Translated by Dr. Mengyi Jin
自古以来，河流三角洲因水资源丰富、土壤肥沃及交通便利而成为人类聚居的重要区域。这一格局延续至今。目前，生活在三角洲地区的人口已接近 60 亿，使其成为全球人口最稠密的地区之一（Kuenzer and Renaud 2011）。然而，这些三角洲地区正面临着气候变化、海平面上升、土地利用方式转变以及生态系统退化等威胁。遥感技术在获取环境状况及其时序变化方面具有显著优势，其在识别灾害前兆信号、预测自然现象演变等方面发挥着关键作用。在三角洲地区，遥感已被广泛应用于海岸线变化监测、洪水监测与预测等领域（Merkuryeva et al. 2015；Li and Damen 2010）。持续开展三角洲监测不仅有助于维护其生态功能，还能及时识别潜在风险，并为科学管理提供重要依据，而遥感正是实现这一目标的关键技术。
河流三角洲通常形成于湍急河流汇入流速较慢或静止水体（如湖泊、海洋或水库）的位置（Kuenzer et al. 2019）。其形态整体呈三角形，其顶端朝向上游，而外缘面向所汇入的水体（如湖泊和海洋），该外缘可视为三角形的“底边”。一般而言，大多数河流最终注入海洋。如图 1 所示，全球重要的大型三角洲主要分布于沿海地区，除南极与北极外，在各大洲及各纬度带均有分布。
河流三角洲的重要性
作为理想的人类聚居地，河流三角洲具备多方面优势。例如，其地形平坦，淡水和咸水资源易于获取，水路与临近海岸提供了优越的交通条件，沉积作用形成了肥沃的农业土壤，并且普遍具有丰富的生物多样性和重要的休闲价值，如湿地、海岸森林与沙滩等（Zhao et al. 2022）。值得注意的是，许多国家的国内生产总值（GDP）中，相当大的比例来源于河流三角洲这一重要的区域（Kuenzer and Renaud 2011）。以中国为例，珠江三角洲仅占全国国土面积的 0.5%，人口比例为 4.5%，却贡献了全国 GDP 的 10%；而长江三角洲的贡献比例更高，达到全国 GDP 的 20%（Syvitski et al. 2009）。
河流三角洲面临的威胁
河流三角洲是全球范围内受社会、环境与气候变化影响最为严重的生态系统之一（Kuenzer and Renaud 2011）。图 2 展示了三角洲地区主要的外部与内部威胁（Kuenzer et al. 2019）。主要的外部威胁包括：
- 由气候变化引发的海平面上升，以及干旱、上游洪水、风暴潮和海啸等极端事件；
- 人类活动导致的污染，如近海石油泄漏、外源性海水污染和大气污染；
- 石油装卸作业带来的影响，包括上游分流、洪水脉冲变化、泥沙滞留与水体污染；
- 水力工程开发、人口迁入及大规模旅游活动。
除外部因素外，河流三角洲还受到多种内部威胁的叠加影响，主要包括：
- 与工业、城市、农业和水产养殖相关的水、土壤与空气污染；
- 地质过程及石油、地下水等资源开采引发的地面沉降；
- 自然生态系统的丧失，如海岸防护林、湿地与沼泽；
- 土地利用变化导致的生物多样性丧失；
- 基础设施建设和屏障开发引起的三角洲自然动态系统改变。
这些自然与人为因素共同作用，不仅影响河流三角洲本身，也波及其中栖居的人类与野生生物。
基于遥感技术的河流三角洲监测原理
遥感是河流三角洲监测的重要工具。其工作原理在于卫星传感器能够探测地球上的目标对电磁波的反射以及其自身发射的电磁波，并将相关信息存储于遥感影像之中（Kuenzer et al. 2019）。图 3 展示了基于遥感技术的河流三角洲监测概览（Kuenzer et al. 2019）。利用卫星数据，我们可以获取三角洲地区的各种信息，包括泥沙运动与地貌变化、植被覆盖情况、生态系统健康状况，以及气候变化与海平面上升等。
由于不同物质的反射率存在差异，可以基于研究对象的特征构建指标或模型，从而提取信息进行分析（见图 3）。由中分辨率成像光谱仪（MODIS）、Landsat 与 Sentinel 系列卫星，高级合成孔径雷达（Advanced SAR，ASAR）等获取的卫星数据，提供了能够覆盖全球的大量时序数据集。卫星已经成为长期监测的可靠数据来源，大量卫星获取的数据集已公开发布于开放获取平台（Kuenzer et al. 2014a；Wulder et al. 2012）。
值得注意的是，一颗卫星可以同时搭载多种类型的传感器，并应用于不同研究领域。利用卫星监测河流三角洲主要依赖光学、热学和微波遥感传感器。表 1 展示了常用传感器及其应用。例如，光学/热学卫星数据的时序序列正越来越多地被用于追踪海岸线、监测海岸侵蚀与淤积格局，以及灾害相关的扰动效应，尤其是洪水过程；而微波卫星数据则更侧重于洪水与被淹地区制图、水位监测、生物量制图、湿地与城市分析以及地面沉降研究。这些数据为与环境状况及其时序变化相关的决策与政策制定提供了科学依据，帮助政策制定者更有效地应对河流三角洲的环境变化。
| 传感器类型 | 仪器 / 传感器名称 | 卫星任务 | 数据门户 | 与河流三角洲监测相关的应用 |
|---|---|---|---|---|
