黃海滸苔漂移輸運和生長消亡過程的數值模擬與預測應用*

何恩業 季軒梁 高 姍① 趙 亮 王玉衡 李 云 楊 靜

(1. 國家海洋環境預報中心 自然資源部海洋災害預報技術重點實驗室 北京 100081; 2. 天津科技大學 海洋與環境學院天津 300457)

自2007 年起, 每年4—8 月, 我國黃海中、南部海域都會暴發以滸苔為優勢種的大規模綠潮災害,因其災害暴發周期長、影響區域廣和致災程度深受到廣泛關注。2008 年大量滸苔聚集青島海域, 對奧帆賽造成嚴重威脅; 2009 年山東因滸苔災害導致直接經濟損失 6.41 億元; 2015 年黃海滸苔最大覆蓋面積達594 km2, 單青島市累計清理的滸苔就達 53.54×104t;2018 年山東省、江蘇省組織大量人力物力開展源頭防控、海上攔截和打撈處置等工作, 最終打撈滸苔共計18.7 萬余t (中華人民共和國自然資源部, 2008—2019;吉啟軒等, 2015; 陳磊等, 2018)。滸苔災害除造成巨大的經濟損失外, 對生態平衡的破壞以及導致的環境污染問題也是不能忽視的問題之一。滸苔發展盛期,在生態位的競爭中獲得巨大優勢, 改變了浮游生物群落結構, 削減了原始海域環境物種的多樣性; 消亡期的滸苔大量沉降、腐爛會消耗大量的溶解氧并產生毒素侵入底棲生態環境形成潛在的生態風險(吉啟軒等, 2015; 顏天等, 2018)。

近年來, 國內學者針對黃海滸苔開展了多方面的研究, 如張浩(2013)論證了利用黃海南部2—3 月水溫變化來預測滸苔暴發規模的可行性; 董明帆等(2018)分析了滸苔暴發初期蘇北淺灘營養鹽的變化規律和分布特征; 吉會峰等(2018)基于 MIKE3 模型對江蘇海域滸苔漂移擴散進行模擬; 趙昌等(2018)基于中國近海高分辨率三維MASNUM(marine science and numerical modeling)海浪-潮流-環流耦合海洋數值預報系統的預報數據和美國國家環境預報中心的GFS(Global Forecast System)預報數據, 建立滸苔漂移輸運模式; 白雨等(2019)基于衛星遙感影像數據研究了海表溫度、光照和降水在黃海滸苔生消各階段中的作用。這些研究方向主要集中在滸苔的生物學特性、滸苔暴發期間環境關鍵要素的變化規律及其響應機制、綠潮的監測和識別技術以及基于水動力條件下的物理漂移過程模擬等, 而以水動力學和生物、化學過程聯合作用下的生態動力學模型鮮有預報研究和應用。本研究是在考慮風、流驅動的漂移輸運模型的基礎上, 增加了溫度、光照環境限制因子對滸苔生長和消亡作用的生態模塊, 建立黃海滸苔綠潮生態動力學模型, 利用 CFSR (Climate Forecast System Reanalysis)和CGOFS (Chinese Global operational Oceanography Forecasting System)再分析數據(Kourafalou et al, 2015; 王輝等, 2016)以及CFS (Climate Forecast System products)預報場數據, 結合衛星遙感監測資料, 開展黃海滸苔綠潮漂移輸運和生長消亡過程2016 年數值模擬的敏感性實驗, 以及2019 年預測應用研究, 為黃海滸苔綠潮災害早期防控提供理論參考, 服務于海洋防災減災。

1 數據資料來源和方法

1.1 數據資料來源

本文利用海面風場、光照強度、表層海流和海表溫度再分析數據, 對 2016 年黃海滸苔從暴發到消亡的全過程開展模擬, 選用衛星遙感綠潮數據進行驗證, 率定模型參數。在此基礎上, 利用 2019 年 CFS預報場數據, 對黃海滸苔的年度發展趨勢進行預測和分析。

