📄 earth_science

A Coupled Delft3D-FM – SWAN Study on Seasonal Variability of Coastal Hydrodynamics, Wave Transformation and Longshore Sediment Transport along Andhra Pradesh Coast, India

本研究采用经实测数据验证的 Delft3D-FM 与 SWAN 集成数值模拟框架，旨在表征安得拉邦沿岸水动力、波浪变形及泥沙输运的季节性变化，揭示了季风驱动的波浪产生了最高的沿岸泥沙输运量，并为海岸管理与侵蚀风险评估提供了一个基于过程的工具。

原作者： G. Bala, M. G. Muni Reddy¹

发布于 2026-08-31

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： G. Bala, M. G. Muni Reddy¹

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

海岸线从未真正静止。它是一个活生生的边界，海洋与陆地在此进行着持续且不断变化的对话。波浪将沙子推向海滩，而洋流则将其拉走。河流从山脉倾泻下新鲜的沉积物，而风暴则会在一夜之间重新排列一切。对于居住在这些边缘地带的人们来说，理解这种运动不仅是一项学术练习，更关乎安全、经济与生存。如果沙子移动得太远，港口可能会淤塞，道路可能会被冲毁，或者村庄可能会失去其保护性的海滩。为了预测沙子的去向，科学家必须理解驱动其运动的力量：涨落的潮汐、驱动波浪的风，以及引导这一切的海洋底部形状。

在印度安得拉邦，这种动态系统显得尤为复杂。该海岸线绵延一千多公里，拥有宽阔的沙滩、河口三角洲和潮间带。这是一个季节决定海洋节奏的地方。在季风期间，来自西南方向的强风搅动着大海；而在其他季节，风向发生转变，带来了来自东北方向的平静状况。为了理清这些季节性变化如何重塑海岸线，研究人员 G. Bala 和 M. G. Muni Reddy 求助于一种强大的数字工具。他们构建了一个海岸的虚拟版本——一个能够模拟真实海洋行为的计算机模型，用以观察全年水流与沙粒的运动情况。

研究团队使用了名为 Delft3D 的高级软件框架，该框架允许他们在海底创建一个灵活的非结构化网格。想象一下撒在水面上的渔网：在开阔海域，由于水深较深且底部形状变化缓慢，网格的孔洞较大；但当网靠近岸边，水变浅且底部变化剧烈时，孔洞就会变得非常细小。这种设计让计算机能够将其算力集中在最重要的区域：即波浪破碎且沙粒移动的浅水区。通过将这种水动力模型与名为 SWAN 的波浪模型相结合，研究人员可以模拟波浪在不同季节条件下是如何生长、改变方向并拍打在岸边的。

他们针对三个不同的时期运行了这些模拟：2023 年的后季风季节、2024 年的季风季节以及 2025 年的季前季风季节。为了确保他们的虚拟海洋表现得像真实的海洋一样，他们将实际采集的野外数据输入模型，包括波高、流速和沙粒大小的测量值。他们还将计算机结果与长期的海岸线观测数据进行了对比，观察了多年来海滩是如何侵蚀或增长的。这种方法使他们不仅能看到某一天的快照，还能看到海岸变化的完整季节循环。

模拟结果揭示了一种清晰且剧烈的季节性律动。在季风月份，海洋的能量最为充沛。波浪更大，高度在 0.8 到 2.2 米之间，且来自西南方向。这些强力的波浪驱动着强劲的电流，移动了大量的沉积物。相比之下，后季风和季前季风季节则较为平静。波浪通常较小，范围在 0.6 到 2.0 米之间，且来自东北或东部方向。水的能量较低，沙子的运动也较不剧烈。研究人员发现，波峰周期（即一个波峰到下一个波峰之间的时间）也会随季节变化，在季风期间延长至 7.0 到 8.5 秒，这表明存在更长、更有力的涌浪。

