EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 9: 1811 - 1825

DOI: https://doi.org/10.18306/dlkxjz.2024.09.010

研究论文

基于SWAN模型的西沙群岛永乐环礁波浪数值模拟与时空分析

  • 邱妮珊 , 1, 2, 3 ,
  • 姚作芳 1, 2 ,
  • 左秀玲 , 2, 3, * ,
  • 罗盛 2, 3
展开
  • 1.广西大学资源与环境学院，南宁 530004
  • 2.广西大学海洋学院，南宁 530004
  • 3.广西大学广西南海珊瑚礁研究重点实验室，南宁 530004
*左秀玲(1986— )，女，山东济南人，博士，副教授，从事海洋海岸带资源环境遥感与GIS研究。E-mail:

邱妮珊(1998— )，女，河南信阳人，硕士生，从事物理海洋与GIS研究。E-mail:

收稿日期: 2023-12-29

  修回日期: 2024-04-16

  网络出版日期: 2024-09-25

基金资助

国家自然科学基金项目(42276182)

广西自然科学基金项目(2022GXNSFAA035548)

广西大学自然科学与技术创新发展倍增计划项目(2023BZRC019)

收起

Numerical simulation and spatiotemporal analysis of waves at Yongle Atoll, Xisha Islands based on SWAN modeling

  • QIU Nishan , 1, 2, 3 ,
  • YAO Zuofang 1, 2 ,
  • ZUO Xiuling , 2, 3, * ,
  • LUO Sheng 2, 3
Expand
  • 1. College of Resources and Environment, Guangxi University, Nanning 530004, China
  • 2. School of Marine Sciences, Guangxi University, Nanning 530004, China
  • 3. Guangxi Laboratory on the Study of Coral Reefs in the South China Sea, Guangxi University, Nanning 530004, China

Received date: 2023-12-29

  Revised date: 2024-04-16

  Online published: 2024-09-25

Supported by

National Natural Science Foundation of China(42276182)

Guangxi Natural Science Foundation of China(2022GXNSFAA035548)

Natural Science and Technology Innovation Development Doubling Program of Guangxi University(2023BZRC019)

Fold

摘要

精细波浪数据是研究岛礁珊瑚分布和地形地貌结构的基础。目前，珊瑚礁体内部及更小尺度上开展的长时间序列精细化波浪模拟研究还很缺乏，不足以获取岛礁区域精细化的波浪特征。论文以中国南海西沙群岛的永乐环礁为研究区，基于SWAN模型自嵌套波浪模拟和16 m分辨率地形数据，开展2017—2021年永乐环礁高分辨率精细化岛礁波浪模拟，并基于地貌、方位和岛礁分析了研究区有效波高、浪向、波浪能流密度等的精细空间分布特征。研究结果表明：模型模拟波浪与实测波浪Pearson相关系数为0.95，显著性水平P<0.01；永乐环礁5年平均有效波高和能流密度随月份呈现“U”型变化趋势，NE向的平均浪向频率为20%；深潟湖和礁坡的5年平均以及最大有效波高和能流密度最高；平均能流密度呈现南部暗礁最高、西南部次之、北部和西部最低的规律；自外海传播进潟湖的波浪，各方位上礁坡到礁坪的能流密度衰减高于30%，岛礁南部衰减最多达72.7%。研究可为珊瑚分布规律探讨、珊瑚礁保护与恢复和海岸工程建设等提供方法和理论支撑。

关键词： 南海; SWAN模型; 波浪特征; 珊瑚礁; 地貌

本文引用格式

邱妮珊 , 姚作芳 , 左秀玲 , 罗盛 . 基于SWAN模型的西沙群岛永乐环礁波浪数值模拟与时空分析[J]. 地理科学进展, 2024 , 43(9) : 1811 -1825 . DOI: 10.18306/dlkxjz.2024.09.010

Abstract

Fine-grained wave data are the basis for studying the coral distribution and topography of islands and reefs. Currently, there is a lack of long time series fine wave simulations carried out in the interior of coral reefs and on smaller scales, which is insufficient to obtain the fine wave characteristics of the island and reef areas. This research took Yongle Atoll of Xisha Islands in the South China Sea as the study area, and carried out a high-resolution refined island wave simulation of Yongle Atoll from 2017 to 2021 based on the self-nested wave simulation of the SWAN model and resolution-16 m topographic data. The study analyzed the fine spatial distribution characteristics of the effective wave heights, wave directions, and the average wave energy in the study area based on geomorphic units orientations and islands and reefs. The results show that the correlation coefficient between modeled and measured wave data was 0.94, and P < 0.05. The five-year average significant wave heights and energy of Yongle Atoll showed a "U"-shape through the months, and the average wave frequency in the NE direction was 20%. There were spatial differences in the wave characteristics of different geomorphic unites, and the maximum wave height and maximum energy were the highest in deep lagoons and at reef slopes. The average wave heights and energy of the deep lagoon, point reef, and the reef slope were higher than those of the shallow lagoon and the reef flat. Among the eight directions, average energy was the highest in the south, followed by the southwest. Among the different islands and reefs, the southern reef had the highest average energy. The attenuation of energy from the reef slope to the reef flat was higher than 30% in all directions, and the attenuation in the southern part of the reef was up to 72.7%. This study provides methods and a theoretical support for the exploration of coral distribution patterns, coral reef protection and restoration, and coastal engineering construction.

Key words： South China Sea; SWAN; wave characteristics; coral reef; geomorphology

