基于GEE的杭州湾慈溪段潮滩提取及时空变化分析
Extraction and spatio-temporal change analysis of the tidal flat in Cixi section of Hangzhou Bay based on Google Earth Engine
通讯作者: 周斌(1972-),男,博士,教授,主要研究方向为环境遥感。Email:zhoubin@hznu.edu.cn。
责任编辑: 陈理
收稿日期: 2022-01-17 修回日期: 2022-01-21
基金资助: |
|
Received: 2022-01-17 Revised: 2022-01-21
作者简介 About authors
郑修诚(1999-),男,硕士研究生,主要研究方向为滨海湿地遥感监测。Email:
当前常见的潮滩遥感提取方法往往通过估算来确定潮滩的边界,难以保证较高的提取精度。本研究结合GEE遥感云计算平台和GIS技术,选用1990—2021年间共77景Landsat卫星影像,通过目视解译人工海岸线作为平均高潮线,利用水边线拟合平均低潮线,实现了对杭州湾南岸慈溪段的潮滩提取和面积估算,分析了潮滩区域时空变化。研究表明,杭州湾南岸慈溪段潮滩面积基本维持在20 000~24 000 hm2区间; 空间变化趋势是由南向北迁移,迁移速度为286.9 m·a-1; 影响潮滩面积和空间变化的最主要驱动力是地方政策。
关键词:
At present, the common methods for extracting tidal flats using remote sensing images tend to estimate tidal flat boundaries. Therefore, it is difficult to ensure high extraction accuracy. This study combined remote sensing cloud computing platform Google Earth Engine with the geographic information system (GIS) technology and selected 77 Landsat images during 1990—2021. Meanwhile, the mean high-tide line was set to the artificial coastline obtained through visual interpretation, and the mean low-tide line was determined through the fitting of the shoreline. Based on these, this study extracted the tidal flat in the Cixi section on the south bank of the Hangzhou Bay and estimated its area. Furthermore, this study analyzed the spatio-temporal changes in the area of the tidal flat. The results are as follows. During 1990—2021, the area of the tidal flat in the Cixi section on the south bank of the Hangzhou Bay was roughly maintained in the range of 20 000~24 000 hm2, and the tidal flat migrated from south to north at a speed of 286.9 m·a-1. The main driving force behind the spatial and area changes of the tidal flat was local policies.
Keywords:
本文引用格式
郑修诚, 周斌, 雷惠, 黄祺宇, 叶浩林.
ZHENG Xiucheng, ZHOU Bin, LEI Hui, HUANG Qiyu, YE Haolin.
0 引言
