Savonius型桨叶水动力特性研究

Savonius桨叶是一种典型的垂直轴阻力型桨叶,在风力发电中广泛应用。这种桨叶具有在多风向作用下单向转动的特性。利用该特性,将其应用于捕获水质点运动方向发生周期性或非周期性改变的波浪能的相关研究。采用Fluent数值仿真软件并基于UDF二次开发技术建立桨叶三维数值模型,分析叶片重叠率、相对入水深度和开口率等参数对桨叶动转矩和功率等水动力特性的影响,搭建实验平台,开展物理模型对照试验。研究结果表明:叶片重叠率有助于减小S型桨叶负转矩;当桨叶在水面上高度与波幅相等时,其功率系数达到最大;在叶片上增加弹片阀开口,可以增大桨叶动转矩系数,当开口面积达到一半时,动转矩系数比未开口桨叶提高28.3%。     

基于能量平衡的跨海桥梁钢管桩局部冲深计算

综合国内外现有研究成果,分析了桩周流场结构及局部冲刷坑的分布形态,通过三维数值模拟,验证了局部冲刷最大值点出现在桩前,且冲坑坡度近似等于泥沙水下休止角的结论。从国内外规范内局部冲深计算公式中筛选出跨海桥梁钢管桩局部冲刷深度的主要影响因素。基于能量平衡理论,通过来流水流搬运冲刷坑内泥沙过程中的能量守恒,推导了概念清晰、形式简单的局部冲刷深度预测公式。区别于现有多数公式主体结构,该公式为关于局部冲深的一元三次方程,通过水下泥沙休止角来考虑泥沙对冲刷的影响以及冲刷过程中冲刷坑自身深度及范围变化对冲刷产生的影响。利用最小二乘法,结合环杭州湾区域三座跨海大桥的试验及实测数据拟合确定了公式相关参数,并与国内外规范内的公式对比验证,结果表明,该公式精度较高,可为实际工程计算分析提供参考。     

深度学习遥感影像油罐检测算法精度对比分析

油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。     

联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(二):精度评估

利用西太平洋海域多个站位的XBT、XCTD及CTD实测温盐资料,对WOA2018温盐模型的可靠性进行了评估,开展了全深度声速剖面重构试验。结果表明,当水深分别为761～1 100 m、大于1 101 m和大于1 821 m时,实测资料计算的声速剖面与温盐模型推算的声速剖面互差在-2.0～2.0 m/s、-0.7～0.7 m/s和-0.7～0.45 m/s,而与实测温度和盐度模型推算的声速剖面互差总体上在-0.2～0.2 m/s。基于临界探测深度处温盐实测值对探测深度以外温盐模型施加约束和控制,以提高声速预测值精度有待进一步研究。     

秋刀鱼舷提网渔具性能模型试验与海上实测结果的比较评估

舷提网是秋刀鱼（Cololabis saira）作业的主要方式之一,由于渔获率较高得到迅速推广。模型试验和海上实测是研究网具性能最为普遍的两种方式,两者试验结果的对比评估对于更好地测定网具作业性能具有十分重要的意义。根据2014年11-12月进行的秋刀鱼舷提网静水槽模型试验以及2015年7-10月和2016年6-10月在"鲁蓬远渔019"号船上进行的秋刀鱼舷提网网具性能测试试验测定的网具数据,采用多元线性回归方法,对网具的沉降深度和提升速度进行了标准化,并利用Bootstrap法分析了舷提网模型试验和海上实测试验结果。结果表明:（1）通过Bootstrap法得出标准化后的实测网最大沉降深度的均值分布范围为20.37~29.54 m,95%置信区间为21.76~28.13 m;模型网网具最大沉降深度均值的范围为26.42~37.58 m,95%置信区间为27.70~36.20 m。实测网网具中部最大沉降深度均值大约是模型网网具中部最大沉降深度均值的0.731~0.783倍。（2）通过Bootstrap法得出标准化后的实测网提升速度的均值分布范围为0.107~0.193 m/s,95%置信区间为0.111~0.191 m/s;模型网网具提升速度均值的范围为0.204~0.316 m/s,95%置信区间为0.207~0.312 m/s。实测网网具中部提升速度均值大约是模型网网具中部提升速度均值的0.591~0.611倍。（3）当假设海流速度为0时,求得实测网网具的平均沉降深度为29.14~41.21 m,约为模型网网衣中部最大沉降深度均值的0.751~0.807倍。（4）30 m和60 m水深的海流速度均对实物网网具中部的沉降深度有所影响,60 m水深的流速影响更加显著（P<0.05）。     