珊瑚礁生态系统是一种重要的海洋生态资源，对于调节和优化热带海洋环境、提高海洋生产力具有极其重要的作用。同时，珊瑚礁生态系统也非常脆弱，极易受到破坏。波浪是海洋中的一种重要水动力现象，当其自深海传播至岛礁中心，会发生一系列复杂的波浪强度变化，进而影响岛礁地形地貌[1⇓-3]、珊瑚分布[4-5]以及岛礁工程建设[6-7]。因此，获取精细的波浪数据并分析波浪在珊瑚礁区的演变规律，可为珊瑚礁保护、海洋工程建设等提供理论依据。
珊瑚礁区波浪特征研究方法包括实地调查法、遥感影像分析法和数值模拟法三种。实地调查法主要是通过在珊瑚礁区布设传感器，通过获取的实地数据分析布设点位置的精细波浪特征，但要获得整个珊瑚礁和多个珊瑚礁的精细波浪特征需要大量的人力、物力和财力[8⇓-10]。遥感影像分析法是基于遥感获取的多景遥感影像获取珊瑚礁区的地貌变化，进而分析水动力特征，以定性分析为主[11⇓-13]，如南沙群岛的安达礁、琼台礁和南薰礁水动力作用对沙洲的影响。
相比实地调查法，数值模拟法可以获取大范围、长时间序列的波浪实测资料，在波浪模拟中已广泛应用。目前，数值模拟法多用于大范围海区的波浪模拟，如在全球各海区，包括中国南海、渤海、黄海等区域均有应用[14⇓-16]，常使用的预报精确、稳定性高的海浪模式有SWAN(simulating waves nearshore)、WAVEWATCH-III (WW3)、WAM(wave action model)等[17⇓-19]。其中，SWAN模型能够对复杂浅水地形的风浪、涌浪及混合浪进行模拟，模式中有三相波相互作用，可以较为准确地预报浅水波浪特征[20⇓-22]。珊瑚礁等小区域的波浪模拟，常使用嵌套的数值模拟方法，即大范围海区采用约0.01°~0.5°低分辨率的计算网格模拟波浪数据，该数据作为小区域波浪模拟的边界条件，进而在珊瑚礁区采用约0.0009°~0.01°高分辨率的计算网格，以省时、高效率、高精度地模拟研究区精细的波浪数据[23⇓-25]。近年，全球海浪数值模拟的空间分辨率从约20 km提高到约1 km，在特定的海域空间分辨率提高到100~200 m；嵌套模拟研究可以使海浪数值模拟的精细空间分辨率提高到近10 m内(使用非结构化、结构化以及曲线网格)[26-27]。嵌套数值模拟方法模拟的波浪数据与实测波浪数据相关系数可达0.87~0.97[6-7,28]，平均绝对误差(MAE)能减小至0.2 m以内[29⇓⇓-32]。
目前，珊瑚礁区的波浪特征研究主要集中在探究珊瑚礁周边海域的波浪空间分布变化及分析岛礁波能与珊瑚分布的关系。例如：Stopa等[32]基于WW3嵌套SWAN海浪模式，定量分析了Hawaii群岛中主要岛屿附近整个海域风浪特征及波浪能分布；Sun等[33]使用WW3海浪模式模拟并分析西沙群岛所在的整个海域的区域风浪，选择典型岛礁周围的测点，调查风速、有效波高的频率和分布情况；Storlazzi等[34]在夏威夷Molokai岛通过WAM模型嵌套模拟波浪，定量分析了波浪与珊瑚岛礁的宽度、面积等形态变化以及珊瑚种属分布之间的关系，陈依妮等[35]在南海的永乐环礁岛礁区域开展台风浪数值模拟，定量分析一次台风过境期间永乐环礁整个区域有义波高的分布规律。然而，珊瑚礁体内部及更小尺度上开展的长时间序列精细化波浪模拟的研究很少。
研究表明，随着波浪由外海至岛礁中心逐渐减弱，珊瑚礁体内部发育了与之适应的地貌单元，各地貌单元之间的波浪特征存在明显差异[1,36]。同时，在风、波浪、潮流等因素进一步作用下，岛礁地貌单元不同方位受到的水动力作用也存在差异性[37-38]，如南沙群岛的珊瑚礁砾洲的地貌发育受到季风浪作用，冬季西南方位的礁坪受到高能波浪作用，夏季高能波浪则倾向于影响东北方位的礁坪[39]。因此，在探究珊瑚礁体内部及更小尺度上的波浪特征时，需要在珊瑚礁区域开展定量的精细化波浪模拟与分析。
本文以中国南海西沙群岛永乐环礁为研究区，基于16 m分辨率的精细水深数据，通过嵌套的SWAN波浪数值模拟模型，开展永乐环礁精细波浪模拟，获取永乐环礁有效波高、浪向、平均波周期和平均能流密度等波浪参数。本文的研究目的，一是定量探究地貌单元内部、地貌单元之间的精细波浪变化特征；二是进一步充分挖掘不同方位的岛礁和地貌单元之间的精细波浪特征格局，为珊瑚分布规律探讨、珊瑚礁保护与恢复和海岸工程建设等提供方法和理论支撑。

1 数据与方法

1.1 研究区域

中国南海(3°~21°N、99°~121°E)分布有200多个珊瑚礁。10月至次年3月，南海盛行东北季风，主要为偏北浪，平均有效波高在3.0 m以上；5—9月，南海盛行西南季风，主要为偏南浪，平均有效波高为2.1 m[40⇓-42]。西沙群岛位于南海的西北部，由西部的永乐群岛和东部的宣德群岛组成，发育有30多个环礁、台礁以及岛屿[43]。该区域每年发生约6~7次台风，全年平均有效波高1~2 m[40]。本文研究区为西沙群岛西部的永乐环礁(图1)，包括羚羊礁、甘泉岛、珊瑚岛、全富岛、银屿、石屿、晋卿岛、广金岛和琛航岛以及中央大潟湖。该环礁为开放环礁，有8个口门与外海相通[44]。此外，永乐环礁南部发育一暗礁，长期位于水下[45]。
图1 研究区位置与波浪模拟嵌套区域示意图

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1823号的标准地图制作绘制，底图无修改。点P1、P2分别为永乐环礁潟湖内、外分布的测浪浮标；黑色测点为均匀布设在永乐环礁内的268个模拟浪向提取测点。

Fig.1 The study area and nested computational domains

1.2 数据来源与处理

获取南海2014年以及2017—2021年的相关数据，主要包括ERA5再分析风场数据、ETOPO1水深数据、2014年9月永乐环礁实测波浪数据以及西沙岛礁高分辨率水深数据。

1.2.1 ERA风场数据

本文使用ERA5再分析风场数据作为波浪模拟的风场输入数据。ERA5是欧洲天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)在1940—2024年对全球气候再分析得到的第5代气象预报产品(https://www.ecmwf.int/)，广泛应用于波浪数值模拟。经实测浮标数据验证，ERA风场在中国近海与实测浮标风速的相关系数为0.85~0.9[46⇓-48]。本文下载2014年以及2017—2021年ERA5海平面10 m处每小时的u、v分量风数据，时间分辨率为1 h，空间分辨率为0.25°×0.25°。

1.2.2 ETOPO水深数据

ETOPO是由美国地球物理中心(National Geophysical Data Center，NGDC)发布(https://rda.ucar.edu/)，提供了多种不同分辨率的数据集，其中ETOPO1数据精度最高，其空间分辨率为1′×1′，精度约为2.2 km，包含了大陆的地势起伏和海洋中的水深数据[32,49]。本文下载了ETOPO1的全球水深数据，范围约为12°~22°N、105°~120°E，作为波浪模拟的水深输入数据。

1.2.3 实测波浪数据

本文基于永乐环礁晋卿岛附近的潟湖内、外布设的P1和P2两个MKIII型测波浮标(图1b)获取的实测波高数据，开展永乐环礁小区域波浪模拟精度验证，数据来源于陈依妮等[35]、王轶赓[50]的研究，时间范围为2014年9月1—29日(9月13—15日之间有缺失)。其中，P1点位共提取67组验证数据，P2点位共提取62组验证数据。

1.2.4 高分辨率水深数据

本文珊瑚礁区域的精细波浪模拟使用段正贤等[45]基于ICESat-2数据和Gaofen-1影像反演得到的西沙群岛水深数据，空间分辨率为16 m，该数据能够反映精细的西沙群岛珊瑚礁水深与地形特征。

1.3 SWAN模型波浪模拟

1.3.1 SWAN波浪模型

本文使用SWAN 41.31版本开展波浪模拟研究，SWAN海浪模式的动谱平衡方程表示为：
∂ ∂ t N + ∂ ∂ x C x N + ∂ ∂ y C y N + ∂ ∂ σ C σ N + ∂ ∂ θ C θ N = S σ
式中：N为作用量密度，是波浪能流密度E与相对频率σ之比；左边第1项表示N随时间的变化率，第2项和第3项分别表示N在几何空间x、y方向上的传播(Cx、Cy)，第4项为由流场和水深引起的折射和变浅(Cσ)，第5项表示流和水深变浅引起的频移(Cθ)；S表示能量源汇项，包括风能输入、波—波之间非线性相互作用以及由于底摩擦、白浪、破碎等引起的能量损耗[51]。

1.3.2 SWAN模型自嵌套波浪模拟与参数设置

首先，在南海北部大区域(图1a)构建低分辨率(约0.01°~0.2°)非结构化网格，共20546个网格；通过SWAN模型模拟输出波浪参数，包括有效波高、浪向、平均波周期等，时间分辨率为1 h；把计算得到的南海北部波浪信息，作为永乐环礁小区域的边界波浪条件。然后，在永乐环礁小区域(图1b)，基于16 m分辨率的精细水深数据，构建高分辨率(约0.0009°~0.01°)非结构化网格，共23414个网格。最后，通过SWAN模型自嵌套模拟输出2017—2021年永乐环礁精细波浪数据，包括有效波高、浪向、平均波周期等波浪参数，数据时间分辨率为1 h。

