青島近海大型水母漂移集合預(yù)測方法研究

吳玲娟，高松，劉桂艷，白濤（山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室,國家海洋局北海預(yù)報(bào)中心,山東青島266033）

?

青島近海大型水母漂移集合預(yù)測方法研究

吳玲娟，高松，劉桂艷，白濤
（山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室,國家海洋局北海預(yù)報(bào)中心,山東青島266033）

摘要：考慮水母垂直運(yùn)動(dòng)等自主運(yùn)動(dòng)，基于集合預(yù)報(bào)和拉格朗日粒子追蹤方法，建立青島近海大型水母的集合漂移預(yù)測模型。并利用2012—2013年青島近海水母實(shí)時(shí)監(jiān)測數(shù)據(jù)和集合漂移預(yù)測模型，快速預(yù)測水母集合漂移軌跡、速度、趨勢和可能影響范圍等要素。通過分析水母監(jiān)測數(shù)據(jù)和數(shù)值模擬結(jié)果，在水母如何自主運(yùn)動(dòng)及其機(jī)理尚不十分清楚的情況下，多軌跡漂移預(yù)測結(jié)果比單軌跡的更合理、科學(xué)、可信，能夠傳達(dá)更多的信息量，對水母災(zāi)害的應(yīng)急處置更具有指導(dǎo)意義。關(guān)鍵詞：水母災(zāi)害；集合預(yù)報(bào)；水母垂直運(yùn)動(dòng)；漂移預(yù)測

1　引言

全球變化和人類活動(dòng)影響下海洋生態(tài)系統(tǒng)的結(jié)構(gòu)與功能發(fā)生了很大的變化，大型水母災(zāi)害發(fā)生頻率與成災(zāi)種類不斷增加，已嚴(yán)重影響了近海海洋漁業(yè)、沿海工業(yè)、濱海旅游業(yè)和海洋生態(tài)系統(tǒng)[1-5]。近年來，青島近海水母連年暴發(fā)，成災(zāi)種類主要有海月水母、沙海蜇和白色霞水母；王世偉等[6]、孫松等[7]和張海彥等[8]的監(jiān)測和研究結(jié)果認(rèn)為青島近海的海月水母主要分布于膠州海灣內(nèi)，能夠在灣內(nèi)自行自我補(bǔ)充并完成其生活史，可能是原發(fā)型；沙海蜇和白色霞水母可能不是由本地水螅體和水母幼體發(fā)育，是外來型的。國內(nèi)外科學(xué)家利用海洋數(shù)值模式，將水母粒子化，對水母漂移路徑進(jìn)行溯源和追蹤，以分析影響水母漂移聚集關(guān)鍵動(dòng)力因素。Barz等[9]利用海洋數(shù)值模式模擬水母漂移，發(fā)現(xiàn)平流過程是中央波羅的海海域缽水母發(fā)生和分布的關(guān)鍵因素。Moon等[10]利用海洋模型ROMS （Regional Ocean Modeling System），未考慮潮汐運(yùn)動(dòng)，采取粒子示蹤法對日本海水母來源進(jìn)行分析，結(jié)果顯示日本海暴發(fā)的水母可能的源地之一為長江口，而且水母的分布受中國東海到日本海之間的風(fēng)應(yīng)力及沿岸流的影響較大。而羅曉凡等[11]利用數(shù)值模式結(jié)果指出考慮潮汐運(yùn)動(dòng)過程的海洋模式進(jìn)行質(zhì)點(diǎn)追蹤更為可靠；基于含潮汐過程和質(zhì)點(diǎn)垂直運(yùn)動(dòng),濟(jì)州島沿岸質(zhì)點(diǎn)大部分穿過對馬海峽進(jìn)入日本海,其它質(zhì)點(diǎn)主要聚集黃海潮汐鋒區(qū)和長江口以南沿岸鋒，并未進(jìn)入日本海。Johnson等[12-13]利用Gulf of Mexico(GOM)環(huán)流模型，對墨西哥灣內(nèi)的五卷須金黃刺母的路徑進(jìn)行追蹤，結(jié)果指出灣內(nèi)環(huán)流的季節(jié)變化在水母的豐度和分布上起重要的作用。Berline等[14]采用ROMS模式建立了法國利古里亞海高分辨率的模式，考慮水母0—300 m垂直運(yùn)動(dòng)模擬水母的漂移，并指出北向流和海面風(fēng)場是水母靠岸的主要影響因素。

