基于GEE的黃河口及鄰近海域懸浮泥沙質量濃度時空演變及趨勢分析

開放科學（資源服務）標志碼（OSID）

Spatiotemporal evolution and trend analysis of suspended sediment

mass concentration in the Yellow River Estuary and adjacent sea

areas using Google Earth Engine

FAN Qianyil，LIU Fangyuan2， JI Zelu’，BIAN Xiaodong4，YU Dingfeng3，5*，ZHAO Xinqi3

收稿日期：2025-03-09

基金項目：國家自然科學基金項目（42106172）；山東省自然科學基金項目（ZR2024MD003）；山東省屬普通本科高校教師訪學研修項目；市海洋科技專項（23-1-3-hygg-6-hy）；教育部產學合作協同育人項目（202102245036、202101044002）；齊魯工業大學（山東省科學院）科教產融合創新試點工程項目（2023JBZ03）；國家級大學生創新訓練項目（202410431012）

作者簡介：范乾毅（2001—），男，碩士研究生，研究方向為衛星海洋遙感與地理信息系統、地球重磁異常與地質熱力結構。 通信作者，禹定峰，男，副教授，研究方向為海洋遙感、人工智能與海洋大數據。E-mail： dfyu@ qlu.edu.cn，Tel ：18669702613ichool of Earth Sciences，Yunnan University，Kunming 650500，China; 2. Qingdao Blue Valey Management Bureau，Qingdao 266237，China; 3. Institute of Oceanographic Instrumentation， Qilu University of Technology（Shandong Academy of Sciences），Qingdao 26600l，China; 4. Colege of Chemistry and Environment，Guangdong Ocean University， Zhanjiang 5240o0， China； 5. Academician Workstation ofShandong Province， Shandong Academy of Sciences， Jinan 25oo14， China）

Abstract ： Suspended sediment mass concentration （ |ρ_SSC ） is a key indicator of estuarine water quality， influencing water transparency，turbidity，nearshore ecosystems，and shoreline stability. In this study， ρ_ssc dynamics in the Yellow River Estuaryand adjacent sea areas were analyzed from 1984 to 2024 using satelite remote sensing data processed on the Google EarthEngine platform.Weexamined thespatiotemporal distributionpaterns，long-termtrends，andprimarydrivers of ρ_ssc changes. Over the 41-year period， ρ_ssc exhibited a general declining trend，with 10W-PSSC waters increasingly dominant. High Suspended sediment mass concentration regions became more localzed near the coast，primarilyin souther Bohai Bayand the southwestern coast of Laizhou Bay，forminga banded distribution.Theil-Sen Median slope estimation and Mann-Kendall trend analysis revealed significant ρ_ssc increases in the Qingba waterway and artificial distributary channels，whereas significant decreases were observedinthe Qingshui Ditch area.Bohai Bayand Laizhou Bay showedaslight upward trend overall Human interventions，particularlyriver course diversions，significantly influenced ρ_SSC （204號 paterns：historical high Suspended sedimentmass concentrationestuarine zones contracted，whereas new high Suspended sediment mass concentration zones expanded seaward folowing each diversion.

Keywords：Google Earth Engine；satelie remote sensing;；suspended sediment mass concentration；spatiotempora distribution； the Yellow River estuary and its adjacent sea areas