1.4 精度验证

将P1和P2两个浮标获取的实测波高数据与SWAN模型输出的逐小时有效波高数据进行对比，计算平均绝对误差(MAE)、均方根误差(RMSE)、偏差(BIAS)并进行Pearson相关性分析，计算相关系数r与显著性水平P[51-52]，验证永乐环礁小区域数值模拟的准确性。
实测与模拟数据的精度验证结果如表1、图2所示，综合两组实测数据的验证结果，本文波浪模拟数据与实测数据的Pearson相关系数r=0.95，显著性水平P<0.01，平均绝对误差MAE=0.15 m，均方根误差RMSE=0.20 m，偏差BIAS=-0.02 m。因此，SWAN模型模拟数据与实测数据总体一致性显著，模拟结果准确性高。图2中，9月16—18日、20—23日模拟结果与实测结果偏差略大，主要受台风“海鸥”和“凤凰”影响。P1点位于潟湖内，受台风影响较小；P2点位于岛礁外，受台风影响显著，台风期间波高变化大。本文中SWAN模型模拟波高与实测波高出现误差较大的时段为台风影响时期，表明SWAN模型对台风浪的模拟精度略低。由于本文主要关注5年长时间序列的岛礁区平均波浪特征，因此台风时段对本文分析结果精度的影响较小。
表1 P1、P2点实测与模拟数据的精度验证结果

Tab.1 Accuracy verification results of measured and simulated data at points P1 and P2

点位 Pearson
相关系数r		 显著性
水平P		 MAE/m RMSE/m BIAS/m
P1 0.96 0.001 0.11 0.15 -0.09
P2 0.95 0.001 0.19 0.24 0.05
图2 P1点、P2点实测波高与模拟波高对比

Fig.2 Comparison of measured wave heights and simulated wave heights at points P1 and P2

1.5 波浪特征分析

本文基于2017—2021年有效波高、浪向频率、波浪能流密度3个表征波浪特征的指标，探究研究区以及地貌单元、方位和岛礁之间的波浪时空分布特征。

1.5.1 波浪特征参数获取与计算

本文基于SWAN模型，模拟输出永乐环礁区域5年逐小时有效波高、浪向、平均波周期。基于每月逐小时的数据得到逐年各月的平均有效波高、浪向、平均波周期数据，并进一步通过ArcGIS 10.7软件求得5年月平均有效波高、浪向、平均波周期数据。
波浪能流密度(简称能流密度)能够评估波浪能的富集程度，可以用来分析研究区波浪的时空分布规律[53]。使用ArcGIS 10.7栅格计算器，由研究区逐年的月平均以及5年月平均有效波高、平均波周期数据，经式(2)计算得到2017—2021年间逐年月平均以及5年月平均能流密度数据。最大有效波高、最大能流密度通过1—12月的5年月平均有效波高、平均能流密度的栅格数据求最大值得到。
E w ≈ 0.5 × H s 2 × T -
式中：Ew为平均波浪能流密度(kW/m)；Hs为平均有效波高(m)；T为平均波周期(s)。
其次，在研究区均匀布设268个点位(图1b)，计算268个测点的平均浪向频率作为研究区的总体平均浪向频率。具体计算方法为，通过SWAN模型输出的5年内逐小时浪向数据，分别统计2017—2021年间268个点位在16方位上逐年每月份的平均浪向频率，通过平均求得研究区1—12月的5年月平均浪向频率。

1.5.2 基于地貌单元、方位和岛礁的波浪时空分布特征分析

为获取地貌单元和方位之间的波浪特征参数，使用段正贤[54]和左秀玲等[3]在西沙群岛绘制的珊瑚礁地貌图(图3)，包括礁坡、礁坪、浅潟湖、深潟湖和点礁5个地貌单元。进一步获取西沙群岛8个岛礁不同岛礁和方位的波浪特征，包括南部暗礁、羚羊礁、甘泉岛、珊瑚岛、全富岛、银屿、石屿—晋卿岛和琛航岛，其中，广金岛与琛航岛位于同一礁盘(图3)。
图3 永乐环礁地貌分类图以及方位、岛礁分区示意图

Fig.3 Classification of the geomorphic zones of Yongle Atoll and reefs at the eight directions

首先，基于图3地貌图，提取各个地貌单元的逐年每月以及5年月平均有效波高、能流密度数据，进一步通过5年月平均数据提取最大值，得到各地貌单元的最大有效波高、最大能流密度。然后，按16个方位以及8个岛礁(图3)，分别提取各地貌单元在各方位与岛礁的平均有效波高、平均能流密度。最后，计算外海—礁坡、礁坡—礁坪、礁坪—浅潟湖三组地貌间的能流密度的变化，具体计算方法如下：
R = 1 - E w ( 外 ) E w ( 内 ) × 100 %
式中：R为能流密度的变化率；在波浪从外海流向岛礁的过程中，Ew(外)表示相对邻近外海的地貌区域的能流密度，Ew(内)表示相对远离外海的地貌区域的能流密度(kW/m)，如外海—礁坡的能流密度变化，表示为 R = 1 - E w ( 外 海 ) E w ( 礁 坡 ) × 100 %。

2 结果与分析

2.1 永乐环礁5年平均波浪特征

图4表明，永乐环礁5年月平均和最大有效波高、能流密度全年呈现“U”型变化趋势，具体表现为1—5月下降，6—8月先小幅上升后平稳，9月下降，10—12月上升。12月的有效波高、能流密度达到全年最高，平均有效波高和能流密度分别为1.2 m、3.4 kW/m，最大有效波高和能流密度分别为1.8 m、7.9 kW/m。最大和平均有效波高、最大和平均能流密度的最低值在5月，分别为0.5 m、0.3 kW/m左右。永乐环礁的平均有效波高，在3—5月约为0.5 m，6—8月为0.6 m，9—11月为0.8 m，12月至次年2月为1.0 m(图4a)。
图4 永乐环礁1—12月有效波高、能流密度

注：平均有效波高和能流密度均为5年月平均结果，最大有效波高和能流密度均为5年月平均最大结果。

Fig.4 Significant wave heights and energy at Yongle Atoll, January to December

图5结果表明，研究区波浪全年在NE向的平均浪向频率为20%。5—6月常浪向为偏E向，频率在16%左右；7—8月常浪向、次常浪向均偏W向，频率在15%左右；9月至次年4月的常浪向为NE向，9—11月和12月至次年2月的频率分别在22%、25%左右，其中9月频率最低为17.9%，2月频率最高为27.0%。
图5 永乐环礁1—12月的5年月平均浪向频率

Fig.5 Five-year average monthly wave direction frequency of Yongle Atoll, January to December

2.2 不同地貌的波浪特征

图6中，各地貌的有效波高、能流密度随月份呈现“U”型。深潟湖和礁坡的5年平均最大有效波高和能流密度在各地貌单元最高，分别为1.8 m、7.8 kW/m(图6a、6c)。深潟湖、点礁和礁坡的平均有效波高约0.8 m，高于浅潟湖和礁坪的0.6 m(图6b)。深潟湖平均能流密度约1.3 kW/m，点礁和礁坡约1.1 kW/m，浅潟湖和礁坪约0.7 kW/m(图6d)。
图6 永乐环礁不同地貌的5年平均和最大有效波高、能流密度

