更全的杂志信息网

中国浙江和福建海域台风浪变化特征和趋势*

更新时间:2009-03-28

中国是海洋大国,海洋灾害频发,其中海浪是引起海洋灾害的主要原因之一。台风过境时,风速较大,由其造成的台风浪更容易造成较大的海洋灾害,统计显示,2013台风浪造成的人员伤亡78人,经济损失6.19亿元(李硕等,2017)。因此研究台风浪的长期变化特征和趋势对于海岸带管理、海浪的长期预测以及防灾减灾等具有重要的意义。石永芳等(2014)基于卫星高度计资料研究了 1993—2011年北太平洋波浪的变化趋势;对于中国近海,He等(2018)基于第三代海浪模式模拟了中国东海 1988—2002年的波浪场,并分析了该海域的极值波高;李硕等(2017)研究了中国2002—2015年共15年间的海浪灾害特征,并对台风浪灾害进行了单独分析,发现台风浪在海浪灾害中导致的人员死亡比例呈下降趋势;彭冀等(2013)通过分析2002—2011年近10年的海浪灾害数据发现,浙江遭受海浪灾害最严重,福建受海浪灾害影响增长幅度最大,并且台风浪是造成海浪灾害损失最大的因素。因此,本文将浙江和福建海岸带的台风浪作为研究内容,研究该海域1997—2016年最近20年台风浪的变化特征和趋势。

阿箬只顾欢喜,根本未察觉青樱的神色:“所以呀,小主一定会被封为仅次于皇后的皇贵妃,位同副后。再不济,总也一定是贵妃之位。若等小主生下皇子,太子之位还指不定是谁的呢……”

研究海浪的长期变化特征和趋势需要长时间序列的海浪数据,但是目前国内高质量的海浪连续观测数据较少,这样海浪数值模式便成了一个重要的工具。近岸海浪受时空变化的水位和流场影响较大,采用考虑水位和海流影响的耦合模式可以显著提高近岸海浪的模拟准确度(Huang et al,2010;Feng et al,2016)。此外,福建和浙江海岸线复杂,因此本文采用非结构网格的海浪-海流耦合模式来模拟研究海域的台风浪过程,既可以提高准确性,又可以很好的刻画海岸线。

本文针对浙江和福建海域建立了高分辨率的非结构计算网格,基于海浪-海流耦合模式模拟了1997—2016年共20年间所有影响该海域台风过程期间的海浪过程,并对模拟结果进行了充分验证。之后对模拟结果进行分析,得出了研究海域海岸带台风浪的变化特征和趋势。该研究对于研究海域海浪的长期预测和防灾减灾具有重要意义。同时对于航运和近岸的泥沙输运研究也有一定的借鉴意义。

1 历史台风浪模拟

本研究采用非结构网格的海浪-海流耦合模式,对浙江和福建海域 1997—2016年间所有影响该海域台风过程期间的海浪过程进行了模拟。模式采用的计算网格以及考虑的所有台风过程的路径分别见图1a和图1b。

  

图1 a:模式计算网格;b:1997—2016年间影响浙江和福建海域的158个台风过程Fig.1 a:Computational grid of the coupled model;b:Paths of the typhoons that affected sea area of Zhejiang and Fujian Provinces from 1997 to 2016.A total of 158 typhoons were selected

1.1 耦合模式介绍

本文还对台风浪有效波高大于 1.5m的时间(tHs>1.5)做了趋势分析,结果见图8。由图8可以看出,tHs>1.5tHs>1的变化趋势在空间上的分布比较相似,变化趋势为负的站位,都没有通过 70%的显著性检验,变化趋势为正,且通过90%显著性检验的站位基本都位于福建北部海域。同样,浙江中部海域也有若干站位具有显著性位于 70%至 90%之间的正的增长趋势。其他站位的tHs>1.5没有显著性变化趋势。台风浪有效波高大于1.5m的时间(tHs>1.5)通过90%显著性检验的正的增长趋势值基本位于0.19至1.50h/a之间,要小于tHs>1的增长趋势。

其中 A=-[(x-xc)sinθ+(y-yc)cosθ],B=[(x-xc)cosθ-(y-yc)sinθ],(x,y)和(xc,yc)分别代表计算点的位置和台风中心的位置;(Vox,Voy)分别为台风中心的移动速度在xy方向的分量;Vmax为台风最大风速;Rmax为最大风速半径;r为计算点到台风中心的距离;θ为流向角,在本研究中,当rRmaxθ=20°,rRmaxθ=15°;V为计算点的速度;ij分别代表xy方向的单位矢量;P0为台风的中心气压;P为台风的外围气压,模式中设为1010hPa。

