EN中文

World Nuclear Geoscience >

2025 , Vol. 42 >Issue 1: 166 - 177

DOI: https://doi.org/10.3969/j.issn.1672-0636.2025.01.014

RESEARCH ARTICALS

Study on the distribution characteristics of warm drainage from a nuclear power plant based on satellite remote sensing

  • Qing XUE , 1, 2 ,
  • Xue JIANG 1 ,
  • Xinyi ZHANG 1, 2 ,
  • En ZHANG 1, 2 ,
  • Jilong DU 1, 2
Expand
  • 1 Airborne Survey and Remote Sensing Center of Nuclear Industry，Shijiazhuang 050002，China
  • 2 Key Laboratory of Airborne Survey and Remote Sensing Technology of Hebei Province，Shijiazhuang 050002，China

XUE Qing，male，born in 1985，senior engineer，focusing on remote sensing monitoring of nuclear power thermal discharge and geological hazard investigation technology research. E-mail：

Received date: 2025-01-04

  Revised date: 2025-01-14

  Online published: 2025-11-07

Supported by

self-developed projects at the Key Laboratory of Airborne Survey and Remote Sensing Technology of Hebei Province(202417)

Fold

Abstract

With the rapid development of China’s nuclear power industry，the impact of thermal discharge on the surrounding marine environment is increasingly attracting attention. Objective and accurate background temperatures are crucial for accurately assessing the thermal effects of warm water discharge. In this article, the sea area near a nuclear power plant in Fujian was studied. Based on long-term thermal infrared satellite data before the operation of the first unit，the distribution of sea surface temperature field under different seasons and tidal conditions was obtained through temperature inversion. By using grid method and correlation analysis method，the sub zones with the highest temperature correlation inside and outside the submersible discharge area were determined，and a continuous background temperature field with multi-point temperature coupling was constructed. The temperature rise field was extracted using recent thermal infrared satellite data，and the impact of the operation of four units on the temperature rise in the nearby sea area was evaluated. The results shows that using the multi-point temperature substitution method to extract the reference temperature is effective and reliable. Before the operation of nuclear power，the temperature field in the study area showed significant temperature differences and band like distribution characteristics：in winter，the temperature gradually decreased from offshore to nearshore，while in summer and other months with higher temperatures，the opposite trend was observed. After the operation of the nuclear power plant，there was a significant temperature rise area in the sea area near the discharge outlet. During the ebb tide period，the temperature discharge mainly affected Qingchuan Bay，while during the flood tide period，both Qingchuan Bay and Wendu Bay were affected. The area of temperature rise exceeding 2.0 ℃ is larger in winter than in summer under the same tidal state，and the area during high tide is larger than that during low tide in the same season.

Key words： warm drainage; satellite remote sensing; reference temperature; multi point temperature substitution method; temperature rise

Cite this article

Qing XUE , Xue JIANG , Xinyi ZHANG , En ZHANG , Jilong DU . Study on the distribution characteristics of warm drainage from a nuclear power plant based on satellite remote sensing[J]. World Nuclear Geoscience, 2025 , 42(1) : 166 -177 . DOI: 10.3969/j.issn.1672-0636.2025.01.014

