当期目录

大陆坡脚是大陆边缘的一个重要地形特征，是沿海国扩展其大陆架权利和划定其200海里以外大陆架外部界限的基础，也是大陆架界限委员会审议沿海国划界案时特别关注的重要技术参数。《联合国海洋法公约》第76条大陆架制度的制定源于典型的被动大陆边缘。但由于全球大陆边缘的多样性和复杂性，特别是后期构造活动、沉积作用对大陆边缘的改造与影响，海底地形地貌异常复杂多变，导致大陆坡脚的识别非常困难。加上各沿海国为获得最大范围的外大陆架，对大陆坡脚的相关规定进行有利于自己的解释，使得大陆坡脚的确定成了外大陆架划界中一个颇具争议的热点问题。本文基于对《联合国海洋法公约》和《大陆架界限委员会科学和技术准则》对大陆坡脚的规定，结合不同类型大陆边缘的地质特征和各沿海国划界实践，对陆坡基部区的确定、坡度变化最大之点的选取以及相反证明规则的适用性等问题进行了探讨。

海表温度是表征海洋表层热力状况的重要海洋参数，日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率，但是红外遥感反演的海温产品受到云、雾和霾的影响，在云下存在大面积、无规律的缺值；微波辐射计反演的海温产品空间分辨率低，但可穿透云层，实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料，利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知：原始海温资料的均方根误差为0.59~0.70℃，DINEOF重构后海温资料均方根误差降至0.10~0.34℃；相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信，能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。

基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料，采用增长型分层自组织映射(GHSOM)神经网络方法，对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析，结果表明：(1)GHSOM网络训练原始风场数据第一层结果揭示了4个特征模态，高度概括了南海近海面风场的季节变化特征；第二层结果提取了风场的月变化特征。(2)GHSOM网络训练异常风场数据第一层结果揭示了4类异常风场特征模态：反气旋式异常、气旋式异常、西南风异常和东北风异常模态。其中反气旋式异常和气旋式异常模态呈现出不对称现象，即反气旋式异常风场的振幅大于气旋式异常风场；且这两个模态与ENSO事件密切相关，它们的时间序列与Niño 3.4指数序列存在显著的延迟相关。同时，东北风异常风场模态的发生频率大于西南风异常模态。向下扩展的第二层结果揭露了异常风场模态更多的细节特征。

浅海海床发育着不同尺度的活动性砂体，在大型活动性砂体上常叠加发育着大量小尺度沙波(纹)，分析这些小尺度沙波(纹)有助于揭示活动性砂体的成因机制。但它们的尺度较小，常规分析方法往往将其作为高频噪声滤除，难以对该尺度海底沙波(纹)进行分离量化研究。为了解决这个问题，本文设计并实现了一种基于小波分析的小尺度海底沙波地形分解方法，并以台湾浅滩典型区域的高精度近底原位观测数据为例，实现了小尺度海底沙波地形的分解和定量分析，分解出背景地形、小型沙波和沙波纹(波长小于0.6 m)3种地貌类型。本文提出的小尺度海底沙波地形分解量化方法，可广泛应用于浅海高活动性地貌发育演化和海底边界层沉积动力过程研究，对评估海洋工程的稳定性也具有一定的实用价值。

为了研究海洋板块内火山的深部电阻率结构及其形成过程，在西太平洋苏达海山进行了海洋大地电磁测量。采用主流数据处理方法SSMT2000进行数据处理，分别对旋转后的实测数据以及根据实测数据得到的两组旋转不变量数据进行一维结构假设下的大地电磁响应测试，对响应最好的YX方向数据进行一维反演，并结合一维正演、地质资料对反演结果进行综合解释。反演结果表明，苏达海山区域地壳厚度为21.5 km左右；较厚的火山碎屑岩层表明苏达海山的构建过程以喷发性的岩浆活动为主，其侵入性的岩浆活动较弱。

快速的地面沉降是一种地质灾害，它关系到社会的可持续发展，甚至威胁人类的生命财产安全。InSAR技术可以获取地表长时间、大范围的形变数据，可用于分析潜在的地面沉降问题，为预防地质灾害提供了一种可靠手段。如何基于InSAR数据对地面沉降进行预测，一直是研究人员关注的重点方向和难题。为此，本文在前人对地面沉降预测研究的基础上，提出了一种将差分移动平均自回归(ARIMA)模型与深度学习中的长短期记忆单元(LSTM)模型相结合的地面沉降预测方法，即利用InSAR得到的形变量数据与ARIMA模型预测结果作差，然后利用LSTM对该差值进行训练与预测。以杭州湾2017—2019年InSAR监测数据为例验证了该方法，结果表明，与传统的单一预测算法相比，本文方法的均方根误差至少减小了2.23 mm，平均绝对误差至少减小了0.98 mm，平均预测精度至少提升了15.19%，验证结果证实了本文方法的可行性，为地面沉降预警工作提供了新的思路和方法。