近年來，河口和近海水體環境污染問題受到人們的重視[1-2]。在水體環境中有著大量懸浮顆粒物（suspended particulate mater，SPM），其中懸浮泥沙（suspended sediment）是主要成分[3]。黃河口水域是一個典型的二類水體，其光學特征的變化不僅受到浮游生物及其衍生物的影響，也受到懸浮物的影響。遙感技術的多平臺、多傳感器、多視角等特征不斷增強，具有數據規模巨大、增長速度迅速、種類與來源多樣、價值密度偏小、數據精度高與可靠性強的特點[4]。衛星影像具備空間分辨率高、重訪間隔短、覆蓋范圍廣等優勢[5]。Google Earth Engine（GEE）云計算平臺，實現了對海量衛星圖像的快速獲取與處理，解決了大范圍、長時間序列數據分析的難題，在大面積地理信息數據處理和長時間環境監測中應用廣泛[6]。由于懸浮沉積物具有強烈的紅光、近紅外反射特性。因此采用衛星遙感進行水體懸浮泥沙含量的研究具有重要意義[7]。卞曉東等[8]基于國產遙感云計算平臺PIE-Engine Studio，進行模型反演計算得到了1984—2021年葉綠素a濃度、透明度、懸浮泥沙質量濃度的時空分布特征;李慧真等[9利用MODIS系列衛星，基于色度角構建懸浮泥沙質量濃度遙感反演模型得到了2000—2021年的黃河口的懸浮泥沙質量濃度時空分布，并進行了影響因素分析。本文基于GEE中Landsat 系列衛星影像數據開展1984—2024 年黃河口懸浮泥沙質量濃度的時空變化規律研究，并考慮人為活動影響，探究懸浮泥沙質量濃度變化規律。為深入開展黃河口地區的泥沙動力學、地貌演變規律及水質動態監測等系統性研究，推動黃河口沿岸岸堤的有效防護、水資源的科學合理開發以及區域經濟與社會的協調、可持續發展提供堅實的理論支撐與實踐基礎。

研究區及數據源

1.1 研究區概況

黃河是中國的第二大河流，源頭位于青海省的中心地帶，全長為 5464km 。黃河入海口地處山東省東營市墾利區黃河口鎮境內，渤海與萊州灣的交匯處，本文選取黃河口及鄰近海域（ N37^°02^′-N38^°40^′ 1E118^°12^′-E119^°97^′. ）為研究對象。據歷史文獻記載，黃河下游決口泛濫1500余次，較大的改道有20多次。最近黃河入海口的三次人工改道發生在1976年、1996 年和 2007年[10]，在本文的研究時間內經歷了1984—1996 年的清水溝道、1996—2007年清壩河道、2007—2024 年人工出汊3個時期，如圖1所示。

1.2 遙感影像

本文選取3種數據源 Landsat5Landsat7、Landsat 8的Level2 Collection 2 Tier1作為反演圖像的數據集，選用的波段如表1所示，其中502景Landsat5TM影像、436景Landsat7ETM + 影像、397景Landsat8OLI影像共計1335 景Landsat影像。

GEE是基于云計算的地理空間分析平臺，可以通過網頁JavaScript、Python提供可視化的衛星圖像分析功能，GEE擁有海量數據計算能力，已具備可以廣泛應用于懸浮泥沙質量濃度時空分布特征的研究之中，其簡化框架如圖2所示。

1.3 徑流量與輸沙量數據

河流輸人的徑流量與輸沙量作為關鍵驅動要素，不僅調控河口水動力環境，更構成河口泥沙的核心物質來源[12-14]。利津水文站作為黃河入海口最鄰近的核心水文監測站點，其觀測記錄的黃河入海徑流量、輸沙量數據，能夠有效表征黃河入海的水沙輸移特征。鑒于此，本文基于中華人民共和國水利部中國泥沙河流公報利津水文站1984—2023年實測的入海徑流量、輸沙量數據，對河流輸入過程影響河口懸浮泥沙質量濃度的機制展開探究。

2模塊設計、數據處理流程及關鍵算法

本文基于GEE平臺，對遙感圖像進行輻射校正、去云和去冰等預處理，根據反演模型計算，獲得其年際懸沙含量。采用大津算法，通過掩模，得到研究區近41年來沿岸平均演變情況，并分析了研究區懸浮泥沙質量濃度的演變規律，其流程如圖3所示。

2.1 懸浮泥沙質量濃度反演算法

本文采用 2016 年韓仕龍[3]基于多波段準分析算法（quasi-analytical algorithm，QAA），對黃河口懸浮泥沙構建的一種反演模型。其算法建立懸沙反演模型如式（1）：

ρ_ssc=617919×（B_R）²-1245.8×B_R+27.333，

式中 ρ_ssc 為懸浮泥沙質量濃度， B_R 為紅光波段遙感反射率。

2.2 水體提取與大津算法

大津正之[15]于1979年首次提出了一種基于類間方差最大化原則的最優閾值選取方法，該方法通過最大化兩類像素之間的方差，自動確定圖像的最佳分割閾值。其計算不依賴于圖像的絕對亮度或對比度，無需人工干預或經驗判斷[16」，能夠很好地適應海水與陸地、云層等其他地物的光譜差異較大的這種差異[17]。對于海浪、云層等邊緣干擾，大津算法具有一定的魯棒性，能夠有效提取海水區域而不受這些干擾因素的影響[18]。

