Seabed classification based on sub-bottom profile data in modified geo-acoustic model
-
摘要:
浅地层剖面仪发射的声脉冲能够穿透海底面进入沉积层内部，其回波中携带了丰富的底质信息。地声模型是底质声学与物理性质关系的数学描述，广泛用于海底声学与地声反演研究。本文通过对浅地层剖面数据的处理、解译得到海底反射系数，与考虑底质松密影响的改进Biot-Stoll模型相结合，提出底质反演新方法并开展实例验证。研究结果表明：通过对浅地层剖面原始记录的读取、解译，提取反射波振幅，并结合设备声源级，可有效求取海底反射系数。通过引入相对密度改进孔隙度计算公式，进而在基于Biot-Stoll模型构建海底反射系数和底质平均粒径关系过程中进一步考虑了底质松密的影响。基于山东威海某海域及文献的算例均显示，本文提出的改进地声模型可缩小底质反演与实测结果之间的相对误差、提升基于浅地层剖面数据的海底底质地声反演精度。
-
关键词:
- 浅地层剖面 /
- 底质反演 /
- Biot-Stoll模型 /
- 海底反射系数 /
- 平均粒径
Abstract:The echoes signal of sub-bottom profilers (SBP) carry abundant information of sediment because the acoustic pulses emitted by SBP can penetrate the seafloor surface into the interior of sediment layers and get reflected from different impedance interface. A geoacoustic model describing the relationship between the acoustics and physical properties of sediments mathematically, is widely used in sediment classification and acoustics inversion. We applied the method to obtain the bottom reflection coefficients by decoding the SBP data, and then combined it with a modified Biot-Stoll model considering the influence of sediment’s degree of compaction, based on which a new method of sediment inversion was proposed to evaluate its capacity by examples. Results show that the bottom reflection coefficient of seafloor can be effectively obtained by decoding the original records of SBP, extracting the amplitude of the reflected waves, and combining with the sound source level of the equipment. To build the relationship between bottom reflective coefficient and mean grain size, the degree of sediment compaction was considered based on Biot-Stoll model and the parameter of relative density was introduced into the porosity calculation formula. Examples of both measured data of Weihai sea area and those obtained from available literatures indicate that the presented method could reduce the relative error between the inversion and the measured mean grain sizes, contributing to improve the accuracy of submarine sediment geoacoustic inversion based on SBP data.
-
渤海湾毗邻现代黄河三角洲，沿岸主要为砂质淤泥质海岸，其沉积物主要来自沿岸河流携带的大量泥沙，受河流与沿岸细粒物质大量供给和潮流作用为主的海洋动力控制，呈不规则带状和斑块状分布，沿岸粒度较粗，多为粉砂和黏土粉砂，东北部沿岸多为砂质粉砂，中部海域粒度较细，多为黏土软泥和粉砂质软泥[1]。渤海湾沿岸有多条河流，如黄河、海河、滦河等，其中黄河和滦河是渤海湾沉积物的主要来源[2]，并以黄河入海泥沙量最大[3]。黄河每年入海泥沙约11亿t，大量入海泥沙在黄河口沉积下来，不仅使河流入海流路发生频繁变迁，而且导致河口三角洲快速淤积[4-7]。在海洋动力作用下，大量细颗粒泥沙自黄河口三角洲向北、东北、西北方向海域传输，可达到渤海湾湾顶[8-9]。自1976年以来其北部废弃的三角洲叶瓣遭受强烈的海岸侵蚀，在冬季强海洋动力作用下，大量再悬浮沉积物为渤海湾区域提供充足的物源供应[3,10-11]。随着人类活动的增强，河流入海径流量和泥沙量明显减少，粒度粗化[6,10,12]，大量泥沙快速沉积在河口附近，在波浪和潮流的控制下，泥沙再悬浮并在渤海海域传输，在沿岸悬浮体浓度明显高于渤海湾中部[13-14]，水体底层浓度明显高于表层浓度，悬浮体浓度的分布呈季节性分布特征[3,11,15-16]，冬季渤海湾在强风浪的再悬浮和沿岸流的搬运作用下，悬浮体浓度分布明显高于海洋动力较弱的夏季[3,17-18]，水体的层化混合过程对黄河入海悬浮体传输过程起到重要的控制作用[6,19]。