-
摘要:
基于1987—2015年Landsat遥感影像,运用ENVI与MapInfo软件提取岸线,分析红河三角洲近30年岸线演变规律,并结合历史岸线、红河多年径流量与输沙量,以及过境该海域多年热带气旋数量等数据,初步探讨红河三角洲岸线演变的影响因素。研究表明红河三角洲岸线在时间上呈前进与后退交替变化特征,其中巴拉特河口以南的岸段以后退为主,河口北部岸段总体以前进为主。巴拉特河口地区淤进与蚀退变化频繁,主要与上游建坝导致入海沙量变化以及台风造成的侵蚀有关。
Abstract:Based on the data acquired by Landsat remote sensing from 1987 to 2015, ENVI and MapInfo softwares are used to extract shoreline of the Red River Delta to follow up its evolution in the recent 30 years. Integrating the historical coastline together with the runoff and sediment budget of the Red River, and the number of tropical cyclones passing through the sea area in the recent years, the controlling factors of the coastline evolution of the Red River Delta are preliminarily discussed. The study shows that the coastline of the Red River Delta changes alternately with time. The southern part of the Balat estuary mainly retreats towards the land, while the northern part of the estuary mainly advances to the sea. The frequent siltation and erosion in the Balat estuary are mainly related to the change in sediment input caused by dam construction in the upper reaches and the severe erosion by typhoon.
-
Key words:
- shoreline /
- long-term evolution /
- typhoon /
- Balat estuary /
- Red River Delta
-
0. 引言
山区高速公路虽然在选线阶段均开展了详细的地质灾害勘察工作,但由于地质灾害往往具有较强的隐蔽性,导致建设与运营期间高速公路沿线地质灾害事件频发。例如,2003 年5月11日,贵州省三穗—凯里高速公路平溪特大桥3#墩附近发生滑坡,造成33人死亡,2人失踪,1人受伤,16间工棚被毁[1]。2004年12月13日,浙江省甬台温高速公路近1.5×104 m3的山体崩塌掩埋整个高速公路路面,致使高速公路大桥北白鹭屿至乐成镇一段封道近一周[2]。2014年10月10日,陕西省黄延高速扩能工程临时宿舍侧面山体滑塌,造成19人死亡[3]。2020年9月20日,四川省石棉县境内雅西高速姚河坝大桥右侧山体发生体积约1×104 m3的崩塌,砸塌姚河坝大桥右幅两孔桥梁,造成全线交通中断[4]。因此,山区高速公路廊道不良地质体早期识别工作对于高速公路建设与运营意义重大。
