā)生的原因，一方面是漲落潮流挾帶懸沙在南北方向移動，造成同一位置不同時間懸沙濃度的巨大差異；另一方面漲落潮導致的水平和垂直剪切可能引起底部泥沙再懸浮。

圖6 漲落潮各時段高濃度懸沙（不小于150 mg/L）邊界與擺動角度Fig.6 Boundary and swing angle of high-concentration suspended sediment (no less than 150 mg/L)during each period of flood and ebb tides

4.5 大小潮對懸沙濃度的影響

為研究大、小潮期間懸沙時空變化差異，選取2018 年7 月22 日（小潮）和7 月16 日（大潮）進行分析。兩日風速相近（日均風速分別為5.05 m/s 和5.01 m/s），徑流和輸沙量基本相當（徑流量分別約為3 490 m3/s和2 520 m3/s，日輸沙量分別為1.079×107t 和4.81×106t），而7 月22 日潮差為0.49 m，7 月16 日為1.12 m。根據(jù)GOCI 影像反演得到的大、小潮的日平均懸沙濃度分布顯示（圖7），大潮期懸沙擴散范圍明顯大于小潮期。

圖7 小潮（a）與大潮（b）期間的懸沙濃度分布Fig.7 Suspended sediment concentration distribution at neap (a) and spring (b) tides

平均值反映的是日尺度上大、小潮懸沙濃度的差異，而標準差和變異系數(shù)能夠體現(xiàn)小時尺度上大、小潮懸沙濃度的絕對和相對變化。圖8a 與圖8b 分別是7 月22 日和7 月16 日懸沙濃度的標準差，22 日標準差在0.66～705.00 mg/L 之間變化，16 日標準差在0.78～833.00 mg/L之間變化。

圖8 小潮（a，c）與大潮（b，d）懸沙濃度標準差（a，b）及變異系數(shù)（c，d）Fig.8 The standard deviation (a,b) and coefficient of variation (c,d) of the suspended sediment concentration between the neap tide (a,c)and the spring tide (b,d)

大潮期間研究區(qū)懸沙濃度的絕對變化量大于小潮期間，標準差較大的區(qū)域主要集中在河口兩側和近岸區(qū)域，大潮較高的流速促進了底部沉積物的再懸浮。兩日的變異系數(shù)有著類似的特點，16 日變異系數(shù)在研究區(qū)近岸海域以及萊州灣北部出現(xiàn)明顯高值區(qū)，說明大潮期近岸懸沙濃度不僅絕對變化量大，相對變異幅度也很大，懸沙濃度小時變化并不均勻；而小潮期不論是絕對變化量還是相對變異幅度都較大潮期小。黃河口近岸沉積物以粉砂質為主，大潮流速的快速波動變化引起的底沙再懸浮是大小潮懸沙濃度變化的主要原因。

4.6 水深對懸沙時空分布的影響

以上討論了不同因素對研究區(qū)懸沙時空分布的影響，無論哪種因素，隨著離岸距離的增加，其對懸沙輸運的影響都有一定的空間范圍（表4），超過此范圍，懸沙濃度的變化很小。顯然這與水深有著密切聯(lián)系，水深影響著波浪作用、切變鋒的發(fā)育以及泥沙的再懸浮等，進而影響懸沙輸運與時空分布。為進一步明確水深與懸沙擴散的關系，分析了不同要素驅動下懸沙濃度隨著水深的變化趨勢。

首先，利用2018 年實測斷面水深數(shù)據(jù)插值得到水深圖（圖9a），在現(xiàn)行河口、老河口外設置A、B 兩區(qū)域，各隨機選取200 個樣本點。提取高、低徑流輸沙，大風微風、大小潮等不同驅動機制下的樣本點水深和懸沙數(shù)據(jù)，利用SPSS 進行曲線擬合，結果如圖10所示。水深與懸沙濃度的關系主要有指數(shù)、線性和冪函數(shù)3 種，總的來看，不同驅動條件下懸沙濃度隨水深變化各有特點，但總體呈降低趨勢。一個重要原因在于，隨著水深增加，水體表層和底層的混合作用較弱，底層再懸浮沉積物很難進入表層，導致水深越深懸沙濃度越低。而水深又與水下地形關系密切，水下地形直接影響著水深。從水下地形剖面形態(tài)來看（圖9），A 區(qū)域水下地形隨著離岸距離增加先逐漸變陡后變平緩；B 區(qū)域水下地形隨著離岸距離增加有一個淤積區(qū)，坡度變小，水深變淺，后逐漸變陡，總體上水深隨著坡度逐漸變深，具體分析如下。

