珠江口及邻近海域潮汐环流数值模拟II——河口水交换和物质输运分析❋

丁　芮， 陈学恩❋❋， 曲念东

(1.中国海洋大学海洋与大气学院，山东 青岛 266100；　2.国家海洋局南海环境监测中心，广东 广州 510300)



珠江口及邻近海域潮汐环流数值模拟II
——河口水交换和物质输运分析❋

丁芮1， 陈学恩1❋❋， 曲念东2

(1.中国海洋大学海洋与大气学院，山东 青岛 266100；2.国家海洋局南海环境监测中心，广东 广州 510300)

摘要：采用无结构网格三维有限体积海洋模式FVCOM所建立的珠江口及邻近海域的三维正压高分辨率数值模型，对珠江口水域的水交换和物质输运过程进行了研究。研究发现，只考虑潮汐作用时，珠江口内湾水交换能力很弱，海水滞留时间在90d以上；加入径流、风应力作用后内湾水交换能力变强，示踪物的滞留时间分布大体上在珠江口航道区以及河口西侧(靠近珠江口门处)较短，在河口东侧(远离珠江口门处)和西侧浅滩较长。在丰水期，西南风驱动下河口示踪物平均浓度最低，为0.34，滞留时间最短，自西向东由10d逐渐过渡为90d以上。对不同海域之间的水交换分析表明，珠江河口内4大口门以及伶仃洋海区、磨刀门海区水交换能力最强；深圳湾、大鹏湾、大亚湾与口门外陆架海域的水交换能力较弱。粒子追踪试验表明，珠江口内粒子在枯水期会进入黄茅海，在丰水期则可抵达大亚湾和大鹏湾。径流和风应力作用会不同程度加大珠江口海域不同口门处粒子位移，在枯水期粒子向西运动，洪奇门、磨刀门与鸡啼门处粒子位移最大，90d内可达285km；在丰水期粒子向东运动，横门处粒子位移最大，90d内可达190km，部分可至大亚湾和大鹏湾，且粒子运动呈螺旋状推进。

关键词：数值模拟； 珠江口； 水交换； 滞留时间； FVCOM

引用格式：丁芮， 陈学恩， 曲念东. 珠江口及邻近海域潮汐环流数值模拟II 河口水交换和物质输运分析[J]. 中国海洋大学学报(自然科学版), 2016， 46(7)： 1-10.

DING Rui， CHEN Xue-En， QU Nian-Dong. Three-dimensional high-resolution numerical study of the tide and circulation in the Pearl River Estuary and its adjacent waters Part II: Estuarine mass transport and water exchange[J]. Periodical of Ocean University of China, 2006, 46(7): 1-10.

珠江位于中国广东省南部，年径流量全国第二，其流入南海的入海口由虎门、蕉门、洪奇门、横门、磨刀门、鸡啼门、虎跳门及崖门共8个口门组成。珠江口及邻近海域常年受季风影响，且岛屿众多，地貌特征复杂[1]，随着珠江三角洲经济的迅速发展，珠江口海域大量接纳了沿岸毗邻地区直接排放的污水，接收通过大小径流携带入海以及大规模水产养殖业产生的污染物，其海水质量日趋恶化，面临着十分严重的生态环境问题。因此，研究在潮汐、径流、季风影响下珠江口水域的水交换情况是很有意义的。

关于珠江口水域水交换方面的研究相对较少，主要的工作包括：林洪瑛等[2]利用简单的数学模式结合实测资料计算了多河流河口海区混合交换、河口湾海水交换率、更新时间和替代率；韩保新等[3]应用二维数值模拟方法对珠江口河口区潮汐和潮流进行了数值模拟，计算了拉格朗日余流场并将珠江口水交换能力分为三级；裴木凤等[4]基于溶解态保守性物质对流—扩散的水质模型，计算了珠江口水体的平均停留时间。前人研究为珠江口的水交换分析提供了有益的探索，但限于模型自身限制以及计算资源的制约，多将珠江口作为一个整体来进行分析[2，4]，或只简单地考虑了余流场表征的水交换[3]。为了对珠江口及邻近海域不同区域的水交换过程和水交换能力，以及质点运动轨迹分析有一个全面而细致的认识，本文基于在珠江口及邻近海域建立的高分辨率水动力数值模型[9]，着重对珠江口水域的水交换情况进行了研究，分析了在潮汐、径流、季风场3种因素影响下的水交换特征。

