Application of low-altitude airspace UAVs in beach terrain monitoring
-
摘要:
消费级无人机的普及使得海滩监测有新的选择，但不同无人机平台的监测精度与适用情景各异，有必要进行适用性评价。本研究利用两种无人机平台（精灵4 RTK、经纬M300 RTK）与两种地形监测技术（SFM摄影测量、激光雷达）在象山县大沙海滩进行海滩地形监测，计算低空无人机监测海滩地形的平面误差与高程误差，分析不同无人机平台准同步监测结果之间的差异及其原因；利用无人机监测结果分析大沙海滩的地形特征，讨论海滩地形冬季前后变化。分析结果显示，无人机平台能胜任高精度的海滩地形变化监测工作。
Abstract:With the development of consumer-grade unmanned aerial vehicles (UAVs), new possibilities for beach monitoring are now available. However, different monitoring accuracies and suitability exist across different UAV platforms. We employed two UAV platforms, namely the DJI Phantom 4 RTK and DJI M300 RTK, in combination with two terrain monitoring techniques: Structure from Motion (SFM) photogrammetry and Light Detection and Ranging (LIDAR), to undertake beach terrain monitoring at Dasha Beach in Xiangshan County, Zhejiang, East China. The planimetric and elevation errors of low-altitude UAV measurements were assessed. Differences among the synchronously monitored results of diverse UAV platforms were analyzed, and their respective application scenarios were discussed. Additionally, we analyzed beach terrain characteristics and investigated beach terrain variations before and after winter. The analysis results show that the drone platform is capable of performing high-precision monitoring of beach topographic changes.
-
悬浮泥沙是沉积物由陆地向海洋输运的主要载体，同时悬浮泥沙在运移过程中会携带各类营养盐和污染物，因此悬浮泥沙的输运和沉积不仅能反映海洋沉积动力过程，而且也深刻影响着陆架海海洋生态环境和资源分布[1-5]。
针对南黄海海域悬浮泥沙分布、运移和物质来源的研究，前人利用实测资料分析[6-9]、数值模拟[10]、遥感资料反演[11-12]等方法开展了相关研究。如李文建等[13]基于现场激光粒度仪(LISST)观测数据研究了南黄海的悬浮物粒度分布特征；仲毅等[14]通过水样抽滤得到的悬浮体质量浓度数据和现场激光粒度仪(LISST)观测到的悬浮体体积浓度数据研究了南黄海35°断面的悬浮体浓度垂直分布及其季节变化。李建超等[15]基于现场激光粒度仪(LISST)观测数据证明南黄海底部存在多个悬浮体高浓度区域，沿岸流控制下的近岸悬浮体高浓度区，悬浮体多为细颗粒物质；黄海暖流流经海域浓度相对较低，悬浮体多为粗颗粒物质；海洋温跃层会抑制底层悬浮体向表层运移，促进其在底部富集。部分学者对悬浮泥沙输运机制的研究表明，不同海域悬浮泥沙输运机制存在差异，如鸭绿江河口地区、苏北近岸西洋水道、洋山港海域和长江口悬浮泥沙输运以平流输运为主，主要控制因素是欧拉余流[16-19]；天津港和福宁湾附近海域悬浮泥沙净输运以潮泵效应为主[20-21]；椒江河口悬浮泥沙输运以潮泵效应和平流输运为主[22]。
前人对南黄海海域的悬浮泥沙分布及输运取得了丰富的研究成果，但对日照近岸海域悬浮泥沙分布及输运的研究稍显匮乏。日照近岸海域位于南黄海西部，水体稳定，地表径流对其影响微弱，是研究波浪及海流作用对悬浮泥沙分布及输运影响的理想区域[23]。鉴于此，本文以日照近岸海域为研究区（图1），通过开展多站位、大比例尺的同步实测潮流、温盐和悬浮泥沙调查，运用通量机制分解法，研究日照近岸海域悬浮泥沙的平面和垂向分布特征，探究不同水动力因素对悬浮泥沙输运贡献率的差别。研究成果对完善南黄海近岸海域悬浮泥沙分布及输运机制，揭示日照近岸海域海底地貌演变机制，指导海岸工程建设具有一定的理论和现实意义。
1. 研究区概况
研究区位于南黄海西部的日照海岸带地区，岸线以砂质海岸为主。研究区底质类型以砂和粉砂为主，东部、中部、西部海域多见砾质泥质砂和含砾泥质砂，沉积动力较强，以滚动和跳跃组分为主；岚山港和日照港附近海域多见含砾泥、砂质泥和泥等细粒物质，沉积动力较弱，以悬浮组分为主[24]。日照海域潮汐类型属规则半日潮，平均海平面3.10 m，历年最高潮位5.40 m，历年最低潮位0.27 m，平均高潮位4.22 m，平均低潮位1.24 m。波浪以风浪为主，常浪向、强浪向均为E向；次常浪向为ESE向和SE向[25]。
2. 数据来源与研究方法
2.1 数据来源
2020年10月18日10：00—19日11：00（大潮期），中国海洋大学在日照近岸海域进行了5个站位25 h的海流连续同步观测；2020年10月20—23日（秋季），中国海洋大学在日照东部海域进行了35个站位的大面站水文泥沙现场调查，调查内容包括水体浊度和水体温盐，观测期间海况良好，调查站位如图1所示。
（1）海流和潮位
采用美国LinkQuest公司生产的FlowQuest 600 kHz多普勒海流剖面仪（ADCP）和美国Teledyne RD Instruments公司生产的WHS 600 多普勒海流剖面仪（ADCP）采集流向、流速、水深数据，ADCP于船右舷后侧位置固定，每隔10 min采集一次数据。观测剖面按0.5 m分层，根据实际水深按6点法（表层、0.2H、0.4H、0.6H、0.8H、底层）进行数据提取。
潮位观测采用美国Global Water生产的DCX-22-2潮位仪和中国中船海鹰加科海洋技术有限责任公司生产的海鹰HY1300全数字潮位仪，采样间隔1 s。
（2）悬浮泥沙
5个连续站悬浮泥沙水样的采集和海流观测同步进行，采样间隔1 h，根据水深在表（水面以下1 m）、中、底（海底以上1 m）3层各采集1 L水样，用于悬浮体质量浓度的测定。对现场采集的水样在实验室进行抽滤、烘干、称重。过滤膜为孔径0.45 μm、直径47 mm的醋酸纤维膜，在电热培养恒温箱中以50℃烘干，恒温6 h后放入硅胶干燥器，放置6 h。称重在精度1/10万的天平进行。为保证结果准确，悬浮体浓度数据利用空白校正膜进行了校正。
水体浊度（FTU）的现场测量使用英国Aquatec公司生产的Aqualogger 310TY型浊度仪和美国D&A公司生产的OBS-3A型浊度仪完成，采样频率为1 Hz，量程（0～200 FTU），测量精度为±0.01 FTU。