Graham等[15]指出水螅水母綱、缽水母綱和管水母亞綱的水母普遍存在晝夜垂直遷移現(xiàn)象，即水母白天下沉到水體底層，夜間上浮到水體表層；櫛水母綱的水母卻不多見。但是在2006年黃海海域大面調(diào)查航次發(fā)現(xiàn)24 h內(nèi)連續(xù)調(diào)查的水母數(shù)量變化并非水母晝夜垂直移動(dòng)所引起，可能是拖網(wǎng)調(diào)查過程中水團(tuán)的改變造成；在2006年4月—2007年8月期間10次漁業(yè)底拖網(wǎng)調(diào)查的調(diào)查期間發(fā)現(xiàn)在許多站位的表層或次表層出現(xiàn)大量的水母個(gè)體[16]。在膠州灣8—9月份水母調(diào)查中[6]發(fā)現(xiàn)水母垂直移動(dòng)的規(guī)律性并不明顯。Barz等[17]報(bào)道北海南部的水母主要分布在5—25 m；Honda等[18]在日本海南部的沙海蜇主要分布于40 m以淺的水層,夜間所處深度往往大于白天。在2011—2013年青島近海水母監(jiān)測過程中，發(fā)現(xiàn)一部分水母白天漂浮在水面。因此，不同水母或同一種水母在不同環(huán)境條件下的自主運(yùn)動(dòng)（垂向運(yùn)動(dòng)）不盡相同，而且水母主要分布深度也不一樣，可能與其向光性或光照強(qiáng)度有關(guān)[19-21]，也可能關(guān)系不大，其機(jī)理尚不十分清楚。所以我們基于三維全動(dòng)力ROMS海洋模式，在示蹤方法的基礎(chǔ)上，對水母的垂向運(yùn)動(dòng)進(jìn)行多種假設(shè)，借鑒氣象中集合預(yù)報(bào)的方法，進(jìn)行大型水母的漂移集合預(yù)測方法研究；并利用2012—2013年水母監(jiān)測數(shù)據(jù)，對水母的漂移軌跡進(jìn)行集合預(yù)測。

2　海洋模式和集合預(yù)報(bào)方法介紹

ROMS海洋模式由Rutger University與UCLA共同研究開發(fā)完成。與其他模式相比有許多值得關(guān)注的特點(diǎn)，比如：其使用的S坐標(biāo)系使得溫躍層和底邊界層等這些讓人更感興趣的層面上有更高的解析度；在水平對流、垂向混合等問題的處理上，也有更多的方案可供選擇等。Ezer等[22]發(fā)現(xiàn)ROMS所使用的方法可以減少計(jì)算上的誤差，以及它允許使用較大數(shù)值積分步長有增加計(jì)算效率的優(yōu)點(diǎn)。ROMS模式中使用新的水平壓力梯度Shchepectkin算法[23]，相對于POM的算法，可以有效減少模式計(jì)算誤差的累積。同時(shí)，ROMS強(qiáng)大的開發(fā)團(tuán)隊(duì)，不斷更新模塊。該模式作為主要的海洋業(yè)務(wù)化模式之一，在COOPS已經(jīng)開始大量使用[24-25]，并且將其列為今后5年業(yè)務(wù)化海洋模式重要模式之一。

