CN110108606B - 一种台风天气下水体泥沙浓度的预警方法及装置 - Google Patents

一种台风天气下水体泥沙浓度的预警方法及装置 Download PDF

Info

Publication number
CN110108606B
CN110108606B CN201910318284.1A CN201910318284A CN110108606B CN 110108606 B CN110108606 B CN 110108606B CN 201910318284 A CN201910318284 A CN 201910318284A CN 110108606 B CN110108606 B CN 110108606B
Authority
CN
China
Prior art keywords
water
turbidity
time sequence
wind speed
water body
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
Application number
CN201910318284.1A
Other languages
English (en)
Other versions
CN110108606A (zh
Inventor
娄厦
黄文锐
陈明
刘曙光
钟桂辉
刘宏哲
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201910318284.1A priority Critical patent/CN110108606B/zh
Publication of CN110108606A publication Critical patent/CN110108606A/zh
Application granted granted Critical
Publication of CN110108606B publication Critical patent/CN110108606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种台风天气下水体泥沙浓度的预警方法及装置，其中方法包括：步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列；步骤P2：基于风速的时间序列，获得水体浊度的时间序列；步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列；步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号。与现有技术相比，本发明采用中间变量水体浊度进行泥沙浓度的预测，并且滤去潮汐对水体浊度的影响，可以实现利用风速数据较准确地定量预测台风天气下水体中泥沙浓度的目的。