对实测浊度数据与悬浮泥沙浓度实验结果进行相关性分析，结果表明二者相关系数达到0.85 以上（图2），证明水体浊度是悬浮泥沙浓度的良好替代性指标，本文已根据相关性关系将浊度换算成悬浮泥沙浓度。
![]()
图 2 实测浊度与悬浮泥沙浓度相关曲线图Figure 2. Correlation curve of measured turbidity and sediment concentration（3）温度和盐度
水体温度（℃）、盐度（PSU）、水深（m）的现场测量使用美国TRDI公司生产的CTD-NV型温盐深仪完成，采样频率5 Hz，温度和盐度测量精度为±0.005 ℃和±0.005 PSU。
2.2 研究方法
（1）通量机制分解法
本文采用Dyer[26]的物质通量计算方法将悬浮泥沙通量分解为多个动力项，从而研究海流作用下各动力项所对应的主要动力因子对研究区悬浮泥沙输运的作用。依据Ingram[27]和Uncles 等[28]提出的用相对水深进行分解瞬时的物质输运量的方式，潮周期Tt 平均瞬时单宽悬浮泥沙输移通量T 的计算式为：
$$\begin{split} T=&\frac{1}{{T}_{t}}\underset{0}{\overset{{T}_{t}}{\int }}\underset{0}{\overset{h}{\int }}uc{\rm d}{z}_{0}{\rm d}t=\frac{1}{{T}_{t}}\underset{0}{\overset{{T}_{t}}{\int }}\underset{0}{\overset{1}{\int }}uch{\rm d}z{\rm d}t = \\&{h}_{0}\overline{{u}_{0}}\overline{{c}_{0}}+\left\langle{{h}_{t}\overline{{u}_{t}}}\right\rangle\overline{{c}_{0}}+\left\langle{{h}_{t}\overline{{c}_{t}}}\right\rangle\overline{{u}_{0}}+\left\langle{{h}_{t}\overline{{u}_{t}{c}_{t}}}\right\rangle+{h}_{0}\overline{{u}_{0}^{\text{'}}}\overline{{c}_{0}^{\text{'}}}+\\&\left\langle{{h}_{t}{u}_{0}^{\text{'}}{c}_{t}^{\text{'}}}\right\rangle+\left\langle{{h}_{t}{u}_{t}^{\text{'}}{c}_{0}^{\text{'}}}\right\rangle+\left\langle{{h}_{t}{u}_{t}^{\text{'}}{c}_{t}^{\text{'}}}\right\rangle =\\&\left({T}_{1}\right)+\left({T}_{2}\right)+\left({T}_{3}\right)+\left({T}_{4}\right)+\left({T}_{5}\right)+\left({T}_{6}\right)+\left({T}_{7}\right)+\mathrm{ }\left({T}_{8}\right)\end{split} $$ (1) 式中：T1为欧拉余流控制下发生的悬浮泥沙输运，T2为斯托克斯漂移输运量，表示潮波与潮流相关项；T1与T2之和为拉格朗日余流平流输运贡献项；T3为潮汐与悬浮泥沙浓度的潮变化相关项；T4为悬浮泥沙浓度与潮流变化相关项，即水位、垂向流速和垂向含沙量的三阶相关项，该项反映了底部泥沙再悬浮的强度；T3与T4之和为潮泵效应，表示一个潮周期内涨落潮造成的上层水体和底部泥沙之间发生泥沙输运；T5为垂向流速变化和悬浮泥沙浓度变化的相关项，垂向上净环流产生的贡献；T6、T7为时均量和潮汐振动引起的剪切扩散，T8为垂向潮振荡引起的剪切扩散，T6、T7与T8之和为剪切扩散项。
（2）Richardson数(Rig)
利用Richardson数(Rig)描述水体的混合和层化程度，其表达式为：
$$ {\rm{Ri}}_{ g}= \frac{{N}^{2}}{{M}^{2}} = \frac{\rm g}{\rho }\cdot \frac{\partial \rho }{\partial {z}^{\text{'}}}{\left(\frac{\partial u}{\partial {z}^{\text{'}}}\right)}^{-2} $$ 式中，
$ {N}^{2} $ 为浮力频率，$ {M}^{2} $ 为流速切强度，$ {z}^{\text{'}} $ 为垂向距离，ρ为海水密度，u为各层海水流速，g为重力加速度。当Rig＜0.25（或ln(Rig/0.25)＜0）时，水体不稳定，混合增强；当Rig＞0.25（或ln(Rig/0.25)＞0）时，水体稳定，混合被抑制[29]。（3）盐度层化系数
利用盐度层化系数可以判断水体的稳定程度，层化系数与水体稳定程度呈正相关性，层化系数越大，水体越稳定，水体各层的物质交换越不频繁，反之则相反。盐度层化系数[30]表达式如下：
$$ N=\frac{{S}_{\rm d}-{S}_{\rm b}}{\bar{S}} $$ 式中，Sd、Sb分别为底层、表层盐度，
$ \bar{S} $ 为垂向平均盐度，当N＜0.01时，水体属于强混合型，盐度密度分层不影响悬浮泥沙的垂向扩散；0.01＜N＜1时，水体为缓混合型；N＞1时，水体为弱混合型，盐度密度分层会抑制悬浮泥沙垂向扩散。（4）遥感影像反演悬浮泥沙浓度
考虑到大面站取样时间不同步对于分析研究区悬浮泥沙浓度平面分布特征可能存在一定影响，为了弥补此方面的缺陷，利用取样时间段内（2020年10月23日）的遥感影像进行反演，获得研究海域表层悬浮泥沙浓度。本文采用韩国海洋卫星中心提供的GOCI-TSS影像来反演悬浮泥沙浓度，GOCI-TSS是基于GOCI数据的二级产品，其中的TSS是利用GDPS软件基于Case-2算法得到的产品。
3. 结果
3.1 海流特征
根据实测海流资料，将各个站位表层、中层、底层海流特征值列于表1，并绘制各站位垂向海流矢量图（图3）。各站位流向以NE-SW为主，海流运动形式为逆时针往复流，涨潮流主方向为SW，落潮流主方向为NE。总体上，3#站位流速最大，最大流速出现在涨潮期表层，为105.80 cm/s，5#站位流速最小，最小流速出现在落潮期底层，为11.30 cm/s。涨潮时，各站位最大流速为78.78～105.80 cm/s，落潮时，各站位最大流速为52.00 ～79.06 cm/s。在潮周期内，涨潮流速大于落潮流速，落潮历时更长，研究区各站位涨、落潮最大流速都出现在中潮位附近（图8）。垂向上，研究区各站位流速从表层到底层逐渐减小。
表 1 各站位海流观测结果Table 1. Marine current observation results at each station涨潮 落潮 站位 层位 最大 平均 最大 平均 流速/(cm/s) 流向
/(°)流速/(cm/s) 流向
/(°)流速/(cm/s) 流向
/(°)流速/(cm/s) 流向