Fig.6 Five-year average and maximum significant wave height and energy for different landforms of Yongle Atoll

2.3 不同方位与地貌的平均能流密度

永乐环礁不同方位的平均能流密度呈现南部暗礁最高(1.5 kW/m)、西南部次之(1.0 kW/m)、北部和西部最低(0.7 kW/m)、其他方位能流密度差异较小的规律性(图7)。由图8可知，永乐环礁南部的深潟湖和礁坡的平均能流密度最高，约1.9 kW/m；西南部深潟湖和礁坡的平均能流密度约1.5 kW/m；永乐环礁南部礁坪平均能流密度最小，约0.4 kW/m。此外，不同方位的礁坪和浅潟湖地貌平均能流密度相差不大。东北部、东部的点礁平均能流密度(1.2 kW/m)高于西南部、西部的点礁(0.7 kW/m)。
图7 2017—2021年永乐环礁平均能流密度

Fig.7 Average wave energy of Yongle Atoll during 2017-2021

图8 永乐环礁不同方位与地貌的平均能流密度

Fig.8 Average wave energy for different geomorphic zones in different orientations of Yongle Atoll

2.4 不同岛礁与地貌的平均能流密度

由图9可知，永乐环礁南部暗礁区平均能流密度最大(1.5 kW/m)，其他岛礁平均能流密度差距极小(约0.7 kW/m)。各地貌中，除去南部暗礁外，石屿—晋卿岛点礁平均能流密度最大(0.9 kW/m)，银屿礁坡平均能流密度次之(0.8 kW/m)。甘泉岛、琛航岛礁坪平均能流密度最小，约0.4 kW/m。此外，不同岛礁的潟湖地貌平均能流密度均在0.6 kW/m左右。东北部和东部的银屿、石屿—晋卿岛附近的点礁平均能流密度(0.8 kW/m)高于西南部的羚羊礁内的点礁(0.6 kW/m)。
图9 5年永乐环礁不同岛礁不同地貌平均能流密度

Fig.9 Five-year average wave energy for different geomorphic zones of islands and reefs in different orientations of Yongle Atoll

2.5 不同地貌间的平均能流密度变化

表2、表3中，相同方位上，外海的波能在传递到礁坡时，各方位的能流密度均衰减。礁坡的波能传递到礁坪时，能流密度衰减均高于30%，南部衰减最高达到72.7%(表2)。其中，在琛航岛衰减最高达到59.5%，羚羊礁衰减最低为16.3%(表3)。然而，礁坪的波能传递到浅潟湖时，能流密度在除西南方位以及除羚羊礁外的岛礁上均增大约9.5%~35.7%。其中，东北方位礁坪—潟湖的能流密度最大增幅为35.7%；整个羚羊礁礁坪—浅潟湖的能流密度衰减约9.4%(表3)，其中该礁的西南方位能流密度减小了19.2%(表2)。

3 讨论

南海西沙海域盛行季风，全年海表风速呈现“W”型分布，5月、9月为季风转换期，季风风速整体呈现1—2月下降，6—8月上升，9—10月下降，后11—12月风速增大到最大值的趋势[55⇓-57]。本文永乐环礁有效波高、能流密度全年呈现“U”型变化趋势，呈现1—5月下降，6—8月小幅上升后平稳，9月下降，10—12月上升到最大值的特点(图4)，与西沙海域全年季风风速的变化趋势相近，表明永乐环礁区域的波浪特征受季风影响。
据孙泽等[58]和丁千龙等[59]的波浪模拟研究，西沙群岛海域的有效波高3—5月为1.0~1.3 m，6—8月为1.2~1.5 m，9—11月为1.5~2.2 m，12月至次年2月为2.2~3 m。付玉成[60]在永乐环礁周边海域的波浪模拟得到邻近环礁的外海波高在3—5月和6—8月约0.8 m，9—11月约1.1 m，12月至次年2月约1.3 m。本文模拟得到的西沙岛礁区平均有效波高3—5月约0.5 m，6—8月约0.6 m，9—11月约0.8 m，12月至次年2月约1.0 m(图4a)。由于岛礁对外海波浪有衰减作用[2,61-62]，本文岛礁区有效波高季节性变化趋势与前人研究一致但数值偏小。
永乐环礁全年在NE向的平均浪向频率为20%；7—8月常浪向、次常浪向均偏W向；9月至次年4月的常浪向是NE向，平均频率22%~25%(图5)。据前人研究，南海北部的全年常浪向基本为NE向，频率在20%~50%之间，夏季(6—8月)季风风向为SW向，冬季(12至次年2月)季风风向为NE向[63-64]。本文的全年常浪向与前人研究一致，并进一步表明研究区波浪场受到季风影响，但在岛礁区波浪作用衰减。
永乐环礁的有效波高、能流密度特征存在空间分布差异。平均能流密度呈现南部暗礁区最高(1.5 kW/m)、西南部次之(1.0 kW/m)、北部和西部最低(0.7 kW/m)的特点(图7)。这与前人永乐环礁海域的平均能流密度分布一致，呈现南高北低的分布趋势[58,60]。同时，各地貌单元的波浪特征存在差异，最大波高和能流密度出现在深潟湖和礁坡(图8、图9)。波浪自外海传播进岛礁中心，依次经过礁坡、礁坪、浅潟湖以及深潟湖地貌，由于水深变浅、海底摩擦等因素，整个过程中发生大幅波能衰减，造成岛礁内不同地貌单元中波浪特征发生相应变化[2,61,65-66]。除深潟湖外，本文得到的永乐环礁内各地貌波浪特征与该现象基本一致。深潟湖地貌的平均及最大波高、能流密度和礁坡接近(图6)，主要影响因素为永乐环礁大潟湖口门。永乐环礁有8个口门，南部有大型口门(直径约为10 km)，口门能够沟通环礁内潟湖水体与外海水体，水动力作用强[1,44]，因此，口门中汇入的外海波浪对永乐环礁大潟湖影响大，使得深潟湖地貌的波高、能流密度更大，接近直接相邻外海的礁坡。
在能流密度变化上，岛礁礁坡的波能传递到礁坪时，能流密度衰减均高于30%，南部衰减最高达到72.7%(表2)。其中，在琛航岛衰减最高达到59.5%，仅羚羊礁衰减最低，为16.3%(表3)。孙宗勋等[1]和姚宇等[2,61]发现，波浪自外海传播进岛礁中心的过程中，在礁凸起处由于波浪破碎，波能耗散能够达到70%~90%，大部分波能耗散在礁凸起和礁坪上，使得潟湖内的波能最小。因此，永乐环礁的礁坡到礁坪上能流密度衰减最多，符合波浪耗散规律。而礁坪的波能传递到浅潟湖时，能流密度在除西南方位的7个方位和羚羊礁外的7个岛礁上均增大约9.5%~35.7%(表2、表3)。此外，点礁部分也存在同样的现象，东北部、东部银屿、石屿—晋卿岛附近的点礁的平均能流密度(0.8 kW/m)高于西南部、西部羚羊礁的点礁(0.6 kW/m)(图9)。通过分析永乐环礁的浅潟湖、点礁空间分布(图3)，发现分布在环礁北部、东北部的浅潟湖及点礁地貌，由于大潟湖和东北部口门的波浪共同影响下，使得其地貌的能流密度偏大。羚羊礁礁坪—浅潟湖的能流密度衰减约9.4%，其中该岛礁西南方位上减小了19.2%(表2、表3)，主要原因为羚羊礁为封闭环礁，呈现典型环礁的耗散规律，潟湖内波高、能流密度衰减至最小。总体上，永乐环礁地貌、方位和岛礁之间的波浪特征存在明显的时空分布差异，除受到南海季风影响外，其他主要驱动因素为环礁口门分布、岛礁对波浪的衰减与耗散等。
表2 各组地貌间平均能流密度变化

