【摘 要】
:
海流和潮汐作为海洋中两种重要的现象,对国民经济、气候环境和人类生活有着巨大的影响。目前,用于观测海流和潮位的方法有很多种。虽然现有的方法能实现对海流和潮位的有效测
论文部分内容阅读
海流和潮汐作为海洋中两种重要的现象,对国民经济、气候环境和人类生活有着巨大的影响。目前,用于观测海流和潮位的方法有很多种。虽然现有的方法能实现对海流和潮位的有效测量,但也存在明显的缺点。传统的海流观测方法一般使用海流计固定于海上平台中进行接触式测量,仪器设备通常较为昂贵,且长时间观测容易造成仪器损坏和丢失。传统潮位测量方法一般是在固定站点建立验潮站,受地点制约较为明显。GPS浮标作为一种新型的海洋观测仪器,有着全天候、高精度、成本低等优势。近年来利用GPS浮标数据反演和测量海洋参数成为研究热点。本文针对GPS浮标应用于海洋参数反演和测量开展了研究,通过理论与实验结合的方法利用GPS浮标数据反演了表层海流流速并提取了潮位序列。通过GPS单点测速法获取浮标的运动速度,与实测表层海流速度相比,结果显示浮标速度与海流速度的变化周期有很高的一致性,两者大小的比值大致为1/360,两者的方向和相位也有很好的一致性。对浮标在海上的运动进行了数值计算,利用欧拉参数法推导了浮标的运动方程,构建了雷诺平均法的湍流模型,然后对浮标进行了七个工况的模拟。模拟结果表明浮标的位移、速度与实验结果一致,该模型有很好的稳定性,可以为下一步研究工作提供有效的指导。通过构建GPS验潮模型,利用实测GPS浮标天线高程数据经过扣除天线高、垂直基准转换、潮位滤波等步骤实现了对浮标所在处的潮位提取,与附近验潮站的潮位数据对比验证了该方法可行。基于验潮站的数据和实测海流数据利用调和分析的方法计算了潮汐、潮流的调和常数,对天津港的潮汐特征、潮流特征进行了研究。结果表明天津港的潮汐属于不正规半日潮,潮流属于正规半日潮,风对表层余流有重要影响。通过本文的研究,能够为海流测量提供一种新的方法以及利用GPS技术实现潮位的提取,弥补传统海流反演方法和潮位测量方法的不足,潮流、潮汐特征的分析加深了对天津港海洋动力环境的认识。本文提出的浮标运动数值模型能够提供浮标的动力参数,为海流精确反演提供有效的指导。
其他文献
本实验在课题组前期研究Ar-H2-H2O混合气氛对铁碳合金薄带的脱碳取得了良好成果的基础上,开展在更弱氧化性Ar-CO-CO2气氛下对铁碳合金薄带的脱碳研究。以初始碳含量为4.15、3
海水声速在海洋中有着广泛且重要的应用,在一定程度上声速之于海洋恰如光速之于大气,海水声速是认识海洋的重要物理参数。目前基于传统直接法的海水声速测量精度一般处于数cm
分子印迹技术(MIT)是指制备对某一特定目标分子(模板分子/印迹分子)具有特异选择性的聚合物,即分子印迹聚合物(MIPs)。由于分子印迹聚合物具有构效预定性,而且对目标分子具有特异的
白血病属于恶性肿瘤,给患者与社会都带来巨大的负担,对于白血病的诊断及其相关的微小残留病监测具有重要的研究价值。现今研究结果表明,融合基因BCR-ABL及其对应融合蛋白与慢
铅基卤化物钙钛矿由于较高吸收系数、低缺陷态密度、长激子扩散长度等特点引起了人们的广泛关注。形态工程对于调整钙钛矿纳米晶体的光电性质至关重要。虽然许多一维、二维和三维的钙钛矿纳米晶已经被制备出来,但发展更多制备方法、获得更多形貌的卤化物钙钛矿仍是当前的研究热点。本文致力于将自组装方法用于制备不同形貌的CH_3NH_3PbBr_3钙钛矿,具体研究内容如下:发展了一种以钙钛矿纳米晶为起始材料、通过去润湿
生态系统服务将人类社会需求与各类自然生态系统在相互作用过程中联系起来,分析生态系统服务的时空特征,研究其权衡与协同关系对城市群区域的生态平衡调节和可持续发展具有重要的现实意义。本研究选取成都城市群作为研究区域,采用In VEST模型,并结合Arc GIS软件的空间分析、空间统计和空间制图工具,定量评估了近10年(2005-2015年)成都城市群的食物供给、水源涵养、碳储存和土壤保持4类生态系统服务
为满足电子市场对陶瓷电容器小型化、集成化的应用需求,多层陶瓷电容器(简称MLCC)在保持原有储能能力的前提下,逐步向尺寸更小、可应用温度范围更宽的方向发展,这就要求应用
微型化、集成化和智能化,是化学分析设备发展的一个重要趋势。随着微流控技术的发展,微流控芯片的广泛使用使得这一趋势得到了很好地实现。反应物之间的混合是启动相关反应的必经过程。在微流控芯片内,由于微流体的特殊性质,溶液之间的混合往往需要借助微混合器来完成。针对不同的应用领域,微混合器的混合时间有所区别。应用于蛋白质折叠、酶反应动力学等研究的超快微混合器需要在微秒级时间尺度内完成对溶液的混合,从而观察到
正压潮流流经粗糙的海底地形,以内波的形式转化成斜压潮,一部分斜压潮能以内波的形式辐射出去,剩余部分在内波生成点发生耗散,从而产生增强的湍流混合,称之为潮混合。潮混合
基于机器学习的蛋白质-蛋白质相互作用(PPI)预测可以为蛋白质功能、疾病发生和大规模治疗设计提供非常有价值的帮助。但是大多数基于机器学习的方法都需要做大量的特征工程,