除此之外，渤海湾海域悬浮体的分布还具有明显的大小潮差异，大潮时期悬浮体浓度高于小潮时期[20]。因此，不同时段、不同区域内，渤海湾海域悬浮体的分布特征与海域内海洋动力条件有着密不可分的关系，要了解该海域悬浮体分布的变化规律，就需要分不同时段对不同区域进行连续观测研究，才能更全面地掌握渤海湾悬浮体的运移特征。但是迄今为止对黄河三角洲北部和渤海湾泥质区毗邻海域再悬浮沉积物的输运过程及其沉积分布尚缺乏系统性观测研究，这方面的观测有待加强。大量的研究表明[21-23]，近海沉积物输运过程及其沉积分布与污染物和生源要素的扩散具有极为密切的关系，是影响区域生物地球化学循环和生态系统的重要因素。渤海湾周边城市人口稠密，大中城市密集，有重要能源生产基地，是目前我国重要的经济发展区之一。随着大规模的围海造地工程和周边临港工程建设，填海面积增加的同时，大量来自陆域的重金属和污染物较易附着在悬浮体上随径流入海，并在海洋动力的作用下，在近岸海域扩散和沉积，对近岸海洋生态系统产生了重要影响[24-27]。因此渤海湾及毗邻海域不同时间尺度的沉积动力过程及其环境效应，有利于推进对该海域沉积动力学和“源–汇”过程研究的进一步认识，对区域环境可持续发展具有重要的意义。
本文在前人的研究基础上，对渤海湾泥质区南部靠近黄河三角洲北部海域的夏季悬浮体浓度、水体温盐结构进行了25 h连续观测调查，对悬浮体输运过程展开了时空对比分析，并探讨了其水动力机制。
1. 材料及方法
1.1 数据采集
2012年8月20日—9月10日在渤海湾海域完成了对10个站位的海流连续25 h定点观测，并每隔1 h对垂向剖面进行温度、盐度和浊度的观测，采集表、中、底3层水位的悬浮体水样用于悬浮体浓度的实验室抽滤测试分析（图1）。其中，流速、流向及水深数据采集使用美国SonTek公司生产的声学多普勒流速剖面仪ADCP（工作频率为300 kHz，盲区为1 m，测流误差＜5 mm/s和＜1°）来进行观测，测层间隔设置为1 m，定点观测采样频率设为10 s，温度、盐度及浊度数据采集使用美国Seabird公司生产的SBE19 Plus多参数水质剖面仪来进行观测（温度、电导率和浊度的精度分别为＜0.1°C、0.001 mS/cm和0.01 NTU），用绞车以平均每2 s下放1 m的速度下放仪器，平均每0.2 s可获取一个数据，悬浮体水样采集使用美国Seabird公司生产的SBE ECO55自动采水器进行采集，该仪器与SBE19 Plus集成在一起。悬浮体水样采集以ADCP测深为准，分层进行采取（表层样取自水深2 m以内，中层样取自0.5倍水深处，底层样取距底0.5～2 m处），与温度、盐度及浊度数据采集同步进行。本文采用本航次调查的10个站位中位于渤海湾泥质区南部的5个站位（A1—A5站）的观测结果进行悬浮体输运过程分析。
![]()
1.2 数据处理
悬浮体水样在实验室进行双滤膜抽滤测试，抽滤实验采用孔径0.45 μm的醋酸纤维滤膜进行双膜抽滤矫正，抽滤前将滤膜以45°C烘干24 h并称得上膜前质量（Wt1）和下膜前质量（Wb1），称重采用万分之一的电子天平，抽滤后再以45°C烘干24 h并称得上膜后质量（Wt2）和下膜后质量（Wb2），并记录抽滤水体体积（V）通过计算公式（1）计算悬浮体浓度（SSC）。
$${\rm{ SSC}} =\frac{W_{\rm{t2}}-W_{\rm{t1}}-\dfrac{(W_{\rm{b2}}-W_{\rm{b1}})\times W_{\rm{t1}}}{W_{\rm{b1}}}}{V} $$ (1) 选取10个站位SSC测试结果，对采集悬浮体样品所在的垂向2 m范围内的悬浮体浊度进行平均计算，并与SSC进行拟合，拟合结果如图2所示，相关系数R2=0.83，拟合结果较好，可参考拟合结果，根据悬浮体浊度的观测结果，对SSC进行拟合判定。
![]()
图 2 悬浮体浓度（SSC）与浊度的相关性数据Figure 2. Correlation between suspended sediment concentration (SSC) and turbidity2. 结果
2.1 潮流特征
渤海湾泥质区南部潮流以M2潮流为主[29-30]，从图3和图4的流速矢量图以及图3潮流类型分布[29]可以看出，A1、A2、A3、A5站的潮流类型为规则半日潮流，A4站潮流类型为不规则半日潮流，A1站为逆时针旋转流，A2站为E-W向往复流，A3、A4、A5站为顺时针旋转流。从图4水深变化以及图3潮汐类型分布[29]可以看出，A1、A2、A4站的潮汐类型为不规则半日潮，A3站为不规则全日潮，A5站处在不规则全日潮的位置，而在观测期间，A5站出现半日潮特征。各站位的流速东西分量u明显高于流速南北分量v（图4），u分量流速超过40 cm/s的历时超过观测历时的1/2，v分量流速低于40 cm/s的历时占观测历时的主要部分。A1站涨潮流为SW向，落潮流为NE向；A2站涨潮流为W向，落潮流为E向；A3站涨潮流和落潮流均有N向顺时针旋转为E向的现象；A4站涨潮流为SE向顺时针旋转为NW向，落潮流为NW向顺时针旋转为SE向；A5站涨潮流和落潮流均有NW向顺时针旋转一周回到NW向的现象。
![]()
![]()
图 4 各站位垂向平均流速矢量与流速各分量（u，v）时空分布图Figure 4. Vertical mean current vectors and temporal and spatial distributions of current components (u, v) at each station2.2 温盐交换过程
从各站位温盐垂向剖面结构可以看出（图5），受各站位涨落潮流影响，水体的垂向温盐结构具有周期性分布的特点。整体来看（图6），水深最浅、最靠近岸边的A1站（水深5～15 m）温度最高，盐度最低，水深15～20 m的A2站和A5站温度和盐度都偏高，水深大于20 m的A3站和A4站温度偏低，盐度偏高。这说明渤海湾泥质区南部海域，15 m等深线以浅海域受周边径流高温淡水影响较大，15～20 m范围高温淡水与低温盐水交汇，盐度明显升高，20 m以深海域主要受渤海中部低温高盐水舌入侵影响，水体温度偏低。