1　模型和分析方法

本文水动力模型采用FVCOM海洋模式，其模拟区域为110.2°E～116.25°E，20.04°N～23.28°N，水平网格共有95 627个三角形节点，184 804个三角形单元，网格在珠江口海域尤其是航道区进行了重点加密。珠江口区域岸线和地形数据来自NOAA/NGDC和ETOP1，并采用中华人民共和国海事局出版的海图予以了订正。模型的径流数据来自《中国河流泥沙公报(2008)》中高要等水文站的月平均径流量[6]；外海每个开边界网格点上的潮汐驱动采用了由美国俄勒冈州立大学的全球潮汐同化数据(OTIS)计算所得八分潮(M2、S2、K1、O1、N2、K2、P1、Q1)预报水位。模型内、外模时间步长分别设为12s、2s[9]。

为了表达保守物理量的运移规律，本文通过染色试验来分析珠江口水域的海水滞留时间，所采用的保守物理量浓度扩散方程如下：

其中：C为染色试验中保守物理量的浓度；D总水深；u,v和ω为流速分量；Kh垂直扩散系数；Fc水平扩散项；C0为初始浓度或者点源浓度[5,8]。

为了研究珠江口及邻近海域中不同区域之间的物质交换和八大口门物质输运情况，本文采用拉格朗日粒子追踪方法研究了特定时段内特定数量粒子的运动轨迹[5]。

考虑到珠江口及邻近海域季风特征明显，下文着重分析了不同季风主导下的2个模拟时段：2008年1月1日至4月30日，此时间段为枯水期，径流量较小且东北季风主导；2008年5月1日至8月31日，此时间段为丰水期，径流量较大且西南季风主导。模式的积分时间共计245d。

2　珠江口海域海水滞留时间分布

2.1 试验设定

为了研究珠江口内湾与全湾在潮汐、径流和风场等不同作用下的水交换过程，将珠江口分为内湾(I区)和全湾(I区+II区)2个区域(见图1中蓝色分界线)，设计了2组染色试验(见表1)。在第一组试验中，内湾(I区)示踪物初始浓度均设为1，其他区域示踪物浓度为0：A1～A4分别代表在潮汐驱动、潮汐和径流驱动、枯水期和丰水期阶段的染色试验。第二组试验中，全湾(I区+II区)示踪物初始浓度均设为1，其他区域示踪物浓度为0：B1～B4表示的染色试验的驱动条件与第一组试验中A1～A4所对应。为了对示踪物浓度的变化进行潮汐时间尺度的平均，本文先对垂向平均的示踪物浓度进行25h平均，然后计算各点浓度降为1/e(0.37)时所用的时间，定义为该点的海水滞留时间。

图1　数值试验海域分区示意图

注：①Forced factor；②Tide；③Runoff；④Northeast wind；⑤Southwest wind；⑥Experimentname

2.2 模拟结果分析

图2给出第一组试验中A1～A4 4个试验对应的模型计算到第30、60和90天后内湾示踪物的浓度。A1试验中，只有潮汐驱动下，海水的运动主要是通过水平扩散这种低效方式[7]，并且珠江口内有许多涡旋结构，这些结构会限制湾外海水与湾内海水的交换，受外海潮流影响的主要是河口东部深槽区[1]，示踪物便随着海水通过河口东部的航道向外海扩散，使得东侧示踪物浓度小于西侧示踪物浓度。此时内湾水交换能力很弱，90d后示踪物平均浓度为0.77。

A2试验中，内湾受4大口门下泄径流的影响，水交换能力有了明显提高，径流带动内湾的海水流出河口，水交换速度明显加快，整个内湾的示踪物向外海扩散得到了加强，浓度显著降低。比起只有潮汐驱动时，内湾浓度分布有很大的不同，大体上呈西侧浓度低，东侧浓度高，这也说明了河西部浅滩区主要受径流下泄影响[1]。但淇澳岛以南区域由于淇澳岛阻碍以及西侧浅滩摩擦力增大影响了示踪物的扩散，使得该区域浓度较大。90d后内湾示踪物平均浓度为0.55。

A3试验中，东北风驱动下海水产生了很强的西南向沿岸流，使示踪物向西沿着岸线扩散，部分进入黄茅海等珠江口以西的沿岸区域。在河口内东侧示踪物浓度高值区稍有扩大，西侧示踪物浓度依旧较低。90d后内湾示踪物平均浓度为0.62。