McFeeters[19]提出了基于歸一化差異水指數（normalized difference water index，NDWI）的水分信息提取和水域邊界輪廓線的方法，NDWI被廣泛應用于提取地表濕度信息、勾畫水域邊界[20]。徐涵秋[21]改進了NDWI，增強了對水體的敏感性，改進后的指數 I_MNDWI 為：

式（2）中 I_MNDWI 為改進的歸一化差異水體指數， R_green 為綠光波段遙感反射率， R_mir 為中紅外波段遙感反射率。

將大津算法與 I_MNDWI 遙感指數結合使用，可以進一步提高海水提取的精度和可靠性[17]，適合處理大規模的海水提取任務。本文為了區分研究區內水體與非水體，根據年際影像計算改進的歸一化差異水體指數，根據得到的 I_MNDWI 結果通過GEE 進行最大類間方差計算，得到41年間的水體與非水體閾值，并以此為基準，大于閾值的像素被標記為水體，小于閾值的像素被標記為非水體，結合 I_MNDWI 結果通過閾值劃分、掩膜提取得到1984—2024年間的研究區水體范圍，其流程如圖4所示。

2.3 Theil-SenMedian斜率估計與Mann-Kendall趨勢分析

Theil通過成對點的所有直線的斜率中值來精確地將直線擬合到平面中[22-23]，可以用于顯著性檢驗[24]在統計功效方面可以與最小二乘法相媲美[25]。 Sen^[26] 擴展了此方法，對具有不同 x 坐標的點定義斜率。一旦確定了斜率 m ，就可以通過設 y 軸截距 b 為 y_i-mx_i 值的中位數擬合線為直線 7°

式（3）中， n 為研究圖層數，在本文中 n=41 。

Mann-Kendall（MK）對于樣本數量為 n 的時間序列 X ，確定所有對偶值中的大小關系，設為 s 。進行假設： H₀（X 中的數據隨機排列）， H_c（X 中存在上升或下降的單調趨勢）。其中 s 如下式所示：

若 Sgt;0 ，則時間序列中后觀測值比前觀測值更大，若 Slt;0 ，情況相反。

使用檢驗統計量 Z 進行趨勢檢驗， Z 值的計算如下式所示：

對于式（6），其中 χ_t 在并列秩集上變化， f_t 是秩 χ_t 出現的次數即頻率。采用雙邊趨勢檢驗，在給定顯著性水平 ∝ 下，在正態分布表中查詢臨界值 Z_1-α/2 ，當 |Z|?Z_1-α/2 時，趨勢不顯著;當 |Z|gt;Z_1-α/2 時，趨勢顯著。

Sen 斜率估算和M-K趨勢檢驗被廣泛應用于降水、氣溫、水質參數等要素的時間序列趨勢變化分析中。本文為探究1984—2024 年 ρ_ssc 的變化規律及變化顯著范圍，利用 Sen 斜率估算、M-K趨勢檢驗對 ρ_ssc 結果進行趨勢分析，探究研究區 ρ_ssc 在41年間的增減變化規律及變化顯著區域。

3 結果與討論

3.1 懸浮泥沙的空間分布特征

本文利用1984—2024年間Landsat 影像，通過去云、去冰、輻射校正、大氣校正、掩膜等預處理，基于式（1）反演得到影像 ρ_ssc 結果，得到研究區懸浮泥沙質量濃度年均結果，如圖5所示。本研究在數據處理過程中采用了嚴格的云量篩選標準，云量覆蓋率低于 5% ，由于2001年和2008年的Landsat影像數據集中符合該條件的有效樣本量顯著不足，導致時間序列分析中出現數據不連續現象。這種數據缺失在可視化表達時表現為顯著的異常值分布，對區域地表參數反演結果的時空連續性產生潛在影響。

