唐瓊?cè)f航許睿

(桂林電子科技大學(xué)，廣西 桂林541004)

0 引言

圍海造地使海水潮差變小，潮汐的沖刷能力降低，納潮量減少，多數(shù)圍海工程均處在內(nèi)灣，進(jìn)一步減少了內(nèi)灣的納潮量和環(huán)境容量，海水的自凈能力隨之削弱。圍海工程造地多用于船業(yè)、海運和其他工業(yè)，導(dǎo)致內(nèi)灣海水富營養(yǎng)化，可能引起赤潮現(xiàn)象，給沿海漁業(yè)和養(yǎng)殖業(yè)帶來一定的危害。圍海工程直接改變水路交錯帶的生物生存環(huán)境，破壞海洋生物鏈，可能導(dǎo)致海洋生物銳減，導(dǎo)致原生態(tài)群落結(jié)構(gòu)變化和物種減少[1]。

目前，圍填海工程影響主要集中在圍填海對環(huán)境的影響評價、圍填海的生態(tài)損害評價和圍填海的綜合損益評價等方面[2-5]。普遍研究對港灣納潮量、流場、生態(tài)影響和價值評估，均認(rèn)為單個填海工程項目對區(qū)域生態(tài)環(huán)境影響較小[6-7]。根據(jù)文獻(xiàn)的研究情況來看，圍填海工程影響評價存在一個值得關(guān)注的問題，即影響范圍確定的問題。多數(shù)影響研究報道表明單個填海工程項目，評價范圍選擇的海域比填海面積大得多，對生態(tài)環(huán)境的影響評價結(jié)果總是影響較小，這是影響范圍難以量化造成的。有部分學(xué)者采用了遙感技術(shù)對圍填海工程進(jìn)行了影響分析，但多數(shù)是采用分類比較的方法，研究不同時段土地利用類型變化為主，難以量化生態(tài)環(huán)境參數(shù)影響程度[8-9]。

由于藻類代表海洋的初級生產(chǎn)力，且與海水富營養(yǎng)化程度有直接關(guān)系，是環(huán)境生態(tài)的直接表現(xiàn)，本文針對圍填海工程藻類影響范圍進(jìn)行分析，引入遙感圖像與GIS數(shù)據(jù)集成分析技術(shù)，從理論和技術(shù)上提供一種確定工程影響范圍的方法，為類似研究過程提供參考。

1 研究對象

欽州灣位于廣西壯族自治區(qū)南部欽州市以南。東以犀牛腳半島南面的大面墩（玳瑁洲）、西以企沙半島的天堂角間的連線為其南界，水域面積約400平方公里。

欽州灣北部為茅尾海，有欽江、茅嶺江淡水匯入，餌料充足，魚類資源豐富，水產(chǎn)養(yǎng)殖亦發(fā)達(dá)。欽州灣潮汐以日潮為主，龍門港區(qū)平均潮差2.55米，最大潮差達(dá)5.49米，漲潮潮流流向西北，流速2.8節(jié)；落潮流流向東南，流速2.8節(jié)。年均水溫21.3℃。欽州港填海工程區(qū)，如圖1所示，是人為和自然活動最為強烈的區(qū)域，具有典型的代表意義。

圖1 研究區(qū)位置Fig.1 Research position

2 研究方法

針對圍填海工程前后藻類變化情況，選取特定藻類數(shù)據(jù)與遙感影像集成，對多時相影像數(shù)據(jù)和藻類數(shù)據(jù)進(jìn)行融合，采用遙感變化檢測技術(shù)，分析多時相遙感影像數(shù)據(jù)變化和藻類數(shù)據(jù)變化之間的關(guān)系。具體研究步驟如圖2所示。

圖2 研究步驟Fig.2 Research steps

2.1 數(shù)據(jù)準(zhǔn)備

圍填海工程改變了工程區(qū)海底的形態(tài)結(jié)構(gòu)，引起棲息生物和潮間帶生物的生存環(huán)境變化，破壞近海生物鏈結(jié)構(gòu)，導(dǎo)致其它以該區(qū)域生物為食的生物數(shù)量減少。另外，潛在的圍海區(qū)工業(yè)帶來累積效應(yīng)，產(chǎn)生對近海區(qū)域藻類變化影響，需要長時期的數(shù)據(jù)進(jìn)行判斷。根據(jù)圍填海工程前后多次藻類調(diào)查數(shù)據(jù)，以各對應(yīng)時期遙感影像所生成的區(qū)域背景圖為基礎(chǔ)，進(jìn)行數(shù)據(jù)插值生成藻類專題地理信息數(shù)據(jù)集。