Description

一种台风天气下水体泥沙浓度的预警方法及装置
技术领域
本发明涉及物理海洋、泥沙动力学、水文学等相关领域，尤其是涉及一种台风天气下水体泥沙浓度的预警方法及装置。
背景技术
近年来，由全球气候变化引发的极端灾害天气有增无减，台风等天气发生频率逐渐增高，降雨量和洪涝灾害也更多，对环境和生态系统造成严重的破坏。台风风浪引起的水体垂向紊动使得床面的泥沙起动并悬浮，水体浊度和泥沙浓度增大，对水体物理化学性质、污染物分布、水生生物等均有一定影响。在沿海水域，泥沙等沉积物是影响水体生态系统和水质的重要因素，沉积物浓度较高时，将减少到达河床底部的光照量，抑制水下植物生长，进一步影响相关物种。此外，河床沉积物作为营养物和污染物的主要来源之一，对生态系统和水环境有着重大影响。风作为影响水体中泥沙起动和分布的重要因素，在台风天气下产生的影响更加明显。因此，研究台风天气下根据风速预测水体中泥沙浓度具有重要意义。
风对水体中泥沙浓度的影响受到潮汐、地形、水深等多方面因素的影响，为了准确拟合出风速和泥沙浓度之间的函数关系，需要综合考虑各影响参数。通过野外观测和数值模拟分析风速与泥沙浓度的关系是研究风沙影响的两种方法。由于不同水域中泥沙类型不同，直接研究风速与泥沙浓度的关系难以得到具有普适性的结论，因此引入水体浊度参数。不同特性的泥沙与水体浊度间均存在线性关系，通过该线性关系可以将风速与水体浊度间的函数关系扩展至风速与泥沙浓度间的关系。以往的研究中，对风速与泥沙浓度关系的研究局限于定性分析，由于数据缺乏、监测难度较大，两者间的定量关系研究相对较少，最终导致无法进行较为准确的预警。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种台风天气下水体泥沙浓度的预警方法及装置。
本发明的目的可以通过以下技术方案来实现：
一种台风天气下水体泥沙浓度的预警方法，包括：
步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列；
步骤P2：基于风速的时间序列，获得水体浊度的时间序列；
步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列；
步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号。
所述步骤P2中不同水深下水体浊度和风速之间的数学关系式为：
Figure BDA0002033835400000021
其中：
Figure BDA0002033835400000022
为t时刻的水深为h的水体浊度，t0为水深h对应的相位因子，
Figure BDA0002033835400000023
为t-t0时刻的风速，ah、bh、ch、dh为水深h对应的回归系数。
所述相位因子与水深成线性关系。
所述步骤P3中，泥沙浓度与水体浊度成线性关系。
一种台风天气下水体泥沙浓度的预警装置，包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：
步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列；
步骤P2：基于风速的时间序列，获得水体浊度的时间序列；
步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列；
步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号。
与现有技术相比，本发明具有以下有益效果：
1)采用中间变量水体浊度进行泥沙浓度的预测，并且滤去潮汐对水体浊度的影响，可以实现利用风速数据较准确地定量预测台风天气下水体中泥沙浓度的目的。
2)考虑了水深对泥沙起动及悬浮的影响，提高了风速与泥沙浓度间的相关性。
3)通过回归拟合方式确定定量式，可以提高预测准确率，倾向于定量预测，所得结论更具有应用价值。
附图说明
图1为本发明方法的主要步骤流程示意图；
图2(a)和图2(b)为获取数据的4个测量站点；
图3为某次台风的传播路径图；
图4为用Hanning Filter程序滤去潮汐作用之前的水体浊度Tur与风速V之间的关系图；
图5为用Hanning Filter程序滤去潮汐作用之后的Tur与V之间的关系图；
图6为引入相位因子t0后Tur与V之间的关系图；
图7为t0与水深h之间的关系图；
图8为预测模型建立过程的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种台风天气下水体泥沙浓度的预警方法，该方法通过计算机程序的形式由计算机系统实现，计算机系统包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，如图1所示，所述处理器执行所述程序时实现以下步骤：
步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列；
步骤P2：基于风速的时间序列，获得水体浊度的时间序列；
步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列，其中，泥沙浓度与水体浊度成线性关系；
步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号。
步骤P2中不同水深下水体浊度和风速之间的数学关系式为：
Figure BDA0002033835400000031
其中：
Figure BDA0002033835400000032
为t时刻的水深为h的水体浊度，t0为水深h对应的相位因子，
Figure BDA0002033835400000033
为t-t0时刻的风速，ah、bh、ch、dh为水深h对应的回归系数。其中相位因子与水深成线性关系。
步骤P4中主要有两个预警信号：(1)泥沙浓度超过上限值信号：根据实际情况的需要设定相应的泥沙浓度上限值，当步骤P3预测的泥沙浓度数据超过该值时发出本信号，且报出对应时间点；(2)程序参数需修正信号：将步骤P2预测的水体浊度数据与利用其它仪器测得的实际水体浊度数据作对比，设定一误差允许范围，当差值百分比超过该范围时，发出本信号，提醒工作人员根据实际情况对模型参数进行修正。
如图8所示，本申请中，不同水深下水体浊度和风速之间的数学关系式经过了两个阶段，首先是在MATLAB软件中采用Hanning Filter程序对原始水体浊度数据进行滤波处理，滤去潮汐对水体浊度的影响。对滤波后的水体浊度数据与风速进行回归分析可得到两者间的关系：
Figure BDA0002033835400000041
由于受到水深和地形的影响，风速与水体浊度之间存在时间差，引入相位因子，对风速与水体浊度的回归分析进行改进。
此外，在对他人文献总结及前期研究的基础上，发现最适合水体浊度和风速之间的数学关系式为三次多项式。因此，本申请中不同水深下水体浊度和风速之间的数学关系式采用三次多项式。
下面选择美国卢克里湾国家河口研究保护区(Rookery Bay National EstuarineResearch Reserve)作为研究区域。该保护区位于佛罗里达州南部的海岸，是一个较为原始的亚热带红树林河湾。在研究区域内共设置4个测量站点S1-S4，如附图2所示。在2012年8月21日-9月1日期间，某台风登陆该区域，并沿附图3所示路径传播。在该段时间内，利用相关仪器测量4个站点的近水面风速、水体浊度和水位变化。
第一阶段，Hanning Filter程序滤波。对利用仪器直接测得的原始数据进行简单回归分析，得到水体浊度Tur与风速V的关系如附图4所示。由于该研究水域存在潮汐作用，对泥沙的起动与悬浮有着较为强烈的影响，使得Tur与V的相关性较差。为了消除潮汐作用的影响，在MATLAB软件中采用Hanning Filter程序对原始的Tur数据进行滤波处理，用处理后的Tur与V进行回归分析，发现两者间的函数关系符合三次多项式，如附图5所示。对比附图4和5可见，水体浊度数据经过滤波处理后，各站点Tur与V的关系有了较为明显的改善。
第二阶段，引入相位因子t0修正水体浊度Tur与风速V之间的关系。由于各测量站点均存在一定程度的水深，风对泥沙起动及悬浮的影响需要经过由水面传递至床面的过程，表现为Tur与V的变化具有时间差。为了进一步修正Tur与V的关系，引入t0对回归分析进行改进。通过对滤波数据的时间序列分析，在保证Tur和V相关程度最优的前提下，得到各站点风速与泥沙浓度关系中的t0，然后将t0引入回归分析，拟合出4个站点的Tur-V关系，如附图6所示。对比附图5和6可见，引入t0后，各站点Tur与V的关系得到进一步改善，且附图6中4个站点的拟合优度R2均大于0.96，说明采用Hanning Filter程序滤波与相位因子相结合的增强回归分析方法，可以有效地揭示风对水体浊度的影响，估算台风作用下水体中泥沙浓度分布规律。
第三阶段，确定相位因子t0与水深h之间的关系。为了统一4个站点所得Tur-V关系公式，利用相应仪器测得4个站点在台风传播期间的平均水深h，将附图6中的t0与h进行回归分析，发现两者之间具有较好的线性关系(R2＝0.971)，如附图7所示。t0与h正相关，即水深越大，风影响泥沙起动及悬浮需要传播的路径越长，水体浊度变化滞后于风速的程度越明显。由站点S1至站点S4，附图7中h依次增大，附图4和图5中的拟合优度R2呈增大趋势，而附图6中R2呈减小趋势。说明当不考虑水深的影响时，水深越大的水域水体浊度Tur与风速V的相关性越好；当考虑到水深的影响时，水深越小的水域Tur与V的相关性越好。
第四阶段，确定泥沙浓度C与水体浊度Tur之间的关系。前三阶段已通过HanningFilter程序滤波和引入时间因子确定了Tur与风速V之间存在较好的三次项函数关系，为了进一步明确C与V之间的关系，可借助C与Tur的关系确定。通过他人研究，已知C与Tur之间存在一定的线性关系，但是针对不同水域及不同类型的泥沙，线性函数中的各项系数均不同，因此，在明确不同水域的C-V关系时，需要先确定当地的C-Tur关系。对附图2中4个站点的泥沙进行处理，得到该研究区域内的C-Tur关系如下：
C＝1.861·Tur+3.383
由该公式结合附图6中t0-h关系可确定本次台风登陆并在美国卢克里湾国家河口研究保护区移动期间，4个站点处泥沙浓度C与风速V的近似定量关系，如表1所示。
表1泥沙浓度C与风速V的近似定量关系
Figure BDA0002033835400000051
Figure BDA0002033835400000061