早期的高速公路不良地质体识别工作多采用LandSat-5、LandSat-7等中低时空分辨率卫星影像与航空摄影结合的目视解译方法体系开展 [5-9]。随着光学遥感影像分辨率提高,Ikonos、Quickbird、Worldview等高分辨率卫星影像逐渐被应用于高速公路沿线不良地质体的识别工作[10-12]。同时,合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar, InSAR)、无人机摄影测量、机载激光雷达测量技术(Light laser Detection and Ranging, LiDAR)迅速发展为不良地质体遥感识别提供了有力的技术支撑。2017年四川省茂县新磨村滑坡发生后,许强等[13]提出基于星载平台“普查”(高分辨率光学+InSAR)、航空平台“详查”(机载LiDAR+无人机摄影测量)、地面“核查”的“天-空-地”一体化地质灾害隐患早期识别“三查”技术体系。目前,自然资源部门已在我国中西部地质灾害易发区先后开展基于“三查”技术体系的地质灾害隐患早期识别,并取得良好效果[14]。同时,公路、铁路、水电等部门也逐步将“三查”技术体系推广应用到重点工程选址勘查工作中[15-19]。例如,2019年王天河[20]将“天-空-地”一体化综合遥感技术体系应用到高速公路不良地质体识别中,为康定—炉霍高速公路线路优化提供了有益参考。但总的来说,目前“三查”技术体系在公路系统应用的广度和深度还不够。
西昌—香格里拉拟建高速公路(四川境,简称西香高速)位于四川省凉山彝族自治州,属典型的高山峡谷区,植被茂密,地质灾害具有较强的隐蔽性[21-23]。针对拟建西香高速廊道内的不良地质体,还未开展深入系统的早期识别工作,相关勘查和设计单位迫切希望查明西香高速沿线不良地质体空间分布和活动状况,以为高速公路拟选线路比选和优化提供支撑。
文中遵循地质灾害隐患早期识别“三查”技术体系,首先利用光学遥感解译和InSAR形变探测技术对西香高速公路廊道不良地质体进行大范围筛查,并结合野外调查验证和补充识别,查明不良地质体的空间分布特征,随后针对不良地质体集中发育并对拟选线路威胁大的典型区段,利用SBAS-InSAR技术和无人机航拍技术进行不良地质体详细调查和分析评价。
1. 研究区概况
1.1 西香高速概况
西香高速由主线、泸沽湖支线、木里支线三部分组成,全长218.33 km。主线起于西昌市,止点与云南境相连,总长约165.40 km;泸沽湖延伸线起于主线关田坝处,止于泸沽湖东侧盖租乡,总长约12.92 km;木里支线自棉垭枢纽互通接西香高速主线后向北布设,止于木里县,总长约40.01 km [24]。根据拟选线路,可将主线分为A、B、C三个区段(图1)。
1.2 工程地质概况
西香高速廊道位于四川省凉山彝族自治州,雅砻江流域中下游,地处滇西北横断山与云贵高原接壤地带,除安宁河谷、盐源盆地外,多为高山峡谷区。研究区位于青藏特提斯构造域与扬子大陆板块构造域之间,发育小金河—箐河断裂带、棉垭断层、霍儿坪断层、麦架坪断层、卧罗河断层及大量次生断层。区内地层岩性复杂,广泛分布二叠系、三叠系、侏罗系、新近系砂岩、泥岩、白云岩、灰岩、第四系堆积物和二叠系玄武岩,局部地区有红层出露。在构造活动和河流强烈切割作用下,区内地形高差较大、岩体节理裂隙发育,为崩塌、滑坡、泥石流等地质灾害孕育提供了有利条件,导致该区域崩塌、滑坡、泥石流等地质灾害频发[25-33]。
2. 数据与方法
2.1 数据源
此次不良地质体光学遥感识别,选取了2011年12月25日、2012年12月20日、2015年2月28日和2019年8月12日GeoEye-1卫星影像(分辨率0.41 m)、天地图平台真彩色合成卫星影像(1.0 m),以及2021年8月2日高分一号影像(分辨率2.0 m),所选影像云量均小于10%。
针对研究区不良地质体形变探测,采用合成孔径雷达数据为哨兵1号(Sentinel-1A)卫星影像数据,为了尽量减少雷达影像几何畸变和叠掩误差导致的不良地质体漏判,同时选用88景升轨和90景降轨影像联合进行形变探测,升轨影像时间为2020年1月9日—2021年6月20日,降轨影像时间为2020年1月4日—2021年6月27日(图2)。参考数字高程模型采用SRTM DEM数据(分辨率30 m)。
2.2 不良地质体遥感识别
