一种基于锋面预测的河口塑料污染清理方法 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及河道垃圾清理技术领域，具体地说，涉及一种基于锋面预测的河口塑料污染清理方法。背景技术：2.自2004年“微塑料”的概念被提出以来，微塑料成为环境科学研究的热点问题，许多科研人员都投入到微塑料的研究中，并发表了许多重要的成果，使得微塑料污染引起全球的重视，已经成为近年来国际社会高度关注的环境问题。微塑料垃圾对海洋生物有诸多危害，如被海洋生物误食以及成为其他污染物的载体等。海洋塑料碎片主要来源于陆地。作为微塑料入海的重要渠道，河流已经潜在地成为各种尺寸塑料碎片的主要运输途径。每年有数百万吨河流塑料垃圾通过河口进入海洋。据估计，1000多条河流占全球河流向海洋排放塑料总量的80%。3.为了清理河口中的塑料垃圾，国内外的专家学者们提出了多种清理装置的概念或技术，有些也开始应用在实际河口中。但是，这些清理装置有一个缺陷，就是它们必须被长期或较长期地安置在河道中，会对当地的船只航行和生态环境等造成影响。4.因此，亟需提供一种基于锋面预测的河口塑料污染清理方法，相对于现有技术，设计出一种高效但对当地原有生态系统产生很小影响的塑料垃圾收集方法。技术实现要素：5.为了解决上述问题，本发明提供一种基于锋面预测的河口塑料污染清理方法，该方法简单经济易行，也大大减小对当地生态系统的影响。6.为达到上述目的，本发明的技术方案如下：一种基于锋面预测的河口塑料污染清理方法，包括以下步骤：s1、推导用于预测锋面发生位置的参数，并对推导的参数进行验证；s2、根据预测锋面发生位置的参数，获取拟进行污染物清理的目标河口的基本信息参数；s3、将目标河口的基本信息参数带入到预测锋面发生位置的参数中，形成空间分布图，空间分布图中高值区表示为所预测的锋面位置；s4、预测目标河口中计划清理日期锋面的发生时间；s5、船只于预测锋面发生时间段内，赴所预测的锋面位置进行污染物的拖网收集。7.进一步地，决定锋面发生位置的参数为，其中ut代表河口中的潮流与径流流速之和的特征量、为河口水深的水平梯度、h为水深。8.再进一步地，参数根据下式得出：上式中，为垂直涡度，为深度平均的水平流速，h为水深，为单位垂向矢量，为底部剪切应力，为表面剪切应力，为底拖曳系数，表示河水密度；将上式中简化得出。9.再进一步地，s3具体包括以下步骤：s301、计算水深的水平梯度的分布特征；s302、通过河口上游水文站观测数据，计算目标河口中预计清理日期的径流量大小，从而计算径流引起的流速大小；s303、根据目标河口的历史资料总结得出河口中的潮流与径流流速之和的特征量；s304、将河口中的潮流与径流流速之和的特征量、河口水深的水平梯度、水深带入到参数中，形成该参数的空间分布图。10.进一步地，s2还包括以下步骤：s201、获取目标河口水深的分布特征；s202、通过水文站观测数据，获取目标河口往年径流量的主要特征值；s203、获取目标河口潮汐潮流的历史数据。11.进一步地，s4还包括以下步骤：s401、进行潮汐潮流调和分析预报，预测清理日期的涨落潮时间和潮流振幅；s402、通过径流量大小与涨落潮时间确定目标河口中计划清理日期锋面的发生时间。12.进一步地，s5还包括以下步骤：s501、通过预测锋面的发生时间和位置，将船只开向锋面附近区域；s502、结合望远镜进一步确认锋面实时位置；s503、在船只上安装拖网，沿着锋面处的垃圾带进行拖网收集。13.与现有技术相比，本发明的有益效果为：（1）本发明通过简单且有效的参数预测锋面产生位置和时间，该参数只依赖于水深和水平流速特征量，这些量容易获得，从而大大促进了找寻锋面的效率，比起利用数值模型等手段预测锋面的方法，这个方法更加简单经济省时，而且大大节省数值模型等方法需要花费的服务器机时成本。14.（2）本发明提出基于污染物聚集的天然屏障“锋面”来进行污染物的收集，大大降低对当地船只航行和生态环境的影响。附图说明15.图1为本发明河口塑料污染清理方法的流程图。16.图2为本发明速度扭矩项和底摩擦耗散项的对比图。17.图3为本发明锋面预测效果的示意图。具体实施方式18.下面将结合附图说明对本发明的技术方案进行清楚的描述，显然，所描述的实施例并不是本发明的全部实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。19.