圖5空間分布特征表明，1984—2024年間黃河口懸浮泥沙質量濃度的空間分布基本格局保持一致，即近岸高值區與遠海低值區的空間架構未發生根本性改變，說明黃河口泥沙輸移系統的相對穩定性;部分年份高質量濃度區范圍存在差異，泥沙輸入量較大的年份，近岸高質量濃度區向海擴展范圍更廣，而泥沙輸入量較少或水動力條件改變的年份，高質量濃度區范圍可能收縮，反映了泥沙來源、水動力條件對空間分布的動態調控作用。在河口外側，懸浮泥沙質量濃度分布呈現“羽狀流”形態，高質量濃度區沿河口延伸方向向海擴散，體現了徑流攜帶泥沙在海洋動力作用下的輸移軌跡，是河海相互作用在泥沙分布上的直觀體現。

3.2 懸浮泥沙質量濃度的時間分布特征

本文對1984—2024年研究區41年的年際平均值數據進行分析與可視化處理，繪制懸浮泥沙質量濃度年際平均值折線圖，如圖6所示。同時，整合1984—2023 年利津水文站實測的黃河年徑流量與輸沙量數據如圖7所示。為了確定在研究時間內的短時序變化，將采樣區1、2的ρ_ssc 年際平均值進行輸出，如圖8所示。

圖6、7時間分布特征表明，1984—2010年，懸浮泥沙質量濃度呈現劇烈年際波動，期間出現多個峰值，該階段懸浮泥沙質量濃度穩定性差。此階段黃河年輸沙量整體遞減，年際變幅大。輸沙量的不穩定影響河口泥沙供給，疊加徑流量的年際變化，水沙條件共同導致懸浮泥沙質量濃度劇烈波動。2010 年后， ρ_ssc 呈明顯下降態勢，2020—2024年穩定在2000mg/L 以下，波動幅度大幅收窄，懸浮泥沙質量濃度顯著減小。2010年后黃河年輸沙量銳減，泥沙源供給減少；同時徑流量未出現增長，水動力對泥沙的驅動減弱，致使 ρ_ssc 持續降低，形成后期穩定下降趨勢

采樣區1懸浮泥沙質量濃度在研究時段內呈現顯著波動特征，1992年出現質量濃度峰值，隨后下降;2007年期間形成高峰，2010年后小幅度波動。采樣區2懸浮泥沙質量濃度量級整體高于采樣區1，1993年達質量濃度峰值后下降;1995—2000年呈波動下降趨勢，2005年前后再度出現高峰，2010年后以小幅度波動形式呈現下降趨勢，長時序尺度上表現出質量濃度遞減趨勢。鑒于研究時段內采樣區1、2 的 ρ_ssc 變化顯著，短時序波動趨勢難以在41年長時序時間中完整呈現，為進一步研究人工改道對黃河口 ρ_ssc 的影響，本文選取1996 年與 2007年兩個改道時間節點，對1984—2024年長時序序列進行分段，進而探究三段時間內 ρ_ssc 的變化趨勢。

3.3基于Theil-Sen Median斜率估計和 Mann-Kendall趨勢分析 ρ_ssc 變化

本文利用Theil-SenMedian斜率估計和Mann-Kendall趨勢檢驗 Z 值統計計算研究區長時序 ρ_ssc 的趨勢斜率，并將統計分布得到的趨勢分析輸出，41年 ρ_ssc 變化趨勢如圖9所示。

1984—2024年的Sen’sslope圖顯示，在人工出汊、清水溝道及其鄰近海域， ρ_ssc 存在斜率變化顯著區域，人工出汊區域呈上升趨勢，清水溝道區域呈下降趨勢; Z 值圖中高值在清壩水道與人工出汊區域，通過MK顯著性檢驗，說明該區域 ρ_ssc 長期變化顯著。

1984—1996年的Sen’sslope圖顯示，黃河口北側、渤海灣西部斜率值較低， ??ρ_ssc 略微減少，萊州灣海域部分區域 ρ_ssc 略微增加，清水溝道區域 ρ_ssc 顯著增加; Z 值圖顯示，清水溝道附近 Z 值較高，通過MK顯著性檢驗，表明這些區域 ρ_ssc 在該時段存在顯著變化，受黃河輸沙量波動影響。

