中国南海低能岬角海滩渠道型离岸流的预测系统开发与评估：结合Delft3D模型与广义可加模型（GAM）的多因子交互作用分析与预警应用

本刊推荐：本研究针对中国南海典型低能岬角海滩，开发了一套结合物理建模（Delft3D）与统计学习（GAM）的离岸流预警系统（NGRWS）。系统通过量化波向（WaveDir）、有效波高（SWH）与水位（WL）等多因子非线性交互作用，实现了6小时预报误差＜0.3 cm/s、事件捕捉率87%的高精度预测，为海滩安全风险管理提供了可推广的技术框架。

　　

引言

离岸流是全球海滩溺水事故的主要成因之一，其动力学行为受到潮汐、近岸地形与波浪特征等多重环境因子的综合调控。传统经验性判断存在明显认知盲区，而纯机器学习方法又因“黑箱”特性与数据不确定性难以实现可靠预测。本研究基于中国南海高风险离岸流区的现场观测数据，提出了一种融合物理机制与数据驱动的预测框架，旨在实现离岸流的定量化、前瞻性预报。

研究区域与数据来源

研究区位于中国海南省东南部一处典型岬角海滩，该区域夏季受西南/东南季风主导，离岸流事故高发。在2024年7月16日至8月18日期间，研究团队布设了三组包含波浪仪、电磁流速仪与自主测深仪的集成观测设备，覆盖沙坝、离岸流通道和回流区等关键位点。同时，采用RTK–GPS与无人机LiDAR技术进行了连续34天的地形测量，空间分辨率达2.8 cm/像素。环境驱动数据来自CFSR风场与ERA5再分析波浪数据集，其在中国南海的适用性已得到先前研究验证。

研究方法

本研究核心方法包括三个模块：Delft3D多嵌套波浪-水流耦合数值模型、基于多标准阈值（流速＞0.15 m/s、方向偏离岸线法向±30°、空间连续性≥50 m2）的离岸流识别算法，以及广义可加模型（GAM）用于量化环境因子非线性交互效应。GAM采用薄板回归样条与张量积平滑项（te()）构建，并通过10折交叉验证与AIC准则优化模型结构，最终筛选出SWH–WaveDir、WL–WaveDir等6对显著交互项纳入综合预测模型。

结果

数值模型成功再现了近岸流场结构，与无人机影像中观察到的沉积物羽流和波碎模式高度吻合。离岸流在研究区表现出低能但持续的特性，超过40%的事件持续时间大于5小时，70%的事件影响范围在50–150 m2之间。GAM交互建模显示，WaveDir、SWH与WL是主导控制因子，综合模型预测RMSE为0.3 cm/s，R2为0.74。NGRWS系统对87%的离岸流事件发出正确预警，误报率和漏报率分别为5%与8%。

讨论

经验性判断虽能识别强离岸流（如低潮时正向入射波条件下），但忽略了多数弱流事件，存在显著认知偏差。NGRWS在风暴事件初期表现出一定鲁棒性，但在热带风暴“帕布”引发海底侵蚀后，因沙坝-通道系统破坏而失效，表明地形剧变需重新率定模型。为提升预警信息传播效率，研究者设计了一款配备红-黄-绿三色信号灯与实时数据显示的太阳能预警亭，可基于ERA5数据实现6小时超前预报。

结论与展望

本研究构建的NGRWS系统首次实现了基于开源环境数据驱动的渠道型离岸流定量预报，具有计算效率高（单次预测约0.1秒）、预警精度高的优点。未来需进一步融入地形演变模块、扩展多海滩验证、并整合远程实时数据传输功能，以提升系统的适应性与推广价值。