文中研究采用多时相光学影像目视解译与SBAS-InSAR时序形变探测相结合的方法对研究区不良地质体进行识别。首先利用前述GeoEye-1、高分一号等多时相高精度光学卫星影像对拟选线路沿线不良地质体进行人工目视解译。在此基础上,基于Sentinel-1A雷达卫星升降轨数据,利用SBAS-InSAR对拟选线路沿线不良地质体形变进行探测。
(1)光学遥感识别
不良地质体的光学遥感识别主要是利用人工目视解译的方法,综合崩塌、滑坡、泥石流、堆积体等不良地质体的形态特征和宏观变形迹象进行识别[34-38]。研究区内各类不良地质体的光学遥感识别标志简述如下:
①崩塌识别标志
崩塌常发生在节理裂隙发育的坚硬岩石组成的陡峻山体上,主要从崩塌上部危岩体和下部堆积体进行综合识别。在高分辨率光学影像上,崩塌上部危岩体一般呈浅色调,纹理粗糙,植被覆盖少,可见拉张节理形成的裂缝影像特征;崩塌下部堆积在光学影像上呈表面坎坷不平、纹理粗糙、倒石堆状的影像特征,有时可见散落巨大石块,见图3(a)。
②泥石流识别标志
泥石流沟光学遥感识别主要从流域内松散物源分布情况和沟口是否有老的泥石流堆积物两方面进行判译。泥石流最突出的标志就是堆积区常呈扇形、锥形形状,其次是物源区岩体风化严重,沟道内发育多处小规模崩塌、滑坡等,见图3(b)。
③滑坡识别标志
滑坡主要分为老(古)滑坡和正在孕育的潜在滑坡两类,其中,已经发生过整体失稳的老(古)滑坡的识别相对容易,其识别标志主要为整体呈现圈椅状地貌特征,后缘可见滑坡壁,中部可见滑坡台坎、封闭洼地、湿地等,前缘可见滑坡舌挤压河道导致河流改道,坡体上植被与周边显著差异等。而对于正在孕育的潜在滑坡的识别标志主要为斜坡后源裂缝和前缘小规模崩塌滑坡,见图3(c)。
④堆积体识别标志
堆积体地貌特征与老(古)滑坡类似,常具有圈椅状形态特征,一般坡体上冲沟发育,植被较周边有显著差异,中部夷平,常分布村民集居区和耕地等,见图3(d)。
(2)SBAS-InSAR形变探测
SBAS-InSAR由意大利学者Berardino等[39]提出,通过对重复轨道观测获取的多时相雷达数据,集中提取具有稳定散射特性的高相干点目标的时序相位信号进行分析,反演研究区域地表形变平均速率和时间序列形变信息,可获得厘米级甚至毫米级的形变测量精度[17]。相较于差分干涉测量技术(Differential InSAR,DInSAR)和永久散射体干涉测量(Permanent/persistent scatterer InSAR,PS-InSAR)等,该方法不仅能去除时空失相关、大气延迟相位等因素干扰,还能避免单一主影像造成的时空基线过长而引起的失相干效应,更适用于自然场景的地表形变监测 [18-19]。
3. 不良地质体识别结果
通过光学遥感解译和SBAS-InSAR综合判译,在西香高速廊道内共识别出不良地质体164处,其中 D002、D003、D004、D019、D029、D030等10处堆积体和 H027、H031、H041、H042、H043、H044、H045等16 处滑坡 SBAS-InSAR 探测有形变信号,总计探测到26处不良地质体。野外实地验证确认147处为不良地质体,17处识别对象误判为滑坡,综合遥感识别正确率达89.6%。野外调查新发现不良地质体27处,其中滑坡13处,崩塌5处,泥石流5处,堆积体4处。最终查明西香高速廊道发育174处不良地质体,其中滑坡(H)74处,崩塌(B)40处,泥石流(N)16处,堆积体(D)44处(图4—5)。
廊道不良地质体平均发育密度为0.8处/km2,主要集中分布在主线A段、C段和木里支线段,木里支线段发育最为密集,共86处,平均密度为2.15处/km,主线B段无不良地质体发育(表1)。反映了不良地质体在空间上分布不均,这与线路穿越的地形和地质条件有关,主线B段位于盐源盆地,地形平坦,其它线路穿越受霍儿坪、麦架坪、卧罗河等十余条断层和雅砻江、小金河等河流影响的深切峡谷,不良地质体分布密集,公路修建面临较大挑战,需要在本研究成果基础上开展更详细的野外勘查工作。
