-
核能作为安全、经济、高效的清洁能源，是助力绿色低碳发展、实现碳达峰碳中和目标的重要选项。近年来，我国核电事业稳步发展，预计到2030年将成为全球核电装机容量最大的国家。我国商运及在建的核电厂全部位于滨海地区，核电运行过程中冷却水的取用和温排水排海总量巨大，核电取水的卷塞和卷载效应极易造成海洋生物的直接伤亡[1]，温排水引起的水体环境温度变化可能导致周边水域生物群落及优势种的演替[2-5]，而排水残留的化学杀生剂会对水质和水生生物产生一系列的影响[6-7]。为加强对温排水的监测监管，《海水水质标准》（GB 3097－1997）规定，“第一类和第二类水体，人为造成的海水温升夏季不超过当时当地1 ℃，其他季节不超过2 ℃；第三类和第四类水体，人为造成的海水温升不超过当时当地4 ℃。”
目前，温排水的监测研究多采用数学物理模拟、现场测量及遥感监测三种方式。数学物理模拟多用于核电站运营前评价，模型的模式及水热参数的选取均直接影响结果精度[8]；现场测量方法可直接获取固定点位的海水水深−温度垂直廓线，但成本较高，难以开展大面积的协同观测；遥感技术能够探测海水表层温度（sea surface temperature，SST），具有动态连续、大面积同步观测等优势，是开展温排水监测的有效手段。部分学者利用卫星遥感数据开展温排水空间分布识别及时序变化监测研究。例如，Tang等[9]利用1997—1999年1 km空间分辨率AVHRR SST，结合船舶走航实测数据，分析大亚湾核电站温排水羽流的季节性特性；周颖等[10]基于HJ-1B卫星数据分析田湾核电站温排水在不同季节和潮汐条件下的空间分布，发现夏季温升超过3 ℃的区域范围明显小于冬季，低潮时温排水的扩散范围明显增大；朱利等[11]基于HJ-1B卫星遥感SST及同步地面实测数据分析大亚湾核电站温排水空间分布，结果显示，调查区域体温较皮温高约0.47 ℃，且远离排放口区域皮温高于体温，靠近排放口的区域皮温低于体温，呈越接近排放口二者间差距越大的趋势；Lin等[12]采用2002—2017年MODIS SST数据，分析红沿河、田湾、福清、海门等核（火）电站温排水扩散特征，结果显示，夏季温升范围最大，冬季最小，装机容量与2 km范围内的海水温升相关性较高；Nie等[13]利用Landsat数据分析了田湾核电站2001—2020年温排水分布的年际变化。随着热红外遥感载荷及监测技术的发展，学者们对温排水的遥感监测研究由早期的温排水空间分布识别逐步转向空间分布形态影响因素分析。Ahn等[14]采用Landsat及NOAA AVHRR数据，研究Youngwang核电站温排水空间分布形态与潮汐流向及季风的关系。Faulkner等[15]基于Landsat和ASTER数据，分别对港湾型潮滩和开放海域开展温排水扩散形态与潮汐数据相关性研究，结果显示，温排水表面羽流位置取决于不同潮情下水流转换方向，而羽流面积取决于水流强度。Liu等[16]基于Landsat数据开展大亚湾与岭澳核电站温排水监测，发现潮汐决定了温排水扩散形态及分布特征。Jia等[17]研究了地理位置对电厂温排水的影响，结果显示，海湾区域电厂温排水温升范围最大，河口区域次之，开放海域位置温升最小。邢梦玲等[18]研究了潮汐和风场对田湾核电站温排水分布的影响，结果显示，装机容量与温排水范围呈正相关，潮汐对温排水扩散有较大影响，而风场影响有限。Zhang等[19]的研究表明，随装机容量的增加，温排水温升面积及排水口温度呈上升趋势，落潮时温升面积大于涨潮时，且潮汐对温排水扩散影响大于风场。王祥等[20]则利用无人机热红外遥感手段，结合现场同步实测数据，实现了核电温排水的无人机遥感识别。
受限于卫星遥感热红外载荷空间分辨率较低，且过境时间相对固定，已有研究多关注温排水潜排区大尺度范围内低温升强度影响区域的边界识别，而对于《海水水质标准》（GB 3097－1997）中规定的4 ℃及以上高温升影响区域的研究却鲜见报道。因此，本研究以红沿河核电厂为例，针对温排水4 ℃及以上的高温升潜排区，开展不同潮情状态下温排水空间分布特征的无人机遥感识别，并分析潮汐、风场等因素对温排水扩散的影响。
-
红沿河核电厂位于辽宁省大连市红沿河镇，地处渤海辽东湾东海岸，北、西、南三面临海（图1）。核电厂一期工程包含4台百万千瓦级压水堆核电机组，至2016年4月已全部并网发电。电厂取、排水口分别位于厂区东北侧和西南侧。研究区属于温带季风气候，季风显著，降水集中。周边海域水深变化较大，等深线大致与海岸线平行，5 m等深线靠近岸边。海区属不正规半日潮，多年平均潮差1.52 m，最大潮差3.21 m，潮流运动以往复流为主，涨、落潮流向基本与岸线走向一致，涨潮流主流向为东北方向，落潮流主流向为西南方向。涨潮流平均历时略小于落潮流平均历时；涨潮流流势比落潮流流势稍强。
图 1 研究区及监测航线布设
Figure 1. Study area location and monitoring schedule layout
