象山港牛鼻山水道潮流场的高频地波雷达观测与分析

何天祺，管卫兵*,,，曹振轶，鲍 敏，李 嵩，李 雨

(1.卫星海洋环境动力学国家重点实验室，浙江 杭州 310012;2.自然资源部第二海洋研究所，浙江 杭州 310012; 3.上海交通大学海洋学院，上海 200240；4.浙江大学海洋学院，浙江 舟山 316021)

0 引言

高频地波雷达是一种新兴的海洋表面动力学参数监测手段，它利用高频电磁波随水面传播的特性，探测海洋表层流的反射回波信号，通过海浪对高频电波的传输和衰减特性，计算出海流流速、流向以及浪高、风速、风向等数据[1]。高频地波雷达具有覆盖范围广、探测精度高、运行费用低、实时性好、不受天气及海洋气象条件影响的特性。经过近40年的研究与发展，高频地波雷达已进入实用阶段。杨华 等[2]利用高频地波雷达得到江苏如东海域海流观测数据，对苏北沙洲烂沙洋海域的夏季表层海流进行了分析。龚子平 等[3]将0519号“龙王”台风期间高频地波雷达测量数据与局部浮标资料对比，又将雷达测量大面积海域风场与QuikSCAT卫星遥感资料对比，得出高频地波雷达能较好地反映台风期间台湾海峡风场的空间分布和发展变化，对灾害性海洋天气具有监测能力的结论。郑世浩 等[4]通过OSMAR-S(Ocean State Monitor and Analysis Radar-S)高频地波雷达在南海北部海面的监测，给出了高频地波雷达遥测海表面流场的误差空间分布和使用建议。董如洲 等[5]研究了杭州湾口两台高频地波雷达5个半月观测资料，认为高频地波雷达时间取样率与相对位置、时间和流速大小有关：两台雷达波交叉观测的中心区域取样率最高，夜间取样率高于白天，流速较小时的取样率高于流速较大时。朱大勇 等[6]对比2005—2007年福建南部高频地波雷达资料和台湾海峡西侧座底ADCP观测资料，对台湾海峡西南部表层海流进行了分析；用2006—2009 年间高频地波雷达数据分析了台湾海峡南部浅滩以西海域表层海流的季节与年际变化特征[7]。

构建高频地波雷达观测网是LORCE计划(“长江口-浙江近海-邻近东海多学科长期观测计划”，Long Term Observation and Research Plan in the Changjiang Estuary and the Adjacent East China Sea，简称LORCE 计划)的内容之一。选择舟山六横岛郭巨山和白马礁两处安装高频地波雷达，在象山港牛鼻山水道先行开展试验，在验证高频地波雷达数据精度、积累高频地波雷达选站安装经验的同时，分析、揭示象山港与舟山群岛海域分叉水道的水动力环境特征。牛鼻山水道位于浙江省宁波市，西靠象山港，东临舟山六横岛，北部连接佛渡水道，南侧与东海相通。六横岛把象山港口门分成佛渡水道和牛鼻山水道，前者岛屿众多、水道狭窄，后者较宽、流量较大。象山港内主要通过这两处水道与东海进行水体交换。象山港内调查资料较多，港内的潮流变化特征已经比较清楚[8-11]，而水道的水文资料较少，潮流及其变化特征还不太明确，与港湾潮流的强弱及相互影响关系尚不清晰，且都使用较传统的观测方法，因此选择在象山港牛鼻山水道开展水文状况研究试验。

1 资料获取和研究方法

在地波雷达观测期间利用ADCP和Valeport旋桨式海流仪定点开展了3个时段的周日连续观测，以此验证高频地波雷达合成表面流场的精度。同时，借助成熟的、使用SCHISM建立的区域数值模型结果，检验高频地波雷达数据在大面上的可用性，并从观测和模拟两方面对牛鼻山水道潮流变化特征进行分析。

