金塘水道懸沙場遙感反演及數值模擬

蒯 宇，陶建峰*，康彥彥

（1. 河海大學水文水資源與水利工程科學國家重點實驗室, 南京 210098；2.河海大學港口海岸與近海工程學院, 南京 210098）

金塘水道懸沙場遙感反演及數值模擬

蒯 宇1,2，陶建峰1,2*，康彥彥2

（1. 河海大學水文水資源與水利工程科學國家重點實驗室, 南京 210098；2.河海大學港口海岸與近海工程學院, 南京 210098）

基于GOCI遙感數據，通過三種遙感模型的比較，選擇了精度較高的神經網絡模型，對2015年6月大潮時期的懸沙場進行解譯，并建立了二維潮流泥沙數學模型對同時段的懸沙場進行了模擬。比較遙感解譯與數模的結果得到：金塘水道懸沙場呈現北高南低的分布特征，時間上具有明顯的周期性，漲潮時懸沙量逐漸減小，落潮時逐漸增大；遙感解譯與數模模擬推算得到的水體表面的懸沙場在分布趨勢和量值上較為一致，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；數值模擬；懸沙輸移

金塘水道是一條由潮流長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，東北側為金塘島和大鵬山，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，對周圍區域的經濟發展有這重要的意義[3]。

圖1 金塘水道位置及網格測點圖Fig.1 Locations of the Jintang Channel, grid and observation points

研究金塘水道的懸沙場分布特性對研究類似淺海及河口地區潮汐通道中泥沙輸移特征和沉積動力學具有重要意義。目前已有不少學者對該區域的泥沙組分[4-6]、懸沙輸移[4,7]和再懸浮特性[8]進行了研究。這些研究多基于多點或多個斷面的實測或歷史資料進行，對金塘水道的懸沙特性有了一定的認識，但受實際點位控制，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。隨著社會經濟的發展，金塘水道附近人類活動日趨頻繁，需要對該區域的水沙特性和時空分布有更為清晰的認識。遙感解譯及潮流泥沙數學模型可以更加具體的描述研究區域的懸沙運動過程，并給出相應的時空分布規律，在定量預測水沙動力過程的研究和應用中已起著不可替代的作用。

基于GOCI（Geostationary Ocean Color Imager）遙感數據，建立了三種遙感反演模型，并根據2015年實測泥沙資料對三種模型的精度進行比較，選擇了最優的模型。將遙感反演得到的懸沙場與所建立二維潮流泥沙數學模型模擬得到的懸沙場進行比較，并分析了金塘水道的懸沙輸運特性，成果可為區域輸沙格局以及沖淤演變的研究提供借鑒和參考。

1 遙感數據

本次懸沙場反演采用多時相GOCI遙感數據。GOCI是新一代海洋水色遙感器，搭載在韓國2010 年發射的首顆地球靜止氣象衛星COMS上，主要用來監測朝鮮半島周圍的海洋水色參數（如葉綠素、懸沙場等），其幅面能夠覆蓋我國東中國海區。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個波段，即412～865 nm之間，時間分辨率為1 h，對應時間為北京時間8:00～15:00，每個小時獲取一景數據，數據更新快。

為了反映出懸沙場的日變化特征和季節變化特征，選取了2015年6月6日與5月12日共14景天氣晴朗、質量高的GOCI遙感數據，經過幾何糾正后待用（糾正精度在1個象元內）。為了檢驗遙感反演懸沙數據的合理性，采用2015年6月泥沙測驗資料率定遙感反演參數，實測點位的布置參見圖1。

2 懸沙反演模型

利用遙感技術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學關系。以GOCI為遙感數據源，采用ENVI公司自帶的快速大氣校正模塊，開展大氣校正，并就大氣校正結果進行杭州灣甬江口海域的適用性分析，進而根據大氣校正的離水輻射亮度值信息反演懸浮泥沙。根據實測懸沙濃度數據以及GOCI圖像波段離水輻射亮度信息，對比了三種反演模型（線性回歸模型、半經驗半分析模型和神經網絡模型）的精度，確定出最優模型，為后續的懸沙變化特征分析提供數據支撐。

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

表1 各波段反射率與實測懸沙濃度相關性分析Tab.1 Correlation analysis of the reflectivities at different wave bands and the measured SSC

2.1 線性回歸模型

由于無法獲取與水文測驗時間完全一致的清晰遙感數據，按照潮位相似性原理(圖2給出了鎮海口站2015年6月份兩個大潮期的潮位過程)，對應6月18日大潮期間10:00，11:00，12:00的V1～V10的30組懸沙濃度數據，分別選取6月6日11:16，12:16，13:16三景GOCI圖像，該三個時間點數據采用線性內插的方法得到，前兩景圖作為模型構建數據，第三景圖作為精度檢驗。

