使用matlab进行潮汐调和分析，判别潮汐类型。

数据处理

数据来源

本次实验采用的数据来自夏威夷大学海平面中心(University of Hawaii Sea Level Center)：http://ilikai.soest.hawaii.edu/uhslc/datai.html

本站提供下载：

厦门站：h376a95.dat

站点数据信息

站点：厦门站

坐标：Latitude: 24-27N , Longitude: 118-04E

时区：120E (GMT + 8 hr)

观测时间范围：1954—1997

观测手段：Gauge rods (1954-1964);

HCJ1, float gauge (1965-1990);

SCA1-2 (1990-)

现有数据：Hourly Daily Monthly

数据质量控制

质量评估主要是基于每小时数据的残差(观察到的数据减去预测潮汐)。该评估也适用由质量控制的每小时数据得到的每日和每月的数据。

对每小时数据的订正：

(1)对于时间跨度小于25小时的存在差异或明显错误的数据，使用潮流预测方法*进行填充。

(2)对于一小时确切的增量存在的时序错误通过移动数据的方法来进行校正。

(3)在确定水尺读数或者固定准基点相对读数确定参考水位变化不是一个自然事件之后，参考水位的变化才被更正。如果对比读数缺失或不完整，将数据与邻近的站位进行比较或许能保证对那些明显变化进行调节的正确性。

(4)基准面变化没有解决的数据不使用。然而，如果数据在未解决的变化之前或之后，数据的充足的时间跨度是可用的，那么质量保证的数据的一个子集是可以使用的。因此，质量评估的跨度领域可能不与分散数据集的跨度匹配。随着有问题的基准面变化被解决，这数据集也将被更新。虽然这个政策增加了一些复杂性，但是它允许在质量保证下更快速的传播。

每年,以下信息从质量控制每小时记录的数据和日期作为第n个天从今年1月1日:

(5)完整性指数(CI)基于可用的时间比例数据；

(6)差距超过一天的列表；

(7)总结的时间跨度超过6但少雨25小时的连续缺失或明显错误的数据已经更换；

(8)总结剩余系列中有问题的波动。如果大于25厘米，指出残差波动。

水位随时间变化1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16%% input the data

fid = fopen('h376a95.dat');

data_cell = textscan...,

(fid,'%s%s%f%f%f%f%f%f%f%f%f%f%f%f%f','headerlines',1);

fclose(fid);

data = cell2mat(data_cell(3:15));

elev = data(:,2:13)';

elev = elev(:);

%% plot the Hourly Elevation

plot(elev(1:31*24)/1000);

title('Hourly Elevation (Xiamen Station 1995.01)','FontSize',14);

xlabel('date','FontSize',12);

ylabel('Elevation /m','FontSize',12);

set(gca,'XTick',0:24:31*24);

set(gca,'XTickLabel',0:31);

调和分析

分析工具

t_tide调和分析1

2t_tide(elev,'star ttime',[1995,01,01,0,0,0],...

'latitude',24.45,'shallow','','synthesis',1);

通过显著性检验的分潮

2Q1 SIG RHO TAU BET NO1 PHI THE J1 SO1 PS 2N2 MU2 NU2 LDA L2 MSN MO3 M3 SO3 MK3 SK3 MN4 M4 MS4 MK4 2MN M6 2MS 2MK 2SM MSK 3MK M8

主要分潮的调和常数

潮型系数

计算公式：

$$A=\dfrac {H_{K_{1}}+H_{O_{1}}} {H_{M_{2}}}$$

由调和分析结果得：$H_{K_{1}}=341.3936$，$H_{O_{1}}= 281.1318$， $H_{M_{2}}= 1834.2106$ 。

代入公式求得：

$$A = 0.3394 < 0.5$$

故：厦门站潮汐类型为半日潮。