在我国社会经济的快速进步和能源需求持续攀升的背景下，核电作为一种清洁能源，其在国家能源体系中的地位愈发凸显。然而，核电站的热效率仅为30 %至35 %，意味着在发电过程中会产生大量余热，这些热量需要通过水作为冷却介质排放到附近海域，从而产生了温排水[1]。温排水问题不仅直接影响到核电站的稳定运行[2]，而且可能对周边的水环境和海洋生态系统产生负面影响[3-5]。根据《海水水质标准：GB 3097—1997》[6]的规定，对于第一类和第二类水域，夏季由人为因素导致的海水温升不应超过当地当时温度的1 ℃，其他季节不超过2 ℃；而对于第3类和第4类水域，人为因素导致的海水温升不应超过当地当时温度的4 ℃。因此，评估温排水导致的海域温度升高程度及其影响范围，是核电站环境影响后评价的关键指标。国内外学者广泛研究了热红外卫星遥感技术在监测核电温排水方面的应用，普遍认为该技术具有成本效益高、监测范围广、动态监测能力强和结果可靠等优点[7-10]。因此，热红外卫星遥感已成为监测核电温排水的主要技术手段[1,11-12]。
遥感技术测得的温度结果反映了海洋表面实际水温分布，是温排水等人类活动与自然因素共同作用下的综合体现。要准确计算温排水的温升效应，依赖于准确可靠的基准温度数据。《滨海核电站温排水卫星遥感监测技术规范（试行）：HJ 1213—2021》[13]推荐离散多点平均法、临近区域替代法和海湾平均温度法3种基准温度计算方法，此外，在温升提取的研究中，学者们还采用取水口温度法[14]、半径区域平均温度法[15]、温度梯度法[16]、温升混合区最低温度法[1]和实测稳定温度法[17]等，这些方法均将无温排水情况下的全域海表温度近似为一个固定值进行计算。然而，在温排水影响区域内存在较大潮间带或海域环境较为复杂时，可能会出现超过1 ℃的大范围自然温差，若采用单一的基准温度值方法去评估全域的温升影响，会引入较大的误差。针对这一问题，有学者提出数学模型模拟的方法[12]。尽管这种方法能够提供更为精确的评估，但它依赖于大量的气象和潮汐同步测量数据，成本较高，计算过程也较为复杂。
本文基于首台机组运行前长时序热红外卫星数据，以福建某核电周边海域为研究对象，提出了一种成本效益较高、精度较为可靠的基准温度场取值方法——多点温度替代法。该方法的核心原理是：在温排水影响区域内，尽管整体温度场可能展现出显著的温差，但通过对该区域进行精细的多级划分，当每个子区内的温差减小到足够低的水平，这些子区的温度场可以被视为定值。基于这一原理，本文通过在温排水潜在排放区外寻找与这些子区温度相关性较强的区域进行温度替代，构建一个较为精确的基准温度场。运用此方法，并结合近年来的热红外卫星数据，提取4台机组运行时的温升数据，进而分析了温排水排放对海域温度升高的影响特征。

1 研究区及数据源

1.1 研究区概况

以福建某滨海核电站附近海域为研究区。厂址南接文渡湾，北靠晴川湾，地理位置优越。核电站现有4台机组，首台机组于2013年4月15日开始商运，至2016年7月21日全面投运。采用明渠取排水系统，其中取水口位于过境岛的南侧，而排水口则位于岛的东北侧（图1）。
图1 核电站取排水口工程位置图

Fig. 1 Location map of the intake and discharge port of the nuclear power station

厂区及其周边海域位于中亚热带地区，季风气候特征明显。该地区年平均气温介于16至19 ℃之间，四季变化分明，阳光充足，降雨量充沛，空气湿度较高。附近海域属于正规半日潮区，但由于浅海分潮流的作用较为突出，呈现非正规半日潮的浅海潮流特性，潮流流速相对较低。通常情况下，落潮流的最大流速超过涨潮流的最大流速，落潮流向偏东，涨潮流向偏西。此外，受地形影响，潮流运动形式多变，呈现出旋转流的特征[18]。

1.2 数据源

基准温度场特征分析与构建时，使用核电运行前Landsat 5和HJ-1B卫星数据。Landsat 5和HJ-1B卫星分别于1984和2008年发射，目前传感器均已停止工作，但历史存档数据仍然可以通过中国的陆地卫星数据服务网站（http：//data.cresda.cn/）和美国地质调查局网站（http：//earthexplorer.usgs.gov/）公开获取。对于温排水排放现状及其温升影响的分析，采用Landsat 8和Landsat 9卫星数据，两颗卫星分别于2013年和2021年发射，目前均处于在轨运行状态，数据同样来源于美国地质调查局网站。相较于其他三颗卫星，HJ-1B拥有更宽的地面覆盖范围和较短的重访周期，而Landsat 8和Landsat 9则提供更高的空间分辨率（表1）。
表1 卫星传感器热红外波段特性对比

Table 1 Comparison of thermal infrared band characteristics of satellite sensors

数据类型 传感器 光谱范围/μm 地面幅宽/km 空间分辨率/m 重访周期/d
HJ-1B IRS B8：10.5~12.5 720 300 4
Landsat5 TM B6：10.4~12.5 185 120 16
Landsat8 TIRS1 B10：10.6-11.2
B11：11.5-12.5		 185 100 16
Landsat9 TIRS2 B10：10.6-11.2
B11：11.5-12.5		 185 100 16
筛选近年来4台机组运行状态下不同季节、不同潮态，以及首台机组投运前云量低于5 %的卫星数据，共计16期。包括HJ-1B卫星11期数据、Landsat-5卫星2期数据、Landsat-8卫星1期数据，以及Landsat-9卫星3期数据（表2）。
表2 卫星数据统计表