黃海滸苔綠潮資料來源于 2011—2019 年《國家衛星海洋應用中心綠潮遙感監測通報》中發布的基于HY-1B/1C、Radarsat1/2、Aqua/Terra 和 GF 系列等多源衛星數據對黃東海海域進行的業務化綠潮遙感影像反演結果, 信息包含綠潮監測的時間、覆蓋面積(km2)、分布面積(km2)和影響區域等, 衛星遙感解譯區域范圍為 119°—125°E, 32°—38°N, 衛星遙感監測相關參數見表1。該數據用于分析歷年黃海滸苔災害暴發的源地和時間, 以此確定模型投放滸苔粒子的初始位置和起報時間, 以及用于驗證模式對滸苔粒子漂移輸運的位置、時間、影響范圍和相對生物量等的模擬效果。

表層海流和海表溫度再分析數據來源于國家海洋環境預報中心 CGOFS 的黃東海再分析數據, 該數據由ROMS(Regional Ocean Modeling System)模擬計算, 區域范圍為 114°—143°E, 22.3°—53.1°N, 水平分辨率為1/30°, 垂向30 層, 最小水深5 m, 時間分辨率1 h, 經過衛星高度計數據、海表溫度遙感數據、浮標觀測等數據同化融合形成再分析數據集。海面風場和光照強度再分析數據來源于美國國家環境預報中心(National Centers for Environmental Prediction, NCEP)的 CFSR 海上 10 m 風場和太陽短波輻射全球數據(https://www.hycom.org/dataserver/ ncep-cfsr), 空間分辨率為1/3°, 時間分辨率6 h, 該數據是NCEP 第三代大氣-海洋-陸地-海冰耦合同化模擬系統的全球高分辨率再分析數據集。本文選取2016 年5—8 月CFSR海面風場、CGOFS 表層海流作為漂移輸運模塊的表層強迫場, CGOFS 海表溫度、CFSR 光照強度數據作為生態模塊中對滸苔生長的限制因子。

表1 黃海滸苔衛星遙感監測相關參數Tab.1 Information of the satellites used for monitoring Enteromorpha in the Yellow Sea

海面風場、光照強度、表層海流和海表溫度的年度預測數據均來源于 CFS, 時間分辨率均為 6 h,預報時效為 9 個月 (https://nomads.ncdc.noaa.gov/modeldata/cfsv2_forecast_6-hourly_9mon_flxf/), 海面風場和光照強度預報場的水平分辨率為190×384 全球格點數據, 表層海流和海表溫度的水平分辨率為181×360 全球格點數據。本文選取2019 年5 月15 日—8 月31 日預報數據對2019 年黃海滸苔發展趨勢進行年度預測。

1.2 黃海滸苔漂移輸運和生長消亡過程數值模式結構和設置

該模式的構建分為兩個模塊, 漂移輸運模塊和生態模塊(圖 1)。漂移輸運模塊采用拉格朗日粒子追蹤方法, 在海面風場和表層海流的驅動下計算滸苔粒子的漂移方向、漂移距離、漂移速度和分布區域等。生態模塊引入海表溫度和光照強度等環境因子影響下的滸苔生長與死亡方程, 計算滸苔粒子相對生物量的增加或減少。

圖1 黃海滸苔漂移輸運和生長消亡過程數值模式Fig.1 The schematic of the Enteromorpha model (drift, life cycle) of the Yellow Sea

1.2.1 漂移輸運模塊 黃海滸苔作為漂浮態大型藻類自身沒有運動能力(Zhao et al, 2015; 龐云龍等,2017), 風場、表層流是影響黃海滸苔綠潮由南向北漂移的主要驅動力(Bao et al, 2015; 王宗靈等, 2018)。高松等(2014)研究發現海面風場與表層環流兩者決定了滸苔漂移路徑和影響區域; 張廣宗等(2018)對2011—2017 年南黃海海域滸苔進行詳細分析, 得出其漂移路徑方向與海面風的風向高度一致。基于上述研究, 本文中的漂移輸運模塊參考李燕等(2010)、Lee等(2011)計算方法, 只考慮風、流作用下滸苔粒子水平方向物理運動過程, 采用拉格朗日方法計算并分析滸苔漂移路徑和時空分布特征, 滸苔粒子運動方程如下:

其中, xi分別為滸苔粒子i 在t 時刻的位置; va、 vd分別表示流速和風速; R1為海流經驗系數, 由敏感實驗率定, 滸苔發展盛期會受到重力、浮力、波浪和湍流等作用, 這將導致海流賦予滸苔的速度會有所下降; R2為風經驗系數, 由敏感實驗率定, 表示風對滸苔的拖曳作用; ζ ( xi, t )表示風對滸苔運動方向的改變作用, 衣立等(2010)研究發現滸苔移動偏向盛行風的右側約 5 °—40°, 設α 為風與 x 軸方向的夾角,β 為風拖曳偏轉角(滸苔移動偏向盛行風右側的角度), 在 x 方向上則有 ζx= c os(α - β), 在 y 方向上則有 ζy= s in(α - β), 本研究設 β=20°。

滸苔粒子運動跨網格處理方法參考張海彥等(2012)對水母粒子跨網格運動所采用的追蹤法, 設粒子初始位置為 ( x1,1y) , 則在一個時間步長 Δt 內粒子在緯向、徑向上的位移分量為:

式中, uw、 vs分別為網格西邊界處的x 向速度分量、南邊界處的y 向速度分量。若在 Δt 時間內粒子出現跨網格情況, 設粒子碰網格邊界前所用時間為Δt1、所運動距離為Δx1, 跨網格邊界后剩下的時間為Δtrest,則有

如果運動中滸苔粒子再次碰到網格邊界, 則重復此步驟, 直至 Δ trest= 0為止, 對于 y 方向也同法處理。

滸苔粒子靠岸的判斷方法參考李燕等(2010)處理方式, 若滸苔粒子當前時刻位置點和下一時刻位置點兩點連成的直線和海岸線段相交, 則交點為粒子的登岸點, 滸苔到達陸地時就粘在陸地上, 不再參與計算。

1.2.2 生態模塊 黃海滸苔災害之所以暴發期長、影響范圍廣, 其重要原因之一是滸苔在適宜條件下繁殖能力較強。滸苔受風、流等外界強迫驅動下發生了漂移擴散, 移動到其他海域, 外部環境條件的改變會導致滸苔生長速率和死亡速率也隨之變動。李瑞香等(2009)研究表明滸苔生長對溫度的適應性較廣,5—30°C 均具有明顯的種群增長率, 其最適宜生長的溫度范圍為14—26°C。范士亮等(2012)研究表明, 滸苔最高生長速率出現在15—20°C, 2009 年和2010 年的平均增長率分別高達36%和43%, 大規模綠潮形成時的水溫約為17°C。吳曉文(2010)實驗發現圍隔外海區滸苔日均相對增長率為 4%。韓笑天等(2019)發現漂浮態滸苔在船基圍隔中相對日生長率為19.1%。高穎超等(2019)實驗室培養滸苔發現 4500 lx 條件下最大相對日增長率為 11.9%。龐秋婷等(2013)現場船基圍隔實驗發現在營養鹽適中時, 滸苔相對生長率最高可達82%, 即使在低營養鹽條件下也會保持10%左右的生長速率。而近30 年來南黃海無機氮年均濃度呈上升趨勢, 特別是2008 年后出現急劇上升的趨勢,與1985 年相比, 2008—2012 年黃海南部近岸海域無機氮濃度升高了3 倍(Li et al, 2015)。大量的研究證明,溫度、光照對黃海滸苔的發生發展起到關鍵性作用,因此黃海漂浮滸苔的生長率公式可表達為:

滸苔是一種能適應高光強的海藻。黃海滸苔具有典型的潮間帶海藻的光合特性, 高的飽和光強[平均為 567 μE/(m2·s)], 較高的補償光強[平均為 62 μE/(m2·s)],從光補償點到光飽和點有較大的距離, 說明滸苔對光強有廣泛的適應性(張曉紅, 2011)。實驗結果顯示,滸苔最適合光照 5000—6000 lx(吳洪喜等, 2000), 飽和光照強度在 320—400 μE/(m2·s)(叢珊珊, 2011)。一般情況下隨著光強的增加, 藻類光合作用會加強, 但當光強超過一定界值時則會對藻類生長形成抑制,本文采用 Steele(1962)光抑制模型最優曲線公式來描述光強I 對滸苔生長的影響:

1.2.3 模式設置 初始位置和起報時間的合理設定對提高模式的最終模擬和預報效果起到關鍵性的作用。近年來眾多學者通過多角度對黃海滸苔溯源做了大量研究, 如劉峰等(2012)在蘇北淺灘沉積物中發現了大量滸苔微觀繁殖體; 劉材材等(2017)基于多源數據綜合分析得出蘇北淺灘紫菜養殖業是滸苔初始生物量的直接提供者; 白雨等(2019)利用2008—2017年 MODIS 影像分析發現, 歷年黃海滸苔首次出現的位置主要集中在蘇北淺灘離岸約 100—150 km 以內的海域, 暴發的時間多在 5 月中旬至下旬; 鄭翔宇(2017)基于多源衛星數據對黃海滸苔進行溯源研究,最終斷定 120.5°—121.5°E, 33.0°—34.3°N 是滸苔暴發的源地。本文利用國家衛星海洋應用中心的綠潮遙感信息, 對 2011—2019 年黃海滸苔暴發初期的位置和時間進行了相關統計分析(圖2a), 結果顯示黃海滸苔災害暴發的時間在5 月中旬和下旬, 暴發初期位置集中在119.8°—121.5°E, 33°—34.5°N 的蘇北淺灘, 這與上述相關研究成果基本一致。因此, 將 5 月 15 日作 為 模式起報時間, 區域范圍 119.8°—121.5°E,33°—34.5°N 設置為滸苔初始位置(圖 2b)。

圖2 2011—2019 年衛星遙感黃海滸苔暴發初期位置(a)和模型設置的滸苔初始位置(b)Fig.2 The location (a) of the earliest appearance of Enteromorpha in the Yellow Sea from 2011 to 2019, and the initial position (b) of Enteromorpha in model setting

本模型采用C 網格, 模擬海域范圍為119°—125°E,32°—38°N, 水平分辨率為3 km, 時間步長為720 s。滸苔的生成具有持續性, 從5 月暴發至6 月上旬, 滸苔在蘇北淺灘會持續生成(王宗靈等, 2018; 顏天等,2018)。因此, 在滸苔粒子釋放實驗中加入了持續釋放過程, 5 月15—30 日, 每隔5 d 釋放一次滸苔粒子, 每次釋放粒子 1248 個, 每個粒子初始相對生物量設為10 g。利用線性插值將風場、流場、溫度場和太陽輻射場插值到滸苔漂移點上, 利用再分析表層海流、海表10 m 風場、海表溫度場和光照強度場以及衛星遙感綠潮資料對2016 年黃海滸苔從暴發到消亡全過程進行模擬驗證, 率定模型參數。在模型參數設定合理以及模擬效果穩定的基礎上, 利用 CFS 預報場數據對2019 年黃海滸苔發展趨勢進行預測和分析。時效均為5 月15 日—8 月31 日, 系統每天輸出一次結果,信息包含滸苔漂移路徑、分布范圍以及滸苔相對生物量等。

2 2016 年黃海滸苔漂移輸運和生長消亡過程數值模擬

2016 年5 月16 日, 衛星遙感首次在鹽城以東海域發現呈斑塊狀滸苔綠潮, 覆蓋面積約二十余平方公里, 此后滸苔暴發規模逐漸增大(圖 3)。模式設定的滸苔初始位置和起報時間均與前文一致, 為119.8°—121.5°E, 33°—34.5°N 和 5 月 15 日。海面風場和光照強度為CFSR 再分析數據, 表層海流和溫度為CGOFS 黃東海再分析數據。

2.1 參數率定

滸苔藻類的漂移主要受海面風場和表層海流的共同驅動, 相關研究一般將海流系數取值為 1.0, 風拖曳系數取值為0.01—0.05(吉會峰等, 2018; 趙昌等,2018)。本文利用2016 年衛星遙感滸苔影像資料, 對黃海滸苔漂移輸運過程中的海流影響系數 R1和風影響系數 R2設置了多組取值方案(表 2), 進行滸苔的漂移輸運模擬結果對比測試, 以率定最佳參數。