在不考慮水母自身生態(tài)特征的情況下，其在海水中的移動(dòng)，可以看作是質(zhì)點(diǎn)跟隨海流的物理運(yùn)動(dòng)，不同水母或同一種水母在不同環(huán)境條件下的自主運(yùn)動(dòng)（垂向運(yùn)動(dòng)），其機(jī)理尚不十分清楚。所以借鑒集合預(yù)報(bào)方法，基于Lagrange粒子追蹤法預(yù)測大型外來型水母的漂移軌跡。集合預(yù)報(bào)起源于氣象方面，認(rèn)為大氣是一個(gè)高度非線性的混沌系統(tǒng)，因而數(shù)值天氣預(yù)報(bào)的結(jié)果對初始條件的微小誤差非常敏感。Epstein[26]為解決這一問題先在理論上提出了動(dòng)力隨機(jī)預(yù)報(bào)。后來，Leith[27]提出了一個(gè)比較適合于實(shí)際應(yīng)用的經(jīng)典“蒙特卡羅預(yù)報(bào)”（MonteCarlo forecasting）。集合預(yù)報(bào)是估計(jì)數(shù)值預(yù)報(bào)中不確定性的一種方法，它將單一確定性預(yù)報(bào)轉(zhuǎn)變?yōu)楦怕暑A(yù)報(bào)。初始場的不確定性可用概率密度函數(shù)（PDF）來表征。集合預(yù)報(bào)可以通過追蹤初始不確定性的時(shí)空演變，提供依流型（flow-dependent）的概率分布，來提高可預(yù)報(bào)性[28]。不同用戶在根據(jù)集合預(yù)報(bào)結(jié)果進(jìn)行決策時(shí)要比使用單一預(yù)報(bào)得到更多的經(jīng)濟(jì)利，因?yàn)榧项A(yù)報(bào)可以針對他們各自的成本/損失比提供不同的決策標(biāo)準(zhǔn)[29]，而單一確定性預(yù)報(bào)無法幫助每一個(gè)用戶根據(jù)自身的情況做出最優(yōu)的決策，用戶只能簡單地依賴氣候場信息進(jìn)行判斷。Joslyn 等[30]和Nadav-Green-berg等[31]的研究表明，預(yù)報(bào)中包含不確定性估計(jì)，可以幫助預(yù)報(bào)員和公眾做出更好的決策。目前集合預(yù)報(bào)方法在氣象預(yù)報(bào)發(fā)揮重要作用，美國國家環(huán)境預(yù)報(bào)中心（NCEP）和歐洲中期天氣預(yù)報(bào)中心（ECMWF）和加拿大氣象中心（CMC）都于1998年12月前建立了各自的全球集合預(yù)報(bào)系統(tǒng)（GEFS），但是集合預(yù)報(bào)方法在海洋方面應(yīng)用較少的。付翔等[32]利用集合預(yù)報(bào)模式對強(qiáng)臺(tái)風(fēng)風(fēng)暴潮進(jìn)行了分析與數(shù)值模擬，并同業(yè)務(wù)化的臺(tái)風(fēng)風(fēng)暴潮數(shù)值預(yù)報(bào)模式結(jié)果進(jìn)行了比較，結(jié)果顯示集合預(yù)報(bào)的誤差比業(yè)務(wù)化數(shù)值預(yù)報(bào)的誤差明顯降低。高松等[33]利用集合預(yù)報(bào)方法對無主溢油進(jìn)行溯源，結(jié)合對環(huán)境背景場的合理設(shè)計(jì)，進(jìn)行多種情況的試驗(yàn)的模擬。最后，對一段時(shí)間內(nèi)的大量溯源粒子進(jìn)行分布概率的統(tǒng)計(jì)，確定溢油源的可能范圍。通過對“南海一號(hào)”溢油溯源事件較為詳細(xì)的分析，試驗(yàn)結(jié)果表明，這種無主溢油源集合預(yù)測方法是科學(xué)、可行的。

3　海洋數(shù)值模式設(shè)置和數(shù)據(jù)來源

根據(jù)青島近海水母發(fā)現(xiàn)的位置以及應(yīng)急預(yù)測的不同需求，采用多重嵌套技術(shù)，建立4個(gè)區(qū)域氣象和海洋模式。氣象模式采用WRF3.4模型，垂直方向均分為30層；大區(qū)域是西太平洋（90°—152°E, 12°S—52°N），水平分辨率為27 km；中區(qū)域是東中國海區(qū)（103.8°—140.4°E，14.5°—48.58°N），水平分辨率為18 km；小區(qū)域是北海區(qū)（116°—129°E，28.5°—42.5°N），水平分辨率9 km；最小區(qū)域是青島近海（119°—121.5°E，35°—36.5°N），水平分辨率為3 km。WRF模式每30 min輸出風(fēng)場、熱通量、氣壓等模式結(jié)果。海洋模式基于三維全動(dòng)力ROMS模型，大區(qū)域是整個(gè)西北太平洋海域（99°—148°E, 9°S—44°N，范圍太大，沒放在圖1中），水平分辨率0.1°，垂向25層；中區(qū)是東海海域（117°30′—135°E, 24°—41°N,圖1綠色框），水平分辨率1/30°，垂向16層；小區(qū)域黃、渤海海區(qū)海域（117°30′—130°E, 32°—41°N,圖1紫色框），水平分辨率達(dá)到1/60°，垂向6層；最小區(qū)域青島近海海域，分辨率達(dá)到1/ 480°，垂向6層（圖1紅色框）。模式地形來源于GEBCO(General bathymetric Chart of Oceans)分辨率為1′×1′的數(shù)據(jù)，并采用海圖水深和Google Earth進(jìn)行水深和岸線訂正（見圖1）。大區(qū)域模式采用全球海洋模式（HYCOM + NCODA Global 1/12° Analysis）模式的水位、流場、溫鹽場等輸出結(jié)果作為大區(qū)域模式的初值和邊值場，采用北海預(yù)報(bào)中心業(yè)務(wù)化西太平洋WRF大氣模式的風(fēng)場和熱通量場作為大氣強(qiáng)迫場。中區(qū)域模型采用業(yè)務(wù)化預(yù)報(bào)黃、渤海海域WRF模式風(fēng)場和熱通量場驅(qū)動(dòng)模式；采用大區(qū)域每天業(yè)務(wù)化預(yù)報(bào)的結(jié)果作為黃、渤海區(qū)的初值和邊值場，同時(shí)考慮黃河、遼河、淮河等主要河流的作用。最小區(qū)域模型邊界上采用M2, S2, N2, K2, K1,O1, P1, Q1等8個(gè)分潮和小區(qū)預(yù)報(bào)結(jié)果驅(qū)動(dòng)。海洋模式采用熱啟動(dòng)，每天8:00點(diǎn)之前業(yè)務(wù)化完成海洋環(huán)境動(dòng)力場計(jì)算，每10 min輸出三維流場結(jié)果。