/(°)1# 表层 78.78 274.2 51.69 223.14 67.93 108.4 45.03 68.19 中层 66.50 294.5 46.22 239.22 56.21 97.1 41.26 58.04 底层 53.43 271.3 32.06 233.10 40.90 91.3 29.89 59.91 2# 表层 94.56 277.9 55.50 216.15 77.60 134.1 50.55 65.71 中层 92.17 351.7 55.36 242.51 69.24 181.6 42.47 66.52 底层 63.54 267.2 44.16 228.07 44.79 123.3 28.25 69.73 3# 表层 105.80 345.9 58.30 255.99 75.60 152.5 52.13 74.80 中层 89.95 336.9 55.27 256.61 77.48 120.0 53.53 61.68 底层 67.35 355.1 32.76 267.59 45.89 113.9 28.50 47.94 4# 表层 96.21 279.0 58.30 254.57 79.06 105.6 49.91 60.66 中层 85.10 303.0 52.24 261.03 75.26 135.5 47.65 59.28 底层 61.33 277.0 34.50 248.25 67.88 103.9 31.84 61.78 5# 表层 83.70 347.5 53.89 260.53 52.00 144.3 38.11 70.11 中层 78.60 320.4 51.30 257.51 44.60 140.9 33.85 63.83 底层 57.10 308.1 33.22 251.34 31.70 135.5 20.36 90.33 准调和分析结果表明研究区各测站潮流以M2分潮为主，潮流椭圆长轴比为0.07～0.3，小于0.5，说明潮流性质为规则半日潮流。研究区海域余流变化复杂，方向既有向海又有向陆，大体呈顺时针方向旋转，与前人研究结果一致[25]。离岸较近的1#、4#站位余流值明显大于离岸较远的2#、3#、5#站位，最大余流出现在1#站位表层为10.1 cm/s，对应流向为107.0°，最小余流出现在5#站位中层为2.5 cm/s，对应流向为279.7°（表2）。
表 2 各站位垂向余流特征值Table 2. Vertical residual power flow characteristic values at each station站位 表层 中层 底层 流速/(cm/s) 流向
/(°)流速/(cm/s) 流向
/(°)流速/(cm/s) 流向
/(°)1# 10.1 107.0 7.5 56.6 6.6 71.9 2# 4.9 140.8 4.7 193.9 5.6 198.6 3# 3.8 264.5 5.4 312.4 3.4 324.5 4# 8.9 14.6 8.7 15.8 5.5 34.6 5# 3.3 297.0 2.5 279.7 3.9 241.3 3.2 悬浮泥沙时空分布及变化特征
3.2.1 悬浮泥沙浓度平面分布变化特征
研究区各海流观测站位涨潮阶段悬浮泥沙浓度稍微大于落潮阶段悬浮泥沙浓度（图4），涨潮阶段悬浮泥沙浓度为23.54～49.79 mg/L，落潮阶段悬浮泥沙浓度为20.75～46.09 mg/L。离岸较近的1#、4#站位平均悬浮泥沙浓度在涨潮、落潮阶段均明显大于离岸较远的2#、3#、5#站位。其中，平均悬浮泥沙浓度最大值出现在1#站位，其涨、落潮阶段平均悬浮泥沙浓度分别为 49.79、46.09 mg/L，其次是4#站位，其涨、落潮阶段平均悬浮泥沙浓度分别为 44.75、42.06 mg/L，最小值出现在3#站位，其涨、落潮阶段平均悬浮泥沙浓度分别为 23.40、20.17 mg/L。最大平均悬浮泥沙浓度出现在离岸较近的1#站位的涨潮阶段，为49.79 mg/L，最小平均悬浮泥沙浓度出现在离岸较远的3#站位的落潮阶段，为20.17 mg/L。
![]()
图 4 平均悬浮泥沙浓度随涨落潮分布图Figure 4. Distribution of average suspended sediment concentration with fluctuating tide根据大面站水文泥沙现场调查结果，研究区水体悬浮泥沙浓度呈现由陆向海逐渐降低的趋势（图5）。为了弥补大面站取样时间不同步对于分析研究区悬浮泥沙浓度平面分布特征存在的影响，本文利用取样时间段内的遥感影像进行反演，获得研究海域表层悬浮泥沙浓度（图6）。结果表明，遥感影像反演得到的悬浮泥沙浓度平面分布特征与实测结果大体相同，日照近海悬浮泥沙浓度呈现明显的近岸高、远岸低的分布特征。
![]()
图 5 秋季大面站悬浮泥沙浓度平面分布图Figure 5. Plane distribution map of suspended sediment concentration at large surface station in autumn![]()
图 6 研究区表层悬浮泥沙浓度平面分布图Figure 6. Plane distribution of surface suspended sediment concentration in the study area3.2.2 悬浮泥沙浓度垂向分布变化特征
垂向上，研究区悬浮泥沙浓度呈现从表层向底层逐渐升高的分布特征（图7）。根据各站位平均悬浮泥沙浓度垂向变化统计表（表3），4#站位的表、底层平均悬浮泥沙浓度差值最大，为29.06 mg/L，5#站位的表、底层平均悬浮泥沙浓度差值最小，为22.52 mg/L。研究区大面站调查结果表明，表层水体悬浮泥沙浓度为14.79～45.22 mg/L，平均值为23.97 mg/L；中层水体悬浮泥沙浓度为19.43～53.85 mg/L，平均值为30.22 mg/L；底层水体悬浮泥沙浓度为33.25～85.53 mg/L，平均值为50.19 mg/L。
表 3 各海流观测站位平均悬浮泥沙浓度垂向变化统计Table 3. Statistical table of vertical variation of average suspended sediment concentration at each current observation stationmg/L 站位 1# 2# 3# 4# 5# 表层 34.92 12.92 12.62 30.55 12.67 中层 44.61 19.06 16.30 39.12 17.61 底层 63.00 38.25 35.32 59.61 35.19 ![]()
图 7 秋季典型断面悬沙浓度垂向分布图Figure 7. Vertical distribution of suspended sediment concentration at typical sections in autumn3.2.3 悬浮泥沙浓度在潮周期内变化特征
研究区各站位悬浮泥沙浓度在潮周期内大小变化非常复杂（表4）。悬浮泥沙浓度变化周期与流速变化周期类似，各站位悬浮泥沙浓度在单日内出现4次峰值（图8）。由于当天海上风况良好，除1#站位外，其余站位涨潮阶段的悬浮泥沙浓度峰值都比落潮阶段更大。研究区海域悬浮泥沙浓度的变化滞后于流速的变化，从各站位流速和悬浮泥沙浓度随时间变化分布图（图8）中可以发现，悬浮泥沙浓度的峰值较流速峰值存在2 h的滞后。
表 4 悬浮泥沙浓度特征值Table 4. List of characteristic values of suspended sediment concentrationmg/L 表层 中层 底层 最小值 14.79 19.43 33.25 最大值 45.22 53.85 85.53 平均值 23.97 30.22 50.19 ![]()
图 8 流速和悬浮泥沙浓度随时间变化分布图Figure 8. Distribution of velocity and suspended sediment concentration over time3.3 温度、盐度特征
