CN105403680B - 一种基于浮标在线监测数据的赤潮短期预警方法及用途 - Google Patents
一种基于浮标在线监测数据的赤潮短期预警方法及用途 Download PDFInfo
- Publication number
- CN105403680B CN105403680B CN201510872165.2A CN201510872165A CN105403680B CN 105403680 B CN105403680 B CN 105403680B CN 201510872165 A CN201510872165 A CN 201510872165A CN 105403680 B CN105403680 B CN 105403680B
- Authority
- CN
- China
- Prior art keywords
- red tide
- condition
- chlorophyll
- early warning
- dissolved oxygen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
Abstract
本发明公开了一种基于浮标在线监测数据的赤潮短期预警方法及用途。该方法按时间序列提取连续24h的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,根据如下判定条件进行赤潮短期预警:条件一:叶绿素a、溶解氧饱和度和pH均超过各自阈值,其阈值分别为20μg/L、110%、8.2;条件二:叶绿素a、溶解氧饱和度和pH三个水质因子的数值在短时间内均有迅速上升的趋势,形成波峰;条件三:未来24h天气状况不为台风或中雨以上的降雨。在三个条件基础上,设置不同的判定方式,进行赤潮的预警。该方法可用于预测甲藻类赤潮。本发明避开了赤潮的引发因子,通过分析海水叶绿素a、溶解氧饱和度和pH三个表现因子的变化来预测赤潮。据此开展赤潮发生短期预测,简单而直观,准确率较高。
Description
技术领域
本发明涉及海洋赤潮预警技术领域,具体涉及一种基于浮标在线监测数据的赤潮短期预警方法及用途。
背景技术
赤潮在世界范围内大规模爆发,已经严重影响了公众健康、生态系统健康以及渔业和经济发展。赤潮预警是海洋生态灾害管理的重要方法,可以预防和减轻因赤潮灾害造成的海洋生态环境损伤和渔业经济损失,为海洋生态环境保护、防灾减灾以及海洋生态风险管理提供重要的决策依据和技术支撑。已有的赤潮预警预测方法较多,典型的有细胞密度法、遥感分析法、神经网络法、多元回归分析法等等。细胞密度法通过分析赤潮生物密度是否达到发生阈值来判断是否发生赤潮,用于小范围预测,实际操作中受现场采样条件限制。遥感分析法通过解析水色遥感图像得出叶绿素含量来判断是否有赤潮发生,可用于大范围预测,但往往属于赤潮发生后预测,提前预测难度较大。神经网络法和多元回归分析法可做赤潮发生前预测,但因都涉及大量参数,分析过程比较复杂,预测结果准确性也不够理想。这几种方法还因缺乏赤潮期间水质参数的连续实时监测数据,而使预测结果具有一定的局限性。浮标在线监测可以自动获取海洋水质参数长期、连续、实时监测数据,可以弥补传统监测手段(如船测或人工采样)无法获取长时间序列监测数据的不足。
预测赤潮既要考虑赤潮的引发因子,又要考虑其表现因子。水体富营养化和原因种是赤潮发生的物质基础,其他引发因子,诸如营养盐(氮、磷、硅酸盐、铁盐)、水温、盐度、光照、风、潮汐、上升流等均可不同程度影响赤潮的发生、发展和消亡,且这些因子之间的相互关系十分复杂。所有浮游植物都含有叶绿素a,因此叶绿素a含量是表征浮游植物赤潮发生的第一关键因子。赤潮一旦发生,最直观的表现就是赤潮生物密度激增、海水变色、叶绿素a含量发生明显变化。但仅以叶绿素a作为赤潮判别因子,则经常会导致结果误报。比如,当采用叶绿素传感器监测水体水质时,经常会发生水生植物堵塞叶绿素传感器探头的现象,导致叶绿素a数值居高不下,但溶解氧饱和度、pH并未升高。
发明内容
本发明的目的在于解决当前赤潮短期预警技术中存在的问题,并提供一种基于浮标在线监测数据的赤潮短期预警方法及用途,其具体技术方案如下:
一种基于浮标在线监测数据的赤潮短期预警方法,包括如下步骤:
按时间序列提取连续24h的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,根据其变化趋势和下列判定条件进行赤潮短期预警:
条件一:叶绿素a、溶解氧饱和度和pH均超过各自阈值,其阈值分别为20μg/L、110%、8.2;
条件二:叶绿素a、溶解氧饱和度和pH三个水质因子的数值均有上升的趋势,形成波峰;
条件三:未来24h天气状况不为台风和/或中雨以上的降雨;
当同时满足条件一、条件二和条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性大;
当满足条件一和条件二但不满足条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性小;