1997—2007年的Sen's slope圖中，清水溝道附近斜率值降低，清壩水道附近 ρ_ssc 上升趨勢減弱。清水溝道附近 Z 值較高，通過MK顯著性檢驗，說明該區域 ρ_ssc 在1997—2007年經歷明顯調整，與流域治理、水沙調控有關。

2008—2024年趨勢圖中， ?_?ρ_ssc 整體呈顯著上升趨勢。Sen'sslope圖中高值集中于人工出汊區域， Z 值圖中高值區范圍縮小但強度增加，通過MK顯著性檢驗。 ρ_ssc 變化顯著區域進一步人工出汊附近集中，反映該時段黃河口泥沙輸入受到控制，泥沙分布更趨局部化。

3.4 人類活動影響分析

人類活動對于懸浮泥沙質量濃度的影響主要是來源于改道。黃河近 90% 的輸沙量來源于黃土區，該地區土壤侵蝕十分劇烈[28]。本文采用了大津算法，分別對Landsat5TM、Landsat 7ETM⁺ Landsat 8 OLI影像進行1984—2024年的黃河入海口陸地與水體分離，如圖10所示。

1984—1996年處于人類活動初期影響與泥沙來源未控階段。黃土高原植被破壞嚴重，過度放牧、毀林導致土壤侵蝕劇烈，黃河輸沙量高，泥沙大量輸入河口，影像顯示河口泥沙擴散范圍廣。此階段黃土高原治理未全面見效，黃河輸沙量高，河口 ρ_ssc 受自然輸沙主導，人類活動早期河道干預，初步影響泥沙分布格局。

1997—2007年處于治理工程啟動與水沙調控階段。1997年小浪底大壩截流，改變水沙交換，上世紀90年代后期“退耕還林”工程遏制黃土高原土壤侵蝕，2002 年起“調水調沙”調整河道水沙條件。影像表明1997年后影像顯示河口泥沙擴散范圍相對穩定，2002年后因調沙出現泥沙動態變化。趨勢分析中， ?ρ_ssc 在清水溝道上升趨勢減弱，人類活動對泥沙調控作用凸顯。

2008—2024年處于河道優化與泥沙集中調控階段。2007年人工出汊改造，清水溝道-清壩水道-現入海口。影像顯示河口泥沙分布更集中人海口附近，2020年后入海口形態相對穩定。趨勢分析表明， ρ_ssc 顯著變化區集中于入海口。

3.5 懸浮泥沙演變的經濟管理影響分析

3.5.1 水沙調控工程的投資效益評估

小浪底水利樞紐（1997年）與“引水調沙”工程（2002年）累計投資達327億元（2020 年國家審計署數據），其經濟成效體現在：（1）航運成本優化方面，通過維持河道水深，使東營港10萬噸級泊位利用率提升27% ，據2023 年港口年報顯示單船次靠泊成本降低（15＼～20）萬元。（2）農業風險管理方面，調控工程使三角洲

土壤鹽漬化面積減少 42% ，核心區耕地地價從2010年1200元/畝（1畝 ≈666.67m² ）增至2023年6800元/畝。（3）項目組合管理方面。采用PMBOK（project management body of knowledge，項目管理知識）體系統籌 23個子項目，工期壓縮14個月，節約管理成本8.9億元。

3.5.2 河口治理的產業協同效應

（1）生產要素重構：2015—2024年實施“藍色海灣”整治工程投入89億元，帶動海洋監測裝備產業集聚度提升 35% ，形成7家上市公司產業集群；（2）需求側升級：懸浮泥沙質量濃度下降使水體透明度提升，推動休閑漁業產值從2010 年12 億元增至2023 年87億元，CAGR（compound annual growth rate，復合年均增長率）達 16.4% ;（3）相關產業拉動：依托泥沙監測數據建立的預警系統，使海上風電運維成本降低 28% ，項目內部收益率（IRR）提高 4.3% 。

3.5.3 生態治理項目的融資模式創新

2018 年起實施的“黃河三角洲生態屏障\"項目創新采用REITs（real estate investment trust，不動產投資信托基金）融資模式：（1）發行規模50億元，其中優先級證券占比 70% 獲AAA評級；（2）現金流結構化設計：錨定碳匯交易（占預期收益 32% ）、生態補償金（ 45% ）和旅游特許經營（ 23% ）；（3）運用蒙特卡羅模擬進行風險評估，將預期收益率波動率控制在 8% 以內，成功吸引保險資金占比達 41% 。

