img img
高级检索

地球科学进展, 2019, 34(1): 72-83 doi: 10.11867/j.issn.1001-8166.2019.01.0072

海洋微塑料输运的数值模拟研究进展

张晨,1, 王清,2,*,*, 赵建民1,2

1. 中国科学院烟台海岸带研究所牟平海岸带环境综合试验站,山东 烟台 264003

2. 中国科学院烟台海岸带研究所海岸带生物资源高效利用研究与发展中心,山东 烟台 264003

Numerical Simulation of Transportation of Marine Microplastics A Review

Zhang Chen,1, Wang Qing,2,*,*, Zhao Jianmin1,2

1. Muping Coastal Environment Research Station, Yantai Institute of Coastal Zone Research Chinese Academy of Sciences, Shandong Yantai 264003, China

2. Research and Development Center for Efficient Utilization of Coastal Bioresources, Yantai Institute of Coastal Zone Research Chinese Academy of Sciences, Shandong Yantai 264003, China

收稿日期: 2018-09-25   修回日期: 2018-12-15   网络出版日期: 2019-02-26

基金资助: 国家自然科学基金面上项目“莱州湾塑料微粒(microplastics)的污染现状及其毒性效应研究”.  编号: 41576122
中国科学院青年创新促进会.  编号:2016196

Received: 2018-09-25   Revised: 2018-12-15   Online: 2019-02-26

作者简介 About authors

张晨(1984-),男,山东莱阳人,工程师,主要从事物理海洋学研究.E-mail:chenzhang@yic.ac.cn , E-mail:chenzhang@yic.ac.cn

王清(1981-),男,山东济宁人,副研究员,主要从事海洋生态学研究.E-mail:qingwang@yic.ac.cn , E-mail:qingwang@yic.ac.cn

摘要

微塑料采样数据在时间、空间上的不连续性限制了对微塑料源、汇区域、传输途径及发展趋势的研究。采用现场调查与数值模拟相结合的方法,能够综合研究微塑料自身特征、气象及水动力环境因素对微塑料分布和输运的影响。主要从微塑料输运的数值模拟方法、模拟研究及应用方面综述微塑料模拟研究进展,可归纳为:微塑料输运模型主要驱动场(流场)的构建;风、海浪、地形和极端海况等环境因素对不同(粒径、密度和形状)微塑料粒子性质和输运过程的影响;数值模拟工具在微塑料清除研究中的应用。同时基于近年来数值模拟方法在微塑料研究中的应用,展望未来该领域需要关注的研究方向,包括结合实测数据和输运模型,研究微塑料的分布特征及演变规律;微塑料输运的相关参数(粗糙度、风拖曳系数、沉降速率和再悬浮速率和污损率等)对气象和水动力影响响应的模拟研究,相应的敏感性模拟实验结果需要与采样调查和实验室检测结果对比验证,以改进数值模型的经验参数和公式。

关键词: 微塑料 ; 数值模拟 ; 输运 ; 海洋动力过程

Abstract

The temporal and spatial discontinuity of microplastic sampling data restricts the investigation on their source, sink, transport pathway and trend. Numerical simulation combined with sampling investigation can comprehensively study the effects of microplastic characteristics, meteorology and hydrodynamics on the distribution and transportation of microplastics. In this paper, the studies of microplastic numerical simulation were reviewed from the aspects of numerical simulating research and their applications in microplastic tranportation, and the results were summarized as follows: The construction of the main driving force (current); the influence of environmental factors, such as wind, waves, topography and extreme sea conditions on the properties of microplastics with different characteristics (particle size, density, shape) and their tranportation; the application of numerical simulation in the study of microplastic removal. Based on progress on the study of numerical simulation of marine microplastics, the future directions were pointed out that the further simulating studies should focuson the spatio-temporal distribution and evolvement of microplastics by combining sampling data and numerical model, the simulating research on the relationship between microplastic parameters (roughness, wind drag coefficient, settling rate, resuspension rate and biofouling rate) and (meteorological and ocean) dynamic condition. Moreover, the results of simulating sensitivity experiments should be compared with sampling and laboratory testing data to improve the empirical parameters and formulas of numerical model.

Keywords: Microplastics ; Numerical simulation ; Transportation of microplastics ; Marine dynamic process.

PDF (743KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张晨, 王清, 赵建民. 海洋微塑料输运的数值模拟研究进展. 地球科学进展[J], 2019, 34(1): 72-83 doi:10.11867/j.issn.1001-8166.2019.01.0072

Zhang Chen, Wang Qing, Zhao Jianmin. Numerical Simulation of Transportation of Marine Microplastics A Review. Advances in Earth Science[J], 2019, 34(1): 72-83 doi:10.11867/j.issn.1001-8166.2019.01.0072

1 微塑料研究背景

随着近年来塑料制品产量的快速增长和塑料垃圾的大量排放,塑料垃圾已成为海洋垃圾的主要组成部分。海洋中塑料垃圾约占总垃圾量的70%,这类污染物能在海洋中存在数百年,并在风和海流作用下扩散到深海大洋乃至极地区域[1~6]。在海流、风浪等物理作用和太阳光氧化降解作用下,大块的塑料碎片逐渐分解成小块塑料碎屑,当小块碎屑粒径低于一定上限阈值(5 mm)时,就称之为“微塑料”(Microplastic)[7]。这些毫米乃至微米级的塑料颗粒容易吸附海水中的有机污染物且许多颗粒中含有有毒物质,能够影响海洋生物的摄食、发育和繁殖,并可通过食物链传递对人类健康产生潜在危害[8~12]。由于其污染范围大,影响时间长,已成为全球性问题,并引起了人们的广泛关注和研究。

微塑料研究的首要关注目标是确定其影响程度和范围。微塑料对海洋环境的影响一方面取决于微塑料对海洋生物的危害性,包含微塑料的直接毒性及其对海洋生物摄食和孵化等过程的影响[13,14];另一方面则取决于水体中的微塑料含量和分布,这也是本文的主要关注点。

塑料和微塑料在风和海流的影响下,可由近岸迁移至数千公里外的大洋区域,塑料污染物的影响范围既与其本身物理化学性质有关,又受到海洋动力输运过程的影响。在大洋海域,海洋环流对其空间分布的影响最大,Cózar等[15]的研究指出:全球最大的5个微塑料污染物汇集区域与南大西洋、北大西洋、南太平洋、北太平洋和印度洋5个副热带涡旋区位置重合,涡旋中心区域水体中微塑料含量远高于涡旋边缘,超过1 500 g/km2。在近海海域,影响微塑料分布的因素更为复杂,包括岸线地形、气象条件、陆源排放和河流径流等[16~21]。自2000年以来,有关近岸河口、大洋深海和极地区域微塑料含量和空间分布的调查研究较多。例如,2015年Lusher等[22,23]在北极区域表层和深层水中发现了微塑料的踪迹。在沿海经济发达区、旅游区等人类活动密集区域,污染排放严重,海滩和水体中微塑料浓度高且有明显的季节变化特征。此外,河口区域、海上航道和养殖区也是海洋微塑料的重要输出源。在美国加州、西欧国家和巴西东南部等发达经济体及人口稠密区域的沿岸海域都出现了微塑料浓度高值区,瑞典沿岸水体中微塑料浓度甚至超过了10 000个/m3[24~26]。我国人口密集区和经济发达区域也存在类似状况,渤海和黄海海域微塑料颗粒浓度达到72~171.8 个/kg,长江口内微塑料的浓度达到了(4 137.3±2 161.5)个/m3,而长江口外海域为(0.167±0.138)个/m3,说明河口是微塑料的重要输入源[27,28]