1.1 高频地波雷达资料

在六横岛郭巨山和白马礁设置的高频地波雷达均为OSMAR-S50型便携式高频地波雷达。OSMAR-S50 高频地波雷达是由武汉大学电波传播实验室研制的，其工作频率为25 MHz，最大探测距离为50 km。郭巨山站和白马礁站两个高频地波雷达站经纬度分别为(29.71°N，122.07°E)和(29.67°N，122.13°E)(图1)，观测视角均为160°，探测距离为40 km。数据时间分辨率为20 min，空间分辨率呈辐射状分布，法向数据间隔1.25 km，切向数据间隔3°。郭巨山站扇形监测范围的中心方向为210°，白马礁站扇形监测范围的中心方向为247°。两个高频地波雷达站数据合成以后，牛鼻山水道表层海流的数据获取率如图2所示。在观测范围内共建立203个网格点，其中202个网格点的数据获取率大于90%。67个数据获取率为100%的网格点均分布于牛鼻山水道中央，而数据获取率较低的区域仅分布在左侧象山港内和右侧外海方向。郭巨山站和白马礁站两个高频地波雷达站于2020年1月设置完成，并由此开始保存观测数据。由于采用紧凑的单极子/正交环天线作为接收天线，采用单极天线作为发射天线，极大地简化了雷达的天线系统。雷达具有频谱监测、自动选频和远程监控功能，雷达站实现了无人值守。

1.2 定点验证观测

为了验证高频地波雷达定点合成的表面流场精度，2020年11月29日—12月5日在图1所示船测站点(29.65°N，122.05°E)开展了3个时段的定点周日连续观测。用于地波雷达比对的两个测流仪器：一个是型号为RDI Workhorse Sentinel 1 200 kHz 的ADCP(声学多普勒流速剖面仪)，安装在连于观测船的小型浮标上，放置在水面下2.6 m位置，探头从下往上照射，测流盲区 0.4 m，测流单元层厚0.1 m，10 min 内输出360次观测平均后的结果，使用最靠近表层的有效数据用于后续的比较分析；另一个是型号为Valeport Model 106的旋桨式海流仪，布放在船头，便于迎流观测，仪器入水深度为0.4 m，采样时间间隔为1 min。由于旋桨式海流仪观测频率远高于ADCP和高频地波雷达，并包含高频噪声，故对旋桨式海流仪数据采用10 min滑动平均处理。

1.3 大面验证数据

SCHISM(Semi-implicit Cross-scale Hydro-science Integrated System Model)模型是一种基于非结构化网格的水动力模型[12-13]，采用半隐式有限元/有限体积的Eulerian-Lagrangian算法求解Navier-Stokes方程，其前身是SELFE(Semi-implicit Eulerian-Lagrangian Finite Element)模型[14]。参照LI et al[15]对象山港的网格和水深数据研究，建立并验证了三角网格下的SCHISM模型。图3为计算网格，共97 933个三角形单元，最大分辨率为46 393 m，分布在外海边界处；最小分辨率为 42 m，主要分布在象山港海域的岛屿附近。网格水深数据从最新海图获取并采用Kriging法插值而得(图1)。计算区域涵盖整个浙江沿海，除长江、钱塘江等河流边界给定径流量外，外海开边界选取SSA、MM、MF、Q1、O1、P1、K1、N2、M2、S2、K2、M4、MS4和M6等14个分潮的调和常数计算水位，驱动模型正压运行。

图1 象山港牛鼻山水道附近海域水深、高频地波雷达站位和船测站点分布Fig.1 Water depth and the distribution of OSMAR stations and ship station around Niubishan Channel in Xiangshangang Bay

图2 牛鼻山水道高频地波雷达数据获取率Fig.2 Data acquisition rate of OSMAR stations in Niubishan Channel

图3 SCHISM模型计算网格(a)及牛鼻山水道局部网格(b)Fig.3 Computational grid of SCHISM model(a) and amplifying grid of the Niubishan Channel(b)