2.2 數(shù)據(jù)集成

數(shù)據(jù)經(jīng)過配準(zhǔn)和定位后，采用圖像融合技術(shù)將生態(tài)專題數(shù)據(jù)與遙感影響數(shù)據(jù)進(jìn)行數(shù)據(jù)融合。通過GIS，采用基于決策層的圖像融合方式，將多時相專題數(shù)據(jù)，根據(jù)生態(tài)影響指標(biāo)體系進(jìn)行融合。通過歸一化、指標(biāo)體系層次加權(quán)和變化比值處理進(jìn)行融合，融合算法如式1所示：

式中：X為圖像像素值，ω為權(quán)值，Xij1，Xij2分別為兩個時期的橫縱坐標(biāo)值，k為各專題數(shù)據(jù)標(biāo)號，n為專題數(shù)據(jù)個數(shù)，C為修正常數(shù)。其中，權(quán)值的意義即生態(tài)系統(tǒng)中組成參數(shù)的重要程度，在本文中針對藻類的種類。式（1）的意義在于將不同時相遙感影像變化的程度與生態(tài)參數(shù)變化的程度相融合，得到的融合數(shù)據(jù)可以根據(jù)變化程度，分析區(qū)域生態(tài)變化與影像變化間的關(guān)系。

2.3 變化檢測

遙感圖像的變化檢測是根據(jù)對同一物體或現(xiàn)象不同時間的觀測來確定其不同的處理過程。在生態(tài)與環(huán)境變化集成研究方面，根據(jù)研究對象的評價體系形成融合數(shù)據(jù)，采用變化檢測技術(shù)定量的分析生態(tài)與環(huán)境變化過程[10]。然后以融合數(shù)據(jù)為基礎(chǔ)，提取變化信息，采用空間統(tǒng)計分析方法，輸出針對圍填海工程生態(tài)影響特征的變化分布圖。最終，通過對輸出結(jié)果的解析，提取檢測結(jié)果的生態(tài)學(xué)變化過程。具體工作如下：①對融合數(shù)據(jù)進(jìn)行降噪處理，以摒棄一些孤立的噪聲點；②對區(qū)域影響程度進(jìn)行分級，形成變化分類空間分布數(shù)據(jù)集，根據(jù)等值線判斷變化中心點；③根據(jù)等值線距離和圍填海工程區(qū)遙感影像變化，劃定影響范圍，從而有科學(xué)理論依據(jù)的確定工程范圍。

3 結(jié)論與討論

3.1 結(jié)果分析

按以上研究步驟，本文收集了欽州灣2006年和2010年兩組藻類數(shù)據(jù)和遙感影像，其中藻類濃度數(shù)據(jù)包括藍(lán)藻、青藍(lán)藻、硅藻和其他藻類。首先，將樣本進(jìn)行歸一化處理后，按式（1）進(jìn)行融合處理，得到欽州灣近海藻類濃度變化比值的整合數(shù)據(jù)集，如圖3所示。

圖3 欽州灣藻類濃度變化數(shù)據(jù)集Fig.3 D ataset of algae concentration change in Qinzhou bay

其中，海域內(nèi)的高亮度區(qū)域表示濃度變化大的區(qū)域，以等值線劃分可以看出明顯的幾個區(qū)域，分別以ABC進(jìn)行標(biāo)識，其中A區(qū)域最接近圍填海工程區(qū)，B區(qū)處于海灣以外，C區(qū)在海灣內(nèi)河流出?？诟浇?。其次，對遙感影像進(jìn)行陸地變化檢測分析，得到欽州灣圍填海工程陸地變化空間數(shù)據(jù)，如圖4所示，除海洋外的深色區(qū)域表示陸地變化大的區(qū)域。根據(jù)欽州灣現(xiàn)狀調(diào)查，A區(qū)處于工程區(qū)，B區(qū)和C區(qū)為河流入?？诟浇?，結(jié)合圖3和圖4，可以定性判斷A區(qū)域受工程影響最為明顯。

圖4 欽州灣圍填海工程陸地覆被變化數(shù)據(jù)集Fig.4 D atasetofland coverchangesin Qinzhou Bayreclamationarea

3.2 結(jié)論

海洋藻類濃度變化主要受氣候和水質(zhì)影響，據(jù)文獻(xiàn)分析得知，欽州灣圍填海工程對灣內(nèi)水文影響較小，同時歷年氣候變化均不大[11-13]，因此，自然環(huán)境變化影響較小，圖3中B、C區(qū)為大型河流和城市排水主要入?？冢珹區(qū)域周邊無大型河流注入且陸地遙感數(shù)據(jù)變化較小，因此可判斷A區(qū)為圍填海工程的藻類主要影響區(qū)，其范圍由圖中0等值線劃定。