当满足条件二但不满足条件一时,即发出赤潮预警信息为:未来1~2天有可能发生赤潮,但仍需继续观察数据变化;
其余情况下不发出赤潮预警信息。
作为优选,所述的条件二中,叶绿素a、溶解氧饱和度和pH三个水质因子的数值应在6~7h内达到峰值,且叶绿素a峰值超过40μg/L~50μg/L,溶解氧饱和度峰值超过120%~130%,pH峰值超过8.3~8.4。采用上述叶绿素a含量、溶解氧饱和度和pH值三个关键因子及三个判定条件来反映赤潮动态,完全符合赤潮的爆发规律,在实际使用能取得较好的效果。
作为优选,所述的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据来源为海洋水质自动监测浮标,该浮标系统实时、连续、自动获取目标海域水质监测数据,其数据采集频率不低于1次/h。由于采用船舶监测和实验室分析测试来获取连续、实时的长时间序列海水水质监测数据难度大,且受海况和天气状况限制。因此,本发明是基于海洋水质实时、连续、自动监测数据来实现的。与传统人工采样监测相比,采用该数据来源大大提高了分析数据的连续性和预警的可行性。
作为优选,所述的连续24h设置为前一日13时至当日12时连续24h。该时段是基于大量的实际监测数据确定的。在监测过程中发现,赤潮藻类经过爆发前一日的生物量积累,到爆发当日正午之前,其叶绿素a含量、溶解氧饱和度、pH三因子的变化特征已经能够明显反映出赤潮的爆发趋势。另外,结合海洋渔业部门发布赤潮预警的惯例,预警信息通常于下午2时~4时发出,因此设置前一日13时至当日12时的时间段也符合部门工作时间安排,具有较高的可行性。
作为优选,选择预报日的前一日13时至当日12时连续24h目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,按照如权利要求1~4任一所述的方法进行目标海域的赤潮预警,并将该海域的叶绿素a、溶解氧饱和度和pH三个因子最近24h的监测数据变化范围,未来24h的天气状况,以及目标海域的赤潮预警信息制作成文本类报告进行发送。
进一步的,本发明在上述预警文本类报告基础上,还可以以此为基础制作短期预警结果图:
采用红色、橙色、黄色、蓝色四种颜色区分赤潮发生预警结果;
当同时满足条件一、条件二和条件三时,在目标海域设置红色标记;
当满足条件一和条件二但不满足条件三时,在目标海域设置橙色标记;
当满足条件二但不满足条件一时,在目标海域设置黄色标记;
其余情况下,在目标海域设置蓝色标记。
上述预警结果图,能够简单直观地反映各个海域的赤潮爆发可能性,为海洋渔业部门的赤潮监测预警提供了一种简单明了的方法。
本发明还提出了一种上述预警方法的用途,特别适用于预警甲藻类赤潮。在多次甲藻类赤潮的爆发过程中,本发明提出的方法均提前准确地预测到了赤潮的爆发。
本发明避开了赤潮的引发因子,通过分析海水“叶绿素a、溶解氧饱和度和pH”三个表现因子的明显变化来预测赤潮。叶绿素a是赤潮藻类生物量的重要指标,溶解氧饱和度和pH与藻类的光合作用及其活力密切相关。赤潮发生之前,藻类生物量短时间内会发生物质积累,叶绿素a、溶解氧饱和度和pH因子会发生明显的变化,据此开展赤潮发生短期预警,简单而直观,准确率较高。
附图说明
图1是一种基于浮标在线监测数据的赤潮短期预警方法流程图;
图2是三起赤潮发生全过程叶绿素a、溶解氧饱和度和pH的变化趋势图;其中a)、b)、c)分别表示南麂海域赤潮、温岭海域赤潮和大陈海域赤潮;
图3是实施例1中连续48h的水质三因子的变化趋势图,其中a)、b)、c)分别为叶绿素a、溶解氧饱和度和pH的变化趋势图;
图4为实施例1中2015年4月27日赤潮预警结果图;
图5为实施例1中2015年4月28日赤潮预警结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如上所述,本发明提供的一种基于浮标在线监测数据的赤潮短期预警,包括如下步骤:
按时间序列提取连续24h的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,根据其变化趋势和下列判定条件进行赤潮短期预警:
条件一:叶绿素a、溶解氧饱和度和pH均超过各自阈值,其阈值分别为20μg/L、110%、8.2;
条件二:叶绿素a、溶解氧饱和度和pH三个水质因子的数值在短时间内均有迅速上升的趋势,形成波峰;
条件三:未来24h天气状况不为台风和/或中雨以上的降雨;
当同时满足条件一、条件二和条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性大;
当满足条件一和条件二但不满足条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性小;
当满足条件二但不满足条件一时,即发出赤潮预警信息为:未来1~2天有可能发生赤潮,但仍需继续观察数据变化;
其余情况下不发出赤潮预警信息。