由于微塑料观测历史较短,现有的微塑料观测数据仅能覆盖海洋的一小部分区域。同时,微塑料的采集、分析和定量目前仍没有统一规范。不同研究中选取的微塑料浓度单位差异较大,包括g/L,g/m3,个/m3和个/km2等多种形式。采样和评估方法的差异弱化了观测数据的有效性和共享意义。此外,微塑料颗粒是一种毫米乃至微米级的塑料碎片,直接观测较为困难,而由于其光学和物理特性,难以用卫星遥感技术进行大范围观测。目前常用的采集水体微塑料的方法,以拖网采样为主,这种采样方法受限于科研船采样地点、时间和航次频率,获取的微塑料数据在时间和空间上有很多空缺,极大地限制了对微塑料来源、汇集区、传输路径和发展趋势的研究。针对这些问题,越来越多的研究开始采用实测数据和数值模拟相结合的方法,研究微塑料输运过程并用于预测微塑料的变化趋势和评估微塑料的污染风险。

2 海洋微塑料输运的模拟方法

2.1 粒子追踪模型

拉格朗日观点下粒子追踪模型(Particle Tracking Model,PTM)能够模拟单个颗粒物的运动轨迹,便于找到粒子的释放源和确定源的影响范围,并模拟研究复杂岸线、地形、极端海况和天气条件下的漂浮物传输过程。因此广泛应用于海洋中颗粒物的运动轨迹研究,如鱼卵、浮游动物幼体、浒苔等浮游藻类污染物、溢油和塑料垃圾等[29~34]。在微塑料输运模拟中,粒子追踪模型将水体中的微塑料颗粒运动看成风和海流作用下发生的拉格朗日漂移,通过求解拉格朗日方程得到塑料颗粒的运动轨迹和源、汇区域。同时,粒子追踪模型不考虑颗粒物间的相互作用,并假设颗粒物的运动速度和流速一致。具体表达形式如下:

dx/dt=U(x,y,t)+U'(x,y,t)
dy/dt=V(x,y,t)+V'(x,y,t),

式中:xy为粒子水平方向的坐标信息,UV为海流影响下的粒子平流速度,U′和V′为湍流效应引起的随机速度,t为时间信息。除海流动力作用外,表层微塑料还受到风应力何海浪影响,这些影响都能以参数化方案的形式引入到粒子模型的模拟计算中,除了水平方向的颗粒物输送外,一些粒子追踪模型还包含了沉降和上浮等垂向输运过程,粒子追踪模型在微塑料模拟研究的具体应用将在第三节中详细介绍。

2.2 PTM驱动场构建

作为输运粒子的主要驱动力,流场的选择直接决定了模拟结果的有效性和准确性。目前主要的流场构建方法分为2类:一类是基于实测数据的流场构建,其中实测数据采用表层观测或反演数据;另一类采用海洋动力学模型构建三维流场,包含了对实测数据的同化再分析。 海洋流场数据获取方法很多,如仪器测量、间接反演估算以及数值模拟同化等方法[35,36,37,38,39,40,41,42,43]。构建PTM驱动场所需的大范围、长时间海洋流场获取方法主要有反演计算表层流,或者将反演流场数据与动力模型结合计算流场信息。目前用于流场估算或反演的数据包括:漂流浮标位置轨迹、温盐等水文资料、卫星遥感资料和合成孔径雷达(Synthetic Aperture Radar, SAR)等。这种间接反演或推算的流场数据既可以通过数据同化的方法直接引入到海洋动力场中,也可以对比检验海洋动力模型计算流场的有效性和准确性[44,45,46,47,48,49,50]。随着动力模型的不断演变、观测技术的不断完善和数据同化技术的引入,出现了大量基于动力学框架和数据同化技术的流场再分析数据,表1中列举了可用于构建PTM模型驱动场的海洋再分析数据和动力学模型。这些再分析数据库和数值模拟结果包含了全球范围的三维流场信息和温盐等水文资料。Potemra[67]对比了NLOM(the Navy Layered Ocean Model)、NCOM(the Navy Coastal Ocean Model)、HYCOM(Hybrid Coordinate Ocean Model)、SODA(the Simple Ocean Data Assimilation)海洋数据同化分析资料、全球海洋数据同化资料(the Global Ocean Data Assimilation Experiment,GODAE)和欧洲中尺度天气预报中心海洋再分析资料ECMWF/ORA-S3(the European Center for Medium-Range Weather Forecasts ocean reanalysis System)等6种海洋模型和同化再分析资料,模拟计算在不同驱动场下水体中漂浮物的移动轨迹,同时分析了NLOM模型在不同时间和空间分辨率下漂浮物的轨迹差异。研究结果表明:在使用相同粒子追踪模型PTM的前提下,当采用不同驱动场(海洋动力模型和再分析数据),或采用同一模型而时空分辨率不同时,漂浮物移动轨迹的模拟结果都会有明显差异。因此,基于此类数据构建PTM驱动场前,需要先验证数据的有效性和准确性,并根据研究控制粒子输运的主要动力机制,合理选择数值模型的时间和空分辨率。

表1   可获取的海洋再分析资料、动力学模型、粒子运动轨迹数据和PTM模型[51]

Table 1  Available ocean reanalysis data, dynamic model, particle trajectory data and PTM model[51]

数据库/数值模型数据库/数值模型描述
BLUELink澳大利亚联邦科学与工业研究组织CSIRO提供的海况精确预报和分析模型[52]
Connie2/ Connie3由CSIRO开发并共享的海水中粒子运动轨迹的可视化工具[53]
ECCO1/ECCO2海洋环流与气候评估数据库,由美国国家航空航天局(NASA)喷气推进实验室(JPL)和麻省理工学院(MIT)构建的集合卫星数据和原位观测海洋数据的多源海洋数据系统[54]
ECMWF ORA-S3欧洲中尺度天气预报中心ECMWF海洋再分析数据[54]
Global drifter program美国国家海洋和大气管理局(NOAA)提供的卫星追踪海表漂流浮标数据[53,55]
GNOMENOAA提供的可控环境模型,用于模拟海洋中污染粒子的运动轨迹[56]
HYCOM由美国海军全球大气预报系统(NOGAP)驱动的混合坐标模型HYCOM[57,58]
NCOM美国海军海洋局(NAVOCEANO)提供的全球实时海洋数据(分辨率为1/8°),由海军近岸模型NCOM驱动[54]
NEMO欧洲海洋模型NEMO[59]
NLOM美国海军海洋局(NAVOCEANO)提供的全球实时海洋数据(分辨率为1/32°),由海军层化模型NLOM驱动[54]
OSCAR由NOAA提供的海表流场再分析实时数据[60]
OSCURS由NOAA提供的海洋流场模型[61,62]
PELET-2D二维拉格朗日粒子追踪模型[63]
plasticadrift.orgSebille等由全球海表漂流浮标信息反演的表层漂浮碎屑运动轨迹数据[64,65]
Pol3DD拉格朗日三维数值扩散模型[57,58]
SCUD国际太平洋研究中心IPRC研发的表面海流诊断工具[44,45]
SODA由美国国家大气研究中心开发的简单海洋再分析数据库[54,66]

注:NASA:National Aeronautics and Space Administration; JPL:Jet Propulsion Laboratory; MIT:Massachusetts Institute of Technology;ECMWF:European Center for Medium-Range Weather Forecasts; NOAA:National Oceanic and Atmospheric Administration; NOGAP: Navy’s Operational Global Atmospheric Prediction System (NOGAPS)