3.3 討論

工程行為生態(tài)環(huán)境影響研究的焦點在工程區(qū)，其地表類型變化是周邊生態(tài)變化的重要驅(qū)動力，如何將影響關(guān)系量化，值得進(jìn)一步分析。該工程內(nèi)生態(tài)環(huán)境因素變化由常規(guī)值變化為0，覆被變化由海洋變化為陸地；從物質(zhì)光譜特性的角度來看，陸地變化用遙感值變化來表示，生態(tài)變化則根據(jù)指標(biāo)因素變化計算，將兩種變化疊加可得到相對其他區(qū)域變化的量化值。

圖5 融合數(shù)據(jù)Fig.5 I ntegration dataset

將本研究藻類濃度變化空間數(shù)據(jù)和工程地貌變化數(shù)據(jù)歸一化處理后，按式1集成為整合影響數(shù)據(jù)，如圖5所示，其中陸地變化較大區(qū)域以“reclamation area”標(biāo)識，海洋區(qū)域高亮區(qū)域為藻類濃度變化較大區(qū)域。從圖5來看，本研究填海區(qū)數(shù)值變化在整體上為高亮區(qū)域。下一步可針對填海區(qū)域土地類型變化與生態(tài)指標(biāo)變化進(jìn)行空間相關(guān)性分析，得到填海區(qū)變化與藻類變化的量化關(guān)系。該部分研究涉及大量的數(shù)據(jù)規(guī)則和處理，由于變化區(qū)不重合現(xiàn)有空間相關(guān)性分析方法難以對其影響進(jìn)行解釋，值得從理論和實現(xiàn)技術(shù)上進(jìn)一步研究。

總的來說，根據(jù)對象指標(biāo)以遙感數(shù)據(jù)進(jìn)行融合分析，結(jié)合特定工程行為的具體情況，可量化判斷其影響范圍，可作為生態(tài)環(huán)境影響規(guī)劃制定的一個技術(shù)參考。

［1］Liu,Y.,Gong,F.M.,Xia,B.C.Pay a attention to the ecological risk of reclamation project[J].Environmental Science Trends，2003,4:25-27.

［2］狄乾斌,韓增林.大連市圍填?；顒拥挠绊懠皩Σ哐芯縖J].海洋開發(fā)與管理.2008,10:122-126.

［3］Nie,H.T.,Tao,J.H.Impact of coastal exploitation on the eco-environment of Bohai Bay[J].The Ocean Engineering，2008,26(3):44-50.

［4］馬志遠(yuǎn),陳彬,俞煒煒,陳建寧.福建興化灣圍填海濕地景觀生態(tài)影響研究[J].臺灣海峽.2009,28(2):169-176.

［5］俞煒煒,陳彬,張珞平.海灣圍填海對灘涂濕地生態(tài)服務(wù)累積影響研究以福建興化灣為例[J].海洋通報,2008，27(1):88-94.

［6］Humood A.Naser.Effects of reclamation on macrobenthic assemblages in the coastline of the Arabian Gulf:A microcosm experimental approach[J].Marine Pollution Bulletin,March 2011,62(3):520-524.

［7］Khadija Zainal,Ismail Al-Madany,Hashim Al-Sayed,Abdelqader Khamis,Suhad Al Shuhaby,Ali Al Hisaby,Wisam Elhoussiny,Ebtisam Khalaf.The cumulative impacts of reclamation and dredging on the marine ecology and landuse in the Kingdom of Bahrain Original Research Article[J].Marine Pollution Bulletin,2012,64(7):1452-1458.

［8］Shi-dong WANG,Chang-hua LIU,He-bing ZHANG.Effects of Reclamation Projects on Marine Ecological Environment in Tianjin Harbor Industrial Zone[J].Procedia Environmental Sciences,2010,2:792-799.

［9］于大濤.填海工程懸浮物擴散及環(huán)境生態(tài)影響研究[D].沈陽:遼寧師范大學(xué),2010.

［10］張曉東.基于遙感影像與GIS數(shù)據(jù)的變化檢測理論和方法研究[D].武漢:武漢大學(xué),2005.

［11］宋德海,鮑獻(xiàn)文,朱學(xué)明.基于FVCOM的欽州灣三維潮流數(shù)值模擬[J].熱帶海洋學(xué)報，2009,28(2):7-14.

［12］韋蔓新,何本茂.欽州灣近20年來水環(huán)境指標(biāo)的變化趨勢-V.浮游植物生物量的分布及其影響因素[J].海洋環(huán)境科學(xué)，2008,27(3):254-257.

［13］蔣磊明,陳波,邱紹芳,韓姝怡.欽州灣潮流模擬及其納潮量和水交換周期計算[J].廣西科學(xué),2009,16(2):193-195.

［14］Zhu Gu Bing，Dan G Blumberg.Classification Using AS.TER Data and SVM Algorithms:The Case Study of Beer Sheva,Israel[J].Remote Sensing of Environment，2002，80(2)：233-240.

［15］Chapelle O,Vapnik V,Bousquet O.Choosing multiple parameters for support vector machines[J].Machine Learning,2002,46(1):131-159..