A4试验中，西南风作用下使示踪物迅速向东沿岸扩散，90d后部分可至大鹏湾。由于丰水期径流较枯水期大得多，下泄径流加速了内湾示踪物向外海扩散，河口东侧示踪物浓度明显减小。90d后内湾示踪物平均浓度为0.34。

大体上看A3，A4试验与A2试验相比，淇澳岛以南及深圳湾区域示踪物扩散加快。A4试验中，内湾示踪物扩散最快，90d后内湾示踪物平均浓度最小。

(灰色线代表1/e等值线;自上而下各行分别代表A1-A4试验。Grey lines represent 1/e isolines; Rows from the top down represent A1-A4 experiments.)

图3给出了A2～A4试验中内湾区域的海水滞留时间分布。由于只考虑潮汐作用的A1试验中内湾各点滞留天数均大于90d，图3中没有给出A1试验的内湾滞留时间分布。由图3可见，内湾滞留天数等值线大致呈西北-东南走向，径流作用使河口西侧滞留天数小于河口东侧，不同季风和不同径流量使得滞留天数分布有所区别。

A2试验中，由于下泄径流的作用，河口西部和中部绝大部分区域滞留天数较小，在5～30d之间。河口西部淇澳岛以及西侧浅滩阻碍了位于淇澳岛以南区域的示踪物扩散，和东侧远离径流下泄区域的滞留天数都在90d以上。

A3试验中，淇澳岛以南区域示踪物扩散加快，滞留天数减小，但河口东侧滞留天数大于90d的区域有所增大。

A4试验中，由于丰水期径流量很大再加上西南风强迫使河口内示踪物加速混合和扩散，淇澳岛以南区域滞留天数大幅度缩短。东侧滞留天数大于90d的区域相比较前3个试验都有所减少，滞留天数从西向东由10d逐渐增加到90d以上。4个试验相比较，A4试验中内湾水交换能力最强，滞留天数在90d以上的区域最小。

图3　I区滞留天数分布图(单位：天)

(灰色线代表1/e等值线;自上而下各行分别代表B1～B4试验。Grey lines represent 1/e isolines; rows from the top down represent B1-B4 experiments.)

图4给出第二组试验中B1～B4 4个试验对应的模型计算到第30、60和90天后内湾示踪物的浓度。在全湾的染色试验中，不同强迫条件下示踪物浓度的扩散情况与对应条件下内湾示踪物浓度扩散趋势基本一致。与内湾染色试验不同的是，全湾试验中外海的示踪物浓度更高，此特点在B4试验中体现得更明显，90d后示踪物会扩散至大亚湾以东。

图4同时表明，由于全湾区域较大，滞留时间相应增加，所以，在各种强迫条件下全湾各点的滞留天数均大于90d。

3　珠江口及邻近海域不同区域间水交换特征

3.1 试验设定

在珠江口及邻近海域拉格朗日粒子追踪试验中，定义粒子交换率为各区域原有粒子流动到其他区域的数量与各区域原有粒子数之比，以此分析珠江口及邻近海域各区域之间的水交换。

为了研究珠江口及邻近海域各区域在潮汐、径流、季风等不同驱动条件组合作用下的水交换情况，本文设计了4个试验(见表2)。为了能够区分重点海域的水交换，将该海域分为8个区域(如图1红线划分的区域)，其中，A区为内伶仃岛北侧，包括了珠江口内的4大口门；B区为深圳湾；C区为内伶仃岛以南、大濠岛以北的区域；D区为C区以南，高栏岛与大濠岛连线以北的区域，包括了磨刀门和鸡啼门；E区为香港和大濠岛以南，高栏岛与香港连线以北的区域；F区为黄茅海海域，包括崖门和虎跳门；G区为大鹏湾；H区为大亚湾。

在强迫条件的不同组合下的数值试验中，待模型稳定后，作者在8个区域内均匀投放粒子，然后追踪每个粒子的轨迹，用于下文的水交换分析。

表2　试验设定

Note：①Forced factor；②Tide；③Runoff；④Northeast wind；⑤Southwest wind；⑥Experiment name