新窗口打开| 下载CSV


3 海洋微塑料输运模拟的研究进展

海洋微塑料研究所要解决的主要问题是微塑料的含量和通量问题。微塑料含量反映了微塑料的分布现状和危害程度。其含量既是指水体或沉积物中微塑料的质量,也是微塑料的粒子数量,因针对海洋环境中不同体型的生物,二者危害程度往往不一致。如针对大型海洋鱼类、海龟和海洋哺乳动物等,大型塑料危害更大;而对于浮游动物,由于其能摄食直径小于1 mm的微塑料颗粒[68],因此水体中微塑料的数量(浓度)能直接反映其对低营养级生物的危害程度。微塑料通量反映了微塑料传输过程及相应的含量变化过程,这既包含了微塑料在海洋中的传输路径和输运速度,也包含了微塑料在不同源、汇区域(陆地、近海、远洋和冰川)的交换过程。微塑料通量的模拟研究涉及排放源、排放量、汇聚区和降解量的确定,也涉及由源区域到汇区域的传输及传输过程中由生物、化学和物理过程引起的漂浮、沉降和再悬浮过程。

3.1 海洋微塑料源、汇的模拟研究

要解决海洋微塑料污染问题,必须研究清楚海洋微塑料的来源、汇聚区域和输送过程等问题。目前对海洋微塑料来源的划分,依据其进入海洋的途径,分为陆源微塑料和海源微塑料。其中陆源微塑料包含了工业垃圾、生活垃圾和海港垃圾等,陆源微塑料可能通过河水、排污口及洪水海啸等灾害进入海洋。海源微塑料主要来源于海水养殖、客/商船以及海上平台等污染源。有研究表明,全球范围内海洋水体和海岸区域污染物以陆源污染为主,同时陆源污染有明显的季节变化,例如在旅游区旅游高峰期,海岸区域污染物增幅超过40%,部分区域仅夏季产生垃圾占全年总垃圾量的70%[69,70]。但在部分海域(如北海和波罗的海等区域),海源污染物占水体及海岸污染比例较大,该区域内的污染物主要由船只、渔具和海上平台设施产生[71]。全球范围内最大的微塑料污染物汇集受环流影响,聚集区域位于大洋副热带涡旋区[14]。在近岸区域,微塑料输送和汇集区域受到近岸地形(海滩、河口、泻湖和沉积区)、植被、潮汐、海浪和风场等因素的影响。在调查取样数据的基础上,结合数值模拟方法,可以在假定或确定源、汇和输送路径三者中任意二者的情况下,推定估算第三者。Wilcox等[72]采用了澳大利亚联邦科学与工业研究组织CSIRO(Commonwealth Scientific and Industrial Research Organization)研发的海洋动力模型和海洋生态模型,模拟了澳大利亚东北部卡奔塔利亚湾区域的渔网、渔具等塑料垃圾随海流扩散的影响范围。结果显示塑料污染物传输范围覆盖了濒危海龟活动区域,对海龟种群的栖息繁殖造成不利影响。在取样调查确定布雷斯特湾(法国)微塑料排放源和分布现状的基础上,Frère等[73]采用了MARS 3D(Model for Application at Regional Scale)动力模型模拟了湾内涨、落潮期间潮流对微塑料分布的影响。Reisser等[74]使用含有实测数据同化模块的海洋动力模型,研究了澳大利亚沿海区域微塑料已知和未知污染源及污染物的传输路径,并指出澳大利亚微塑料污染来源复杂,涵盖了加勒比海和缅因湾区域,但最主要的污染源仍是澳大利亚国内。结合拉格朗日表层溢油模型和AFS(Adriatic Forecasting System)海洋动力模型及ECMWF风场再分析资料所构建的流场和风场驱动场,Liubartseva等[75]在确定地中海海域塑料排放源(包括城市、河口和航道)的情况下,模拟了表层塑料碎屑的分布特征和主要汇聚区域,模拟结果表明:意大利沿岸海域是塑料碎屑汇集最严重区域,且塑料浓度有明显的季节性变化。Lebreton等[76]结合HYCOM 海洋动力模型和Pol3DD 拉格朗日粒子追踪模型,模拟了海源(远洋船只污染)、陆源(沿海城市污染)和河口3种污染源存在时,全球范围内30年时间尺度下,漂浮污染物的输送路径、主要汇聚区和分布特征。Kako等[77]采用双向粒子追踪模型(two-way Particle Tracking Model),结合12 次海岸区域塑料垃圾采样调查、卫星风场资料和海洋动力模型,通过后报(hindcasted)模拟确定了塑料垃圾(塑料瓶盖)不同来源,同时采用了逆推法(inverse method)计算了不同塑料排放源(中国东海、韩国海域和日本五岛海域)在不同月份的排放量,并与海岸区域网络摄像头拍摄结果进行了对比,验证了数值模拟预报的可行性。

3.2 海洋微塑料输运影响因素的模拟研究

在海洋微塑料分布和传输的调查研究和模拟研究中,微塑料自身物理、化学性质及其演变过程对微塑料的输运分布有重要影响。不同性质(密度、体积和形状等)的微塑料在浮力和海流、湍流影响下分布于不同水层中,由于水体中流速分布差异较大(通常表层流速较强),微塑料颗粒在水层中的垂向分布影响到其水平传输过程。同时,密度较海水小的微塑料颗粒易漂浮在表层海水中,除水动力作用外,还受海表风应力影响;密度与海水接近的微塑料颗粒易长时间悬浮于水体中的不同水层中,期间受到污损附着,密度逐渐增大,会沉降至底层;微塑料颗粒密度大于海水时,其在水体中的输送距离受其沉降速度影响。因此,将微塑料性质及环境因素的影响以合理的经验参数或参数化方案的形式引入到数值模拟中,对海洋微塑料的模拟研究有重要意义。

3.2.1 微塑料性质对输运过程的影响

微塑料的性质一方面由塑料的生产工艺及其聚合物种类决定,另一方面受到外部环境影响,如浪、流等物理分解和污损附着等过程改变了微塑料的粒径、形态和密度,进而改变其受力面积和浮力。原生塑料聚合物的密度范围为0.05~2.3 g/cm3,其中密度最小的聚苯乙烯泡沫塑料约为0.05 g/cm3,密度最大的聚四氟乙烯(特氟隆)约为2.3 g/cm3。而海洋中微塑料受海水或沉积物影响,微塑料的密度发生了较大变化,表2列举了Hidalgo-Ruz等[78]采样鉴定的微塑料种类及其密度。微塑料的粒径范围在小于0.1 μm到5 mm之间,其形态包括碎片状、颗粒状、丝状、薄膜状和纤维状等,不同形态的微塑料产生源头不同,因而其分布区域也各有不同。其中,纤维状微塑料源头众多(衣物、洗衣粉、渔具、绳索),并广泛分布于全球范围水体和沉积物中[79]。颗粒状微塑料常见于海表和海滩,薄膜状微塑料常分布于近岸海域且容易分解为丝状微塑料[80,81]。不同种类微塑料的性质差异较大,因此在微塑料模拟研究中,需要对海域微塑料的种类、性质有所了解,以选取代表性强或占比高的微塑料作为研究主体。结合实验室测定的微塑料特征(密度、沉降速率和再悬浮参数)和MOHID水动力模型,Ballent等[82,83]模拟了葡萄牙纳扎尔峡谷海域陆源排放确定时,微塑料颗粒在水动力影响下的运动过程,结果表明:潮汐是控制该海域微塑料颗粒输送的主要因素,传输过程中的扰动与地形内波有关,而不同密度和粒径的微塑料颗粒对湍流的响应有明显差异。Chubarenko等[84]选取粒径大于0.5 mm的微塑料粒子作为研究对象,以满足雷诺数远大于1的条件,研究了不同形态微塑料粒子(球状、纤维状和薄膜状)在水体中生物污损速率,并结合含有粒径、形状、粗糙度和密度影响的沉降速率公式,计算了不同性质微塑料颗粒的沉降速度及其在生物污损影响下不同种类微塑料在透光层的滞留时间,研究结果显示:受生物污损影响,不同种类微塑料颗粒在水体中的滞留时间差异很大,纤维状聚乙烯类颗粒可在透光层中滞留6~8个月,低密度球状颗粒在海表漂浮期长达10年,而高密度微塑料仅用18个小时就可以沉降至250 m深的海底。Besseling等[85]采用了一个纳米粒子扩散模型[86]模拟研究了不同粒径(100 nm~5 mm)微塑料颗粒在淡水中的扩散距离,结果表明:在同样的水动力环境下,粒径大小、聚合物密度、生物膜吸附和同质/异质聚集等不同因素对微塑料颗粒的输运影响程度差异明显;其中粒径影响最大,5 μm的微塑料在沉积物中滞留率最低(18%~25%),而其他粒径更小的次微米级塑料或更大的微米、毫米级塑料更易沉降存留在淡水沉积物中。

