香港近岸海域悬浮固体浓度空间变异特征的地统计分析

吕君伟,刘湘南

(中国地质大学(北京)信息工程学院,北京 100083)

香港近岸海域悬浮固体浓度空间变异特征的地统计分析

吕君伟,刘湘南*

(中国地质大学(北京)信息工程学院,北京 100083)

以香港近岸海域为研究区,基于2009～2012年HJ-1A/B CCD数据和实测数据,建立悬浮固体浓度遥感反演模型,运用地统计学方法对模型反演结果进行分析,探索研究区内悬浮固体浓度空间分布及其变异特征.结果表明：香港近岸海域北部深圳湾附近常年处于悬浮固体浓度的高值区,东北部珠江入海口海域悬浮固体浓度受季节影响明显,大屿山以南的南部海域的浓度值常年处于较低水平,并具有明显的季节特征.2009～2012年的地统计数据表明,香港近岸海域悬浮固体浓度值总体处于较低水平,月均值为12.25mg/L,由北向南递减趋势明显.全年大部分时间空间变异特征明显,空间自相关性较强,其中3月份的块金值/基台值最小,仅约为0.0005.

HJ-1A/B CCD数据；悬浮固体浓度；地统计分析；空间变异特征

近年来,随着香港沿岸城市工业发展以及人类活动的增加,导致近岸海域的水质质量受到了明显的影响[1].水质参数空间异质性的研究有利于水质评价并为水质监测提供依据,其中悬浮固体浓度是影响水质参数的重要指标,众多学者在渤海、黄海等近岸海域以及各大内陆湖泊进行了广泛的研究[2-4].

传统利用野外光学仪器测量悬浮固体浓度的方法受到时间、范围等限制,测量成本和难度都较大,同时采样时差使对同一时间的空间异质性分析无法实现.目前,遥感技术凭借其监测范围广、速度快、成本低以及便于长时间监测的优势受到人们的重视.国内外学者利用 MSS、TM、 SPOT、SeaWiFS、CZCS、MODIS、MERIS和AVHRR等影像数据并结合现场同步或准同步采样数据和实测光谱数据,针对所研究水体本身的特点,建立了很多悬浮固体浓度定量反演模型,且模型反演精度有了较大提高[5-10].众多学者选择的研究区域大多集中在内陆湖泊等悬浮固体浓度值较高的水域,对香港近岸海域的悬浮固体浓度分布研究较少.同时,研究多集中在提高模型的反演精度上,忽视了对悬浮固体空间分布的定量分析[11-14].因此,在遥感反演悬浮固体浓度模型精度较高的基础上,将反演结果用于香港近岸海域悬浮固体浓度空间变异特征的定量分析,为环境监测、航运选址等提供可靠的依据具有非常实际的研究意义.

地统计学是以区域化变量理论为基础,研究自然现象的空间变异与空间结构的一门学科,其中的半变异函数是地统计学特有的基本工具,用来描述属性变量在空间上的差异程度.目前在土壤、矿产、生态等领域有广泛的应用.本文根据前人的研究[15-16],建立实测悬浮固体浓度与影像数据之间的对数反演模型,并将模型应用于香港近岸海域2009～2012年的HJ-1A/B CCD数据,得到对数模型的遥感反演结果.在此基础上,得到不同月份悬浮固体浓度4年的均值影像,等距布点获取控制点4年悬浮固体浓度均值,利用地统计学半变异函数的特征参数,定量分析研究区内水体悬浮固体浓度的空间分布特征.

1 研究区概况

研究区位于香港岛近海域,总面积约970km2,包括西北部珠江入海口的部分海域以及香港大屿山东部和南部毗邻南海的近岸海域.范围为22°8′N～22°30′N,113°49′E～114°15′E,水深4～38m,海底表层沉积物类型以粉砂质黏土为主,为典型的二类水体.本文的实测采样点数据来源于香港环境保护署公布的表层海水悬浮固体浓度值.香港环境保护署每月在全港约90个水质监测站位进行海水监测,研究中选取了来自中部海域、西部海域和南部海域的45个监测站数据(图1).

