珠江口咸潮入侵预警预报模拟模型研究现状与发展趋势

李宏丽

(苏州市职业大学 计算机工程学院，江苏 苏州 215104)

影响咸潮的主要因素有天气变化及潮汐涨退，另外，全球气候变化导致海平面上升过程也促进了咸潮缓慢地增加。特别是近几年来随着珠江三角洲地区经济发展速度加快、城镇与工业供水需求不断扩大，恰又逢珠江三角洲地区持续干旱，以及一些人为的河口采砂、航道疏浚导致河道水位下降等因素影响，使得珠江三角洲咸潮入侵出现不断加强的趋势[1-2]。自1999年有关方面报道广州水源受到咸潮入侵的影响以来，近几年的冬季咸潮灾害频繁侵袭珠江三角洲的河口区域，严重威胁到区域工业和生活的用水安全构成。珠三角河网纵横交错，因此咸潮对珠三角依江傍海的城市构成整体威胁。轻者咸潮仅波及珠海、中山、东莞、广州黄埔以及澳门等沿海感潮地区的供水，重者会影响广州等珠江下游区域，给当地国民经济和人民生活带来了重大影响[3]。

珠江三角洲的供水安全问题，引起了国家领导、国家防总、水利部以及广东省委省政府高度重视，自2005年开始了珠江流域大规模、远距离、跨省区压咸补淡应急调水，此后几乎每年都要为压咸而启动全流域调水，而这种应急调水实际上对水资源的利用率很低，对不同的感潮河段的压咸效果差异也很大[4-5]。为了更加科学合理地采取应对珠三角咸潮的措施，为咸潮入侵应急预案提供决策依据，迫切需要从物理机理上摸清咸潮发生、发展的整个演变过程和各影响因素的相互关系，以及在不同发展阶段水体盐度的空间分异规律。但由于河道沿程咸潮观测资料不足，这直接导致了对咸潮的发生规律、监测模拟研究的薄弱和预测的能力低下[3-5]。

所以，在咸潮入侵过程的全周期内，对珠江口主要感潮河段进行定点水体盐度和黄色物质浓度、悬浮物浓度、风向风速和径流量等的常规取样或收集，利用先进的遥感(高光谱HICO、水色MERIS)、空间定位与数据分析等3S技术，开展河口区的黄色物质和悬浮物浓度—盐度遥感反演研究。基于盐度守恒等理论构建咸潮入侵重点河段的盐度模拟数值模型。并通过咸潮入侵过程的多源遥感数据和数值模拟模型的同化研究，掌握珠江口咸潮遥感模拟信息的时空、精度特性和尺度转化规律，从科学上弄清珠江口咸潮模拟中遥感信息与数值模拟模型的耦合机理，从而深入理解珠江口主要河段咸潮活动的规律。这一工作是咸潮模拟预测和大范围咸潮环境影响遥感监测的基础，便于人们摸清人类活动下的珠江河口的自然演变规律，以指导河口上游调水压咸、合理规划和利用珠三角区域的淡水资源。

1 国内外研究现状

1.1 数值模拟模型

目前，国际上关于咸潮的模拟研究大体可分为两大类：一类是以实验室数值模拟预报为主；另一类涉及咸潮入侵的遥感预警和模拟研究。实验室数值模拟预报研究又包括基于统计的方法和基于理论的方法。基于统计的方法研究包括刘德地等[6]采用的偏最小二乘回归方法；路剑飞等[7]采用径向基神经网络建立了珠江口磨刀门水道的盐度多步预测模型。基于统计的数值模拟研究依赖于观测资料长度和多少，不考虑咸潮的形成原因。基于理论的数值模拟方法自20世纪60年代初期提出，到目前国内外已经发展出众多的基于一定理论基础的咸潮入侵模拟模式，并在一定程度上进行了应用[8-11]。基于理论的模拟方法通常认为河口以及沿程的地形遵循一定的变化规律，河水的盐度是由潮流带来。典型的代表是以20世纪60年代初期发展起来的Ippen和Harleman模式[8]，Prandle[9]和Brockway等[10]的一维恒定模型以及咸水入侵的涨憩、落憩及潮期3个特殊时间段的Savenije平均模式[12]。