表 1. 西香高速廊道不良地质体分段统计表Table 1. Statistical list of adverse geological bodies in the corridor区段 起止点 长度/km 崩塌/处 滑坡/处 泥石流/处 堆积体/处 总数量/处 密度/(处·km−1) 主线A段 K0+0.00—K73+100 73.10 3 18 3 13 37 0.51 主线B段 K73+100—K108+400 35.30 0 0 0 0 0 0 主线C段 K108+400—K165+400 57.00 18 13 5 10 46 0.81 木里支线 MK0+0.00—MK40+10 40.01 18 41 6 21 86 2.15 泸沽湖支线 LK0+0.00—LK12+920 12.92 1 2 2 0 5 0.42 合计 218.33 40 74 16 44 174 0.80 4. 典型区段不良地质体分析
西香高速廊道不良地质体空间分布不均,部分区段发育十分密集,对拟建线路威胁大,这些区段的不良地质体稳定性对线路比选和建设起着决定性作用。
4.1 磨盘山隧道—雅砻江桥段
磨盘山隧道—雅砻江桥段位于得力铺荫山河沟内,主线A段K53—K54+500区段。区段内发育8处不良地质体,其中崩塌1处,滑坡3处,堆积体4处,密度达5.33处/km(图6)。在降轨形变结果中探测到D002、D003、D004三处堆积体具有形变信息,见图7(a)。图7(b)为堆积体上分别选取的特征点A1、A2、A3形变曲线图,各点累计形变量分别为46.5 mm、38.2 mm和26.7 mm,处于匀速蠕变状态。受逆冲断层活动影响,此区段岩体风化强烈,残坡积碎石土厚度较大,在地表水长期作用下形成深切河谷,导致堆积体发生明显形变。D005为发育于荫山河沟右岸的一处中型堆积体,面积约7.6×104 m2,堆积厚度5~20 m,坡脚受掏蚀作用发生多处局部垮塌,并发育1处小型滑坡H005,体积约1.9×104 m3。滑坡顶部有农田灌溉,坡体上可见地下水出露,稳定性较差,在降雨和工程扰动条件下可发生失稳(图8)。工可推荐线路从H005滑坡和D005堆积体中部以桥梁方式通过,2-1比选线路以桥梁方式从D005堆积体后部通过,受影响较大,建议对线路进行局部优化。
4.2 牦牛山隧道出口段
牦牛山隧道出口段位于卧罗河右岸格罗地沟内,主线C段K122—K129区段,流域内高差1800 m,沟长大于10 km,平均纵坡降约141‰,支沟鸡脚沟与主沟呈“Y”状发育。在沟道侵蚀作用下,区段内不良地质体发育密集,包括7处滑坡,2处堆积体,2处崩塌和1处大型泥石流,密度达1.57处/km(图9)。结合SBAS-InSAR结果发现,滑坡H027、H031和堆积体D019具有形变信号,在三个不良地质体形变较大区域取特征点B1、B2、B3,得到累计形变量分别为−55.7 mm、−51.9 mm和−63.0 mm,均处于匀速蠕变阶段(图10)。
断层构造活动造成该区段岩体破碎,堆积层厚度较大,坡脚受沟道流水强烈掏蚀,形成密集滑塌。H031为沟道左岸一处小型滑坡,前缘已发生多次滑塌,中部拉裂台坎明显,两侧发育冲沟,降雨和流水持续作用将导致滑坡变形加剧。工可推荐线牦牛山隧道出口位于H031滑坡下部,紧邻滑塌区,建议对线路进行局部优化,比选线路2-2和2-4在该区段均以隧道方式通过,不受不良地质体影响(图11)。
4.3 下麦地隧道出口段
下麦地隧道出口段位于小金河右岸下麦地乡,木里支线MK17+500—MK21+100区段,整个坡体由2处大型堆积体组成,D029受侧蚀作用显著,发育2处滑坡H040、H041、D030受降雨和河流作用,形成多处局部形变和纵向冲沟,见图12(a)。结合时序InSAR结果发现,D030前缘形变信号明显,见图12(b)、12(c),特征点C1、C2和B3的时间—形变曲线如图12(d)所示,各点累计形变量分别为74.6 mm、69.6 mm和20.8 mm,C1和C2在2020年11月23日之后的形变速率明显增大,出现加速趋势,可能由于库水位变化导致形变加剧。
通过实地调查发现,堆积体D029、D030下伏基岩为中厚层砂岩夹薄层泥质砂岩,风化程度高,倾向与坡向基本一致,稳定性较差。受人类工程活动影响,坡体多处发生小规模滑塌,道路变形明显。进一步工程扰动可能加剧堆积体变形。比选线路2-3拟以桥梁、路基方式通过堆积体D030,受影响较大,建议线路采取“绕避”措施(图13)。
