南海东北部低频海洋环境噪声长期观测及统计特性研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41906160
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0608.海洋物理与观测探测技术
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Ocean ambient noise is important acoustic characteristic of the ocean and interfering ambient field of underwater sound channel. Investigating the long-term statistics and generative mechanisms of ocean ambient noise are of great importance for scientific significance and application. The northeast South China Sea is important shipping lanes and there are many ocean and atmospheric dynamic processes in this area. This area is also an important area for underwater target activity. The exiting ocean ambient noise observation time in the northeast South China Sea is short and discontinuous and there are also very few collaborative observation of ocean ambient noise and dynamic process in this area. This proposal will implement long-term collaborative observation (2 years) of ocean ambient noise and dynamic process in the northeast South China Sea. The long-term statistics of ocean ambient noise (50-2000Hz) such as diurnal variation, monthly variation, seasonal variation and depth dependence are analyzed based on the observation data. The impacts of wind, wave and ship on the ocean ambient noise are investigated and the statistic model of ocean ambient noise is established. The impacts of internal wave on ocean ambient noise are studied based on both theoretical analysis and experimental observation.
海洋环境噪声是海洋重要的声学特性,是水声信道的干扰背景场,深入研究海洋环境噪声的生成机制、分布规律以及长期统计特征,具有重大的科学意义及军事应用价值。南海东北部海域是重要的航运通道,蕴含着丰富的海洋与大气动力过程,也是水下目标活动的重要区域。本项目针对现有南海东北部海洋环境噪声观测短时、间断以及缺少与海洋动力过程长期协同观测的缺点,依托中国海洋大学构建的“南海潜标观测网”,开展海洋环境噪声与动力过程长期协同观测,获取噪声及海洋动力环境同步观测资料(2年)。基于长期观测资料,深入研究南海东北部低频海洋环境噪声(50-2000Hz)日变化、月变化、季节变化以及深度变化等统计特征,分析海面风速、波浪以及航船等对海洋环境噪声的影响规律,建立低频海洋环境噪声统计模型。同时,通过理论分析及实验观测的方法,揭示内波对海洋环境噪声的影响机制,分析内波影响下海洋环境噪声的变化规律。

结项摘要

南海东北部海域是重要的航运通道,也是很多水下目标的重要活动区域。该海域环境噪声复杂多变,海洋与大气动力过程极其活跃。针对现有南海东北部海域低频海洋环境噪声观测短时、间断以及缺少与海洋动力过程协同观测的问题,项目组在南海东北部海域开展了海洋环境噪声与动力过程长期协同观测实验,于2021年和2022年分别搭载自然基金委共享航次完成了声学长期观测设备的布放与回收,已获取海洋环境噪声与动力环境长期同步观测资料(2年),每年获取海洋环境噪声及动力环境长期同步观测资料超过10TB。基于海洋环境噪声与物理海洋同步观测资料,深入研究了南海东北部海域低频海洋环境噪声(50-2000Hz)日变化、月变化、季节变化以及深度变化等统计特征。本研究发现在500Hz-2000Hz频段,海洋环境噪声呈现明显的季节性变化规律,1000Hz的海洋环境噪声谱级在冬季比夏季高6-10dB左右,风速的季节性变化是导致这个频段海洋环境噪声季节性变化的主要原因。在观测站位处海洋环境噪声昼夜变化不大,最大差异小于1.6dB。同时,还深入分析了该区域海洋环境噪声长期统计特性,包括均值、标准差、偏度和峰度等。此外本项目结合物理海洋观测资料,研究了三种内波噪声。第一种是海面内波噪声,根据2019年南海声学实验数据,分析了内波经过水听器不同时期的海面噪声谱级,并且对比了各频点上的噪声谱级包络。第二种是由涡激振动引发的低频流噪声,利用2016年南海内波长期观测实验数据,对比分析了内波经过潜标时的温度、流速和噪声谱,以及不同接收深度的噪声谱特征,同时指出了低频流噪声的频谱特性,揭示了该噪声的形成原理和应用方式。第三种是内波沉积噪声,基于内波沉积理论阐释了内波沉积噪声的形成原理,并与国外文献中的中大西洋湾浅海实测内波沉积噪声进行了对比分析,对内波对海洋环境噪声变化的影响机制进行了揭示。南海东北部海洋环境噪声的长期观测和统计特性研究不仅具有重大科学意义,在海洋生态保护和军事用途中具有重大应用价值。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
内孤立波环境下稳健降阶自适应匹配场定位方法研究
  • DOI:
    10.11999/jeit211333
  • 发表时间:
    2022
  • 期刊:
    电子与信息学报
  • 影响因子:
    --
  • 作者:
    李杰美慧;史阳;杨益新;黄晓冬
  • 通讯作者:
    黄晓冬
Comprehensive Study of Inversion Methods for Sound Speed Profiles in the South China Sea
南海声速剖面反演方法综合研究
  • DOI:
    10.1007/s11802-022-5001-7
  • 发表时间:
    2022-11
  • 期刊:
    Journal of Ocean University of China
  • 影响因子:
    1.6
  • 作者:
    Jiemeihui Li;Yang Shi;Yixin Yang;Cheng Chen
  • 通讯作者:
    Cheng Chen
Noise of Internal Solitary Waves Measured by Mooring-Mounted Hydrophone Array in the South China Sea
南海系泊水听器阵列测量内孤立波噪声
  • DOI:
    10.3390/jmse10020222
  • 发表时间:
    2022-02
  • 期刊:
    Journal of Marine Science and Engineering
  • 影响因子:
    2.9
  • 作者:
    Li Jiemeihui;Shi Yang;Yang Yixin;Huang Xiaodong
  • 通讯作者:
    Huang Xiaodong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于最小生成树的R~*-树结点分裂算法
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    西安交通大学学报
  • 影响因子:
    --
  • 作者:
    孙殿柱;孙永伟;康新才;史阳
  • 通讯作者:
    史阳
基于样点拓扑近邻的散乱点云曲面拓扑重建
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    山东理工大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    史阳;孙殿柱;李延瑞;刘健
  • 通讯作者:
    刘健
物体表面采样数据近似最小包围盒快速求解
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    农业装备与车辆工程
  • 影响因子:
    --
  • 作者:
    宋洋;孙殿柱;刘晓红;李延瑞;史阳
  • 通讯作者:
    史阳

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码