2018年巢湖風(fēng)浪特征分析*

張怡輝，胡維平，彭兆亮

(中國(guó)科學(xué)院南京地理與湖泊研究所，湖泊與環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210008)

當(dāng)風(fēng)吹行于水體表面，風(fēng)能經(jīng)過水氣相互作用的傳遞產(chǎn)生風(fēng)浪，在淺水湖泊中，風(fēng)浪是表征湖泊水動(dòng)力過程最為重要的因子. 國(guó)內(nèi)外研究結(jié)果顯示，淺水湖泊風(fēng)浪作用是沉積物再懸浮的最重要的驅(qū)動(dòng)因素[1-8]，而湖泊底泥再懸浮是影響和控制內(nèi)源釋放的關(guān)鍵物理過程[9-15]，進(jìn)而會(huì)對(duì)湖泊水質(zhì)、水生態(tài)產(chǎn)生影響. 因此，準(zhǔn)確地分析湖泊的風(fēng)浪分布與變化特征，對(duì)于分析湖泊水質(zhì)和藻類水華變化特征提供參考.

風(fēng)浪研究常用的研究手段有現(xiàn)成原位觀測(cè)、室內(nèi)物理模型和數(shù)值模擬手段. 早期，一些學(xué)者[16-20]根據(jù)實(shí)測(cè)資料，通過數(shù)據(jù)分析，得出了一些重要的結(jié)論，但現(xiàn)場(chǎng)觀測(cè)研究主要是基于局部觀測(cè)點(diǎn)的觀測(cè)數(shù)據(jù)得出經(jīng)驗(yàn)公式，進(jìn)而應(yīng)用到全湖的風(fēng)浪分布研究，這些結(jié)果為了解湖泊風(fēng)浪要素的分布提供了依據(jù)，但是僅由部分觀測(cè)點(diǎn)的數(shù)據(jù)而應(yīng)用于全湖風(fēng)浪特征分析時(shí)，因風(fēng)浪的分布受區(qū)域邊界、水深、風(fēng)區(qū)長(zhǎng)度等因素的影響，其結(jié)論是否適合整個(gè)淺水湖泊水域還有待研究. 而室內(nèi)物理模型試驗(yàn)則主要是應(yīng)用在風(fēng)浪與結(jié)構(gòu)物相互作用的分析上. 隨著風(fēng)浪模型發(fā)展的成熟和完善，數(shù)值模擬方法逐漸成為研究風(fēng)浪發(fā)展和傳播的主要手段. 目前比較常用風(fēng)浪模型是基于動(dòng)譜平衡方程開發(fā)的第三代風(fēng)浪模型，模型很好地考慮了風(fēng)能輸入、近岸風(fēng)浪破碎、白浪耗散、底部摩阻等各種物理過程，可以很好地對(duì)大范圍的不同區(qū)域風(fēng)浪成長(zhǎng)進(jìn)行模擬和預(yù)測(cè)[21]. 通過近30年的發(fā)展，涌現(xiàn)出了一系列比較先進(jìn)的第三代風(fēng)浪模型，其中比較有代表的有WAM模型[21]、WAVE-WATCH Ⅲ模型[22]、TOMAWAC模型[23]以及SWAN模型[24]. WAM模型和WAVE-WATCH Ⅲ模型主要用于計(jì)算大尺度深海海域風(fēng)浪的生成及發(fā)展，對(duì)于近岸小尺度有限水深及淺水計(jì)算時(shí)效果比較差. SWAN模型由WAM模型改進(jìn)而來，除了包含WAM模型中關(guān)于深水風(fēng)浪的生成、耗散和四波相互作用外，增加了淺水風(fēng)浪由于水深變淺導(dǎo)致的風(fēng)浪破碎項(xiàng)、底部摩阻影響以及三波相互作用，提高了近岸淺水區(qū)域風(fēng)浪的模擬精度. 雖然現(xiàn)有成熟的風(fēng)浪模式主要是針對(duì)海洋風(fēng)浪開發(fā)的，但仍有一些學(xué)者將其應(yīng)用于湖泊中，并得到了較好的結(jié)果[25-30]. 李一平等[25]在太湖波浪觀測(cè)的基礎(chǔ)上，利用SWAN模型對(duì)太湖波浪進(jìn)行數(shù)值模擬，研究了太湖波浪的主要影響因素，指出波高、波長(zhǎng)、波周期等波浪參數(shù)在太湖的分布與風(fēng)速、風(fēng)向、水深等因素密切相關(guān)；許遐禎等[27]以空間均勻的風(fēng)場(chǎng)為驅(qū)動(dòng)，利用SWAN模式開展了太湖波浪成長(zhǎng)模擬，分析了太湖波浪頻率分布特征以及不同區(qū)域波浪對(duì)風(fēng)時(shí)、風(fēng)區(qū)、水深等因素的敏感性；王震等[28]利用SWAN模型開展了太湖自然風(fēng)條件下不同湖區(qū)風(fēng)浪季節(jié)變化特征研究，指出風(fēng)速是導(dǎo)致風(fēng)浪季節(jié)變化的主要因素，太湖風(fēng)浪的時(shí)空分布特征是造成太湖水質(zhì)參數(shù)、沉積物和水生植被空間分布差異的重要原因之一；Jin等[29]進(jìn)行了SWAN模型在奧基喬比湖風(fēng)浪模擬中的可靠性驗(yàn)證，結(jié)果顯示模型可很好地再現(xiàn)湖泊中風(fēng)浪的變化趨勢(shì)與波動(dòng)特征；作者也利用SWAN風(fēng)浪模型開展了臺(tái)風(fēng)過境巢湖時(shí)對(duì)巢湖風(fēng)浪大小與分布的影響研究. 以上研究表明，SWAN風(fēng)浪模型在分析湖泊風(fēng)浪變化方面是可信的.