上述三个水质因子以及三个判定条件的选择是基于申请人对近岸海域赤潮爆发规律和机理的长期探索、研究过程中得出的。下面结合三起实际发生的赤潮案例,论述本发明提出的方法的理论和实践依据。
针对条件一:
叶绿素a含量是表征浮游植物赤潮发生的第一关键因子。溶解氧饱和度是溶解氧、盐度、海表温度三者的综合指数,溶解氧与藻类的光合作用密切相关,是反映赤潮的表现因子,盐度和海表温度是引发赤潮的重要环境因子,溶解氧饱和度的变化可以反映溶解氧、盐度、海表温度三者的综合动态。藻类的光合作用吸收二氧化碳,放出氧气,藻类短时间内大量增殖引发赤潮时产生的大量溶解氧改变了水体的酸碱度,表现为海水pH值升高。因此,综合考虑赤潮的引发因子和表现因子,采用叶绿素a含量、溶解氧饱和度和pH值三个关键因子来反映赤潮动态能取得较好的效果。
图2是2014年应用布放在浙江近岸海域的浮标在线监测系统捕捉到的三起甲藻赤潮发生全过程中叶绿素a、溶解氧饱和度和pH三项水质参数的变化趋势图。南麂海域赤潮持续8天,获取间隔1h监测数据192组;温岭海域赤潮持续4天,获取间隔1h监测数据94组;大陈海域赤潮持续13天,获取间隔1h监测数据288组,有效数据获取率在92.3%以上。三起赤潮爆发当天,叶绿素a含量在短时间内超过20μg/L而急剧上升。赤潮持续期间,叶绿素a含量或是维持在20μg/L以上(如温岭海域赤潮),或是围绕20μg/L呈不规则波动变化(如南麂海域赤潮和大陈海域赤潮)。赤潮消亡时,叶绿素a含量均降至20μg/L以下。溶解氧饱和度和pH也表现出类似的变化趋势。除此三起典型赤潮外,在其他周边海域也监测到多次赤潮均表现出类似的变化趋势。因此在大量的实时、连续、自动监测数据基础上,经过统计分析,得出甲藻类赤潮爆发阈值:叶绿素a为20μg/L,溶解氧饱和度为110%、pH为8.2。
针对条件二:
由图2可以看出,水体叶绿素a含量先小幅升高,然后在数小时内急剧升高,达到峰值,表明赤潮已经发生;之后叶绿素a含量呈不规则波动变化;赤潮末期,叶绿素a含量也会出现一个峰值,之后逐渐下降,直到恢复正常水平,赤潮消亡。即赤潮在叶绿素a含量达到第一个峰值时爆发,在最后一个峰值过后消亡,期间叶绿素a含量呈不规则波动变化。溶解氧饱和度、pH的变化趋势与叶绿素a含量的变化趋势几乎一致。因此,在赤潮爆发之前,叶绿素a、溶解氧饱和度和pH三个水质因子的数值会在短时间内均有迅速上升的趋势,并形成一个波峰。在对大量的实时、连续、自动监测数据进行分析后,本发明将条件二中,该波峰值具体量化为:叶绿素a、溶解氧饱和度和pH三个水质因子的数值应在6~7h内达到峰值,且叶绿素a峰值超过40μg/L~50μg/L,溶解氧饱和度峰值超过120%~130%,pH峰值超过8.3~8.4。依此特征可提前1~2天进行赤潮预报。
针对条件三:
在对赤潮爆发规律的长期研究过程中发现,赤潮的爆发与气象条件对水体带来的扰动密切相关。若未来24h天气状况为台风或存在中雨以上的降雨,均会对水体带来稀释或扰动作用,从而破坏赤潮藻类的生长环境或分散赤潮藻类的集聚,使之无法形成爆发性增殖而引发赤潮。图2中所示的三起赤潮发生时的天气状况也证实了该现象。赤潮期间,南麂海域天气以阴天和晴天为主,温岭海域天气以晴天和多云为主,赤潮一直持续。大陈海域天气5月26日至29日为雾和多云,30日开始下雨,6月3日天气转晴。受连续降雨影响,大陈海域赤潮于6月1日~4日消亡;随后因天气转好,赤潮复发。晴间多云的闷热天气是赤潮发生及维持的重要因素。因此,本发明提出的方法中,设定了气象条件进行限制,即条件三:未来24h天气状况不为台风或中雨以上的降雨。
当同时满足条件一、条件二和条件三时,表明赤潮藻类的指数性增长环境已经具备,可以发出赤潮预警信息为:未来1~2天发生赤潮的可能性大。
而当满足条件一和条件二但不满足条件三时,表明尽管赤潮藻类目前具备了大规模增长条件,但是由于未来24h气象条件不佳,会对水体有较大扰动,爆发赤潮可能性较小,因此发出赤潮预警信息为:未来1~2天发生赤潮的可能性小。
当满足条件二但不满足条件一时,表明赤潮藻类处在大规模增长的积蓄阶段,存在爆发的可能,但仍需要其他合适的环境条件,因此发出赤潮预警信息为:未来1~2天有可能发生赤潮,但仍需继续观察数据变化;
其余情况下赤潮爆发条件不足,不发出赤潮预警信息。
由于采用船舶监测和实验室分析测试来获取连续、实时的长时间序列海水水质监测数据难度大,且受海况和天气状况限制。因此,本发明是基于海洋水质实时、连续、自动监测数据来实现的。本发明通过海洋水质在线监测浮标来获取连续、实时的长时间序列目标海域叶绿素a、溶解氧饱和度和pH监测数据。海洋水质在线监测浮标系统由海上浮标系统、数据传输系统、岸站接收系统三部分组成,其中海上浮标系统的数据采集设备为水质多参数传感器,集成于浮体之上,采用太阳能供电,开展样品采集和数据分析。各参数的分析结果通过卫星传输至岸站接收系统,储存于数据库。与传统人工采样监测相比,采用该数据来源大大提高了分析数据的连续性和预警的可行性。