目前基于遥感技术的潮滩提取方法主要有“八分算潮法”[3]和“相似三角形原理”[4]等。张春桂[3]采用“八分算潮法”来确定高、低潮时,选用过境时间与这些时刻最为接近的MODIS数据,实现了福建省海岸带潮滩的提取,但MODIS数据空间分辨率偏低且该方法只是一种潮时的近似估算方法,存在一定的误差; 王小龙等[4]采用“相似三角形原理”,结合海岛多年的潮汐数据,利用高分辨率遥感数据计算了东沙岛潮滩和湿地的范围,该方法将潮滩地形剖面视作一个直角三角形,是一种理想的估算方法,王小丹等[5]研究曹妃甸地区潮滩演变时使用的“相同潮位对比法”以及王靖雯等[6]和韩倩倩等[7]研究中使用的“潮位校正法”也都以此方法为基础。总体来看,当前常见的潮滩遥感提取方法往往通过估算来确定潮滩的边界,难以保证较高的提取精度。而张媛媛等[8]采用穷举法,应用多时相环境卫星数据作为数据源提取序列水边线,通过面向对象分类,实现了江苏省如东县潮滩的提取,该方法摆脱了对高、低潮线的“估算”,使用若干条水边线拟合高、低潮线,具备较高的精度。
近年来,随着Google Earth Engine(GEE)平台的诞生和广泛应用,穷举法所面临的数据量大、依赖人工等问题迎刃而解,本研究基于GEE平台,选用时序覆盖较广的Landsat系列影像数据,目视解译人工海岸线作为平均高潮线,利用水边线拟合平均低潮线,实现了对杭州湾潮滩变化最为显著的慈溪段潮滩区域的提取,并分析了其变化情况,为该地区潮滩湿地的保护提供技术参考。
1 研究区概况与数据源
1.1 研究区概况
以杭州湾南岸的慈溪市为研究区(图1),其隶属于浙江省宁波市,东接镇海区,西连余姚市,地势南高北低,面向杭州湾呈现丘陵、平原、滩涂3级阶梯状。由于杭州湾独特的空间形态,大量的泥沙在杭州湾南岸北凸弧段淤积,形成了典型的平原型潮滩,为慈溪市填海造陆提供了得天独厚的自然条件,使其成为浙江省土地后备资源最富足的地区之一。
图1
1.2 数据源
GEE是由Google提供的基于云计算的全球尺度地理空间分析平台,其存储的大量公开的地理空间数据集能够省去影像下载的时间,而其强大的计算力则能批量处理较大规模的数据,为较大时空尺度的研究提供便捷。出于对数据可获得性和逐年监测的需求,本研究选用30 m空间分辨率的Landsat系列数据作为遥感影像数据源,所有数据均来自于Earth Engine Data Catalog。本研究对数据源进行了2轮筛选。首先筛选覆盖完整研究区(条带号118/39)的1990—2021年间云量低于20%的影像,累计得到142景影像; 再对这些影像逐景目视筛选,确保潮滩区域无明显厚云覆盖,并尽量保证1 a内有2景间隔90 d以上的影像,最终得到77景符合条件的影像(图2)。
图2
行政区矢量边界数据获取自中国科学院资源环境科学与数据中心(
研究区潮汐预报数据获取自国家海洋科学数据中心(
2 研究方法
2.1 瞬时水边线提取
图3
2.1.1 自动水体提取指数AWEI
2.1.2 大津算法提取阈值
大津算法(OSTU)[21]是日本学者大津于1979年提出的一种确定图像二值化分割阈值的算法,从原理上讲,用该方法提取的阈值对图像进行二值化分割后,前景与背景图像的类间方差最大,因此该方法又被称为最大类间方差法。通过在GEE平台中编写代码,可以自动获取经过水体指数计算的每景灰度图像的阈值,并对其进行二值化分割。
2.2 平均低潮线提取
DSAS模块通过对一条Baseline作若干条间隔相同、长度固定并与水边线集充分相交的垂线,记录垂线与水边线集的所有交点数据,这些交点包含了其所在垂线编号、至Baseline距离以及空间坐标等信息。经过多次测试,结合研究区实际情况,选定垂线间隔为500 m,垂线长度为18 000 m,最后通过Python编程对交点数据进行分析,筛选出同一垂线编号中距离Baseline最远的潮位点,将以上潮位点按其属性中的垂线编号依次相连,拟合生成的折线即认为是平均低潮线(图 4)。共生成1995年、2000年、2005年、2010年、2015年和2021年6期平均低潮线。
图4
2.3 平均高潮线提取
慈溪市有悠久的围海筑堤历史,域内以人工海岸线为主,因此本研究对平均高潮线的提取实质上是对人工海岸线的提取。人工海岸线在遥感影像中纹理清晰、辨识度高,因此本文采用目视解译法直接提取。结合研究区Landsat影像和Google Earth历史影像,遵循海岸线判别依据[23],在ArcGIS 10.2软件中绘制与平均低潮线对应的6期海岸线,作为本研究所需的平均高潮线。
2.4 潮滩区域提取及精度评价
潮滩提取实质上是将研究区内地物分为潮滩和其他地物2类,而精度评价是检验分类结果与地表真实信息吻合程度的过程,以此来评价分类结果可信度。误差矩阵又称混淆矩阵,广泛应用于遥感土地利用分类精度评价,能简单地对分类精度信息进行概括[24]。