3.2 模拟结果分析

图5给出了T1～T4 4个试验粒子释放后第30、60、90天的各区域粒子交换率，即各区域粒子在原区域的保有率和到达其他区域的交换率。图表对角线上的各单元格为每行的源，其他单元格是每行的汇；每行表征1个特定海域单元与其他7个海域单元的交换情况，也就是说，该海域单元内粒子在本区域的保有率及其到达其它区域的交换率，体现了该海域单元内粒子的交换状态；通常来说，每个区域单元内粒子保有率的变化幅度小于2%时，本文认为其交换达到了稳定状态。为了能够简明地表达各区域之间随着时间推移的基本水交换状态，粒子交换率低于5%的区域视为无交换发生。

由图5可见，T1试验中，仅有潮汐驱动，粒子只会在相邻区域之间进行微弱交换，各区域传入珠江口门外海的粒子也很少。

T2试验中，第30天时，A区粒子主要通过C、D区进入外海。B区粒子没有进入其他区域；C区有52.3%粒子进入D区；D区有43.1%粒子流入外海；E区粒子除了向外海扩散外，由于下泄径流向西流动，还有7%的粒子流入了D区；F、G、H区分别有13.2%、6.6%、17.4%的粒子扩散到外海。第60天时，A区有6.2%粒子进入B区；B、G、H区粒子保有率基本不变，这些区域水交换达到稳态。第90天时，A区粒子的保有率只有18.6%，其余粒子分别进入B、C、D、E区；C、D、E、F区粒子继续向外海扩散。

在T3试验中，第30天时，A区粒子通过C、D区向外海扩散，并有15.5%的粒子进入F区；B区粒子有7.1%进入A区；C区粒子通过D、F区向外海扩散；D、E、F、G、H区粒子直接扩散到外海，且D、E区进入外海的粒子比F、G、H区的多；第60和第90天各区域间交换趋势基本一致，各区域的粒子保有率变化小于2%，此时区域间水交换已达到稳态。由于东北风会产生很强的西南向沿岸流，容易使粒子粘滞在沿岸陆地，这也是试验中区域间水交换很快达到稳态的可能原因之一。

在T4试验中，第30天时，A、C区大部分粒子进入D、E区后流入外海；B区有21.4%的粒子进入E区；D区粒子有33.2%进入F区，E区粒子有14.3%进入D区；F、G、H区少数粒子扩散进外海。第60天时，A、B、F、G、H区的粒子保有率基本不变，交换达到稳态。C区有9.5%的粒子进入G区，E区分别有5.5%和5%的粒子进入G、H区。第90天时，C区进入G区粒子以及E区进入G、H区的粒子都有所增加，同时D区有5%的粒子进入G区。

从4个试验各区域90d后的粒子交换率和粒子保有率分析可以看出，A区的水交换能力很强，这是由于区域内4大口(门虎门、蕉门、洪奇门、横门)径流量在枯水期最大可达到2000～3000m3·s-1，径流下泄促进粒子的扩散，T2试验有81.4%的粒子扩散至其他区域或流入外海，在T4试验丰水期阶段，A区的水交换能力会随着径流量增大以及西南风驱动变得更强，粒子保有率仅为13%。C区同样是受到径流下泄的影响，水交换能力也较强，T2试验中粒子保有率为40.8%。在枯水期受东北风作用，粒子保有率降低为12.3%，同时东北风产生的西向沿岸流使C区11.5%粒子进入黄茅海；在丰水期该区域水交换能力最强，粒子保有率为6.2%，在西南风作用下，C区9.8%粒子会扩散进大鹏湾。

(自上而下各行分别代表T1-T4试验。Rows from the top down represent T1-T4 experiments.)

B区水交换能力很弱，从余流场分布来看[9]，B区内有很多余流涡旋结构，并且B区面积相对较小，水深较浅，粒子在运动过程中很容易受岸界与底摩擦力引起的黏滞作用；所以这些涡旋结构和黏滞作用阻碍了粒子流出B区。T2试验中B区粒子保有率为100%，T3试验在枯水期加入东北风作用后，B区水交换能力有所改善，粒子保有率为92.9%；T4试验在丰水期有西南风作用时B区水交换能力最强粒子保有率为71.4%。

D区水交换能力较强，此区域内的磨刀门是8大口门中径流量最大的口门，T2试验中受磨刀门和鸡啼门径流下泄影响粒子保有率为22.6%，。在枯水期东北风驱动下D区水交换能力最强，粒子保有率降至13.4%。