5. 讨论
(1)利用综合遥感手段能快速、宏观掌握拟建高速公路廊道不良地质体的发育和空间分布情况,弥补了传统地面调查对高位、高隐蔽性不良地质体难以识别的局限。但遥感手段也同样存在一定的局限性,光学影像时效性和分辨率不足、研究区植被覆盖率高、人类工程活动频繁等,都有可能造成不良地质体的误判和漏判。本次西香高速廊道不良地质体的遥感识别中,综合遥感识别出不良地质体164处,通过野外实地验证发现,误判不良地质体17处(均为滑坡),漏判不良地质体27处(其中滑坡13处,崩塌5处,泥石流5处,堆积体4处)。遥感识别中误判和漏判的不良地质体类型均以滑坡为主,这与光学卫星遥感影像空间分辨率和时间分辨率不足以及部分区域高植被覆盖有很大关系。研究区一些小规模浅表层溜滑迹象展现出与滑坡局部滑塌变形迹象相同的光谱和纹理特征,是造成滑坡误判的主要原因。同时,部分目前活动性不强的滑坡,其形态要素(平面形态、滑坡壁、滑坡台阶、滑坡舌、滑坡裂缝、滑坡鼓丘、封闭洼地等)和变形迹象在光学影像上显现不明显,即使光学影像分辨率达到亚米级,也容易漏判。此外,漏判的堆积体和泥石流集中在植被覆盖率高和水位涨伏较大的区域,主要原因是:①堆积体在未扰动的状态下一般较为稳定,形变迹象不明显,在植被覆盖较少时,可通过地貌特征进行识别,但在植被高覆盖区则难以识别;②漏判的泥石流沟主要分布于锦屏一级水电站库区,受库水位变化影响,泥石流堆积扇在水位上升时期被淹没,容易造成泥石流的漏判,因此今后对水库区不良地质体的遥感识别应尽可能采用水库蓄水前后和不同季节的多时相遥感影像进行对比解译。
(2)InSAR技术在形变梯度极限、观测方向上的缺陷,以及受地形条件、大气波动等影响产生的误差,也有可能导致不良地质体的误判和漏判。因此,从形变信息到确定不良地质体,需要结合地质资料综合考虑。例如,图7所示堆积体D005在InSAR结果中并无明显形变信息,但通过多期光学遥感影像特征和野外实地调查,可以准确判定其为不良地质体。因此,综合遥感手段和野外验证协同工作仍十分必要。此外,在水库等大型水体区域进行InSAR数据处理时,大气误差较显著,应采用大气误差校正模型,尽量降低大气误差影响,避免不良地质体的误判和漏判[40-45]。
(3)西香高速廊道内发育大量规模巨大的堆积体,尤其以木里支线MK17—MK33段最为显著,图14展示了此区段的光学遥感影像和InSAR探测结果,除D029、D030和D033外,其它堆积体未探测到有效形变信息,目前处于基本稳定状态。但值得注意的是,此区段构造活动频繁,断层、河流等内外动力地质作用破坏了岩土体的完整性,在降雨、工程扰动等共同作用下,堆积体可能发生大规模失稳,对高速公路造成危害。因此,堆积体的稳定性应成为后期线路优化和工程施工的重点关注对象。
6. 结论
文中利用“天-空-地”一体化综合遥感手段对西香高速公路廊道不良地质体进行识别,并对重点区段不良地质体的危险性进行分析评价,取得了以下主要认识:
(1)通过遥感解译圈定西香高速廊道不良地质体164处,后期野外实地验证确认147处为不良地质体,遥感解译识别正确率为89.6%。野外调查新增不良地质体27处,最终确定西香高速廊道内共发育不良地质体174处,其中滑坡74处,崩塌40处,泥石流16处,堆积体44处,具有形变信号的不良地质体26处。
(2)西香高速廊道内不良地质体平均发育密度为0.8处/km,但空间分布不均,主要集中分布在主线A段、C段和木里支线段。木里支线段不良地质体发育最为密集,共发育86处不良地质体,平均密度为2.15处/km。
(3)磨盘山隧道—雅砻江桥段、牦牛山隧道出口段和下麦地隧道出口段等区段不良地质体发育密集、规模大、稳定性差,对拟建线路威胁大,且治理难度大,建议在后期进行线路比选等工作时,应尽量对以上不良地质体进行绕避。
-
图 2 1930—1985年巴拉特河口岸线变化[8]
Figure 2.
图 11 1960—2010年4个站位径流量和输沙量变化[33]
Figure 11.
图 13 冬(旱)季(a)与夏(雨)季(b)平均波高等值线[36]
Figure 13.
图 14 红河三角洲近岸沉积物输运路径[35]
Figure 14.