通過對遙感反射率與對應實測含沙量相關性分析，得到相關性表（表1），從表1可知，GOCI圖像的B7波段對應的R反射率值與實測懸浮泥沙濃度值相關性最高，相關系數都在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波段和實測懸沙值（20組數據：14組擬合訓練，6組測試評價）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組實測數據對反演模型進行精度檢驗：均方根誤差為0.22 kg/m3，平均相對誤差為36.84%，R2為0.804（見圖3）。

2.2 半經驗半分析模型

半經驗半分析模型通過結合輻射傳輸模型、生物光學模型和經驗方程實現水體組分的反演。半分析方法需要實測的光譜數據來建立海洋水色模型，然后通過近似關系對模型化簡，減少未知量的個數和相互依賴關系，利用多波段數據獲取代數方程組，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模式的半分析模型

式中：a、b為待定常數。圖4采用14組數據構建方程，采用最小二乘法確定得到a=-1.512，b=0.600 4。利用剩余6組實測數據對反演模型進行精度檢驗：均方根誤差為0.15 kg/m3，平均相對誤差為23.57%，R2為0.823。

采用髖關節功能Harris評分標準，對患者髖關節功能進行評分，評分范圍0～100分，分數越高則代表患者的髖關節功能恢復情況越好。

2.3 神經網絡模型

利用實測光譜數據，構建包含一個雙隱含層的BP 網絡模型。輸入層為根據GOCI 數據中心波長提取的遙感反射率數據集，共有8個神經元。輸出層為懸浮泥沙濃度數據，共1個神經元。隱含層接受輸入層的數據，神經元個數的設置影響結果的精確性和計算的速度，利用循環程序確定最佳隱含層神經元個數。選取14組數據作為學習階段數據，6組數據用來模型精度的檢驗，均方根誤差為0.09 kg/m3，平均相對誤差為10.45%（見圖5）。

2.4 三種模型精度對比分析

以2015年6月6日13:16分的GOCI圖像為例，通過與實測懸沙濃度數據的比較，并統計模型反演結果與實測值的誤差，三個模型的絕對平均誤差分別是0.20, 0.16和0.10 kg/m3（圖6），相對誤差分別是38%，23%和21%。可見，神經網絡方法的精度最好，可進一步地用于反演懸沙場，分析懸沙場變化特征。

3 平面二維潮流泥沙數學模型

3.1 基本方程

在平面尺度較大海域的水流計算中，描述水流基本運動的Navie-Stokes方程可簡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，其中值粒徑與懸浮顆粒的中值粒徑接近[4-5]，可認為該區域泥沙運動主要以懸沙為主。基本方程表述形式如下。

連續性方程

動量守恒方程

懸沙輸運方程

圖3 線性回歸模型結果Fig.3 Results of the linear regression model

圖4 半經驗半分析模型結果Fig.4 Results of the semi-empirical analysis model

圖5 神經網絡估算泥沙濃度與實測濃度線性回歸結果Fig.5 Linear regression results of the SSC computed by the neural network model and the measured SSC

式中：t為時間；ξ、η為正交曲線坐標；Gξ、Gη為正交曲線坐標系中的拉梅系數；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（ω為地球自轉角速度，φ為計算水域的地理緯度）；g為重力加速度；ρ為水體密度；τξξ、τζη、τηξ、τηη為紊動切應力；τsξ、τsη為表面風應力；τbξ、τbη為底部床面阻力；S為垂線平均含沙量，υs為泥沙擴散系數，E、D分別為床面泥沙沖刷和淤積量。

3.2 模型區域及定解條件

甬江口外海域島嶼眾多、岸線曲折、水下地形復雜。為此，網格剖分時根據地形變化的劇烈程度及計算區域的重要差異采用不等距正交曲線網格，能較好得貼合岸線邊界。為了精細地模擬金塘水道的懸沙場，考慮到甬江的徑流對金塘水道的水動力的影響，模型計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格步長取約為50 m，甬江河道內網格步長約為10 m，為了便于辨認，圖1中所示網格為變疏了2倍的網格。

模型計算時初始潮位取初始時刻各邊界點潮位的平均值，初始流速取為0；由于懸沙輸移比潮流動力趨于穩定的時間更長，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個分潮（M2、S2、N2、K2、K1、O1、P1、Q1、MF、MM、M4、MS4、MN4）的調和常數，并由下式

計算對應時刻的潮位值。式中：A0為平均海平面，Hk、Gk、fk、ωk、(v0+u)k分別為對應第k個分潮的振幅、遲角、交點因子、角速度和初始相位。模型上游邊界根據澄浪堰測站實測流量時間序列給定，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，上游邊界均根據站點實測含沙量外推給定。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 三個模型反演結果與實測對比（以6月6日13:16分圖像為對象）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)