-
参照工程海域前期已有温排水数模预报结果，无人机航测范围完整覆盖红沿河核电厂温排水数模潜排区（图1）。测区平行于岸线布设，长约24 km，垂直岸线向海延伸约8 km。航测采用Optris PI640型红外热成像仪，载荷参数见表1。无人机航高设定为600 m，对应航片地面分辨率约1 m。
载荷类别 性能指标 Optris PI640 波段范围 噪声等效温差（NETD） 测温范围 测温精度 采集频率 7.5～13 μm 75 mK −20 ℃～100 ℃ ±2%（环境温度：23 ℃±5 ℃） 32 Hz HydroLab DS5 最大测深 温度分辨率 工作温度 测温精度 采集频率 200 m 0.01 ℃ −5 ℃～50 ℃ 0.1 ℃ 60 Hz 锚定浮标 通信方式 测深 工作温度 测温精度 采集频率 北斗短报文 0.5～1.0 m −5 ℃～50 ℃ 0.3 ℃ 1 min/次 表 1 测温载荷性能参数表
Table 1. Parameters of temperature measuring payloads
本文于2017年夏季开展三次航测，分别获取大、小潮不同潮情无人机热红外航测数据8组，作业期间气象条件稳定，核电机组工况均维持在3200～3400 MW（表2）。无人机热红外数据经载荷后端数据处理软件Optris PIX Connect内标定并转换为绝对温度值输出。
潮情 日期 时间 天气 风力 风向 工况 小潮 涨急 2017-07-18 07:00—8:10 晴 3级 SE 4台机组
（1064 MW×4）
各80%功率涨憩 2017-08-16 10:00—11:10 晴 3级 SE 3台机组
（1064 MW×3）
各100%功率落急 2017-08-16 14:00—15:10 晴 4级 SE 落憩 2017-08-16 17:00—18:10 多云 4级 SE 大潮 落憩 2017-07-23 8:00—9:10 多云 3级 NW 4台机组
（1064 MW×4）
各80%功率涨急 2017-07-23 11:40—12:50 多云 3级 NW 涨憩 2017-07-23 14:30—15:40 多云 3级 W 落急 2017-07-23 17:45—18:55 多云 3级 W 表 2 无人机航测作业期间气象、工况表
Table 2. Meteorological and units working conditions during aerial survey
-
海面同步测量采用船舶走航与浮标定点测量相结合的方式，与无人机航测同步开展。船舶走航线路如图1所示，共布设6条走航测线，自测区中心向两侧延伸，采用Hydrolab DS5多参数水质分析仪（表1）连续采集水体温度，测深0.5 m，数据采样间隔为3 s。测区内布设5套锚定浮标（表1），分别位于取水口、温坨子岛东南侧、排水口、测区最北端的打狗咀子及温坨子岛西南侧，空间分布如图1所示。浮标设置数据采样间隔为10 min。
-
航测期间每日潮情数据来自国家海洋信息中心全球潮情预报服务平台（
http://global-tide.nmdis.org.cn/ ）。潮情数据以时间为序与航测遥感图像相匹配，以确定特定温排水空间分布所对应潮情情况，以及分析不同潮情下温排水空间分布变化特征。测区风场数据采用核电厂内气象观测塔10 m高度风力风向数据（表2），以评估风场对温排水扩散的影响。同时，依据潜排区海岸地形走向及排水口朝向，将东风（包括东南风、东北风）定为有利风向，西风（包括西南风、西北风）定为不利风向。
-
为检验无人机航测SST的准确性，将遥感获取SST与船舶走航和定点浮标同步实测数据进行比对。二者数据匹配时间窗口为±1 min，遥感反演数据与点状现场测量数据的空间匹配窗口的均值为3×3像元，以降低随机噪声干扰。
-
为定量评价温排水对周围环境的影响，研究采用区域替代法[21]确定研究区的基准温度。基于温排水潜排区水体温度较基准温度的变化幅度，将温排水温升强度分为三个级别（表3）。
温升范围 分级标准 表示方法 [+4 ℃，+5 ℃) +4 ℃ R4 [+5 ℃，+6 ℃) +5 ℃ R5 ≥ 6 ℃ ≥ 6 ℃ R6 表 3 温升分级标准
Table 3. Standards of temperature rising classification
-
为评估潮汐、风场等对温排水空间分布的影响，以核电厂排水口为原点，将一个潮周期（涨急、涨憩、落急、落憩）内温排水某一温升强度最大和最小包络范围投影至涨、落潮或风向的方向，投影距离差即作为潮周期内不同影响要素（潮情、风场等）对该温升强度温排水空间分布的作用强度，单位为千米（km）。如图2所示，Lm、Ls分别为潮周期内温排水最大和最小包络范围在潮流方向的投影距离，则Lm-Ls的距离差即为潮汐的作用强度，记为EItidal；Lw为东南风向作用下，潮周期内温排水最大与最小包络范围在东南向的投影距离差，考虑到红沿河核电站西南向排水口布设，将EIwind+作为风场与温排水初始流速共同作用强度。