Tab.2 Changes in wave energy between groups of landforms (%)

地貌组 南 西南 西 西北 北 东北 东 东南
外海—礁坡 10.2 21.5 10.2 17.1 23.1 10.2 24.9 36.5
礁坡—礁坪 72.7 32.7 21.2 42.6 36.4 49.5 28.0 45.2
礁坪—浅潟湖 — 19.2 -9.5 -17.6 -16.3 -35.7 -20.6 -26.9
表3 各组岛礁地貌平均能流密度变化

Tab.3 Changes in wave energy between groups of landforms within islands and reefs (%)

地貌组 南部暗礁 羚羊礁 甘泉岛 珊瑚岛 全富岛 银屿 石屿—晋卿岛 琛航岛
外海—礁坡 2.3 13.6 8.1 9.3 7.9 7.5 14.8 18.9
礁坡—礁坪 — 16.3 37.3 41.0 33.2 44.9 35.7 59.5
礁坪—浅潟湖 — 9.4 — -17.0 -17.6 -21.5 -24.0 —
波能对珊瑚礁生态系统的物种分布格局有重要的影响，不同波能的地貌分布有不同种类的珊瑚。例如，波能强的礁坡区多分布抗浪性强的块状珊瑚，而分枝状、叶片状珊瑚则在波能小的区域中占据优势[1,4]。目前，全球珊瑚礁生态系统正面临着40%~50%的严重退化[67]，基于本文对岛礁区域精细波浪特征分布探究，可以根据有效波高、波能等的分布规律，在各地貌单元中采用适宜波浪强度的珊瑚类型，开展珊瑚礁的修复工作，以保护珊瑚礁生态系统[68]。此外，本文可为岛礁区渔船避风港选择、护岸防波堤建设等提供参考[2,61]。例如，波高影响渔船锚泊安全性，1 m有效波高即可保障60马力(约44.13 kW)以上渔船的安全，但是小型渔船则需根据实际情况相应提升标准[69]。根据区域内波浪差异选择合适的护岸防波堤结构，可有效降低海浪侵蚀，保障渔船停泊以及岛礁安全。因此，本文可为珊瑚分布规律研究、珊瑚礁保护与恢复及海岸工程建设等提供方法和支撑。
此外，本文也存在一些不足。受限于SWAN模型计算速度，我们仅进行了5年平均波浪特征分析，并未考虑台风浪对珊瑚礁的影响。而研究表明，台风会造成珊瑚礁区域的波高和流速的变化，使珊瑚礁发生块状珊瑚的倾覆、叶片状珊瑚的移动以及枝状珊瑚的断裂等现象而遭到破坏[42,70-71]。因此，研究珊瑚礁对台风作用的响应对保护与修复珊瑚礁系统有重要意义。未来将改进台风时期的波浪模拟精度，进一步探究台风影响下的珊瑚礁区波浪特征。同时，本文重点分析了有效波高、能流密度的时空变化特征，仅对二者与季风的关系进行了简要的定性探讨，下一步将基于瞬时波浪数据开展波浪随季风的定量时空分析研究。

4 结论

本文以中国南海西沙群岛永乐环礁为研究区，基于SWAN波浪模型的自嵌套，开展永乐环礁波浪的精细模拟，获取永乐环礁有效波高、浪向、平均波周期和能流密度等波浪参数，定量探究永乐环礁地貌、方位与岛礁的精细波浪时空分布特征，得出以下主要结论：
(1) 实测波高数据与SWAN模型模拟数据的Pearson相关系数r=0.95，显著性水平P<0.01，平均绝对误差MAE=0.15 m，均方根误差RMSE=0.20 m，偏差BIAS=-0.02 m，验证了基于SWAN海浪模式自嵌套开展永乐环礁波浪数值模拟的准确性。
(2) 永乐环礁5年月平均和最大有效波高、能流密度全年呈现“U”型变化趋势，具体表现为1—5月下降到最低，6—8月先上升后平稳，9月下降，10—12月上升到最大。全年在NE向的平均浪向频率为20%。
(3) 永乐环礁深潟湖和礁坡的5年平均最大有效波高、能流密度最高；深潟湖、点礁和礁坡的5年平均有效波高、平均能流密度高于浅潟湖和礁坪。平均能流密度呈现南部暗礁最高、西南部次之、北部和西部最低的规律性。由于大潟湖和东北部口门作用，大潟湖东北部、东部的点礁平均能流密度高于西南部、西部的点礁。
(4) 永乐环礁波浪自外海传播进岛礁中心，礁坡到礁坪的能流密度衰减基本高于30%，在岛礁南部衰减最高达到72.7%；琛航岛衰减最高达到59.5%，羚羊礁衰减最低为16.3%。而受到口门以及大潟湖波浪影响，礁坪到浅潟湖在除西南方位外的7个方位和除羚羊礁外的7个岛礁上能流密度均增大9.5%~35.7%，与西南方位以及封闭环礁羚羊礁的波浪衰减规律相反。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙宗勋, 赵焕庭. 南沙群岛珊瑚礁动力地貌特征[J]. 热带海洋, 1996(2): 53-60.

[Sun Zongxun, Zhao Huanting. Features of dynamic geomorphology of coral reefs in Nansha Islands. Tropic Oceanology, 1996(2): 53-60. ]

[2]
姚宇, 钟翔. 岛礁水沙动力学研究综述[J]. 长沙理工大学学报(自然科学版), 2023, 20(4): 1-10.

[Yao Yu, Zhong Xiang. A review of water-sediment dynamics around the reef islands. Journal of Changsha University of Science and Technology (Natural Science), 2023, 20(4): 1-10. ]

[3]
左秀玲, 苏奋振, 赵焕庭, 等. 南海珊瑚礁高分辨率遥感地貌分类体系研究[J]. 地理科学进展, 2018, 37(11): 1463-1472.

DOI

[Zuo Xiuling, Su Fenzhen, Zhao Huanting, et al. Development of a geomorphic classification scheme for coral reefs in the South China Sea based on high-resolution satellite images. Progress in Geography, 2018, 37(11): 1463-1472. ]

DOI

[4]
王道儒, 李元超, 兰建新, 等. 海南岛东海岸长圮海域珊瑚分布与波能的关系[J]. 热带海洋学报, 2011, 30(2): 18-25.

[Wang Daoru, Li Yuanchao, Lan Jianxin, et al. Distribution of coral species in Changqi seashore of Hainan Island and its relationship with wave energy. Journal of Tropical Oceanography, 2011, 30(2): 18-25. ]

[5]
Ruiz de Alegria-Arzaburu A, Mariño-Tapia I, Enriquez C, et al. The role of fringing coral reefs on beach morphodynamics[J]. Geomorphology, 2013, 198: 69-83.

[6]
谭安平, 赵刘群, 朱良生. 珊瑚礁上防波堤波浪爬高的数值模拟与特征分析[J]. 广东水利水电, 2020(5): 1-5, 11.

[Tan Anping, Zhao Liuqun, Zhu Liangsheng. Numerical simulation and characteristic analysis of wave run-up of embankment on coral reef. Guangdong Water Resources and Hydropower, 2020(5): 1-5, 11. ]

[7]
何其江, 刘刚, 王雪木, 等. 西沙群岛宣德环礁的精细水下地貌组合特征及其成因机制[J]. 海洋学报, 2021, 43(8): 81-92.