![]()
图 5 各站位温盐结构时空分布图Figure 5. Spatial and temporal distribution of thermohaline structure at each station![]()
图 6 各站位温度和盐度范围比较Figure 6. Comparison in the range of temperature and salinity at each stationA1站SW向涨潮流从湾外带来低温高盐的水体，NE向落潮流向湾外带走近岸的高温低盐的水体；湾口处A2站W向涨潮流从湾外带来低温高盐水体，E向的落潮流从湾内带出高温低盐水体，主要在表层水深10 m范围内传输，10 m以深水体为盐度较高、温度较低的水体；A3站的温盐结构在涨潮和涨平阶段，在表层10 m范围内层化明显，出现高温低盐水体，10 m以深水体垂向较均匀，在落潮和落平阶段，水体温盐垂向结构整体均匀，主要为温度和盐度都相对较高的水体；A4站和A5站的温盐结构较其他站位更稳定，温度自上而下逐渐降低，盐度自上而下逐渐升高，A4站（站位水深约25 m）在水深15 m（自海面向下）处温盐梯度较大，A5站（站位水深约20 m）则是在水深10 m处温盐梯度较大，两站连线与黄河口附近岸线和等深线接近垂直，呈NE向展布，说明夏季黄河口高温低盐的淡水向20 m以深的渤海中部海域传输的方式，主要为表层传输的羽状流形式。
2.3 SSC时空变化特征
从图7可以看出，渤海湾内（A1站）和湾口（A2站）处高浊度悬浮体多出现在涨急和落急时期，较高的流速对底质掀沙作用加强（图8a），其中A1站涨平后到落急期间SSC明显降低，可见，在渤海湾南部湾内的近岸海域，大部分底质再悬浮的泥沙还是随着涨潮流向湾内汇聚，方向多为SW向。黄河口SE向的A3、A4、A5三站SSC分布的潮周期特点较湾内和湾口处不显著，且水体较湾内和湾口清澈，SSC值偏低。A3站SSC高值出现在N向和E向潮流时期，A4和A5站SSC高值出现在NW向和SE向潮流时期。
![]()
图 7 各站位悬浮体浓度的时空分布特征与垂向平均流速矢量对比Figure 7. Comparison of spatial and temporal distribution characteristics of SSC at each station and vertical mean current vector![]()
图 8 各站位悬浮体浓度与距底高度值（a）和流速值（b）的分布范围Figure 8. Distribution range of SSC and height from bottom (a) and velocity (b) at each station整体来看（图8a），夏季渤海湾南部海域高于20 mg/L的SSC值出现在A2、A3站表层5 m水深范围内，A3、A4、A5站底层5 m水深范围内，A2站底层12 m范围内，以及A1站的整个垂向水体范围内。靠近底层的SSC值均高于表层SSC值（图8a），各站位靠近底层最高SSC值对比结果显示，湾内（A1站）及湾口（A2站）处最高，分别可达约130和80 mg/L，黄河口SE向20 m及更深（A4、A5站）处最小，均低于40 mg/L。SSC值高于20 mg/L的流速值基本位于50～70 cm/s区间（图8b），各站位流速基本低于100 cm/s，结合图8a，可知该区域底层高浊度的悬浮细颗粒物质的输运流速在50～100 cm/s区间，且具备这种输运条件的高浊度悬浮体多出现在渤海湾南部湾内和湾口海域，其向湾内汇沙的效应也符合中国东部陆架边缘海沉积物“夏储冬输”的季节性特征[31]。
3. 讨论
3.1 悬浮体输沙率的潮周期变化特征
采用相对水深对瞬时物质输移量进行分解[32]，设x轴为纵向坐标，t为时间，z为相对水深（0≤z≤1），不计流速脉动项，将瞬时流速u(x, z, t)分解成垂向平均量项及其偏项之和：
$$ u(x, z, t)=\bar u+u' $$ (2) ū和uʹ均分解为潮平均量项和潮变化项之和：
$$\bar u= \bar u_{0}+\bar u_{t}·u'=\bar u_{0}'+\bar u_{t}'$$ (3) 瞬时流速即为：
$$ u(x, z, t) = \bar u_{0}+\bar u_{t}+\bar u_{0}'+\bar u_{t}'$$ (4) 水深可分解为：
$$ h(x, t)= h_{0}+h_{t} $$ (5) 单宽潮周期平均输水量为：
$$ \langle Q \rangle = \frac{1}{T_t}\int\limits ^{T_t}_0\int\limits^1_0 uh{\rm d}z{\rm d}t= \bar u_{0}h_{0}+ \langle \bar u_{t}h_{t} \rangle$$ (6) 其中，
$\langle \rangle$ 表示潮平均，ū0h0为平均流项，$ \langle$ ūtht$\rangle $ 为潮汐与潮流相关项，即斯托克斯漂移效应，Tt为潮周期。式（6）可表示为：$$\langle Q \rangle = h_{0}(\bar u_{E}+\bar u_{S}) = h_{0}\bar u_{L} $$ (7) 其中，ūE = ū0，ūS =
$\langle $ ūtht$\rangle $ /h0$$ \bar u_{L}=\langle Q\rangle/h_{0} =\bar u_{E}+\bar u_{S} $$ (8) 由式（8）计算出来的ūL即为一维垂向平均拉格朗日余流，其中ūE、ūS分别为一维垂向平均欧拉余流和斯托克斯余流。
与余流的计算原理相似（式（2）—（5）），悬浮泥沙浓度SSC的函数c(x, z, t)可分解为：
$$ c(x, z, t) =\bar c_0 +\bar c_t +c_{0}'+c_{t}' $$ (9) 单宽输沙率E为：
$$\begin{split}\int\limits ^1_0 huc{\rm d}z =& h\bar u_{0}\bar c_0+h\bar u_{0}\bar c_t+h\bar u_{t}\bar c_0+h\bar u_{t}\bar c_t+\\&h\overline{u'_0c'_0}+h\overline{u'_0c'_t}+h\overline{u'_tc'_0}+h\overline{u'_tc'_t}\end{split} $$ (10) 其中，E1=
