CN107832553B - 基于海洋生态模型的水母灾害预报系统和预报方法 - Google Patents

基于海洋生态模型的水母灾害预报系统和预报方法 Download PDF

Info

Publication number
CN107832553B
CN107832553B CN201711202066.9A CN201711202066A CN107832553B CN 107832553 B CN107832553 B CN 107832553B CN 201711202066 A CN201711202066 A CN 201711202066A CN 107832553 B CN107832553 B CN 107832553B
Authority
CN
China
Prior art keywords
jellyfish
mode
model
hydrological
zooplankton
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.)
Expired - Fee Related
Application number
CN201711202066.9A
Other languages
English (en)
Other versions
CN107832553A (zh
Inventor
王玉衡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University of Science and Technology
Original Assignee
Tianjin University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University of Science and Technology filed Critical Tianjin University of Science and Technology
Priority to CN201711202066.9A priority Critical patent/CN107832553B/zh
Publication of CN107832553A publication Critical patent/CN107832553A/zh
Application granted granted Critical
Publication of CN107832553B publication Critical patent/CN107832553B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于海洋生态模型的水母灾害预报方法，基于的预报系统包括水文模式、低营养级模式、水母模式，低营养级模式给水母模式提供浮游动物浓度，水文模式给低营养级模式和水母模式提供水文、流场和混合层深度。步骤一输入水文模式初始和强迫条件；步骤二设定低营养级模式和水母模式参数；步骤三输入低营养级模式和水母模式的初始和强迫条件；步骤四运行模型得到运算结果；步骤五将运算结果与观测对比、判断；步骤六根据下一年度的水母分布预报结果。本发明有益效果是：充分考虑温度、流场、饵料场等要素对水母灾害的影响及水母生活史特点，对模型优化，具有模拟要素全面、针对性强的优点，克服模拟要素单一、生活史模拟缺失的缺点。