图 2 潮汐及风场对温排水空间分布影响估算
Figure 2. Estimation of the influence of tide and wind on thermal discharge distribution
-
将遥感反演SST与船舶走航及定点浮标同步观测数据进行比对验证，结果如图3所示，共获取匹配数据7572组，二次多项式拟合决定系数R2=0.66，明显优于线性拟合（R2=0.57）。采用二项式拟合对无人机航测SST进行校正，校正前后平均绝对误差（MAE）和标准差（SD）分别由0.6 ℃和0.657提升至0.4 ℃和0.344。
图 3 SST精度验证散点
Figure 3. Scatter plot of SST accuracy validation
-
大、小潮相同潮情下温排水空间分布具有相似特征，如图4和图5所示。涨急时段，温排水受东北向涨潮流及“南−北”走向防波堤挤压影响，温排水沿涨潮流方向集中分布在排水口周边区域；涨憩时，潮流流速降低，温排水混合减弱，扩散面积增大，高温升水体沿排水口出水方向呈扇形分布，低温升水体受前期涨潮余流影响，向东北向延伸；落急时段，高温水体受西南向落潮流的影响，沿落潮流方向呈条带状分布，并向排水口南侧海湾内部延伸；落憩时，温排水高温升水体再次沿排水口出水方向呈带状分布，南侧海湾内部受低温升水体的影响显著。
图 4 夏季大潮温排水空间分布
Figure 4. Thermal discharge spatial distribution of spring tide in summer
图 5 夏季小潮温排水空间分布
Figure 5. Thermal discharge spatial distribution of neap tide in summer
-
根据不同潮情的温排水影响范围，以各潮情下测区西侧不受温排水影响区域作为基准温度参考，如图4（a）所示。采用区域替代法确定各潮情航测SST基准温度，并提取不同潮情温排水各温升等级面积信息见表4。
潮情 各温升等级面积/km2 潮情 各温升等级面积/km2 R4 R5 R6 R4 R5 R6 大潮 涨急 0.20 0.06 0.13 小潮 涨急 0.29 0.04 0.15 涨憩 0.50 0.10 0.14 涨憩 0.60 0.18 0.21 落急 0.09 0.03 0.09 落急 0.22 0.03 0.15 落憩 0.16 0.27 0.18 落憩 0.23 0.30 0.12 表 4 不同潮情温排水各温升等级面积
Table 4. Area of temperature rising levels at different tidal states
由表4可见，受潮流扰动引起的水平及垂向水体的混合扩散影响，在不同潮情下，涨憩和落憩潮情温升面积均高于涨急和落急潮情[22]，且离岸更近的高温升等级面积变化幅度较小，离岸较远的低温升等级面积变化幅度较大。R6等级面积较为稳定，除大潮落急和小潮涨憩潮情外，面积始终在0.15 km2左右；R5等级面积落憩时刻最大，落急时刻最小，变化幅度为0.27 km2；R4等级面积则在涨憩时刻最大，落急时刻最小，变化幅度达0.4 km2。涨憩及落憩时刻较弱的潮流限制了温排水的混合扩散速率，导致较大的温升面积。同时，不同潮情下温排水各温升等级面积比较可见，大潮落急潮情R4及以上温升总面积为0.21 km2，为所有潮情中面积最小，相对较大的涨潮流速附加东南风（有利风向）的作用，增强了温排水的垂向混合，有利于温排水扩散[23]；而小潮涨憩潮情R4及以上温升总面积最大，达到0.99 km2，应为转潮时段微弱的潮流附加西北风（不利风向）的影响，温排水水平扩散及垂向混合受阻所致。
在相同潮情下，低温升的R4等级小潮各潮情温升面积均大于大潮。同时，除涨急潮情R5等级和落憩潮情R6等级的温升面积为小潮略低于大潮外，高温升等级的其他潮情下，小潮各等级的温升面积均高于大潮。综合表2中的风向数据可知，小潮时段对应的东南风向为有利风向，而大潮时段对应的西北风向为不利风向，说明潮汐较风场对温排水扩散的影响更大。
-
由潮汐及风场对温排水不同温升等级空间分布的作用强度（表5）可知，EItidal在大、小潮所有温升等级均高于EIwind+，印证了潮汐较风场等对温排水的空间分布有更大的影响[16, 19]。同时，潮汐和风场的作用强度随温升等级的升高逐渐降低，且二者的强度差异逐渐减小。在小潮R4等级时，二者的强度差异为0.485 km；在R5等级时，二者的强度差异降为0.328 km。这一现象可能与排水口附近海域海岸地形条件对潮情和风场作用强度的抑制[23]，导致排水口附近高温升等级的温排水较为集中有关。
潮情 作用强度/km EItidal EIwind+ R4 R5 R6 R4 R5 R6 大潮 1.821 1.359 0.943 1.546 1.246 0.807 小潮 2.501 1.254 0.547 2.016 0.926 0.524 表 5 潮汐及风场对温排水空间分布作用强度