2018年7月和9月巢湖暴發(fā)了嚴(yán)重的藍(lán)藻水華問題，最大暴發(fā)面積在7、9月明顯高于2016和2017年，特別是9月份，是往年同期的2～5倍，影響巢湖氮磷濃度與藻類生長(zhǎng)環(huán)境要素的影響因素眾多，風(fēng)浪也是其中的因素之一. 一方面當(dāng)風(fēng)浪較小時(shí)，湖面平靜，有利于藻類的聚集；另一方面，風(fēng)浪較大時(shí)，風(fēng)浪的擾動(dòng)作用使得湖底底泥中的營(yíng)養(yǎng)鹽大量懸浮，使得水體中氮磷濃度增加，同時(shí)風(fēng)浪的攪動(dòng)作用使得藻類垂向混合，減小表層藻類的堆積. 本文基于巢湖實(shí)測(cè)風(fēng)浪資料驗(yàn)證了SWAN風(fēng)浪模型，利用驗(yàn)證好的風(fēng)浪模型開展2018年巢湖風(fēng)浪分布和變化特征分析，探討巢湖不同區(qū)域、不同時(shí)間風(fēng)浪的分布特征，為更好地認(rèn)識(shí)巢湖2018年藍(lán)藻水華暴發(fā)提供參考.

1 研究概況

1.1 研究區(qū)域

巢湖(30°25′28″～31°43′28″N，117°16′54″～117°51′46″E)地處安徽省中部，常水位8.50 m(吳淞高程，下同)時(shí)水面面積769.60 km2，平均水深約2.79 m，流域面積1.35萬km2，是我國(guó)長(zhǎng)江流域五大淡水湖之一. 巢湖東西長(zhǎng)54.50 km，南北寬15.10 km，最大寬度約21.00 km，巢湖的地形如圖1所示.

1.2 風(fēng)浪監(jiān)測(cè)

風(fēng)浪觀測(cè)儀器采用WaveStar 雷達(dá)測(cè)波儀，該儀器是一款高精度、非接觸式風(fēng)浪測(cè)量?jī)x器，采用FMCW雷達(dá)測(cè)距原理，可以進(jìn)行全天候測(cè)量. 其測(cè)量原理為：傳感器發(fā)射微波脈沖后在空氣中傳播，被水面反射的信號(hào)又被傳感器接收，通過精確計(jì)算傳播時(shí)間和數(shù)字信號(hào)處理技術(shù)，精確計(jì)算出傳感器距離反射面的距離，由此獲得湖面波動(dòng)數(shù)據(jù). 波面數(shù)據(jù)通過儀器自身軟件處理后可以獲得觀測(cè)點(diǎn)不同統(tǒng)計(jì)特征的波高(如有效波高、最大波高、平均波高等)和周期(如平均波周期、最大波周期). 儀器安裝在西湖心的固定平臺(tái)上(31°39′9.73″N，117°22′21.17″E，圖1)，儀器距離水面5.5 m，風(fēng)浪觀測(cè)時(shí)間為2018年8月9日22:30-9月9日23:30，采樣時(shí)間間隔為30 min，采樣頻率為4 Hz，每次采集波面數(shù)為2048(約為8.53 min波面過程)，儀器單次測(cè)量誤差小于1 cm，平均測(cè)量誤差小于1 mm，總計(jì)開展1個(gè)月風(fēng)浪觀測(cè).