首先，通过2011年7月22日—8月21日(夏季)和2012年2月12日—3月13日(冬季)宁波象山长沙村验潮站(29.62°N，121.97°E)(图4)水位数据验证SCHISM模型数据的精度，采样间隔为1 h，结果如图5所示。对比发现，夏季，验潮站水位略大于SCHISM模型水位，相关系数为0.95，均方根误差为0.40 m；冬季，验潮站水位和SCHISM模型水位吻合，相关系数为0.97，均方根误差为0.27 m。

图4 长沙村潮位站和连续观测站分布Fig.4 Distribution of Changshacun tidal station and continuous observation station in Xiangshangang Bay

图5 长沙村潮位站与SCHISM模型水位对比时间序列图Fig.5 Time series comparison of water level between Changshacun tidal station and SCHISM model

于2011年7月(夏季)和2012年2月(冬季)在图4所示连续观测站开展了为期一个月的大、小潮定点周日连续观测，观测仪器为Nortek Aquadopp Profiler，采样间隔为1 h。图6给出了夏季和冬季大、小潮期间的流速和流向对比图。根据计算，总的流速相关系数为 0.78，均方根误差为0.24 m/s；流向相关系数为 0.72，均方根误差为69.8°。综上所述，该配置下的SCHISM模型能够较为真实地模拟出象山港海域水动力特征。

图6 连续观测站与SCHISM模型流速、流向对比时间序列图Fig.6 Time series comparison of current velocity and direction between continuous observation station and SCHISM model

为了检验高频地波雷达数据在大面上的可用性，使用高频地波雷达大面数据和SCHISM建立的区域模型数据，给出牛鼻山水道涨急、涨憩、落急和落憩四个典型时刻的流场分布，同时利用最小二乘法对连续30 d的大面数据进行潮流调和分析，分解出M2和K1等分潮的潮流椭圆，计算最大可能潮流流速，并得到潮流类型系数。由于2020年11月—12月期间高频地波雷达停电次数多，天气恶劣，数据完整度不足，故选取了完整度较高的2020年5月—6月的高频地波雷达数据用于大面分析。模型的计算时间为2020年5月1日—2020年6月30日，待模型计算稳定之后，选取2020年5月15日—2020年6月15日的结果数据用以比较和调和分析。

2 地波雷达观测的定点验证

Valeport旋桨式海流仪、ADCP和高频地波雷达得到的流速和流向对比结果分别如图7和图8所示。由图可见，旋桨式海流仪数据和ADCP数据吻合得非常好，都能很好地代表实际流速和流向。由于12月4日海况恶劣，为了防止旋桨式海流仪摆幅过大与船发生碰撞，观测人员将其收回，后当海况改善时又将其放下，故12月4日—5日时段旋桨式海流仪存在大量缺测数据。此外，旋桨式海流仪数据中存在高频噪声，短时振荡明显，故下文主要用ADCP数据验证高频地波雷达数据。

高频地波雷达数据与3次观测结果整体较为吻合，流速均方根误差分别为0.14、0.15和0.14 m/s，总的均方根误差为0.14 m/s；对应3次观测的相关系数分别为0.92、0.84和0.88，总的相关系数为 0.88，相关性较高，变化趋势基本一致。最大流速时刻，高频地波雷达流速往往高于实测流速(图7)。图8 中，流向以正北为0°，顺时针旋转为正。高频地波雷达流向与实测流向变化趋势相同，相关系数分别为0.86、0.94和0.94，总的相关系数为0.91，相关性较高。在转流时，两者流向比较一致。高频地波雷达3次观测数据的均方根误差分别为51.6°，35.3°和39.1°，总的均方根误差为42.7°，大的差异主要出现在涨潮和落潮时段，高频地波雷达流向明显右偏于实测流向，且持续时间较长。

图7 2020年11月29日—2020年12月5日实测流速与高频地波雷达流速对比时间序列图Fig.7 Time series comparison of sea surface current velocity observed by ship station and the OSMAR stations from November 29 to December 5, 2020