4結論

本文以黃河口及周邊海域為研究區域，基于GEE使用Landsat影像，結合人為活動因子，開展41年時空分析和數據統計分析，探討黃河口及其鄰近海域懸浮泥沙質量濃度時空變化規律。

（1）黃河口及其鄰近海域懸浮泥沙質量濃度空間分布在1984—2024年保持近岸高值-遠海低值的基本架構。黃河輸沙量對近岸高濃度區范圍影響顯著，2010年后流域治理使年均輸沙量減少，疊加水動力條件改變，導致懸浮泥沙質量濃度下降，波動幅度收窄，穩定性顯著提升。

（2）研究期內人類活動通過\"源頭減沙一過程調沙—末端控沙”重構 ρ_ssc 格局：1997年小浪底工程截流使水沙過程重組，2002年起“引水調沙”精準調控河口輸移路徑，疊加持續退耕還林，2000—2020年黃土高原植被覆蓋率提升，共同促使 ρ_ssc 時空分布從自然波動轉向人為調控。2007年后人工出汊固定河道，使黃河入海口附近 ρ_ssc 顯著變化區面積擴大，形成“強局部-弱擴散”的分布模式。

（3）從工商管理視角看，黃河口治理呈現顯著的經濟杠桿效應：每億元治沙投資可產生2.3億元的GDP乘數效應，項目內部收益率（IRR）達 9.8% 。建議構建“政府主導 + 產業基金 + 碳金融”的三元融資體系，運用區塊鏈技術建立泥沙治理的綠色資產交易平臺，通過供應鏈金融模式引導社會資本參與，實現生態治理與區域經濟發展的帕累托改進。

參考文獻：

[1]DOGIOTTIAI，RUDDICK KG，NECHADB，etal.A single algorithm toretrieve turbidityfromremotely-senseddata inallcoastal and estuarine waters[J].Remote Sensing of Environment，2015，156：157-168.DOI：10.1016/j.rse.2014.09.020.

[2]DOXARAND，CASTAINGP，LAVENDER SJ.Monitoring the maximum turbidityzone anddetectingfine-scale turbidityfeaturesin the Gironde estuary using high spatial resolution satelite sensor （SPOT HRV，Landsat ETM + ） data[J]. International Journal ofRemote Sensing，2006，27（11） ：2303-2321.DOI：10.1080/01431160500396865.

[3]韓仕龍.基于QAA算法的黃河口懸浮泥沙濃度半分析模型[D].武漢：湖北工業大學，2016.

[4]CRAWFORDCJ，ROYDP，ARAB S，et al.The 50-yearlandsat collction2archive[J].ScienceofRemote Sensing，2023，8：100103.DO1： 10.1016/j.srs.2023.100103.

[5]YUDF，BIANXD，YANGL，etal.Monitoring suspended sedimentconcentrationintheYelowRiver Estuary from1984 to 2021usinglandsatimageryandGogleEarthEngine[J].InternationalJournalofRemoteSensing，2023，44（10）：312-3145.DOI：

[6]FUD，XIAOH，SUF，etal.Remote sensing cloudcomputing platformdevelopmentandEarthscienceaplication[J].NationalRemote Sensing Bulletin，2021，25（1） ：220-230.

[7]GEJZ，TORRESR，CHENCS，etal.Influenceof suspendedsediment frontonnutrientsand phytoplanktondynamicsfftheChangjiang Estuary：AFVCOM-ERSEMcoupled modelexperiment[J].Journal of Marine Systems，2020，204：103292.DOI：10.1016/j.jmarsys.2019.103292.

[8]卞曉東，禹定峰，劉東升，等.基于PIE-Engine Studio 的黃河口及其鄰近海域水質遙感監測[J]．齊魯工業大學學報，2022，36（2） ：53-58. DO1：10.16442/j.cnki.qlgydxxb.2022.02.009.

[9]李慧真，王雨辰，段高雨，等.基于GEE的黃河口表層懸浮泥沙濃度時空分布及其影響因素分析[J]．海洋學報，2023，45（8）：178-190. DOI：10.12284/hyxb2023090.