如图1所示，本发明提供一种基于锋面预测的河口塑料污染清理方法，包括以下步骤：s1、由理论方法推导出可用于预测锋面发生时间和位置的参数，其中为目标河口中水平流速的大小，为河口水深的水平梯度，h为水深；结合该参数，可得出，锋面易发生在水深梯度较大的斜坡处；在径流量较小时锋面易发生于最大涨潮流或最大落潮流附近时间段，径流量较大时，易发生在最大落潮流附近时间段，该参数还可进一步简化为，其中代表河口中的潮流与径流流速之和的特征量，对于一个河口而言，该特征量可由历史资料总结得出，针对实际河口，对所得参数进行验证；s2、获取拟进行污染物清理的目标河口的基本信息参数，包括水深、潮汐潮流和特征径流量；s3、预测目标河口中计划污染物清理日期的涨落潮时刻和径流量大小，从而可预测出锋面发生的时间（大径流情形下为最大落潮流附近时间段，小径流情形下为最大涨潮和落潮流附近时间段），进一步基于水深和特征流速计算，预测锋面发生位置；s4、船只于预测锋面发生时间段内，赴所预测的锋面位置进行污染物的拖网收集。20.具体地说，s1还包括以下步骤：s101、剪切锋面是河口中最常见的锋面，其产生机制是水平流速的剪切效应，而剪切强度可由涡度大小表示，因此剪切锋面的预测可转化为对强涡度的预测。强涡度的产生机制可由通过深度平均的涡度方程可推导得出。21.s102、深度平均的涡度方程具体为：上式中，为垂直涡度，可通过计算得出，为深度平均的水平流速，为科氏参数，h为水深，为水平粘性系数，为单位垂向矢量，为底部剪切应力，为表面剪切应力，表示河水密度。22.s103、深度平均的涡度方程右侧第一项为底摩擦应力项，底摩擦应力项是主导涡度产生的主要分量。底摩擦应力项可以分解为三部分，具体为：度产生的主要分量。底摩擦应力项可以分解为三部分，具体为：上式中，为底拖曳系数；（u,v）是在（x,y）方向上的分量，x和y分别定义为沿等深线和垂直于等深线的方向，表示地形扭矩项，表示流速扭矩项，表示底摩擦耗散项。地形扭矩项是产生涡度的主要机制，而流速扭矩项和底摩擦耗散项的主要作用是减小涡度。23.s104、经过验证，流速扭矩项与底摩擦耗散项的方向相同，大小也基本相同，图2为河口a、河口b、河口c以及河口d中最大落潮时刻的速度扭矩项（最上排子图）、底摩擦耗散项（中排子图）和二者之差（下排子图）的空间分布图。由图2可明显看出，速度扭矩项与底摩擦耗散项大小基本一致。24.s105、从而底摩擦应力项可以简化下式：从而是决定涡度最大值的主要参数，当两倍的涡度小于时，底摩擦应力项继续增加涡度的大小，而当两倍的涡度大于时，底摩擦应力项开始减小涡度。而又可以写为。因此，强涡度易发生在的高值区，从而可作为预测锋面发生时间和位置的参数。25.s106、针对实际河口，对该参数与锋面的关系进行验证。结果证明，该参数可用于预测河口锋面。26.具体的，在一个大小潮周期内，对河口a、河口b、河口c以及河口d分别形成锋面概率分布图（图3中最上排子图）、涡度的时间均方根分布图（图3的中排子图）以及所推算参数的空间分布图（图3中下排子图），由图3可明显看出，在参数的高值区域，涡度和锋面概率都出现高值，意味着参数可以作为预测锋面产生位置的可靠参数。27.具体地说，s2还包括以下步骤：s201、获取目标河口水深的分布特征；s202、通过水文站观测数据，获取目标河口往年径流量的主要特征值；s203、通过河口附近验潮站数据或国家海洋信息中心分布的潮汐数据或科学文献中的数据或现场观测，获取目标河口潮汐潮流的历史数据。28.具体地说，s3还包括以下步骤：s301、计算水深水平梯度的分布特征；s302、进行潮汐潮流调和分析预报，预测清理日期的涨落潮时间和潮流振幅；s303、由于河口上游水文站水到达河口往往需要几天时间，因此可通过河口上游水文站观测数据，计算目标河口中预计清理日期的径流量大小，从而计算径流引起的流速大小；s304、计算目标河口中用于预测锋面发生位置的参数的时空分布情况；s305、根据该参数的时空分布，预测锋面的发生时间段和位置。29.具体地说，s4还包括以下步骤：s401、通过预测锋面的发生时间和位置，将船只开向锋面附近区域；s402、结合望远镜进一步确认锋面实时位置；s403、在船只上安装拖网，沿着锋面处的垃圾带进行拖网收集。30.以往的河口塑料等污染物的收集方法可能对船只航行和生态环境等造成影响，而本发明提出基于污染物聚集的天然屏障“锋面”来进行污染物的收集，大大降低对当地船只航行和生态环境的影响；通过一系列的简化推导，得出可预测锋面产生位置和时间的简单且有效的参数，该参数只依赖于水深和水平流速特征量，这些量容易获得，从而大大促进了找寻锋面的效率，比起利用数值模型等手段预测锋面的方法，这个方法更加简单省时，而且节省模型计算等需要花费的成本。31.以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的范围，其均应涵盖在本发明的权利要求范围当中。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!