Table 5. Effect intensity of tidal and wind field on thermal discharge distribution
-
（1）同步实测数据验证显示，研究采用的无人机遥感反演SST绝对精度为0.4 ℃，决定系数R2=0.66，可用于核电站温排水的识别应用。
（2）相同潮情下，温排水的空间分布具相似的特征，即涨急时段，分布面积较小，且集中分布于排水口周边区域；涨憩时，分布面积增大，且高温升部分整体沿排水口出水方向呈扇形分布；落急与落憩时段，温排水沿落潮流方向呈条带状分布，并显著影响排水口南侧海湾区域。不同潮情下，涨憩和落憩潮情的温升面积高于涨急和落急潮情，且离岸距离较近的高温升等级面积变化幅度较小，离岸较远的低温升等级面积变化幅度较大。
（3）大潮落急潮情有利于温排水的混合扩散，而小潮涨憩潮情混合扩散最差。潮汐较风场等对温排水空间分布的影响更大，但作用强度随温升等级的升高而逐渐降低。
（4）本研究关注了潮汐、风场等自然因素对温排水空间分布的影响。装机容量的增加导致循环冷却水水量的变化，以及排水区域地形地貌等因素对温排水空间形态的影响还有待研究。
滨海核电厂温排水空间分布无人机遥感识别及驱动力分析
Unmanned remote sensing identification and driving force analysis of spatial distribution of thermal discharge from coastal nuclear power plant
-
摘要: 随着滨海核电厂装机容量的不断增加，温排水的海洋环境影响备受关注。针对《海水水质标准》（GB 3097－1997）中温升4 ℃以上的水体，于夏季大、小潮期间共获取红沿河核电厂周边海域共8个潮情的无人机热红外航测及现场同步实测数据，开展不同潮情下温排水温升强度空间分布的遥感识别，并分析潮汐、风场等驱动因素对温排水空间分布变化的影响。结果显示：（1）无人机航测SST经二次多项式校正后，平均绝对误差（MAE）为0.4 ℃，可用于温排水识别应用；（2）相同潮情下温排水空间分布特征相似，不同潮情下，涨憩和落憩潮情温升面积高于涨急和落急潮情，且离岸更近的高温升等级面积变化幅度较小，离岸较远的低温升等级面积变化幅度较大；（3）大潮落急潮情最有利于温排水扩散，而小潮涨憩潮情扩散效果最差；（4）潮汐较风场对温排水的空间分布有更大影响。Abstract: The rapid development of the nuclear power industry in China has led to concern over the ecological impact of thermal discharges. To obtain remote sensing and field measurement data of eight tidal states around Hongyanhe Nuclear Power Plant during spring and neap tides in summer, the unmanned aerial vehicle (UAV) thermal infrared remote sensing technology was employed to measure the high temperature rising area stipulated in China’s Seawater Quality Standard (GB 3097－1997). After that, the spatial distribution of thermal discharge as well as its influencing factors were examined. The results indicated that (1) SSTs measured during aerial surveys, corrected by a quadratic polynomial with MAE = 0.4 ℃, are helpful in estimating temperatures and identifying thermal discharges. (2) There is a similar spatial distribution of thermal discharge under the same tide state. Among different tidal states, flood slack and ebb slack tidal states are associated with increased