Claims (6)

1.一种台风天气下水体泥沙浓度的预警方法，其特征在于，包括：
步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列，
步骤P2：基于风速的时间序列，获得水体浊度的时间序列，
步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列，
步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号；
所述步骤P2中不同水深下水体浊度和风速之间的数学关系式为：
Figure FDA0002535936460000011
其中：
Figure FDA0002535936460000012
为t时刻的水深为h的水体浊度，t0为水深h对应的相位因子，
Figure FDA0002535936460000013
为t-t0时刻的风速，ah、bh、ch、dh为水深h对应的回归系数。
2.根据权利要求1所述的一种台风天气下水体泥沙浓度的预警方法，其特征在于，所述相位因子与水深成线性关系。
3.根据权利要求1所述的一种台风天气下水体泥沙浓度的预警方法，其特征在于，所述步骤P3中，泥沙浓度与水体浊度成线性关系。
4.一种台风天气下水体泥沙浓度的预警装置，其特征在于，包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：
步骤P1：载入台风监测数据，并基于台风监测数据获得风速的时间序列，
步骤P2：基于风速的时间序列，获得水体浊度的时间序列，
步骤P3：基于水体浊度的时间序列得到泥沙浓度的时间序列，
步骤P4：根据泥沙浓度的时间序列中各项的值与设定阈值的比对结果输出预警信号；
所述步骤P2中不同水深下水体浊度和风速之间的数学关系式为：
Figure FDA0002535936460000014
其中：
Figure FDA0002535936460000015
为t时刻的水深为h的水体浊度，t0为水深h对应的相位因子，
Figure FDA0002535936460000016
为t-t0时刻的风速，ah、bh、ch、dh为水深h对应的回归系数。
5.根据权利要求4所述的一种台风天气下水体泥沙浓度的预警装置，其特征在于，所述相位因子与水深成线性关系。
6.根据权利要求4所述的一种台风天气下水体泥沙浓度的预警装置，其特征在于，所述步骤P3中，泥沙浓度与水体浊度成线性关系。
CN201910318284.1A 2019-04-19 2019-04-19 一种台风天气下水体泥沙浓度的预警方法及装置 Active CN110108606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910318284.1A CN110108606B (zh) 2019-04-19 2019-04-19 一种台风天气下水体泥沙浓度的预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910318284.1A CN110108606B (zh) 2019-04-19 2019-04-19 一种台风天气下水体泥沙浓度的预警方法及装置