2 数据处理与方法

2.1 影像获取与处理

本研究选用了 2009～2010年各个月份含云量较低的环境与灾害监测预报小卫星星座A、B星(HJ-1A/1B星) CCD数据.因为时间不同,受到天气、传感器等因素影响,影像质量不同.本文预处理的目的是得到影像的反射率值,为之后建立反射率与实测悬浮固体浓度的定量关系做准备,预处理过程在ENVI软件的支持下实现.

配准∶在 1∶100000的香港行政区地形图的大屿山及其附近海域选取具有典型地物特征的40个控制点,采用二次多项式和最邻近内插法,将误差控制在0.1个像元以内,对研究区影像进行配准.

图1 研究区范围与采样点分布Fig.1 Distribution of study area and samplings

大气校正∶采用FLAASH模型对HJ-1A/B卫星 CCD影像进行大气校正.FLAASH能够精确补偿大气影响,其适用的波长范围包括可见光至近红外及短波红外,其计算方法是直接移植了MODTRAN4辐射传输模型,可以选取代表研究区的大气模型和气溶胶模型.参数设置为∶尺度转换因子 10.0,传感器高度 650km,tropical大气模型,maritime气溶胶模型,能见度值 40km.大气校正后影像像元值理论为反射率值,然而 ENVI软件的FLAASH校正为了数据存储和后续处理,自动将结果转化为16bit整型,计算得到0～1范围内的反射率需要将像元值除以9999.

水体信息提取∶研究区为香港岛附近的南海近岸海域,在进行建模反演之前,应去除陆地等非水体信息.HJ-1A/1B星 CCD数据的 0.76nm～0.90nm(B4波段)处水体有较强吸收,反射率降低,具有明显的水陆分界线.利用 B4波段作为掩膜波段,设定合适的阈值,便可以快速提取研究区水体信息,去除其他背景信息.

2.2 遥感反演模型的建立

建立遥感数据与实测悬浮固体浓度之间相关关系的模型是进行地统计分析的前提.悬浮固体浓度的反演一般有经验模型、分析模型和半分析模型,3种模型各有优缺点[17-20].其中,对数经验模型反演悬浮固体浓度具有如下特点∶反射率R随悬浮固体浓度S的增加而增加;R的变化率随S的增大而减小;S=0时,黄光波段与近红外波段光谱反射率与清水近似相同.当悬浮固体浓度较高时,对数模型的误差较大,因此仅适用于低含沙水域.

针对香港近岸海域总体悬浮固体浓度较低的状况,分别选取 4个季节的遥感影像进行对数模型拟合.首先对2010年1月、2011年4月、2009年7月及2010年10月的HJ-1A/1B CCD影像进行处理,得到影像反射率值.选择研究区内准同步的45个实测采样点数据,分别将数据随机分为2组[21],其中33个采样点所对应的悬浮固体浓度值作为训练数据,与遥感影像反射率值进行回归分析,寻找最佳波段或波段组合,其余的 12个采样点数据用来测试模型的准确性.经过计算分析,B3红光波段的敏感度较高(式1);同时,由于红光波段受天空光水面镜面反射的影响较小,因此本文选择 B3波段作为对数模型的敏感因子.利用测试数据对模型结果进行测试,得到真实值与预测值之间的相关关系(表 1),模型拟合精度在80%左右.

表1 对数模型测试分析Table 1 Analysis of logarithmic model using text data

为了验证模型的准确性,建立了单波段和波段组合的线性回归模型,得到敏感因子为 B4、B3/B2的线性模型相对误差分别为26%和29%.因此,对数模型与线性回归模型相比,模型精度有所提高,能够满足对反演结果进行空间变异特征分析的精度要求.