根据CTD实测数据，绘制1#、3#、4#站位温度、盐度时间序列变化图（图9）。研究区3个站位温度为18.66～21.28 ℃，盐度为26.85～29.31 PSU，平均温度为20.31 ℃，平均盐度为28.39 PSU。3个站位观测期间表层平均温度为20.28 ℃，底层平均温度为20.34 ℃；表层平均盐度为28.34 PSU，底层平均盐度为28.42 PSU（表5）。由图9可以发现，一个潮周期内温度和盐度都存在两个峰值，涨潮时温度和盐度升高，落潮时温度和盐度降低，温度峰值对应盐度高点。对比研究区海水温度、盐度周期性波动曲线与潮位波动曲线，可以发现三者呈正相关，这表明当海况良好时，研究区水体温度和盐度的变化主要是由潮流驱动下的水体水平运动造成的[23]。
表 5 1#、3#、4#站位温度、盐度特征值Table 5. The characteristic values of temperature and salinity at stations 1, 3 and 4站位 温度/℃ 盐度/PSU 最小值 最大值 平均值 最小值 最大值 平均值 1# 20.01 20.51 20.29 28.45 28.65 28.57 3# 20.93 21.28 21.10 28.99 29.31 29.15 4# 18.66 20.32 19.54 26.85 28.02 27.44 ![]()
图 9 1#、3#、4#站位温度、盐度随时间变化分布图Figure 9. Distribution of temperature and salinity at stations 1, 3 and 4 over time研究区大面站调查结果表明，各层水体温度为18.30～21.23 ℃，表层、中层、底层温度平均值分别为20.07、20.08、20.09 ℃；各层水体盐度为27.38～29.70 PSU，表层、中层、底层盐度平均值分别为28.60、28.61、28.63 PSU。水体表层和底层的温度、盐度差值极小（表6），温度、盐度垂向梯度接近于零，平面上总体呈近岸低、远岸高的特征（图10）。
表 6 大面站温度、盐度特征值Table 6. Table of characteristic values of temperature and salinity of the main surface station层位 温度/℃ 盐度/PSU 最小值 最大值 平均值 最小值 最大值 平均值 表层 18.70 21.22 20.07 27.38 29.69 28.60 中层 18.30 21.23 20.08 27.46 29.70 28.61 底层 18.42 21.23 20.09 27.49 29.68 28.63 ![]()
图 10 大面站温度、盐度平面分布图Figure 10. Planar distribution of temperature and salinity of the large surface station3.4 悬浮泥沙输运通量
根据各站位悬浮泥沙输运项及单宽净输沙率计算结果（表7），比较各站位单宽净输沙率（T总）可以发现，离岸较近的4#站位单宽净输沙率（T总）最大，为24.68 g/(s·m)，对应输沙方向为5.61°；其次为离岸较近的1#站位，单宽净输沙率（T总）为19.12 g/(s·m)，对应输沙方向为103.02°；最小单宽净输沙率（T总）出现在离岸较远的5#站位，为7.62 g/(s·m)，对应输沙方向为247.69°。T1最大值出现在4#站位，为38.96 g/(s·m)，对应输沙方向为25.47°；T2最大值出现在1#站位，为9.82 g/(s·m)，对应输沙方向为214.97°；T3+T4最大值出现在4#站位，为7.34 g/(s·m)，对应输沙方向为248.82°；T5最大值出现在2#站位，为3.75 g/(s·m)，对应输沙方向为234.00°；剪切扩散项（T6+T7+T8）净输沙率较低，所有站位均低于1.3 g/(s·m)。
表 7 悬浮泥沙输运项及单宽净输沙率Table 7. Suspended sediment transport items and net sediment transport rate per width站位 输沙项 T1 T2 T3+T4 T5 T6+T7+T8 T1+T2 T总 1# 输沙率/(g/(s·m)) 30.38 9.82 5.31 2.15 0.47 24.46 19.12 方向/(°) 80.09 214.97 232.65 308.18 31.32 96.62 103.02 2# 输沙率/(g/(s·m)) 7.90 8.39 0.37 3.75 1.06 11.64 13.42 方向/(°) 128.20 217.06 178.32 234.00 42.02 174.31 184.97 3# 输沙率/(g/(s·m)) 7.66 7.11 2.10 2.13 1.21 7.33 9.11 方向/(°) 335.83 215.20 232.30 340.35 49.06 279.22 286.92 4# 输沙率/(g/(s·m)) 38.96 9.95 7.34 1.98 0.55 30.25 24.68 方向/(°) 25.47 230.62 248.42 187.12 48.33 17.44 5.61 5# 输沙率/(g/(s·m)) 4.36 3.75 1.70 1.97 0.43 4.45 7.62 方向/(°) 304.62 190.64 241.68 234.14 50.10 254.26 247.69 4. 讨论
4.1 悬浮泥沙输运机制
结合各站位悬浮泥沙输运项及单宽净输沙率计算结果（表7）和各悬浮泥沙输运项在单宽净输沙率中占比（表8），研究区域悬浮泥沙输运整体以平流输运项（T1+T2）为主，其次为潮泵效应（T3+T4）或垂向净环流贡献项（T5）。平流输运项（T1+T2）在5个站位单宽净输沙率中平均占比为95.24%，其输沙方向与净输沙方向基本一致；潮泵效应（T3+T4）在1#、4#站位中占据次要地位，在单宽净输沙率（T总）中分别占比27.77%、29.73%；垂向净环流贡献项（T5）在2#、3#、5#站位中占据次要地位，在单宽净输沙率（T总）中分别占比27.98%、23.39%、25.86%。剪切扩散项（T6+T7+T8）净输沙率较低，在单宽净输沙率（T总）中平均占比为6.33%，对研究区域悬浮泥沙输运贡献有限。
表 8 各悬浮泥沙输运项在单宽净输沙率中占比Table 8. Proportion of suspended sediment transport terms in net sediment transport rate per width %站位 T1 T2 T3+T4 T5 T6+T7+T8 T1+T2 1# 158.88 51.37 27.77 11.26 2.47 129.72 2# 58.88 58.88 2.76 27.98 7.92 86.73 3# 84.12 78.13 23.06 23.39 13.34 80.52 4# 157.89 40.31 29.73 8.04 2.22 122.6 5# 57.27 49.24 22.36 25.86 5.68 58.42 注：各悬浮泥沙输运项为具有方向的矢量值，因此，部分悬浮泥沙输运项在净输沙率中占的比例大于100%。 研究区单宽输沙量变化复杂，1#、2#站位单宽净输沙量向海，而3#、4#、5#站位的单宽净输沙量向陆。对比研究海域各站位垂向平均余流和悬浮泥沙输运项可以发现，垂向平均余流方向与拉格朗日平流输运项（T1+T2）方向和单宽净输沙项（T总）方向基本相同，所有站位余流方向与T1+T2、T总的输沙方向相差均不超过25°（图11）。可以初步判定，潮余流是主导悬浮泥沙输运的重要因素。比较各站位单宽净输沙率（T总）可以发现，离岸较近站位的单宽净输沙率（T总）明显大于离岸较远站位的单宽净输沙率（T总）。这是由于平流输运项（T1+T2）方向受余流控制，量值由流速和悬浮泥沙浓度控制，由于近岸1#、4#站位余流流速和悬浮泥沙浓度数值均高于远岸2#、3#、5#站位，所以近岸站位的拉格朗日平流输运项（T1+T2）数值更大，进而导致离岸较近站位的单宽净输沙率（T总）明显大于离岸较远站位的单宽净输沙率（T总）。