由于珠江口是一个典型淤积性河口，基于一定理论基础的模拟模型在珠江口都得到了不同程度的应用，如李素琼等[1]、周文浩[12]用Ippen和Harleman模式建立了海平面上升与珠江三角洲咸潮入侵的关系；陈水森等[5]应用Brockway模式建立了磨刀门水道咸潮入侵的一维数值模拟模型；欧素英等[13]应用Savenije模式建立了珠江口的西江三角洲咸潮入侵理论预报模型，这些研究在珠江口的咸潮模拟和应用上都取得了不错的结果。但是Ippen和Harleman模式利用线性模型模拟河道地形，将一次潮汐和径流量作为模型的驱动；Prandle和Brockway模式只能模拟潮平均状态下的咸潮入侵；Savenije模式能模拟一个潮周期内咸潮的最大影响范围和影响强度。以上几种模型都没有考虑到咸潮入侵的水平和垂直方向上的盐度变化，并且这三个理论模式都没有考虑风向和风速对于咸潮入侵的增强和减弱作用。实际上对于伶仃洋这类的陆架浅海而言，水的流向和流速主要受风的影响。风速和风向会进一步影响到珠江三角洲咸潮的入侵强度和方向[14]。另外，由于人类的活动、海平面的上升造成河口地形以及口门位置的不断变化等因素，在这些模式里面都没有反映出来，从而影响了模型的预报精度。

1.2 遥感反演模型

通过遥感手段对水体盐度进行研究的理论依据，是Jerlov等[15]建立的水体黄色物质和盐度的负相关关系。而黄色物质有明显的光学特性，使得根据水色推算盐度成为可能。Monahan等[16]通过海洋水色信息推定了盐度。Binding等[17]基于SeaWiFS影像分析了黄色物质(溶解有机质)和盐度的关系，模拟了水体中盐度的分布，通过水色遥感成功预测了水体的盐度。

在珠江河口区，目前对于卫星水色的研究已有不少，早在1996年，陈楚群等[18]就应用TM 遥感资料估算珠江口沿岸海水表层叶绿素浓度。但已有大多数研究通常基于分辨率较低的SeaWiFS图像(较低的空间分辨率使得图像很难应用到珠江口感潮河段的咸潮监测研究上)，如陈楚群等[19]利用实测的130个样本的高光谱数据和叶绿素浓度等数据，分析了模拟的SeaWiFS数据的波段组合与叶绿素浓度的经验关系，最终发现SeaWiFS的五、六波段乘积与三、四波段乘积的比值和叶绿素浓度最相关；陈晓翔等[20]针对目前SeaWiFS资料沿岸二类水域的数据失效问题，提出了解决方法。并以珠江口为例，将经改进算法处理后的SeaWiFS数据用于叶绿素信息提取，经与实测数据对比，平均误差为29.6%；杨锦坤等[21]根据2003年1月珠江口实测资料获得的相关参数，建立了适用于该海域的二类水体水色三要素优化反演模型，同步优化反演得到了SeaWiFS图像元点的水色三要素；沈春燕等[22]根据实测资料建立了反演珠江口海域叶绿素浓度的人工神经网络模型。应用该模型由SeaWiFS资料获取珠江口海域叶绿素浓度分布图；陈楚群等[23]同样利用SeaWiFS数据分析了珠江口黄色物质的模拟和反演可行性。

关于珠江口水色遥感前期研究，通常局限于伶仃洋和宽阔的外海，很少涉及珠江口感潮河段，并且也很少涉及水色参数—盐度的相关性研究。陈水森和方立刚等对于珠江口磨刀门河口的悬浮物、浊度、盐度开展过基于EO-1 ALI和Hyperion的反演研究，并且取得不错的反演精度(盐度模拟的精度高于70%，均方根误差小于0.036‰)。在磨刀门河口获得了低盐度条件下(盐度＜1.46‰)的水色和盐度卫星反演模型[24-25]和“虎门—伶仃洋”区域的较高盐度的遥感反演模型[26]。但珠江口盐度的遥感模拟也受到诸多因素的制约，例如卫星运行的周期、天气因素等。另外盐度的遥感反演模型只能模拟固定时刻的珠江口水体盐度分布，且对盐度的反演结果在河口区精度高，在远离河口的上游河段误差大，因此对于感潮河段咸潮的入侵预警意义不大。

