近日，海洋所尹宝树研究团队利用SCHISM数值模型，研究了潮流与波浪对悬浮泥沙浓度的影响机制。基于上述认识，用机器学习方法在主要受潮汐潮流影响的封闭海湾构建了悬浮泥沙预测系统，实现了对悬浮泥沙浓度的有效预测。相关成果发表于国际学术期刊Ocean Modelling和Marine Pollution Bulletin。

悬浮泥沙浓度是海洋生态系统中的一个关键参数，对沿海生态动力学的许多方面产生了重大影响。长期以来，国际学术界对悬浮泥沙浓度给予了大量关注。然而，潮流与波浪在各种环境和动态变化条件下对悬浮泥沙浓度变化的具体贡献仍不十分明确。为此，尹宝树研究团队深入研究了有无台风影响时潮流、波流相互作用底应力、波浪辐射应力、波浪破碎等对悬浮泥沙浓度变化的贡献度。

结果表明，在正常海况下，潮流是影响悬浮泥沙浓度变化的主要因素。在受台风影响期间，潮流与波浪对悬浮泥沙变化的贡献相当。其中，波浪轨道速度改变了底部摩擦应力，波浪辐射应力影响水体流速及湍流动能，波能在水平空间的变化改变了波能的传递。以上三种为波浪影响悬浮泥沙变化的主要机制，其他波流相互作用项对悬浮泥沙的影响较小。

图1 不同波流相互作用机制对悬浮泥沙浓度的影响

对悬浮泥沙浓度的预测，采用数值模拟计算较慢、参数设置复杂，不确定性较大。为了解决这个难题，研究团队在上述机制研究的基础上，提出了将长期稳定的卫星观测数据与人工智能方法结合起来、构建悬浮泥沙浓度预测系统的设想，并结合深度学习模型进行了试验。

图2 深度学习模型结构图

研究团队利用风速(ERA5)、潮流(SCHISM结果)以及卫星遥感数据(GOCI)对卷积神经网络(CNN)进行训练。训练结果表明，基于CNN模型预测系统的预测结果与卫星遥感数据在绝大部分区域都有 0.7以上的相关性，表明该系统可以实现对胶州湾悬浮泥沙浓度的有效预测。

图3 深度学习模型预测值与卫星数据的对比

中国科学院海洋研究所博士研究生谢建斌为论文第一作者，冯兴如研究员为论文通讯作者。研究得到了国家重点研发计划、国家自然科学基金、崂山国家实验室等项目联合资助。

论文信息：

Xie J, Feng X*, Gao G. (2024). Variation of suspended-sediment caused by tidal asymmetry and wave effects[J]. Ocean Modelling. doi: https://doi.org/10.1016/j.ocemod.2024.102454.

Xie J, Feng X*, Gao T, et al. (2024). Application of Deep Learning in Predicting Suspended Sediment Concentration: A Case Study in Jiaozhou Bay, China[J]. Marine Pollution Bulletin. doi: https://doi.org/10.1016/j.marpolbul.2024.116255.