悬浮沉积物的减少加剧了长江干流河岸的侵蚀和崩塌现象

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：Suspended sediment decline intensified riverbank erosion and collapse in the Yangtze river mainstream

SSC对长江河道演变的影响及遥感模型研究，利用自主研发的高精度SSC反演模型（MRE=24.2%）分析1984-2021年Landsat影像数据，揭示长江主流SSC显著空间异质性，干流河段SSC年均降幅达1.4-17.9 mg/L·yr?1，且存在从“西高东低”向“西低东高”的格局转变。研究证实SSC减少与三峡工程运行导致的输沙量下降（r=0.96）直接相关，显著加剧下游（如荆江段）河道侵蚀和坍塌频率（增幅121.4%）。

　　

郭振宇|陈克兵|侯学娇|冯连|朱玲玲

中山大学地理空间工程与科学学院，广州，中国

摘要

悬浮沉积物浓度（SSC）在河岸演变中起着至关重要的作用。尽管近年来长江中的沉积物量显著减少，但不同河段是否表现出一致的趋势和幅度仍缺乏系统性的评估，SSC变化与河道形态之间的关系也是如此。为了解决这个问题，我们开发了一个可靠的SSC反演模型（平均相对误差为24.2%），并将其应用于Landsat图像（1984-2021年），以获取长江干流的长期SSC记录。同时，我们还研究了SSC变化的影响因素及其与河岸侵蚀和崩塌之间的关系。结果表明，整个干流段的SSC下降幅度存在明显的空间异质性，其中宜宾至三峡大坝之间的下降幅度最大（-17.9 mg L?1 yr?1），而河口地区的下降幅度最小（-1.4 mg L?1 yr?1）。长期平均SSC的空间分布模式从“西高东低”转变为“西低东高”，同时季节性变化也显著减小，尤其是在上游地区。年际和年内SSC的变化主要由三峡大坝运行导致的沉积物排放减少所驱动。SSC的显著下降加剧了下游河岸侵蚀，尤其是在荆江段，SSC的减少与侵蚀增加之间存在强相关性（r = 0.96，p < 0.05）。严重的侵蚀可能导致频繁的河岸崩塌，2002-2006年间荆江段的河岸崩塌频率增加了121.4%。这些发现为长江的沉积物管理、河岸稳定性评估和未来保护规划提供了宝贵的见解。

引言

悬浮沉积物浓度（SSC）对水质、河流侵蚀-沉积过程以及河岸形态的塑造具有重要影响（Feng等人，2019；Kjelland等人，2015；Kuiper等人，2023；Ryan，1991）。过去几十年里，由于人类活动和气候变化的共同影响，全球许多主要河流的SSC都有所减少（Gardner等人，2023；Prajapati等人，2024；Sun等人，2025）。作为中国最长的河流和世界第三长的河流，长江也经历了显著的SSC变化（Chen等人，2008），这主要是由于流域内大规模的水库建设，特别是三峡大坝（Chen等人，2008；Dai和Liu，2013；Mei等人，2024；Yang等人，2024）。这种减少会重塑河道和三角洲的形态（Dai等人，2018；Wang等人，2025），破坏下游生态系统的稳定性，并对社会经济可持续性构成威胁（Yang等人，2015；Yang等人，2023b）。因此，全面了解长江中的SSC动态对于有效的沉积物管理以及河道保护和修复至关重要。

传统的河流SSC监测主要依赖于沿河的水文站数据。尽管这些现场测量提供了有价值的数据，但它们通常成本高昂、空间范围有限，无法捕捉到大范围的动态变化（Matos等人，2024；Volpe等人，2011）。相比之下，卫星遥感提供了长期、全面且成本效益高的监测手段，克服了传统现场测量的许多缺点（Hou等人，2024a；Liu等人，2025）。许多不同空间分辨率的卫星数据已被用于SSC的反演，包括Sentinel-2（Sankaran等人，2023；Zhang等人，2022）、Landsat（Qiu等人，2024a；Sun等人，2025；Zhao等人，2023）、MODIS（Hou等人，2017；Hou等人，2024b；Wang和Lu，2010）、MERIS（Shen等人，2010）和SeaWiFS（Warrick等人，2004）。值得注意的是，由于Landsat系列拥有最长的数据记录和相对较高的空间分辨率（30米），目前它是监测河流SSC长期变化最广泛使用的数据集（Sun等人，2025）。从遥感图像中反演SSC主要使用了三种方法：经验法（Yu等人，2019；Zhang等人，2022）、理论法（Volpe等人，2011）和半解析法（Chen等人，2013；Kong等人，2015）。其中，经验法因简单易用而应用最广泛。然而，它们通常具有地域性，不同地区的适用性有限（Hou等人，2024b；Qiu等人，2024a）。最近，开发了几种适用于全球沿海地区和河流的通用经验SSC反演算法，但这些算法在低SSC浓度下仍可能存在较大不确定性（Hou等人，2024b；Yu等人，2019）。