Table 2 Satellite data statistics table

序号 日期 卫星类型 潮态 潮高/cm 机组运行状况
1 2010年12月20日 HJ-1B 涨潮 203 未运行
2 2010年12月27日 Landsat-5 涨潮 -77 未运行
3 2010年12月28日 HJ-1B 涨潮 -147 未运行
4 2011年7月23日 Landsat-5 落潮 -135 未运行
5 2011年7月24日 HJ-1B 落潮 -150 未运行
6 2011年8月21日 HJ-1B 涨潮 -30 未运行
7 2011年12月17日 HJ-1B 涨潮 -147 未运行
8 2012年5月5日 HJ-1B 落潮 220 未运行
9 2012年9月29日 HJ-1B 落潮 174 未运行
10 2012年10月3日 HJ-1B 涨潮 246 未运行
11 2012年10月18日 HJ-1B 涨潮 227 未运行
12 2012年12月6日 HJ-1B 涨潮 -92 未运行
13 2023年9月10日 Landsat-8 落潮 -83 4台机组运行
14 2023年12月7日 Landsat-9 落潮 -101 4台机组运行
15 2024年1月24日 Landsat-9 涨潮 188 4台机组运行
16 2024年9月4日 Landsat-9 涨潮 238 4台机组运行

1.3 数据处理

对卫星数据进行辐射定标、几何纠正、陆海分离和剔除云影响等预处理和温度反演。
对于Landsat系列数据，利用其元数据MTL文件中提供的增益系数和偏移量，按照公式（1）进行辐射定标。而对于HJ-1B数据，非热红外波段（B1~B7）按照公式（2）定标，热红外波段（B8）则按照公式（3）定标，定标系数通过中国资源卫星应用中心网站（https：//www.cresda.com/）获取。由于Landsat系列数据为1级精度且已经进行了地形校正（L1TP），因此无需进行额外的几何纠正。HJ-1B数据的几何纠正基于地形数据和Landsat 8/9成果数据开展，误差控制在1个像元之内。海陆分离利用多光谱数据中的绿光波段和短波红外波段，通过波段比值提取方法来区分陆地和水体[14]。在剔除云影响区域时，采用空间变化检测法[19]，并结合云在短波红外波段的高反射率和在热红外波段的低温特征进行综合判断。
L i = g a i n i × D N i + b i a s i
式（1）中： L i—第 i波段的辐射亮度，W⋅m-2⋅sr-1⋅μm-1； g a i n i—第 i波段的增益系数； D N i—第 i波段的灰度值； b i a s i—第 i波段的偏移量。
L i = D N i A i + L 0 i
式（2）中： A i—第 i波段的绝对定标系数增益； L 0 i—绝对定标系数偏移量。
L i = D N i - L 0 i A i
卫星热红外数据的温度反演方法主要包括辐射传输方程法、单窗算法、普适性单通道算法、实用单通道算法以及分裂窗算法等[7,20-21]。部分研究通过采用辐射传输方程法进行温度反演，并通过与实测同步数据或其他数据源的交叉验证，证实了反演结果的准确性[8,14-15,22-23]。根据辐射传输方程，温度为T的黑体在热红外波段的辐射亮度 L λ   T表示为：
L λ   T = L i - L λ a t m ↑ - τ × ( 1 - ε λ ) × L λ a t m ↓ τ × ε λ
式（4）中： L λ a t m ↑—大气上行辐射，W⋅m-2⋅sr-1⋅μm-1； L λ a t m ↓—大气下行辐射，W⋅m-2⋅sr-1⋅μm-1； ε λ—地表的比辐射率； τ—地表和传感器之间的大气透射率。 L λ a t m ↑、 L λ a t m ↓和 τ可根据卫星过境时刻核电站气温、气压和湿度等观测数据结合MODTRAN模型模拟计算[14]，海水 ε λ取值0.995。
海表温度 T根据普朗克定律计算[24]：
T =   K 2 l n ( K 1 L λ   T   + 1 )
式（5）中： K 1—与传感器热红外波段等效中心波长相关的常数，W·m-2·sr-1·μm-1；K2—与传感器热红外波段等效中心波长相关的常数,K。HJ-1B B8波段分别取值593.411 6和1 251.7 [25]，Landsat系列数据从其元数据MTL文件中读取。