temperature-rising areas than maximum flood and maximum ebb tidal states. Compared to the area variation of high temperature rising levels near the offshore, there is a significant area variation of low temperature rising levels far offshore. (3) In spring tide, the maximum ebb state is most conducive to thermal discharge diffusion, and in neap tide, the flood slack state is particularly problematic. (4) The tidal state has a more profound effect on thermal discharge spatial distribution than the wind field.
-
图 2 潮汐及风场对温排水空间分布影响估算
Figure 2. Estimation of the influence of tide and wind on thermal discharge distribution
图 4 夏季大潮温排水空间分布
Figure 4. Thermal discharge spatial distribution of spring tide in summer
图 5 夏季小潮温排水空间分布
Figure 5. Thermal discharge spatial distribution of neap tide in summer
表 1 测温载荷性能参数表
Table 1. Parameters of temperature measuring payloads
载荷类别 性能指标 Optris PI640 波段范围 噪声等效温差（NETD） 测温范围 测温精度 采集频率 7.5～13 μm 75 mK −20 ℃～100 ℃ ±2%（环境温度：23 ℃±5 ℃） 32 Hz HydroLab DS5 最大测深 温度分辨率 工作温度 测温精度 采集频率 200 m 0.01 ℃ −5 ℃～50 ℃ 0.1 ℃ 60 Hz 锚定浮标 通信方式 测深 工作温度 测温精度 采集频率 北斗短报文 0.5～1.0 m −5 ℃～50 ℃ 0.3 ℃ 1 min/次 
下载: 导出CSV
表 2 无人机航测作业期间气象、工况表
Table 2. Meteorological and units working conditions during aerial survey
潮情 日期 时间 天气 风力 风向 工况 小潮 涨急 2017-07-18 07:00—8:10 晴 3级 SE 4台机组
（1064 MW×4）
各80%功率涨憩 2017-08-16 10:00—11:10 晴 3级 SE 3台机组
（1064 MW×3）
各100%功率落急 2017-08-16 14:00—15:10 晴 4级 SE 落憩 2017-08-16 17:00—18:10 多云 4级 SE 大潮 落憩 2017-07-23 8:00—9:10 多云 3级 NW 4台机组
（1064 MW×4）
各80%功率涨急 2017-07-23 11:40—12:50 多云 3级 NW 涨憩 2017-07-23 14:30—15:40 多云 3级 W 落急 2017-07-23 17:45—18:55 多云 3级 W
下载: 导出CSV
表 3 温升分级标准
Table 3. Standards of temperature rising classification
温升范围 分级标准 表示方法 [+4 ℃，+5 ℃) +4 ℃ R4 [+5 ℃，+6 ℃) +5 ℃ R5 ≥ 6 ℃ ≥ 6 ℃ R6
下载: 导出CSV
表 4 不同潮情温排水各温升等级面积
Table 4. Area of temperature rising levels at different tidal states
潮情 各温升等级面积/km2 潮情 各温升等级面积/km2 R4 R5 R6 R4 R5 R6 大潮 涨急 0.20 0.06 0.13 小潮 涨急 0.29 0.04 0.15 涨憩 0.50 0.10 0.14 涨憩 0.60 0.18 0.21 落急 0.09 0.03 0.09 落急 0.22 0.03 0.15 落憩 0.16 0.27 0.18 落憩 0.23 0.30 0.12
下载: 导出CSV
表 5 潮汐及风场对温排水空间分布作用强度