-
[1] Van Thao N, Thanh T D, Saito Y, et al. Monitoring coastline change in the Red River Delta using remotely sensed data [J]. Journal of Marine Science and Technology, 2013, 13(2): 151-160.
[2] 李珍, 臧家业, Saito Y, 等. 越南红河三角洲近五千年来的几个降温事件[J]. 海洋科学进展, 2005, 23(1):43-53 doi: 10.3969/j.issn.1671-6647.2005.01.006
LI Zhen, ZANG Jiaye, Saito Y, et al. Several cooling events over the Hong River Delta, Vietnam during the past 5 000 years [J]. Advances in Marine Science, 2005, 23(1): 43-53. doi: 10.3969/j.issn.1671-6647.2005.01.006
[3] Tanabe S, Hori K, Saito Y, et al. Sedimentary facies and radiocarbon dates of the Nam Dinh-1 core from the Song Hong (Red River) delta, Vietnam [J]. Journal of Asian Earth Sciences, 2003, 21(5): 503-513. doi: 10.1016/S1367-9120(02)00082-2
[4] 时培兵, 褚庆忠, 陈小哲, 等. 红河三角洲沉积相及其形成模式研究[J]. 重庆科技学院学报: 自然科学版, 2016, 18(2):18-21, 26
SHI Peibing, CHU Qingzhong, CHEN Xiaozhe, et al. Sedimentary facies and formation model of Honghe River Delta [J]. Journal of Chongqing University of Science and Technology: Natural Science Edition, 2016, 18(2): 18-21, 26.
[5] Funabiki A, Haruyama S, Van Quy N, et al. Holocene delta plain development in the Song Hong (Red River) delta, Vietnam [J]. Journal of Asian Earth Sciences, 2007, 30(3-4): 518-529. doi: 10.1016/j.jseaes.2006.11.013
[6] 宋兵, 李珍, 李杰, 等. 越南红河水下三角洲北区表层沉积物类型及分布特征初探[J]. 海洋通报, 2009, 28(6):78-83 doi: 10.3969/j.issn.1001-6392.2009.06.014
SONG Bing, LI Zhen, LI Jie, et al. Study on surface sediment characteristics and distribution in the northern Red River subaqueous delta, Vietnam [J]. Marine Science Bulletin, 2009, 28(6): 78-83. doi: 10.3969/j.issn.1001-6392.2009.06.014
[7] 陈丽蓉, 张秀荣. 北部湾沉积物中矿物组合及其分布特征[J]. 海洋学报, 1986, 8(3):340-346
CHEN Lirong, ZHANG Xiurong. Mineral assemblages and their distribution characteristics in the sediments of Beibu Gulf [J]. Acta Oceanologica Sinica, 1986, 8(3): 340-346.
[8] Duc D M, Nhuan M T, Van Ngoi C. An analysis of coastal erosion in the tropical rapid accretion delta of the Red River, Vietnam [J]. Journal of Asian Earth Sciences, 2012, 43(1): 98-109. doi: 10.1016/j.jseaes.2011.08.014
[9] 何东艳. 北部湾海岸带生态系统健康遥感监测与评价[D]. 广西师范学院硕士学位论文, 2013.
HE Dongyan. The monitoring and evaluation of ecosystem health of Beibu Gulf coastal lone based on remote sensing[D]. Master Dissertation of Guangxi Teachers Education University, 2013.
[10] 葛振鹏, 戴志军, 谢华亮, 等. 北部湾海湾岸线时空变化特征研究[J]. 上海国土资源, 2014, 35(2):49-53 doi: 10.3969/j.issn.2095-1329.2014.02.013
GE Zhenpeng, DAI Zhijun, XIE Hualiang, et al. Temporal and spatial characteristics of the shoreline along the Beibu Gulf [J]. Shanghai Land & Resources, 2014, 35(2): 49-53. doi: 10.3969/j.issn.2095-1329.2014.02.013
[11] 卢宇. 广西北部湾海岸带开发利用与保护研究[D]. 广西师范学院硕士学位论文, 2017.
LU Yu. Study on the development, utilization and protection of the coastal zone of Guangxi Beibu Gulf[D]. Master Dissertation of Guangxi Teachers Education University, 2017.