其中,对于风应力的计算,原模式中,风应力计算公式为 Garratt(1977)公式:Cd=0.001·(0.75+0.067W),W 为风速,模式将 Cd的上限默认为 0.0035。在该研究中,风应力拖曳系数采用同时考虑依赖波龄和风速的Donelan(1993)公式:

 

其中,Cd为风应力拖曳系数,K为Karman常数,取0.4,Z0为海表面粗糙度,Cp为海浪谱峰频率对应的波速,W为风速,Cp/W代表波龄。当风速超过33m/s时,将风应力拖曳系数设为其上限 0.0025(Donelanet al,2004)。

1.2 模式设置

耦合模式的计算网格为高分辨率的非结构网格,见图1a。计算区域大体位于 15°—32°N,112°—135°E这个范围内,模式的分辨率从外海的 30′逐渐过渡到近岸的100m,一共274415个节点,525071个三角形单元。模式采用的水深数据在近岸为分辨率为3″×3″的高分辨率地形,外海采用ETOPO2数据,该水深数据来自美国国家地球物理资料中心(NGDC),其水平分辨率为2′一个格点。

海浪浪高大于某个值的持续时间,也是影响海浪致灾程度的一个重要因素。因此,本研究还统计了图5中各个站位处,每年台风浪有效波高大于1m的时间(tHs>1),并做了趋势分析,结果见图7。为了更清晰的分析图7的结果,在图5中,本文将tHs>1变化趋势通过90%显著性检验,趋势为正显示为红色+号,趋势为负显示为红色–号;tHs>1变化趋势显著性检验结果位于 70%至 90%之间,趋势为正显示为黄色+号,趋势为负显示为黄色–号;其他没有显著趋势的显示为蓝色·。由图5可以看出,tHs>1变化趋势为负的站位,都没有通过 70%的显著性检验,变化趋势为正,且通过 90%显著性检验的站位基本都位于福建北部海域。浙江中部海域有若干站位具有显著性位于70%至 90%之间的正的增长趋势。其他站位的 tHs>1没有显著性变化趋势。进一步分析图7的结果可以发现,通过 90%显著性检验的正的增长趋势值基本位于0.54至1.72h/a之间,主要位于纬度为25.4°—27.3°N,该区域对应着福建北部海域,说明该海域的海浪灾害有增加的风险。

1.3 风场模型和台风过程

本研究采用的风场驱动为混合风场,具体方法为在8倍最大风速半径内完全采用模型风场,8倍和10倍最大风速半径内逐渐转换为背景风场,10倍最大风速半径外,完全采用背景风场,本研究选取的背景风场为 ECMWF(European Centre for Medium-Range Weather Forecasts,https://www.ecmwf.int/,2018)风场。其中模型风场采用的是 Jelesnianski的圆形台风模型(Jelesnianski,1965)。该台模型对风场的计算考虑了台风的移动速度。其对风场和气压的计算公式如下:

 

大鼠溃疡得分用Excel计算出均值、标准偏差,以表示;用TOXSTAT2006采用t检验对溃疡得分进行统计分析,与模型组比较,计算给药组对实验大鼠的溃疡抑制率,采用Bliss法计算ED50。

对1997—2016年20年间模拟得到的台风浪进行统计,得到图5中172个站位处的台风浪有效波高年极值序列。之后,对每个站位处的浪高年极值进行趋势分析,分析结果见图6。可以看出,台风浪高极值的最大正增长趋势值为0.05m/年,通过了95%的显著性检验,该值出现在26.1°N附近,位于福建省岸线的闽江口附近海域。进一步分析可以看出,增长趋势为正值,且通过 90%显著性检验的位置大都位于福建省岸线的中部海域,这说明,该海域的台风浪极值有显著增长的趋势。图6也有增长趋势为负值的区域,但极少有通过90%的显著性检验。对于其他海域,台风浪极值的变化趋势大都不明显,没有通过 70%的显著性检验。总体来看,福建北部海域岸线台风浪极值具有增长的趋势。

 

Atkinson等(1977)在分析了位于西北太平洋沿岸以及一些岛屿观测站上的近28年的最大台风风速观测数据后,提出了上述最大台风风速和台风中心气压之间的关系式。

