1、第4 5卷 第3期2 0 2 3年 6月海 洋 湖 沼 通 报T r a n s a c t i o n s o f O c e a n o l o g y a n d L i m n o l o g yV o l.4 5 3J u n.,2 0 2 3基于C A-M o r k o v模型的杭州湾北岸上海段潮滩的动态演变分析劳国栋1,韩 震1,2*,张 斌1,刘立志1(1.上海海洋大学 海洋科学学院,上海 2 0 1 3 0 6;2.上海河口海洋测绘工程技术研究中心,上海 2 0 1 3 0 6)摘 要:杭州湾北岸上海段潮滩的利用和景观格局变化分析研究对上海市海岸带可持续利用具有重要意义。本
2、文利用2 0 1 3年、2 0 1 5年、2 0 1 7年和2 0 1 9年杭州湾北岸高分一号卫星遥感数据,进行了潮滩信息的提取和动态变化分析,然后在此基础上,根据C A-M a r k o v模型预测了研究区2 0 2 1年、2 0 2 3年和2 0 2 5年潮滩的时空分布特征,利用扩展的K a p p a系数进行了精度检验。研究结果表明:2 0 1 3年、2 0 1 5年、2 0 1 7年和2 0 1 9年的潮滩面积分别为8.8 9 4、9.5 9 2、1 0.7 3 1和9.2 3 0 k m2,6年间面积增加了3.7 8%,浦东岸段潮滩有所淤积,奉贤岸段潮滩略有冲刷,金山岸段潮滩由于人
3、类工程而大面积减少。预测2 0 2 1年、2 0 2 3年和2 0 2 5年的潮滩面积分别为8.1 2 5、9.5 3 3和1 0.1 4 8 k m2,浦东岸段潮滩逐年淤积,奉贤岸段潮滩有所冲刷,金山岸段潮滩面积逐渐减少。关键词:C A-M o r k o v模型;遥感;杭州湾北岸上海段;潮滩;演变中图分类号:P 7 6 文献标志码:A 文章编号:1 0 0 3-6 4 8 2(2 0 2 3)0 3-0 9 8-1 0D O I:1 0.1 3 9 8 4/j.c n k i.c n 3 7-1 1 4 1.2 0 2 3.0 3.0 1 4引 言海岸带地处海陆之交,潮滩特征在很大程度上代
4、表了所在的海岸带的性质,查清其性质和分布对于合理开发潮滩资源和研究现代海岸带动态变化具有重要的意义。元胞自动机-马尔科夫(C A-M a r k o v)模型综合马尔科夫模(M a r k o v)型长期预测的时间优势和元胞自动机(C A)模拟复杂系统空间变化的能力,预测结果可以分析景观格局在未来某一时间段内演变趋势与规律,从而为生态环境的保护和景观格局的优化提供科学参考。M e m a r i a n等12 0 1 2年使用数量误差、分配误差以及三维空间中的品质因数来执行对C A-M a r k o v模拟结果的验证,证明了该模型的有效性。何丹等22 0 1 4年采用多标准评价(MC E)方
5、法,通过C A-M a r k o v模型对滇池流域土地利用变化进行了预测,并利用K a p p a系数进行精度检验。杨红军32 0 1 8年利用遥感影像进行解译,通过C A-M a r k o v模型预测了灌云县土地利用格局变化。褚琳等42 0 1 8年采用C A-M a r k o v模型模拟预测武汉市景观格局,并结合L o g i s t i c回归模型分析了景观变化的驱动力。荆延德等52 0 1 8年以不同时期的遥感影像为数据源,利用C A-M a r k o v模型对白马河流域的土地利用进行预测并检验其模拟精度。A t t a a l l a h62 0 1 8年利用L a n d
6、s a t数据,结合C A-M a r k o v模型与MC E方法,对巴勒斯坦加沙地带内建设用地的变化进行了模拟。Y u l i a n t o等72 0 1 9年在遥感数据的基础上,通过C A-M a r k o v模型预测了印度尼西亚西C i t a r u m流域土地利用变化的动态变化。综上所述,运用C A-M o r k o v模型可以较好地预测景观格局的变化,在景观格局预测方面是现实可行且具有实际意义的。本文利用高分一号(G F-1)卫星遥感影像,以2 0 1 3年、2 0 1 5年、2 0 1 7年和2 0 1 9年为时间线,基于C A-M o r k o v模型进行了杭州湾北岸