觀測(cè)期間，由于連續(xù)陰雨天氣導(dǎo)致太陽能供電中斷會(huì)出現(xiàn)缺測(cè)值，同時(shí)剔除異常數(shù)值，共取得有效數(shù)據(jù)881條，有效波高平均值為0.27 m，平均波周期值為1.38 s；有效波高最大值為1.05 m，平均波周期最大值為2.68 s，出現(xiàn)時(shí)刻為2018年8月17日21:00，正值2018年第18號(hào)臺(tái)風(fēng)“溫比亞”過境巢湖期間.

2 風(fēng)浪模型

2.1 SWAN模型簡(jiǎn)介

SWAN風(fēng)浪模式(Simulating Waves Nearshore)是適用于海岸和內(nèi)陸水體的第三代風(fēng)浪模型，由荷蘭Delft大學(xué)土木工程系的Booij等[31]開發(fā)并由SWAN團(tuán)隊(duì)發(fā)展和完善. 除了包含其他三代風(fēng)浪模式(如WAM[21]、WAVEWATCH[22])中的風(fēng)生成項(xiàng)、白浪耗散項(xiàng)、四波相互以及底部耗散項(xiàng)外，還增加了三波相互作用和淺水區(qū)域水深變淺引起的風(fēng)浪破碎耗散影響.

由于流存在時(shí)，波譜能量密度不守恒，而波作用量譜守恒，因此SWAN風(fēng)浪模式跟其他三代風(fēng)浪模式相似，采用波作用量密度譜對(duì)風(fēng)浪進(jìn)行描述. 波譜作用量密度譜的變化率可以用作用量平衡方程來表示：

(1)

對(duì)于源項(xiàng)，通常包含以下幾項(xiàng)：

Stot=Sin+Snl3+Snl4+Sds,w+Sds,b+Sds,br

(2)

式中，Sin為風(fēng)能輸入項(xiàng)，Snl3為三波相互作用，Snl4為四波相互作用，Sds,w為白浪耗散項(xiàng)，Sds,b為由于底部摩阻引起的耗散，Sds,br為水深變淺引起的破碎導(dǎo)致的耗散項(xiàng). 風(fēng)能向風(fēng)浪的轉(zhuǎn)換可以利用共振[32]和反饋[33]機(jī)制來闡述. 其中共振機(jī)制主要作用在風(fēng)浪生成的初始階段，隨時(shí)間線性增長(zhǎng)；而反饋機(jī)制主要反應(yīng)著波能隨時(shí)間呈指數(shù)增長(zhǎng). 其他諸如白浪耗散、四波相互、三波相互、水深變淺破碎及底摩阻耗散等源項(xiàng)的計(jì)算可參考SWAN技術(shù)手冊(cè)[34]，這里不再贅述.

2.2 模型配置

此處建立東西長(zhǎng)54.4 km，南北長(zhǎng)34 km的巢湖模擬區(qū)域，采用二維非恒定模型. 模型的空間分辨率為400 m×400 m，計(jì)算時(shí)間步長(zhǎng)取5 min，計(jì)算時(shí)間范圍為2018年1月1日00:00-12月31日23:00，即2018一個(gè)完整年. 根據(jù)巢湖實(shí)測(cè)的周期范圍，擬定頻率范圍為0.1～2.0 Hz，分成40個(gè)頻率段. 方向沿整個(gè)圓周方向均分為36份，即方向分辨率為10°. 模型物理過程中，風(fēng)輸入考慮了線性增長(zhǎng)和指數(shù)增長(zhǎng)兩部分，線性增長(zhǎng)采用Caraler和Malanotte-Rizzoli公式[35]，增長(zhǎng)部分采用Yan公式[36]. 底摩擦引起的消耗采用JONSWAP模型，系數(shù)取0.067. 淺水風(fēng)浪破碎系數(shù)在計(jì)算時(shí)取其均值 0.73. 模型初始值為0，計(jì)算時(shí)采用冷啟動(dòng)方式. 由于入湖河道對(duì)巢湖風(fēng)浪影響不大，此處計(jì)算時(shí)不考慮入湖河流影響. 模型中考慮了淺水中三波相互作用，其他采用默認(rèn)值.

