排序方式: 共有30条查询结果,搜索用时 187 毫秒
1.
2.
3.
北赤道流分叉点及南海北部环流的研究进展 总被引:6,自引:0,他引:6
介绍了北赤道流分叉点、南海北部环流的一些研究成果,并就黑潮对南海的影响所作的研究进行了回顾.北赤道流分叉点的位置对于北赤道流系水体疏运变化及在黑潮和MC之间水体、热量、盐度输运的分配中起着重要的作用.北赤道流分叉点位置约在14.6°N上,分叉点位置随深度增加而北移.分叉点有明显的季节变化和年际变化,在春、夏季向南移动,而在秋、冬季则向北移动.年际变化与ENSO现象相关紧密,在El Nio事件NEC分叉纬度处于最北端,在La Nio事件处于最南端.对于分叉点位置的定量化研究,仍然需要更多的观测结果进行研究.季风和黑潮是影响南海北部环流的两种主要因素.南海北部上层流场主要由广东沿岸流、黑潮入侵流套、东沙海流、南海暖流和吕宋海流组成.除海盆、次海盆尺度环流外,受季风、黑潮和地形等因素的影响,南海表现出多涡结构.通过近些年的卫星观测和数值模拟的结果,人们对南海中尺度涡的认识大大加深,但要想模拟出风应力形成涡的机制,还需要提高风场和模式的分辨率.由于观测资料的限制,对南海流场的垂直结构、以及春-秋季季风转相时期的流场结构等还研究得较少.吕宋海峡水交换是西太平洋对南海影响的主要途径.黑潮在吕宋海峡附近的形变一直是有争议的热点问题,目前对于黑潮入侵有3种观点:(1) 认为黑潮经过吕宋海峡形成流套结构,并分离出中尺度涡影响南海流场、水团结构;(2) 认为黑潮有一直接分支分离出来进入南海形成黑潮分支;(3) 认为吕宋海峡水交换不属于以上两种情况,西太平洋对南海的水团输送另有机制.北赤道流分叉点在对黑潮的水体、热量、盐度输运的分配中起着重要的作用,黑潮对南海北部环流的影响可能与NEC的分叉点位置有关,但目前对NEC的分叉点位置与南海北部环流相关性的研究甚少.最后提出了对未来加强该方面研究的一些展望. 相似文献
4.
COMCOT数值模式的介绍和应用 总被引:1,自引:0,他引:1
介绍了一个成熟的海啸数值模式-COMCOT模式.COMCOT模式是一个能够模拟海啸产生、传播和增水全过程的基于浅水波方程的有限差分模型.模型采用多层网格嵌套,根据海啸在不同区域的传播特点和要求,分别选用不同的分辨率和计算设置,从而兼顾了模式的精度和计算效率.利用此模式模拟了2006年12月26日台湾南部7.2级地震产生海啸波的传播情况,结果与两个潮位站的海啸波监测数据相吻合. 相似文献
5.
6.
7.
文中利用广海湾内长达49个月的实测海浪资料,对湾内海浪基本要素以及大浪过程与热带气旋活动的关系进行统计分析,并选取一个典型台风过程的波浪进行研究。结果表明:广海湾内波浪多以0~2级波高为主,出现频率达67%,3级波高次之,出现频率为32%,偶有4级波高出现;平均波高年变化幅度不大,但季节变化特征明显,最大波高的年变化和季节变化幅度均较大;大浪多出现在夏、秋季,与热带气旋活动密切相关;2008年9月强台风"黑格比"活动期间,测点观测到最大浪高达3.55m,形成5级以上大浪,台风浪波型经历了涌浪(有成熟的,也有未成熟的)-风浪-涌浪(未成熟的)的过程,符合一般台风浪波型的演变规律。 相似文献
8.
国际海洋观测技术发展趋势与中国深海台站建设实践 总被引:4,自引:0,他引:4
20世纪80年代以来,海洋观测呈现"多元化、立体化、实时化"的发展趋势,地区和国家的海洋观测系统在关键海域发挥着重要作用。随着技术的发展和理念的创新,区域海洋观测系统被广泛应用并得到不断完善。国际海洋观测台站如英国爱尔兰海区域、美国卡罗来纳州海区和加拿大维多利亚海底实验观测网的多元化观测系统(VENUS)都是值得借鉴的例子,他们把多元化、立体化的实时测量数据与海洋物理、生态和生物化学模式紧密结合起来,实现了海洋环境的可预报性。同时,美国、英德法等国和日本实施的一系列海底观测系统,使海洋观测更加完备化。在这种国际大背景下,我国积极推进的海洋观测研究网络工程中的第一个深海台站——西沙海洋观测研究站在2008年已经建设完成并投入运行,该台站实现了长时效的多参数海洋环境实时监控。西沙观测系统主要包括自动气象站、岛屿外缘坐底式海底和海底边界层观测子系统、生物捕获器、西沙上层海洋环境观测子系统和海洋光学监测子系统等。由于海洋环境结构复杂、工作环境恶劣以及资源缺乏等因素的影响,海洋观测一直是高风险的工作。最后希望通过比较国内外观测系统,中国海洋观测事业能够学习国外先进的思路和技术,自身取得更大进步。 相似文献
9.
10.
文章通过BP神经网络模型,利用西沙站的实测潮位推算三亚站潮位,研究用一地点的潮位资料去推算另一地点(异地)潮位的方法。文章比较了不同隐含层节点数和输入因子对潮位推算结果的影响,采用预测时间(t)之前N个小时(t–N+1,…,t–1,t)西沙站的实测潮位数据作为输入因子,输入因子数目在2~10之间,隐含层分别采用节点数3、4、5、10和15建模,分多种情况进行推算。结果显示,对文中使用的特定情形,隐含层为4个节点的效果最好,隐含层为15个节点的效果最差;输入层为2个节点的效果最好,输入因子增多会使得推算效果变差。隐含层为4个节点、输入因子为t–1、t时刻潮位的仿真验证的结果最好,推算值和实测值之间的相关系数为0.9901,均方根误差为0.06m,误差在–0.16~0.15m之间。结果表明,如果两个地点的潮位具有物理上的关联,通过BP神经网络模型,用一地点的实测潮位推算另一地点潮位的方法是可行的。 相似文献