本研究通过构建缓冲区、创建随机采样点,统计每个采样点在提取结果和影像数据中分别是否属于潮滩,并构建统计结果的混淆矩阵从而对潮滩提取的精度进行评价。为使采样点分布合理、覆盖均匀,以提取的潮滩结果为中心作半径5 km的缓冲区,作为提取结果精度评价的区域(图5)。每期缓冲区内使用Create Random Point工具随机生成240个点作为采样点,每个采样点的间距不小于100 m。借助研究区低潮期遥感影像以及Google Earth历史影像,目视解译将采样点分为潮滩和其他2类,最后构建混淆矩阵评价潮滩提取精度。
图5
2.5 平均高、低潮线迁移速率计算
对于2.2节中的任一垂线段
式中:n为生成垂线段总数;Δt为2期高(低)潮线间的年份差值。
3 结果与分析
3.1 潮滩提取结果及精度评价
3.1.1 潮滩提取结果
图6
图7
3.1.2 精度评价
表1 潮滩提取精度评价混淆矩阵(2021年)
Tab.1
识别类型 | 实测类型 | 用户精度/% | ||
---|---|---|---|---|
潮滩 | 其他 | 行总数 | ||
潮滩 | 43 | 4 | 47 | 91.49 |
其他 | 2 | 191 | 193 | 98.96 |
列总数 | 45 | 195 | 240 | |
生产者精度/% | 95.56 | 97.95 |
表2 潮滩提取精度评价结果汇总
Tab.2
年份 | 1995年 | 2000年 | 2005年 | 2010年 | 2015年 | 2021年 |
---|---|---|---|---|---|---|
总体精 度/% | 95.14 | 93.87 | 92.48 | 93.37 | 96.50 | 95.99 |
Kappa 系数 | 0.902 7 | 0.871 2 | 0.846 3 | 0.865 6 | 0.929 8 | 0.919 3 |
3.2 潮滩时空变化分析
3.2.1 潮滩地理中心空间变化
图8
图8
潮滩地理中心时空变化
Fig.8
Spatio-temporal variation of geographical center of tidal flat
表3 潮滩地理中心迁移情况
Tab.3
迁移时段 | 迁移距离 | ||
---|---|---|---|
西/东迁移 | 南/北迁移 | 总迁移 | |
1995—2000年 | -701① | 1 700 | 1 389 |
2000—2005年 | 1 614 | 2 160 | 2 696 |
2005—2010年 | -8 893 | 3 510 | 9 561 |
2010—2015年 | 4 926 | -1 150 | 5 058 |
2015—2021年 | -171 | 1 240 | 1 252 |
1995—2021年 | -3 225 | 7 460 | 8 127 |
①向西、南迁移标记为负值。
从中心迁移轨迹(图8)来看,潮滩区域地理中心经历了“西北-东北-西北-东南-西北”的复杂迁移过程,但总体呈现由东南向西北迁移的趋势,累计迁移距离为28 083 m,总迁移距离为8 127 m。从各个迁移方向上看,西移发生在1995—2000年、2005—2010年和2015—2010年,西移距离分别为701 m,8 893 m和171 m,速度分别为140.2 m·a-1,1 778.6 m·a-1和34.2 m·a-1; 东移发生在2000—2005年和2010—2015年,距离分别为1 614 m和4 926 m,速度分别为322.8 m·a-1和821 m·a-1; 南移只发生在2010—2015年,距离为1 150 m,速度为230 m·a-1,这主要是由于2010—2015年间研究区西侧海岸线外移潮滩减少,而东南侧潮滩增加明显,导致潮滩地理中心向东南方向迁移; 北移连续发生在1995—2010年和2015—2021年,距离分别为7 370 m和1 240 m,速度分别为491.3 m·a-1和206.7 m·a-1。
总体上,地理中心向西迁移了3 225 m,速度为124 m·a-1; 向北迁移了7 460 m,速度为286.9 m·a-1,南北方向迁移的跨度距离大于东西方向的迁移跨度表明潮滩南北方向变化大于东西方向变化。从各个迁移阶段看,2005—2010年在东西和南北方向上的迁移距离均为最大,说明这5 a间潮滩发生了最为明显的变化。
3.2.2 高、低潮线空间变化
表4显示,除2000—2005年低潮线向内退缩外,其余时段高、低潮线均以不同速率外扩。高潮线外扩最快的时段是2000—2005年,达到233.87 m·a-1; 最慢的时段是2015—2021年,仅为23.65 m·a-1; 低潮线外扩最快的时段是2005—2010年,达到461.52 m·a-1。