浮游植物以无性繁殖为主,这就决定了其种群增长呈指数模式,使其具备了短时间爆发/消亡的可能。因此,要对赤潮藻类的爆发进行预警,就势必要求对预警时间有严格要求。作为一种优选的方案,预警时采用的连续24h的时间段设置为前一日13时至当日12时连续24h。
基于上述预警方法,还可以实现一种应用于海洋渔业部门进行赤潮预报发布的短期预报的方法,步骤如下:选择预报日的前一日13时至当日12时连续24h目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,按照上述的方法进行目标海域的赤潮预警,并将该海域的叶绿素a、溶解氧饱和度和pH三个因子最近24h的监测数据变化范围,未来24h的天气状况,以及赤潮预警信息制作成文本类报告。
上述预报方法完成后,还根据所述的预警结果制作短期预警结果图:
采用红色、橙色、黄色、蓝色四种颜色区分赤潮发生预警结果。
当同时满足条件一、条件二和条件三时,在目标海域设置红色标记;
当满足条件一和条件二但不满足条件三时,在目标海域设置橙色标记;
当满足条件二但不满足条件一时,在目标海域设置黄色标记;
其余情况下,在目标海域设置蓝色标记。
前一日13时至当日12时的时间段是基于大量的观测数据而设定的。从多次赤潮的爆发过程可以看出,赤潮爆发期间,叶绿素a含量、溶解氧饱和度和pH值表现出明显的昼夜周期现象,赤潮藻类大规模生长的时间段主要集中于白天,即上午5~6时至下午16~17时之间,该时段赤潮藻类的变化特征最具代表性。以前述的三起甲藻赤潮为例,由图2可以看出,南麂、温岭、大陈三个海域在赤潮爆发的前一天,水体叶绿素a、溶解氧饱和度、pH均已表现出小幅上升。赤潮爆发当日,南麂海域赤潮在27日上午5时至中午12时叶绿素a数值由9.4μg/L上升到45.3μg/L,达到第一个峰值,之后至下午16时达到当天的最大峰值142.4μg/L;17时开始下降,至28日5时叶绿素a数值由139.5μg/L下降到35.7μg/L,之后又开始上升,并呈不规则波动变化。温岭海域赤潮6月4日上午4时至8时叶绿素a数值由9.2μg/L上升到40.1μg/L,达到第一个峰值,之后至下午17时达到当天的最大峰值104.1μg/L;18时开始下降,至5日4时叶绿素a数值由63.8μg/L下降到24.5μg/L。大陈海域赤潮5月25日上午5时至11时叶绿素a数值由17.1μg/L上升到28.5μg/L,至下午15时达到第一个峰值56.4μg/L,也是当天的最大峰值;16时开始下降,至26日5时叶绿素a数值由34.7μg/L下降到11.2μg/L。可见,叶绿素a含量表现出明显的昼夜周期变化,图2同时也表明溶解氧饱和度、pH的昼夜变化趋势亦是如此。白天随着日照强度的增强,藻类的光合作用也会增强,一般正午时分光强最强,藻类的光合作用亦会最活跃。之后随着光强的累积,一般到下午藻类的光合作用会达到最大峰值。依上所述,赤潮于白天爆发时,赤潮藻类生物量剧增,其强烈的光合作用必将引起水体中的溶解氧激增,从而使溶解氧达到超饱和状态,并导致pH值升高。而夜间光照成为赤潮藻类光合作用的限制因素,再加上藻类的呼吸作用、死亡消解将消耗大量溶解氧、产生大量二氧化碳,赤潮藻类生物量下降,使叶绿素a含量、溶解氧饱和度、pH值减小,三因子均表现出明显的昼夜周期现象,即白天数值升高,夜晚数值降低。赤潮藻类经过爆发前一日的生物量积累,到爆发当日正午之前,其叶绿素a含量、溶解氧饱和度、pH三因子的变化特征已经能够明显反映出赤潮的爆发趋势。另外,结合海洋渔业部门发布赤潮预警的惯例,预警信息通常于下午2时~4时发出,因此设置前一日13时至当日12时的时间段也符合部门工作时间安排。
本发明的“一种基于浮标在线监测数据的赤潮短期预警方法”在应用过程中多次提前1天预测到赤潮的爆发,尤其对甲藻类赤潮的预警具有较高的准确率。由于数据较多,因此下面结合其中一个实施例对此进行进一步说明。
实施例
下面以台州大陈海域发生东海原甲藻赤潮(2015年4月28日)为例,详细说明本发明的实施过程。
1)4月27日14时,于海洋水质自动监测浮标系统数据库调取26日13时至27日12时连续24h的台州大陈海域水质实时监测数据;提取叶绿素a、溶解氧饱和度和pH三因子连续24h的实时监测数据。
2)制作叶绿素a、溶解氧饱和度和pH三因子折线图,观察数据变化,得出三因子部分时段有小幅上升趋势(图3),但都未超过赤潮发生阈值。
3)进入判断三“三因子有上升趋势,但未全部超阈值”,预测未来1~2天大陈海域有可能发生赤潮,但仍需继续观察数据变化。
4)将三因子数据分别排序,得出数值范围,填入“赤潮短期预警”结果图数据表格中,制作完成后,发布预警信息。如图4所示,大陈浮标所在附近海域发生赤潮可能性大。
5)4月28日14时,于海洋水质自动监测浮标系统数据库调取27日13时至28日12时连续24h的台州大陈海域水质实时监测数据;提取叶绿素a、溶解氧饱和度和pH三因子连续24h的实时监测数据。
6)制作叶绿素a、溶解氧饱和度和pH三因子折线图,观察数据变化,得出三因子部分时段有大幅上升趋势,均超过赤潮发生阈值,并表现出波动变化(图3)。