南海风生近惯性能通量的敏感性分析

After validated by the in-situ observation, the slab model is used to study the wind-generated near-inertial energy flux(NIEF) in the South China Sea(SCS) based on satellite-observed wind data, and its dependence on calculation methods and threshold criteria of the mixed layer depth(MLD) is investigated. Results illustrate that the total amount of NIEF in the SCS could be doubled if different threshold criteria of MLD are adopted. The NIEF calculated by the iteration and spectral solutions can lead to a discrepancy of 2.5 GW(1 GW=1×109 W). Results also indicate that the NIEF exhibits spatial and temporal variations, which are significant in the boreal autumn,and in the southern part of the SCS. Typhoons are an important generator of NIEF in the SCS, which could account for approximately 30% of the annual mean NIEF. In addition, deepening of the MLD due to strong winds could lead to a decrease of NIEF by approximately by 10%. We re-estimate the annual mean NIEF in the SCS,which is(10±4) GW and much larger than those reported in previous studies.     

盐度对变化2014年东北太平洋“暖泡”的作用

A significant strong, warm "Blob"(a large circular water body with a positive ocean temperature anomaly)appeared in the Northeast Pacific(NEP) in the boreal winter of 2013–2014, which induced many extreme climate events in the US and Canada. In this study, analyses of the temperature and salinity anomaly variations from the Array for Real-time Geostrophic Oceanography(Argo) data provided insights into the formation of the warm"Blob" over the NEP. The early negative salinity anomaly dominantly contributed to the shallower mixed layer depth(MLD) in the NEP during the period of 2012–2013. Then, the shallower mixed layer trapped more heat in the upper water column and resulted in a warmer sea surface temperature(SST), which enhanced the warm"Blob". The salinity variability contributed to approximately 60% of the shallowing MLD related to the warm"Blob". The salinity anomaly in the warm "Blob" region resulted from a combination of both local and nonlocal effects. The freshened water at the surface played a local role in the MLD anomaly. Interestingly, the MLD anomaly was more dependent on the local subsurface salinity anomaly in the 100–150 m depth range in the NEP.The salinity anomaly in the 50–100 m depth range may be linked to the anomaly in the 100–150 m depth range by vertical advection or mixing. The salinity anomaly in the 100–150 m depth range resulted from the eastward transportation of a subducted water mass that was freshened west of the dateline, which played a nonlocal role.The results suggest that the early salinity anomaly in the NEP related to the warm "Blob" may be a precursor signal of interannual and interdecadal variabilities.     

融合浅层特征的深度卷积神经网络互花米草遥感监测方法

基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deepconvolutionalneuralnetwork,DCNN)分类模型,开展互花米草(SpartinaalternifloraLoisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中, DCNN有着更好的应用潜力;(2)融合浅层特征后, DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。     

温盐深测量平台发展现状与趋势

温度、盐度和压力是海洋重要的基本物理特性参数。温盐深测量仪(Conductivity Temperature Depth,CTD)是海水温盐剖面观测的关键仪器,在海洋经济开发、海洋观测、海洋国防建设方面有着极为重要的意义。本文介绍了几种典型的温盐深测量设备及移动观测平台,重点论述了CTD在Argo浮标、水下滑翔机等海洋移动观测平台上的应用现状,分析了水下滑翔机搭载的CTD在热滞效应、湍流等因素影响下产生的测量误差。最后探讨了以水下滑翔机为代表的海洋移动观测平台搭载CTD测量技术的发展趋势及应用前景。     

我国与美国潜水器的发展和对比

为加快我国潜水器的发展尤其是业务化应用,保障我国深海大洋科考工作的顺利开展,文章梳理美国伍兹霍尔海洋研究所和我国主要潜水器的技术指标和应用情况,并通过对比提出我国的优势和不足。研究结果表明:载人潜水器方面,我国"蛟龙"号在平均下潜深度的关键指标上领先于美国"Alvin"号,但由于发展较晚,在下潜次数等方面远远落后;无人有缆式潜水器方面,我国"海龙"系列正处于作业磨合期,在最大水下航速方面与美国"Jason"号差距较大;无人自治式潜水器方面,我国"潜龙"系列与美国"Sentry"号和"REMUS"系列差距不大,但在小型潜水器协同化作业和系列化生产等方面存在不足;复合型潜水器方面,我国"海龙11000"号与美国"NEREUS"号和"NUI"号差距不大,但应提升载荷和冰下作业能力;水下滑翔机方面,我国"海翼"号与美国"Spray"号和"Slocum"号差距不大,且即将业务化应用;我国应通过完善海洋技术装备运行机制和积极开展海上科考航次任务,不断积累潜水器作业经验。