表4 高(低)潮线迁移速率
Tab.4
时段 | 迁移速率 | |
---|---|---|
高潮线(海岸线) | 低潮线 | |
1995—2000年 | 215.18 | 395.22 |
2000—2005年 | 233.87 | -91.42① |
2005—2010年 | 161.71 | 461.52 |
2010—2015年 | 197.35 | 132.89 |
2015—2021年 | 23.65 | 60.10 |
①潮线退缩标记为负值。
3.2.3 潮滩面积及空间变化原因分析
研究发现,30余年间,杭州湾南岸慈溪段潮滩基本保持北移的态势,但是潮滩面积基本维持在相对稳定的水平,仅在2000—2005年间出现骤减,对比图6和表4可知,此时段内海岸线发生了明显外移,但潮滩北界相较于2000年并未明显外移,西侧潮滩还出现了消退的情况,以上因素综合导致了2005年的潮滩面积大幅减少。张华国等[23]研究了1986年以来杭州湾围垦淤涨状况,发现2000年以后每年围垦面积增长的区域数量急剧上升,并推测在2001—2003年间有一轮较大规模的围垦工程。2001年,慈溪市作出了开发建设杭州湾新区的战略决策[26]; 2003年,杭州湾跨海大桥开始奠基建设,大桥又恰好位于潮滩消退明显的西侧。这一系列涉及该区域的重大事件,可能是造成慈溪市2000—2005年海岸线剧烈外移、潮滩显著减少的原因。
而此后的5 a间,潮滩则以461.52 m·a-1的速率快速淤涨,因此,海岸线的剧烈外移可能会在未来一定时期内推动潮滩的淤涨。孙超等[27]研究江苏中部沿海盐沼演变与围垦的关系时也认为“围垦活动能够改变原潮滩的沉积环境”,推动盐沼扩张。
另外,2010—2021年间潮滩面积保持在较稳定的水平,2015—2021年潮滩地理中心和高、低潮线迁移也较小,可见近10 a,尤其是2015年之后针对潮滩的开发利用强度大幅减弱。近年来,国家为了应对海洋生态环境日益严峻的形势和海洋开发秩序混乱等问题,相继出台政策管控围填海活动。2018年,国务院发布了《国务院关于加强滨海湿地保护严格管控围填海的通知》[28],严格限制了“向海索地”。因此,在未来一定时期内,研究区内潮滩在空间形态和空间位置上很可能以稳定的速度缓慢发展。
4 讨论
在本研究中,影像成像时的瞬时潮位会对潮滩提取的精度产生直接影响。潮滩提取精度主要取决于低潮线提取的精度,这就需要研究所使用的影像拍摄时间处于该海域的低潮期,因此需要对影像和其拍摄时间的潮位进行星地数据匹配。潘存鸿等[29,30]在研究杭州湾潮汐特征的研究时介绍了杭州湾沿岸潮位站分布: 杭州湾北岸设有澉浦、乍浦、金山嘴和芦潮港4个长期潮位站,杭州湾南岸仅有镇海口1个长期潮位站。这些潮位站均未在研究区范围内,其提供的潮汐实测数据不能客观地反映研究区潮汐特征。而国家海洋信息中心的全球潮汐预报服务平台(http://global-tide.nmdis.org.cn/)提供了1980—2022年全球485个主要港口的潮汐预报数据,其中“海黄山”站点(121.50°E, 30.21°N)处于研究区核心地带,可以作为相对客观的潮位参考数据。本研究统计了所使用的每景影像拍摄时间对应的预报潮高,并对多年潮汐数据做了简单分析,发现该站点的低潮潮高通常在80~120 cm之间,经统计,共有14景影像成像时的预报潮位低于120 cm,并在本研究设定的6个时段内都有分布,因此本研究提取的潮滩具有一定的可信度。
然而,本研究主要基于“云量”因素筛选影像,最终完成潮滩的提取,是存在一定随机性的。即便低云量的数据量非常丰富,但影像拍摄时间未在低潮期,提取出的水边线也无法认为是低潮线。因此,可以在筛选影像前进行星地数据的匹配,并以此作为影像筛选的依据,例如Landsat系列卫星在本研究区的过境时间约为北京时间上午10: 00前后,仅需要统计低潮潮时在上午10: 00左右的日期,再与卫星过境日期进行匹配,便可高效筛选目标影像,并大幅降低低潮线提取的不确定性。
当然,这一定程度上还依赖于遥感卫星的重访周期。若非Landsat系列数据在时间尺度上覆盖了此前的几十年,其16 d的重访周期会成为星地数据匹配的消极因素。近年来,随着国产卫星遥感数据(如高分、资源、环境等系列数据)获取愈发便捷和Sentinel系列数据可免费获取,大大弥补了原本匮乏的数据源。尽管不同数据间由于传感器设计不同,几何位置和波段设置上存在差异,多源数据交叉使用时,数据匹配存在一定困难,但遥感技术在潮滩监测领域的应用仍具备非常光明的前景。
5 结论