2 基准温度场构建

2.1 研究范围确定

研究涉及的区域分为两个主要部分：基准温度场构建区和基准温度取值参考区。构建区基于温排水潜在排放区，向外适当扩展，包括数值模型和物理模型确定的最大温升包络范围、历史监测中的最大温升范围，以及温排水影响可能扩展的区域。参考区通常位于构建区的外围，覆盖与构建区内具有相似岸线、潮流等环境特征的区域。研究区域的范围覆盖上述条件预期即可，不宜过于广泛。为便于分析构建区与参考区不同位置之间的温度相关性，将研究区细分为多个子区，子区大小根据遥感数据空间分辨率、温度场复杂程度等因素综合确定。
本文研究范围为东经120°12’至120°33’，北纬26°54’至27°12’。采用网格划分法，将构建区和参考区分别细分为1 037个和2 134个500 m×500 m的子区（图2）。每个子区进行独立编号，构建区内的子区编号为a1，a2…a1 037；参考区内的子区编号为b1，b2…b2 134。
图2 研究区与子区分布图

Fig. 2 Distribution map of research area and sub areas

2.2 相关性分析

利用辐射传输方程法，对首台机组运行前的12期热红外卫星数据进行温度反演（图3）。基于卫星过境时间基本一致的MODIS标准温度产品，随机选取25个样本点，采用最小二乘法分别对2010年12月20日和27日温度反演结果进行线性拟合。得到的两组数据拟合关系式分别为 y = 0.932   8 x + 0.755   6和 y = 1.143   9 x - 1.137   2，拟合后回归系数的平方分别为0.817 5和0.915 3，标准误差为0.72和0.56 ℃，表明两组数据之间具有良好的相关性和一致性，进而验证采用辐射传输方程法获取的温度场数据的准确性和可靠性。
图3 核电站首台机组运行前热红外温度场图

Fig. 3 Thermal infrared temperature field diagram of the first unit of the nuclear power plant before operation

a—2010-12-20;b—2010-12-27;c—2010-12-28;d—2011-07-23;e—2011-07-24;f—2011-8-21;g—2011-12-17;h—2012-05-05;i—2012-09-29;j—2012-10-03;k—2012-10-18;l—2012-12-06。

核电站附近海域的温度场呈现出明显的带状分布特征。在冬季，温度从远海向近岸逐渐降低，而夏季及其他气温较高的月份则呈现相反的趋势。冬季的海表温度主要集中在11.0~15.5 ℃之间，构建区内的温差大多在1.0~2.5 ℃范围内；夏季温度则多集中在24.0~28.0 ℃，构建区内的温差多在1.5~3.5 ℃之间；其他季节的温度则介于这两者之间，但温差小于这两个季节。为了分析构建区与参考区间子区的温度相关性，选取其中的9期遥感反演温度场数据，即2010年12月20日、27日、28日，2011年7月23日、24日，2012年9月29日、10月3日、18日和12月6日的数据，进行了相关性分析，其他3期数据用于构建的基准温度场的可靠性验证。在本文中，采用子区间温差的绝对值表示温度相关性，其值越小，相关性越强。
单期温度场中，构建区子区与参考区子区间的相关性可用数组C(i)表示：
$C(i)=\left(\begin{array}{ccc}\left|T\left(a_{1}, i\right)-T\left(b_{1}, i\right)\right| & \cdots & \left|T\left(a_{1}, i\right)-T\left(b_{2134}, i\right)\right| \\\vdots & \ddots & \vdots \\\mid T\left(a_{1037}, i\left|-T\left(b_{1}, i\right)\right|\right. & \cdots & \left|T\left(a_{1037}, i\right)-T\left(b_{2134}, i\right)\right|\end{array}\right)$
式（6）中： T ( a x , i )— a x子区在第 i期温度场中的平均温度，℃； T ( b y , i ) — b y子区在第 i期温度场中的平均温度，℃； i—温度场的序号； x—1，2，…，1 037； y —1，2，…2 134； i—1，2，…，9。
对9期温度场中的相关性进行汇总，得到综合相关性 D：
D = ∑ i = 1 9 C ( i )
构建子区对应参考区中的3个最相关子区 E：
E = m 1 m 2 ⋮ m 1   037   n 1 n 2 ⋮ n 1   037   l 1 l 2 ⋮ l 1   037
式（8）中： m x—与 a x相关性最强子区； n x—与 a x相关性次强子区； l x—与 a x相关性第三强子区； m x、 n x、 l x分别为数组 D第 x行中要素的值最小、值次小和值第三小所在的列号； x—1，2，…，1 037。