1.3 数据同化模型

根据不同的数据同化理论基础，分为基于统计估计理论和基于最优控制理论。基于统计估计理论的同化模型侧重于先求解某个观测时刻的最优值，然后用下一时刻的观测值更新模型的预报值，从而形成下一时刻模型预报的初始值，依次按顺序向前预测。基于统计估计理论的同化模型的典型代表是最优插值法(optimal interpolation，OI)以及各种卡尔曼滤波(kalman filter，KF)方法等。基于最优控制的同化模型(也称变分法)，以最优控制理论为基础，建立分析值、观测值以及背景场之间偏差的目标函数，当三者的偏差达到最小时，获得同化模型的最优解。如三维变分(3 dimensional variation，3D-Var)、四维变分(4D-Var)等。变分法能表现复杂的非线性约束关系，非常适合用于多源遥感观测数据的同化。变分法可将物理过程融入代价函数中，还能以模式本身作为动力约束，因而变分同化结果具有物理一致性和动力协调性。

关于遥感观测数据应用于水文模型的数据同化技术方面的研究已有不少，早期常见的应用不考虑遥感数据的更新，如通过对遥感图像的分类，获得水文模型的下垫面参数(如植被与土壤类型)，并作为水文模型参数。目前水文模型数据同化研究主要根据动态更新的遥感数据获取流域状态变量(如土壤含水量、积雪量)，从而改进水文模型预报精度。例如，Ottlé等[27]将土壤含水量数据(基于NOAA-AVHRR热红外图像模拟)与水文模型进行同化，明显改进了日流量的预报精度；Pauwels等[28]结合了牛顿松弛法和统计校正法的优点，将土壤含水量数据(基于ERS 卫星微波遥感获得)与水文模型进行了数据同化，模拟结果能明显提高流量预报的精度。但遥感数据与水文模型的同化研究在国际上主要应用于降雨径流模拟与预报[27-29]，在国内侧重于地面土壤水分、积雪量估计等开展了大量工作[30]。

近几年来，在一些海湾和河口地区也开展了不少遥感数据与物理模型的同化研究，例如Gohin等[31]利用多源遥感数据和生物模型的同化研究了Biscay海湾的叶绿素和无机悬浮物浓度关系，从而模拟出浮游植物地分布；Carrie等[32]基于卫星反演的海洋表面温度、叶绿素浓度、归一化离水辐亮度和基线荧光高度图像数据，用算法模型模拟了西弗罗里达近岸水体的海洋表面分界线；Clément等[33]基于顺序同化方法在Rhone河口-Fos海湾区域开展了SeaWiFS叶绿素数据与物理—生化模型的同化研究，能够高效地预测短期内近岸水体的富营养化状况；Korres等[34]基于多变量的顺序同化方法在希腊的Pagasitikos海湾将卫星水色因子(叶绿素)同化到物理—生化模型中进行生态系统的动态模拟研究，提高了模型模拟精度。

2 珠江口咸潮入侵模拟模型的发展趋势

2.1 先进传感器的应用

中分辨率成像光谱仪(MERIS)覆盖390～1040 nm 的宽波段，主要应用于海洋和沿岸水域研究，特别是叶绿素和有机物浓度的监测；MERIS的空间分辨率260 m，地面割幅宽度为1 150 km，每3天可覆盖整个地球一次。该传感器的独特之处是能够根据地面指令在整个光谱范围内选择窄谱段的位置和宽度，总共15个可编程波段，光谱分辨率(带宽)可在1.25～30 nm之间每周改变一次，并可定位在390～1 040 nm可见光谱区的任何一处。仪器还具有指向功能，使视场沿轨迹方向移动，消除太阳反辉区的影响，并在可见光范围内可提供高信噪比的信号。

HICO(hyperspectral imager for the coastal ocean)是一种基于PHILLS的机载成像光谱仪，也是第一个为近海采样和监测专门设计的星载传感器，主要用于观测近岸区域的水体透明度、水底类型、水深和陆地植被分布等。观测海岸区域时覆盖波段范围在380～960 nm之间，光谱分辨率为5.7 nm；每帧图像能覆盖50 km×200 km的空间范围，空间分辨率达90 m，可以说是目前最高分辨率的水色传感器，并且仪器具有非常高的信号噪声比，很适合用于近岸区域的复杂水体研究，包括咸潮水体。