这种波浪方向与能量的季节性转变直接影响着沙子的去向。研究确定了沉积物运动最为活跃的特定区域。维萨卡帕特南（Visakhapatnam）、阿纳卡帕利（Anakapalli）和内洛尔（Nellore）地区成为了沿岸漂移的主要区域，那里的沙子正在沿着海岸不断运输。在季风期间，这些地区的沉积物运输达到最大值。模型显示，高波浪与强电流的结合动员了沙子，使其大规模移动。在其他季节，运输量虽为中等或较低，但其运动模式仍与风向和波浪方向的变化保持一致。

研究人员还观察了潮汐如何与波浪相互作用。他们发现，在季风期间，高水位与强电流协同作用，共同抬升并移动了比单纯由波浪驱动更多的沉积物。这种相互作用对于理解海岸在风暴期间如何重塑自身至关重要。模型证实，海岸线并非一条静态的线，而是一个响应季节性力量累积效应的动态特征。从长期来看，这种运动导致了明显的侵蚀与增长模式。例如，克里希纳（Krishna）地区平均每年侵蚀约 11.48 米，而卡基纳达（Kakinada）地区则经历了约 4.35 米的增淤（即增长）。这些长期趋势正是模型成功捕捉到的季节性循环的结果。

为了验证他们的发现，团队将计算机模拟结果与现实世界的测量数据以及工程师用于估算沉积物运动的既定经验公式进行了对比。Delft3D 模型的结果与野外观测及传统方法的估算高度吻合。这种一致性表明，该数字框架是理解安得拉邦海岸复杂过程的可靠工具。它证实了波浪的季节性反转是沉积物重新分布的主要驱动力，而季风季节是变化最显著的时期。

研究结论指出，这种集成建模方法为管理海岸风险提供了一种稳健的方式。通过识别沙子移动最剧烈的活跃区（如维萨卡帕特南和内洛尔附近的扇区），规划者可以更好地预判哪里可能发生侵蚀从而威胁基础设施，或者哪里可能出现沙量堆积从而影响港口。这项研究提供了一个基于过程的框架，超越了简单的平均值，能够捕捉由海岸线形状和水深引起的特定局部变化。它证明了借助正确的工具，科学家可以绘制出定义陆地边缘的隐形电流与移动沙层，从而为海岸未来的行为提供更清晰的图景。

技术摘要：耦合 Delft3D-FM – SWAN 研究：印度安得拉邦沿岸季节性水动力、波浪变形及沿岸泥沙输运的变化

问题陈述
印度安得拉邦的海岸形态是波浪、潮汐、电流、风力和泥沙供应相互作用的动态结果，并深受季节性季风、热带气旋以及戈达瓦里河（Godavari）和克里希纳河（Krishna）系统河流输入的影响。虽然野外观测提供了关键数据，但往往缺乏足够的空间和时间分辨率，以充分表征整个海岸线复杂的动力学和泥沙输运过程。此外，海岸基础设施（港口、防波堤）的存在破坏了沿岸输运，导致在短距离沿岸尺度上出现空间变化的侵蚀与淤积。本研究旨在建立一个可重复的、基于过程的数值框架，用于评估区域海岸过程、识别易侵蚀区域，并为海岸管理和港口规划提供支持。

研究方法
本研究采用集成数值模拟框架，将用于水动力学的 Delft3D Flexible Mesh (D-Flow FM) 与用于波浪变形的 Delft3D-WAVE（基于第三代 SWAN 光谱波浪模型）进行耦合。