表2   鉴定样品聚合物种类、密度和数量[78]

Table 2  Types, densities and quantities of identified polymer samples[78]

聚合物种类聚合物密度/(g/cm3)调查样品数
聚乙烯0.92~0.9733
聚丙烯0.90~0.9127
聚苯乙烯1.04~1.1017
锦纶(尼龙)1.02~1.057
涤纶1.24~2.304
丙烯酸1.09~1.204
聚氧化乙烯1.41~1.614
聚乙烯醇1.19~1.313
聚氯乙烯1.16~1.582
聚甲基丙烯酸酯1.17~1.202
聚对苯二甲酸乙二醇酯1.37~1.451
醇酸树脂1.24~2.101
聚氨酯1.201

新窗口打开| 下载CSV


3.2.2 自然环境因素对微塑料输运的影响

自然环境因素对微塑料输运影响的模拟研究可分为2类:一类是对微塑料性质的改变,如生物污损等;另一类是气象和水动力影响,包括近岸、大洋等不同区域和地形条件下风、海浪、海流对微塑料水平扩散、垂向分布的影响,湍流引起的随机输送以及台风、海啸等极端海况影响。

海流是微塑料运动的主要载体,其性质决定了微塑料分布的基本特征,微塑料模拟研究中流场的构建直接决定了模拟结果的有效性和准确性,而所有模拟研究中都包含了流场的构建及其影响分析,部分研究中海流影响作为主要的研究对象[72~77],有时仅作为其他因素影响研究的背景[83~92]

风场对海洋微塑料输运的影响体现在两方面,一方面风生Ekman流是表层环流的重要组成部分,另一方面风阻力对海表微塑料粒子的拖曳作用和风致混合引起的垂向输送。数值模拟中Ekman流的影响体现在流场的驱动效应中,单独研究较少,而风阻力作为表层粒子的重要驱动力,诸多研究将风阻力作为重要的影响因素引入到微塑料模拟研究中。Chubarenko等[84]采用Hackett等[93]的风阻力公式定量计算了表层漂浮微塑料颗粒受风阻力的影响,发现对于可漂浮于海水表层的球状微塑料颗粒,风应力作用传输微塑料的速度远大于海流输送,速率相差3倍。Neumann等[87]使用了可用于预报模拟和后报模拟的拉格朗日粒子追踪模型PELETS-2D,研究了北海(North Sea)南部海域漂浮污染物的来源和分布情况,以及海表风应力对表层漂流粒子移动速度和传输范围的影响。此外,Kukulka等[88]采用一维模型计算了风场搅拌和波浪破碎引起的塑料粒子垂向输运,并与拖网采样数据进行对比,发现塑料粒子在风混合的作用下向更深层海水扩散,因此以往仅对表层海水采样估算塑料含量的方法大大低估其真实值。

海浪对微塑料输运的影响表现为波致斯托克斯漂可以造成微塑料颗粒沿海浪传播方向的净输送,同时海浪破碎引起的湍流混合改变了微塑料的垂向分布特征。Iwasaki等[89]研究了由津轻海峡流入日本海的塑料粒子,在斯托克斯漂和对马海流共同影响下不同粒径微塑料的分布情况和季节变化。Isobe等[90]模拟计算了近岸斯托克斯漂对不同粒径微塑料的输运影响,研究表明:斯托克斯漂引起塑料粒子的向岸输送,这种输送作用对大粒径塑料粒子(>5 mm)更强,而对微塑料(<5 mm)粒子较弱;在其影响下大塑料粒子被携至海滩和近岸海域,微塑料粒子可扩散到离岸较远海域。Kukulka等[91]和Brunner等[92]考虑了海表边界层波浪破碎和朗缪尔湍流影响下,微塑料的垂向分布特征,并与大西洋西部和太平洋海域十余年的拖网采样数据对比分析后指出:在风浪作用下,微塑料在水体中的分布范围会明显加深;若不考虑海浪作用,海洋水体中微塑料的浓度被低估3~13倍。此外,由于波致斯托克斯漂方向与风应力方向一致,因此有模拟研究将斯托克斯漂输运效应加入到风阻效应中[75]

区域差异(河口、近岸和大洋等)对微塑料输送的影响体现在不同地形和环境中,主导微塑料输运的动力环境和输运机制差异明显。相对于大洋区域,微塑料在近岸海域受到的影响因素更为复杂,其分布特征和输运过程往往是多种因素共同作用的结果。有研究开始关注不同因素对微塑料的协同影响和影响程度定量模拟。如Zhang[94]总结了河口、海岸环境中微塑料输运的主要影响因素,并指出:除潮流、风、浪外,在近岸河口区域径流、河流引起的微塑料输入,河口处特殊水文结构(羽状峰和层化)以及地质(泥、沙、砾石和岩石)、地貌(湿地、潟湖、沙丘、障壁礁)特征和人造工程(海堤、防波堤)等环境因素都对微塑料输运有重要影响。海岸和海滩区域是碎屑污染物重要的汇集区,该区域内的塑料和微塑料粒子,一方面在浪、流物理作用下降解成小粒径粒子,另一方面风、浪垂向混合作用加速了高密度塑料颗粒向底层沉降,而低密度塑料颗粒在风、浪、潮流作用下不停做向岸—离岸的往复运动,直到搁浅至海滩、埋入海底或输送至大洋区域;在此期间这种往复运动受到诸多因素和动力机制控制,如潮流特征、风应力拖曳作用、湍流扩散过程、不同类型微塑料的沉降速率、再悬浮率和降解作用等[95~98]。Critichell等[99]使用二维有限元海洋模型(Second-generation Louvain-la-Neuve Ice-ocean Model,SLIM)研究了澳大利亚大堡礁海域中塑料的分布特征对不同环境因素和动力过程的响应程度,模拟结果显示:在同样的海洋动力环境和复杂地形环境下,塑料释放地点对塑料输运影响最大,其次是湍流扩散效应和背风区影响下的海滩塑料碎屑再悬浮/漂浮过程,再次是塑料碎屑的降解作用,沉降速率和风拖曳系数对塑料碎屑分布的影响最小。此外,Critchell等[100]采用同样模型研究了大堡礁海域不同岸线环境(岬角、岛屿、岩石海岸和海滩)、风向和风拖曳系数对河口和航运碎屑污染物的影响和沿海主要的汇集区域,并为该海域漂浮粒子的轨迹追踪和污染物源、汇调查提供了可行方案。

极端天气和海洋过程(如寒潮大风、台风、海啸等)一方面通过强风浪搅拌作用,增强了海水混合,使表层微塑料向深层扩散,台风激发的海洋内波可影响底层沉积物,增强了微塑料的再悬浮;另一方面由于近岸区域是微塑料重要的源、汇区域,风暴潮、海啸引起的海水漫滩会冲刷携带大量的陆地、海滩污染物回到海洋[45,101]。Lebreton等[101]结合HYCOM 海洋动力模型和拉格朗日粒子追踪模型POL3DD(the Lagrangian Particle Tracking Model),模拟研究了2011 年日本“3.11”地震和海啸期间,东海岸大量漂浮垃圾被海流输送至北太平洋中东部区域,造成北太平洋副热带涡旋区塑料浓度异常增加,发现仅该次灾害期间排放的塑料污染物就超过了大西洋向太平洋输入总塑料污染物的13倍。