Table 5. Effect intensity of tidal and wind field on thermal discharge distribution
潮情 作用强度/km EItidal EIwind+ R4 R5 R6 R4 R5 R6 大潮 1.821 1.359 0.943 1.546 1.246 0.807 小潮 2.501 1.254 0.547 2.016 0.926 0.524
下载: 导出CSV
-
[1] 唐森铭, 商照荣, 黄 浩, 等. 刍议我国直流冷却电厂冷却用水生态危害与减损[J]. 应用海洋学学报, 2020, 39(4): 590-599. doi: 10.3969/J.ISSN.2095-4972.2020.04.016
[2] DONG Z G, CHEN Y H, GE H X, et al. Response of growth and development of the Pacific oyster (Crassostrea gigas) to thermal discharge from a nuclear power plant[J]. BMC Ecology, 2018, 18(1): 31. doi: 10.1186/s12898-018-0191-y [3] LIN J, ZOU X Q, HUANG F M. Effects of the thermal discharge from an offshore power plant on plankton and macrobenthic communities in subtropical China[J]. Marine Pollution Bulletin, 2018, 131: 106-114. doi: 10.1016/j.marpolbul.2018.04.005 [4] 傅 强, 朱礼鑫, 沈盎绿, 等. 滨海电厂温排水对临近海域浮游动物生态特征的影响研究[J]. 中国海洋大学学报:自然科学版, 2015, 45(7): 25-33.
[5] WORTHINGTON T A, SHAW P J, DAFFERN J R, et al. The effects of a thermal discharge on the macroinvertebrate community of a large British river: implications for climate change[J]. Hydrobiologia, 2015, 753(1): 81-95. doi: 10.1007/s10750-015-2197-1 [6] CHUANG Y L, YANG H H, LIN H J. Effects of a thermal discharge from a nuclear power plant on phytoplankton and periphyton in subtropical coastal waters[J]. Journal of Sea Research, 2009, 61(4): 197-205. doi: 10.1016/j.seares.2009.01.001 [7] POORNIMA E H, RAJADURAI M, RAO T S, et al. Impact of thermal discharge from a tropical coastal power plant on phytoplankton[J]. Journal of Thermal biology, 2005, 30(4): 307-316. doi: 10.1016/j.jtherbio.2005.01.004 [8] WEI X, NI P T, ZHAN H G. Monitoring cooling water discharge using Lagrangian coherent structures: a case study in Daya Bay, China[J]. Marine Pollution Bulletin, 2013, 75(1/2): 105-113. [9] TANG D L, KESTER D R, WANG Z D, et al. AVHRR satellite remote sensing and shipboard measurements of the thermal plume from the Daya Bay, nuclear power station, China[J]. Remote Sensing of Environment, 2003, 84(4): 506-515. doi: 10.1016/S0034-4257(02)00149-9 [10] 周 颖, 巩彩兰, 匡定波, 等. 基于环境减灾卫星热红外波段数据研究核电厂温排水分布[J]. 红外与毫米波学报, 2012, 31(6): 544-549.
