长江感潮河段潮波传播变化特征及影响因素分析

径潮相互作用是感潮河段水动力变化的典型特征,受其影响潮波传播具有明显的洪枯季及沿程变化。本文基于长江感潮河段天生港、江阴、镇江、南京、马鞍山及芜湖6个潮位站2002-2014年连续高低潮位资料及大通站月均流量数据,统计分析长江感潮河段潮波振幅衰减率、潮波传播速度及余水位坡度等传播特征值的洪枯季及沿程变化特征,并探讨这些潮波传播特征的变化规律及其主要影响因素。结果表明,潮波传播特征的洪枯季差异自上游至下游逐渐减小,其分界点位于天生港与江阴之间(其中,天生港和江阴站的多年平均洪枯季潮差差值约为0.01 m和-0.04 m);径流动力对潮波衰减的影响主要位于江阴以上河段,江阴以下河段主要受潮汐动力控制;径流驱动下余水位坡度引起的余水位及水深增加,导致潮波传播的有效摩擦减小,当流量超过某个阈值时潮波振幅衰减反而减弱,特别是上游马鞍山-芜湖段最为明显,统计结果表明该河段流量阈值约为33 000 m3/s。本文分析结果作为前人研究的重要补充,可为长江河口感潮河段径潮相互作用机制研究及河口治理等提供基础参考。     

基于与Jason-2数据比对的Jason-3卫星高度计全球数据质量评估

Jason-3卫星高度计于2016年1月17日成功发射,2016年2月12日进入预定轨道,与Jason-2高度计同轨进入编队飞行阶段,并落后Jason-2高度计约1分20秒,两者相距约560 km。2016年9月1日,Jason-2高度计变换轨道,编队飞行阶段结束,两高度计进入平行轨道,以增加卫星高度计对地观测的空间覆盖。本研究主要开展了Jason-3高度计的数据质量的评估与检验,包括Jason-3高度计数据可用性和有效性的验证,以及Jason-3高度计和校正辐射计各参数的数据质量监测。重点开展了Jason-2与Jason-3高度计各项参数的综合比较,利用Jason-2与Jason-3高度计编队飞行阶段的数据精确评估了两高度计参数的一致性,并从全球数据角度分析了Jason-3高度计获取各参数的能力以及稳定性;通过与Jason-2互交叉点比较分析评估Jason-3高度计海面高度数据质量情况,验证Jason-3高度计数据精度。结果表明,Jason-3高度计的数据质量满足高度计测高的要求,具有与Jason-1、Jason-2、T/P等高度计相同或更高的测高精度以监测全球海平面变化,此外,Ja...     

南海北部底层沉积物捕获器中海雪和生物粪粒组成及来源探究

Sediment traps are an important tool for studying the source, composition and sedimentation processes of sinking particulate matter in the ocean. An in situ observational mooring(TJ-A-1) is located in the northern South China Sea(20.05°N, 117.42°E) at a water depth of 2 100 m and equipped with two sediment traps deployed at 500 m and 1 950 m. Samples were collected at 18-day intervals, and 20 samples were obtained at both depths from May 2014 to May 2015. Large amounts of fecal matter and marine snow were collected in the lower trap. The fluxes of marine snow and fecal pellets exhibited a fluctuating decrease between May 2014 and early August 2014 and then stabilized at a relatively low level. Scanning electron microscopy observations revealed that the main components of the marine snow and fecal pellets were diatoms, coccolithophores, radiolarians, and other debris, all of which are planktons mostly produced in photic zone. Used in conjunction with the particle collection range estimates from the lower trap and data on ocean surface chlorophyll, these marine snow and fecal pellets were related to the lateral transport of deep water and not vertical migrations from overlying water column. Moreover, the source area might be southwest of Taiwan.     

SMAP卫星海表盐度产品的检验与校正

In this study, sea surface salinity(SSS) Level 3(L3) daily product derived from soil moisture active passive(SMAP)during the year 2016, was validated and compared with SSS daily products derived from soil Moisture and ocean salinity(SMOS) and in-situ measurements. Generally, the root mean square error(RMSE) of the daily SSS products is larger along the coastal areas and at high latitudes and is smaller in the tropical regions and open oceans. Comparisons between the two types of daily satellite SSS product revealed that the RMSE was higher in the daily SMOS product than in the SMAP, whereas the bias of the daily SMOS was observed to be less than that of the SMAP when compared with Argo floats data. In addition, the latitude-dependent bias and RMSE of the SMAP SSS were found to be primarily influenced by the precipitation and the sea surface temperature(SST). Then, a regression analysis method which has adopted the precipitation and SST data was used to correct the larger bias of the daily SMAP product. It was confirmed that the corrected daily SMAP product could be used for assimilation in high-resolution forecast models, due to the fact that it was demonstrated to be unbiased and much closer to the in-situ measurements than the original uncorrected SMAP product.     