[He Qijiang, Liu Gang, Wang Xuemu, et al. Submarine geomorphologic features and genetic mechanism in the Xuande Atoll, Xisha Islands. Haiyang Xuebao, 2021, 43(8): 81-92. ]

[8]
Cheriton O M, Storlazzi C D, Rosenberger K J. Observations of wave transformation over a fringing coral reef and the importance of low-frequency waves and offshore water levels to runup, overwash, and coastal flooding[J]. Journal of Geophysical Research: Oceans, 2016, 121(5): 3121-3140.

[9]
Hench J L, Leichter J J, Monismith S G. Episodic circulation and exchange in a wave-driven coral reef and lagoon system[J]. Limnology and Oceanography, 2008, 53(6): 2681-2694.

[10]
Rogers J S, Monismith S G, Koweek D A, et al. Thermodynamics and hydrodynamics in an atoll reef system and their influence on coral cover[J]. Limnology and Oceanography, 2016, 61(6): 2191-2206.

[11]
Duan Y W, Liu Y X, Li M C, et al. Survey of reefs based on Landsat 8 operational land imager (OLI) images in the Nansha Islands, South China Sea[J]. Acta Oceanologica Sinica, 2016, 35(10): 11-19.

[12]
Chollett I, Mumby P J. Predicting the distribution of Montastraea reefs using wave exposure[J]. Coral Reefs, 2012, 31(2): 493-503.

[13]
Jiang H P, Su F Z, Zhou C H, et al. The geographical characteristics of Nansha Islands in the South China Sea[J]. Journal of Geographical Sciences, 2018, 28(7): 957-972.

[14]
耿浩博, 张洪生, 洪杨彬, 等. 长江口海域风浪场的计算与特征分析[J]. 水利水运工程学报, 2020(5): 48-56.

[Geng Haobo, Zhang Hongsheng, Hong Yangbin, et al. Calculation and characteristic analyses of wind wave fields in the Yangtze Estuary. Hydro-Science and Engineering, 2020(5): 48-56. ]

[15]
Umesh P A, Behera M R. On the improvements in nearshore wave height predictions using nested SWAN-SWASH modelling in the eastern coastal waters of India[J]. Ocean Engineering, 2021, 236: 109550. doi: 10.1016/j.oceaneng.2021.109550.

[16]
Zou L, Liu L Y, Wang Z, et al. Evolution wave condition using WAVEWATCH III for island sheltered area in the South China Sea[J]. Journal of Marine Science and Engineering, 2023, 11(6): 1158. doi: 10.3390/jmse11061158.

[17]
郑崇伟, 郑宇艳, 陈洪春. 基于SWAN模式的近10年南海北部波浪能资源研究[J]. 亚热带资源与环境学报, 2011, 6(2): 54-59.

[Zheng Chongwei, Zheng Yuyan, Chen Hongchun. Research on wave energy resources in the northern South China Sea during recent 10 years using SWAN wave model. Journal of Subtropical Resources and Environment, 2011, 6(2): 54-59. ]

[18]
Liberti L, Carillo A, Sannino G. Wave energy resource assessment in the Mediterranean, the Italian perspective[J]. Renewable Energy, 2013, 50: 938-949.

[19]
张沥, 郑崇伟, 刘铁军, 等. 两种海浪模式对一次台风浪过程的模拟分析[J]. 广东海洋大学学报, 2013, 33(6): 72-76.

[Zhang Li, Zheng Chongwei, Liu Tiejun, et al. Contrast simulation of typhoon waves in the China Sea. Journal of Guangdong Ocean University, 2013, 33(6): 72-76. ]

[20]
王道龙, 华锋, 江志辉. SWAN近岸海浪模式在辽东湾的应用[J]. 海洋科学进展, 2010, 28(3): 285-291.

[Wang Daolong, Hua Feng, Jiang Zhihui. Application of coastal wave model SWAN to Liaodong Bay. Advances in Marine Science, 2010, 28(3): 285-291. ]

[21]
Rusu L, Pilar P, Guedes Soares C. Hindcast of the wave conditions along the west Iberian coast[J]. Coastal Engineering, 2008, 55(11): 906-919.

[22]
Rusu L, Guedes Soares C. Modelling the wave-current interactions in an offshore basin using the SWAN model[J]. Ocean Engineering, 2011, 38(1): 63-76.

[23]
洪新, 李松霖, 褚芹芹, 等. 基于两种嵌套方案数值模拟烟台北部海域海浪的对比研究[J]. 海洋湖沼通报, 2021, 43(2): 40-47.

[Hong Xin, Li Songlin, Chu Qinqin, et al. A comparative study on the numerical simulation of offshore ocean wave based on two nesting method in Yantai. Transactions of Oceanology and Limnology, 2021, 43(2): 40-47. ]

[24]
朱志夏. 非结构化网格嵌套波浪数值模拟[J]. 上海交通大学学报, 2016, 50(1): 152-157, 164.

[Zhu Zhixia. Nested wave numerical simulation of unstructured mesh. Journal of Shanghai Jiaotong University, 2016, 50(1): 152-157, 164. ]

[25]
Cheung K F, Phadke A C, Wei Y, et al. Modeling of storm-induced coastal flooding for emergency management[J]. Ocean Engineering, 2003, 30(11): 1353-1386.

[26]
Lavidas G, Venugopal V. Application of numerical wave models at European coastlines: A review[J]. Renewable & Sustainable Energy Reviews, 2018, 92: 489-500.

[27]
Soomere T. Numerical simulations of wave climate in the Baltic Sea: A review[J]. Oceanologia, 2023, 65(1): 117-140.

[28]
应王敏, 郑桥, 朱陈陈, 等. 基于SWAN模式的“灿鸿”台风浪数值模拟[J]. 海洋科学, 2017, 41(4): 108-117.

[Ying Wangmin, Zheng Qiao, Zhu Chenchen, et al. Numerical simulation of "CHAN-HOM" typhoon waves using SWAN model. Marine Sciences, 2017, 41(4): 108-117. ]

[29]
周媛媛, 周林, 关皓, 等. 基于Jason-1和Jason-2卫星资料的中国东部海域海浪模拟结果的检验[J]. 海洋预报, 2018, 35(6): 40-47.

[Zhou Yuanyuan, Zhou Lin, Guan Hao, et al. Verification of wave simulation results based on Jason-1 and Jason-2 data in the East China Sea. Marine Forecasts, 2018, 35(6): 40-47. ]

[30]
高占胜, 陈璇, 刘文鹏, 等. 台风浪数值模拟方法比较: 以1513号台风“苏迪罗”为例[J]. 海洋开发与管理, 2018, 35(10): 10-15.

[Gao Zhansheng, Chen Xuan, Liu Wenpeng, et al. Comparison of typhoon waves numerical simulations: Taking Soudelor (1513) as an example. Ocean Development and Management, 2018, 35(10): 10-15. ]

[31]
莫忠璇, 时闽生, 吕迎雪, 等. 基于SWAN-MIKE21嵌套模型在大连湾某工程区的波浪后报模拟应用[J]. 中国港湾建设, 2021, 41(2): 20-23.

[Mo Zhongxuan, Shi Minsheng, Lv Yingxue, et al. Wave hindcast simulation based on SWAN-MIKE21 nested model in an engineering area in Dalian Bay. China Harbour Engineering, 2021, 41(2): 20-23. ]

[32]
Stopa J E, Filipot J, Li N, et al. Wave energy resources along the Hawaiian Island chain[J]. Renewable Energy, 2013, 55: 305-321.