2.3 悬浮固体浓度空间分布的变异性分析

研究区悬浮固体浓度空间变异特征是在地统计相关理论的基础上实现的.在得到每个月份的悬浮固体浓度遥感反演分布图的基础上,利用等距布点,获取1km范围内悬浮固体浓度均值作为中心控制点的悬浮固体浓度值,计算半变异函数(式 2).然后,进行理论半变异函数的拟合,再进行悬浮固体浓度的空间分布特征分析.本研究中,利用ArcMap10.0的Spatial Analysis模块进行研究区网格化,得到网格中心控制点的悬浮固体浓度值;利用 GS+7.0软件对控制点进行半变异函数分析,得到研究区悬浮固体浓度的空间分布特征和结构特征.

式中,γ(h)为样本距为h的半方差;h为样本矩; Z(yi)为位置为 yi处的悬浮固体浓度值;Z(yi+h)为距离为yi+h处的悬浮固体浓度值;N(h)为间距为h的样本对的总个数.

3 结果与讨论

3.1 悬浮固体浓度空间分布特征

根据式(1)建立的悬浮固体遥感反演模型,得到 2009～2012年不同月份香港近岸海域悬浮固体浓度分布.本研究将 4年悬浮固体浓度遥感反演结果以月为单位,取每个月份 4年悬浮固体浓度均值,得到不同时间4年浓度均值影像.波段运算得到的均值影像降低了云、风浪、传感器以及人为因素等系统误差和随机误差,在此基础上进行的统计分析结果更具有说服力.以 12月为例,根据式(1)获取影像反演悬浮固体浓度分布,提取等距控制点的悬浮固体浓度值进行直方图统计.由图 2可见,整体上悬浮固体浓度分布在 6～24mg/L之间,部分控制点值在60mg/L以上,2010年低值区聚集状况明显.本文要做的是整体情况下的平均空间分布,因此均值影像就是解决局部时间出现短时间变异的问题.

图2 12月悬浮固体浓度均值影像(2009～2012年)以及不同年份悬浮固体浓度分布直方图和最大、最小值和均值变化直方图Fig.2 Image of mean SSC in December from 2009 to 2012, and the histogram about SSC in which distribution and changes of maximum/minimum/mean

图3 2009～2012四年不同月份悬浮固体浓度平均值的遥感反演分布Fig.3 Distribution of average SSC retrieved by remote sensing from 2009 to 2012 monthly

由图 3可以看出,香港附近的南海近岸海域悬浮固体分布有以下特点∶悬浮固体浓度总体分布是由北向南呈递减趋势.深圳湾海域是悬浮固体浓度高值区,常年处于30～80mg/L范围内;珠江入海口附近海域受到珠江入海流的影响,总体悬浮固体浓度值高于大屿山以南海域;在大屿山以南以及中部海域的悬浮固体浓度值一般较低,是明显的低值区.总体来说,研究区的悬浮固体平均浓度各个月份都比较低,大多集中在 0～80mg/L,其中6～24mg/L所占比例较大;研究区6月份的水质状况最优,除在珠江口入海口的小范围内悬浮固体浓度较高,大部分水域在 2～6mg/L范围内;3月份悬浮固体浓度总体水平较高,研究区北部大部分在42～60mg/L范围内.

3.2 空间分布变异性分析

表2 研究区悬浮固体浓度的变异性统计Table 2 Statistics of the variability characters of SSC in the study area

近岸海域悬浮固体浓度空间分布与海面气候、入海河流径流量以及沿岸人类活动息息相关[22-23].本文通过对控制点悬浮固体浓度的经典统计描述分析研究区的变异特征.变异系数是标准差与平均值的比值,一般认为,其值小于10%为弱变异,介于 10%～30%为中等程度变异,大于30%为强变异.由表2可以看出,不同时间悬浮固体浓度分布具有一定差异,3月份悬浮固体浓度平均值较高,达到19.1mg/L,悬浮固体浓度平均值最低为6月份,值为7.08mg/L;悬浮固体浓度的变异系数在6、9和11月值比较大,10月变异系数最小,仅为48%.说明研究区悬浮固体浓度的空间变异上,2、6和9月的变异程度最大,10月变异程度最小.同时可以看出,香港近岸海域的水质变化比较剧烈,全年基本为强变异.