许多研究人员使用遥感技术估算了长江流域的SSC。然而，大多数现有研究主要集中在流域内的湖泊或长江河口（Hou等人，2017；Wang等人，2024b；Yu等人，2019），针对长江干流或其子河段的研究相对较少（Zhao等人，2023）。此外，这些有限的研究往往依赖于低分辨率的卫星数据（例如MODIS）（Guan等人，2022）。为了减少粗空间分辨率带来的陆地邻域效应，通常从河流中心线附近的像素提取SSC估计值来代表整个河道（Guan等人，2022；Wang和Lu，2010），这可能忽略了整个河流宽度上的SSC横向变化。为了解决这一限制，一些研究尝试使用10米高分辨率的Sentinel-2图像来评估河道内的SSC变化（Sankaran等人，2023；Zhang等人，2022）。然而，这类高分辨率数据的可用性在2015年之前有限，难以捕捉SSC的长期时间变化。因此，高空间分辨率下长江干流SSC变化的长期监测仍然不足。

由于三峡大坝运行导致SSC显著下降，长江的河岸侵蚀和崩塌现象引起了广泛关注（Luo等人，2022；Mei等人，2024）。这种现象的发生是因为沉积物负荷的急剧减少打破了自然沉积平衡，使下游的水流具有过高的侵蚀能量，从而加剧了河床侵蚀，使河岸坡度变陡，最终导致河岸崩塌（Li等人，2019；Yang等人，2023b）。然而，当前的侵蚀研究主要依赖于水文站数据（流量、河流水位和地形）来比较大坝建设前后的具体河段变化（Li等人，2019；Xu和Milliman，2009；Yang等人，2015；Yang等人，2023b），缺乏对整个下游干流侵蚀-SSC关系的全流域评估。同样，河岸崩塌的研究主要局限于实验室中的失效机制模拟（Deng等人，2019；Shu等人，2019）。相比之下，河岸线监测严重依赖于现场调查或高分辨率卫星图像的手动解译（Chen等人，2023；Gao等人，2024b），这需要高昂的人力成本，且无法实现自动化的崩塌检测。因此，关于SSC的长期、细尺度时空变化以及可靠的自动化河岸崩塌监测方法仍需进一步开发。因此，SSC动态、河道侵蚀和沉积以及整个河段河岸崩塌之间的关系仍不清楚。

为了解决这些问题，本研究旨在实现以下目标：（1）开发一个可靠且稳健的SSC反演算法，能够准确捕捉长江干流从非常清澈到高度浑浊的各种水浊度条件下的SSC；（2）利用Landsat系列数据揭示中国四川省宜宾以下长江干流不同部分的长期时空SSC变化；（3）分析影响不同河段年际和年内SSC变化的关键因素；（4）研究基于本研究提出的崩塌监测算法所识别的SSC变化与河道侵蚀和堆积以及河岸崩塌之间的可能关系。

研究区域

长江，又称长江，是中国最长的河流，也是世界第三长的河流，从青藏高原延伸至东海，全长约6300公里（Hou等人，2017；Zhang等人，2022）。它流经多样的气候和地理区域，其中的中下游流域覆盖了广阔的冲积平原，支撑着密集的人口和主要城市中心，如武汉、南京和上海。这一流域在中国经济中发挥着关键作用。

SSC反演模型的性能

本研究开发的SSC反演模型的准确性通过水文站的现场SSC测量数据进行了验证，显示出较高的整体准确性。具体来说，模型推导出的SSC值与现场观测结果高度一致，与1:1线非常吻合，整个SSC范围内的平均相对误差（MRE）为24.2%（图2a）。此外，长期每日模型推导出的SSC与四个水文站的SSC记录在时间上具有良好的一致性

局限性

我们基于现场测量数据和30米分辨率的Landsat卫星观测数据开发了一个高精度的SSC反演模型，能够实现对长江干流沉积物动态、河岸侵蚀和崩塌的长期历史和高空间分辨率监测。然而，由于Landsat的 revisit 时间较长（例如16天）和频繁的云层干扰，有效（无云）观测的数量可能会随年份而变化（Feng & Wang，2024），这可能会影响模型的可靠性

结论

本研究开发了一个可靠的SSC反演模型（MRE = 24.2%），用于监测长江的长期年际和年内SSC变化。研究得出了一些关键发现：（1）1984年至2021年间，整个干流及其各个河段（S1至S5）的SSC均呈现显著的长期下降趋势；（2）SSC的空间分布模式从“西高东低”转变为“西低东高”

CRediT作者贡献声明

郭振宇：撰写——初稿、可视化、验证、方法论、数据分析。陈克兵：撰写——审稿与编辑、数据管理。侯学娇：撰写——审稿与编辑、监督、资金获取、概念构思。冯连：撰写——审稿与编辑。朱玲玲：撰写——审稿与编辑。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

我们感谢美国地质调查局提供Landsat数据，以及Google Earth Engine提供图像处理资源。X. H. 感谢中山大学中央高校基本科研业务费（编号：2025QNPY03）、广东省基础与应用基础研究基金（编号：2025A1515011455）和中国国家自然科学基金（编号：42301392、U2340217）的支持。