收集整理了國(guó)家氣象信息中心位于巢湖流域的合肥、巢湖、廬江3個(gè)氣象站2018年1-12月逐小時(shí)觀測(cè)資料，將3個(gè)測(cè)站的風(fēng)場(chǎng)數(shù)據(jù)求平均，并插值到計(jì)算區(qū)域作為模型計(jì)算風(fēng)場(chǎng). 根據(jù)氣象站監(jiān)測(cè)結(jié)果顯示， 2018年巢湖流域海拔34 m(觀測(cè)站位平均高度)處的風(fēng)速大小平均值為1.96 m/s，最大風(fēng)速為8.07 m/s，發(fā)生在2018年8月17日，為臺(tái)風(fēng)“溫比亞”過境期間，圖 2為截取的2018年8月份三站平均的風(fēng)矢量變化情況.

圖2 2018年8月三站平均風(fēng)矢量變化

巢湖整體水位受防洪、航運(yùn)、灌溉等任務(wù)控制較顯著，且受季節(jié)變化影響，據(jù)資料統(tǒng)計(jì)顯示，巢湖年內(nèi)水位變幅最小為1.44 m(1966年)，最大可達(dá)6.48 m(1954年). 水位的變化勢(shì)必導(dǎo)致巢湖絕對(duì)水深的變化，而水深是影響風(fēng)浪形成和發(fā)展的重要因素之一，因此計(jì)算長(zhǎng)時(shí)間巢湖風(fēng)浪情況時(shí)，考慮水位波動(dòng)的影響是十分必須的. 為此收集整理了巢湖周邊塘西、槐林鎮(zhèn)、巢湖閘3個(gè)水位站2018年逐時(shí)水位數(shù)據(jù)，并取3個(gè)站的平均值作為水位值輸入到SWAN模型中，圖 3為三站平均的巢湖水位變化情況，最高水位為10.10 m(2018年8月20日11:00)，最低水位為8.44 m(2018年4月13日10:00)，水位變化幅度為1.66 m.

圖3 2018年巢湖平均水位變化

2.3 模型驗(yàn)證

為了驗(yàn)證模型計(jì)算結(jié)果，將觀測(cè)站位的模擬計(jì)算結(jié)果與實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，對(duì)比結(jié)果如圖4所示. 由驗(yàn)證結(jié)果可以看出，模擬值與實(shí)測(cè)值吻合良好，有效波高相關(guān)系數(shù)為0.76，平均波周期相關(guān)系數(shù)為0.60，兩者都呈現(xiàn)明顯的相關(guān)性，在個(gè)別時(shí)間由于受船行波、湖上作業(yè)等影響，存在較大差別，總體驗(yàn)證結(jié)果表明模擬值能較準(zhǔn)確地反映出波高與周期隨時(shí)間的變化情況. 模型驗(yàn)證時(shí)間為2018年8月9日-9月9日，該期間風(fēng)速值介于0.10～8.07 m/s(2018年最大風(fēng)速)，風(fēng)向介于0°～360°，由此可見，利用SWAN風(fēng)浪模型可以模擬不同風(fēng)速大小和風(fēng)向下的巢湖風(fēng)浪變化情況，模擬的巢湖波高和周期能夠很好地反映出巢湖的實(shí)際風(fēng)浪情況，因此可以采用SWAN風(fēng)浪模型開展巢湖風(fēng)浪特征的模擬研究與分析.

圖4 2018年8月9日22:30-9月9日23:30期間風(fēng)浪計(jì)算有效波高和平均波周期與實(shí)測(cè)值對(duì)比

3 巢湖風(fēng)浪特征

淺水湖泊在風(fēng)浪作用下一方面可以引起底泥再懸浮和湖底內(nèi)源釋放，嚴(yán)重影響湖泊的水質(zhì)，另一方面會(huì)導(dǎo)致水體垂向混合增加，對(duì)藻類的垂向遷移產(chǎn)生影響，風(fēng)浪的強(qiáng)度、范圍和時(shí)間決定了藍(lán)藻水華的時(shí)空分布[37]. 風(fēng)浪的有效波高、平均波周期是表征風(fēng)浪強(qiáng)度的重要波要素，其變化和分布情況對(duì)于我們分析風(fēng)浪對(duì)巢湖的環(huán)境效應(yīng)(如底泥懸浮、營(yíng)養(yǎng)鹽釋放以及藻類水華等)至關(guān)重要.