7、上海段潮滩动态演变分析,并预测了未来潮滩景观格局的变化,旨在对上海市海岸带可持续利用提供参考。基金项目:上海市海洋局科研专项(沪海科2 0 1 9-0 3)第一作者简介:劳国栋(1 9 9 6),男,广西钦州人,硕士研究生,主要从事海洋遥感方面研究。E-m a i l:1 3 2 0 5 6 8 3 3 6q q.c o m*通信作者:韩 震(1 9 6 9),男,山东德州人,教授,博士,主要从事海洋信息探测与应用研究。E-m a i l:z h h a ns h o u.e d u.c n 收稿日期:2 0 2 0-0 8-1 13期基于C A-M o r k o v模型的杭州湾北岸上海段潮
8、滩的动态演变分析9 9 1 研究区域因杭州湾是一个典型的喇叭状强潮河口湾,杭州湾的泥沙以海域来沙为主,主要受长江入海水沙扩散的影响,长江来水来沙对杭州湾的形成起着重要作用。湾底的地貌形态和海湾的喇叭形特征,使这里常出现涌潮或暴涨潮,潮流主要呈现显著的往复流形式。潮滩是在大潮高、低潮面之间,随潮汐涨落而淹没和露出的向海缓斜的宽广潮间滩地。杭州湾北岸在长江三角洲南缘,岸滩冲淤受多种动力因子的影响,除受潮流和风浪等动力因子的作用外,围垦工程、南汇边滩和长江来沙量的影响是造成杭州湾北岸岸滩冲淤的重要因素8-1 0。杭州湾北岸在顺岸往复流的作用下,滩地沿海岸呈带状分布1 1。自然因素和人类活动影响了杭州
9、湾北岸自然海岸的生态功能,自然因素主要包括入海泥沙、沿岸地形、海岸地质地貌、海水动力因素等驱动因素;人工因素主要包括围海养殖、码头建设、沿海工业区建设、旅游业、筑堤造坝、围垦工程等,是人工岸线变迁的主要驱动因素。本文研究区域为杭州湾北岸上海段,地理坐标范围为1 2 1 1 3 1 2 2 3 E,3 0 3 6 3 0 5 4 N,从南汇嘴至金丝娘桥界碑。为了更好地对研究区潮滩的动态演变进行分析,首先提取潮滩整体范围信息,然后根据土地利用现状和人类活动特征,再将潮滩分为6个岸段(图1)。图1 研究区域F i g.1 R e s e a r c h a r e a2 研究方法与过程2.1 C A
10、-M a r k o v模型马尔科夫模型通过对不同景观类型的初始概率以及各景观之间的转移概率的研究来确定景观格局的变化趋势,从而达到对未来趋势预测的目的。假定某一事件发展过程中可能有n个不同的状态,记为E1,E2,En,记Pi j为状态Ei转为状态Ej的转移概率,则该矩阵称作状态转移概率矩阵1 2:P=Pi j=P1 1P1 2P1nP2 1P2 2P2nPn1Pn2Pn n|(1)如果某事件在某一时刻处于状态Ei,则下一时刻,可能由状态Ei转换为E1,E2,En中的任意状态,所以Pi j满足如下条件:0Pi j1,其中i、j为1,2,n中任一值;nj=1Pi j=1,其中i为1,2,n中任一
11、值。马尔科夫过程的三个假设是:转移概率矩阵P必须保持逐年不变;在研究期内,系统状态数1 0 0 海 洋 湖 沼 通 报2 0 2 3 年量保持不变;状态转移只受前一个时期的影响1 2。两个事件状态之间的时间间隔也称为时间步长,其代表了状态转移概率矩阵的时间尺度含义。元胞自动机是时间、空间和状态都离散的动力学模型,具有时空计算特征2。元胞空间中的每个元胞都具有其内在状态,并且是由有限个离散值组成;只要遵循相同规则,就可以计算出元胞在另一个新时刻的内在状态;并且每个元胞的状态只随局部邻近元胞的状态而变化,反映近距离内元胞之间的相互作用;每个元胞在同样的规则下同步更新,大量的元胞通过简单的交互作用而
