基于海上试验对海上漂移物运移轨迹影响因素的分析

作者：黄娟  徐江玲  高松  郭敬天

单位：山东省海洋生态环境与防灾减灾重点实验室国家海洋局北海预报中心, 山东青岛266061

关键词：海上漂移预测 搜救 绿潮

分类号：P731.21

出版年·卷·期（页码）：2014·31·第四期（97-104）

摘要：

为了提高现有的海上搜救和绿潮漂移预测模型的预报精度,在2011年7月20日进行了一次落水人员、绿潮和无动力船漂移预测的海上试验。通过分析这三种海上漂移物运移轨迹的实验数据,确立了落水人员、绿潮、以及无动力船在海上漂移轨迹的主要影响因素。实验结果表明,落水人员和绿潮的漂移轨迹比较一致,基本都受限制于海流运动。其中,落水人员相较于绿潮来说受到潮流的作用比较大,风对绿潮的影响相比对落水人员的影响大。无动力船的漂移轨迹与落水人员和绿潮的漂移轨迹略有不同,受潮流往复作用较小。根据海上实验的结果,我们重新确立了搜救模型的中海流和风应力的参数,使得搜救模型的模拟结果更吻合于实验数据。

To improve the present forecast capability for search and rescue (SAR) at sea as well as Green Tide floating trajectory, one field experiment was carried out on July 20th, 2011 to evaluate the relative contribution to modeling of different drift objects, such as person, Green Tide and boat. The results show that the drift trajectory of person is similar to that of Green Tide, since both of them are mostly dominated by currents. Besides, the person is more sensitive to tides than Green tide, while the latter is more sensitive to wind. However, the drift trajectory of boat is different from that of the person and Green tide, since the tide effect on boat is different. Moreover, according to the experiment data, the parameters of current and wind stress in search and rescue numerical model are revised. After improvement, the simulated trajectory results of different drift objects are more closer to the experimental data.

参考文献：

[1] 张晋文, 邓顺华. 前进中的中国搜救事业[J]. 中国水运报, 2004, 10: 56-57. [2] 肖方并, 尹勇, 金一丞, 等. 海上搜寻规划方法研究综述[J]. 大连 海事大学学报, 2011, 37(2): 58-60. [3] 付玉慧, 朱玉柱. 水上安全监督管理（下）[M]. 大连: 大连海事大 学出版社, 2011. [4] 王福谦. 物体做漂流运动的速度特征[J]. 晋东南师范专科学校学 报, 2002, 16(1): 20-22. [5] Kitakyushu. On the drift speed of floating bodies in waves[C]. 12th International Offshore and Polar Engineering Conference. 2002, 5. [6] 胡志武, 张秋荣, 顾维国. 遇难船舶漂流轨迹预测技术[J]. 航海技 术, 2007(3): 18-21. [7] 于卫宏, 贾传荧. 海上搜救搜寻区域确定方法研究[J]. 中国航海, 2006(2): 34-37. [8] Tanizawa K, Minami M, Naito S. Estimation of wave drift force by numerical wave tank[C]. Proc. 9th International Offshore and Polar Engineering Conference, Brest, 1999, 3: 323-330. [9] 施平安, 吴晞. 数字化海事案例特征提取与知识表示初探[C]. 第 二届广东海事高级论坛, 广州, 2008. [10] Liu Y H, Yang C S, Yang Y B, et al. Case Learning in CBR-based agent systems for ship collision avoidance[J]. Lecture Notes in Computer Science, 2009: 542-551。 [11] 张英菊, 仲秋雁, 叶鑫, 等. CBR的应急案例通用表示及存储模 式[J]. 计算机工程, 2009, 35(17)：28-30. [12] 肖文军, 堵盘军, 龚茂珣, 等. 上海沿海海上搜救预测模型系统 的研究和应用[J]. 海洋预报, 2013, 30(4): 79-86. [13] 李云, 刘钦政, 王旭. 海上失事目标搜救应急预报系统[J]. 海洋 预报, 2011, 28(5): 77-81. [14] 吴玲娟, 曹丛华, 黄娟, 等. 黄海绿潮应急溯源数值模拟初步研 究[J]. 海洋科学, 2011, 35(6): 44-47. [15] 黄娟, 吴玲娟, 高松, 等. 黄海绿潮应急漂移数值模拟[J]. 海洋预 报, 2011, 28(1): 28-32. [16] 白涛, 黄娟, 高松, 等. 黄海绿潮应急预测系统业务化研究与应 用[J]. 海洋预报, 2013, 30(1): 51-58.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】