圖1　青島近海水母集合漂移預(yù)測模型嵌套示意圖

基于WRF大氣模式和ROMS海洋模式，考慮水母的自主運(yùn)動(dòng)，特別是垂直運(yùn)動(dòng)；基于集合預(yù)報(bào)方法的思想，利用Lagrange粒子追蹤法，建立獨(dú)立于ROMS模型的青島近海水母集合漂移預(yù)測數(shù)值模型。在外來型水母發(fā)現(xiàn)海域釋放粒子，設(shè)置以下7種集合預(yù)測方案，對水母進(jìn)行漂移預(yù)測，每30 min輸出水母的漂移結(jié)果。不同水母或同一種水母在不同環(huán)境條件下的自主運(yùn)動(dòng)（垂向運(yùn)動(dòng)）不盡相同，而且水母主要分布深度也不一樣。由于水母所在海域水深10—20 m，所以根據(jù)監(jiān)測調(diào)查的結(jié)果和其他海域水母分布情況，水母可能主要分布在表層和中層。水母白天（6:00—18:00）和夜晚（18:00—6:00）在不同的深度，深度距離為10 m，并研究深度距離為12 m的情況，遇到水深較淺海域，水母離海底不超過5 m。

（1）粒子初始釋放在0.5 m，無垂向晝夜運(yùn)動(dòng)；

（2）粒子初始釋放在1.5 m，無垂向晝夜運(yùn)動(dòng)；

（3）粒子初始釋放在0.5 m，白天水母下沉到10.5 m深的水體，夜晚上浮到海面；

（4）粒子初始釋放在1.5 m，白天水母下沉到11.5 m深的水體，夜晚上浮到海面；

（5）粒子初始釋放在0.5 m，夜晚水母下沉到10.5 m深的水體，白天上浮到海面；

（6）粒子初始釋放在1.5 m，夜晚水母下沉到11.5 m深的水體，白天上浮到海面；

（7）粒子初始釋放在0.5 m，白天水母下沉到13.5 m深的水體，夜晚上浮到海面。

水母多源監(jiān)測數(shù)據(jù)主要包括拖網(wǎng)監(jiān)測、目測法監(jiān)測、航空監(jiān)測、水下攝像監(jiān)測和聲納監(jiān)測等數(shù)據(jù)。在水母應(yīng)急預(yù)測中，一旦發(fā)現(xiàn)水母，整合多源監(jiān)測數(shù)據(jù)，利用8:00之前業(yè)務(wù)化運(yùn)行的流場和青島近海水母集合漂移預(yù)測模型，按上述7種方案，預(yù)測未來幾天水母的漂移軌跡、速度、方向和可能影響范圍。

4　模式流場結(jié)果驗(yàn)證

2013年7月氣象模式中的風(fēng)場模擬結(jié)果與QF102和QF108浮標(biāo)（見圖1紅色三角形）觀測值比較（見圖2—3），發(fā)現(xiàn)模式模擬的風(fēng)速和風(fēng)向與浮標(biāo)的基本吻合。經(jīng)統(tǒng)計(jì)，QF102（QF108）標(biāo)所在海域24 h風(fēng)速的預(yù)報(bào)誤差小于1.53 m/s（1.45 m/s），風(fēng)向的預(yù)報(bào)誤差小于34°(24°)，WRF模式的模擬結(jié)果是合理可信的。