[33]
Sun Z, Bian M C, Ding J, et al. Study on the wind and wave environmental conditions of the Xisha Islands in the South China Sea[J]. Journal of Marine Science and Engineering, 2022, 10(10): 1459. doi: 10.3390/jmse10101459.

[34]
Storlazzi C D, Field M E, Dykes J D, et al. Wave control on reef morphology and coral distribution: Molokai, Hawaii[C]// Edge B L, Hemsley J M. Michael ocean wave measurement and analysis. Reston, USA: American Society of Civil Engineers, 2002.

[35]
陈依妮, 邹丽, 王振, 等. 基于SWAN的永乐环礁台风浪数值模拟[C]// 中国力学学会, 《水动力学研究与进展》编委会, 中国造船工程学会, 等. 第十六届全国水动力学学术会议暨第三十二届全国水动力学研讨会论文集(下册). 北京: 海洋出版社, 2021: 12.

[Chen Yini, Zou Li, Wang Zhen, et al. Numerical simulation of typhoon waves in yongle atoll based on SWAN. Chinese Society of Theoretical and Applied Mechanics, Journal of Hydrodynamics Editorial Board, Chinese Society of Naval Architecture and Marine Engineering, et al. Proceedings of the 16th national congress on hydrodynamics & the 32nd national conference on hydrodynamics (Volume 2). Beijing, China: China Ocean Press, 2021: 12. ]

[36]
胡心迪, 张永战. 南沙道明群礁珊瑚礁地貌[J]. 高校地质学报, 2021, 27(4): 469-479.

[Hu Xindi, Zhang Yongzhan. Coral reef geomorphology of daoming reefs in Nansha Islands. Geological Journal of China Universities, 2021, 27(4): 469-479. ]

[37]
周胜男, 施祺, 郭华雨, 等. 2009—2017年南沙群岛珊瑚礁砾洲演变[J]. 热带地理, 2020, 40(4): 694-708.

DOI

[Zhou Shengnan, Shi Qi, Guo Huayu, et al. Evolution of coral shingle cays in the Nansha Islands during 2009-2017. Tropical Geography, 2020, 40(4): 694-708. ]

DOI

[38]
Zhu H T, Jiang X W, Meng X L, et al. A quantitative approach to monitoring new sand cay migration in Nansha Islands[J]. Acta Oceanologica Sinica, 2016, 35(3): 102-107.

[39]
周胜男, 施祺, 周桂盈, 等. 南沙群岛珊瑚礁砾洲地貌特征[J]. 海洋科学, 2019, 43(6): 48-59.

[Zhou Shengnan, Shi Qi, Zhou Guiying, et al. Geomorphic features of coral shingle cays in the Nansha Islands. Marine Sciences, 2019, 43(6): 48-59. ]

[40]
叶锦昭. 西沙群岛环境水文特征[J]. 中山大学学报(自然科学版), 1996(S1): 19-25.

[Ye Jinzhao. Environmental hydrologic features of the Xisha Archipelago. Acta Scientiarum Naturalium Universitatis Sunyatseni, 1996(S1): 19-25. ]

[41]
张俊明, 张涛, 杜洋, 等. 基于高分辨率嵌套模型的南海风、浪特征研究[J]. 水道港口, 2021, 42(5): 596-602.

[Zhang Junming, Zhang Tao, Du Yang, et al. A study of wind and wave characteristics in the South China Sea based on high resolution nested model. Journal of Waterway and Harbor, 2021, 42(5): 596-602. ]

[42]
李晓敏, 马毅, 张杰, 等. 基于高分遥感的西沙群岛珊瑚礁沙洲稳定性评估[J]. 海洋环境科学, 2022, 41(1): 48-58.

[Li Xiaomin, Ma Yi, Zhang Jie, et al. Assessing the stability of coral reef sandbanks in the Xisha Islands using high-resolution satellite images. Marine Environmental Science, 2022, 41(1): 48-58. ]

[43]
赵焕庭. 西沙群岛考察史[J]. 地理研究, 1996, 15(4): 55-65.

DOI

[Zhao Huanting. History of expeditions to Xisha Islands. Geographical Research, 1996, 15(4): 55-65. ]

[44]
高洁, 余克服, 许慎栋, 等. 西沙群岛永乐环礁礁外坡沉积物中有机碳的含量与来源分析[J]. 热带海洋学报, 2024, 43(3): 131-145.

[Gao Jie, Yu Kefu, Xu Shendong, et al. Content and source analysis of organic carbon in the outer slope sediments of the Yongle Atoll, Xisha Islands. Journal of Tropical Oceanography, 2024, 43(3): 131-145. ]

[45]
段正贤, 左秀玲, 余克服, 等. 地貌分带下基于ICESat-2与GF-1的珊瑚礁水深遥感优化反演方法[J]. 地理科学, 2023, 43(9): 1640-1648.

DOI

[Duan Zhengxian, Zuo Xiuling, Yu Kefu, et al. Optimal bathymetry retrieval method for coral reef habitats based on ICESat-2 and GF-1 under geomorphic zoning. Scientia Geographica Sinica, 2023, 43(9): 1640-1648. ]

DOI

[46]
渠鸿宇, 黄彬, 赵伟, 等. HRCLDAS-V1.0和ERA5海面风场对比评估分析[J]. 热带气象学报, 2022, 38(4): 569-579.

[Qu Hongyu, Huang Bin, Zhao Wei, et al. Comparison and evaluation of HRCLDAS-V1.0 and ERA5 sea-surface wind fields. Journal of Tropical Meteorology, 2022, 38(4): 569-579. ]

[47]
申华羽, 吕劲文, 涂小萍, 等. ERA-Interim和NCEP/NCAR再分析资料在我国东南近海适用性分析[J]. 海洋预报, 2019, 36(2): 9-20.

[Shen Huayu, Lv Jinwen, Tu Xiaoping, et al. The applicability of ERA-Interim and NCEP/NCAR reanalysis datasets in the adjacent waters of the southeast China Sea. Marine Forecasts, 2019, 36(2): 9-20. ]

[48]
易风, 冯卫兵, 曹海锦. 基于ERA-Interim资料近37年南海波浪时空特征分析[J]. 海洋预报, 2018, 35(1): 44-51.

[Yi Feng, Feng Weibing, Cao Haijin. Wave analysis based on ERA-Interim reanalysis data in the South China Sea. Marine Forecasts, 2018, 35(1): 44-51. ]

[49]
林金波, 毛鸿飞, 吴光林, 等. 基于混合风场的南海台风浪数值模拟[J]. 广东海洋大学学报, 2021, 41(6): 44-52.

[Lin Jinbo, Mao Hongfei, Wu Guanglin, et al. Numerical modeling of typhoon waves in South China Sea based on mixed wind field. Journal of Guangdong Ocean University, 2021, 41(6): 44-52. ]

[50]
王轶赓. 近岛礁海域随机波浪的有理分式谱研究[D]. 大连: 大连理工大学, 2022.

[Wang Yigeng. Study on rational fraction spectrum of random waves in waters near islands and reefs. Dalian, China: Dalian University of Technology, 2022. ]

[51]
于游, 邹丽, 姜胜超, 等. 基于SWAN嵌套网格的台风浪数值模拟[C]// 《水动力学研究与进展》编委会, 中国造船工程学会, 江苏大学. 第二十九届全国水动力学研讨会论文集(下册). 北京: 海洋出版社, 2018: 6.