模型曼寧糙率系數給0.018～0.02。泥沙沉速取絮團顆粒極限粒徑(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） 公式計算，其中臨界淤積切應力取值為1 000 N/ m2[11]，臨界沖刷切應力根據現場和室內實驗研究取值為0.5～0.6 N/m2，泥沙沖刷系數M根據床面泥沙容重取值為0.000 1～0.000 4 kg/m2s。

3.3 模型驗證

圖7 懸沙濃度驗證Fig.7 Suspended sediment concentration validation

模型驗證利用2015年6月潮實測水文泥沙資料。如圖1所示，在鎮海口觀測潮位，在V1～V10測點測量潮流、采集沙樣。比較這些驗證點的計算值與實測值，結果表明，無論是潮位、潮流還是含沙量，計算值與實測值相差較小，過程吻合較好。限于篇幅，潮位、潮流驗證曲線從略，僅給出了金塘水道內四個有代表性的測點的懸沙濃度驗證驗證曲線（圖7）。

4 結果與分析

4.1 遙感解譯懸沙場

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遙感影像數據，其中鎮海口站潮位取整點時刻數據。基于神經網絡懸沙反演模型，反演了金塘水道表層的懸沙濃度，因為甬江口外海域為半日潮海區，因此14景懸沙濃度場能夠完整覆蓋漲落潮周期，可以用于分析一個漲落潮周期內的懸沙場變化特征，其鎮海口站高低潮時刻的懸沙場如圖8所示。

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

圖9 水體表層與垂線平均SSC相關關系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，懸沙濃度場的日變化劇烈。從懸沙場平面分布特征分析，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—鎮海沿岸懸沙高濃度區影響，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。在時間尺度上，漲潮時，水流擾動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間內懸沙濃度達到最高值，且高值區隨著水流向SE—NW移動，直到高潮時，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，水流攜帶懸浮泥沙向NW—SE移動，金塘水道北部海域的高懸沙區逐步向南移動，到達甬江口外，因此金塘水道在落潮時，懸沙濃度普遍較高，高濃度區在1 kg/m3以上，隨著時間推移，懸沙濃度在低潮位時達到最高。而隨之的漲潮過程，則懸沙濃度場又再一次呈現逐步減小的趨勢，如此呈現明顯的周期性。

綜上，金塘水道懸沙場呈現北側高，南側低的分布特征。時間上具有明顯的周期性，漲潮時逐步減小，落潮時逐步增大。也間接反映了金塘水道泥沙大部分由其北側長江口及杭州灣的泥沙在海岸動力的條件下向南輸移而來，與前人研究結果[4,12]一致。

4.2 遙感結果與數模結果對比

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

為了便于比較數模模擬結果與遙感解譯結果，將數模模擬得到的2015年6月大潮鎮海口站高、低潮時金塘水道的水深平均懸沙場經（8）式推算得到同時刻水體表層懸沙場（圖10）。對于數模模擬推算得到的懸沙場，從分布趨勢上看，金塘水道北側含沙量明顯高于南側含沙量，且高潮位時的全場含沙量低于低潮位時的含沙量，這與遙感解譯的懸沙場表現出來的特征一致。漲潮時東南向含沙量相對較低的水體沿金塘水道向杭州灣運動，最低含沙量不足0.2 kg/m3；落潮時高含沙量水體從杭州灣南部向南運動，經灰鱉洋向金塘島南部海域運動，最高含沙量超過1 kg/m3，整體泥沙輸移趨勢與遙感解譯的結果也是一致的。從量值上看，數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。數模模擬推算出的0.6 kg/m3含沙量等值線位于金塘島西側與大黃蟒山之間，且在落潮至低潮位時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出來的特征一致。綜上，進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 數模模擬推算表層懸沙場Fig.10 Deduced water surface SSC field by numerical model results

5 結論

通過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與數模計算所得到的懸沙場進行比較，得到：

（1）對于金塘水道區域，神經網絡方法反演得到的懸沙量的精度最高，適合用來反演該區域的懸沙場。

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

（3）遙感解譯與數模模擬推算得到的水體表面懸沙輸運趨勢和量值較為一致，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移[J]. 杭州大學學報(自然科學版), 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, 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, 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]. 科學技術與工程, 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]. 水利水運工程學報，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] 馮應俊，李炎，任吉川. 金塘水道地形、底質與沉積環境[J]. 海洋通報, 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，周蓓鋒，等. 應用走航式ADCP測量分析與驗證金塘水道的高懸沙濃度[J]. 海洋學研究， 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—懸沙相關性及其與再懸浮作用的關系[J]. 海洋通報, 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律研究[D].北京：中國科學院研究生院（海洋研究所）, 2008.

[15] 劉紅，丁健，黃志揚，等. 洋山深水港區年平均含沙量的推算[J]. 山東科技大學學報(自然科學版)， 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律分析與模擬[J]. 浙江大學學報(工學版)， 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

國家自然科學基金（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力與物質輸運研究。

*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力與物質輸運研究。Email:aoetao@hhu.edu.cn。

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