![]()
图 11 悬浮泥沙输运通量与余流矢量叠置图注：1#、4#站位悬沙输运项缩小至原来的1/2，5#站位悬沙输运项扩大至原来的2倍。Figure 11. Overlay diagram of suspended sediment transport volume and residual flow vector通过研究区各站位涨落潮时悬浮泥沙输运通量表（表9）可以发现，该海域的悬浮泥沙涨潮时沿SW向输运，落潮时沿NE向输运，与涨落潮的方向基本一致。比较涨落潮输沙率和净输沙率可以发现，研究区净输沙率远小于涨落潮输沙率，这表明研究区水体中的悬浮泥沙只是在涨落潮流携带下做往复搬运，实际产生的净输沙量很小。但潮余流是非周期性的，可以携带泥沙做远距离运移。研究区在潮周期内，涨潮流（SW向）占优势。2#、5#站位涨潮流方向和潮余流方向大体相同，受其影响2#、5#站位呈向南的净输沙趋势；与之不同的是，3#站位由于其周围及其西部海域存在一狭长地带，水深较深，受水深、地形影响，3#站位呈向西的净输沙趋势；1#、4#站位受到近岸岬角、防波堤、岚山港池以及航道等阻挡，呈现向东、向北的净输沙趋势。整体而言，研究区悬浮泥沙在远岸开阔海域呈向南的净输运趋势。
表 9 各站位涨落潮悬浮泥沙输运通量Table 9. Suspended sediment transport at each station at ebb and flow tide站名 输沙率/(g/(s·m)) 输沙方向/(°) 涨潮 落潮 涨潮 落潮 1# 207.86 153.78 229.68 60.97 2# 189.41 111.06 238.50 69.08 3# 212.53 104.16 252.23 59.36 4# 290.63 205.09 255.72 59.24 5# 150.73 71.60 248.22 63.59 南黄海西部近岸海域影响悬浮泥沙输运的因素十分复杂，前人的成果表明废黄河口海域可能同时存在向北（海洲湾方向）和向南（苏北辐射沙洲方向）的输运趋势[31]。针对日照南侧废黄河口海域悬浮泥沙的输运观测，鲁号号等[32]认为悬浮泥沙输运方向和潮余流方向基本相同，涨潮期间悬浮泥沙沿岸向南输运(涨潮流方向)，落潮期间悬浮泥沙沿岸向北输运(落潮流方向)；周良勇等[33]认为悬浮泥沙涨潮时向南运移，落潮时向北运移，与涨落潮的方向基本相同；杨林等[34]认为悬浮泥沙输运的主要影响因素是T1和T2项，各测站净输沙方向与潮余流方向较为一致。徐粲等[35]对苏北辐射沙脊群的研究表明，该区域T1和T4项对研究区的悬沙输运贡献最大。
综合前人的成果并结合本文的研究，可以推断南黄海西部近岸海域悬浮泥沙在涨潮、落潮期间输运方向与涨潮、落潮方向基本一致，悬浮泥沙净输运方向和潮余流方向大体相同，受余流、悬浮泥沙浓度、水深地形等多因子影响，在不同潮周期内各输沙项对净输沙率的贡献不尽相同。
4.2 悬浮泥沙输运的影响因素
影响悬浮泥沙输运的水文动力因素包括海洋环流、潮汐、潮流和波浪等，在外陆架和中陆架地区，悬浮泥沙的长期输运受环流控制[36]，黄海陆架深海区悬浮泥沙输运受苏北沿岸流、黄海西部沿岸流、黄海暖流、黄海冷水团等影响，存在“夏储冬输”的季节性输运模式；在内陆架浅海区，潮流和波浪对悬浮泥沙的分布、输运起决定性作用，其中潮流引起悬浮泥沙浓度的潮周期变化，波浪控制悬浮泥沙浓度季节性变化[37-38]。前人对南黄海近海悬浮体无机物和有机物组分含量的研究证实，该区域的悬浮泥沙主要为陆源物质，其主要来源为近岸地区海底沉积物的再悬浮和河流输沙[39-41]。日照及海州湾海域周边沿岸无大型供沙河流，河流输沙对该海域悬浮泥沙分布及输运影响有限[24，42]。研究区岚山港和日照港附近海域表层沉积物以含砾泥、砂质泥和泥等细粒物质为主[24]，细粒物质被侵蚀、搬运、再悬浮之后，在波浪、潮流和水体状态等因素的控制下发生输运和再沉积。
4.2.1 水体垂向混合对悬浮泥沙垂向运移的影响
在近岸浅海区，水体的混合和层化程度会影响悬浮泥沙垂向分布[21]。水体垂向混合较弱时会出现分层从而抑制悬浮泥沙向上的运移扩散。根据1#、3#、4#站位的实测数据，计算Richardson数来判断水体混合和层化程度，并分析其对研究区悬浮泥沙浓度垂向分布的影响。当Rig＜0.25（或ln(Rig/0.25)＜0）时，水体不稳定，混合增强；当Rig＞0.25（或ln(Rig/0.25)＞0）时，水体稳定，混合被抑制。计算结果显示，研究区水体在观测期间Richardson数大部分时段小于0.25，表明水体混合良好，仅在少部分时段出现微弱分层现象（图12）。
![]()
图 12 各站位垂向Richardson数时间序列图Figure 12. Vertical Richardson number time series diagram of each station在近岸海域，由盐度产生的水体密度分层会抑制悬浮泥沙的垂向扩散，进而影响悬浮泥沙浓度垂向分布[43]。盐度层化系数可以判断水体的稳定程度，层化系数越大，水体越稳定，水体各层的物质交换越不频繁，反之则相反。为了探究本次观测期内水体密度分层对悬浮泥沙浓度垂向分布的影响，本文利用实测数据计算了研究区3个海流观测站位和35个大面站的盐度分层系数。数据计算结果表明，观测期间所有站位的盐度分层系数均小于0.005，表明水体处于强混合状态，盐度密度分层极小，不影响悬浮泥沙浓度垂向扩散（图13）。
![]()
图 13 大面站盐度分层系数平面分布图Figure 13. Planar distribution of salinity stratification coefficient of Dameen Station整体上，研究区水体垂向混合良好，对底层悬浮泥沙的向上扩散运移无抑制作用，推断可能受大潮期间强潮流作用影响，潮流的混合搅拌作用增强，导致海水垂向混合作用强烈。
4.2.2 潮流在潮周期内对悬浮泥沙分布、输运的影响
再悬浮作用是南黄海近岸海域悬浮泥沙浓度变化的主导因素[44]，研究区海域悬浮泥沙浓度在潮周期内的变化与潮流流速的变化存在高度相关性，悬浮泥沙浓度的高值区在流速高值区时刻附近，悬浮泥沙浓度的低值区也对应着流速低值区附近（图8）。以往研究表明，同样的温盐条件下，潮流强度对悬浮泥沙的垂向分布有较大影响[45]，潮流强度越高，悬浮泥沙的垂向扩散作用和再悬浮作用就越强，反之则弱，同时潮流的加速和减速也深刻影响着悬浮泥沙垂向分布。
在涨、落潮过程中，初期随着潮流流速的增大，海底的表层沉积物受到侵蚀和冲刷，当底层潮流流速大于泥沙起动流速时，大量海底泥沙会被起动，悬浮于水中，导致近底层悬浮泥沙浓度快速增大，随后底层悬浮泥沙在剧烈的紊动作用下向上运移、扩散，致使中上层悬浮泥沙浓度增大；在涨潮落潮相互转换时期，由于流向的转变，潮流流速较低，再悬浮作用会变弱，悬浮泥沙会发生沉降，导致悬浮泥沙浓度变低。总体而言，由于涨潮流速略大于落潮流速，所以涨潮阶段的平均悬浮泥沙浓度略大于落潮阶段。然而，海底表层沉积物的起动、再悬浮均需要一定时间，因此悬浮泥沙浓度的变化滞后于流速的变化，研究区海域悬浮泥沙浓度的峰值较流速峰值存在2 h的滞后。由于研究区海域潮流为典型的往复流，悬浮泥沙在涨、落潮流挟带下沿涨、落潮方向进行物质运移和交换，涨潮时沿涨潮流方向（SW）净输运，落潮时沿落潮流方向（NE）净输运。