E区水交换能力一般，T2试验中，该区粒子保有率为57.1%，6.3%会进入D区。从余流场分布来看[9]，这是由于E区受到珠江口南下径流逐渐转为西向流动的影响，使得一部分粒子随着下泄径流流入D区。在枯水期E区水交换能力最强，粒子保有率为23%，但粒子不会进入D区。在丰水期粒子分别有6.1%，5.2%进入G、H区。

F区水交换能力一般，不论在何种驱动下扩散到外海的粒子都少于20%。这是由于虽然F区内有崖门、虎跳门2大口门，但是这2个口门的径流量很小，分流比一共为11.2%[10]，所以径流下泄的影响较小，不利于粒子扩散。

G、H区的扩散情况很相似，它们的水交换能力都较弱。尤其是G区，不同驱动下水交换达到稳态后只有不到5%的粒子扩散到外海。H区与G区相比水交换能力稍强，不同试验水交换达到稳态后有20%左右的粒子扩散到外海，并且在丰水期该区域水交换能力最强，粒子交换率为23.5%。G、H区之所以水交换能力较弱，主要是由于区域内较多的余流涡旋结构[9]和岸界黏滞作用阻碍了粒子的流动，加之没有径流影响，使得粒子向外海扩散更为困难。

4　八大口门物质输运特征

4.1 试验设定

为分析珠江口8大口门(见图1)释放粒子的扩散输运过程，在不同强迫条件组合下(见表3)于8个口门处各释放250个粒子，再次运行拉格朗日粒子追踪试验，得到其90d的运动轨迹，考虑到口门位置以及径流量的大小，分别将虎门和蕉门、鸡啼门与磨刀门、崖门和虎跳门处释放的粒子标记为相同颜色(见图6)。

图6　粒子运移轨迹示意图

4.2 模拟结果分析

由图6可见，在R1试验中，只在潮汐驱动下粒子位移很小，基本都在口门附近运动。在R2试验中，在潮汐和径流驱动下珠江口内口门的粒子都向南流动，虎门和蕉门的粒子向南流动至大濠岛绕其两侧向南流动；洪奇门和横门的粒子在流出河口时交汇，向西南方向运动；受径流的影响，河口内4个口门的粒子运移速度较快，90d内最大位移达到100km；从磨刀门和鸡啼门流出的粒子分别向西南，东南方向扩散，90d内最大位移达到70km；然而由于崖门和虎跳门径流量较小，不利于粒子的扩散，基本都徘徊在口门附近。

在R3试验中，除了虎门蕉门处一些粒子向河口东部移动之外，由于东北风的作用，河口4个口门的粒子沿着西侧岸界流出后与磨刀门和鸡啼门的粒子一起沿着岸界向西和西南向流动，其中洪奇门、磨刀门与鸡啼门处粒子位移为4个试验中最大，90d内可达到285km。

在R4试验中，珠江内河区4大口门处的粒子运动大致趋势都是先向西南运动到大濠岛西侧，然后转向东和东南向运动，洪奇门部分粒子可至大鹏湾，位移约为110km；横门处粒子位移是4个试验中最大，部分可至大鹏湾，大亚湾，其位移最大为190km。磨刀门和鸡啼门处粒子大部分向东南向运动，还有小部分先向西南运动后转向东南运动。崖门虎跳门处粒子也分别向西南、东南方向运动。并且在以上试验中，粒子运动轨迹为曲线，说明粒子运动呈螺旋状推进[7]。

表3　试验设定

Note：①Forced factor；②Tide；③Runoff；④Northeast wind；⑤Southwest wind；⑥Experiment name

5　结论

本文基于无结构网格海洋模式FVCOM，考虑8个主要分潮、径流以及风场影响，通过建立珠江口及邻近海域高精度的水动力数值模型，研究了珠江口及邻近海域的海水滞留时间变化和水交换情况。主要结论如下：

(1)在A1～A4试验中，内湾海水滞留天数等值线大致呈西北-东南走向，总体上河口西侧滞留天数小于河口东侧。只考虑潮汐作用时，内湾水交换能力很弱，滞留天数均大于90d。在潮汐，径流共同作用下，由于径流下泄会带动内湾海水的运动，向湾外流动，所以内湾的水交换能力有了明显提高，河口中西部区域滞留天数最小(在5～30d之间)，但淇澳岛以南以及河口东侧区域滞留时间较大。在枯水期，淇澳岛以南区域滞留时间减小，但河口东侧滞留天数大于90d的区域有所增大。在丰水期，淇澳岛以南区域滞留时间为4个试验中最短，滞留天数自西向东由10d逐渐增至90d，并且只有东侧小部分水域滞留天数在90d以上，此试验中内湾水交换能力最强。全湾滞留时间大于90d。