Description

基于海洋生态模型的水母灾害预报系统和预报方法
技术领域
本发明涉及海洋生态数值模拟技术领域，特别涉及一种基于海洋生态模型的水母灾害预报系统和预报方法。
背景技术
自上世纪90年代以来，世界范围内水母暴发造成的灾害日渐增加。水母灾害是一种由于水母大量繁殖引起的生态灾害，它不但会影响生态系统的健康，还会堵塞沿海工厂和核电站进水口，威胁生产安全；堵塞渔网，干扰渔业生产；蛰伤游客，影响沿海旅游业。对水母数量和分布的预报可以为渔业和沿海工业的生产活动提供参考，同时也是沿海旅游业发布预警预报的重要依据。但是现有的水母灾害预报系统中还存在以下问题：预报考虑的影响因子较少，多数只考虑风或者流的影响，没有考虑水温、饵料等要素对水母横裂和生长等过程的影响。普遍采用通用的质点追踪模型，缺乏对水母生活史的针对性优化。
发明内容
本发明所要解决的技术问题是提供一种能够提高模拟的针对性和模拟因子的全面性的基于海洋生态模型的水母灾害预报系统及其使用方法。
为了解决上述技术问题，本发明采用的技术方案是：一种基于海洋生态模型的水母灾害预报系统，包括水文模式、低营养级模式、水母模式，所述低营养级模式给水母模式提供浮游动物浓度，所述水文模式给低营养级模式和水母模式提供水文、流场和混合层深度。
所述低营养级模式和水母模式采用在线耦合模式运行。
所述水文模式包括模拟海区的水温、流场和混合层深度；所述低营养级模式包括模拟海区的营养盐、浮游植物和浮游动物；所述水母模式包括横裂、生长和移动模块。
所述浮游动物包括小型浮游动物、大型浮游动物和捕食性浮游动物三种不同粒径。
一种基于海洋生态模型的水母灾害预报方法，步骤如下：步骤一，输入水文模式初始和强迫条件；步骤二，设定低营养级模式和水母模式参数；步骤三，输入低营养级模式和水母模式的初始和强迫条件；步骤四，运行模型得到运算结果；步骤五，将运算结果与观测对比、判断，当运算结果满足预报的误差要求时，重复步骤二至五，模拟下一个年度的水母分布；当运算结果不满足预报的误差要求时，返回步骤二重新设定参数；步骤六，根据下一年度的水母分布预报结果。
所述水文模式模拟海区的水温、流场和混合层深度；所述低营养级模式模拟浮游生物的浓度；所述水母模式模拟水母的横裂、生长和移动。
所述横裂产生的碟状体数量NEphyra公式：
Figure GDA0002358057460000021
Figure GDA0002358057460000022
其中：
DaccE代表冬季底层水温10℃以下持续的时间，单位为天，DStrob代表春季底层水温10-18℃之间持续的时间，单位为天，DexpE代表秋季底层水温10-18℃之间持续的时间，单位为天，NPodo表示底层水温18-25℃之间水螅体足囊生殖产生的足囊数，横裂发生的时间为底层水温超过13℃时。
所述水母体横裂时间和产生碟状体的数量是由水文模式输出的水温决定。
所述生长：水母的生长率受低营养级模型输出的饵料浓度的影响，
水母体重W的变化由下式决定
Figure GDA0002358057460000031
其中C为摄食量，单位为gW.W./medusa/h，W为沙海蜇体重，单位为gW.W.，ZS和ZL分别为NEMURO模式模拟得到的小型和大型浮游动物生物量，单位为mgW.W./L；R为呼吸量，单位为gW.W./s。k1，k2，k3，C1为转换系数。
所述移动分为水平移动和垂直移动，所述水平方向的移动为被动的随波逐流，采用水文模式的流场驱动一个质点追踪模型来进行模拟；所述垂直方向的移动，白天和夜晚采用在偏好的水层中随机移动。
本发明的有益效果是：模型的模拟充分考虑了温度、流场、饵料场等要素对水母灾害的影响，并考虑到水母生活史的特点，对模型进行优化，具有模拟要素全面、针对性强的优点，可以克服现有技术中模拟要素单一、生活史模拟缺失的缺点。
附图说明
图1为一种基于海洋生态模型的水母灾害预报系统的开发模式示意图；
图2为本发明基于海洋生态模型的水母灾害预报系统的各模式功能示意图；
图3为本发明模型运行过程流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明：
如图1、图2所示基于海洋生态模型的水母灾害预报系统的技术方案，包括水文模式、低营养级模式和水母模式。水文模式包括模拟海区的水温、流场和混合层深度；所述低营养级模式包括营养盐、浮游植物和浮游动物，浮游动物括小型浮游动物、大型浮游动物和捕食性浮游动物三种不同粒径；所述水母模式包括横裂模块、生长模块和移动模块。低营养级模式和水母模式采用在线耦合模式运行。
如图3所示基于海洋生态模型的水母灾害预报方法的技术方案，包括如下步骤：
步骤一，输入水文模式初始和强迫条件；步骤二，设定低营养级模式和水母模式参数；步骤三，输入低营养级模式和水母模式的初始和强迫条件；步骤四，运行模型得到运算结果；步骤五，将运算结果与观测对比、判断，当运算结果满足误差要求时，重复步骤二至五，模拟下一个年度的水母分布；当运算结果不满足误差要求时，返回步骤二重新设定参数；步骤六，根据下一年度的水母分布预报结果。
对比的观测数据为模拟海区里一定量测站的水母丰度和伞径。