2.3 基准温度场获取

构建区子区的温度利用综合相关性最强的三个参考区子区温度耦合，构建区温度场 T：
T = ( T m 1 + T n 1 + T l 1 ¯ , T m 2 + T n 2 + T l 2 ¯ , … T m 1   037 + T n 1   037 + T l 1   037 ¯ )
式（9）中： T m x—子区 m x的温度，℃； T n x—子区 n x的温度，℃； T l x—子区 l x的温度，℃； x—1，2，…，1 037。
采用克里金法对子区网格插值，形成连续的温度场，该场即为基准温度场。

2.4 方法可靠性验证

在温排水未排放的条件下，通过遥感技术反演获得的温度场可视为温排水对海域温度无影响下的综合温度场。据此，若采用首台机组发电前参考区内的温度场数据所构建的基准温度场与构建区内反演得到的温度场基本一致，则可认定本文提出的基准温度场计算方法具有可靠性。选取未参与基准温度场模型构建的2011年8月21日夏季、12月17日冬季和2012年5月5日非典型季节的数据进行验证。
热红外卫星数据反演结果显示：2011年8月21日，海表温度（图4a）从近岸向远海逐渐降低，除紧邻岸边的混合像元外，温度范围在24.5至28.0 ℃之间，最大温差约为3.5 ℃。其中，26.0~26.5 ℃的温度区间面积最广，占比达到69.2 %，其次是25.5~26.0 ℃区间，占比12.5 %，然后是26.5~27.0 ℃区间，占比12.2 %，27.0 ℃以上的区域占比5.2 %，而25.5 ℃以下的区域仅占0.9 %。2011年12月17日，海表温度（图4d）则呈现由近岸向远海逐渐升高的趋势，温度范围在10.0~12.5 ℃之间，最大温差约为2.5 ℃。其中，11.0~11.5 ℃的温度区间面积最大，占比63.2 %，其次是10.5~11.0 ℃区间，占比26.5 %，再次是11.5~12.0 ℃区间，占比6.0 %，10.0~10.5 ℃区间占比4.1 %，而12.0~12.5 ℃区间仅占0.1%。2012年5月5日，海表温度（图4g）从近岸向远海逐渐降低，除紧邻岸边的混合像元外，温度范围在16.0~19.5 ℃之间，最大温差约为3.5 ℃。其中，16.5~17.0 ℃的温度区间面积最广，占比达到59.4 %，其次是16.0~16.5 ℃区间，占比20.9 %，然后是17.0~17.5 ℃区间，占比11.6 %，再次是17.5~18.0 ℃区间，占比5.4 %，18.5 ℃以上的区域占比2.7 %。因此，无论以任何单一温度值作为基准温度，都会有超过10 %的区域温度误差在0.5至1.0 ℃之间，同时存在误差超过1.0 ℃的较大区域。
图4 构建温度场与反演温度场对比图

a—2011-08-21 反演温度场；b—2011-08-21 构建温度场；c—2011-08-21 温度场差值；d—2011-12-17 反演温度场；e—2011-12-17 构建温度场；f—2011-12-17 温度场差值；g—2012-05-05 反演温度场；h—2012-05-05 构建温度场；i—2012-05-05 温度场差值。

Fig. 4 Comparison between temperature field construction and inverse temperature field

多点温度替代法属于位置参考法，因此每一期的基准温度场均基于当期影像独立提取。2011年8月21日、12月17日和2012年5月5日，除紧邻岸边的混合像元区外，反演温度场与基准温度场温差的绝对值在0.5 ℃以内的区域占比分别为98.5 %、95.5 %和96.8 %，仅在近岸和中西部有少量区域在0.5~1.0 ℃之间，无1.0 ℃以上的温差区域（图4c、f和i）。因此，基于本文构建的多点温度替代法提取的基准温度场，其精度显著高于采用单一温度值取值的方法，基于多点温度替代法提取基准温度场方法有效且结果可靠。

3 温升提取结果

本文利用2023年9月10日、12月7日，以及2024年1月24日和9月4日的4期卫星数据，通过多点温度替代法提取了核电站4台机组运行时的温升（图5）。结果显示，温排水排放对晴川湾和文渡湾的海水温度均产生了影响，其中晴川湾的温升程度和影响持续时间均超过文渡湾。在相同潮态下，冬季1.0 ℃以上的各温升等级面积普遍大于夏季。温排水影响的海域中，0.5 ℃以上的温升最大面积达到77.66 km2（图6）。
图5 4台机组运行时温升分布图