$h\bar u_0 \bar c_0 $ 为平流引起的平均输沙量，$E_2=h\bar u_0\bar c_t $ 和$E_3=h\bar u_t\bar c_0 $ 为潮周期平均输沙量与潮变化量的相关项，$E_4=h\bar u_t\bar c_t $ 为潮汐振荡引起的输沙量，$E_5=h\overline{u'_0c'_0} $ 为时均量引起的扩散，$E_6=h\overline{u'_0c'_t} $ 和$E_7=h\overline{u'_tc'_0} $ 为时均量与潮变化量引起的剪切扩散，$E_8=h\overline{u'_tc'_t} $ 为潮振荡引起的剪切扩散。潮平均单宽瞬时输沙率T为：
$$ \begin{split} T=& \frac{1}{T_t}\int\limits^{T_t}_0\int\limits^h_0 uc{\rm d}z{\rm d}t=h_{0}\bar u_{0}\bar c_0+\langle h_{t}\bar u_{t}\rangle \bar c_0+\langle h_{t}\bar c_t \rangle \bar u_{0}+\\&\langle h_{t}\bar u_{t}\bar c_t\rangle + h_{0}\overline{u'_0c'_0} +\langle h_{t} u'_{0}c'_{t}\rangle +\langle h_{t}u'_{t}c'_{0}\rangle +\langle h_{t}u'_{t}c'_{t}\rangle \end{split} $$ (11) 其中，
$T_1=h_0\bar u_0\bar c_0 $ 为平均流引起的输沙量；$T_2=\langle h_t\bar u_t \rangle \bar c_0 $ 为潮汐与潮流的相关项，即斯托克斯漂流输沙量；T1+T2为拉格朗日输沙量；$T_3=\langle h_t \bar c_t \rangle \bar u_0$ 为潮汐与含沙量潮变化相关项；$T_4=\langle h_t \bar u_t \bar c_t \rangle $ 为SSC与潮流变化相关项；$T_5=h_0\overline{u'_0 c'_0} $ 为垂向流速变化和含沙量变化的相关项，为垂向净环流的贡献；$ T_6=\langle h_t u'_0 c'_t \rangle $ 和$T_7=\langle h_tu'_tc'_0 \rangle $ 为时均量与潮汐振动切变引起的剪切扩散；$T_8=\langle h_t u'_t c'_t \rangle $ 为垂向潮振荡切变作用项。湾内A1站（图9a）涨平期间的单宽输沙率为68～143 g·m−1·s−1，方向为偏S向，向岸输沙。落平期间单宽输沙率为41～93 g·m−1·s−1，方向为偏N向，向湾外输沙，单宽输沙率明显小于涨平期间。落潮时期输沙以E、SE向为主，涨潮时期输沙率方向以W、SW向为主，大小相当。整体来看（图10a），渤海湾南部湾内海域以向近岸输沙为主，潮平均单宽输沙率为7.8 g·m−1·s−1，方向为280°（以E向为0°的逆时针旋转角度），其中，T1+T2所代表的拉格朗日输沙率为7.6 g·m−1·s−1，方向为274°；T4和T5数量级相当，分别为0.6和0.3 g·m−1·s−1，方向为偏E向和偏SE向；其他分量的数量级较小，T3、T6数量级相当，T7和T8数量级相当，T3、T6、T7方向偏E向和偏SE向，T8方向偏N向。
![]()
图 9 各站位潮平均单宽输沙率的变化Figure 9. Variation of tidal averaged suspended sediment flux per unit meter width at each station![]()
图 10 各站位潮平均输沙率的各分量值与输沙角度Figure 10. Values of each component of tidal-averaged sediment transport rate and transport angles at each station湾口A2站（图9b）落平和落潮时期输沙方向偏E向，以朝湾外输沙为主，在涨平和涨潮期间输沙方向偏W向，以向湾内输沙为主，前者的单宽输沙率范围为24～281 g·m−1·s−1，后者的单宽输沙率范围为28～258 g·m−1·s−1，后者历时更长。整体上（图10b），湾口处海域拉格朗日输沙率（T1+T2）为12.7 g·m−1·s−1，方向为329°；垂向净环流的贡献项T5为5.5 g·m−1·s−1，方向为149°，方向与拉格朗日输沙率方向相反；整体来看A2站潮平均输沙率为7.2 g·m−1·s−1，方向为328°，输沙以向湾外SE向输沙为主；其他分量数量级较小，T4和T7数量级相当，T3、T6、T8数量级最小，T3、T6、T7方向偏SE向，T4和T8方向偏NW向。
A3站（图9c）落平时输沙以偏E向为主（18～46 g·m−1·s−1），涨平时输沙以偏SE向为主（10～54 g·m−1·s−1），涨潮时输沙以偏W向为主（12～59 g·m−1·s−1），落潮时输沙以偏N向和偏NE向为主（5～44 g·m−1·s−1）。整体来看（图10c），A3站潮平均单宽输沙率为4.7 g·m−1·s−1，方向为77°，其中，拉格朗日输沙率（T1+T2）为5.2 g·m−1·s−1，方向为50°；垂向净环流的贡献项T5为2.4 g·m−1·s−1，方向为166°；T3、T4数量级相当，T6、T7、T8数量级最小，T4、T7方向偏E向，T6偏SE向，T3、T8偏SW向。