(2)径流量与季风场作用会影响各区域的水交换能力。相对于只考虑潮汐作用或者有潮汐，径流双重作用的情况下，枯水期，D、E区水交换能力会增强，东北风作用会使A、C区分别有14.3%和11.5%的粒子进入黄茅海；丰水期，A、B、C、F、G、H区水交换能力会增强。西南风作用会使E区5.2%粒子进入大亚湾，并且C、D、E分别有9.8%，5.0%，6.1%的粒子进入大鹏湾内。总体而言，珠江内河区4大口门以及伶仃洋海区，磨刀门海区由于强径流作用水交换能力最强；深圳湾，大鹏湾，大亚湾由于余流涡旋结构和岸界粘滞作用与外海的水交换能力较弱。

(3)在8大口门物质输运试验中，只考虑潮汐驱动时，粒子位移很小，基本都在口门附近运动。在潮汐和径流驱动下，受径流下泄影响，珠江河口内4大口门处粒子向南运动，最大位移为100km；从磨刀门和鸡啼门流出的粒子分别向西南，东南方向扩散，90d内最大位移达到70km；但崖门和虎跳门处径流量较小，不利于粒子扩散，基本都徘徊在口门附近。在枯水期，河口4个口门的粒子沿着西侧岸界流出后与磨刀门和鸡啼门的粒子一起沿着岸界向西和西南向流动，其中洪奇门、磨刀门与鸡啼门处粒子位移为4个试验中最大，90d内可达到285km。在丰水期阶段，八大口门处的粒子运动大致趋势都是向东南和东向运动，洪奇门部分粒子可至大鹏湾，位移约为110km；横门处粒子位移是4个试验中最大，部分可至大鹏湾，大亚湾，其位移最大为190km。同时，加入风驱动后R3，R4 2个试验粒子的位移相比R1，R2试验中增大，并且粒子运动呈螺旋状推进。

致谢:在研究过程中，史军强同学提出了有益的建议，国家超级计算济南中心提供了千万亿次“神威蓝光”计算平台，在此一并表示感谢。

参考文献：

[1]林祖亨， 梁舜华. 珠江口水域的潮流分析 [J]. 海洋通报, 1996(2): 11-12.

Lin Zuheng, Liang Shunhua. The tidal current analysis in the Pearl River Estuary [J]. Marine Science Bulletin, 1996(2): 11-12.

[2]林洪瑛, 韩舞鹰, 马克美. 珠江口河口湾水交换初步探讨 [J]. 科学通报, 1990(5): 366-369.

Lin Hongying, Han Wuying, Ma Kemei. Preliminary Study of the Pearl River estuary mouth water exchange [J]. Chinese Science Bulletin, 1990(5): 366-369.

[3]韩保新， 郭振仁， 冼开康，等. 珠江河口海区潮流的数值模拟 [J]. 海洋与湖沼, 1992(5): 475-484.

Han Baoxin, Guo Zhenren, Xian Kaikang, et al. Numerical modelling of the tidal current in the Zhujiang Estuary [J]. Oceanologia Et Limnologia Sinica, 1992(5): 475-484.

[4]裴木凤, 李适宇, 胡嘉镗， 等. 丰、枯水期珠江河口水体交换的数值模拟 [J]. 热带海洋学报, 2013(6): 28-35.

Pei Mufeng, Li Shiyu, Hu Jiatang, et al. Simulation of the water exchange in the Pearl River Estuary during wet and dry seasons [J]. Journal of Tropical Oceanography, 2013(6): 28-35.

[5]Chen Changsheng, Robert C Beardsley. An Unstructured Grid, Finite-Volume Coastal Ocean Model FVCOM User Manual [M]. Second Edition. New Bedeford: School for Marine Science and Technology, University of Massachusetts Dartmouth, Technical Report SMAST/UMASSD-06-0602, 2006.

[6]水利部. 中国河流泥沙公报(2008) [R]. 北京：中国水利水电出版社， 2009.

MWR. Chinese River Sediment Bulletin(2008) [R]. Beijing: China Water & Power Press, 2009.