波浪在传播过程中遇到岛屿就会发生绕射。本文使用混合元方法对修正型缓坡方程进行了数值求解，并与KUO et al的解析解进行了比较验证。在此基础上研究了工程尺度背景下，波浪在三维圆形岛地形上的绕射，计算了不同入射波浪周期、浅滩形状参数和岛屿尺寸情况下，沿波浪传播方向断面上和岛屿岸线上的相对波高大小。计算结果表明：随着入射波周期的减小、浅滩形状参数的增大和岛屿尺寸的减小，圆形岛迎浪侧的相对波高振荡幅度、圆形岛背浪侧的相对波高大小以及岛屿岸线上的相对波高振幅和大小均随之增大。不同情况下，岛屿岸线上的相对波高最大值大多数发生在迎浪点，个别发生在迎浪点两侧20°~25°处；最小值发生在背浪点两侧30°附近。

基于海南新村潟湖2020年12月水文和水质多要素实测数据，研究了该海域的潮汐、潮流变化特征，并探讨了潮位变化对潟湖营养盐的影响。结果表明，新村潟湖的潮汐为不规则全日潮，潟湖口门处的潮流为往复流，涨潮历时15 h，落潮历时10 h。大、小潮期间3个观测站点溶解性无机氮(DIN)浓度变化范围为0.91~20.87 μmol/L，磷酸盐(PO3-4)浓度变化范围为0.11~5.92 μmol/L，硅酸盐(SiO2-3)浓度变化范围为2.36~134.75 μmol/L。大、小潮期间，潟湖内3个观测站点DIN、PO3-4、SiO2-3浓度随着涨、落潮过程发生变化。潟湖口门处流速对观测站点潮位变化有着重要的影响，潮通量基本决定了潮位的变化。潟湖口门处和渔排密集区域的营养盐浓度与潮位呈现显著的负相关关系，潮流流速对口门处和渔排密集区域的营养盐变化有着重要影响。该研究结果将为新村潟湖的污染治理及生态修复提供科学依据。

基于1980—2017年实测潮位等资料，运用统计分析和数值模拟方法研究了海口市风暴潮分布特征与影响因子。结果表明：海口市受风暴潮影响较频繁，年均2.79次，通常发生在7—10月，且风暴潮引发的潮灾概率较大；风暴增水平面分布表现为：东寨港风暴增水强度位居第一，其次是秀英港，第三是海甸岛，南港增水相对较弱。影响因子体现为：地形的权重通常比热带气旋移动路径更大；热带气旋移动速度对海口市风暴增水有明显影响，移动速度为14~19 km/h时，风暴增水往往达到最大。

高光谱遥感水深反演是一种对传统水深测量方法的补充，具有方便、快捷、经济等突出优势。本文研究区位于上海横沙，属于典型滩涂浅水区，研究数据包括GF5-AHSI高光谱遥感数据和同时期的水深数据。通过数据变换和相关分析等方法提取建模参数，利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演，并对4种模型反演结果的准确性进行了验证和比较。研究发现：最优标度回归模型优于其他3种模型，R2达到了0.972，RMSE为0.47 m，适用于横沙浅海水深反演。

根据2006年7月13日至8月30日在长江口及邻近陆架海区采集的小型底栖动物样品，对小型底栖动物类群组成，丰度、生物量的水平分布和垂直分布以及调查海区的环境因子进行了研究。结果表明：研究海域小型底栖动物有线虫、桡足类、多毛类、寡毛类、介形类、螨类、双壳类、腹毛类、动吻类、端足类和等足类等11个类群及无节幼体等。平均丰度为453.22±355.34 ind/10 cm2，最优势类群为线虫，占小型底栖动物总丰度的81.37%，次优势类群分别为底栖桡足类和多毛类，分别占小型底栖动物总丰度的10.13%和2.96%。平均生物量为622.65±505.07 μg/10 cm2，生物量占比最高的类群为多毛类，占总生物量的30.21%，其次分别为线虫和寡毛类，分别占小型底栖动物总生物量的23.69%和19.44%。水平分布上，从河口冲淡水区到东海陆架深水区，小型底栖生物丰度呈现由低到高的变化趋势，杭州湾小型底栖动物丰度为240.96±223.47 ind/10 cm2，长江口近岸区为442.91±304.16 ind/10 cm2，东海陆架深水区为865.42±553.88 ind/10 cm2。垂直分布上，小型底栖动物主要分布在0~2 cm层，丰度为290.28±250.03 ind/10 cm2；其次是2~5 cm层，丰度为132.81±128.74 ind/10 cm2；5~10 cm层分布最少，丰度为30.14±31.91 ind/10 cm2。其中线虫、多毛类、寡毛类与桡足类等主要类群的垂直分布与总分布趋势相同。与环境因子进行相关分析表明，调查海区小型底栖动物的丰度主要与水深、盐度和溶解氧显著相关，对小型底栖动物分布影响最大的环境因子组合为溶解氧和盐度。