图8 2020年11月29日—2020年12月5日实测流向与高频地波雷达流向对比时间序列图Fig.8 Time series comparison of sea surface current direction observed by ship station and the OSMAR stations from November 29 to December 5, 2020

3 地波雷达大面观测结果与讨论

3.1 牛鼻山水道流场分布

图9显示了牛鼻山水道2020年5月26日—27日大潮期一个完整潮周期的流场分布。图9a、9c、9e和9g为高频地波雷达结果，图9b、9d、9f和9h为SCHISM模型结果，分别代表涨急、涨憩、落急和落憩4个典型时刻的流场分布。图中红色矢量代表流速大小和方向，背景颜色越浅，流速越大；反之背景颜色越深，流速越小。5月26日20时牛鼻山水道开始涨潮，海水从外海涌入，依次流向象山港内和佛渡水道，流速逐渐增大。在26日23:00，如图9a和图9b所示，牛鼻山水道处于涨急时刻，海水主要汇入象山港内，此时流速超过1.50 m/s。此后，水道潮流逐渐减弱，进入象山港内的涨潮流转而流向佛渡水道。至27日2:00，水道已然涨憩(图9c和 图9d)，象山港内的海水流出至佛渡水道，流速仍然在1.00 m/s以上，此时牛鼻山水道和外海海水已经转流，流速不足 0.50 m/s，愈靠外海流速愈小。随着牛鼻山水道内潮流转为落潮流，象山港内的海水不再流向佛渡水道，而逐渐顺时针转向牛鼻山水道，流出至外海。水道落潮流继续增强，象山港内的海水释放速度加快，同时佛渡水道海水也流入牛鼻山水道。27日5:00左右，牛鼻山水道内已经完全成为落潮流，达到落急时刻(图9e和图9f)，最大流速达2.00 m/s。随后，象山港内海水流速迅速减小，牛鼻山水道落潮流开始减弱，流向略微转向南侧。直至27日8:00，牛鼻山水道落潮流已减弱为落憩转流(图9g和 图9h)，除了北侧一支流速为1.00 m/s的海流，其余海域流速均小于 0.40 m/s。随后的几个小时，北侧这支海流流速迅速增大，流向不变，并与外海入侵的涨潮流相遇于牛鼻山水道中央，整个牛鼻山水道流场形成两侧流速大，中间流速小的空间分布。之后，来自外海的涨潮流逐渐占据优势，牛鼻山水道中央流速因此增大，流向依次转至佛渡水道和象山港内。

图9 高频地波雷达与SCHISM模型的流场分布Fig.9 Current distribution mapped by OSMAR station and SCHISM

两组数据在流向分布上表现一致，但是相比于模型数据，高频地波雷达的流速略微偏大，在象山港内海域、佛渡水道口和牛鼻山水道西侧狭窄水道等处尤为明显。牛鼻山水道涨、落潮与象山港内较为一致，与佛渡水道存在一定的相位差，这与吴清松 等[16]利用MIKE21模型模拟的象山港潮汐通道潮流特征结果相符合。

3.2 牛鼻山水道潮流调和分析

3.2.1 潮流运动特征

潮流运动特征可以用潮流椭圆表达。通常将潮流椭圆短轴和长轴之比称为旋转率，旋转率绝对值越大，潮流的旋转性越强；绝对值越小，潮流的往复性越强。旋转率为正表示逆时针旋转，为负表示顺时针旋转。

图10展示了具有代表性的半日分潮M2和全日分潮K1潮流椭圆分布。其中，图10a和10c为高频地波雷达结果，图10b和10d为SCHISM模型结果。图中显示的是牛鼻山水道潮流椭圆和旋转率分布，潮流椭圆长半轴代表分潮的最大流速，箭头代表潮流的旋转方向；背景颜色代表旋转率性质，颜色越浅越接近往复流；红色越深越接近逆时针旋转流，蓝色越深越接近顺时针旋转流。