| 光学 / 热学 | 专题制图仪（TM）、多光谱扫描仪（MSS） | Landsat 4、5 | USGS Earth Explorer |
|
| 增强型专题制图仪（ETM+） | Landsat 7 | |||
| 运营陆地成像仪（OLI）、热红外传感器（TIRS） | Landsat 8 | |||
| 运营陆地成像仪 2（OLI-2）、热红外传感器 2（TIRS-2） | Landsat 9 | |||
| 多光谱仪（MSI） | Sentinel 2 | Copernicus Open Access Hub | ||
| 中分辨率成像光谱仪（MODIS） | Terra and Aqua | Earth Data | ||
| 微波 | 合成孔径雷达（SAR） | Sentinel 1 | Copernicus Open Access Hub |
|
| 合成孔径雷达（SAR） | RADARSAT 1, 2 | ESA User Services Portal |
应用实例：黄河三角洲地表动态监测
Kuenzer 等（2014b）对黄河三角洲的地表动态进行了监测。黄河携带大量泥沙，其中大部分在下游沉积，导致地表特征频繁变化。因此，作者收集了 Landsat 系列数据对黄河三角洲进行分析，包括 Landsat 1–5 的多光谱扫描仪（MSS）/专题制图仪（TM）以及 Landsat 7 的增强型专题制图仪（ETM+）。他们通过人工方法对特征进行矢量化，并自动生成变化率统计数据，后者由数字海岸线分析系统（DSAS）得出。图 4 显示了黄河三角洲区域发生的河道改道现象。黄河原先在三角洲北部汇入渤海湾（图 4a），于1976 年底在北部刁口河改道，向东转入清水沟入海。此次人为引导黄河改道的原因在于，黄河口地区因冰塞引发的特大洪水，威胁到了三角洲北部与东北部的油田。此外，图 5 表明海岸线发生了显著的变化。在过去数十年间，黄河三角洲的海岸线呈现出强烈的动态特征，变化主要集中在三角洲的北部与东部海岸。其中，三角洲北部海岸线发生了明显的后退，而东部裂谷区则出现了大面积的土壤堆积。
结论
遥感在河流三角洲的监测中发挥着重要作用，可用于评估灾害风险、生态系统健康水平以及河口的时空变化，为决策制定和河流管理提供重要依据。然而，仅依靠监测并不足以保障三角洲的健康发展。要实现河流三角洲的可持续发展，需要公众与政府的共同努力，从源头消除污染、控制温室气体排放，营造可持续的生态环境。
García-Mora, T. J., Mas, J. F., and Hinkley, E. A. 2012. “Land cover mapping applications with MODIS: a literature review”. International Journal of Digital Earth, 5(1), 63-87. doi: 10.1080/17538947.2011.565080
Geudtner, D., Torres, R., Snoeij, P., Davidson, M., and Rommen, B. 2014. “Sentinel-1 system capabilities and applications”. IEEE Geoscience and Remote Sensing Symposium (pp. 1457-1460). doi: 10.1109/IGARSS.2014.6946711
GISGeography. 2023. “MODIS: Moderate Resolution Imaging Spectroradiometer.” GISGeography. https://gisgeography.com/modis-satellite/#:~:text=MODIS%20Uses%20and%20…
Merkuryeva, G., Merkuryev, Y., Sokolov, B. V., Potryasaev, S., Zelentsov, V. A., and Lektauers, A. 2015. Advanced river flood monitoring, modelling and forecasting. Journal of computational science, 10, 77-85. doi: 10.1016/j.jocs.2014.10.004
Kuenzer, Claudia, and Fabrice G. Renaud. 2011. “Climate and Environmental Change in River Deltas Globally: Expected Impacts, Resilience, and Adaptation.” Springer Environmental Science and Engineering, The Mekong Delta System, 7–46. doi:10.1007/978-94-007-3962-8_2.