2.2 遥感数据与数值模型的同化研究

在珠江口地区咸潮大爆发时结合多源传感器(例如高光谱HICO和水色MERIS)在重点感潮河段(包括磨刀门、虎门等)利用改良的Savenije涨憩模式理论分析感潮河段潮水参数、风向风速、上游站点流量、口门外盐度、河道地形与河段任意位置的盐度关系机理。在珠江口磨刀门和虎门—沙湾水道两个河段进行咸潮演变全过程的盐度入侵理论模拟模型研究，加强对咸潮发生、发展的动态演变和潮位涨落、风速风向变化关系的理解。

基于伴随算法来探索咸潮入侵模拟模型的同化方法。在模型计算中引入潮水动力学、水文学、守恒理论等建立与咸潮模拟模型相对应的泛函方程，借助伴随算法建立与控制方程相对应的伴随方程。同化模型优化时，将遥感反演的河口盐度信息和数值模型模拟值之间的差异加到伴随方程上作为驱动，通过计算伴随方程得到最优控制变量，从而建立珠江口咸潮入侵数值模拟的遥感同化模型。利用先进遥感器信息为咸潮入侵数值模拟模型提供初始场、边界条件，优化模型中的参数，开展多源遥感数据与咸潮入侵数值模拟模型的同化研究，提高珠江口咸潮入侵数值模拟模型的预报精度。

3 结论

近年来，由于全球变化加速（海平面上升、干旱、经济发展等），珠江三角洲咸潮入侵出现不断加强的趋势，对珠三角城市群构成整体威胁。目前，对珠江口咸潮的模拟预警能力还比较薄弱。本研究从数值模拟模型、遥感反演模型以及同化研究方法三个方面分析现有珠江口咸潮入侵的模拟模型的成果与不足，据此提出了下一步珠江口咸潮入侵模拟模型的发展方向，应开展遥感反演信息和数值模拟模型的耦合研究，构建珠江口咸潮入侵数值模拟的遥感同化模型，以提高咸潮预警预报的精度。对促进珠江口咸潮遥感机理、数值模拟理论和数据同化方法的进一步发展提出了科学依据。

参考文献：

[1]李素琼，赦大光.海平面上升与珠江口咸潮变化[J].人民珠江，2000(6)：42-44.

[2]罗宪林，季荣耀，杨利兵.珠江三角洲咸潮灾害主因分析[J].自然灾害学报，2006，15(6)：146-148.

[3]沈萍萍.咸潮入侵预警预报模型的研究与实现[D].南京：解放军信息工程大学，2009.

[4]粤水婷.广东沿海咸潮卷土重来东江紧急调水压咸[N].南方都市报，2006-02-10(6).

[5]陈水森，方立刚.珠江口咸潮入侵分析与经验模型—以磨刀门水道为例[J].水科学进展，2007，18(5)：751-755.

[6]刘德地，陈晓宏.基于偏最小二乘回归与支持向量机耦合的咸潮预报模型[J].中山大学学报(自然科学版)，2007，46(4)：89-92.

[7]路剑飞，陈子燊.珠江口磨刀门水道盐度多步预测研究[J].水文，2010，30(5)：69-75.

[8]IPPEN A T，HARLEMAN D R F.One-dimensional analysisof salinity intrusion in estuaries[C]//Technical Bulletin Number5，Committee on Tidal Hydraulics，US： Army Corps of Engineers，1961.

[9]PRANDLE D.Salinity intrusion in estuaries[J].Journal of Physical Oceanography，1981，11(10)：1311-1324.

[10]BROCKWAY R，BOWERS D，HOGUANE A，et al.A noteon salt intrusion in funnel-shaped estuaries：application totheincomati estuary，Mozambique[J].Estuarine，Coastaland Shelf Science，2006，66(1/2)：1-5.

[11]SAVENIJE H G.Salinity and tides in alluvial estuaries[M].Boston：Elsevier，2005：1-100.

[12]周文浩.海平面上升对珠江三角洲咸潮入侵的影响[J].热带地理，1998，18(3)：266-271.

[13]欧素英，杨清书，雷亚平.咸潮入侵理论预报模式的分析及其在西江三角洲的应用[J].热带海洋学报，2010，29(1)：32-41.

[14]包芸，任杰.珠江河口西南风强迫下潮流场的数值模拟[J].海洋通报，2003，22(4)：8-14.