由图10a和10b可知，M2分潮的旋转率为-0.5～-0.2，旋转率的绝对值从外海沿水道方向逐渐增大，即M2分潮逐渐从往复流变成顺时针旋转流。在(29.69°N，122.00°E)附近，由于象山港内、佛渡水道和牛鼻山水道三股流交汇，M2分潮呈旋转流。牛鼻山水道中，M2分潮潮流椭圆的长半轴约为 1.00 m/s，远大于其他分潮。潮流椭圆长轴顺着水道方向。两组结果相比，由于高频地波雷达在牛鼻山水道西侧的数据获取率相对较低，精度不足，地波雷达显示此处M2分潮潮流椭圆为逆时针旋转，而模型数据显示仍为顺时针旋转。

对比而言，K1分潮的旋转率绝对值都较小，最大值仅在水道西北侧达到0.3，其余均为典型往复流(图10c 和图10d)。K1分潮最大流速约为 0.10 m/s，随地理位置的变化较小。K1分潮潮流椭圆长轴也顺着水道方向。与M2分潮分布图相似的是，两组结果中K1分潮在象山港内的旋转方向也是相反的。

图10 高频地波雷达和SCHISM模型的潮流椭圆及旋转率分布Fig.10 Ellipse track and ellipticity distribution mapped by OSAMR station and SCHISM

综合比较分析可知：M2分潮的潮流椭圆最大，大约是1.00 m/s，是牛鼻山水道最主要的分潮，而K1分潮流速只有M2分潮的十分之一。除了在(29.69°N， 122.00°E)附近，由于三支流的交汇，潮流呈现小规模的旋转流外，牛鼻山水道的潮流主要是往复流。分潮的旋转方向以顺时针为主，这是因为象山港牛鼻山水道地处北半球，引潮力和地球自转产生的科氏力共同作用导致的。

3.2.2 潮流类型

由多种分潮构成的潮流现象会形成多种潮流类型，根据《港口工程技术规范》[17]规定，将K1、O1和M2分潮的最大潮流流速比值F作为潮流类型的判断依据，潮流类型系数F的计算方式为

F=(WK1+WO1)/WM2

(1)

式中：WK1、WO1和WM2分别为K1、O1和M2分潮的潮流椭圆的长半轴。根据规定，海域潮流类型系数F介于0和0.5之间时，为规则半日潮流区。牛鼻山水道海域的潮流类型系数F为0.1～0.3(图11)，为典型的规则半日潮流海域。图11a为高频地波雷达结果，图11b为SCHISM模型结果。两者略有不同：在图11a中，越靠近象山港内，F值越大；而图11b中，越靠近外海，F值越大。

图11 牛鼻山水道潮流类型系数分布Fig.11 Spatial distribution of tidal current type coefficient in Niubishan Channel

3.2.3 最大可能潮流流速

根据《港口工程技术规范》[17]中的规定，最大可能潮流流速可以通过半日分潮M2、S2和全日分潮K1、O1的最大潮流流速线性计算。规则半日潮流区，最大可能潮流流速的计算公式为

(2)

图12 高频地波雷达(a)和SCHISM(b)的最大可能潮流流速分布Fig.12 Spatial distribution of maximum probable current velocity by OSMAR(a) and SCHISM model(b)

3.3 讨论

从细节上看，高频地波雷达的定点流速和流向数据在某些时段存在误差(图7和图8)；4个典型时刻流场图中(图9)，高频地波雷达数据与SCHISM模型数据在象山港内海域、佛渡水道口和牛鼻山水道西侧狭窄水道等处有较明显偏差；从象山港M2分潮和K1分潮的潮流椭圆(图10)可以看出，高频地波雷达数据与模型数据基本吻合，唯独在象山港内海域，高频地波雷达旋转率与模型旋转率相反；计算潮流类型系数F分布时(图11)，高频地波雷达结果中，系数F在靠近象山港内时增大，模型结果却不存在这个趋势；图12中，高频地波雷达的最大可能潮流流速在象山港内和外海方向与模型结果不太吻合。由此发现，当表层流场主流向与郭巨山地波雷达径向测线较为一致时，两组数据偏差较小；但当表层流场主流向与白马礁地波雷达径向测线较为一致时，两组数据偏差较大。