7)进入判断一“满足”两个条件,查看未来24h大陈海域天气,以晴到小雨为主,预测未来1~2天大陈海域发生赤潮。
8)将三因子数据分别排序,得出数值范围,填入“赤潮短期预警”结果图数据表格中,并发布预警信息,如图5所示。
9)将“赤潮短期预警”发往相关部门和单位,提示开展现场采样监测,验证赤潮生物优势种和生物密度。现场监测结果显示大陈海域于4月28日发生东海原甲藻赤潮。即本发明提前1天成功预测到该起东海原甲藻赤潮的发生。
由此可见,本发明避开了赤潮的引发因子,转而通过分析海水“叶绿素a、溶解氧饱和度和pH”三个表现因子的明显变化来预测赤潮,具有简单而直观,准确率较高的优点。
Claims (5)
1.一种基于浮标在线监测数据的赤潮短期预警方法,其特征在于,用于预警甲藻类赤潮,预警方法包括如下步骤:
按时间序列提取前一日13时至当日12时连续24 h的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,根据其变化趋势和下列判定条件进行赤潮短期预警:
条件一:叶绿素a、溶解氧饱和度和pH均超过各自阈值,其阈值分别为20μg/L、110%、8.2;
条件二:叶绿素a、溶解氧饱和度和pH三个水质因子的数值均有上升的趋势,形成波峰;
条件三:未来24 h天气状况不为台风和/或中雨以上的降雨;
当同时满足条件一、条件二和条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性大;
当满足条件一和条件二但不满足条件三时,即发出赤潮预警信息为:未来1~2天发生赤潮的可能性小;
当满足条件二但不满足条件一时,即发出赤潮预警信息为:未来1~2天有可能发生赤潮,但仍需继续观察数据变化;
其余情况下不发出赤潮预警信息。
2.如权利要求1所述的基于浮标在线监测数据的赤潮短期预警方法,其特征在于,所述的条件二中,叶绿素a、溶解氧饱和度和pH三个水质因子的数值应在6~7h内达到峰值,且叶绿素a峰值超过40μg/L~50μg/L,溶解氧饱和度峰值超过120%~130%,pH峰值超过8.3~8.4。
3.如权利要求1所述的基于浮标在线监测数据的赤潮短期预警方法,其特征在于,所述的目标海域水质叶绿素a、溶解氧饱和度和pH监测数据来源为海洋水质自动监测浮标,该浮标系统实时、连续、自动获取目标海域水质监测数据,其数据采集频率不低于1次/h。
4.如权利要求1所述的基于浮标在线监测数据的赤潮短期预警方法,其特征在于,选择预报日的前一日13时至当日12时连续24 h目标海域水质叶绿素a、溶解氧饱和度和pH监测数据,按照如权利要求1~3任一所述的方法进行目标海域的赤潮预警,并将该海域的叶绿素a、溶解氧饱和度和pH三个因子最近24 h的监测数据变化范围,未来24 h的天气状况,以及目标海域的赤潮预警信息制作成文本类报告。
5.如权利要求4所述的基于浮标在线监测数据的赤潮短期预警方法,其特征在于,还根据所述的预警结果制作短期预警结果图:
采用红色、橙色、黄色、蓝色四种颜色区分赤潮发生预警结果;
当同时满足条件一、条件二和条件三时,在目标海域设置红色标记;
当满足条件一和条件二但不满足条件三时,在目标海域设置橙色标记;
当满足条件二但不满足条件一时,在目标海域设置黄色标记;
其余情况下,在目标海域设置蓝色标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510872165.2A CN105403680B (zh) | 2015-12-02 | 2015-12-02 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510872165.2A CN105403680B (zh) | 2015-12-02 | 2015-12-02 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105403680A CN105403680A (zh) | 2016-03-16 |
CN105403680B true CN105403680B (zh) | 2017-09-08 |
Family
ID=55469295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510872165.2A Active CN105403680B (zh) | 2015-12-02 | 2015-12-02 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105403680B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106990216B (zh) * | 2017-04-01 | 2019-03-29 | 河海大学 | 一种浅水湖泊水华风险分析预警系统及其分析预警方法 |