3.1 有效波高變化及分布特征

根據(jù)2018年巢湖風(fēng)浪有效波高計(jì)算結(jié)果，分湖區(qū)進(jìn)行統(tǒng)計(jì)，圖 5為月平均有效波高和月最大有效波高月變化情況. 巢湖全湖2018年有效波高平均值為0.16 m，最大月平均有效波高出現(xiàn)在4月，為0.22 m，最小值出現(xiàn)在11月，為0.11 m，變化幅度為0.11 m，約為4月最大值的52%，月間差異明顯；月變化看，2018年月平均有效波高總體呈現(xiàn)春季(3、4月)風(fēng)浪大，秋季(9、10、11月)風(fēng)浪小的特點(diǎn). 分湖區(qū)來看，整體中巢湖略大，東巢湖次之，西巢湖最小；東巢湖、中巢湖、西巢湖2018年平均有效波高分別為0.16、0.17、0.15 m，最大值出現(xiàn)在4月，分別為0.23、0.23、0.21 m，最小值出現(xiàn)在11月，分別為0.11、0.11、0.10 m，不同湖區(qū)月均值隨時(shí)間變化與整個(gè)巢湖變化規(guī)律一致. 而月最大有效波高隨時(shí)間變化與月均值明顯不同，巢湖全湖2018年月最大有效波高最大值為1.28 m，出現(xiàn)在1月份的東巢湖，最小值為0.50 m，出現(xiàn)在11月份的西巢湖；整體看，不同月份，月最大有效波高主要出現(xiàn)在東巢湖或中巢湖(中巢湖與東巢湖交界處附近)，東巢湖與中巢湖值接近，西巢湖最小；月變化看，東巢湖、中巢湖、西巢湖，1月份最大，分別為1.28、1.27、1.18 m，其次為臺(tái)風(fēng)等大風(fēng)天氣頻發(fā)的夏季(7、8月)，秋季與月平均有效波高相似，風(fēng)浪較小，其中11月份達(dá)到最小值，分別為 0.54、0.54、0.50 m，分別只有1月份最大值的42%、42%、43%，月變化差別顯著，總體看9-12月份巢湖月最大有效波高處于一個(gè)較低值水平.

圖5 2018年巢湖月平均有效波高和月最大有效波高變化情況

根據(jù)2018年巢湖風(fēng)浪有效波高計(jì)算結(jié)果，圖 6為2018年月平均有效波高在巢湖的分布情況. 總體看，近岸受地形、水深、岸線遮蔽風(fēng)的影響，月均有效波高值一般較小. 空間上各不同湖區(qū)月均有效波高的大值主要分布于湖心水域，西巢湖月均有效波最大值出現(xiàn)在西湖心水域，空間上較大值在西湖心附近水域呈橢圓形分布；西巢湖與中巢湖過渡區(qū)域由于受峔山島以及岸線的影響，月均有效波高值一般略小于各湖區(qū)湖心水域波高值；中巢湖與東巢湖月均有效波高最大值一般出現(xiàn)在中巢湖與東巢湖連接處的湖心附近水域，空間上較大值在中巢湖與東巢湖的連通水域呈舌狀分布. 時(shí)間上與圖 5中月平均有效波高隨時(shí)間變化一致，4月份整個(gè)巢湖月平均有效波高相較其他月份值均大，其中中巢湖和東巢湖大部分區(qū)域月平均有效波高較大，而西巢湖略小，其中東巢湖月平均有效波高大于0.20、0.22、0.24和0.26 m的面積為234.08、198.24、132.32和8.64 km2，分別占到整個(gè)東巢湖面積的百分比為85.51%、72.41%、48.33%和3.16%，可以看出超過85%以上的東巢湖區(qū)域4月月平均有效波高大于0.20 m；中巢湖月平均有效波高大于0.20、0.22、0.24和 0.26 m的面積為196.16、166.56、107.52和10.56 km2，分別占到整個(gè)中巢湖面積的百分比為86.64%、73.57%、47.49%和4.66%，可以看出超過86%以上的中巢湖區(qū)域4月月平均有效波高大于0.20 m；而西巢湖月平均有效波高大于0.20、0.22、0.24和0.26 m的面積為167.20、111.04、16.48和0 km2，分別占到整個(gè)西巢湖面積的百分比為72.37%、48.06%、7.13%和0，西巢湖4月月均有效波高沒有超過0.26 m的區(qū)域，其他超過0.20、0.22、0.24 m強(qiáng)度的有效波高分布區(qū)域占比也相較中巢湖與東巢湖明顯偏小. 11月份巢湖月平均有效波高相較其他月明顯偏小，最大值只有0.12 m，只占4月份月均有效波高最大值0.26 m的47%，差別顯著；不同湖區(qū)值分布與其他月份相似，中巢湖和東巢湖大部分區(qū)域月平均有效波高較大，而西巢湖略??；其中東巢湖月平均有效波高大于0.06、0.08、0.10和0.12 m的面積為273.44、263.52、217.60和31.04 km2，分別占到整個(gè)東巢湖面積的百分比為99.88%、96.26%、79.49%和11.34%，可以看出超過79%以上的東巢湖區(qū)域11月月平均有效波高大于0.10m；中巢湖月平均有效波高大于0.06、0.08、0.10和0.12 m的面積為226.24、222.24、197.44和41.12 km2，分別占到整個(gè)中巢湖面積的百分比為99.93%、98.16%、87.21%和18.16%，可以看出超過87%以上的中巢湖區(qū)域11月月平均有效波高大于0.10 m；而西巢湖月平均有效波高大于0.06、0.08、0.10和0.12 m的面積為229.92、218.08、156.48和0 km2，分別占到整個(gè)西巢湖面積的百分比為99.52%、94.39%、67.73%和0，西巢湖11月月平均有效波高沒有超過0.12 m的區(qū)域，其他0.10、0.08 m強(qiáng)度的有效波高分布區(qū)域占比也相較中巢湖與東巢湖明顯偏小，超過0.10 m的區(qū)域只占到整個(gè)西巢湖的68%，遠(yuǎn)小于中巢湖與東巢湖.