A4站（图9d）涨潮时输沙偏SE向，单宽输沙率为8～49 g·m−1·s−1；涨平时输沙偏NW向，单宽输沙率为19～52 g·m−1·s−1；落潮时输沙偏NW向，单宽输沙率为29～56 g·m−1·s−1；落平时输沙偏N向和偏NE向，单宽输沙率为11～51 g·m−1·s−1。A4站潮平均单宽输沙率为5.2 g·m−1·s−1，方向为94°，其中，拉格朗日输沙率（T1+T2）为5.2 g·m−1·s−1，方向为91°，其他各分量数量级较小，T3和T7方向相反，数量级相当；T4数量级与T3和T7相当，方向为偏NW向；T5数量级比T3大，方向为偏W向；T6数量级与T3相当，方向为偏NE向；T8数量级比T3小，方向为偏SE向。
A5站（图9e）落潮时输沙偏NW向，单宽输沙率为50～88 g·m−1·s−1；落平时单宽输沙率为32～78 g·m−1·s−1，方向自偏NW向顺时针旋转至偏SE向；涨潮时输沙偏SE向，单宽输沙率为37～105 g·m−1·s−1；涨平时单宽输沙率为7～55 g·m−1·s−1，输沙偏NW向。A5站潮平均单宽输沙率为7.7 g·m−1·s−1，方向为102°，其中，拉格朗日输沙率（T1+T2）为8.8 g·m−1·s−1，方向86°；垂向净环流的贡献项T5为2.5 g·m−1·s−1，方向208°；其他各分量数量级较小，其中T4数量级最大，方向偏E向，T3、T6、T7、T8数量级相当，T3、T7方向偏NE向，T6、T8方向偏SW向。
整体来看，渤海湾南部各站位潮平均单宽输沙率以拉格朗日输沙贡献最显著，在湾口泥质区南部和东南部水深15～25 m的海域，垂向净环流的影响较大，有抵消一部分拉格朗日输沙率的作用，且对潮平均单宽输沙率的影响比湾内和25 m以深海域的大，其中对A2站的拉格朗日输沙率的抵消作用最大，这跟A2站垂向净环流输沙率较大，且方向与拉格朗日输沙率相反有关。其他分量数量级较小，对潮平均单宽输沙率贡献较小。由于本次观测站位非同步连续观测，时间跨度较大，部分站位观测的是小潮时期的输沙率（A1、A2、A3站），另一部分站位观测的是大潮时期的输沙率（A4、A5站），因此对各站位之间输沙率的比较还需要未来进一步开展同步观测调查。
3.2 水体层化混合过程与输沙率之间的相关性
水体的垂向混合状态可以用Richardson数来体现[6, 33-34]，其计算公式如下：
$$ Ri =\frac{-\left(\dfrac{g}{\rho}\right)\left(\dfrac{\partial\rho}{\partial z}\right)}{\left(\dfrac{\partial u}{\partial z}\right)^2} $$ (12) 其中，分子表示水体密度梯度导致的层化强度，分母表示水体剪切力所导致的湍动混合程度，Ri＞0.25，代表水体以层化为主，Ri＜0.25，代表水体以混合为主。结果如图11所示，结合图5的温盐结构来看，A1、A2、A3、A4站受近岸高温低盐水体影响，这4个站位的密度结构不稳定，层化强度和Ri值多数时刻为负，相应时刻对应的混合程度较高。Ri值整体以小于0.25为主，说明渤海湾南部海域水体以混合为主，单宽输沙率降低的时刻，与水体层化程度和Ri值增加的时刻相吻合，如A1站的0时、14时、20时，A2站的5时、18时、23时，A3站的4时、14时，A4站的5时、17时、23时，A5站的6时、11时、12时、17时、18时、22时，可见水体的层化程度加强对各站位悬浮体输运均有一定的抑制作用，这与黄河口、加利福尼亚北部的大陆架和福宁湾海域前人研究结论相符[6, 35-36]。
![]()
图 11 各站位水体Ri、层化程度、混合程度与E的变化Figure 11. Variation of Ri, stratification stability, turbulent intension, and E at each station4. 结论
（1）受周边径流高温淡水影响，夏季渤海湾南部及黄河三角洲北部15 m以浅海域水体温度较高，盐度较低；15～20 m范围内高温淡水与低温盐水交汇，水体盐度明显升高；20 m以深海域主要受渤海中部低温高盐水舌入侵影响，水体温度偏低。高温淡水以羽状流的方式自近岸向渤海中部传输。渤海湾内和湾口处高浊度悬浮体多出现在涨急和落急时期，较高的流速对底质的再悬浮作用加强，距底5 m水深范围内SSC值较高，其中湾内和湾口的底层SSC值最高，黄河口外NE向剖面20 m以深海域SSC值最小。
（2）渤海湾泥质区南部海域夏季单宽输沙率具有潮周期性特点。湾内海域涨潮和涨平期以向湾内近岸输沙为主，落潮和落平期以向湾外输沙为主，整体以向湾内近岸输沙为主，潮平均单宽输沙率为7.8 g·m−1·s−1，方向为280°。湾口A2站涨落潮流输沙方向相反，整体以SE向朝湾外近岸输沙为主，潮平均单宽输沙率为7.2 g·m−1·s−1，方向为328°。湾外A3站涨潮和涨平时期输沙方向基本相反，大小相当，落潮和落平时期输沙方向以偏E和偏NE向为主，潮平均单宽输沙率为4.7 g·m−1·s−1，方向为77°。黄河口SE向的2个站位涨潮时输沙偏SE向，涨平时输沙偏NW向，落潮时输沙偏NW向，落平时输沙偏N向和偏NE向，两站潮平均单宽输沙率方向以偏N向为主，A4站潮平均单宽输沙率为5.2 g·m−1·s−1，方向为94°，A5站潮平均单宽输沙率为7.7 g·m−1·s−1，方向为102°。
（3）渤海湾泥质区南部各站位夏季潮平均单宽输沙率以拉格朗日输沙贡献最显著，在湾口泥质区南部和东南部水深15～25 m海域，垂向净环流的影响较大，有抵消一部分拉格朗日输沙率的作用，且对潮平均单宽输沙率的影响比湾内和25 m以深海域的大，其他分量数量级较小，对潮平均单宽输沙率贡献较小。
（4）渤海湾泥质区南部海域夏季水体以混合为主，各站位水体层化程度加强对各站位悬浮体输运均有一定的抑制作用。
-
![]()
图 2 基于浅地层剖面数据计算得到的某测线海底反射系数
Figure 2. Sea bottom reflection coefficients of a survey line calculated from SBP data
![]()
图 3 海底反射系数与平均粒径的关系
a: Biot-Stoll模型；b: 改进Biot-Stoll模型。
Figure 3. The relationship between reflection coefficient and mean grain size
a: Biot-Stoll model; b: Modified Biot-Stoll model.