圖2　QF102浮標(biāo)2013年7月海面10 m風(fēng)速、風(fēng)向計(jì)算值與實(shí)測值比較

圖4—6是2013年7月份的海洋模式模擬結(jié)果跟浮標(biāo)觀測值相對比，發(fā)現(xiàn)模擬的流速和流向與浮標(biāo)觀測的流速和流向基本吻合。經(jīng)統(tǒng)計(jì)，QF102 （QF108）浮標(biāo)24 h表層流速的預(yù)報(bào)相對誤差小于15%（17%），表層流向的預(yù)報(bào)誤差小于22°（27°）；QF102浮標(biāo)24 h中層流速的預(yù)報(bào)相對誤差小于16%，中層流向的預(yù)報(bào)誤差小于25°；所以ROMS模式模擬結(jié)果是合理可信的。

5　水母應(yīng)急漂移集合預(yù)測結(jié)果和驗(yàn)證

2012年水母監(jiān)測過程中7月5日11點(diǎn)16分在大公島南部海域發(fā)現(xiàn)沙海蜇（圖7綠色三角形），并于12日7:50的水母在大公島北部海域再次發(fā)現(xiàn)沙海蜇。因此利用2012年7月5日發(fā)現(xiàn)的沙海蜇所在位置，采用了上述7種集合預(yù)測方案，得到不同方案下水母7月5—12日的漂移軌跡、趨勢、速度。7月5—12日的7條漂移軌跡所包圍的區(qū)域形成水母可能影響范圍（見圖7藍(lán)色線）。7種方案下水母漂移到12日7:50所包圍的區(qū)域形成水母可能分布范圍（見圖7紫色線）。

水母漂移路徑誤漂移路徑誤差通過下式來計(jì)算：

圖3　QF108浮標(biāo)2013年7月海面10 m風(fēng)速、風(fēng)向計(jì)算值與實(shí)測值比較

圖4　2013年7月QF102浮標(biāo)表層流速、流向計(jì)算值與實(shí)測值比較

圖5　2013年7月QF108浮標(biāo)表層流速、流向計(jì)算值與實(shí)測值比較

圖6　2013年7月QF102浮標(biāo)中層流速、流向計(jì)算值與實(shí)測值比較

式中，EP表示水母漂移相對誤差，X(tb)表示tb時(shí)刻監(jiān)測水母所在位置，Y(tb)表示利用前一時(shí)刻ta時(shí)刻監(jiān)測水母所在位置采用數(shù)值模擬所得到tb時(shí)刻水母的位置；Sp表示水母漂移距離，由于水母的實(shí)際運(yùn)動(dòng)軌跡位置未知，我們利用tb時(shí)刻水母模擬位置距離實(shí)際監(jiān)測水母最近的軌跡代表水母的運(yùn)動(dòng)軌跡，由于青島附近海域潮流呈正規(guī)半日潮性質(zhì)，所以水母每24 h的漂移距離相加來計(jì)算水母的漂移距離。

為了研究水母凈位移的主要影響因素，對表層和中層海流進(jìn)行24 h的滑動(dòng)平均，以濾去周期性的潮流，得到包含潮致余流、風(fēng)海流和溫鹽流等余流。從圖7可以看出青島近海2012年7月5—12日平均風(fēng)場為東南風(fēng)，風(fēng)力2—3 m/s；表層平均余流流速0. 2—0.3 m/s，主要偏北方向；中層平均余流流速有所減小，并發(fā)生逆時(shí)針偏轉(zhuǎn)。受風(fēng)場和海流的影響，7月5日發(fā)現(xiàn)的沙海蜇主要向偏北方向漂移，漂移速度約5 km/d，可能影響范圍為7月5日水母發(fā)現(xiàn)海域至大公島附近海域，大約790 km2（見圖7藍(lán)色線所包圍的范圍），7月12日7:50模擬的位置與時(shí)同刻監(jiān)測到的水母位置（見圖7藍(lán)色三角形）比較靠近，水母漂移相對誤差在5.2%—24.1%之間。這說明大公島北部海域發(fā)現(xiàn)的水母可能是7月5日監(jiān)測水母漂移過去的。

圖7　2012年7月5—12日水母集合漂移軌跡（黑色線）和可能影響范圍（藍(lán)色線）

圖8　青島近海2012年7月5—12日的平均10 m風(fēng)場（m/s）、平均表層和中層余流場(m/s)