圖6 2018年巢湖月平均有效波高分布

3.2 波周期變化及分布特征

根據(jù)2018年巢湖風(fēng)浪有效波高計(jì)算結(jié)果，分湖區(qū)進(jìn)行統(tǒng)計(jì)，圖 7為月平均波周期和月最大波周期隨月變化情況(此處波周期為不同湖區(qū)平均波周期T1的平均值). 巢湖全湖2018年平均波周期為1.22 s，最大月平均波周期出現(xiàn)在4月，為1.36 s，最小值出現(xiàn)在11月份，為1.06 s，變化幅度為0.30 s，為4月份最大值的22%左右，可以看出變化幅度不及有效波高顯著；從月變化來看，與有效波高變化趨勢(shì)相似，春季(3-5月)風(fēng)浪周期較大，秋季(9-11月)風(fēng)浪周期小. 分湖區(qū)來看，平均波周期整體中巢湖值最大，東巢湖次之，西巢湖最小；東巢湖2018年月平均波周期平均值為1.23 s，最大值出現(xiàn)在4月份，為1.39 s，最小值出現(xiàn)在11月份，為1.05 s，月變化幅度為最大值的25%；中巢湖2018年月平均波周期平均值為1.26 s，比東巢湖略大，最大值出現(xiàn)在3月份，為1.39 s，最小值出現(xiàn)在11月份，為1.09 s，月變化幅度為最大值的21%；西巢湖2018年月平均波周期平均值為1.19 s，最大值出現(xiàn)在3月份，為1.32 s，最小值出現(xiàn)在11月份，為1.04 s，比東巢湖和中巢湖值偏小，月變化幅度為最大值的21%. 不同湖區(qū)月均值隨時(shí)間變化與整個(gè)巢湖變化規(guī)律相似，但具體較大值出現(xiàn)月份略有差異. 而月最大波周期隨時(shí)間變化與月均值變化規(guī)律不同，巢湖全湖2018年月最大波周期最大值為2.85 s，出現(xiàn)在8月份的中巢湖，最小值為2.00 s，出現(xiàn)在11月份的西巢湖；整體上看，不同月份，月最大波周期主要出現(xiàn)在東巢湖或中巢湖，東巢湖和中巢湖較大，西巢湖最??；整體秋季較小，夏季普遍較大，冬末(1-2月)也會(huì)出現(xiàn)較大值,月變化差異顯著，但比有效波高月變化差異減小.