3.3 空间分布异质性分析

一般认为半变异函数只有在最大间隔距离的 1/2内才有意义.研究中所有半变异函数的有效滞后距均设为最大滞后距的1/2,并进行球状、指数、高斯和线性拟合,最终得到剩余平方和最小、决定系数最大的最优拟合模型.从表3看出,全年最优拟合模型大多为高斯模型,少数月份为球状模型和指数模型,决定系数在0.85～0.99之间,通过对半变异函数最优拟合模型的模型参数进行分析,能较好的反应悬浮固体浓度的空间结构特征.

块金值反映的是最小抽样尺度以下变量的变异性及测量误差.从表 3中可以看出,全年的块金值基本小于 0.1,说明在较小尺度下,研究区全年大部分时间野外采样误差和悬浮固体浓度的空间变化较小.块金值与基台值的比值是度量变量总体空间自相关性强弱的物理量.一般认为,比值小于 25%时变量的空间自相关性较强;比值在 25%～75%之间,为中等程度的空间自相关性;比值大于 75%,空间自相关性较弱.从表3看出,除 10月块金值与基台值比值较大,为中等程度的空间自相关性以外,其他时间均小于25%,3、7和9月的比值不足1%.这表明研究区的悬浮固体浓度具有强烈的空间自相关性,空间分布具有明显的规律性.变程是半方差函数由块金值增大到基台值所对应的距离.研究区不同时间的变程值均较大,表示变量空间自相关变化的范围较大,这与悬浮固体浓度强烈的空间自相关性有关.

分维数的计算由变异函数和间隔距离之间的关系确定,值的大小表示变异函数曲线的曲率.研究区不同月份分维数的值在 1.11～1.89之间,其中分维数的最低值在3月份为 1.11;最高值出现在10月份,为1.89(表4).分维数值的不同反映了不同时间随机性和结构因素的不同引起空间异质性程度的不同.3月份的分维数最低,由测量误差引起的空间异质性程度也最低,只占了约 0.0005,空间自相关性较强;10月份的分维数最高,由测量误差引起的空间异质性程度相对较高,达到 0.44,对应中等程度的空间自相关性.

表4 研究区不同季节不同方向的分维分析Table 4 Directional and seasonal analysis of fractal dimension in the study area

不同时间悬浮固体浓度的差异受到近岸河流汇入、海面风浪等随机因素的影响.入海河流水质较好、海面平静,则海水水质结构好,结构性好意味着水质成分稳定,分布简单,则分维数低,空间异质性程度也低;反之,入海河流水质复杂,海面风浪造成海水活动复杂,则分维数高,空间异质性程度也高[24].从表4可以得到,3月南北方向分维数较高,北部近岸人类活动和西北入海流的共同作用导致水质结构复杂;研究区在6月和12月的西北-东南方向分维数较高,表明悬浮固体浓度异质性强度在西北-东南方向较高,西北部入海河流对水质影响较大,南部季风影响相对较弱.

3.4 讨论

上述分析可以看出,不同月份南海香港岛近岸海域悬浮固体浓度的空间分布和变异具有一定的差异,这主要受到珠江口入海流、沿岸岛屿的人类活动影响以及夏季海洋季风的作用[25].研究区北部深圳湾附近海域西南面汇入南海,其他三面环陆,西部有深圳湾公园、北部有海滨公园、东部有大量农田,人类活动密集,导致全年悬浮固体浓度处于较高水平.研究区西北部有虎门、蕉门、洪奇沥、横门四大珠江入海口.珠江是中国境内的第3长河流,流经地区经济活动频繁、人类活动和自然因素交汇冲突集中,生态环境极为敏感[26],加上蕉门在珠江的八大入海口中属排沙量较大海口,造成研究区北部悬浮固体浓度高于南部,全年呈现明显的由北向南递减趋势.