[12] 朱国强, 苏奋振, 张君珏. 南海周边国家近20年海岸线时空变化分析[J]. 海洋通报, 2015, 34(5):481-490 doi: 10.11840/j.issn.1001-6392.2015.05.001
ZHU Guoqiang, SU Fenzhen, ZHANG Junjue. Analysis on spatial-temporal changes of the coastline in the countries around the South China Sea in recent two decades [J]. Marine Science Bulletin, 2015, 34(5): 481-490. doi: 10.11840/j.issn.1001-6392.2015.05.001
[13] 肖锐. 近三十五年中国海岸线变化及其驱动力因素分析[D]. 华东师范大学硕士学位论文, 2017.
XIAO Rui. Analysis of change and driving force of the coastline of mainland in nearly 35 years[D]. Master Dissertation of East China Normal University, 2017.
[14] 周相君. 1973-2013年广西大陆海岸线遥感变迁分析[D]. 国家海洋局第一海洋研究所硕士学位论文, 2014.
ZHOU Xiangjun. Shoreline change analysis of Guangxi mainland based on remote sensing from 1973 to 2013[D]. Master Dissertation of First Oceanographic Research Institute of the National Oceanic Administration, 2014.
[15] 黄鹄, 胡自宁, 陈新庚, 等. 基于遥感和GIS相结合的广西海岸线时空变化特征分析[J]. 热带海洋学报, 2006, 25(1):66-70 doi: 10.3969/j.issn.1009-5470.2006.01.014
HUANG Hu, HU Zining, CHEN Xingeng, et al. Analyses on spatial and temporal changes of Guangxi shoreline based on remote sensing and GIS [J]. Journal of Tropical Oceanography, 2006, 25(1): 66-70. doi: 10.3969/j.issn.1009-5470.2006.01.014
[16] 谭李春. 基于多源数据的广西大陆海岸线变迁研究[J]. 测绘与空间地理信息, 2013, 36(8):72-75 doi: 10.3969/j.issn.1672-5867.2013.08.022
TAN Lichun. The research of Guangxi continental coastline-changing based on multi-source GIS data [J]. Geomatics & Spatial Information Technology, 2013, 36(8): 72-75. doi: 10.3969/j.issn.1672-5867.2013.08.022
[17] 王隽. 基于卫星遥感观测的南海内波发生源与传播路径分析[D]. 中国海洋大学博士学位论文, 2012.
WANG Jun. The sources and propagation analysis of internal waves in the South China Sea based on satellite remote sensing[D]. Doctor Dissertation of Ocean University of China, 2012.
[18] Duc D M, Yasuhara K, Murakami S, et al. Coastal erosion in the tropical rapid accretion delta - a case study of the Red River Delta, Vietnam[C]//Fourth International Conference on Scour and Erosion. Tokyo, 2008: 372-379.
[19] Pruszak Z, Szmytkiewlcz M, Hung N M, et al. Coastal processes in the Red River Delta Area, Vietnam [J]. Coastal Engineering Journal, 2002, 44(2): 97-126. doi: 10.1142/S0578563402000469
[20] Thanh T D, Saito Y, Van Huy D, et al. Regimes of human and climate impacts on coastal changes in Vietnam [J]. Regional Environmental Change, 2004, 4(1): 49-62. doi: 10.1007/s10113-003-0062-7
[21] Hung N M, Larson M, Van Ninh P, et al. Regional wave transformation and associated shoreline evolution in the Red River Delta, Vietnam[C]//Fourth International Symposium on Ocean Wave Measurement and Analysis. San Francisco, 2001: 1316-1325.
[22] Hatori C H, Soejarwo P A, Indriasari V Y. Analysis of coastal protection instalation to coastline changes in Lombang Beach, Indramayu [J]. Journal Kelautan Nasional, 2012, 7: 91-99.
[23] Saranathan E, Chandrasekaran R, Manickaraj D S, et al. Shoreline changes in Tharangampadi Village, Nagapattinam District, Tamil Nadu, India-A case study [J]. Journal of the Indian Society of Remote Sensing, 2011, 39(1): 107-115. doi: 10.1007/s12524-010-0052-4
[24] Tue N T, Hamaoka H, Sogabe A, et al. Sources of sedimentary organic carbon in mangrove ecosystems from Ba Lat Estuary, Red River, Vietnam[C]//Interdisciplinary Studies on Environmental Chemistry-Marine Environmental Modeling & Analysis. Tokyo, 2011: 151-157.