圖7 2018年巢湖月平均波周期和月最大波周期變化情況

圖8 2018年巢湖月平均波周期分布

根據(jù)2018年巢湖風(fēng)浪有效波高計(jì)算結(jié)果，圖 8為2018年不同月份月平均波周期在巢湖的分布情況. 總體看，空間分布上，受近岸地形、水深的影響，月平均波周期最大值一般出現(xiàn)在遠(yuǎn)離近岸的水域，結(jié)合月均風(fēng)矢量變化情況可知，月均波周期在巢湖不同湖區(qū)的分布范圍受風(fēng)向的影響顯著，各不同湖區(qū)月均波周期的大值主要分布于湖心偏下風(fēng)向的水域. 時(shí)間上與圖 7中月平均波周期隨時(shí)間變化一致，4月份整個(gè)巢湖月平均波周期相較其他月份值大，中巢湖和東巢湖大部分區(qū)域月平均波周期較大，而西巢湖波周期略小，月平均波周期最大值為1.46 s，出現(xiàn)在東巢湖靠近中巢湖的湖心水域；其中東巢湖月平均波周期大于1.30 s的面積為252.64 km2，占到整個(gè)東巢湖面積的92.29%；中巢湖月平均波周期大于1.30 s的面積為201.28 km2，占到整個(gè)中巢湖面積的88.90%；而西巢湖月平均波周期大于1.30 s的面積為150.24 km2，只占到整個(gè)西巢湖面積的65.03%，而且西巢湖4月份月均波周期沒有超過1.45 s，超過1.40 s的區(qū)域也僅占到0.07%，明顯比東巢湖和中巢湖偏低. 11月份月平均波周期相較其他月份明顯偏小，最大值為1.12 s，約為4月份月均波周期最大值的77%，且受風(fēng)向影響，較大值主要分布于巢湖不同湖區(qū)的南部水域，其中中巢湖較大值的分布范圍明顯比東巢湖和西巢湖都大；東巢湖月平均波周期大于1.00 s的面積為242.72 km2，占到整個(gè)東巢湖面積的88.66%；中巢湖月平均波周期大于1.00 s的面積為219.20 km2，占到整個(gè)中巢湖面積的96.82%，月均波周期大于1.05 s的區(qū)域占比已超過90%，且一半以上的中巢湖水域月均波周期大于1.10 s；而西巢湖月均波周期大于1.00 s的面積為186.56 km2，只占到整個(gè)西巢湖面積的80.75%，大于1.10 s的面積只占整個(gè)西巢湖的2.42%，可以看出不同級(jí)別的波周期分布區(qū)域占比相較東巢湖和中巢湖都顯著降低.

4 討論

風(fēng)浪是湖泊重要的水動(dòng)力因子，風(fēng)浪作用會(huì)導(dǎo)致水體垂向混合增加，進(jìn)一步對(duì)藻類的垂向遷移產(chǎn)生影響，根據(jù)研究，風(fēng)浪的強(qiáng)度、范圍和時(shí)間決定了藍(lán)藻水華的時(shí)空分布[37]. 在藻類生物量一定的條件下，風(fēng)浪將是決定湖泊藍(lán)藻水華“暴發(fā)”與否和程度的關(guān)鍵因子[38]. 根據(jù)太湖藍(lán)藻研究結(jié)果，當(dāng)風(fēng)浪波高<6.2 cm 時(shí)，藍(lán)藻以水平遷移為主，并在主要風(fēng)向的下風(fēng)向處堆積，有利于藍(lán)藻的積聚和藍(lán)藻水華的形成；當(dāng)波高>6.2 cm 時(shí)，藍(lán)藻以垂直遷移為主，不利于藍(lán)藻水華的形成和暴發(fā)[37,39]. 雖然關(guān)于巢湖藍(lán)藻水華暴發(fā)與風(fēng)浪的關(guān)系研究還比較少，但同樣作為淺水湖泊，勢(shì)必有相似的影響規(guī)律，差別可能存在于風(fēng)浪強(qiáng)度的界定上.

根據(jù)前述分析，計(jì)算出巢湖2018年平均有效波高為0.16 m，我們以0.16 m為強(qiáng)度界限，定義平均有效波高超過0.16 m的時(shí)間占比(即占每個(gè)月總時(shí)間的百分比)為參數(shù)Hsr，最大有效波高超過0.16 m的時(shí)間占比(即占每個(gè)月總時(shí)間的百分比)為Hmr，統(tǒng)計(jì)2018年每個(gè)月不同湖區(qū)Hsr和Hmr，如表 1所示. 可以看出，不同月份及湖區(qū)有效波高超過0.16 m的時(shí)間占比是不一致的，總體看9-11月份時(shí)間占比最小，全湖按月平均有效波高計(jì)算的時(shí)間占比只有28.47%、27.82%、27.78%，即使按月最大有效波高計(jì)算也只有不到33%，表明9-11月份巢湖風(fēng)浪強(qiáng)度(有效波高)較小，因此將有利于藍(lán)藻水華的出現(xiàn)，不同湖區(qū)看，西巢湖最小，中巢湖與東巢湖接近，因此西巢湖藍(lán)藻水華出現(xiàn)的概率將會(huì)更高，這與巢湖藍(lán)藻水華覆蓋面積的遙感信息相匹配. 根據(jù)遙感數(shù)據(jù)解譯，2018年9月巢湖藍(lán)藻水華暴發(fā)情況較為嚴(yán)重，共啟動(dòng)了3次紅色預(yù)警，共發(fā)生5次面積大于100 km2的水華，2次超300 km2的藍(lán)藻水華都位于巢湖西北部和中部，即有效波高較小的水域. 由此我們可以推測(cè)，在其他條件適宜的條件下，6-8月份較大有效波高的時(shí)間占比也比較低，也易產(chǎn)生藍(lán)藻水華，其中西巢湖產(chǎn)生的概率更高；由于3-4月接近一半的時(shí)間有效波高值大于0.16 m，因此不易產(chǎn)生藍(lán)藻水華；而12-2月份由于溫度較低，藻類處于休眠狀態(tài)，且超過40%以上的時(shí)間月最大有效高值大于0.16 m，因此也很少會(huì)產(chǎn)生藍(lán)藻水華.