根据宋红瑛等[24]人对日照近海表层沉积物粒度特征的研究，利用窦国仁泥沙起动公式，大致计算出研究区潮流流速达到18 cm/s时便可起动粒径小于0.16 mm（大于2.6 Φ）的细粒物质，日照近海表层沉积物以细砂（2～4 Φ）为主，海流调查站位附近沉积物平均粒径为2～5 Φ，近岸1#、4#站位沉积物粒径较远岸2#、3#、5#站位更小[24]。研究区大潮期潮流流速为11.30～105.80 cm/s，因此绝大部分海域海底泥沙都能在潮流作用下发生起动（图14），NE-SW向潮流既能输沙又能掀沙。表层沉积物粒径大小是影响沉积物再悬浮的重要因素，细粒物质沉降速度慢，发生再悬浮时需要的水动力条件更弱，相反粗粒沉积物更难于向水体上部运移、扩散[46] 。相较于远岸的2#、3#、5#站位，岚山港附近的1#、4#站位沉积物粒径更小，起动所需要的潮流流速更小，且1#、4#站位水动力条件较2#、3#、5#站位更强，潮流施加于海床沉积物的底切应力作用更强，使得1#、4#站位沉积物更易发生起动和再悬浮。因此，受底质类型和潮流流速的共同影响，1#、4#站位悬浮泥沙浓度明显高于2#、3#、5#站位。
![]()
图 14 日照近海悬浮泥沙输运模式概念图Figure 14. Concept diagram of suspended sediment transport model in Rizhao Offshore5. 结论
（1）平面上，研究区悬浮泥沙浓度呈现近岸高、远岸低的分布特征；垂向上，研究区悬浮泥沙浓度呈现从表层向底层逐渐升高的分布特征。悬浮泥沙浓度变化与潮周期流速变化趋势总体一致，悬浮泥沙浓度的峰值较流速峰值存在2 h的滞后。
（2）研究区观测期内单宽净输沙率为4.72～24.68 g/(s·m)，近岸单宽净输沙率明显高于远岸单宽净输沙率，悬浮泥沙输运以平流输运为主，其次为潮泵效应或垂向净环流输运项，南黄海西部近海净输沙方向和潮余流方向基本相同，在远岸开阔海域总体呈向南的净输运趋势。
（3）研究区水体温度、盐度垂向梯度接近于零，水体垂向混合均匀，对底层悬浮泥沙的向上扩散运移无抑制作用。日照近岸海域悬浮泥沙浓度的潮周期变化受潮流控制。
-
![]()
图 1 大沙沙滩的地理区位及监测范围
a：大沙沙滩地理区位；b：海滩监测范围，红框为测次A、B监测范围，蓝框为测次C、D、E监测范围。
Figure 1. Location of Dasha Beach and the monitoring areas
a: geographic location of Dashan Beach; b: beach monitoring range, red box for monitoring areas A and B, blue box for monitoring areas C, D, and E.
![]()
图 2 大沙沙滩SFM摄影测量航迹线及质量控制点位分布状况
a：测次A，b：测次B，c：测次C，d：测次D，e：像控点及检查点(有标志物)，f：验证点(无标志物)。
Figure 2. SFM photogrammetric flight lines and distribution of the mapping quality points at Dasha Beach
a: Flight A, b: Flight B, c: Flight C, d: Flight D, e: image control points and check points (with markers), f: validation points (without markers).
![]()
图 3 各测次验证点准确性与误差
a：测次A，b：测次B，c：测次C，d：测次D，e. 测次E。
Figure 3. Accuracy and error at validation points
a: Flight A, b: Flight B, c: Flight C, d: Flight D, e: Flight E.
![]()
图 4 沙滩高程准同步监测结果及其对比
a：测次C，b：测次D，c：测次E，d：测次C与D差值，e：测次E与C差值，f：测次E与D差值。
Figure 4. Quasi-synchronous monitoring results and their comparison of beach elevations
a: Flight C, b: Flight D, c: Flight E, d. Difference between Flight C and Flight D, e: difference between Flight E and Flight C, f: difference between Flight E and Flight D.
![]()
图 6 同平台、同参数的两期海滩地形监测结果及对比
a：测次A数字表面模型，b：测次B数字表面模型，c：地形变化与剖面位置。
Figure 6. Two-phase beach topography monitoring results and comparison under the same platform and parameters
a: Digital surface model for Flight A; b: digital surface model for Flight B; c: terrain changes and profile locations.
![]()
图 7 测次A、B所得海滩剖面形态及侵淤变化
Figure 7. Monitoring results of beach profiles for Flight A and Flight B
![]()
图 8 不同监测数据验证点高程误差
红色横线为低空数字航测国家标准1∶500地形图要求的验证点高程限差。
Figure 8. The elevation errors at validation points of different monitoring data
The red line is the elevation tolerance limit as required by the national standard for 1:500 topographic maps in low-altitude digital aerial survey.
![]()
图 9 准同步监测差值分布直方图
a：测次C与D差值，b：测次E与C差值，c：测次E与D差值，d：准同步监测差值累积分布。
Figure 9. Histogram of differences distribution from quasi-synchronous monitoring
a: difference between Flight C and Flight D; b: difference between Flight E and Flight C; c: difference between Flight E and Flight D; d: cumulative distribution of quasi-synchronous monitoring differences.