[7]朱君. 坦帕湾动力诊断和滞留时间的研究 [D]. 青岛：中国海洋大学, 2014.

Zhu Jun. Dynamic Diagnosis and Residence Time Analysis of Tampa Bay [D]. Qingdao: Ocean University of China, 2014.

[8]陈金瑞, 陈学恩, 于华明，等. 胶州湾潮汐潮流高分辨率数值模拟研究 [J]. 中国海洋大学学报 (自然科学版), 2011(7): 29-35.

Chen Jinrui, Chen Xueen, Yu Huaming etc. Three-dimensional high-resolution numerical study of the tide and tidal current in the Jiaozhou Bay [J]. Periodical of Ocean University of China, 2011(7): 29-35.

[9]丁芮， 陈学恩， 曲念东. 珠江口及邻近海域潮汐环流数值模拟 I 模型的建立和分析 [J]. 中国海洋大学学报(自然科学版)， 2015， 45(11)： 1-9.

Ding Rui, Chen Xueen, Qu Niandong.Three-dimensional high-resolution numerical study of the tide and circulation in the Pearl River Estuary and its adjacent waters Part I: Model building and analysis [J]. Periodical of Ocean University of China, 2015， 45 (11)： 1-9.

[10]姚章民， 王永勇， 李爱鸣. 珠江三角洲主要河道水量分配比变化初步分析 [J]. 人民珠江， 2009(2): 43-51.

Yao Zhangmin, Wang Yongyong, Li Aiming. Primary analysis of water distribution ratio variation in main waterway in pearl River Delta [J]. Pearl River, 2009(2): 43-51.

责任编辑庞旻

基金项目：❋ 海洋公益性行业科研专项“小型阵变频高频地波雷达数据的开发和应用”(201205032-2)；“海底管道探测技术集成及风险评估技术研究与示范应用”(201305026-3)资助

收稿日期：2015-03-08；

修订日期：2015-10-09

作者简介：丁芮(1990-)，女，硕士。E-mail: aadingrui@126.com ❋❋通讯作者：E-mail: xchen@ouc.edu.cn

中图法分类号：P731.27

文献标志码：A

文章编号：1672-5174(2016)07-001-10

DOI：10.16441/j.cnki.hdxb.20150065

Three-Dimensional High-Resolution Numerical Study of the Tide and Circulation in the Pearl River Estuary and Its Adjacent Waters Part II: Estuarine Mass Transport and Water Exchange

DING Rui1， CHEN Xue-En1， QU Nian-Dong2

(1 College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100，China; 2 South China Sea Environmental Monitoring Center, SOA, Guangzhou 510300，China)

Abstract:Based on an unstructured grid and finite-volume coastal ocean model (FVCOM), including highly accurate coastline and bathymetry data, a three-dimension model with high resolution is constructed in the Pearl River Estuary and its adjacent sea area to calculate the transport of estuarine mass and the capacity of water exchange. The results indicate that, with an impact of tides, the capacity of the water exchange in the Pearl River Estuary is weak and the residence time of the waters is more than 90 days,. The runoff and the wind stress can enhance the capacity of the water exchange, and the residence time of the dye in the channel and the west (near entrances of the Pearl River) is shorter than that in the western shoal and the east (away from entrances of the Pearl River). Moreover, during the flood season, the mean concentration of the dye in the estuary maintain low and the residence time of it maintain short, driven by a southwestern wind. The capacities of the water exchange in entrances of the estuary and the sea area of Lingdingyang and Modaomen are strong, while in the sea area of Shenzhen Bay, Daya Bay and Mirs Bay, the capacities of the water exchange are relatively weak. Tracers of the estuary enter Huangmao Sea in the dry season and enter Daya Bay, Mirs Bay in the flood season. With impacts of the runoff and the wind stress, the capacity of the water exchange in the estuary and the velocity with which the tracers in entrances of the estuary transport are both enhanced.In the dry season, tracers move to the west and the maximum displacement is 285 kmin 90 days .In the flood season, tracers move to the east and the maximum displacement is 190 kmin 90 days. The tracers move forward in a helical way.

Key words:the Pearl River Estuary; water exchange; residence time; numerical simulation; FVCOM

Supported by “Quality Control and Application of Smart Antenna HF Radar Data”(201205032-2)；“Research and Demonstration of Technology Integration and Risk Assessment for Submarine Pipeline Detection”(201305026-3)