圖9 研究區(qū)水深及水下地形斷面Fig.9 Water depth topography in the study area and its transections

微風狀態(tài)下區(qū)域A、B 的懸沙濃度與水深呈指數(shù)關系（圖10），懸沙濃度隨著水深增加的降低速度先快后慢；大風狀態(tài)下懸沙濃度與水深呈線性關系，懸沙濃度降低速度隨著水深增加變化較平穩(wěn)，差異變小。上述現(xiàn)象主要是因為大風引發(fā)風浪導致底沙再懸浮，近岸淺水區(qū)與離岸深水區(qū)懸沙濃度差異減小，懸沙濃度隨水深下降速度較平緩。

圖10 懸沙濃度與水深關系的曲線擬合Fig.10 Curve fitting of suspended sediment concentration against water depth

不同徑流輸沙情況下懸沙濃度隨水深變化呈現(xiàn)不同特點。低徑流輸沙量（7 月8 日）情況下，懸沙濃度隨水深的降低呈冪函數(shù)關系，但總體上無論是區(qū)域A 還是區(qū)域B，懸沙濃度值的變化并不大。與之相對應，高徑流輸沙量（7 月16 日）下，區(qū)域A 懸沙濃度隨水深降低的速度很快，隨著水深增加懸沙濃度的差異很大，二者呈線性關系；而區(qū)域B 懸沙濃度的差異程度低于現(xiàn)行河口，懸沙濃度呈冪函數(shù)型下降趨勢。

相比于風力狀況和徑流輸沙量，大小潮差異下懸沙濃度隨水深的變化特點相似。無論是大潮（7 月16 日）還是小潮（7 月22 日），現(xiàn)行河口外懸沙濃度都較高，隨著水深的增加，大潮懸沙濃度呈線性下降，小潮懸沙濃度呈指數(shù)型下降；在老河口，大、小潮期間懸沙濃度隨水深的增加都呈現(xiàn)出冪函數(shù)型下降趨勢，且二者降低速度基本類似，差異不大。

5 結論

受徑流輸沙和海洋動力的影響，河口及其鄰近海域的懸沙處于不斷的動態(tài)變化中。利用GOCI 衛(wèi)星影像，結合懸沙實測數(shù)據(jù)，選取最佳懸沙濃度反演算法，對黃河口鄰近海域懸沙濃度進行定量反演，研究徑流輸沙、風、潮汐變化和水深地形對懸沙濃度時空變化的驅動影響。得到如下認識：

（1）比較了4 種利用GOCI 影像反演黃河口泥沙的典型算法，結果發(fā)現(xiàn)黃河口懸沙反演模型普遍使用非線性形式，且多波段模型精度優(yōu)于單波段模型；含有近紅外波段的模型對高濃度懸沙反演結果更好。

（2）黃河入海水沙主導了現(xiàn)行河口懸沙的擴散范圍，低徑流輸沙條件下高濃度懸沙最遠僅擴散到距岸3 km 左右，高徑流輸沙量下的影響范圍可達到距岸約20 km 處。

（3）風及其產生的風浪引起泥沙強烈再懸浮，因此距河口較遠的萊州灣中北部和老河口，大風和微風天氣下濃度差異較大，大風天氣懸沙濃度明顯升高，高濃度懸沙擴散面積可達約800 km2。

（4）漲落潮影響懸沙濃度和輸運方向，高濃度懸沙和羽狀流移動方向與漲落潮方向基本一致。大小潮的影響體現(xiàn)在大潮流速加快引起的底沙再懸浮，使得大潮懸沙絕對濃度和變異程度都高于小潮。

（5）水深同樣是影響懸沙濃度分布的一個重要因素?？傮w來說，懸沙濃度隨水深的增加呈降低趨勢，具體呈現(xiàn)出指數(shù)、線性和冪函數(shù)3 種變化形式。