[25] 毋亭, 侯西勇. 海岸线变化研究综述[J]. 生态学报, 2016, 36(4):1170-1182
WU Ting, HOU Xiyong. Review of research on coastline changes [J]. Acta Ecologica Sinica, 2016, 36(4): 1170-1182.
[26] Crowell M, Coulton K, Johnson C, et al. An estimate of the U.S. population living in 100-year coastal flood hazard areas [J]. Journal of Coastal Research, 2010, 26(2): 201-211.
[27] 周健, 丛林, 许彰珉. 上海地区沿海岸线工程受相对海平面上升影响浅析[J]. 中国地质灾害与防治学报, 2000, 11(3):70-73, 78 doi: 10.3969/j.issn.1003-8035.2000.03.017
ZHOU Jian, CONG Lin, XU Zhangmin. Effect of sea level rising on nearshore structures and seawalls [J]. The Chinese Journal of Geological Hazard and Control, 2000, 11(3): 70-73, 78. doi: 10.3969/j.issn.1003-8035.2000.03.017
[28] Jin D, Hoagland P, Au D K, et al. Shoreline change, seawalls, and coastal property values [J]. Ocean & Coastal Management, 2015, 114: 185-193.
[29] 杨继超, 李广雪, 宫立新, 等. 山东威海滨海沙滩侵蚀现状和原因分析[J]. 中国海洋大学学报, 2012, 42(12):97-106
YANG Jichao, LI Guangxue, GONG Lixin, et al. Status and causes of beach erosion in Weihai, Shandong Province [J]. Periodical of Ocean University of China, 2012, 42(12): 97-106.
[30] 李亚方. 基于3S技术的长江口岸线演变规律及成因分析[D]. 中国地质大学硕士学位论文, 2016.
LI Yafang. Evolution and genetic analysis of Yangtze River Estuary shoreline based on 3S technology[D]. Master Dissertation of China University of Geosciences, 2016.
[31] 刘雪, 马妍妍, 李广雪, 等. 基于卫星遥感的长江口岸线演化分析[J]. 海洋地质与第四纪地质, 2013, 33(2):17-23
LIU Xue, MA Yanyan, LI Guangxue, et al. Coastline evolution of the Yangtze estuary upon satellite remote sensing analysis [J]. Marine Geology & Quaternary Geology, 2013, 33(2): 17-23.
[32] 孙伟富, 马毅, 张杰, 等. 不同类型海岸线遥感解译标志建立和提取方法研究[J]. 测绘通报, 2011(3):41-44
SUN Weifu, MA Yi, ZHANG Jie, et al. Study of Remote sensing interpretation keys and extraction technique of different types of shoreline [J]. Bulletin of Surveying and Mapping, 2011(3): 41-44.
[33] Lu X X, Oeurng C, Le T P Q, et al. Sediment budget as affected by construction of a sequence of dams in the lower Red River, Vietnam [J]. Geomorphology, 2015, 248: 125-133. doi: 10.1016/j.geomorph.2015.06.044
[34] 张坤. 基于小波变换的红河年径流时间序列趋势分析[J]. 人民长江, 2012, 43(增刊2): 53-56.
ZHANG Kun. Trend analysis of annual runoff time series of Red River based on wavelet transform[J]. Yangtze River, 2012, 43(Supplement Ⅱ): 53-56.
[35] Duc D M, Nhuan M T, Van Ngoi C, et al. Sediment distribution and transport at the nearshore zone of the Red River delta, Northern Vietnam [J]. Journal of Asian Earth Sciences, 2007, 29(4): 558-565. doi: 10.1016/j.jseaes.2006.03.007
[36] Le Ducuong. 北部湾海域沉积动力环境对台风“威马逊”响应的数值模拟研究[D]. 中国海洋大学, 2019.
Le Ducuong. Numercial Simulation of the Sedimentary Dynamic Changes Response to the Super Typhoon Rammasun in the Gulf of Tonkin[D]. Ocean University of China, 2019.
期刊类型引用(1)
1. 林金鑫. 越南红河三角洲地面沉降易发程度研究. 上海国土资源. 2023(01): 107-112 . 百度学术
其他类型引用(1)
-