CN108151798A (zh) * | 2017-11-29 | 2018-06-12 | 深圳市亿兆互联技术有限公司 | 一种基于LoRa的近海赤潮实时监控方法及系统 |
CN107884465B (zh) * | 2017-12-08 | 2023-09-22 | 自然资源部第二海洋研究所 | 一种用于赤潮早期预警的在线监测系统及方法 |
CN108008096B (zh) * | 2017-12-15 | 2023-12-12 | 苏州酒花网络科技有限公司 | 浮动式发酵状态检测装置及检测方法 |
CN109002888B (zh) * | 2018-06-27 | 2022-01-11 | 厦门市海洋与渔业研究所 | 一种赤潮预警方法 |
CN109856357A (zh) * | 2019-03-19 | 2019-06-07 | 广西科学院 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
CN111311874B (zh) * | 2020-04-20 | 2021-06-15 | 宁波海洋研究院 | 一种基于浮标监测并联合机器学习进行科学预警方法 |
CN111784985A (zh) * | 2020-07-10 | 2020-10-16 | 中国科学院重庆绿色智能技术研究院 | 一种预警湖泊水库中蓝藻水华的方法及聚集装置 |
CN113673605B (zh) * | 2021-08-24 | 2024-02-06 | 上海海洋大学 | 一种海水溶解氧评估方法 |
CN114611800B (zh) * | 2022-03-15 | 2023-08-04 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种黄海绿潮中长期趋势预测方法 |
CN116310543B (zh) * | 2023-03-14 | 2023-09-22 | 自然资源部第一海洋研究所 | Gf-1 wfv卫星赤潮深度学习探测模型、构建方法及设备 |
CN116125028B (zh) * | 2023-04-17 | 2023-07-14 | 国家海洋技术中心 | 基于波动滑翔器的绿潮监测和漂移路径追踪方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706494A (zh) * | 2009-11-11 | 2010-05-12 | 清华大学 | 一种水体水华爆发潜力判定和预警的方法 |
CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901468A (zh) * | 2010-08-02 | 2010-12-01 | 福州市海洋与渔业技术中心 | 一种简易的赤潮预警方法 |
CN104112080B (zh) * | 2014-07-29 | 2016-03-02 | 武汉大学 | 水体水华风险快速预警方法 |
-
2015
- 2015-12-02 CN CN201510872165.2A patent/CN105403680B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706494A (zh) * | 2009-11-11 | 2010-05-12 | 清华大学 | 一种水体水华爆发潜力判定和预警的方法 |
CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
Non-Patent Citations (1)
Title |
---|
水质自动监测系统在厦门同安湾赤潮短期预报中的应用;庄宏儒;《海洋环境科学》;20060531;第25卷(第2期);第58-61页,尤其是正文第58页第2栏第2段至第61页第2栏第2段 * |
Also Published As
Publication number | Publication date |
---|---|
CN105403680A (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105403680B (zh) | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 | |
Karl et al. | Clivar/GCOS/WMO workshop on indices and indicators for climate extremes workshop summary | |
CN105223937B (zh) | 梯级水电站群生态调控智能控制系统及方法 | |
Turner et al. | Extreme temperatures in the Antarctic | |