2013年7月18日在青島黃島-膠南外海發(fā)現(xiàn)大量沙海蜇，利用監(jiān)測數(shù)據(jù)（見圖9中紅色三角形代表7月18日監(jiān)測到的沙海蜇位置，綠色圓點(diǎn)代表7月21日不同時(shí)刻監(jiān)測到的沙海蜇位置），和每天業(yè)務(wù)化運(yùn)行的海洋大氣環(huán)境動(dòng)力場，啟動(dòng)水母典型海域—青島近海水母應(yīng)急漂移預(yù)測模型，開展基于集合預(yù)報(bào)方法的7個(gè)方案的數(shù)值模擬。從圖9可以看出青島近海2013年7月18—21日平均風(fēng)場為東南向，風(fēng)力3—6 m/s；表層平均余流流速0. 2—0.3 m/s,大部分海域流向主要東北-北方向；中層平均余流流速有所減小，并發(fā)生逆時(shí)針偏轉(zhuǎn)。受風(fēng)場和海流的影響，大型水母主要向偏北移動(dòng)，影響黃島西側(cè)至薛家島西側(cè)附近海域并經(jīng)過膠州灣口，影響膠州灣附近海域，漂移速度約8 km/d，膠州灣口的流速較大，沙海蜇的漂移速度較快。7月18—21日水母集合漂移軌跡和7月21日10:30、11:00、11:30、11:50、13:00、13:30六個(gè)時(shí)刻的影響范圍如圖10所示。從圖中不同時(shí)刻的影響范圍呈不同形狀，受膠州灣內(nèi)東北偏北向的流，其主體向東北方向移動(dòng)。2013年7月21日10:30—10:35集合預(yù)報(bào)的結(jié)果與監(jiān)測數(shù)據(jù)的漂移相對誤差在13.9%—27.5%之間; 11:30—10: 35的相對誤差在10.7%—27%之間；11:30—10:35的相對誤差在5.1%—16.4%之間；11:30—10:35的相對誤差在4.1%—16.9%之間；13:00—13:05的相對誤差5.0%—19.3%之間; 13:30—13:35的相對誤差在11.7%—18.2%之間?；诩项A(yù)報(bào)方法，不同時(shí)刻的水母漂移軌跡路徑的相對誤差均小于28%。

通過2012年7月5日和2013年7月18日青島近海監(jiān)測水母的集合預(yù)報(bào)結(jié)果與實(shí)測數(shù)據(jù)的比對和分析，可以看出水母集合預(yù)測模型能夠較好模擬水母的主要運(yùn)動(dòng)方向、可能的運(yùn)動(dòng)軌跡和漂移速度和可能影響范圍。

圖9　青島近海2013年7月18—21日的平均10 m風(fēng)場（m/s）、平均表層和中層余流場（m/s）

圖10　2013年7月18—21日水母漂移軌跡

6　結(jié)果與討論

近年來生態(tài)災(zāi)害不斷發(fā)生。繼赤潮、綠潮等由植物的快速繁殖引起的生態(tài)災(zāi)害之后,一種由海洋動(dòng)物—水母的數(shù)量增多而導(dǎo)致的生態(tài)災(zāi)害也受到全球的關(guān)注。

由于不同海域不同種類水母垂直遷移情況不盡相同，其機(jī)理仍不很清楚。所以基于集合預(yù)報(bào)的思想，考慮水母的自主運(yùn)動(dòng)等生活習(xí)性，特別是垂向運(yùn)動(dòng)，設(shè)置了7種集合預(yù)報(bào)方案，基于業(yè)務(wù)化運(yùn)行的海洋大氣動(dòng)力環(huán)境場，集合預(yù)報(bào)方案和拉格朗日質(zhì)子追蹤方法，自主研發(fā)了獨(dú)立于海洋大氣動(dòng)力環(huán)境場的水母漂移集合預(yù)測模型。該模型自動(dòng)搜索水母所在區(qū)域，縮小模式計(jì)算范圍，快速預(yù)測水母漂移可能的軌跡、方向和影響范圍。