4 数值模拟方法在海洋微塑料清除研究中的应用

数值模拟方法对海洋中微塑料分布现状的评估和发展趋势的预测,有助于科研工作者和政策制定者认清微塑料的污染现状和危害风险。通过调查研究和模拟研究找到塑料污染源和汇,并通过源头控制和高污染区治理,进而改善并扭转污染现状,这种塑料污染研究和治理的思路方法已通过理论验证,初步应用于实际中。海洋塑料清除计划(The Ocean Cleanup,TOC)等通过数值模拟研究[102~105]和工程技术论证,于2016年北海(the North Sea)布放了一个百米长的塑料捕获带,以测试捕获器对表层塑料的清除效率,并计划2018年在太平洋高污染海域布放600 m长塑料捕获带。在TOC研究的基础上,Sherman等[106]模拟了塑料捕获器放置地点对塑料捕获效率和生态环境改善的影响,发现在微塑料漂浮物通量最大区域(主要为靠近大陆区域)放置捕获器,捕获效率要高于放置在微塑料含量最大区(大洋中5个副热带环流区),由于微塑料通量最大区更为靠近陆地,该方案在经济性和维护性方面也更为可行。Sherman等[106]的研究表明:即使TOC计划所投放29个塑料捕获器都能正常工作,海表塑料总量仍会持续增加,如果无法控制塑料污染源的排放,海洋塑料污染状况就无法根本改变。

5 总结和展望

近10年来海洋微塑料输运的数值模拟研究快速发展,微塑料传输过程和影响因素的研究已经取得了诸多重要成果(表3),但仍有许多问题需要深入研究。基于对当前海洋微塑料输运数值模拟研究现状的梳理,未来的研究重点可聚焦在以下3个方面:

(1)数值模型结合观测数据,研究微塑料时空分布特征和演变规律。目前,微塑料的观测资料主要来自水体和沉积物中采样鉴定;由于这种数据是离散的,缺乏时间和空间上的连续性,在研究和估算微塑料源、汇区域和传输路径等问题上有很大局限性。结合采样观测结果,数值模拟方法可研究关注海域内微塑料的源、汇区位置和输运路径;研究微塑料分布特征、影响范围及其年际、年代际变化特征等;并为塑料污染的评估和治理提供科学依据和理论指导。

(2)环境因素和微塑料性质对微塑料输运影响的数值模拟研究。海流是微塑料输运模型的主要驱动力,流场的构建决定了模拟结果准确性。风和海浪一方面通过风应力和浪致斯托克斯漂加速了塑料颗粒的水平输运速率,另一方面增强表层海水搅拌和垂向混合,加速了高密度微塑料颗粒向深层扩散。微塑料自身特征是影响微塑料输运的重要因素,在河口及近岸海域大粒径、高密度塑料颗粒更容易滞留在沉积物或海滩,小粒径微塑料更容易摆脱近岸潮流、波致流影响,被输运至大洋区域。此外,在岸线、地貌复杂区域,微塑料污染物释放时间、地点差异都会极大影响此区域的微塑料源汇平衡和分布特征。未来的模拟研究需综合考虑海况、地形和微塑料特征等因素对微塑料输运的影响,明确不同因素对输运过程的影响程度和方式。

表3   微塑料输运的影响因素

Table 3  Influencing factors of transport of microplastics

影响区域影响因素近岸海域大洋区域
海流潮流影响为主,微塑料颗粒受其影响做往复运动[73,82,83]大尺度环流和涡旋[14,76,77]
海浪波浪破碎和斯托克斯漂输运[89~92]
风生Ekman流、风应力拖曳作用和风致混合[75,84,87,88,100]
地形地貌地质、地貌、植被特征和人造工程[94,99,100]
河口径流微塑料重要输入源,受流量、降雨和人类活动影响;河口锋面结构[76,94]
极端天气强风浪搅拌,台风内波影响;海啸、风暴潮携带大量塑料污染进入海洋[45,101]
微塑料性质及其对环境的响应微塑料颗粒材质、形状、密度、粒径和粗糙度影响其在海水中的风阻系数、污损速率、沉降速度、漂浮和再悬浮过程[84,85,95,99]
海上船舶和渔业活动微塑料重要输入源,包括海上航道、平台设施和渔业资源丰富区域[69,71,72,75,76]
近岸人类活动微塑料重要输入源,包括人类生产、生活和旅游[70,75,76]

新窗口打开| 下载CSV


(3)结合实验室检测方法,优化数值模型的参数和方案。现有的模拟方案对不同微塑料形态的模拟尚有不足,多数模拟方案只针对球状微塑料颗粒,其他形态(纤维状、薄膜状等)受海洋环境影响的模拟研究较少;生物污损、分解过程通过改变微塑料碎片密度、粒径和形态等特征进而影响其输运过程,此类过程(污损、分解)的速率及其对输运的影响程度都缺少定性分析和定量研究;同时,对不同类型微塑料输运相关参数(粗糙度、风拖曳系数、沉降和再悬浮速率)的理论研究较少,目前微塑料模拟中的许多经验参数和公式来自溢油等其他粒子模型的直接移植,由于缺少相应实验室检测数据和采样调查数据的对比验证,模拟结果准确性及可信度难以评估。以上原因制约了对微塑料水平输运速度和垂向分布特征的模拟研究,并影响对微塑料总量、分布现状和发展趋势的评估预测。因此,需要结合采样调查数据和实验室测算结果,不断验证改进模拟参数和方案并引入到微塑料输运模型中,为模拟研究的后续开展和结果评估提供科学保障。

参考文献

Law K L , MORéT-ferguson S , Maximenko N A , et al .

Plastic accumulation in the North Atlantic subtropical gyre

[J]. Science, 2010, 329(5 996): 1 185-1 188.

Eriksen M , Mason S , Wilson S , et al .

Microplastic pollution in the surface waters of the Laurentian Great Lakes

[J]. Marine Pollution Bulletin, 2013, 77(1/2): 177-182.

Law K L , Morét-Ferguson S E , Goodwin D S , et al .

Distribution of surface plastic debris in the eastern Pacific Ocean from an 11-year data set

[J]. Environmental Science & Technology, 2014, 48(9): 4 732-4 738.

Bergmann M , Sandhop N , Schewe I , et al .

Observations of floating anthropogenic litter in the Barents Sea and Fram Strait, Arctic

[J]. Polar Biology, 2016, 39(3): 553-560.

Van C L , Vanreusel A , Mees J , et al .

Microplastic pollution in deep-sea sediments

[J]. Environmental Pollution, 2013, 182(6): 495-499.

Woodall L C , Sanchezvidal A , Canals M , et al .

The deep sea is a major sink for microplastic debris

[J]. Royal Society Open Science, 2014, 1(4): 140 317.

Thompson R C , Olsen Y , Mitchell R P , et al .

Lost at sea: Where is all the plastic?

[J]. Science, 2004, 304(5 672): 838-838.

[本文引用: 1]

Sun Xiaoxia .

Progress and prospect on the study of the ecological risk of microplastics in the ocean

[J]. Advances in Earth Science, 2016, 31(6): 560-566.

孙晓霞 .

海洋微塑料生态风险研究进展与展望

[J]. 地球科学进展, 2016, 31(6): 560-566.

Wright S L , Thompson R C , Galloway T S .

The physical impacts of microplastics on marine organisms: A review

[J]. Environmental Pollution, 2013, 178(1): 483-492.

Teuten E L , Rowland S J , Galloway T S , et al .

Potential for plastics to transport hydrophobic contaminants

[J]. Environmental Science & Technology, 2007, 41(22): 7 759-7 764.

Rios Mendoza L M , Jones P R .