![]()
图 4 研究区位置及浅地层剖面航迹线和底质取样站位
Figure 4. The study area and the deployment of the sub-bottom profiler track lines, and sediment sampling stations (red dots)
表 1 不同平均粒径条件下最大和最小孔隙度取值[34-37]
Table 1 Maximum and minimum porosity values of different mean grain-sizes
平均粒径/Ф 最大孔隙度nmax/% 最小孔隙度nmin/% 0～2 41 29 2～3 53 37 3～4 60 40 4～5 69 40 5～6 75 42 6～7 83 56 7～8 86 57 8～9 90 59 9～10 91 66 
下载: 导出CSV
表 2 状态可控试验实测数据[33]
Table 2 Measured physical parameters of state-controlled experiments
底质类别 密度ρ/(g·cm−3) 相对密度 孔隙度n /% 饱和度Sr 粉土 2.00 0.67 40.79 0.994 1.99 0.60 41.81 0.995 2.01 0.69 40.45 0.994 2.01 0.70 40.41 0.997 2.03 0.75 39.66 0.998 2.05 0.86 37.97 0.998 2.07 0.92 37.10 0.999 2.04 0.82 38.57 0.999 砂土 2.03 0.39 38.33 0.992 2.16 0.70 30.72 0.994 1.93 0.44 44.18 0.982 2.05 0.67 37.55 0.994 2.00 0.52 40.45 0.992 2.13 0.77 32.64 0.989 1.94 0.33 43.37 0.981 2.00 0.63 39.9 0.978 2.08 0.44 35.55 0.989 2.17 0.74 30.23 0.993 1.92 0.32 44.99 0.986 2.02 0.58 38.8 0.971
下载: 导出CSV
表 3 Biot-Stoll模型参数取值
Table 3 The input physical parameters of the Biot-Stoll model
物理参数 参数取值 颗粒密度ρs /kg·m−3 2690 颗粒体积模量Ks /Pa $ 3.2 \times {10^{10}} $ 流体密度ρf /kg·m−3 1023 流体体积模量Kf /Pa $ 2.395 \times {10^9} $ 黏滞系数η/kg·m−1·s−1 0.001 渗透率κ/m2 $ \kappa = \dfrac{{{d^2}{n^3}}}{{180{{\left( {1 - n} \right)}^2}}}\dfrac{1}{{\sqrt {10} }},\;d{\text{为粒径}}({\rm{mm}}) $ 弯曲度Γ $ \Gamma = \left\{ \begin{array}{*{20}{l}} {\text{1}}{\text{.35 }}&\varphi {\text{≤}} {\text{4}} \\ {{ - 0}}{\text{.3}} + {\text{0}}{\text{.4125}}\varphi &{\text{ 4}} {\text{＜}} \varphi {\text{＜}} 8 \\ {\text{3}}{\text{.0 }}&\varphi {\text{≥}}{\text{8}} \\ \end{array} \right. $ 孔隙半径r/m $ r = \dfrac{d}{3}\dfrac{n}{{\left( {1 - n} \right)}}\dfrac{1}{{1.8}} $ 骨架体积模量Kb /Pa $ {K_{\text{b}}} = \dfrac{{2\mu (1 + \sigma )}}{{3(1 - 2\sigma )}} $，σ为骨架泊松比，
$ \sigma = \left\{ \begin{array}{*{20}{l}} {\text{0}}{\text{.15 }}&\varphi {\text{≤}} {\text{4}} \\ {{ - 0}}{\text{.05}} + {\text{0}}{\text{.05}}\varphi &{\text{ 4}} {\text{＜}} \varphi {\text{＜}} 8 \\ {\text{0}}{\text{.35 }}&\varphi {\text{≥}} {\text{8}} \\ \end{array} \right. $骨架剪切模量μ/Pa $ 1.3 \times {10^7} $
下载: 导出CSV
表 4 地声反演与实测结果比较
Table 4 Comparison between inversion and measured mean grain-size
实测平均
粒径/ФBiot-Stoll模型反演结果 改进Biot-Stoll模型反演结果 反演值 相对误
差/%平均
值/%反演值 相对误
差/%平均
值/%5.28 5.89 11.70 6.51 5.79 8.87 5.06 5.04 5.50 9.11 5.41 6.34 5.08 5.23 3.02 5.14 0.41 5.12 5.54 8.20 5.44 5.46 5.24 5.29 0.95 5.19 1.61 5.24 5.56 6.06 5.46 3.37 5.20 5.60 7.67 5.50 4.94 5.17 5.51 6.48 5.41 3.79 5.50 5.59 1.63 5.49 0.94 5.56 5.26 5.31 5.17 7.71 1.96 2.06 5.01 2.02 2.20 5.11 4.45 12.93 4.37 15.13
下载: 导出CSV
表 5 地声反演与文献结果比较
Table 5 Comparison between inversion results and those from published sources
数据
来源实测平均
粒径/ФBiot-Stoll模型反演结果 改进Biot-Stoll模型反演结果 反演值 相对误
差/%平均
值/%反演值 相对误
差/%平均
值/%周庆杰[20] 5.50 7.31 32.85 29.69 7.12 29.46 27.22 6.20 8.14 31.24 7.93 27.89 8.30 9.87 18.86 9.61 15.81 8.40 10.27 22.22 10.00 19.08 8.70 10.77 23.74 10.49 20.55 黄必桂[40] 6.56 7.38 12.55 7.20 9.68 6.94 7.54 8.65 7.35 5.88 7.49 9.10 21.45 8.86 18.33 7.25 9.40 29.66 9.16 26.33 7.06 10.55 49.48 10.28 45.62 7.48 10.92 45.99 10.64 42.22 6.78 10.46 54.33 10.19 50.35 7.08 10.57 49.33 10.30 45.49 6.81 10.05 47.64 9.80 43.84 6.64 9.95 49.91 9.70 46.05 6.39 9.64 50.90 9.39 47.02 6.08 9.81 61.41 9.56 57.26 6.27 9.81 56.52 9.56 52.49 6.23 9.32 49.59 9.08 45.75 Zheng[19] 6.64 4.45 33.03 4.34 34.73 6.64 7.28 9.63 7.10 6.84
下载: 导出CSV
-
[1] 何起祥, 李绍全, 刘健. 海洋碎屑沉积物的分类[J]. 海洋地质与第四纪地质, 2002, 22(1):115-121 HE Qixiang, LI Shaoquan, LIU Jian. Classification of marine clastic sediments [J]. Marine Geology & Quaternary Geology, 2002, 22(1): 115-121.
[2] 赵玉新, 赵廷. 海底声呐图像智能底质分类技术研究综述[J]. 智能系统学报, 2020, 15(3):587-600 doi: 10.11992/tis.202004026 ZHAO Yuxin, ZHAO Ting. Survey of the intelligent seabed sediment classification technology based on sonar images [J]. CAAI Transactions on Intelligent Systems, 2020, 15(3): 587-600. doi: 10.11992/tis.202004026
[3] 徐超, 李海森, 王川, 等. 基于合成核SVM的多波束海底声图像底质分类研究[J]. 地球物理学进展, 2014, 29(5):2437-2442 doi: 10.6038/pg20140567 XU Chao, LI Haisen, WANG Chuan, et al. Seabed classification of multibeam seabed acoustic image based on composite kernel SVM [J]. Progress in Geophysics, 2014, 29(5): 2437-2442. doi: 10.6038/pg20140567
[4] 金绍华, 肖付民, 边刚, 等. 利用多波束反向散射强度角度响应曲线的底质特征参数提取算法[J]. 武汉大学学报:信息科学版, 2014, 39(12):1493-1498 JIN Shaohua, XIAO Fumin, BIAN Gang, et al. A method for extracting seabed feature parameters based on the angular response curve of multibeam backscatter strength [J]. Geomatics and Information Science of Wuhan University, 2014, 39(12): 1493-1498.