Ursella et al. | Evidence of zooplankton vertical migration from continuous Southern Adriatic buoy current-meter records | |
CN110705862A (zh) | 一种评价湿地公园生境健康状态的方法 | |
Esenkulova et al. | Harmful algae and oceanographic conditions in the Strait of Georgia, Canada based on citizen science monitoring | |
CN101901468A (zh) | 一种简易的赤潮预警方法 | |
Ruddick et al. | Hydrodynamics and meteorology of the Belgian Coastal Zone | |
Chen et al. | Research on Marine Disaster Prevention and Mitigation Information Platform System Based on Big Data | |
Gilmour et al. | Early warning indicators of change in the condition of corals and coral communities in response to key anthropogenic stressors in the Pilbara, Western Australia | |
Miles et al. | Could Federal Wind Farms Influence Continental Shelf Oceanography and Alter Associated Ecological Processes? A Literature Review | |
Shand et al. | NSW coastal storms and extreme waves | |
Maillet et al. | Optical, chemical, and biological oceanographic conditions on the Newfoundland and Labrador shelf during 2016-2017 | |
Perry et al. | Collaborative observational and operational oceanography to improve 2015 and 2016 Loop Current forecasting in the Gulf of Mexico | |
Venkatesan et al. | India's ocean observation network: relevance to society | |
Wu et al. | Application and comparison of two symptom-based eutrophication-assessment methods in Jiaozhou Bay, China | |
Nolan et al. | Baseline study of Essential Ocean Variable monitoring in Irish waters; current measurement programmes & data quality | |
Kumar et al. | Detection of Cyclones and Extreme Weather Events Using Advanced Deep Learning Methods | |
Rayner et al. | Weather and climate | |
Wu et al. | Characteristics and distribution model of wind and wave in Shengsi mussel culture area under the impacts of tropical cyclones | |
CN113031012B (zh) | 一种岸基gnss反射信号的风暴潮监测方法 | |
Martins et al. | The Nazare Canyon observatory (W Portugal) real-time monitoring of a large submarine canyon | |
Grimes | Ocean science for sustainable development: Facts and figures | |
Palazov et al. | Galata platform weather and seastate observing system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |