河口是陆地和海洋之间的过渡带,表现出复杂的非线性流体动力学过程,这些过程涉及广泛的空间和时间尺度。这些过程受到多种物理因素的影响,包括潮汐作用、河流输入、风模式和海岸线几何形状(Geyer & MacCready, 2014)。切萨皮克湾(以下简称“湾”)是美国最大的河口,是一个典型的微潮汐、部分分层的河口,具有显著的季节性和年际变化(Xu et al., 2012; Du & Shen, 2016)。这个河口-大陆架-海洋连续体从北到南延伸超过250公里,以其复杂的支流网络而闻名,这些支流提供了重要的生态服务(Bilkovic et al., 2019)。数十条支流(如萨斯奎哈纳河、波托马克河和拉帕汉诺克河)输送了大量的淡水、沉积物和营养物质,显著影响了湾的流体动力学和生物化学特性(Schubel & Pritchard, 1986; Du & Shen, 2017)。除了营养物质负荷外,湾的形态(例如湾中部的较深水域)在夏季缺氧现象的发生中也起着重要作用(Du et al., 2018a; Cai et al., 2022)。
近年来,人们投入了大量精力通过观测和数值模拟来理解湾的流体动力学(Levinson et al., 1998; Scully et al., 2005; Zhong et al., 2008)。现场观测通常在空间和时间上受到限制,因此数值模型已成为理解该地区流体动力学过程和支持生态研究不可或缺的工具(Cerco & Cole, 1993; Irby et al., 2016)。大多数建模工作集中在湾的主干上(Li & Li, 2011; Hong & Shen, 2012; Xu et al., 2012),而很少有研究阐明支流、主干和沿海海洋之间的跨尺度联系(Jiang & Xia, 2016)。这一限制仍然是实现整个湾稳健流体动力学建模的主要挑战。
这种建模差距部分源于小尺度地形特征的固有复杂性,这些特征常见于小溪和支流中。这些区域通常以浅水深度和狭窄(且经常被疏浚的)河道为特征,这要求在模型域内精确解析空间连通性时具备高空间分辨率(Shen & Haas, 2004; Ye et al., 2018; Tian, 2019)。这些小尺度特征在湾的流体动力学和富营养化过程中起着重要作用(Zhong et al., 2008; Du & Shen, 2017)。例如,在漏斗形河口中,由于几何汇聚和波浪反射,潮汐波在向陆地传播过程中可能会被放大,从而增强淡水和海水之间的混合(Friedrichs & Aubrey, 1994; Lanzoni & Seminara, 1998)。此外,某些支流的几何形状可能促进潮汐共振(Zhong et al., 2008; Bonneton et al., 2015)。在浅水河口中,底部摩擦通常主导潮汐阻尼(Lyu & Zhu, 2018),这对数值模型中底部边界过程的参数化提出了更严格的要求。水深、几何形状和物理作用因素(如摩擦阻尼)之间的非线性相互作用使得模拟湾内的过程变得具有挑战性(Van Rijn, 2010; Du et al., 2018b)。
此外,跨尺度河口连续体的水文特征通常表现出显著的空间异质性,这是由多种物理过程驱动的。支流和小溪主要受到近岸过程的影响,如河流排放、海岸线侵蚀和人为活动(Shen & Lin, 2006; Tian et al., 2019),而湾的主干则受到沿海海洋和支流的共同影响,包括潮汐作用、大尺度环流和淡水流入(Zhong et al., 2008; Du & Shen, 2017)。例如,受河流输入的影响,河流上游的浊度水平通常最高,并且随着下游的移动而降低,这一点通过遥感和现场观测都得到了证实(Wang et al., 2009; Turner et al., 2021)。相比之下,远洋水体通常具有更高的水清澈度和较低的养分浓度。高浊度会减少太阳辐射的穿透深度,从而影响水柱中的热结构(Kara et al., 2005; L?ptien & Meier, 2011; Kim et al., 2020)。河流输入的另一个重要方面是,大型河口的底部沉积物通常具有特定的成分(Sherwood & Creager, 1990; Nitsche et al., 2007; Wei et al., 2021)。在湾内的实地观测表明,沉积物特征存在显著的空间异质性,支流和湾中部通常含有更多的泥质(Nichols et al., 1991)。沉积物质地的差异可能会影响底部摩擦,从而影响局部流体动力学过程(Feddersen et al., 2003; Prandle, 2003; Wu et al., 2011)。
本研究旨在通过应用基于物理的模型校准策略来改进湾内的跨尺度流体动力学模拟。此前,我们已经展示了水深数据(由高分辨率DEM提供)的关键作用;特别是,我们展示了在许多其他模型中常见的水深数据平滑和操作对湾内物理和生物过程的负面影响(Ye et al., 2018; Cai et al., 2022)。总体而言,水深数据是沿海和近岸环境中的一阶驱动因素,应谨慎处理(Zhang et al., 2024)。正如Zhang等人(2024)所展示的,准确表示重要的水深特征确实是进行可靠建模的第一步。除了水深数据,他们还提到需要仔细检查其他驱动因素,最好是在现场观测的指导下进行。在本文中,我们继续探讨基于物理的模型校准策略,使用单一的高分辨率非结构化网格模型来解析整个域,而无需采用网格嵌套。我们将重点关注两个重要的物理驱动因素:(1)影响热结构的水体浊度;(2)影响底部摩擦从而影响盐水入侵的沉积物组成。我们的结果突显了基于物理的模型校准在改进跨尺度模拟方面的优势,并展示了我们在复杂河口环境中进行无缝建模的能力。这项工作是美国环境保护署(EPA)切萨皮克湾项目(CBP)第七阶段主湾模型开发的一部分(Hood et al., 2021; https://www.chesapeakebay.net),因此将支持未来与湾内生态动态相关的研究和管理工作。