表 1 无人机平台硬件参数
Table 1 Hardware parameters of two drone platforms used in this study
硬件参数 精灵4 RTK 经纬M300 RTK 硬件成本/（万元/台） 3.5 15.0 负载模块 测绘相机 测绘相机；激光雷达 测绘相机像素 有效像素2000万 有效像素2000万 激光雷达精度/m① — 平面精度0.1；高程精度0.05 飞行器定位精度② 垂直精度1.5 cm
水平精度1 cm垂直精度1.5 cm
水平精度1 cm最大水平飞行速度/(m/s) 14 17 最大信号范围/km 7 15 单组电池飞行时间/min 30 55 注：① 为生产商提供的技术参数，禅思L1的激光雷达系统在飞行高度为50 m的情况下平面精度为0.1 m，高程精度为0.05 m。② 表中所列定位精度为RTK启用且有固定解时的初始精度，此外，飞行器与起飞点的距离每增加1 km，误差也会增加1 mm。 
下载: 导出CSV
表 2 不同测次的无人机平台及摄影技术参数
Table 2 Two drone platforms and photogrammetric parameters for different surveys
测次
编号测次日期 无人机平台 监测技术① 飞行高
度/m潮相
及潮位航向重
叠/%旁向重
叠/%覆盖面
积/km2GSD②
(cm/pixel)照片数
量/张飞行历
时/minA 2022-12-23 精灵4 RTK SFM摄影测量
(井字飞行)60 大潮
低潮位80 80 0.352 2.30 1921 82 B 2023-04-07 精灵4 RTK SFM摄影测量
(井字飞行)60 大潮
低潮位80 80 0.370 2.38 1918 81 C 2023-04-09 精灵4 RTK SFM摄影测量
（2D）30 中潮
低潮位80 70 0.044 1.13 371 16 D 2023-04-09 经纬M300 RTK SFM摄影测量
（2D）30 中潮
低潮位70 70 0.045 1.01 487 20 E 2023-04-09 经纬M300 RTK 单回波激光雷达
(LiDAR)30 中潮
低潮位70 70 0.045 —③ —③ 20 注：① “井字飞行模式”的飞行姿态为倾斜摄影，航迹线有垂直于岸线及平行于岸线的两组，似“井”字（图2a，图2b）；“SFM摄影测量（2D）模式”飞行时所得数据为正射影像，仅有单方向航线（图2c、d）；“单回波激光雷达”对一个目标点位仅打出一个激光点、且最多接收1个回波。
② 地面采样间隔（GSD，Ground Sampling Distance），单位为cm/pixel，其数值大小与相对地面的飞行高度有关，表内GSD数据为监测区域内地面采样间隔平均值；③ 激光雷达测量所得数据类型为数字点云，无影像数据。
下载: 导出CSV
表 3 像控点、检查点和验证点的数量
Table 3 The quantity of image control points, check points, and validation points
测次编号 地面像控点数量/个 检查点数量/个 验证点数量/个 A 6 1 33 B 7 1 40 C 6 5 60 D 7 4 60
下载: 导出CSV
表 4 SFM摄影测量像控点误差
Table 4 The positioning error of image control points in SFM photogrammetry
cm 测次编号 x向 y向 p z向 d A 0.65 0.98 1.16 3.40 3.59 B 2.20 2.17 3.09 2.23 3.81 C 1.04 0.90 1.38 1.36 1.94 D 1.42 0.72 1.59 1.54 2.21
下载: 导出CSV
表 5 准同步监测不同测次数据离散程度
Table 5 The data dispersion level of measurement in different surveys in quasi-synchronous monitoring
测次编号 协方差cov/m² 测次C (P4-SFM) 1.923 测次D (M300-SFM) 1.905 测次E (M300-LiDAR) 1.902
下载: 导出CSV
表 6 低空数字航摄与数据处理规范规定的点位误差
Table 6 The positioning errors specified in China’s national standard for low-altitude digital aerial photography and data processing
点位类型 成图比例尺 平面误差/cm 高程误差/cm 平地 丘陵地 山地 高山地 平地 丘陵地 山地 高山地 像控点 1∶500 15 15 20 20 11 21 26 40 1∶1000 30 30 40 40 21 26 40 75 1∶2000 60 60 80 80 21 26 60 90 检查点与验证点 1∶500 25 25 35 35 19 35 40 60 1∶1000 50 50 70 70 35 40 60 120 1∶2000 100 100 140 140 35 40 100 150
下载: 导出CSV
-
[1] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 18190-2017 海洋学术语 海洋地质学[S]. 北京: 中国标准出版社, 2017 General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. GB/T 18190-2017 Oceanological Terminology—Marine Geology[S]. Beijing: Standards Press of China, 2017.
[2] Chen B Q, Yang Y M, Wen H T, et al. High-resolution monitoring of beach topography and its change using unmanned aerial vehicle imagery[J]. Ocean & Coastal Management, 2018, 160:103-116.
[3] 蔡锋, 苏贤泽, 刘建辉, 等. 全球气候变化背景下我国海岸侵蚀问题及防范对策[J]. 自然科学进展, 2008, 18(10):1093-1103 doi: 10.3321/j.issn:1002-008X.2008.10.002 CAI Feng, SU Xianze, LIU Jianhui, et al. The countermeasures of coastal erosion based on the global climate change[J]. Progress in Natural Science, 2008, 18(10):1093-1103. doi: 10.3321/j.issn:1002-008X.2008.10.002
[4] Luijendijk A, Hagenaars G, Ranasinghe R, et al. The state of the world's beaches[J]. Scientific Reports, 2018, 8(1):6641. doi: 10.1038/s41598-018-24630-6
[5] Vousdoukas M I, Ranasinghe R, Mentaschi L, et al. Sandy coastlines under threat of erosion[J]. Nature Climate Change, 2020, 10(3):260-263. doi: 10.1038/s41558-020-0697-0
[6] 李兵, 蔡锋, 曹立华, 等. 福建砂质海岸侵蚀原因和防护对策研究[J]. 台湾海峡, 2009, 28(2):156-162 LI Bing, CAI Feng, CAO Lihua, et al. Causes of beach erosion in Fujian and preventions[J]. Journal of Oceanography in Taiwan Strait, 2009, 28(2):156-162.
[7] 王广禄, 蔡锋, 苏贤泽, 等. 泉州市砂质海岸侵蚀特征及原因分析[J]. 台湾海峡, 2008, 27(4):547-554 WANG Guanglu, CAI Feng, SU Xianze, et al. Characters of sand beach erosion in Quanzhou and it causes[J]. Journal of Oceanography in Taiwan Strait, 2008, 27(4):547-554.
[8] 罗时龙, 蔡锋, 王厚杰. 海岸侵蚀及其管理研究的若干进展[J]. 地球科学进展, 2013, 28(11):1239-1247 LOU Shilong, CAI Feng, WANG Houjie. Development of coastal erosion and management[J]. Advances in Earth Science, 2013, 28(11):1239-1247.
[9] 王颖, 吴小根. 海平面上升与海滩侵蚀[J]. 地理学报, 1995, 50(2):118-127 doi: 10.3321/j.issn:0375-5444.1995.02.003 WANG Ying, WU Xiaogen. Sea level rise and beach response[J]. Acta Geographica Sinica, 1995, 50(2):118-127. doi: 10.3321/j.issn:0375-5444.1995.02.003
[10] Muzirafuti A, Randazzo G, Lanza S. UAV application for coastal area monitoring: a case study of Sant’Alessio Siculo, Sicily[C]//Proceedings of 2022 IEEE International Workshop on Metrology for the Sea; Learning to Measure Sea Health Parameters (MetroSea). Milazzo: IEEE, 2022: 143-147.
[11] Baily B, Nowell D. Techniques for monitoring coastal change: a review and case study[J]. Ocean & Coastal Management, 1996, 32(2):85-95.
[12] Westoby M J, Lim M, Hogg M, et al. Cost-effective erosion monitoring of coastal cliffs[J]. Coastal Engineering, 2018, 138:152-164. doi: 10.1016/j.coastaleng.2018.04.008
[13] Turner I L, Harley M D, Short A D, et al. A multi-decade dataset of monthly beach profile surveys and inshore wave forcing at Narrabeen, Australia[J]. Scientific Data, 2016, 3(1):160024. doi: 10.1038/sdata.2016.24
[14] Feagin R A, Williams A M, Popescu S, et al. The use of terrestrial laser scanning (TLS) in dune ecosystems: the lessons learned[J]. Journal of Coastal Research, 2014, 30(1):111-119.