因?yàn)樗赣邢埠镁奂纳盍?xí)性，所以監(jiān)測到的水母代表著一定空間范圍內(nèi)的水母種群；由于目前不同水母或同一種水母在不同海洋環(huán)境條件下的自主運(yùn)動(dòng)（垂向運(yùn)動(dòng)）的機(jī)理尚不十分清楚。所以基于集合預(yù)報(bào)思想，對各種可能發(fā)生的情況都進(jìn)行假定預(yù)測，將基于“拉格朗日”原理的單路徑漂移模擬改進(jìn)為多軌跡漂移模型。通過2012年和2013年青島近海的水母監(jiān)測結(jié)果和數(shù)值模擬結(jié)果比較，可以看出水母集合漂移預(yù)報(bào)方法是科學(xué)、可行的。與單軌跡漂移結(jié)果相比，集合漂移預(yù)測結(jié)果更合理、科學(xué)、可信，能夠傳達(dá)更多的信息量。集合預(yù)測提供了較為明確的水母可能到達(dá)的范圍，可能影響的海域，這些信息都對水母災(zāi)害的科學(xué)管理和應(yīng)急處置具有指導(dǎo)意義。

參考文獻(xiàn)：

[1] Brodeur R D, Mills C E, Overland J E, et al. Evidence for a substantial increase in gelatinous zooplankton in the Bering Sea, with possible links to climate change[J]. Fisheries Oceanography, 1999, 8(4): 296-306.

[2] Mills C E. Jellyfish blooms: are populations increasing globally in response to changing ocean conditions? [J]. Hydrobiologia, 2001, 451(1-3): 55-68.

[3] Nagai T. Recovery of fish stocks in the Seto Inland Sea[J]. Marine Pollution Bulletin, 2003, 47(1-6): 126-131.

[4] Greve W. The 1989 German Bight Invasion of Muggiaea atlantica [J]. ICES Journal Marine Science, 1994, 5l(4): 355-358.

[5]程家驊,李圣法,丁峰元,等.東、黃海大型水母暴發(fā)現(xiàn)象及其可能成因淺析[J].現(xiàn)代漁業(yè)信息, 2004, 19(5): 10-12.

[6]王世偉,張光濤,孫松,等. 2011年夏季膠州灣三種大型水母的種群動(dòng)態(tài)研究[J].海洋與湖沼, 2012, 43(3): 471-479.

[7]孫松.對黃、東海水母暴發(fā)機(jī)理的新認(rèn)知[J],海洋與湖沼, 2012, 43(3): 406-410.

[8]張海彥,趙亮,魏皓.青島外海夏季水母路徑溯源研究[J],海洋與湖沼, 2012, 43(3): 662-668.

[9] Barz K, Hinrichsen H -H, Hirche H -J. Scyphozoa in the Bornholm basin, (central Baltic Sea)-The role of advection[J]. Journal Marine Systems, 2006, 60(1-2): 167-176.

[10] Moon J -H, Pang I -C, Yang J -Y, et al. Behavior of the giant jellyfish Nemopilema nomurai in the East China Sea and East/ Japan Sea during the summer of 2005: A numerical model approach using a particle-tracking experiment [J]. Journal of Marine Systems, 2010, 80(1-2): 101-114.

[11]羅曉凡,魏皓,王玉衡.黃、東海水母質(zhì)點(diǎn)追蹤影響因素分析[J],海洋與湖沼, 2012, 43(3): 635-642.

[12] Johnson D R, Perry H M, Burke W D. Developing jellyfish strategy hypotheses using circulation models [J]. Hydrobiologia, 2001, 451(1-3): 213-221.

[13] Johnson D R, Perry H M, Graham W M. Using nowcast model currents to explore transport of non-indigenous jellyfish into the Gulf of Mexico[J]. Marine Ecology Progress Series, 2005, 305: 139-146.

[14] Berline L, Zakardjian B, Molcard A, et al. Modeling jellyfish Pelagia noctiluca transport and stranding in the Ligurian Sea[J]. Marine Pollution Bulletin , 2013, 70(1-2): 90-99.

[15] Graham W M, Pagès F, Hamner W M. A physical context for gelatinous zooplankton aggregations: a review[J]. Hydrobiologia, 2001, 451(1-3): 199-212.

[16]張芳.黃東海膠質(zhì)浮游動(dòng)物水母類研究[D].青島:中國科學(xué)院海洋研究所, 2008: 1-130.

[17] Barz K, Hirche H-J. Abundance, distribution and prey composition of scyphomedusae in the southern North Sea[J]. Marine Biology, 2007, 151(3): 1021-1033.

[18] Naoto H , Toshihiro W, Yoshiki M, 2009. Swimming depths of the giant jellyfish Nemopilema nomurai investigated using pop-up archival transmitting tags and ultrasonic pingers[J]. Fisheries Science, 75(4): 947-956.