计算区域： 针对 12 个海岸区（从 Srikakulam 到 Tirupati）生成了非结构化柔性网格。网格分辨率从离岸 500–2000 m 到近岸及复杂区域（河口、河口湾）的 20–200 m 不等，旨在捕捉地形梯度和海岸几何特征，同时保持计算效率。
强迫项与输入： 模拟涵盖了三个不同的季节时段：后季风期（2023年）、季风期（2024年）和前季风期（2025年）。水动力模型整合了潮汐强迫、波浪强迫、河流流量和气象效应。
泥沙输运： 使用 Delft3D 系列中的 Van Rijn 公式 对非粘性泥沙输运进行建模，该公式计算总体积输运率 ( $q_t$ ) 为床载 ( $q_b$ ) 与悬移载荷 ( $q_s$ ) 之和。模型考虑了平均深度电流、水深和泥沙特性。
验证与背景： 数值结果与以下内容进行了对比：
1. 野外观测（波浪、电流、泥沙特性）。
2. 使用 CERC 和 Kamphuis 公式进行的经验估算。
3. 利用卫星和野外数据通过 数字海岸分析系统 (DSAS) 和 线性回归速率 (LRR) 进行的长期海岸线变化分析。
  注：作者明确指出，DSAS-LRR 结果作为独立的形态学背景，而非作为短期季节性模拟的直接校准目标。本手稿未包含正式的统计指标（如 RMSE、MAE、 $R^2$ ），而是侧重于基于过程的一致性。

主要结果

波浪气候季节性： 研究证实了波浪方向存在强烈的季节性反转。
- 后季风/前季风期： 波浪主要来自东北至东（NE–E）。
- 季风期： 主导方向转向西南（SW–S/SSW），且能量显著提高。
波浪参数：
- 有效波高 ( $H_s$ )： 季风期间范围为 0.8–2.2 m（在 6–8 月达到峰值），而后季风期间为 0.6–2.0 m。
- 峰值周期 ( $T_p$ )： 季风期表现出较长的周期（7.0–8.5 s），而前季风期表现出较短的周期（6.0–7.5 s）。
水动力学： 季风期是最具能量的时期，由于天文潮与强风、强浪的相互作用，表现出更高的水位和更强的电流。这种相互作用显著增强了泥沙的运移。
泥沙输运：
- 输运率在季风期最高，其次是后季风期和前季风期。
- 活跃沿岸漂移区： 研究确定了 维沙卡帕特南 (Visakhapatnam)、阿纳卡帕利 (Anakapalli) 和内洛尔 (Nellore) 区段具有最显著的泥沙输运响应。
- 横向动力学： 在维沙卡帕特南的 R.K. 海滩，模型显示约有 $3.2 \times 10^5$ m³ 的泥沙向海迁移，凸显了在考虑沿岸漂移的同时考虑横向过程的重要性。
海岸线趋势： 长期 DSAS 分析揭示了空间差异，其中克里希纳区（Krishna district）存在严重侵蚀（平均 LRR $\approx -11.48$ 米/年），而卡金纳达（Kakinada）存在淤积（平均 LRR $\approx +4.35$ 米/年）。模型的空间分布模式与这些观察到的长期形态趋势相吻合。

主要贡献

框架开发： 建立了一个专门针对安得拉邦复杂海岸线定制的可重复、集成的 Delft3D-FM 和 SWAN 框架，利用非结构化网格来解析局部地形和几何变化。
季节性特征描述： 提供了波浪气候和水动力强迫的详细季节性特征描述，量化了西南季风在驱动泥沙重新分布中的主导作用。
基于过程的评估： 证明了耦合模型在模拟泥沙输运的空间变异性方面优于单一系数的经验方法，能够捕捉对区域强迫响应的局部差异。
识别热点地区： 指出了特定地区（维沙卡帕特南、阿纳卡帕利、内洛尔）为活跃的沿岸漂移区，需要优先开展海岸管理干预措施。

意义与主张
本文声称提供了一个用于确定活跃沿岸漂移区并优先进行海岸管理干预的基于过程的框架。文章断言 Delft3D 框架适用于评估区域海岸过程，并显示出与野外观测及经验估算在季节性和空间输运模式方面具有良好的一致性。

作者在验证方面保持了审慎的态度，指出虽然模型捕捉到了正确的季节性行为和空间分布，但研究侧重于基于过程的评估，而非正式的统计验证（例如 RMSE 或 $R^2$ ）。研究强调，长期海岸线趋势（侵蚀/淤积）应被视为由模拟的季节性输运机制驱动的持续形态调整的证据，而非作为季节性运行的直接年度输出。这项工作为理解季风强迫、河流泥沙供应与海岸形态之间的相互作用提供了基础性的工具。

类似论文