a—2023-09-10 落潮；b—2023-12-07 落潮；c—2024-01-24 涨潮；d—2024-09-04 涨潮。

Fig. 5 Temperature rise distribution during operation of 4 units

图6 4台机组运行时温升面积统计

Fig. 6 Statistics of temperature rise area during operation of 4 units

温排水的分布特征显著受到潮流的影响。在涨潮期间，温排水主要向北扩散，同时有少量沿着岸边向南西方向延伸，晴川湾和文渡湾均会受到温排水的影响，其中1.0 ℃以上的温升影响主要在晴川湾。而在落潮期间，温排水向北延伸约1.0~2.0 km后，转为顺时针方向旋转，主要影响区域为排水口所在的晴川湾。在同一季节，2.0 ℃以上的高温升等级面积在涨潮时普遍大于落潮时，这表明落潮更有利于排水口高温水体的扩散。这种分布特征的原因可能在于：涨潮时，外海水体主要沿北西方向、其次是南西方向涌入温排水影响的海域，这阻碍了温排水向东的扩散，同时水体在潮流的托顶作用下，不利于排水口附近高温水体的扩散；而在落潮时，温排水随着主流向东北方向移动，湾内水体向东流出，由于潮流的拖曳作用，排水口附近的高温水体更易于扩散。
根据图5中温升范围与环境功能区的空间位置关系，4.0 ℃以上的温升区域均位于对温度指标无特定要求的混合功能区内。冬季2.0 ℃以上的温升区域以及夏季1.0 ℃以上的温升区域均未超出三类及混合功能区的外围边界。因此，温排水排放符合近岸海域环境功能区划的管理规定。

4 结论

本文在福建某核电站附近海域，利用长时序热红外卫星数据，并结合核电运站行工况，采用多点温度替代法构建了基准温度场，并分析了4台机组运行时的海面温升场。主要结论如下：
1）通过分析核电站运行前长时间序列的温度场数据，构建了多点温度替代的基准温度场，该方法有效且结果可信。
2）核电站首台机组运行前，附近海域的温度场表现出明显的带状分布特征，冬季温度从远海向近岸逐渐降低，而夏季及其他温度较高时段则相反。
3）温排水影响海域4.0 ℃以上的温升区域均位于混合功能区内，冬季2.0 ℃以上和夏季1.0 ℃以上的温升区域均处于三类及混合功能区范围内，符合近岸海域环境功能区划的排放标准。
4）温排水的分布明显受到潮流的影响。涨潮期间，晴川湾和文渡湾均受到温排水的影响，温升总体呈现向北扩展的趋势，少量温升沿岸边向南西方向延伸；而在落潮期间，温排水主要影响晴川湾，温升在排水口向北延伸1.0~2.0 km后，沿顺时针方向旋转。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
张建永, 梁春利, 石海岗, 等. 热红外遥感技术在核电站温排水监测中的应用[J]. 铀矿地质, 2021, 37(3):534-540.

ZHANG Jianyong, LIANG Chunli, SHI Haigang, et al. Application of thermal infrared remote sensing in monitoring heated water discharge of nuclear power plant[J]. Uranium Geology, 2021, 37(3):534-540 (in Chinese).

2
陈望. 温排水效应对秦山核电厂1号机组的影响及应对措施[J]. 中国核电, 2021, 14(1):114-119.

CHEN Wang. Influence of warm water discharge on Qinshan nuclear power plant and its countermeasures[J]. China Nuclear Power, 2021, 14(1):114-119 (in Chinese).

3
代丽, 姜新舒, 张文杰, 等. 滨海电厂取排水对鱼类资源的影响机制及应对策略[J]. 给水排水, 2023, 59 (增刊1):301-307.

DAI Li, JIANG Xinshu, ZHANG Wenjie, et al. Influence mechanism and coping strategies for coastal power plant drainage on fish resources[J]. Water & Wastewater Engineering, 2023, 49(Sup. 1):301-307 in Chinese).

4
叶文琪, 刘翰仁, 李尚鲁, 等. 秦山核电站邻近海域生态环境长期变化[J]. 海洋开发与管理, 2021, 38 (9):80-87.

YE Wenqi, LIU Hanren, LI Shanglu, et al. Long-term changes of the ecological environment in the adjacent waters of Qinshan nuclear power station[J]. Ocean Development and Management, 2021, 38 (9):80-87 (in Chinese).

5
王薇, 何桂萍, 关骁倢, 等. 我国滨海核电厂取排水方式现状及其对海洋生态环境的影响[J]. 浙江大学学报(理学版), 2024, 51(6):769-780.

WANG Wei, HE Guiping, GUAN Xiaojie, et al. Research on the water intake and drainage methods of the coastal nuclear power plants in China and the associated impacts on the marine ecological environment[J]. Journal of Zhejiang University(Science Edition), 2024, 51(6):769-780 (in Chinese).

6
国家海洋局第三海洋研究所,青岛海洋大学. 海水水质标准[S]. 北京: 国家环境保护局,1997.

Third Institute of Oceanography,Ministry of Natural Resources,Ocean University of Qingdao. Sea water quality standard[S]. Beijing: Ministry of Ecology and Environment of the People’s Republic of China,1997 (in Chinese).

7
段四波, 茹晨, 李召良, 等. Landsat卫星热红外数据地表温度遥感反演研究进展[J]. 遥感学报, 2021, 25(8):1591-1617.

DUAN Sibo, RU Chen, LI Zhaoliang, et al. 2021. Reviews of methods for land surface temperature retrieval from Landsat thermal infrared data[J]. National Remote Sensing Bulletin, 25(8):1591-1617 (in Chinese).

8
许静, 朱利, 姜建, 等. 基于HJ-1B与TM热红外数据的大亚湾核电基地温排水遥感调查[J]. 中国环境科学, 2014,(34):1181-1186.

XU Jing, ZHU Li, JIANG Jian, et al. Monitoring thermal discharge in Daya Bay plant based on thermal infrared band of HJ-1B and TM remote sensing data[J]. China Environmental Science, 2014,(34):1181-1186 (in Chinese).

9
陈瀚阅, 朱利, 李家国, 等. 基于Landsat8数据的2种海表温度反演单窗算法对比——以红沿河核电基地海域为例[J]. 国土资源遥感, 2018, 30 (1):45-53.

CHEN Hanyue, ZHU Li, LI Jiaguo, et al. A comparison of two mono-window algorithms for retrieving sea surface temperature from Landsat8 data in coastal water of Hongyan river nuclear power station[J]. Remote Sensing for Land and Resources, 2018, 30 (1):45-53 (in Chinese).

10
张春雷, 高丽辉, 石海岗, 等. 田湾核电温排水遥感监测与数模一致性分析[J]. 环境监测管理与技术, 2018, 30(3):67-71.

ZHANG Chunlei, GAO Lihui, SHI Haigang, et al. Consistency analysis on remote sensing monitoring and numerical simulation of cooling water from Tianwan nuclear power plant[J]. The Administration and Technique of Environmental Monitoring, 2018, 30(3):67-71 (in Chinese).

11
张爱玲, 朱利, 陈晓秋, 等. 核电站温排水卫星遥感监测应用研究[J]. 环境监测管理与技术, 2014, 26 (6):12-16.

ZHANG Ailing, ZHU Li, CHEN Xiaoqiu, et al. Research on application of satellite remote sensing techniques for monitoring thermal discharge from nuclear power plant[J]. The Administration and Technique of Environ-mental Monitoring, 2014, 26 (6):12-16 (in Chinese).

12
陈小莉, 段亚飞, 赵懿珺, 等. 基于数值模拟和原型观测联合的电厂温排水影响评价[J]. 水利学报, 2023, 54(1):94-104.

CHEN Xiaoli, DUAN Yafei, ZHAO Yijun, et al. Impact assessment of thermal-discharge from power plants based on combination of numerical simulation and prototype observation[J]. Shuili Xuebao, 2023, 54(1):94-104 (in Chinese).

13
生态环境部卫星环境应用中心. 滨海核电厂温排水卫星遥感监测技术规范(试行)[S]. 北京: 生态环境部, 2021.

Satellite Application Center for Ecology and Technical specification to thermal discharge monitoring for coastal nuclear power plants based on satellite remote sensing (on trial)[S]. Beijing: Ministry of Ecology and Environment of the People's Republic of China, 2021 (in Chinese).

14
董双发, 范晓, 石海岗, 等. 基于Landsat8和无人机的福清核电温排水分布研究[J]. 自然资源遥感, 2022, 34 (03):112-120.

DONG Shangfa, FAN Xiao, SHI Haigang, et al. Study on distribution of thermal discharge in Fuqing nuclear power plant based on Landsat8 and UAV[J]. Remote Sensing for Natural Resources, 2022, 34(3):112-120 (in Chinese).

15
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.

XING Mengling, WANG Difeng, HE Xianqiang, et al. Temporal and spatial characteristics of thermal discharge in Tianwan nuclear power plant based on remote sensing data[J]. Journal of Marine Sciences, 2020, 38(4):72-79 (in Chinese).