春季,香港附近海域盛行东风,研究区东部多为陆地,对海水表层悬浮固体浓度分布影响不大.因此,悬浮固体浓度值的低值区出现在南丫岛东南部水域,这里东临太平洋,人类活动较少,东风将部分清洁海水带到这里,降低了表层悬浮固体浓度.除此以外,在珠江汇入、沿岸人类活动的作用下,研究区的其他范围悬浮固体浓度值大多处于9～24mg/L.

4～9月,珠江水系进入汛期,径流量较大,携带悬浮泥沙含量高,并且夏季沿岸人类活动频繁,大量无机物、有机物随河流注入南海,使研究区北部悬浮固体含量增高;6～7月为洪峰期,其中虎门、蕉门作为珠江八大入海口中平均年径流量较大的两个主要入海口,携带大量泥沙汇入南海[25],造成研究区北部珠江入海口海域悬浮固体浓度激增.同时,夏季强盛的太平洋东南季风和印度洋西南季风都能带动表层海水的运动,将赤道地区的清洁水源带到这里,导致屯门区以南的大范围海域水质状况较好.二者的共同作用使研究区的悬浮固体浓度均值处于较低值,尤其在 6月份,出现了全年悬浮固体浓度均值的最低值,同时空间格局显示了由北向南较强的变异程度.

秋季,珠江口入海流量降低,水势变缓,集中在蕉门、横门入海口的范围内悬浮固体浓度值较高.然而,6～10月为海面热带气旋高发期,在广东沿岸登陆的热带气旋数目众多,尤其8、9月份为登陆高峰期.热带气旋会造成狂风、暴雨、巨浪及风暴潮,带给沿岸海域巨大的扰动,剧烈的扰动使海水表层悬浮固体浓度值升高.可以明显的看出,在秋季研究区总体悬浮固体浓度值较高,大部分处于 8～60mg/L的范围内,且南北变异程度较低.强烈的扰动破坏了海面的平静,水质结构复杂,空间自相关性较低、异质性程度较高,地统计学上表现出了分维数较高、块金值与基台值的比值较高.

冬季,珠江口径流量与秋季相比明显降低,且南部海域没有强烈的水质扰动,加上冬季人类活动没有其他季节那么频繁.因此,研究区悬浮固体浓度总体处于低值水平.北部小范围海域集中在9～24mg/L,南部大范围海域浓度值集中在 2～9mg/L范围内.

总体来说,研究区受到太平洋季风和印度洋季风的影响,并且注入的河流流经茂密的亚热带雨林,含沙量较低,海水净化能力较强,导致水体的悬浮固体浓度总体水平较低,空间分布具有明显的季节差异.

4 结论

4.1 2009～2012年香港近岸海域的悬浮固体浓度值分布在 0～80mg/L之间,且呈现由北向南递减的趋势.

4.2 深圳湾附近海域受到两岸人类活动的影响较大,海水净化能力较弱,相对南部水域全年呈现悬浮固体浓度最高值;研究区西北部珠江口附近海域,受到珠江径流量的季节性变化,悬浮固体浓度的空间分布具有明显的季节特征;大屿山以南海域受近海季风气候与热带气旋的共同作用,使悬浮固体浓度也表现出季节差异.

4.3 研究区悬浮固体浓度均值春、秋季高于夏季和冬季,其中最高值在3月,值为19.1mg/L,最低值在 6月,值为 7.08mg/L;变异强度夏季要明显高于其他季节,其中6月份最高值为133%,南北变异程度明显,1、10、11月变异程度相对较弱,大约在 50%;异质性特征表现为秋季的空间自相关性中等,其他季节均为强烈的空间自相关性.

[1] 张亚南,贺 青.陈金民,等.珠江口及其邻近海域重金属的河口过程和沉积物污染风险评价 [J]. 海洋学报, 2013,35(2)：178-186.