12、推动系统的动态演变。元胞的状态函数1 2可以表达为:C A=(AN,f,E)(2)式中,A代表元胞空间,是覆盖整个研究区的网格空间,每个网格单元是一个元胞,本文中,遥感图像的一个栅格代表一个元胞;N表示元胞空间的维度;代表元胞有限个离散的状态集;f代表元胞状态的转换规则;E代表边界条件。马尔科夫模型侧重于景观变化预测中的数量变化,但缺乏空间参数,不能反映空间范围内各种类型的变化规律。C A模型具有很强的空间概念,对于复杂的空间系统具有强大的时空动态演化能力。C A-M a r k o v模型结合了M a r k o v和C A的理论,具有时间序列和空间变化的优势,可以更好地模拟景观的时空格局。
13、2.2 研究数据的选取高分一号卫星于2 0 1 3年4月成功发射,配置了2台2 m空间分辨率全色/8 m空间分辨率多光谱相机,4台1 6 m空间分辨率多光谱宽幅相机。高分一号卫星具有高、中空间分辨率对地观测和大幅宽成像结合的特点。本文研究数据使用的是高分一号卫星1 6 m空间分辨率多光谱图像,分别选取了4个年份的高潮时刻和低潮时刻的图像,潮情参考上海芦潮港(南汇嘴)站点的潮情数据,高潮图像和低潮图像的成像时间所对应的潮位分别要接近当年的平均大潮高潮线和平均大潮低潮线。4幅高潮时刻的图像用以提取瞬时水边线作为海岸线,4幅低潮时刻的图像用以提取瞬时水边线作为潮滩下边界,进而得到潮滩。4个低潮图像的
14、成像时刻皆为小潮且接近当日低潮潮位,各年份图像的潮位相差不大(表1)。表1 遥感图像潮情表T a b l e 1 R e m o t e s e n s i n g i m a g e t i d e t a b l e传感器类型成像时间农历潮情瞬时潮位/c m平均大潮高潮线/c m平均大潮低潮线/c mG F 1-WF V 32 0 1 3-0 7-2 4-1 0:5 8六月十七大潮,涨平4 3 84 5 79 6G F 1-WF V 32 0 1 3-0 8-2 9-1 0:5 2七月廿三小潮,落枯前1 h1 2 24 5 79 6G F 1-WF V 12 0 1 5-0 4-2 1-1
15、 0:5 8三月初三大潮,涨平前0.4 h4 4 64 6 59 3G F 1-WF V 12 0 1 5-0 4-2 5-1 0:5 6三月初七小潮,落枯前0.8 h1 1 84 6 59 3G F 1-WF V 42 0 1 7-0 6-1 7-1 1:2 5五月廿三小潮,落枯前1.2 h1 1 34 5 18 9G F 1-WF V 22 0 1 7-0 7-2 3-1 1:0 3六月初一大潮,涨平前0.2 h4 2 54 5 18 9G F 1-WF V 32 0 1 9-0 2-2 6-1 1:1 4正月廿二小潮,落枯前0.5 h1 2 54 6 29 8G F 1-WF V 22
16、0 1 9-1 1-1 1-1 0:5 9十月十五大潮,涨平4 7 34 6 29 82.3 数据处理本次数据处理流程如下(图2):(1)首先利用E NV I 5.3对遥感影像进行辐射定标、大气校正、正射校正、几何配准等预处理。其中正射校正使用分辨率为3 0 m的D EM数据。(2)对预处理后的图像计算归一化差异水体指数(N DW I),初步提取水体,将图像二值化,得到水陆分离的图像;进行数学形态学开运算,进而删除小面积连通域,使水陆边界变得平整光滑;再利用s o b e l算子进行边缘检测,提取边界,最后3期基于C A-M o r k o v模型的杭州湾北岸上海段潮滩的动态演变分析1 0 1 图2 数据处理流程图F i g.2 D a t a p r o c e s s i n g f l o w c h a r t结合目视解译进行修改,提取水边线1 3-1 4。图3为提取的金山区潮滩,2 0 1 7-0 6-1 7影像为低潮时刻,提取的水边线为潮滩下边界,2 0 1 7-0 7-2 3影像为高潮时刻,提取的水边线为海岸线。(3)在A r c G I S 1 0.6中,将海岸线和潮滩