Kuenzer, Claudia, Stefan Dech, and Wolfgang Wagner. 2014a. “Remote Sensing Time Series Revealing Land Surface Dynamics: Status Quo and the Pathway Ahead.” In Remote Sensing Time Series, Remote Sensing and Digital Image Processing, 1–24. doi:10.1007/978-3-319-15967-6_1.
Kuenzer, C., M. Ottinger, Gaohuan Liu, Bo Sun, R. Baumhauer, and S. Dech. 2014b. “Earth Observation-Based Coastal Zone Monitoring of the Yellow River Delta: Dynamics in China’s Second Largest Oil Producing Region over Four Decades.” Applied Geography, 55 (November): 92–107. doi: 10.1016/j.apgeog.2014.08.015.
Kuenzer, C., Heimhuber, V., Huth, J., and Dech, S. 2019. “Remote Sensing for the Quantification of Land Surface Dynamics in Large River Delta Regions—A Review.” Remote Sensing, August, 1985. doi:10.3390/rs11171985.
“Landsat Applications”. 2013. Landsat Science. https://landsat.gsfc.nasa.gov/article/landsat-applications/
Landsat Missions. n.d. “Landsat Satellite Missions” USGS. https://www.usgs.gov/landsat-missions/landsat-satellite-missions
Li, Xuejie, and Michiel CJ Damen. 2010. "Coastline change detection with satellite remote sensing for environmental management of the Pearl River Estuary, China." Journal of Marine systems 82: S54-S61. doi: 10.1016/j.jmarsys.2010.02.005
"RADARSAT“, n.d. Earth Online. https://earth.esa.int/eogateway/missions/radarsat#instruments-section
Syvitski, James P. M., Albert J. Kettner, Irina Overeem, Eric W. H. Hutton, Mark T. Hannon, G. Robert Brakenridge, John Day, et al. 2009. “Sinking Deltas Due to Human Activities.” Nature Geoscience 2 (10): 681–86. doi:10.1038/ngeo629.
Transon, J., d’Andrimont, R., Maugnard, A., & Defourny, P. 2018. “Survey of hyperspectral earth observation applications from space in the sentinel-2 context.” Remote Sensing, 10(2), 157. doi: 10.3390/rs10020157
“What is Synthetic Aperture Radar?” n.d. Earth Data. https://www.earthdata.nasa.gov/learn/backgrounders/what-is-sar
Wulder, Michael A., Jeffrey G. Masek, Warren B. Cohen, Thomas R. Loveland, and Curtis E. Woodcock. 2012. “Opening the Archive: How Free Data Has Enabled the Science and Monitoring Promise of Landsat.” Remote Sensing of Environment 122 (June): 2–10. doi: 10.1016/j.rse.2012.01.010.
Zhao, Qing, Jiayi Pan, Adam Thomas Devlin, Maochuan Tang, Chengfang Yao, Virginia Zamparelli, Francesco Falabella, and Antonio Pepe. 2022. “On the Exploitation of Remote Sensing Technologies for the Monitoring of Coastal and River Delta Regions.” Remote Sensing 14 (10): 2384. doi:10.3390/rs14102384.