圖3 2016 年5 月16—18 日衛星遙感綠潮分布圖Fig.3 The satellite images in Yellow Sea from May 16 to 18, 2016注: 紅色包絡線區域為滸苔分布區域

表2 黃海滸苔漂移輸運和生長消亡過程數值模擬的風、流參數率定實驗方案Tab.2 The experimental configuration of sensitivity variables for simulating the drift and life cycle of Enteromorpha in the Yellow Sea

敏感實驗結果顯示(圖 4), 滸苔漂移路徑和速度對海流系數 R1的取值敏感性較低, 當風系數值固定后, 海流系數取值0.80—1.00 時對滸苔漂移路徑影響甚微, 對漂移速度產生略微差異。整體而言, 模擬的滸苔主要形成兩條路徑, 均與風系數 R2的取值有關,表明海面風場對綠潮分布和位置的變動有較大影響。當 R2取值過大時, 會使模擬滸苔遷移速度加快, 登陸時間過早, 模擬滸苔分布位置與實際偏差較大; 當R2取值過小時, 會使模擬滸苔位移量偏小, 與監測實況匹配度不高, 且模擬的滸苔擴散范圍略偏小(吉會峰等, 2018)。經過多次反復試驗, 最終表層海流系數為0.90, 海面風系數為0.01 時模擬結果與衛星遙感監測結果吻合度相對最好, 在長達兩個月的漂移輸運數值模擬中, 模擬滸苔區域幾何中心點位置和衛星遙感滸苔區域幾何中心點的誤差未超過 50 km(表 3),其中5 月中、下旬和7 月中、上旬誤差均在30 km 以下, 6 月誤差有所上升, 6 月13 日最大誤差為47 km。推測可能為 5 月份滸苔在蘇北淺灘開始集中暴發(劉材材等, 2017; 白雨等, 2019), 與模擬的初始位置較為一致有關, 而7 月中上旬受黃海水溫升高滸苔開始消亡(范士亮等, 2012)以及滸苔大量向山東沿岸堆積,分布區域逐漸向近岸縮減(鄭翔宇, 2017)有關。而在6月份, 滸苔藻體在營養生長的同時, 會不間斷的釋放生殖細胞, 并在風場和流場的作用下處于動態的分布變化中, 滸苔微觀繁殖體不斷的生長聚集從而形成不同規模的滸苔斑塊, 使得滸苔分布區域不斷擴大(劉峰等, 2012), 導致模擬區域與衛星遙感區域誤差有所擴大。

圖4 2016 年滸苔主體漂移路徑(滸苔區域幾何中心點)和速度的敏感試驗(Exp1—Exp6 對應表2)Fig.4 The drift path and speed of Enteromorpha in 2016 in Exp1—Exp6

2.2 模型驗證

2.2.1 漂移速度和影響海區 考慮到滸苔衛星遙感受天氣影響較大, 本文在每旬中選取云量少、綠潮覆蓋面積最大的衛星圖片作為模擬結果的對比實況。圖5 為模擬的2016 年滸苔漂移輸運全過程與衛星遙感影像資料對比, 結果顯示模擬與實況具有較好的吻合度。5 月下旬滸苔集中在江蘇鹽城東北部海域; 6月上旬滸苔快速北漂越過 35°N 線, 且滸苔北緣區開始向東西兩向擴展, 少量滸苔粒子奔襲至連云港沿岸; 6 月中旬滸苔范圍迅速擴大, 少量前沿滸苔抵達日照和青島開發區沿岸海域, 并有極少量滸苔開始登灘; 6 月下旬滸苔主體壓至日照、青島近海, 大量滸苔開始登陸; 7 月上旬至中旬滸苔向東北方向漂移,并在煙臺海陽和威海乳山登陸; 7 月下旬大量滸苔在山東半島中部南岸堆積, 外海已無大規模滸苔斑塊聚集, 滸苔進入了消亡期。上述模擬結果與衛星遙感實況較為一致, 也與鄭翔宇(2017)利用多源遙感數據繪制的2016 年綠潮移動趨勢圖基本一致。