[Yu You, Zou Li, Jiang Shengchao, et al. Simulating typhoon waves by nested SWAN wave model. Journal of Hydrodynamics Editorial Board, Chinese Society of Naval Architecture and Marine Engineering, Jiangsu University. Proceedings of the 29th national congress on hydrodynamics (Volume 2). Beijing, China: China Ocean Press, 2018: 6. ]

[52]
王耀武. 基于模式嵌套的近海海浪数值模拟试验[J]. 气象水文海洋仪器, 2011, 28(1): 20-26.

[Wang Yaowu. Numerical simulation of offshore wave based on model nesting. Meteorological, Hydrological and Marine Instruments, 2011, 28(1): 20-26. ]

[53]
席林通, 李醒飞, 宋龙江, 等. 南海海域波浪能资源模拟评估[J]. 可再生能源, 2021, 39(4): 561-568.

[Xi Lintong, Li Xingfei, Song Longjiang, et al. Simulative evaluation of wave energy resources in the South China Sea. Renewable Energy Resources, 2021, 39(4): 561-568. ]

[54]
段正贤. 基于遥感技术的西沙群岛珊瑚礁生态抵抗力评价研究[D]. 南宁: 广西大学, 2022.

[Duan Zhengxian. Evaluation of coral reef ecological resistance in Xisha Islands based on remote sensing technology. Nanning, China: Guangxi University, 2022. ]

[55]
郑崇伟. 基于CCMP风场的近22年中国海海表风场特征分析[J]. 气象与减灾研究, 2011, 34(3): 41-46.

[Zheng Chongwei. Sea surface wind field analysis in the China Sea during the last 22 years with ccmp wind field. Meteorology and Disaster Reduction Research, 2011, 34(3): 41-46. ]

[56]
何鑫. 南海珊瑚礁区海表风速时空变化及热带气旋影响分析[D]. 南宁: 广西大学, 2021.

[He Xing. Spatio-temporal variations of sea surface wind and analysis of the impact of tropical cyclones on coral reef areas of the South China Sea. Nanning, China: Guangxi University, 2021. ]

[57]
裘沙怡, 梁楚进, 董昌明, 等. 南海海面风、浪场时空变化特征及其关系分析[J]. 海洋学研究, 2013, 31(4): 1-9.

[Qiu Shayi, Liang Chujin, Dong Changming, et al. Analysis of the temporal and spatial variations in the wind and wave over the South China Sea. Journal of Marine Sciences, 2013, 31(4): 1-9. ]

[58]
孙泽, 丁军, 孙岸竹. 西沙不同岛礁波浪环境特征分析[C]// 《水动力学研究与进展》编委会, 中国力学学会, 中国造船工程学会, 等. 第三十三届全国水动力学研讨会. 重庆, 2022: 5.

[Su Ze, Ding Jun, Sun Anzhu. Uncertainties in extreme wave analysis. Journal of Hydrodynamics Editorial Board, The Chinese Society of Theoretical and Applied Mechanics, Chinese Society of Naval Architecture and Marine Engineering, et al. Proceedings of the 33th national congress on hydrodynamics. Chongqing, China, 2022: 5. ]

[59]
丁千龙, 曾永明, 王江伟. 西沙海区波浪特征分析与预报[J]. 海洋通报, 2000, 19(3): 19-23.

[Ding Qianlong, Zeng Yongming, Wang Jiangwei. Analysis and forecast of waves in Xisha Sea area. Marine Science Bulleten, 2000, 19(3): 19-23. ]

[60]
付玉成. 基于SWAN模式精细化网格下的南海特征岛礁波浪及波浪能分析[D]. 烟台: 鲁东大学, 2022.

[Fu Yucheng. Wave and wave energy analysis of characteristic island reefs in the South China Sea based on SWAN refined grid. Yantai, China: Ludong University, 2022. ]

[61]
姚宇. 珊瑚礁海岸水动力学问题研究综述[J]. 水科学进展, 2019, 30(1): 139-152.

[Yao Yu. A review of the coral reef hydrodynamics. Advances in Water Science, 2019, 30(1): 139-152. ]

[62]
柳淑学, 刘宁, 李金宣, 等. 波浪在珊瑚礁地形上破碎特性试验研究[J]. 海洋工程, 2015, 33(2): 42-49.

[Liu Shuxue, Liu Ning, Li Jinxuan, et al. Experimental researches on wave propagation characteristics on reefs terrain. The Ocean Engineering, 2015, 33(2): 42-49. ]

[63]
韩树宗, 董杨杨, 张水平, 等. 南海波浪时空变化特征研究[J]. 海洋湖沼通报, 2020, 42(2): 1-9.

[Han Shuzong, Dong Yangyang, Zhang Shuiping, et al. Study of the temporal and spatial variations of wave in South China Sea. Transactions of Oceanology and Limnology, 2020, 42(2): 1-9. ]

[64]
李永青, 李彬, 石洪源, 等. 南海北部波浪特征分析[J]. 海洋湖沼通报, 2019, 41(2): 18-23.

[Li Yongqing, Li Bin, Shi Hongyuan, et al. Analysis of wave characteristics in the northeastern part of the South China Sea. Transactions of Oceanology and Limnology, 2019, 41(2): 18-23. ]

[65]
Ford M R, Becker J M, Merrifield M A. Reef flat wave processes and excavation pits: Observations and implications for Majuro Atol, Marshall Islands[J]. Journal of Coastal Research, 2013, 3(29): 545-554.

[66]
吕幸, 季新然. 珊瑚礁地形中波浪传播变形及增水模拟[J]. 海南大学学报(自然科学版), 2023, 41(3): 303-311.

[Lv Xing, Ji Xinran. Simulation of wave propagation deformation and water setup in coral reef waters. Natural Science Journal of Hainan University, 2023, 41(3): 303-311. ]

[67]
周腾禹, 王耕, 董瑞, 等. 环境胁迫下的西沙珊瑚礁生态系统多情景模拟与动态仿真研究[J]. 海洋湖沼通报, 2023, 45(3): 38-47.

DOI

[Zhou Tengyu, Wang Geng, Dong Rui, et al. Dynamic simulation study and multi-scenario simulation of coral reef ecosystem based on environmental stress. Transactions of Oceanology and Limnology, 2023, 45(3): 38-47. ]

DOI

[68]
余克服, 张光学, 汪稔. 南海珊瑚礁: 从全球变化到油气勘探: 第三届地球系统科学大会专题评述[J]. 地球科学进展, 2014, 29(11): 1287-1293.

DOI

[Yu Kefu, Zhang Guangxue, Wang Ren. Studies on the coral reefs of the South China Sea: From global change to oil-gas exploration. Advances in Earth Science, 2014, 29(11): 1287-1293. ]

DOI

[69]
闫少华, 陈德春, 马林. 透空式防波堤在渔船避风港中的综合研究[J]. 江南大学学报(自然科学版), 2013, 12(4): 452-457.

[Yan Shaohua, Chen Dechun, Ma Lin. Comprehensive research on the permeable breakwater in the fishing port. Journal of Jiangnan University (Natural Science Edition), 2013, 12(4): 452-457. ]

[70]
Hongo C, Kawamata H, Goto K. Catastrophic impact of typhoon waves on coral communities in the Ryukyu Islands under global warming[J]. Journal of Geophysical Research: Biogeosciences, 2012, 117(G2): 20-29.

[71]
梁海萍, 冯伟忠, 梁海燕, 等. 台风影响下西沙海域与岛礁内外的波浪分布特征[J]. 海洋预报, 2019, 36(4): 28-34.

[Liang Haiping, Feng Weizhong, Liang Haiyan, et al. Wave distribution characteristics of Xisha Sea area and island reef under typhoon influence. Marine Forecasts, 2019, 36(4): 28-34. ]

Options
文章导航

/

〈 〉