[2] 孙湘平.中国近海区域海洋 [M]. 北京：海洋出版社, 2008.

[3] Mao Z H, Chen J Y. A regional remote sensing algorithm for total suspended matter in the East China Sea [J]. Remote Sensing of Environment, 2012,124：819-831.

[4] 徐涵秋.区域生态环境变化的遥感评价指数 [J]. 中国环境科学, 2013,33(5)：889-897.

[5] Feng L, Hu C M. Assessment of inundation changes of Poyang Lake using MODIS observations between 2000and 2010 [J]. Remote Sensing of Environment, 2012,12：80-92.

[6] Wang L, Zhao D, Yang J. Retrieval of total suspended matter from MODIS 250m imagery in the Bohai Sea of China [J]. Journal of Oceanography, 2012,68(5)：719-725.

[7] Tilstone, G H , Peters, S W M. Variability in specific-absorption properties and their use in a semi-analytical ocean colour algorithm for MERIS in North Sea and Western English Channel Coastal Waters [J]. Remote Sensing of Environment, 2012,118：320-338.

[8] 旷 达,韩秀珍,刘 翔,等.基于环境一号卫星的太湖叶绿素 a浓度提取 [J]. 中国环境科学, 2010,30(9)：1268-1273.

[9] 朱 利,姚延娟.基于环境一号卫星的内陆水体水质多光谱遥感监测 [J]. 地理与地理信息科学, 2010,26(2)：81-84.

[10] Chen, Y M, Xu, S D. Quantitative application study on remote sensing of suspended sediment [J]. China Ocean Engineering, 2012,26：483-494.

[11] Semih E. Water Quality Retrievals from High Resolution Ikonos Multispectral Imagery： A Case Study in Istanbul, Turkey [J].Water, Air, and Soil Pollution, 2007,183：239-251.

[12] Serwan J, Barban. The use of Landsat imagery to map fluvial sediment discharge into coastal waters [J]. Marine Geology, 1995,123：263-270.

[13] Yu, Z F , Chen, X L. Assessment of total suspended sediment concentrations in Poyang Lake using HJ-1A/1B CCD imagery [J]. Chinese Journal of oceanology and limnology, 2012,30：295-304.

[14] 吕君伟,刘湘南,王 晶,等.基于PSO_RBF神经网络的南海近岸海域悬浮物浓度遥感反演 [J]. 海洋环境科学, 2013,32(5)：669-673.

[15] 王 林,赵冬至,杨建洪.基于环境一号卫星的大洋河河口海域营养盐遥感反演 [J]. 中国环境科学, 2012,32(1)：136-141.

[16] Miguel A, Ghilardi A, Ken O. Estimating the spatial distribution of woody biomass suitable for charcoal making from remote sensing and geostatistics in central Mexico [J]. Energy for Sustainable Development, 2013,17：177-188.

[17] Chen S, Huang W, Wang H. Remote sensing assessment of sediment re-suspension during Hurricane Frances in Apalachicola Bay, USA [J]. Remote Sensing of Environment, 2009,113：2670-2681.

[18] Volpe V , Silvestri S, Marani M. Remote sensing retrieval of suspended sediment concentration in shallow waters [J]. Remote Sensing of Environment, 2011,115：44-54.

[19] Larouche P, Boyer-Villemaire U. Suspended particulate matter in the St.Lawrence estuary and Gulf surface layer and development of a remote sensing algorithm [J]. Estuarine, Coastal and Shelf Science, 2010,90：241-249.

[20] 施 坤,李云梅.基于半分析方法的内陆湖泊水体总悬浮物浓度遥感估算研究 [J]. 环境科学, 2012,32(6)：1571-1580.

[21] Bowers D G, Binding C E, Ellis KM. Satellite remote sensing of the geographical distribution of suspended particle size in an energetic shelf sea [J]. Estuarine, Coastal and Shelf Science, 2007, 73：457-466.