表3 模型模擬滸苔區域幾何中心點誤差(2016 年)Tab.3 Error of geometric center point of Enteromorpha area in model simulation (2016)

圖5 2016 年模擬結果(綠色區域)與衛星遙感結果(紅線區域)對比Fig.5 The comparison between the modeled results (the green part) and satellite images (the red part) in 2016

表 4 為數值模擬與衛星遙感滸苔分布面積時間序列對比, 5 月18 日滸苔模擬分布面積為15411 km2,基本包絡了衛星遙感滸苔區域, 但重合率僅為24%(重合率=重合部分面積/(模擬分布面積+衛星遙感面積-重合部分面積)), 推測為滸苔暴發初期處于微觀繁殖體不斷聚集萌發階段, 形成的滸苔斑塊分布范圍較小(王宗靈等, 2018; 顏天等, 2018), 導致初期模擬面積遠大于衛星遙感面積, 重合率較低; 之后滸苔分布區域快速擴增, 5 月 30 日模擬分布面積為25911 km2, 衛星遙感面積為12465 km2, 模擬分布區域與衛星遙感結果位置重合率增加到39%; 至6 月下旬滸苔達到最盛期時, 模擬滸苔分布面積超過了30000 km2,模擬分布區域與遙感結果滸苔區域重合率超過了50%; 7 月中旬以后, 模擬的滸苔已基本向近岸海域堆積, 衛星遙感滸苔分布區域范圍也大幅減小(中華人民共和國自然資源部, 2008—2019)。此外, 自6月上旬至7 月中旬的模擬過程中, 重合部分面積占衛星遙感滸苔面積比例均保持在60%以上, 重合部分面積占數值模擬面積比例均保持在50%以上。這表明模型能夠較準確預測綠潮斑塊的影響海域和漂移軌跡。

表4 數值模擬結果與衛星遙感監測結果對比 Tab.4 Comparison between simulation results and satellite remote sensing monitoring results

2.2.2 漂移軌跡變動特征 2016 年數值模擬和衛星遙感實況均顯示, 滸苔主體漂移路徑以偏北向為主, 最終登陸以青島為中心的山東半島沿岸城市, 青島受災尤為嚴重(圖6a)。6 月中旬之前滸苔漂移方向以北偏西為主, 6 月中旬轉向北偏東方向, 6 月下旬滸苔主體突然快速轉向東北方向漂移, 這可能與滸苔抵達山東沿海后受到東北向的沿岸流作用所致(圖4中的Exp4)。進入7 月, 滸苔主體開始在山東半島沿岸海域做東西往復運動, 期間大規模的滸苔持續侵襲沿岸灘地。由于模式設定的初始位置(分布區域幾何中心點)比2016 年衛星遙感的滸苔實際暴發位置偏西約30 km, 這對后續預報會產生一定的偏差, 但是整體來看, 該模式對2016 年滸苔漂移方向、轉向時間點、運動的規律和影響的岸段及程度等方面的模擬結果都與實況基本保持一致, 基本抓住了2016 年滸苔漂移輸運過程的幾個主要特征。

圖6 數值模擬的滸苔粒子在2016 年與2019 年漂移輸運過程及對應時間 Fig.6 The drift process and biomass in different times in 2016 and 2019

2.2.3 滸苔生物量變動情況 模擬結果顯示(圖7a), 5 月中旬滸苔開始持續增長, 在6 月中旬至下旬滸苔增殖能力迅速提升, 開啟了最大生長率時段, 6月末至7 月初滸苔生物量達到峰值, 7 月中旬之后滸苔死亡率超過了生長率, 滸苔生物量迅速降低, 至8月初模擬的滸苔相對生物量曲線進入平坦區, 表明部分滸苔已經登陸, 而剩余仍在海洋水體中的滸苔也已基本消亡, 平坦區數值較高說明該年滸苔的登陸量較大。目前實況綠潮生物量的估算主要是通過水平拖網方法獲取的單位面積生物量乘以遙感圖像中的綠潮覆蓋面積得到(范士亮等, 2012), 肖艷芳等(2017)基于實測數據, 構建了衛星遙感的綠潮生物量估算模型, 顯示了滸苔生物量和覆蓋面積變化呈現高度相關的一致性, 研究表明綠潮覆蓋面積的變化趨勢可以反映滸苔生物量的變動情況, 因此在檢驗滸苔生消模擬方面參考綠潮覆蓋面積的變動情況是可行的。對比顯示(圖7a), 模擬的滸苔相對生物量和衛星監測的滸苔覆蓋面積的變動趨勢及增量幅度較為一致, 2016 年5—6 月滸苔覆蓋面積呈連續增加趨勢, 6 月底達到極大值, 滸苔覆蓋面積從開始的約20 km2增長至約1350 km2, 增長了約60—70 倍, 7 月開始走低, 至7 月底進入快速消衰期, 衛星已經遙感不到成片滸苔分布。對比來看, 該模式對黃海滸苔相對生物量變動趨勢的模擬是基本可靠的。