模拟温度、流场、饵料场等要素对沙海蜇灾害的影响，水文模型采用POM(Princeton Ocean Model)模式，提供温度场，流场和混合层深度；低营养级模型采用NEMURO(the North Pacific Ecosystem Model for Understanding Regional Oceanography)模式，提供大型和小型浮游动物作为水母饵料；水母IBM(Individual-Based Model)模式采用下述方法模拟水母的横裂、生长和移动：
横裂：
横裂产生的碟状体数量NEphyra采用下述公式确定
Figure GDA0002358057460000051
Figure GDA0002358057460000052
其中
DaccE代表冬季底层水温10℃以下持续的时间(天)，DStrob代表春季底层水温10-18℃之间持续的时间(天)，DexpE代表秋季底层水温10-18℃之间持续的时间(天)。
NPodo表示底层水温18-25℃之间水螅体足囊生殖产生的足囊数。
横裂发生的时间为底层水温超过13℃时。
生长：
水母体重W的变化由下式决定
Figure GDA0002358057460000053
Figure GDA0002358057460000061
Figure GDA0002358057460000062
其中C为摄食量(gW.W./medusa/h)，W为沙海蜇体重(gW.W.)，ZS和ZL分别为NEMURO模式模拟得到的小型和大型浮游动物生物量(mgW.W./L)；R(gW.W./s)为呼吸量。k1，k2，k3，C1为转换系数。
移动：
水平方向的移动为被动的随波逐流，采用POM的流场驱动一个质点追踪模型来进行模拟。
垂直方向，白天和夜晚采用不同的行为模式在偏好的水层中随机移动。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于海洋生态模型的水母灾害预报系统，其特征是：包括水文模式、低营养级模式、水母模式，所述低营养级模式给水母模式提供浮游动物浓度，所述水文模式给低营养级模式和水母模式提供水文、流场和混合层深度；所述低营养级模式和水母模式采用在线耦合模式运行；所述水文模式包括模拟海区的水温、流场和混合层深度；所述低营养级模式包括模拟海区的营养盐、浮游植物和浮游动物；所述水母模式包括横裂、生长和移动模块；所述浮游动物包括小型浮游动物、大型浮游动物和捕食性浮游动物三种不同粒径；所述横裂产生的碟状体数量NEphyra公式：
NPodo＝∑25＞T＞18e0.13T/173
其中：
DaccE代表冬季底层水温10℃以下持续的时间，单位为天，DStrob代表春季底层水温10-18℃之间持续的时间，单位为天，DexpE代表秋季底层水温10-18℃之间持续的时间，单位为天，NPodo表示底层水温18-25℃之间水螅体足囊生殖产生的足囊数，横裂发生的时间为底层水温超过13℃时；T表示温度，t表示时间。
2.一种基于海洋生态模型的水母灾害预报方法，步骤如下：步骤一，输入水文模式初始和强迫条件；步骤二，设定低营养级模式和水母模式参数；步骤三，输入低营养级模式和水母模式的初始和强迫条件；步骤四，运行模型得到运算结果；步骤五，将运算结果与观测对比、判断，当运算结果满足预报的误差要求时，重复步骤二至五，模拟下一个年度的水母分布；当运算结果不满足预报的误差要求时，返回步骤二重新设定参数；步骤六，根据下一年度的水母分布预报结果；所述水文模式模拟海区的水温、流场和混合层深度；所述低营养级模式模拟浮游生物的浓度；所述水母模式模拟水母的横裂、生长和移动。
3.根据权利要求2所述的基于海洋生态模型的水母灾害预报方法，其特征是：所述水母体横裂时间和产生碟状体的数量是由水文模式输出的水温决定。
4.根据权利要求2所述的基于海洋生态模型的水母灾害预报方法，其特征是：所述生长：水母的生长率受低营养级模型输出的饵料浓度的影响，
水母体重W的变化由下式决定
Figure FDA0002202264650000021
Figure FDA0002202264650000022
Figure FDA0002202264650000023
其中C为摄食量，单位为gW.W./medusa/h，W为沙海蜇体重，单位为gW.W.，ZS和ZL分别为NEMURO模式模拟得到的小型和大型浮游动物生物量，单位为mgW.W./L，R为呼吸量，单位为gW.W./s，k1，k2，k3，C1为转换系数。
5.根据权利要求2所述的基于海洋生态模型的水母灾害预报方法，其特征是：所述移动分为水平移动和垂直移动，所述水平方向的移动为被动的随波逐流，采用水文模式的流场驱动一个质点追踪模型来进行模拟；所述垂直方向的移动，白天和夜晚采用在偏好的水层中随机移动。
CN201711202066.9A 2017-11-27 2017-11-27 基于海洋生态模型的水母灾害预报系统和预报方法 Expired - Fee Related CN107832553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711202066.9A CN107832553B (zh) 2017-11-27 2017-11-27 基于海洋生态模型的水母灾害预报系统和预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711202066.9A CN107832553B (zh) 2017-11-27 2017-11-27 基于海洋生态模型的水母灾害预报系统和预报方法