16
隋超, 朱君, 王庆, 等. 基于温度梯度算法的核电温排水遥感影像背景温度提取方法研究[J/OL]. 海洋科学进展, 2024,1-9[2024-12-29]. http://kns.cnki.net/kcms/detail/37.1387.P.20240401.1640.006.html

SUI Chao, ZHU Jun, WANG Qing, et al. Research on background temperature extraction method of remote sensing image of thermal drainage in nuclear power plant based on temperature gradient algorithm[J/OL]. Advances in Marine Science, 2024,1-9[2024-12-29]. http://kns.cnki.net/kcms/detail/37.1387.P.20240401.1640.006.html

17
王雅萍, 马秀秀, 李家国, 等. 核电温排水基准温度星地协同提取与分析——以宁德为例[J]. 遥感学报, 2023, 27(8):1899-1913.

WANG Yaping, MA Xiuxiu, LI Jiaguo, et al. Satellite-marine synergistic extraction and analysis of reference temperature of thermal plume from nuclear power by taking Ningde as an example[J]. National Remote Sensing Bulletin, 2023, 27(8):1899-1913 (in Chinese).

18
唐娅菲. 滨海核电运行安全典型致灾生物研究[D]. 上海海洋大学, 2018.

TANG Yafei. Study on typical disaster-causing organisms of coastal nuclear power operation safety:Taking Ningde nuclear power as an example[D]. Shanghai Ocean University, 2018 (in Chinese).

19
陈津乐, 张锦水, 段雅鸣, 等. 中分辨率遥感影像云检测与厚云去除研究综述[J]. 遥感技术与应用, 2023, 38 (1):143-155.

CHEN Jinle, ZHANG Jinshui, DUAN Yaming, et al. A Review of cloud detection and thick cloud removal in medium resolution remote sensing images[J]. Remote Sensing Technology and Application, 2023, 38(1):143-155 (in Chinese).

20
温亚飞, 刘宇, 王光辉, 等. Landsat 9数据的地表温度反演算法优化[J]. 测绘通报, 2023(7):74-79.

WEN Yafei, LIU Yu, WANG Guanghui, et al. Optimization of land surface temperature inversion algorithm for Landsat 9 data[J]. Bulletin of Surveying and Mapping, 2023(7):74-79 (in Chinese).

21
卢响军, 许尘璐, 郭金金. 基于Landsat 8数据的地表温度反演方法对比分析[J]. 干旱环境监测, 2023, 37(3):138-144.

LU Xiangjun, XU Chenlu, GUO Jinjin, et al. Compar-ison of land surface temperature retrieval algorithms based on Landsat 8 data[J]. Arid Environmental Monitoring, 2023, 37(3):138-144 (in Chinese).

22
石海岗, 薛庆, 章新益, 等. 基于遥感的海域环境变化监测分析[J]. 环境监测管理与技术, 2024, 36(1):53-56.

SHI Haigang, XUE Qing, ZHANG Xinyi, et al. Analysis of marine environment change based on remote sensing monitoring[J]. The Administration and Technique of Environmental Monitoring, 2024, 36(1):53-56 (in Chinese).

23
夏盈盈, 刘子铭, 崔宇升, 等. 基于Landsat遥感数据的射阳港电厂温排水时空特征[J]. 江苏海洋大学学报(自然科学版), 2022, 31 (3):42-48.

XIA Yingying, LIU Ziming, CUI Yusheng, et al. Spatial-temporal characteristics of thermal discharge from Sheyang port power plant based on Landsat remote sensing data[J]. Journal of Jiangsu Ocean University()Natural Science Edition), 2022, 31 (3):42-48 (in Chinese).

24
王水石, 杨云汉, 邱骏挺, 等. 银根地区Landsat 8星数据地下水信息反演及其对砂岩型铀矿勘查的指示[J] .世界核地质科学, 2024, 41(2):364-375.

WANG Shuishi, YANG Yunhan, QIU Junting, et al. Inversion of groundwater information from Landsat 8 satellite data in Yingen region and its indications for the exploration of sandstone type uranium deposits[J]. World Nuclear Geoscience, 2024, 41(2):364-375 (in Chinese).

25
余晓磊, 巫兆聪. 利用环境一号卫星热红外影像反演渤海海表温度[J]. 海洋技术, 2011, 30 (2):1-6.

YU Xiaolei, WU Zhaocong. SST retrieving of Bohai sea using thermal infrared images on HJ-1 satellite[J]. Ocean Technology, 2011, 30 (2):1-6 (in Chinese).

Options
Outlines

/

〈 〉