[5] 卜英勇, 周木荣. 基于连续小波变换和分形理论的水下回波特征提取[J]. 传感器与微系统, 2008, 27(11):44-46 doi: 10.3969/j.issn.1000-9787.2008.11.014 BU Yingyong, ZHOU Murong. Feature extraction of underwater echoes based on continuous wavelet transform and fractal theories [J]. Transducer and Microsystem Technologies, 2008, 27(11): 44-46. doi: 10.3969/j.issn.1000-9787.2008.11.014
[6] Hasan R C, Ierodiaconou D, Laurenson L. Combining angular response classification and backscatter imagery segmentation for benthic biological habitat mapping [J]. Estuarine, Coastal and Shelf Science, 2012, 97: 1-9. doi: 10.1016/j.ecss.2011.10.004
[7] Alevizos E, Snellen M, Simons D G, et al. Acoustic discrimination of relatively homogeneous fine sediments using Bayesian classification on MBES data [J]. Marine Geology, 2015, 370: 31-42. doi: 10.1016/j.margeo.2015.10.007
[8] Snellen M, Eleftherakis D, Amiri-Simkooei A, et al. An inter-comparison of sediment classification methods based on multi-beam echo-sounder backscatter and sediment natural radioactivity data [J]. The Journal of the Acoustical Society of America, 2013, 134(2): 959-970. doi: 10.1121/1.4812858
[9] 唐秋华, 纪雪, 丁继胜, 等. 多波束声学底质分类研究进展与展望[J]. 海洋科学进展, 2019, 37(1):1-10 doi: 10.3969/j.issn.1671-6647.2019.01.001 TANG Qiuhua, JI Xue, DING Jisheng, et al. Research progress and prospect of acoustic seabed classification using multibeam echo sounder [J]. Advances in Marine Science, 2019, 37(1): 1-10. doi: 10.3969/j.issn.1671-6647.2019.01.001
[10] 罗宇, 郑旭, 施剑, 等. 基于浅地层回波信号的底质分类技术研究[J]. 海洋技术学报, 2020, 39(6):42-47 LUO Yu, ZHENG Xu, SHI Jian, et al. Study on the seabed classification approach based on echo signal of sub-bottom profiler [J]. Journal of Ocean Technology, 2020, 39(6): 42-47.
[11] 张同伟, 秦升杰, 王向鑫, 等. 深海浅地层剖面探测系统现状及展望[J]. 工程地球物理学报, 2018, 15(5):547-554 ZHANG Tongwei, QIN Shengjie, WANG Xiangxin, et al. Technical status and development trend of deep sea sub-bottom profiler [J]. Chinese Journal of Engineering Geophysics, 2018, 15(5): 547-554.
[12] 李平, 杜军. 浅地层剖面探测综述[J]. 海洋通报, 2011, 30(3):344-350 doi: 10.3969/j.issn.1001-6392.2011.03.018 LI Ping, DU Jun. Review on the probing of sub-bottom profiler [J]. Marine Science Bulletin, 2011, 30(3): 344-350. doi: 10.3969/j.issn.1001-6392.2011.03.018
[13] Stevenson I R, McCann C, Runciman P B. An attenuation-based sediment classification technique using Chirp sub-bottom profiler data and laboratory acoustic analysis [J]. Marine Geophysical Researches, 2002, 23(4): 277-298. doi: 10.1023/A:1025708024518
[14] Theuillon G, Stephan Y, Pacault A. High-resolution geoacoustic characterization of the seafloor using a subbottom profiler in the gulf of lion [J]. IEEE Journal of Oceanic Engineering, 2009, 33(3): 240-254.
[15] 郑江龙, 童思友, 许江. 基于Chirp源浅地层剖面资料计算海底反射损失[J]. 地球物理学进展, 2019, 34(3):1256-1261 doi: 10.6038/pg2019DD0067 ZHENG Jianglong, TONG Siyou, XU Jiang. Estimating seabed reflection loss from Chirp sub-bottom profile [J]. Progress in Geophysics, 2019, 34(3): 1256-1261. doi: 10.6038/pg2019DD0067
[16] 刘玉萍, 丁龙翔, 杨志成, 等. 利用浅剖资料进行海底底质分析[J]. 物探与化探, 2016, 40(1):66-72 LIU Yuping, DING Longxiang, YANG Zhicheng, et al. Seabed sediment analysis using sub-bottom profile data [J]. Geophysical and Geochemical Exploration, 2016, 40(1): 66-72.
[17] Saleh M, Rabah M. Seabed sub-bottom sediment classification using parametric sub-bottom profiler [J]. NRIAG Journal of Astronomy and Geophysics, 2016, 5(1): 87-95. doi: 10.1016/j.nrjag.2016.01.004
[18] Schock S G. A method for estimating the physical and acoustic properties of the sea bed using chirp sonar data [J]. IEEE Journal of Oceanic Engineering, 2004, 29(4): 1200-1217. doi: 10.1109/JOE.2004.841421
[19] Zheng H B, Yan P, Chen J, et al. Seabed sediment classification in the northern South China Sea using inversion method [J]. Applied Ocean Research, 2013, 39: 131-136. doi: 10.1016/j.apor.2012.11.002
[20] 周庆杰, 李西双, 刘乐军, 等. 基于Chirp数据和Biot-Stoll模型反演南海北部陆坡海底表层沉积物物理性质[J]. 海洋学报, 2020, 42(3):72-82 ZHOU Qingjie, LI Xishuang, LIU Lejun, et al. Physical properties of the seabed inversed based on Chirp data and the Biot-Stoll model in the northern continental slope of the South China Sea [J]. Haiyang Xuebao, 2020, 42(3): 72-82.