Characterisation of microplastics and toxic chemicals extracted from microplastic samples from the North Pacific Gyre

[J]. Environmental Chemistry, 2015, 12(5): 611-617.

Avio C G , Gorbi S , Regoli F .

Experimental development of a new protocol for extraction and characterization of microplastics in fish tissues: First observations in commercial species from Adriatic Sea

[J]. Marine Environmental Research, 2015, 111(10): 18-26.

Goldstein M C , Rosenberg M , Cheng L .

Increased oceanic microplastic debris enhances oviposition in an endemic pelagic insect

[J]. Biology Letters, 2012, 8(5): 817-820.

[本文引用: 1]

Sussarellu R , Suquet M , Thomas Y , et al .

Oyster reproduction is affected by exposure to polystyrene microplastics

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2016, 113(9): 2 430.

[本文引用: 3]

Cózar A , Echevarría F , Gonzálezgordillo J I , et al .

Plastic debris in the open ocean

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(28): 10 239-10 244.

[本文引用: 1]

Zhou Qian , Zhang Haibo , Li Yuan , et al .

Progress on microplastics pollution and its ecological effects in the coastal environment

[J]. Chinese Science Bulletin, 2015, 60(33): 3 210-3 220.

周倩, 章海波, 李远, .

海岸环境中微塑料污染及其生态效应研究进展

[J]. 科学通报, 2015, 60(33): 3 210-3 220.

Zhao S Y , Zhu L , Li D .

Characterization of small plastic debris on tourism beaches around the South China Sea

[J]. Regional Studies in Marine Science, 2015, 1: 55-62.

Zhao S Y , Zhu L , Li D .

Microplastic in three urban estuaries, China

[J]. Environmental Pollution, 2015, 206: 597-604.

Qiu Q , Tan Z , Wang J , et al .

Extraction, enumeration and identification methods for monitoring microplastics in the environment

[J]. Estuarine Coastal & Shelf Science, 2016, 176: 102-109.

Lee J Y , Hong S W , Song Y K , et al .

Relationships among the abundances of plastic debris in different size classes on beaches in South Korea

[J]. Marine Pollution Bulletin, 2013, 77(1/2): 349-354.

Yu X , Peng J , Wang J , et al .

Occurrence of microplastics in the beach sand of the Chinese inner sea: The Bohai Sea

[J]. Environmental Pollution, 2016, 214: 722-730.

Lusher A L , Tirelli V , O’Connor I , et al .

Microplastics in Arctic polar waters: The first reported values of particles in surface and sub-surface samples

[J]. Scientific Reports, 2015, 5: 14 974-14 983.

[本文引用: 1]

Lusher A L , Hernandez-Milian G , O'Brien J , et al .

Microplastic and macroplastic ingestion by a deep diving, oceanic cetacean: The True's beaked whale Mesoplodon mirus

[J]. Environmental Pollution, 2015, 199: 185-191.

[本文引用: 1]

Lattin G L , Moore C J , Zellers A F , et al .

A comparison of neustonic plastic and zooplankton in different depths near the southern California shore

[J]. Marine Pollution Bulletin, 2004, 49: 291-294.

Carvalho D G D , Neto J A B .

Microplastic pollution of the beaches of Guanabara Bay, Southeast Brazil

[J]. Ocean & Coastal Management, 2016, 128: 10-17.

Antunes J C , Frias J G L , Micaelo A C , et al .

Resin pellets from beaches of the Portuguese coast and adsorbed persistent organic pollutants

[J]. Estuarine Coastal & Shelf Science, 2013, 130(4): 62-69.

Zhao J M , Ran W , Teng J , et al .

Microplastic pollution in sediments from the Bohai Sea and the Yellow Sea, China

[J]. Science of the Total Environment, 2018, 640/641: 637-645.

[本文引用: 1]

Zhao S Y , Zhu L , Wang T , et al .

Suspended microplastics in the surface water of the Yangtze Estuary System, China: First observations on occurrence, distribution

[J]. Marine Pollution Bulletin, 2014, 86(1/2): 562-568.

[本文引用: 1]

Li Jian , Yang Wenjun , Jin Zhongwu .

A three dimensional particle tracking model for simulation of Xiangxi River algal bloom process

[J]. Acta Scientiae Circumstantiae, 2014, 34(2): 481-487.

李健, 杨文俊, 金中武 .

应用三维粒子轨迹跟踪模型模拟香溪河水藻增殖过程

[J]. 环境科学学报, 2014, 34(2): 481-487.

Visser A W .

Lagrangian modelling of plankton motion: From deceptively simple random walks to Fokker-Planck and back again

[J]. Journal of Marine Systems, 2008, 70(3): 287-299.

Chen W B , Liu W C , Kimura N , et al .

Particle release transport in Danshuei River estuarine system and adjacent coastal ocean: A modeling assessment

[J]. Environmental Monitoring & Assessment, 2010, 168(1/4): 407-428.

Kim H , Kimura S , Shinoda A , et al .

Effect of El Niño on migration and larval transport of the Japanese eel (Anguilla japonica)

[J]. ICES Journal of Marine Science, 2007, 64(7): 1 387-1 395.

Varlamov S M , Yoon J H , Hirose N , et al .

Simulation of the oil spill processes in the Sea of Japan with regional ocean circulation model

[J]. Journal of Marine Science & Technology, 1999, 4(3): 94-107.

Ohshima K I , Simizu D .

Particle tracking experiments on a model of the Okhotsk Sea: Toward oil spill simulation

[J]. Journal of Oceanography, 2008, 64(1): 103-114.

Wang Shengbo , Ji Guangrong , Yang Guangbing , et al .

Center frequency estimation of broadband ADCP signal

[J]. Periodical of Ocean University of China, 2013, 43(2): 87-92.

[本文引用: 1]

汪胜波, 姬光荣, 杨光兵, .

宽带声学多普勒流速剖面仪信号中心频率估计

[J]. 中国海洋大学学报:自然科学版, 2013, 43(2) : 87-92.

[本文引用: 1]

Yin Xiaoling , Zhang Hongwu , Ren Jie , et al .

Analysis on characteristics of current and sediment movement in Humen estuary of Pearl River during spring tide in flood season

[J]. Journal of Hydraulic Engineering, 2009, 40(2): 166-172.

[本文引用: 1]

尹小玲, 张红武, 任杰, .

珠江口虎门水域洪季大潮的水沙特点分析

[J]. 水利学报, 2009, 40(2): 166-172.

[本文引用: 1]

Shi Maochong , Gao Guoping , Bao Xianwen .

Introduction to Marine Survey Methodology

[M]. Qingdao:China Ocean University Press, 2008.

[本文引用: 1]

侍茂崇, 高郭平, 鲍献文 .

海洋调查方法导论

[M]. 青岛中国海洋大学出版社, 2008.

[本文引用: 1]

Su Jingzhi , Wang Dongxiao , Chen Ju , al el .

Modeling the trajectories of satellite-tracked drifters with regression models

[J]. Advances in Earth Science, 2005, 20(6): 607-617.

[本文引用: 1]

苏京志, 王东晓, 陈举, .

利用回归模型模拟卫星跟踪海洋漂流浮标轨迹

[J]. 地球科学进展, 2005, 20(6): 607-617.

[本文引用: 1]

Essen H H , Gurgel K W , Schlick T .

On the accuracy of current measurements by means of HF radar

[J]. IEEE Journal of Oceanic Engineering, 2000, 25(4): 472-480.

[本文引用: 1]

Wang Guihua , Xu Jianping .

Application of isopycnal P-vector method to diagnostic study of the South China Sea circulation

[J]. Acta Oceanologica Sinica, 2002, 24(1): 124-128.

[本文引用: 1]

王桂华许建平

等密度面P矢量方法在南海环流诊断研究中的应用

[J].海洋学报, 2002, 24(1): 124-128.