[15] Brooks S M, Spencer T. Temporal and spatial variations in recession rates and sediment release from soft rock cliffs, Suffolk coast, UK[J]. Geomorphology, 2010, 124(1-2):26-41. doi: 10.1016/j.geomorph.2010.08.005
[16] Pardo-Pascual J E, Almonacid-Caballer J, Ruiz L A, et al. Automatic extraction of shorelines from Landsat TM and ETM+ multi-temporal images with subpixel precision[J]. Remote Sensing of Environment, 2012, 123:1-11. doi: 10.1016/j.rse.2012.02.024
[17] Pierre G. Processes and rate of retreat of the clay and sandstone sea cliffs of the northern Boulonnais (France)[J]. Geomorphology, 2006, 73(1-2):64-77. doi: 10.1016/j.geomorph.2005.07.002
[18] Montreuil A L, Bullard J, Chandler J. Detecting seasonal variations in embryo dune morphology using a terrestrial laser scanner[J]. Journal of Coastal Research, 2013, 65(sp2):1313-1318.
[19] Grohmann C H, Garcia G P B, Affonso A A, et al. Dune migration and volume change from airborne LiDAR, terrestrial LiDAR and Structure from Motion-Multi View Stereo[J]. Computers & Geosciences, 2020, 143:104569.
[20] Troy C D, Cheng Y T, Lin Y C, et al. Rapid lake Michigan shoreline changes revealed by UAV LiDAR surveys[J]. Coastal Engineering, 2021, 170:104008. doi: 10.1016/j.coastaleng.2021.104008
[21] 毕海芸, 郑文俊, 曾江源, 等. SfM摄影测量方法在活动构造定量研究中的应用[J]. 地震地质, 2017, 39(4):656-674 doi: 10.3969/j.issn.0253-4967.2017.04.003 BI Haiyun, ZHENG Wenjun, ZENG Jiangyuan, et al. Application of SfM photogrammetry method to the quantitative study of active tectonics[J]. Seismology and Geology, 2017, 39(4):656-674. doi: 10.3969/j.issn.0253-4967.2017.04.003
[22] 魏占玉, Ramon A, 何宏林, 等. 基于SfM方法的高密度点云数据生成及精度分析[J]. 地震地质, 2015, 37(2):636-648 WEI Zhanyu, Ramon A, HE Honglin, et al. Accuracy analysis of terrain point cloud acquired by “structure from motion” using aerial photos[J]. Seismology and Geology, 2015, 37(2):636-648.
[23] Pitman S J, Hart D E, Katurji M H. Application of UAV techniques to expand beach research possibilities: a case study of coarse clastic beach cusps[J]. Continental Shelf Research, 2019, 184:44-53. doi: 10.1016/j.csr.2019.07.008
[24] 郭一栋, 林杭杰, 于谦, 等. 基于无人机SfM摄影测量的海岸盐沼前缘形态变化研究[J]. 海洋学报, 2022, 44(12):148-160 GUO Yidong, LIN Hangjie, YU Qian et al. Morphology of coastal salt marsh margins: a study using UAV-based Structure-from-Motion photogrammetry[J]. Haiyang Xuebao, 2022, 44(12):148-160.
[25] Westoby M J, Brasington J, Glasser N F, et al. ‘Structure-from-Motion’ photogrammetry: a low-cost, effective tool for geoscience applications[J]. Geomorphology, 2012, 179:300-314. doi: 10.1016/j.geomorph.2012.08.021
[26] 国家市场监督管理总局, 中国国家标准化管理委员会. GB/T 35018-2018 民用无人驾驶航空器系统分类及分级[S]. 北京: 中国标准出版社, 2018 State Administration for Market Regulation, Standardization Administration of the People's Republic of China. GB/T 35018-2018 Classification and grading for civil unmanned aircraft system[S]. Beijing: Standards Press of China, 2018.
[27] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 14950-2009 摄影测量与遥感术语[S]. 北京: 中国标准出版社, 2009 General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. GB/T 14950-2009 Terms of photogrammetry and remote sensing[S]. Beijing: Standards Press of China, 2009.
[28] 国家市场监督管理总局, 中国国家标准化管理委员会. GB/T 39612-2020 低空数字航摄与数据处理规范[S]. 北京: 中国标准出版社, 2020 State Administration for Market Regulation, Standardization Administration of the People's Republic of China. GB/T 39612-2020 Specifications for low-altitude digital aerial photography and data processing[S]. Beijing: Standards Press of China, 2020.
[29] 中国民用航空局. 中国民用航空总局规章目录[EB/OL]. (2008-01-20)[2023-07-19]. http://www.caac.gov.cn/XXGK/XXGK/ZFGW/201601/t20160122_27768.html Civil Aviation Administration of China. Catalogue of regulations of the Civil Aviation Administration of China[EB/OL]. (2008-01-20)[2023-07-19]. http://www.caac.gov.cn/XXGK/XXGK/ZFGW/201601/t20160122_27768.html.
[30] 贝京阳, 陈杲, 俞晓天. 浙江省南田岛附近潮流特征分析[J]. 海洋湖沼通报, 2022, 44(5):60-66 BEI Jingyang, CHEN Gao, YU Xiaotian. Characterization of tidal current near Nantian Island, Zhejiang province[J]. Transactions of Oceanology and Limnology, 2022, 44(5):60-66.
[31] 象山县地方志编纂委员会. 象山县志: 第一册[M]. 北京: 方志出版社, 2020: 405-407 Xiangshan County Local Records Committee. Xiangshan County Annals: Volume 1[M]. Beijing: Local Records Publishing House, 2020: 405-407.
[32] Laporte-Fauret Q, Marieu V, Castelle B, et al. Low-cost UAV for high-resolution and large-scale coastal dune change monitoring using photogrammetry[J]. Journal of Marine Science and Engineering, 2019, 7(3):63. doi: 10.3390/jmse7030063
[33] Jaud M, Delacourt C, Le Dantec N, et al. Diachronic UAV photogrammetry of a sandy beach in Brittany (France) for a long-term coastal observatory[J]. ISPRS International Journal of Geo-Information, 2019, 8(6):267. doi: 10.3390/ijgi8060267
[34] Mancini F, Dubbini M, Gattelli M, et al. Using unmanned aerial vehicles (UAV) for high-resolution reconstruction of topography: the structure from motion approach on coastal environments[J]. Remote Sensing, 2013, 5(12):6880-6898. doi: 10.3390/rs5126880
[35] Fonstad M A, Dietrich J T, Courville B C, et al. Topographic structure from motion: a new development in photogrammetric measurement[J]. Earth Surface Processes and Landforms, 2013, 38(4):421-430. doi: 10.1002/esp.3366
[36] Jaud M, Grasso F, Le Dantec N, et al. Potential of UAVs for monitoring mudflat morphodynamics (application to the seine estuary, France)[J]. ISPRS International Journal of Geo-Information, 2016, 5(4):50. doi: 10.3390/ijgi5040050
-
期刊类型引用(1)
1. 刘文良，褚宏宪，法鸿洁，王洪松，鲍宽乐，李晓阳，刘京强. 基于机载LiDAR和剖面数据的海滩地形动态监测. 海洋地质前沿. 2025(01): 81-92 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 30
- HTML全文浏览量: 1
- PDF下载量: 9
- 被引次数: 2