圖7 2016 年和2019 年模型模擬滸苔粒子相對生物總量的變化和衛星遙感綠潮覆蓋面積變化對比 Fig.7 The comparison between the simulated relative biomass of Enteromorpha and monitored coverage area of green tide from satellite in 2016 and 2019

3 2019 年黃海滸苔災害發展趨勢預測

基于該數值模型和2016 年的初始位置、起報時間和模式參數, 利用CFS 的預報場數據, 對2019 年滸苔漂移輸運和綠潮相對生物量動態變化全過程進行年度預測(2019 年5 月15日—2019 年8月31 日), 并利用衛星遙感數據進行了該模型在黃海滸苔年度預測應用上的可靠性檢驗。

預測結果顯示(圖7b、圖8), 5 月中下旬滸苔集中在鹽城以東海域; 6 月上旬初期, 滸苔主體快速向北漂移發展, 并出現連續增長現象; 6 月上旬末期, 受風、流作用滸苔主體轉向東北方向漂移發展, 期間出現南北往復運動; 6 月中旬后期部分滸苔登陸威海、煙臺; 6 月下旬少量滸苔登陸日照、青島; 7 月上旬至中旬, 大量滸苔聚集登陸煙臺、威海和青島, 生物量達到高峰維持階段; 7 月末, 滸苔死亡率開始超過生長率, 生物量開始減少; 8 月滸苔進入緩慢的消亡期。由數值模型預測結果發現2019 年黃海滸苔呈現幾個典型特點(圖6b), 一是漂移路徑前期偏北, 中后期向東北方向遷移, 相比往年漂移路徑更偏東; 二是影響岸段主要為山東半島東北部南岸, 青島、日照受災度相對較輕; 三是登陸時間偏晚, 首先侵襲的是煙臺海陽和威海乳山, 之后侵襲青島, 這與往年相比存在明顯的差異; 四是滸苔生物量呈現較多態勢, 且持續時間較長, 至8 月底還有部分滸苔未完全消亡。該特征與中國海洋災害公報(中華人民共和國自然資源部, 2008—2019)發布的2019 年黃海滸苔特征一致。