用投影法将ADCP观测数据分解成郭巨山和白马礁两个径向方向分量，分别与两个高频地波雷达单站数据对比(图13)。结果发现，郭巨山站数据和ADCP郭巨山分量具有很好的一致性，红点均匀地分布在对角线两侧，且偏离程度不高。白马礁站数据和ADCP数据并不一致，图中远离对角线的红点较多、分布散乱，这表明白马礁站的地波雷达数据噪声明显、偏差大。地波雷达单站郭巨山径向测线流速分量的精度明显好于白马礁数据，牛鼻山水道中央的高频地波雷达数据比较准确，而象山港内海域数据偏差较大。

图13 郭巨山站(a)和白马礁站(b)高频地波雷达分量数据和对应ADCP分量数据的比较Fig.13 Comparison of OSMAR data and ADCP data in Guojushan station(a) and Baimajiao station(b)

经过排查，造成误差的原因是白马礁地波雷达站从附近工厂接入的工业电电压不够稳定，由于回波信号弱、观测环境条件差等地理因素影响，高频地波雷达数据的精度下降。在后续的LORCE计划中构建高频地波雷达观测网时，应充分吸取试点经验，选址时考虑电力因素。

4 结论

构建高频地波雷达观测网作为自然资源部第二海洋研究所LORCE 计划中的一部分，在六横岛郭巨山和白马礁各设置了1台OSMAR-S50高频地波雷达面向象山港牛鼻山水道开展观测。使用Valeport旋桨式海流仪和ADCP在两台雷达合成表面流场有效区域中间地带定点开展了3个时段的周日连续观测，以此来验证高频地波雷达合成表面流场的精度。同时用SCHISM建立的区域数值模型结果，检验了高频地波雷达数据在大面上的可用性。总体结论如下。

(1)从定点观测结果来看，旋桨式海流仪数据和ADCP数据吻合得非常好，选一作为验证数据即可。高频地波雷达数据与ADCP实测数据的相关性较高，流速相关系数为0.88，均方根误差为0.14 m/s；流向相关系数为0.91，均方根误差为42.7°。高频地波雷达在该点获得的流场有较高精度。

(2)大面上高频地波雷达的观测和模拟结果在大趋势上是一致的：牛鼻山水道在涨潮时，海水先从外海流向象山港内；之后，涨潮流再逐步流向佛渡水道直至涨憩时刻；随着牛鼻山水道海流转为落潮流，不再有海水流向佛渡水道，而是从象山港内流出至外海；当落潮流继续加强，象山港内的海水释放速度加快，同时佛渡水道海水也流入牛鼻山水道；到落急时刻，最大流速可达2.00 m/s；随后，落潮流减弱，象山港内海流迅速减小，牛鼻山水道流速也随之减小，并且向南流动，直至牛鼻山水道达到落憩时刻。

(3)从潮流椭圆分布来看，水道的主要分潮M2和K1分潮以往复流为主。M2分潮是最主要的分潮，潮流椭圆长半轴约为1.00 m/s，长轴方向主要顺着水道。K1分潮最大流速只有0.10 m/s，潮流椭圆长轴也主要顺着水道。

(4)牛鼻山水道为典型的规则半日潮流区域。基于地波雷达数据得出的最大可能潮流流速从牛鼻山水道至外海方向逐步增大，最大值达到1.95 m/s，位于牛鼻山水道最南侧(122.06°E，29.6°N)。

(5)从细节上来看，当主流向与郭巨山地波雷达径向测线较为一致时，偏差较小；当主流向与白马礁地波雷达径向测线较为一致时，偏差较大。利用 ADCP 定点观测数据分别投影到郭巨山和白马礁地波雷达当地径向测线上做进一步比较分析发现，郭巨山径向测线流速分量的精度明显好于白马礁数据。经过排查，发现白马礁站电压不稳可能是造成该误差的主要原因。