Publications (2)

Publication Number Publication Date
CN107832553A CN107832553A (zh) 2018-03-23
CN107832553B true CN107832553B (zh) 2020-04-14

Family

ID=61645787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711202066.9A Expired - Fee Related CN107832553B (zh) 2017-11-27 2017-11-27 基于海洋生态模型的水母灾害预报系统和预报方法

Country Status (1)

Country Link
CN (1) CN107832553B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460724B (zh) * 2020-04-21 2022-05-13 天津大学 一种计算海月水母丰度的动态模拟方法
CN112613239B (zh) * 2020-11-24 2022-05-13 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心） 一种水母灾害预警模型的构建方法
CN117113796B (zh) * 2023-10-24 2024-02-27 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)) 一种考虑自主运动的大型水母中期漂移集合预报方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881545A (zh) * 2015-05-29 2015-09-02 国家海洋局第一海洋研究所 一种水母伤人风险的估算方法
CN106472869A (zh) * 2015-08-23 2017-03-08 射阳盛海海蜇育苗有限公司 一种提高海蜇苗成活率的营养液

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO331769B1 (no) * 2010-05-18 2012-03-26 Uni I Stavanger System og fremgangsmate for styrt fôring av oppdrettsfisk
CN102860275A (zh) * 2012-10-11 2013-01-09 中国水产科学研究院黄海水产研究所 一种海蜇大规格苗种快速高效培育方法
CN103810330B (zh) * 2014-01-23 2015-03-11 深圳市城市规划设计研究院有限公司 一种规划人工水体富营养化预警分析方法
CN105912770A (zh) * 2016-04-08 2016-08-31 中山大学 水文实时预报系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881545A (zh) * 2015-05-29 2015-09-02 国家海洋局第一海洋研究所 一种水母伤人风险的估算方法
CN106472869A (zh) * 2015-08-23 2017-03-08 射阳盛海海蜇育苗有限公司 一种提高海蜇苗成活率的营养液

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"水母暴发后的消亡对海水环境的影响";曲长凤;《中国博士学位论文全文数据库 基础科学辑》;20160415(第04期);第A006-61页 *
"海蜇养殖港塭浮游生物生产力与海蜇负载力研究";张凯;《中国优秀硕士学位论文全文数据库 农业科技辑》;20120215(第02期);第D052-53页 *

Also Published As

Publication number Publication date
CN107832553A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
CN107832553B (zh) 基于海洋生态模型的水母灾害预报系统和预报方法
Winder et al. Lake warming favours small-sized planktonic diatom species
Trejo et al. Poinsettia's wild ancestor in the Mexican dry tropics: historical, genetic, and environmental evidence
CN112613239B (zh) 一种水母灾害预警模型的构建方法
CN103792918A (zh) 一种基于物联网的智能化渔业养殖系统
Wang et al. The effects of intensive aquaculture on nutrient residence time and transport in a coastal embayment
Cattle Diverting Soviet rivers: Some possible repercussions for the Arctic Ocean
CN106371316A (zh) 基于pso‑lssvm的水岛加药在线控制方法和装置
CN112801518A (zh) 一种水母灾害风险风险评估方法
CN103049659A (zh) 一种秘鲁外海茎柔鱼资源补充量预测方法及其应用方法
CN102722716A (zh) 河蟹单目标行为分析方法
Zhou et al. Potential distribution of two economic laver species-Neoporphyra haitanensis and Neopyropia yezoensis under climate change based on MaxEnt prediction and phylogeographic profiling
Scott et al. Sensitivity analysis of an ocean carbon cycle model in the North Atlantic: an investigation of parameters affecting the air-sea CO 2 flux, primary production and export of detritus
CN108960523A (zh) 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法
CN111460724B (zh) 一种计算海月水母丰度的动态模拟方法
Wang et al. Experiments in optimizing simulations of the subsurface chlorophyll maximum in the South China Sea
Savvidis et al. Downwelling events in a coastal mussel farming area, NW Thessaloniki’s gulf (NW Aegean Sea)
Xu et al. Rapid variations of phytoplankton blooms and their dynamics off the Changjiang River Estuary
AU2021101528A4 (en) Method for Constructing Spawning Ground Health Evaluation Model Based on Individual Fitness
Dalton et al. The role of palaeolimnology in implementing the Water Framework Directive in Ireland
Döös The problem of predicting global food production
Davis et al. Biological/physical modeling of upper ocean processes
CN116127830A (zh) 一种核电站致灾海生物爆发预测方法及系统
Bell Seasonal Production Dynamics of High Latitude Seaweeds in a Changing Ocean: Implications for Bottom-Up Effects on Temperate Coastal Food Webs
Wang et al. The Responses of Storm Surges to Representative Typhoons under Wave–Current Interaction in the Yangtze River Estuary

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: No.9, 13th Street, economic and Technological Development Zone, Binhai New Area, Tianjin

Patentee after: Tianjin University of Science and Technology

Address before: 300222 No. 1038 South Dagu Road, Tianjin, Hexi District

Patentee before: Tianjin University of Science and Technology

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200414

Termination date: 20201127