本研究结合GEE遥感云计算平台和GIS技术,选用1990—2021年间共77景Landsat卫星影像,通过提取水边线和海岸线,实现了对杭州湾南岸慈溪段的潮滩提取和面积估算,并对潮滩区域的变化情况展开了分析,为慈溪潮滩湿地的管理与保护提供了技术参考。取得的主要结论如下:
1)本研究使用Landsat卫星影像作为数据源,在保证影像质量的同时满足了较长时序监测的需要; 使用阈值分割法提取了影像的瞬时水边线; 通过DSAS以及Python语言编程将研究对象从线要素转变为点要素,再由经过筛选的点要素拟合出研究所需的平均低潮线; 基于潮滩的定义,将平均低潮线与海岸线合围,提取出了1995年、2000年、2005年、2010年、2015年和2021年6期潮滩区域,并且达到了较高的精度,说明该方法适用于本研究。
2)本研究大部分影像数据处理工作在GEE遥感云计算平台完成,自动化程度高,对数据量较大的时序监测研究非常友好; DSAS模块通过对研究对象要素的转变,较为科学客观地实现了低潮线的提取; 在海岸线信息比较明晰的(基岩、人工海岸)区域,可以比较便捷地提取出潮滩区域,具备一定的推广性。
3)本研究发现杭州湾南岸慈溪段潮滩面积基本维持在20 000~24 000 hm2区间,2000—2005年间陡然减少至10 344 hm2,2010年又恢复至原先水平; 潮滩空间变化趋势是由南向北迁移,迁移速度为286.9 m·a-1,其中2005—2010年潮滩的空间变化最为明显。
4)本研究认为沿海围垦和潮滩淤涨共同影响了潮滩面积和空间的变化,大范围的沿海围垦可能在未来一定时期内促进潮滩的淤涨,而这一切最主要的驱动力是地方政策,随着针对围填海活动的严控政策相继出台,潮滩将保持稳定的发展态势。
当然,基于“云量”因素筛选影像具有一定的随机性。在后续的研究中将结合潮汐预报数据,进行星地数据匹配,从而实现精准、高效的影像筛选,并尝试引入更高时空分辨率的多源数据,实现更高精度的潮滩提取和监测。
(责任编辑: 陈理)
参考文献
中国的潮滩
[J]. ,
Tidal flats of China
[J].
中国淤泥质潮滩沉积研究的进展
[J]. ,
Sedimentation on the intertidal mudflat in China:An overview
[J].
MODIS遥感数据在福建省海岸带滩涂资源监测中的应用研究
[J]. ,
The application of MODIS data in tidal flat resource monitoring of coastal zone of Fujian Province in China
[J].
基于光学遥感的海岛潮间带和湿地信息提取——以东沙岛(礁)为例
[J]. ,
Extraction of remotely sensed information of island intertidal zone and wetland:Taking the Dongsha Island as an example
[J].
曹妃甸地区潮间带演变的遥感监测
[J]. ,
Remote sensing monitoring of the Caofeidian tidal zone evolution
[J].
基于潮位校正的盐城滨海潮间带遥感监测及变化分析
[J]. ,
Remote-sensing analysis of Yancheng intertidal zones based on tidal correction
[J].
基于潮位校正的中国潮间带遥感监测及变化
[J]. ,
Remote-sensing monitoring and analysis of China intertidal zone changes based on tidal correction
[J].
基于遥感水边线的潮滩面积提取方法研究
[J]. ,
The extraction method of tidal flat area based on remote sensing waterlines
[J].
慈溪海涂促淤浅析
[J]. ,
Brief analysis of Cixi sea flat to promote sedimentation
[J].
杭州湾南岸围垦土地人类活动强度及对滨海湿地覆被类型的影响
[J]. ,
Impacts of human activity on coastal wetland land cover changes related to reclamation on the south coast of Hangzhou Bay
[J].