[19] Pagès F, White M G, Rodhouse P G. Abundance of gelatinous carnivores in the nekton community of the Antarctic Polar Frontal Zone in summer 1994 [J]. Marine Ecology Progress Series, 1996, 141: 139-147.

[20] Schuyler Q, Sullivan B K. Light responses and die1 migration of the scyphomedusa Chrysaora quinquecirrha in mesocosms[J]. Journal Plankton Research, 1997, 19(10): 1417-1428.

[21] Eiane K, Aksnes D L, Bag?ien E, et al. Fish or jellies-a question of visibility?[J]. Limnology and Oceanography, 1999, 44(5): 1352-1357.

[22] Ezer T, Arango H G, Shchepetkin A F. Developments in terrainfollowing ocean models: intercomparisons of numerical aspects [J]. Ocean Modelling, 2002, 4(3-4): 249-267.

[23] Shchepetkin A F, McWilliams J C. The regional oceanic modeling system(ROMS):a split-explicit, free-surface, topographyfollowing- coordinate oceanic model[J]. Ocean Modelling, 2005, 9 (4): 347-404.

[24] Fennel K, Wilkin J, Levin J, et al. Nitrogen cycling in the Middle Atlantic Bight: results from a three-dimensional model and implications for the North Atlantic nitrogen budget[J]. Global Biogeochemical Cycles, 2006, 20(3): GB3007, doi: 3010.1029/ 2005GB002456.

[25] Penven P, Lutjeharms J R E, Marchesiello P, et al. Generation of cyclonic eddies by the Agulhas Current in the lee of the Agulhas Bank[J]. Geophysical Research Letters, 28(6): 1055-1058.

[26] Epstein E S. Stochastic dynamic prediction[J]. Tellus, 1969, 21 (6): 739-759.

[27] Leith C E. Theoretical skill of monte carlo forecasts[J]. Monthly Weather Review. 1974, 102(6): 409-418.

[28] Toth Z, Kalnay E. Ensemble forecasting at NCEP and thebreeding method[J]. Monthly Weather Review, 1997, 125(12): 3297-3319.

[29] Zhu Y J, Toth Z, Wobus R, et al. The economic value of ensemble-based weather forecasts[J]. Bulletin of the American Meteorolgical Society, 2002, 83(1): 73-83.

[30] Joslyn S, Pak K, Jones D, et al. The effect of probabilistic information on threshold forecasts[J]. Weather and Forecasting, 2007, 22(4): 804-812.

[31] Nadav-Greenberg L, Joslyn S L. Uncertainty forecasts improve decision making among nonexperts [J]. Journal of Cognitive Engineering and Decision Making, 2009, 3: 209-227.

[32]付翔,董劍希,馬經(jīng)廣,等. 0814號(hào)強(qiáng)臺(tái)風(fēng)“黑格比”風(fēng)暴潮分析與數(shù)值模擬[J].海洋預(yù)報(bào), 2009, 26(4): 68-75.

[33]高松,黃娟,白濤,等,無主漂油源集合預(yù)測方法研究[J].海洋科學(xué), 2014, 38(3): 42-45.

Study on the ensemble forecast of large jellyfish drift in the coastal waters of Qingdao

WU Ling-juan, GAO Song, LIU Gui-yan, BAI Tao
（Shandong Provincial Key Laboratory of Marine Ecological Environment and Disaster Prevention and Mitigation，North Sea Marine Forecast Center of State Oceanic Administration, Qingdao 266033 China）

Abstract：In this paper, by considering the vertical movement of large jellyfish, the ensemble drift model of jellyfish in the coastal waters of Qingdao is developed based on ensemble forecast and lagrange particle tracking method. By using observation during 2012-2013, ensemble drift forecast model is carried out to predict ensemble drift trajectory, velocity, trend, and affected scope of jellyfish. Through analysis of observation and numerical simulation results, the results show that ensemble forecast of drift trajectory is more reasonable, scientific, reliable than single forecast, and able to provide more information to deal with jellyfish disaster.

Key words：jellyfish disaster; ensemble forecast; vertical movement of jellyfish; drift forecast

作者簡介：吳玲娟(1979-)，女，高級(jí)工程師，博士研究生，主要從事海洋環(huán)境要素?cái)?shù)值模擬和研究。E-mail: vivioceangk@163.com

基金項(xiàng)目：國家海洋局公益性科研行業(yè)專項(xiàng)（201005018）

收稿日期：2014-05-12

DOI:10.11737/j.issn.1003-0239.2015.02.010

中圖分類號(hào)：Q958.8

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1003-0239（2015）02-0062-10