模擬結果與2019 年滸苔實況在漂移路徑、影響區域和相對生物量的變動方面基本一致, 但在滸苔后期分布區域的預測上有所差異。2019 年7 月下旬, 滸苔綠潮分布面積和覆蓋面積不斷減小, 主要分布在山東半島南部沿海一帶, 滸苔進入消亡期, 國家衛星海洋應用中心于9 月9 日在119.7°—121.8°E, 34.2°—35.7°N 區域最后一次遙感探測到滸苔, 覆蓋面積為0.5 km2, 分布面積為1182 km2, 這是近10a 黃海滸苔消亡最晚的一年。而數值模擬結果為8 月份之后, 山東近海只有極少數滸苔粒子分布, 大部分滸苔粒子漂至威海東北部海域。這種差異的存在, 推測與模式參數設置和數據場分辨率等有一定關系。模式設置5 月中、下旬在滸苔源地多次釋放滸苔粒子進行模擬和預測, 而實際上在滸苔漂移發展進程中, 海水中的滸苔微觀繁殖體也會不斷的生長聚集形成不同規模的滸苔斑塊, 使得滸苔分布區域更廣(劉峰等, 2012)。2019 年受海溫等海洋環境要素的影響, 滸苔 在蘇北淺灘生成的時間超過6 月上旬, 從衛星實況圖可見6 月24 日在江蘇鹽城東北部沿海仍然有新的滸苔生成, 且分布范圍較大, 這種滸苔粒子釋放時間設置的偏差造成了后期模擬與實況的差異。此外, 本模型只考慮了滸苔粒子的平流運動, 未考慮隨機運動導致的擴散過程(如湍流或次網格效應導致的隨機速度), 尤其是動力背景場水平分辨率不高的情況下, 在小尺度的海洋物質輸運模擬和預報中, 滸苔粒子并不會完全按照由預報場得到的確定性速度(海流和風引起的速度)移動, 這可能也是導致黃海滸苔后期模擬結果較實況偏東的原因之一。加之2019 年滸苔相比往年漂移路徑更為偏東、分布范圍較廣, 大量滸苔未向岸邊堆積聚集, 近海較適宜的環境條件也增加了當年滸苔的災害時長。與2016 年相比, 由于2019年滸苔暴發初期實際位置相比模型設定的初始位置偏向東南區域(圖8), 因此在5 月下旬至6 月初, 數值模擬與衛星遙感結果偏差較大, 但隨著滸苔在黃海南部不斷繁殖生長以及向西、向北方向擴展, 從6 月中旬開始數值模擬結果和衛星遙感結果便呈現出較高的吻合度, 體現出該模型在實際業務化預報應用上的可靠性和有效性。

4 結論

本文基于CFSR 再分析數據、CGOFS 黃東海再分析數據和CFS 預報數據的海面風場、表層海流、海表溫度和光照強度要素, 開發了一套將生物學模型與海洋學模型相耦合的高分辨率黃海滸苔生態動力學模型。通過敏感實驗和預報檢驗來看, 該模式較好的模擬了滸苔的漂移路徑、影響范圍和增殖與消衰過程, 模擬結果與衛星遙感監測實況較為一致。2016年黃海滸苔漂移路徑以偏北向為主, 主要影響山東半島中部南岸海域, 青島受災尤為嚴重, 滸苔先期登陸日照、青島, 其后登陸煙臺和威海。2019 年滸苔漂移方向以東北向為主, 主要影響山東半島中、東部南岸, 致使當地受災較重, 滸苔先期登陸煙臺海陽和威海乳山, 其后登陸青島和日照, 且滸苔綠潮災害持續時間較長。

圖8 2019 年滸苔分布預測結果(綠色區域)與衛星遙感結果(紅線區域)對比 Fig.8 The comparison between the modeled results (the green part) and satellite images (the red part) in 2019

遙感分析和數值模擬均顯示影響山東南岸的滸苔主要來自蘇北淺灘, 并于5 月中旬暴發衛星遙感可見, 這說明該模式預設的黃海滸苔源地和暴發日期是可行的。此外, 模擬結果還顯示表層海流、海面風場直接影響滸苔的遷移路徑和分布范圍, 間接影響滸苔的生長和消亡; 海溫、光照等因子直接影響滸苔 的生、消, 間接影響滸苔的分布范圍。作為國內首套業務化的黃海滸苔漂移輸運和生長消亡過程數值模式, 仍存在許多不足之處, 如該模式未考慮營養鹽過程、對環境驅動因子的描述還不夠全面、初始條件的設置還需進一步探討。此外, 在進行黃海滸苔長期預測時, 使用的CFS 海流和海溫數據分辨率較低, 同時滸苔在海水運動過程中還會受到湍流等其他作用的影響, 這些不足均可能導致滸苔的漂移過程存在一定偏差。因此, 如何提高海流和海溫的分辨率、加入粒子隨機運動過程以進一步完善滸苔漂移過程模擬也是下一步的重點工作。總之, 黃海滸苔的暴發是海洋物理、生物和化學過程綜合作用的結果, 隨著針對各環境因子與滸苔發生發展聯動效應機制研究的深入, 海洋生態動力學模型在定量化描述和分析黃海滸苔時空演變特征方面將具有很強的優勢。