[11] 朱 利, 赵利民, 王 桥, 等. 核电站温排水分布卫星遥感监测及验证[J]. 光谱学与光谱分析, 2014, 34(11): 3079-3084. doi: 10.3964/j.issn.1000-0593(2014)11-3079-06
[12] LIN J, ZOU X Q, HUANG F M, et al. Quantitative estimation of sea surface temperature increases resulting from the thermal discharge of coastal power plants in China[J]. Marine Pollution Bulletin, 2021, 164: 112020. doi: 10.1016/j.marpolbul.2021.112020 [13] NIE P J, WU H, XU J, et al. Thermal pollution monitoring of Tianwan nuclear power plant for the past 20 years based on Landsat remote sensed data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 6146-6155. doi: 10.1109/JSTARS.2021.3088529 [14] AHN Y H, SHANMUGAM P, LEE J H, et al. Application of satellite infrared data for mapping of thermal plume contamination in coastal ecosystem of Korea[J]. Marine Environmental Research, 2006, 61(2): 186-201. doi: 10.1016/j.marenvres.2005.09.001 [15] FAULKNER A, BULGIN C E, MERCHANT C J. Coastal tidal effects on industrial thermal plumes in satellite imagery[J]. Remote Sensing, 2019, 11(18): 2132. doi: 10.3390/rs11182132 [16] LIU M D, YIN X B, XU Q, et al. Monitoring of fine-scale warm drain-off water from nuclear power stations in the Daya Bay based on Landsat 8 data[J]. Remote Sensing, 2020, 12(4): 627. doi: 10.3390/rs12040627 [17] JIA H L, ZHENG S, XIE J, et al. Influence of geographic setting on thermal discharge from coastal power plants[J]. Marine Pollution Bulletin, 2016, 111(1/2): 106-114. [18] 邢梦玲, 王迪峰, 何贤强, 等. 基于Landsat遥感数据的田湾核电站温排水时空特征研究[J]. 海洋学研究, 2020, 38(4): 72-79. doi: 10.3969/j.issn.1001-909X.2020.04.008
[19] ZHANG Z H, WANG D F, CHENG Y H, et al. Long-term changes and factors that influence changes in thermal discharge from nuclear power plants in Daya Bay, China[J]. Remote Sensing, 2022, 14(3): 763. doi: 10.3390/rs14030763 [20] 王 祥, 王新新, 苏 岫, 等. 无人机平台航空遥感监测核电站温排水——以辽宁省红沿河核电站为例[J]. 国土资源遥感, 2018, 30(4): 182-186.
[21] 朱 利. 基于环境一号红外相机的田湾核电站温排水遥感监测研究[C]//第十六届中国环境遥感应用技术论坛论文集. 南宁: 中国遥感应用协会, 2012.
[22] HUANG S J, LIN J T, LO Y T, et al. The coastal sea surface temperature changes near the nuclear power plants of northern Taiwan observed from satellite images[C]//OCEANS 2014 – TAIPEI. Taipei, China: IEEE, 2014. [23] LIN J, ZOU X Q, HUANG F M. Quantitative analysis of the factors influencing the dispersion of thermal pollution caused by coastal power plants[J]. Water Research, 2021, 188: 116558. doi: 10.1016/j.watres.2020.116558 -
点击查看大图
图(5)表(5)
计量
- 文章访问数: 5490
- HTML全文浏览量: 345
- PDF下载量: 28