[10]JI HY，CHENSL，PANSQ，etal.Morphologicalvariabilityof theactiveYelowRivermouthuderthenewregimeofriverinedelivery[J]. Journal of Hydrology，2018， 564： 329-341. DOI： 10.1016/j.jhydrol.2018.07.014.

[11]GORELICK N，HANCHER M，DIXON M，et al. Googleearth engine：Planetary-scale geospatial analysis for everyone[J].Remote Sensing of Environment， 2017， 202： 18-27. DO1： 10.1016/j.rse.2017.06.031.

[12]EYRE B，HOSSANS，MCKEEL.Asuspendedsedimentbudget forthe modifiedsubtropical Brisbaneriverestuary，Australia[J].Estuarine， Coastal and Shelf Science，1998，47（4） ： 513-522. DOI： 10.1006/ecss1998.0371.

[13]TORREGROZA-ESPINOSA A C，RESTREPO JC，CORREA-METRIO A，et al.Fluvial and oceanographic influences onsuspendedsediment dispersal inthe Magdalena River Estuary[J].Journal of Marine Systems，2020，204：103282.DOI：10.1016/j.jmarsys.2019.103282.

[14]JI HY，PANSQ，CHENSL.Impactofriverdischargeon hdrodyamicsandsedimentary processes at Yelow RiverDelta[J].Marine Geology，2020，425：106210. DOI：10.1016/j.margeo.2020.106210.

[15]OTSUN.Athresholdselectionmethodfromgray-levelhistograms[J].IEEETransactionson Systems，Man，andCybernetics，1979，9（1） ： 62-66. DO1： 10.1109/TSMC.1979.4310076.

[16]戴永壽，劉博文，李立剛，等.基于局部 Otsu 分割與 Hough 變換的海天線檢測[J]．光電工程，2018，45（7）：180039.DOI：10.12086/0ee.2018.180039.

[17]尹玉蒙，張英慧，胡忠文，等.中國沿海水產養殖空間分布數據集（1990—2022）研發[J].全球變化數據學報（中英文），2023，7（2） ：215-224. D0I： 10.3974/ge0dp.2023.02.10.

[18]郝明，林惠晶，高彥彥.基于改進主動輪廓模型的無人機影像礦區地裂縫提取[J]．地球信息科學學報，2022，24（12）：2448-2457. D01： 10.12082/dqxxkx.2022.220376.

[19]MCFEETERS SK.Theuseof the Normalized Diference Water Index （NDWI）inthedelineationofopen water features[J].International Journal of Remote Sensing，1996，17（7） ： 1425-1432. DOI： 10.1080/01431169608948714.

[20］文慧，劉具濤.基于Landsat 8影像的地表水體指數提取方法研究：以鄱陽湖為例[J]．江西水利科技，2023，49（4）：235-240. DOI：10.3969/j.issn.1004-4701.2023.04-01.

[21]徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究[J].遙感學報，2005，9（5）：589-595.DOI：10.3321/j.issn：1007-4619.2005.05.012.

[22]EL-SHAARAWIA H，PIEGORSCHW W.Encyclopedia of environmetrics[M].New York：John Wileyamp; Sons，2O2.DOI：10.1002/9780470057339.vac024.pub2.

[23]GILBERTRO.Statistical methods forenviromental polltion monitoring[M].New York ：John Wileyamp;Sons，1988.DOI：10.2307/1270090

[24]HELSEL D R，HIRSCH R M. Statistical methods in water resources [M]. Amsterdam： Elsevier，1993.

[25]IMPROVING S. Fundamentals of Modern Statistical Methods [M]. New York ： Springer， 2001.

[26]SENPK.EstimatesofheregressoncoeicientbasdonKendall’stauJ]JoualofteAmeicanstatisticalassociation，1968，63（324） ：1379-1389. D01： 10.1080/01621459.1968.10480934.

[27]ROUSSEEUW PJ，LEROY A M.Robust regression andoutlier detection[M]. New York：John wiley amp; sons，2003.

[28]LIUC，SUIJ，WANG Z.Changes inRunoffandSediment Yieldalong theYellowRiverduringthe Period from1950to2006[J].Journal of Environmental Informatics，2008，12（2） ：129-139.DOI： 10.3808/jei.200800131.