[15]JERLOV N G.Optical oceanography.Amsterdam：Elsevier，1968：194.KIRK J T O.Light and photosynthesis in aquatic ecosystems[M].Cambridge：Cambridge University Press，1994：509.

[16]MONAHAN E C，PYBUS M J.Colour，UV absorbance andsalinity of the surface waters of the west coast of Ireland[J].Nature，1978，274：782-784.

[17]BINDING C E，BOWERS D G.Measuring the salinity of the Clyde Sea from remotely sensed ocean colour[J].Estuarine，Coastaland Shelf Science，2003，57：605-611.

[18]陈楚群，施平，毛庆文.应用TM 数据估算沿岸海水表层叶绿素浓度模型研究[J].遥感学报，1996(3)：168-176.

[19]CHEN C，SHI P.Estimation of chlorophyll-a concentration in the Zhujiang Estuary from seaWiFS data[J].Acta Oceanologica Sinica，2002，21(1)：55-65.

[20]陈晓翔，丁晓英.利用SeaWiFS数据估算珠江口海域表层叶绿素浓度的研究[J].中山大学学报(自然科学版)，2004，43 (1)：98-101.

[21]杨锦坤，陈楚群.珠江口二类水体水色三要素的优化反演[J].热带海洋学报，2007，26(5)：15-20.

[22]沈春燕，陈楚群，詹海刚.人工神经网络反演珠江口海域叶绿素浓度[J].热带海洋学报，2005，24(6)：38-43.

[23]CHEN C，PAN Z，SHI P.Simulation of sea water reflectance and its rpplication in retrieval of yellow substance by remote sensing data[J].Journal of Tropical Oceanography，2003，22(5)：33-39.

[24]CHEN S S，FANG L G，ZHANG L X，et al.Remote sensing ofturbidityin seawater intrusion reaches of Pearl River estuary-A case study in Modaomen waterway of Pearl River Estuary，China[J].Estuarine，Coastal and Shelf Science，2009，82(1)：119-127.

[25]FANG L G，CHEN S S，WANG H Q，et al.Detecting marine intrusion into rivers using EO-1 ALI satellite imagery：a case study in Modaomen waterway，Pearl River Estuary，China[J].International Journal of Remote Sensing，2010，31(15)：4125-4146.

[26]FANG L G，CHEN S S，LI D，et al.Use of reflectance ratios as a proxy for coastal water constituent monitoring in the Pearl River Estuary[J].Sensors，2009，9(1)：656-673.

[27]OTTLÉC，VIDAL-MADJAR D.Assimilation of soil moisture inferred from infrared remote sensing in a hydrological model over the HAPEX-MOBILHY Region[J].Journal of Hydrology，1994，158：241-264.

[28]PAUWELS V R N，HOEBEN R，VERHOEST N，et al.The importance of the spatial patterns of remotely sensed soil moisture in the improvement of discharge predictions for small scale basins through data assimilation[J].Journal of Hydrology，2001，251(1/2)：88-102.

[29]FRANCOIS C，QUESNEY A，OTTLE C.Sequential assimilation of ERS-1 SAR data into a coupled land surface-hydrological model usingan extended Kalman filter[J].Journal of Hydrometeorology，2003，4 (2)：473-487.

[30]李新，黄春林，车涛，等.中国陆面数据同化系统研究的进展与前瞻[J].自然科学进展，2007，17 (2)：163-173.

[31]GOHIN F，LOYER S，LUNVEN M，et al.Satellite-derived parameters for biological modeling in coastal waters：Illustration over the eastern continental shelf of the Bay of Biscay[J].Remote Sensing of Environment，2005，95(1)：29-46.

[32]CARRIE C W，MULLER-KARGER F E，ROFFER M A，et al.Satellite remote sensing of surface oceanic fronts in coastal waters offwest-central florida[J].Remote Sensing of Environment，2008，112：2963-2976.

[33]ClÉMENT F，CHRISTIAN G，CHRISTEL P，et al.Assimilation of SeaWiFS chlorophyll data into a 3D-coupled physicalbiogeochemical model applied to a freshwater-influenced coastal zone[J].Continental Shelf Research，2009，29：1397-1409.

[34]KORRES G，TRIANTAFYLLOU G，PETIHAKIS G，et al.A data assimilation tool for the Pagasitikos Gulf ecosystem dynamics：methods and benefits[J].Journal of Marine Systems，2012，94：S102-S117.