表1 2018年巢湖不同湖區(qū)有效波高超過0.16 m的時(shí)間占比統(tǒng)計(jì)*

5 結(jié)論

本文基于實(shí)測(cè)數(shù)據(jù)，驗(yàn)證了SWAN風(fēng)浪模型在巢湖風(fēng)浪模擬的適用性，利用驗(yàn)證好的風(fēng)浪模型，開展了2018年巢湖風(fēng)浪變化及分布特征，得到以下結(jié)論：

1)本文設(shè)置的SWAN模型可以很好地模擬巢湖風(fēng)浪參數(shù)(有效波高和平均波周期)隨時(shí)間的變化情況，可以用于巢湖風(fēng)浪特征的模擬研究.

2)巢湖全湖2018年月平均有效波高為0.16 m，不同月份間差異明顯，4月最大為0.22 m，11月最小為0.11 m，月變化幅度為0.11 m，約為最大值的52%；整體中巢湖略大，東巢湖次之，西巢湖值最小. 月最大有效波高主要出現(xiàn)在東巢湖或中巢湖，巢湖全湖2018年月最大有效波高最大值為1.28 m，出現(xiàn)在1月份的東巢湖，最小值為0.50 m，出現(xiàn)在11月份的西巢湖，變化幅度為0.78 m，約為最大值的61%. 巢湖整體春季風(fēng)浪較大，秋季風(fēng)浪較小，月間變化差異顯著. 近岸月均有效波高值一般較小，較大值在西湖心附近水域呈橢圓形分布，在中巢湖與東巢湖的連通水域呈舌狀分布；不同月份較大值在不同湖區(qū)的分布范圍比例，西巢湖最小，中巢湖最大.

3)巢湖全湖2018年平均波周期為1.22 s，4月最大(為1.36 s)，11月最小(為1.06 s)，月變化幅度為0.30 s，約為最大值的22%左右，月間變化差異不及有效波高顯著；整體中巢湖值最大，東巢湖值次之，西巢湖值最小，不同湖區(qū)月變化幅度分別為最大值的25%、21%、21%. 巢湖全湖2018年月最大波周期最大值為2.85 s，出現(xiàn)在8月份的中巢湖，最小值為2.00 s，出現(xiàn)在1月份的西巢湖，不同湖區(qū)變化規(guī)律及幅度相似，約為最大值的27%，也不及有效波高月間差異顯著. 空間分布上，月均波周期在巢湖不同湖區(qū)的分布范圍受風(fēng)向的影響顯著，各不同湖區(qū)月均波周期的大值主要分布于湖心偏下風(fēng)向的水域；不同湖區(qū)較大值的分布范圍比例，中巢湖與東巢湖較大，西巢湖最小.

4)不同月份及湖區(qū)較大有效波高出現(xiàn)的時(shí)間占比是不一致的，總體看9-11月份時(shí)間占比最小，表明9-11月份巢湖風(fēng)浪強(qiáng)度(有效波高)較小，因此將有利于藍(lán)藻水華的出現(xiàn)；6-8月份較大有效波高的時(shí)間占比次之，也易產(chǎn)生藍(lán)藻水華；3-4月較大有效波高時(shí)間占比較大，不易產(chǎn)生藍(lán)藻水華；不同湖區(qū)看，西巢湖最小，中巢湖與東巢湖接近，因此西巢湖藍(lán)藻水華出現(xiàn)的概率將會(huì)更高.

致謝：感謝本研究團(tuán)隊(duì)(王巖、郭西亞、崔健)在野外觀測(cè)中給予的幫助.