基于拓扑网络研究海州湾食物网结构与复杂性

针对食物网结构与复杂性的研究有助于深入解析食物网的功能、营养动力和能量转化过程。本文根据2011年3−12月在海州湾及其邻近海域进行的5个航次的渔业资源底拖网调查资料以及胃含物分析数据,基于11个拓扑网络指数,构建了海州湾拓扑网络,研究海州湾食物网的结构与复杂性。结果表明,本文分析的海州湾食物网物种数S为93,连接数L为1 021,每个物种的相互作用数量L/S为10.98,连接性L/S²为0.12;顶级物种、中间物种、基础物种的比例分别为29%、69%和2%;食物网的杂食性指数为87%,连接复杂性指数SC为22.20,特征路径长度ChPath为2.11,聚类系数CC为0.23。通过每个物种的相互作用数量和连接性的研究显示,L/S和L/S²的值都处在正常范围内,所以海州湾食物网的复杂性仍保持较高水平。通过物种比例、杂食性指数、连接复杂性指数、特征路径长度、聚类系数对食物网结构分析,发现海州湾食物网结构处于稳定状态,能够在一定程度上抵御外界环境的扰动,保证生态系统功能的正常运行。通过对海州湾食物网结构与复杂性的研究,将为今后海州湾食物网功能的深入研究以及海州湾渔业资源的科学管理提供重要依据。     

近30年长江口海域生态系统健康状况及变化趋势研究

为评估长江口海域生态系统健康状况,本文以鱼类浮游生物为指示生物,选择1986年、1999年、2007年和2016年4个年份的数据,选取鱼类浮游生物总种类数、底栖鱼种类数、水层鱼种类数、低耐污鱼种类数、高耐污鱼种类数百分比、杂食性鱼种类数百分比、虫食性鱼种类数百分比、肉食性鱼种类数百分比、鱼类取样个体数、天然杂交种种类数百分比等10个评价指标,采用1、3、5赋值法计算4个不同年份的河口生物完整性指数(Estuarine Biotic Integrity Index,EBI),并以此评价近30年长江口海域生态系统健康状况变化趋势。结果显示,1986年、1999年、2007年和2016年4个不同年份的EBI值分别是52、40、36、34,对应的EBI等级分别为“好”、“一般”、“一般−差”、“差”。通过分析EBI年际变化的结果,发现近30年来长江口海域生态系统健康状况呈现先下降,而后稳定在较低水平的趋势,说明长江口海域生态系统亟需及时进行保护和修复工作。     

不同形态海湾的水底平衡剖面研究

研究海湾平衡剖面对理解海湾地貌演变具有重要意义。本文给出了收缩型、扩张型和矩形3种典型海湾平面形态对平衡剖面的影响。建立了海湾长度远小于潮汐波长的短尺度海湾的平衡剖面和对应的时均悬沙浓度的解析解。采用水深平均的水动力方程、泥沙输移方程和地形演变方程的耦合模型对以上3种类型海湾的平衡剖面进行了数值模拟,得到了这3种类型海湾的水面、流速、时均悬沙浓度和平衡剖面的计算结果,并利用水面数值结果确定了海湾水面解析解所含的一个待定常数。研究结果给出了3种不同海湾平面形态所对应的平衡剖面形态：矩形海湾对应斜坡型;收缩型海湾对应下凹型;扩张型海湾对应上凸型。所得海湾平衡剖面和时均悬沙浓度的解析解与数值解一致。     

The potential of contribution of mangrove-derived organic matter in intertidal sediments as a proxy of mangrove development in the northern Beibu Gulf

University of Maryland, College Park     

Experimental and Numerical Study on the Bubble Dynamics near Two-Connected Walls with An Obtuse Angle

China Ocean Engineering - This study is concerned with the dynamic characteristics of bubbles near two connected walls (one horizontal and the other inclined with an obtuse angle from the...     

2018?2019年舟山近海浮游动物群落结构春季年际变化及其与水团的关系

根据2018?2019年春季两个航次在舟山近海进行的浮游生物调查结果,对舟山近海的浮游动物群落结构(类群组成、优势种数量)年际变化进行了研究,利用典范对应分析(Canonical Correspondence Analysis, CCA)研究了两年春季浮游动物类群组成差异、优势种变化的原因,初步探讨了春季浮游动物群落结构动态变化的机制。结果表明:根据表层温度(Sea Surface Temperature,SST)、表层盐度(Sea Surface Salinity,SSS)的聚类分析,将该区域分为3个水团:杭州湾内水团(I区)、舟山本岛上升流水团II区)、舟山近海水团(III区)。不同水团对浮游动物类群组成影响显著,引起2018年和2019年春季3个水团区差异的主要贡献种(贡献率>10%)均为中华哲水蚤,同一水团两年间年际差异的贡献种如下:I区为捷氏歪水蚤(56.91%)和真刺唇角水蚤(12.34%);II区为中华哲水蚤(72.64%)、五角水母(13.35%);III区为中华哲水蚤(41.93%)、夜光虫(22.94%)。CCA分析表明,第1 CCA轴(CCA1)和第2 CCA轴(CCA2)共解释了两年春季浮游动物优势种累计方差的46.14%和物种?环境累计方差的97.82%。CCA1主要反映了空间(近海水团和湾内水团)的差异。CCA2主要反映了2018年和2019年站位的年际差异。盐度是影响春季浮游动物群落结构空间差异的主要因素,而温度、叶绿素a浓度是春季浮游动物群落结构年际差异的主要因素。