[21] Biot M A. Mechanics of deformation and acoustic propagation in porous media [J]. Journal of Applied Physics, 1962, 33(4): 1482-1498. doi: 10.1063/1.1728759
[22] Stoll R D. Acoustic waves in ocean sediments [J]. Geophysics, 1977, 42(4): 715-725. doi: 10.1190/1.1440741
[23] 王景强, 郭常升, 刘保华, 等. 基于Buckingham模型和Biot-Stoll模型的南沙海域沉积物声速分布特征[J]. 地球学报, 2016, 37(3):359-367 doi: 10.3975/cagsb.2016.03.13 WANG Jingqiang, GUO Changsheng, LIU Baohua, et al. Sound speed distribution of seafloor sediments in Nansha Islands Sea based on Buckingham model and Biot-Stoll model [J]. Acta Geoscientica Sinica, 2016, 37(3): 359-367. doi: 10.3975/cagsb.2016.03.13
[24] 陈静, 吕修亚, 陈亮, 等. 基于Chirp数据反演琼州海峡海底沉积物物性[J]. 热带地理, 2017, 37(6):874-879 doi: 10.13284/j.cnki.rddl.002943 CHEN Jing, LYU Xiuya, CHEN Liang, et al. Physical properties of the seabed inversed by Chirp data in the Qiongzhou Strait [J]. Tropical Geography, 2017, 37(6): 874-879. doi: 10.13284/j.cnki.rddl.002943
[25] Kimura M. Study on the Biot-Stoll model for porous marine sediments [J]. Acoustical Science and Technology, 2007, 28(4): 230-243. doi: 10.1250/ast.28.230
[26] Kan G M, Meng X M, Wang J Q, et al. Shear wave speed dispersion characteristics of seafloor sediments in the northern south China sea [J]. Journal of Ocean University of China, 2022, 21(1): 91-100. doi: 10.1007/s11802-022-4774-z
[27] 孟祥梅, 刘保华, 阚光明, 等. 南黄海海底沉积物声学特性及其影响因素试验研究[J]. 海洋学报, 2012, 34(6):74-83 MENG Xiangmei, LIU Baohua, KAN Guangming, et al. An experimental study on acoustic properties and their influencing factors of marine sediment in the southern Huanghai Sea [J]. Acta Oceanologica Sinica, 2012, 34(6): 74-83.
[28] 郑红波, 阎贫, 王彦林, 等. 基于希尔伯特变换的Chirp信号浅地层剖面数据分析及转换[J]. 海洋技术, 2012, 31(1):91-95 ZHENG Hongbo, YAN Pin, WANG Yanlin, et al. Sub-bottom profile data analysis and transformation for the Chirp signal based on Hilbert transform [J]. Ocean Technology, 2012, 31(1): 91-95.
[29] Li C Z, Yang Y, Wang R, et al. Inversion of river-bottom sediment parameters using mechanically sampled specimens and subbottom profiling data [J]. Applied Geophysics, 2017, 14(2): 225-235. doi: 10.1007/s11770-017-0621-1
[30] 张志军, 周东红, 孙成禹, 等. 基于三维模型数据的地震振幅补偿处理技术的保幅性分析[J]. 物探与化探, 2015, 39(3):621-626 ZHANG Zhijun, ZHOU Donghong, SUN Chengyu, et al. An analysis of the amplitude preservation of seismic amplitude compensation processing technology based on 3D model data [J]. Geophysical and Geochemical Exploration, 2015, 39(3): 621-626.
[31] Hamilton E L. Reflection coefficients and bottom losses at normal incidence computed from Pacific sediment properties [J]. Geophysics, 1970, 35(6): 995-1004. doi: 10.1190/1.1440149
[32] 卢博, 刘强. 海底沉积物声学响应中的颗粒与孔隙因素[J]. 热带海洋学报, 2008, 27(3):23-29 doi: 10.3969/j.issn.1009-5470.2008.03.005 LU Bo, LIU Qiang. Grain and pore factors in acoustic response of seafloor sediments [J]. Journal of Tropical Oceanography, 2008, 27(3): 23-29. doi: 10.3969/j.issn.1009-5470.2008.03.005
[33] 吴涛. 无黏性海底沉积物声传播规律研究[D]. 天津大学硕士学位论文, 2021 WU Tao. Study on Sound Propagation law of cohesiveless seabed sediments[D]. Master Thesis of Tianjin University, 2021.
[34] Hamilton E L, Bachman R T. Sound velocity and related properties of marine sediments [J]. The Journal of the Acoustical Society of America, 1982, 72(6): 1891-1904. doi: 10.1121/1.388539
[35] 潘国富, 叶银灿, 来向华, 等. 海底沉积物实验室剪切波速度及其与沉积物的物理性质之间的关系[J]. 海洋学报, 2006, 28(5):64-68 PAN Guofu, YE Yincan, LAI Xianghua, et al. Shear wave velocity of seabed sediment from laboratory measurements and its relationship with physical properties of sediment [J]. Acta Oceanologica Sinica, 2006, 28(5): 64-68.
[36] Kirca V S O. Sinking of irregular shape blocks into marine seabed under wave-induced liquefaction [J]. Coastal Engineering, 2013, 75: 40-51. doi: 10.1016/j.coastaleng.2013.01.006
[37] 《工程地质手册》编委会. 工程地质手册[M]. 4版. 北京: 中国建筑工业出版社, 2007 Editorial Boards of Engineering Geological Manual. Engineering Geology Manual[M]. 4th ed. Beijing: China Building Industry Press, 2007.
[38] 陈静, 阎贫, 王彦林, 等. 基于Biot-Stoll模型声速反演中的参数选择: 以南海南部沉积物为例[J]. 热带海洋学报, 2012, 31(1):50-54 CHEN Jing, YAN Pin, WANG Yanlin, et al. Choice of parameters for Biot-Stoll model-based inversion of sound velocity of seafloor sediments in the southern South China Sea [J]. Journal of Tropical Oceanography, 2012, 31(1): 50-54.
[39] Rayleigh J W S. The Theory of Sound[M]. New York: Dover Publications, 1945.
[40] 黄必桂, 李家钢, 周庆杰, 等. 基于浅地层剖面的海底浅表层沉积物物理性质参数反演技术研究: 以渤海海底管线路由区为例[J]. 海洋学报, 2022, 44(9):156-164 HUANG Bigui, LI Jiagang, ZHOU Qingjie, et al. Research on inversion technology of physical properties parameters of seafloor sediments based on sub-bottom profile: Taking the Bohai Sea submarine pipeline route as an example [J]. Haiyang Xuebao, 2022, 44(9): 156-164.
计量
- 文章访问数: 40
- HTML全文浏览量: 2
- PDF下载量: 33