Publications (2)

Publication Number Publication Date
CN110108606A CN110108606A (zh) 2019-08-09
CN110108606B true CN110108606B (zh) 2020-10-02

Family

ID=67485995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910318284.1A Active CN110108606B (zh) 2019-04-19 2019-04-19 一种台风天气下水体泥沙浓度的预警方法及装置

Country Status (1)

Country Link
CN (1) CN110108606B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102109456B (zh) * 2010-11-29 2013-03-20 上海海洋大学 Landsat卫星传感器的高悬浮泥沙浓度计算方法
CN109145467B (zh) * 2018-08-28 2020-10-27 中国科学院力学研究所 一种适用于台风区域的沙波运移预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Sediment resuspension under action of wind in Taihu Lake, China;Sha-sha ZHENG 等;《International Journal of Sediment Research》;20151231;第30卷(第1期);48-62页 *

Also Published As

Publication number Publication date
CN110108606A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
Reidenbach et al. Influence of the seagrass, Zostera marina, on wave attenuation and bed shear stress within a shallow coastal bay
CN111950211B (zh) 基于海流设计流速的海床基础局部冲刷深度确定方法及系统
Lawson et al. Wind-driven sediment suspension controls light availability in a shallow coastal lagoon
Gurbisz et al. Unexpected resurgence of a large submersed plant bed in Chesapeake Bay: Analysis of time series data
Panda et al. Hydrodynamics and water quality in Chilika Lagoon-A modelling approach
Wu et al. Modeling of turbidity dynamics caused by wind-induced waves and current in the Taihu Lake
Elias et al. Hydrodynamic validation of Delft3D with field measurements at Egmond
Warner et al. Storm-driven sediment transport in Massachusetts Bay
Esteves et al. Looking for evidence of climate change impacts in the eastern Irish Sea
CN108645758B (zh) 一种底泥污染物动态释放性分析方法
Li et al. The relationship between inundation duration and Spartina alterniflora growth along the Jiangsu coast, China
Jia et al. Numerical simulation of hydrodynamic and water quality effects of shoreline changes in Bohai Bay
Hu A review of the models for Lake Taihu and their application in lake environmental management
Muhtadi et al. Hydrodynamics of tropical tidal lake waters, Lake Siombak, Medan, Indonesia
CN110108606B (zh) 一种台风天气下水体泥沙浓度的预警方法及装置
CN111597506B (zh) 近岸波浪破碎参数和波高的预测方法
Garel et al. Dynamics of fortnightly water level variations along a tide-dominated estuary with negligible river discharge
Pradhan et al. Hydrodynamic and cohesive sediment transport modeling in chilika lagoon
Wan et al. Model study on horizontal variability of nutrient N/P ratio in the Baltic Sea and its impacts on primary production, nitrogen fixation and nutrient limitation
Wright et al. Controls on Sediment Bed Erodibility in a Muddy, Partially-Mixed Tidal Estuary
CN112417705A (zh) 一种基于环境轮廓线的岛礁海域极值波浪推算方法
Ahmed et al. Eutrophication assessment of Lake Manzala, Egypt using geographical information systems (GIS) techniques
Miranda et al. Numerical modeling of intertidal mudflat profile evolution under waves and currents
Yang et al. Validation of the High-Resolution Salish Sea Tidal Hydrodynamic Model
FENSTER et al. A field test of the theoretical evolution of a mixed-energy barrier coast to a regime of accelerated sea-level rise

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