基于遥感技术的我国潮滩资源现状研究
[D]. ,
Research on the status of tidal resources in China using remote sensing technology
[D]. ,
遥感在滩涂演变调查中的应用方法研究
[J]. ,DOI:10.6046/gtzyyg.1995.03.05 [本文引用: 1]
The application of remote sensing to investigate tidal flat evolution
[J].DOI:10.6046/gtzyyg.1995.03.05 [本文引用: 1]
海岸线定义问题的讨论
[J]. ,
Discussions on the definition of shoreline
[J].
海岸侵蚀和海岸线管理的初步研究
[J]. ,
Discussion about coastline erosion and management
[J].
遥感影像的海岸线自动提取方法研究进展
[J]. ,
Research progress on methods of automatic coastline extraction based on remote sensing images
[J].
图像阈值分割方法研究与分析
[D]. ,
Threshold image segmentation research and analysis
[D]. ,
Automated water extraction index:A new technique for surface water mapping using Landsat imagery
[J]. ,DOI:10.1016/j.rse.2013.08.029 URL [本文引用: 1]
Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery
[J]. ,DOI:10.1080/01431160600589179 URL [本文引用: 1]
最优分区与最优指数联合的水体信息提取
[J]. ,DOI:10.3724/SP.J.1047.2017.00702 [本文引用: 2]
单波段阈值法和水体指数法具有方法简单、耗时少的优点,成为水体信息提取常用的方法,但对于面积较大、类型多样、影响因素复杂的区域,在全局使用任何一种方法均无法满足精度要求。为精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文分别对归一化水体指数(MNDWI)、自动水体提取指数(AWEI)和归一化三波段指数(NDTBI)3种指数的阈值进行分析,以最优阈值分区方案进行分区并构建3个单指数决策树,寻找不同水体类型的最优指数,按照最优原则重构联合指数决策树来提取水体信息,其中,3种单指数提取法的Kappa系数分别为:0.863, 0.854, 0.862,最优指数联合决策树法的Kappa系数为 0.881。结果表明,基于3个指数构成的最优指数联合决策树的提取方法可以达到最高精度,由此说明,采用该法用于水体信息提取可得到最佳效果。
Water extraction based on the optimal subregion and the optimal indexes combined
[J].
基于高分辨率遥感影像的城市水体提取算法研究
[D]. ,
Urban open water extraction from high resolution remote sensing images
[D]. ,
Threshold selection method from gray-level histograms
[J]. ,DOI:10.1109/TSMC.1979.4310076 URL [本文引用: 1]
The Digital Shoreline Analysis System (DSAS) Version 4.0:An ArcGIS extension for calculating shoreline change
[R]. ,
1986年以来杭州湾围垦淤涨状况卫星遥感调查
[J]. ,DOI:10.6046/gtzyyg.2005.02.12 [本文引用: 2]
A remote sensing investigating of inning and silting in Hangzhou Bay since 1986
[J].DOI:10.6046/gtzyyg.2005.02.12 [本文引用: 2]
Status of land cover classification accuracy assessment
[J]. ,DOI:10.1016/S0034-4257(01)00295-4 URL [本文引用: 1]
A review of assessing the accuracy of classifications of remotely sensed data
[J]. ,DOI:10.1016/0034-4257(91)90048-B URL [本文引用: 1]
高水平建设慈溪杭州湾新区
[J]. ,
High-level construction of Hangzhou Bay New District in Cixi
[J].
近25 a来江苏中部沿海盐沼分布时空演变及围垦影响分析
[J]. ,
Spatiotemporal evolution of salt marsh and influential analysis of reclamation of Jiangsu middle coast in recent 25 years
[J].
国务院关于加强滨海湿地保护严格管控围填海的通知
[EB/OL]. http://www.gov.cn/zhengce/content/2018-07/25/content_5309058.htm.
Notice of the state council on strengthening the protection of coastal wetlands and strictly controlling reclamation
[EB/OL].http://www.gov.cn/zhengce/content/2018-07/25/content_5309058.htm.
杭州湾年最大潮差分析
[J]. ,
Analysis of annual maximum tidal range in Hangzhou Bay
[J].
杭州湾潮汐特征时空变化及原因分析
[J]. ,
Spatial and temporal variations of tide characteristics in Hangzhou Bay and cause analysis
[J].DOI:10.1016/j.oceaneng.2009.12.002 URL [本文引用: 1]
/
〈 | 〉 |