[本文引用: 1]

Wang G H , Liu Z H , Xu J P .

Three Dimensional pacific temperature, salinity and circulation reconstructions with argo data

[C]// Collection of Ago Application Papers, Beijing: China Ocean Press, 2006: 16-25.

[本文引用: 1]

Wang Shihong , Zhao Yiding , Yin Xunqiang , et al .

Current Status of global ocean reanalysis datasets

[J]. Advances in Earth Science, 2018, 33(8): 794-807.

[本文引用: 1]

王世红, 赵一丁, 尹训强, .

全球海洋再分析产品的研究现状

[J]. 地球科学进展, 2018, 33(8): 794-807.

[本文引用: 1]

Xiao Cunying , Hu Xiong , Tian Jianhua .

Analysis and comparison of deriving winds from satellite temperature data

[J]. Chinese Journal of Geophysics, 2008, 51(2): 325-336.

[本文引用: 1]

肖存英胡雄田剑华

利用卫星温度资料计算风场的方法分析与比较

[J].地球物理学报,2008,51(2): 325-336.

[本文引用: 1]

Maximenko N , Hafner J .

SCUD

Surface Currents from Diagnostic Model

[EB/OL]. IPRC Technical Note, 2010.[2018-08-06]. .

URL     [本文引用: 2]

Maximenko N , Hafner J .

Monitoring marine debris from the March 11, 2011 Tsunami in Japan with the diagnostic model of surface current

[C]// 20 Years of Progress in Radar Altimatry, 2013.

[本文引用: 4]

Liu Wei , Zhang Ren , Wang Huizan , et al .

Sea surface flow field retrieval and estimation based on satellite remote sensing data

[J]. Progress in Geophysics, 2012, 27(5): 1 989-1 994.

[本文引用: 1]

刘巍, 张韧, 王辉赞, .

基于卫星遥感资料的海洋表层流场反演与估算

[J]. 地球物理学进展, 2012, 27(5): 1 989-1 994.

[本文引用: 1]

Romeiser R , Runge H , Suchandt S , et al .

Quality assessment of surface current fields from TerraSAR-X and TanDEM-X along-Track interferometry and doppler centroid analysis

[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014, 52(5): 2 759-2 772.

[本文引用: 1]

Park Y H , Jean M G .

A simple method for diagnosing the bottom current field of the World's Ocean

[J]. Journal of Physical Oceanogaphy, 2001, 31: 972-991.

[本文引用: 1]

Zhang H M , Hogg N G .

Deducing dynamic properties from simulated hydrographic data: Part I. Results from a none-eddy resolving model

[J]. Journal of Marine Research, 1996, 54: 679-703.

[本文引用: 1]

Liu Z Y , Yang H J , Liu Q Y .

Regional dynamics of seasonal variability in the South China Sea

[J]. Journal of Physical Oceanography, 2001, 31(1): 272-284.

[本文引用: 1]

Hardesty B D , Harari J , Isobe A , et al .

Using numerical model simulations to improve the understanding of micro-plastic distribution and pathways in the marine environment

[J]. Frontiers in Marine Science, 2017, 4: 30-39.

[本文引用: 2]

Wilcox C , Hardesty B D , Sharples R , et al .

Ghostnet impacts on globally threatened turtles, a spatial risk analysis for northern Australia

[J]. Conservation Letters, 2013, 6(4): 247-254.

[本文引用: 1]

Reisser J , Shaw J , Wilcox C , et al .

Marine plastic pollution in waters around Australia: Characteristics, concentrations, and pathways

[J].PLoS ONE 2013, 8(11): e80466.

[本文引用: 2]

Potemra J T .

Numerical modeling with application to tracking marine debris

[J]. Marine Pollution Bulletin, 2012, 65(1): 42-50.

[本文引用: 5]

Maximenko N A , Hafner J , Niiler P P .

Pathways of marine debris derived from trajectories of Lagrangian drifters

[J]. Marine Pollution Bulletin, 2012, 65: 51-62.

[本文引用: 1]

GNOME User’s Manua [EB/OL]. National Oceanic and Atmospheric Administration, 2002.[2018-08-06]. .

URL     [本文引用: 1]

Lebreton L C , Greer S D , Borrero J C .

Numerical modelling of floating debris in the world's oceans

[J]. Marine Pollution Bulletin, 2012, 64(3): 653-661.

[本文引用: 2]

Lebreton L C , Borrero J C .

Modeling the transport and accumulation floating debris generated by the 11 March 2011 Tohoku tsunami

[J]. Marine Pollution Bulletin, 2013, 66(1/2): 53-58.

[本文引用: 2]

Storkey D , Blockley E W , Furner R , et al .

Forecasting the ocean state using NEMO: The new FOAM system

[J]. Journal of Operational Oceanography, 2010, 3(1): 3-15.

[本文引用: 1]

Martinez E , Maamaatuaiahutapu K , Taillandier V .

Floating marine debris surface drift: Convergence and accumulation toward the South Pacific subtropical gyre

[J]. Marine Pollution Bulletin, 2009, 58(9): 1 347-1 355.

[本文引用: 1]

Ebbesmeyer C C , James I W .

Pacific toy spill fuels ocean current pathways research

[J]. Eos Transactions American Geophysical Union, 1994, 75(37): 425-425.

[本文引用: 1]

Ebbesmeyer C C , Ingraham W J , Jones J A , et al .

Marine debris from the Oregon Dungeness crab fishery recovered in the Northwestern Hawaiian Islands: Identification and oceanic drift paths

[J]. Marine Pollution Bulletin, 2012, 65(1): 69-75.

[本文引用: 1]

Neumann D , Callies U , Matthies M .

Marine litter ensemble transport simulations in the southern North Sea

[J]. Marine Pollution Bulletin, 2014, 86(1/2): 219-228.

[本文引用: 1]

Sebille E V , Wilcox C , Lebreton L , et al .

A global inventory of small floating plastic debris

[J]. Environmental Research Letters, 2015, 10(12): 124 006.

[本文引用: 1]

Sebille E V , England M H , G. Origin Froyland , dynamics and evolution of ocean garbage patched from observed surface drifters [J]. Environmental Reasearch Letters, 2012, 7(4): 1-6.

[本文引用: 1]

Cummings J A .

Operational multivariate ocean data assimilation

[J]. Quarterly Journal of the Royal Meteorological Society, 2010, 131(613): 3 583-3 604.

[本文引用: 1]

Potemra J T .

Numerical modeling with application to tracking marine debris

[J]. Marine Pollution Bulletin, 2012, 65(1/3): 42-50.

[本文引用: 1]

Frost B W .

Feeding behavior of Calanus pacificusin mixtures of food particles

[J]. Limnology and Oceanography, 1977, 22(3): 472-491.

[本文引用: 1]

Galgani F , Hanke G , Werner S , et al .

Marine Litter, Technical Recommendations for the Implementation of MSFD Requirements, MSFD GES Technical Subgroup on Marine Litter

[M]. Luxembourg: Publications Office of the European Union, 2011: 8-10.

[本文引用: 2]

Galgani F .

Marine litter within the European marine strategy framework directive

[J]. Ices Journal of Marine Science, 2013, 70(6): 1 055-1 064.

[本文引用: 2]

Pham C K , Ramirez-Llodra E , Alt C H , et al .

Marine litter distribution and density in European seas, from the shelves to deep basins

[J]. PLoS ONE, 2014, 9(4): e95839.

[本文引用: 2]

Wilcox C , Hardesty B D , Sharples R , et al .

Ghostnet impacts on globally threatened turtles, a spatial risk analysis for northern Australia

[J]. Conservation Letters, 2013, 6(4): 247-254.

[本文引用: 2]

Frère L , Paulpont I , Rinnert E , et al .

Influence of environmental and anthropogenic factors on the composition, concentration and spatial distribution of microplastics: A case study of the Bay of Brest (Brittany, France)

[J]. Environmental Pollution, 2017, 225: 211-222.