[22] 温小乐,徐涵秋.近 20年闽江福州段水域悬浮物时空变化的遥感分析 [J]. 环境科学学报, 2009,29(3)：648-654.

[23] 夏 叡,李云梅.基于 HJ-1号卫星数据的太湖悬浮物浓度空间分布和变异研究 [J]. 地理科学, 2011,31(2)：197-203.

[24] Castillo-Santiago MÁ, Ghilardi A, Oyama K. Estimating the spatial distribution of woody biomass suitable for charcoal makingfrom remote sensing and geostatistics in central Mexico [J]. Energy for Sustainable Development, 2013,17：177-188.

[25] 崔廷伟,张 杰.渤海悬浮物分布的遥感研究 [J]. 海洋学报, 2009,31(5)：10-18.

[26] 周军芳,范绍佳,李浩文,等.珠江三角洲快速城市化对环境气象要素的影响 [J]. 中国环境科学, 2012,32(7)：1153-1158.

致谢：本研究中的香港近岸海域水质监测数据由香港环保署提供; HJ-1A/1B CCD数据由中国资源卫星应用中心提供,谨致谢忱.

雾霾藏1300种微生物,大多数无害

近日,清华大学生命学院朱听研究员课题组在权威环境学杂志《环境科学与技术》上发表了题为《严重雾霾天气中北京PM2.5与PM10污染物中的可吸入微生物》的研究论文,报道了北京市雾霾天气中大气悬浮颗粒物的微生物组分.朱听研究组利用一套新的研究方法,首次鉴别出大气悬浮颗粒物中的微生物组分,其中包含 1300多种微生物,绝大部分为非致病性的,但也含有极少量可能致病或致过敏微生物的DNA序列.

据悉,朱听研究组在北京雾霾天的大气样本中,鉴定出 1300多种微生物.在这些微生物中,细菌占八成以上,另外还有少量的古细菌和病毒.

研究人员确认,这1300多种微生物绝大多数是不致病的,但也含有极少量可能致病或致过敏微生物的DNA序列.如一种名为肺炎链球菌的细菌,其DNA序列相对丰度为0.02%到0.08%,它对健康人群的危害很小,但可能让易感人群感染肺炎.

摘自北京环境网

2014-02-25

Geostatistical analysis on spatial variability of suspended solids concentration in the coast water of Hongkong.

LV Jun-wei, LIU Xiang-nan*
(School of Information Engineering, China University of Geosciences, Beijing 100083, China). China Environmental Science, 2014,34(3)：734～741

This article studied the spatial distribution and the variability of suspended solids concentration (SSC) in the coast water of Hongkong leveraging the HJ-1A/B CCD data of 2009～2012and the measured data. The remote sensing inversion model had been set up. Based on which, the analysis was conducted by means of the geostatistical method. SSC in the north part of the area (i.e., the Shenzhen bay) was higher than other areas all the year around; SSC in the northeast part of area (i.e., the estuary of the Pearl River) fluctuated remarkably from seasons to seasons; SSC in the south of Lautau island was relatively lower all the year around, and fluctuated from seasons to seasons. The study of data from 2009to 2012indicated that the total SSC in the area was low. Specifically, the average SSC was 12.25mg/L, and SSC was higher in the north part and lower in the south part; SSC was characterized as remarkable variation in spatial and temporal dimensions. Besides, SCC showed a strong autocorrelation in spatial dimension, where the value of nugget/sill was lowest in March (0.0005).

HJ-1A/B CCD；suspended solids concentration；geostatistical analysis；spatial variability

X52

：A

：1000-6923(2014)03-0734-08

吕君伟(1987-),女,河北承德人,中国地质大学(北京)信息工程学院硕士研究生,主要从事水质遥感反演研究.发表文章1篇.

2013-07-11

国家自然科学基金资助项目(U0933005)

* 责任作者, 教授, liuxn@cugb.edu.cn