[本文引用: 2]

Reisser J , Shaw J , Wilcox C , et al .

Marine plastic pollution in waters around Australia: Characteristics, concentrations, and Pathways

[J]. PLoS ONE, 2013, 8(11): e80466.

[本文引用: 1]

Liubartseva S , Coppini G , Lecci R , et al .

Regional approach to modeling the transport of floating plastic debris in the Adriatic Sea

[J]. Marine Pollution Bulletin, 2016, 103(1/2): 115-127.

[本文引用: 5]

Lebreton L C , Greer S D , Borrero J C .

Numerical modelling of floating debris in the world's oceans

[J]. Marine Pollution Bulletin, 2012, 64(3): 653-661.

[本文引用: 5]

Kako S , Isobe A , Magome S , et al .

Establishment of numerical beach-litter hindcast/forecast models: An application to Goto Islands, Japan

[J]. Marine Pollution Bulletin, 2011, 62(2): 293-302.

[本文引用: 2]

Hidalgo-Ruz V , Gutow L , Thompson R C , et al .

Microplastics in the marine environment: A review of the methods used for identification and quantification

[J]. Environmental Science & Technology, 2012, 46(6): 3 060-3 075.

[本文引用: 3]

Browne M A , Crump P , Niven S J , et al .

Accumulation of microplastic on shorelines worldwide: Sources and sinks

[J]. Environmental Science & Technology, 2011, 45(21): 9 175-9 179.

[本文引用: 1]

Browne M A , Galloway T S , Thompson R C .

Spatial patterns of plastic debris along Estuarine shorelines

[J]. Environmental Science & Technology, 2010, 44(9): 3 404-3 409.

[本文引用: 1]

Sutton R , Mason S A , Stanek S K , et al .

Microplastic contamination in the San Francisco Bay, California, USA

[J]. Marine Pollution Bulletin, 2016, 109(1): 230-235.

[本文引用: 1]

Ballent A , Pando S , Purser A , et al .

Modelled transport of benthic marine microplastic pollution in the Nazaré Canyon

[J]. Biogeosciences, 2013, 10(12): 7 957-7 970.

[本文引用: 2]

Ballent A , Purser A , Mendes P D J , et al .

Physical transport properties of marine microplastic pollution

[J]. Biogeosciences Discussions, 2012, 9(12): 54-56.

[本文引用: 2]

Chubarenko I , Bagaev A , Zobkov M , et al .

On some physical and dynamical properties of microplastic particles in marine environment

[J]. Marine Pollution Bulletin, 2016, 108(1/2): 105-112.

[本文引用: 4]

Besseling E , Jtk Q , Sun M , et al .

Fate of nano- and microplastic in freshwater systems: A modeling study

[J]. Environmental Pollution, 2016, 220(Pt A):540.

[本文引用: 2]

Quik J T , de Klein J J , Koelmans A A .

Spatially explicit fate modelling of nanomaterials in natural waters

[J]. Water Research, 2015, 80: 200-208.

[本文引用: 1]

Neumann D , Callies U , Matthies M .

Marine litter ensemble transport simulations in the southern North Sea

[J]. Marine Pollution Bulletin, 2014, 86(1/2): 219-228.

[本文引用: 2]

Kukulka T , Proskurowski G , Morét-Ferguson S , et al .

The effect of wind mixing on the vertical distribution of buoyant plastic debris

[J]. Geophysical Research Letters, 2012, 39(7): 7 601.

[本文引用: 2]

Iwasaki S , Isobe A , Kako S , et al .

Fate of microplastics and mesoplastics carried by surface currents and wind waves: A numerical model approach in the Sea of Japan

[J]. Marine Pollution Bulletin, 2017, 121(1/2): 85-96.

[本文引用: 1]

Isobe A , Kubo K , Tamura Y , et al .

Selective transport of microplastics and mesoplastics by drifting in coastal waters

[J]. Marine Pollution Bulletin, 2014, 89(1/2): 324-330.

[本文引用: 1]

Kukulka T , Brunner K .

Passive buoyant tracers in the ocean surface boundary layer: 1. Influence of equilibrium wind-waves on vertical distributions

[J]. Journal of Geophysical Research Oceans, 2015, 120(5): 3 837-3 858.

[本文引用: 1]

Brunner K , Kukulka T , Proskurowski G , et al .

Passive buoyant tracers in the ocean surface boundary layer: 2. Observations and simulations of microplastic marine debris

[J]. Journal of Geophysical Research Oceans, 2016, 120(11): 7 559-7 573.

[本文引用: 1]

Hackett B , Ø Breivik , Wettre C .

Forecasting the drift of objects and substances in the ocean

[M]// Chassignet E P, Verron J,eds. Ocean Weather Forecasting: Dordrecht:Springer, 2006.

[本文引用: 1]

Zhang H .

Transport of microplastics in coastal seas

[J]. Estuarine Coastal & Shelf Science, 2017, 199: 74-86.

[本文引用: 3]

Thiel M , Hinojosa I A , Miranda L , et al .

Anthropogenic marine debris in the coastal environment: A multi-year comparison between coastal waters and local shores

[J]. Marine Pollution Bulletin, 2013, 71(1/2): 307-316.

[本文引用: 1]

Fok L , Cheung P K , Tang G , et al .

Size distribution of stranded small plastic debris on the coast of Guangdong, South China

[J]. Environmental Pollution, 2016, 220(Pt A): 407-412.

Cooper D A , Corcoran P L .

Effects of mechanical and chemical processes on the degradation of plastic beach debris on the island of Kauai, Hawaii

[J]. Marine Pollution Bulletin, 2010, 60(5): 650-654.

Turra A , Manzano A B , Dias R J S , et al .

Three-dimensional distribution of plastic pellets in sandy beaches: Shifting paradigms

[J]. Scientific Reports, 2014, 4(3): 4 435.

Critchell K , Lambrechts J .

Modelling accumulation of marine plastics in the coastal zone: What are the dominant physical processes?

[J]. Estuarine Coastal & Shelf Science, 2016, 171: 111-122.

[本文引用: 3]

Critchell K , Grech A , Schlaefer J , et al .

Modelling the fate of marine debris along a complex shoreline: Lessons from the Great Barrier Reef

[J]. Estuarine Coastal & Shelf Science, 2015, 167: 414-426.

[本文引用: 3]

Lebreton L C , Borrero J C .

Modeling the transport and accumulation floating debris generated by the 11 March 2011 Tohoku tsunami

[J]. Marine Pollution Bulletin, 2013, 66(1/2): 53-58.

[本文引用: 3]

Brambini R , Dommergues B , Maral H , et al .

Hydrodynamics and capture efficiency of plastic cleanup booms: Part I — Experiments and Dynamic Analysis

[C]// International Conference on Ocean, Offshore and Arctic Engineering,Trondheim, 2017.

Dommergues B , Brambini R , Mettler R , et al .

Hydrodynamics and capture efficiency of plastic cleanup booms: Part II — 2D vertical capture efficiency and CFD Validation

[C]// International Conference on Ocean, Offshore and Arctic Engineering, Trondheim,2017.

Sainte-Rose B , Lebreton L , Kleissen F , et al .

Multi-scale numerical analysis of the field efficiency of an ocean plastic cleanup array

[C]// International Conference on Ocean, Offshore Marine and Arctic Engineering Conference,Busan, 2016.

Slat B .

How the Ocean Clean Themselves: A Feasibility Study

[M/OL]. Delft, Netherlands: Ocean Cleanup, 2014.[2018-08-06]. .

URL    

Sherman P , Van Sebille E .

Modeling marine surface microplastic transport to assess optimal removal locations

[J]. Environmental Research Letters, 2016, 11(1): 14 006-14 011.

[本文引用: 2]

/