UTM(Universal Transverse Mercator)投影即“通用横轴墨卡托投影”,与高斯投影都是横轴墨卡托投影演变而成,主要区别如下:

这样的转换与例(2)不同,转换之后,语义基本不变,虽然描写语篇也有其内在的逻辑顺序,如(3)是从屋内到屋外的有内而外的空间顺序,(3′)则是由外而内的语序。下面例(5)的描写顺序则是从外到内,从整体到局部。

基于耦合模式,本研究共模拟了 1997—2016年间,所有影响浙江和福建海域的158个台风期间的海浪过程。其台风路径和强度数据均来自中国台风网的热带气旋最佳路径数据集(http://tcdata.typhoon.org.cn/)(Ying et al,2014)。

2 模拟结果验证

2.1 1319号台风过程海浪模拟验证

将表1的数据代入公式(1)即可得到各评价指标的云模型参数,取k为0.01。运用正态云发生器分别对上述10个评价指标生成相对应的综合云模型,并选取其中结构面的倾角指标和mrqd指标的云模型,分别如图1和图2所示。

  

图2 模式验证采取的4个台风过程路径及7个海浪观测站位分布Fig.2 Distribution of the four typhoon paths and 7wave observation stations

2.2 4个典型台风过程期间的海浪模拟结果验证

为对模拟结果作进一步的验证,将0908号、1111号、1319号和1617号台风过程中的海浪模拟结果与搜集到的对应观测资料进行了对比。这4个台风的路径以及用来验证的海洋观测站点分布如图2所示。验证结果如图4所示。海浪模拟结果和观测结果二者相关系数为0.79,图4中拟合曲线倾斜率为0.83,并且通过了100%的显著性检验。说明海浪模拟结果和观测结果吻合较好。

  

图3 1319号台风“天兔”期间海浪有效波高模拟结果和实测结果在4个站位处的对比。a:S2;b:S4;c:S6;d:S7Fig.3 Simulated and observed significant wave height during typhoon “Usagi” at stations of a:S2;b:S4;c:S6;d:S7

  

图4 4个台风过程期间海浪有效波高模拟结果和实测结果在7个站位处的对比结果Fig.4 Simulated and observed significant wave height during four typhoons at seven stations

3 结果与分析

对模拟得到的浙江福建海域1997—2016年共20年间对研究区域有影响的 158个台风过程期间的海浪模拟结果进行了统计,分析了研究海域台风浪的变化趋势及其与ENSO指数的关系。为了分析研究海域海浪的变化趋势,特选取了研究海域岸线上的 172个点位处的海浪波高序列进行分析,这些点位的分布如图5所示。

3.1 台风浪年极值趋势分析

台风模型中的最大风速计算公式为:

  

图5 分析台风浪模拟结果所涉及的研究海域岸线上172个点位Fig.5 Distribution of the 172 stations,on which the wave results are analyzed along the coast of the study area

 

注:其中tHs>1变化趋势通过90%显著性检验,趋势为正显示为红色+号,趋势为负显示为红色–号;tHs>1变化趋势显著性检验结果位于70%至90%之间,趋势为正显示为黄色+号,趋势为负显示为黄色–号;其他没有显著趋势的显示为蓝色·。(tHs>1代表每年台风浪有效波高大于1m的持续时间)

3.2 台风浪有效波高大于 1m 的持续时间变化趋势分析

对于ADCIRC模式,初始流速和水位都为0;模式海岸边界条件取:Vn=0,这里Vn是指固边界的法向水深平均流速。开边界上采用M2,S2,K1,O1,N2,S2,P1,Q1共8个分潮的调和常数预报的水位作为驱动,这些调和常数来自 NAO99潮汐模型(Matsumoto et al,2000)。SWAN模式的计算网格和水深与ADCIRC模式完全一致。初始频率为0.04Hz,频率增加因子为1.1,频率数为 41,波浪谱方向的分辨率为 10°,模式计算的时间步长为 30分钟。耦合模式在运行时,模式间交换数据的时间间隔为30分钟。

  

图6 172个站位处的台风浪有效波高年极值变化趋势及其对应的显著性检验结果Fig.6 Trends of the extreme typhoon significant wave height and the corresponding significance test results for the 172 selected stations

  

图7 172个站位处的台风浪有效波高大于1m的持续时间(tHs>1)年变化趋势及其对应的显著性检验结果Fig.7 Trends in the duration of significant wave height greater than 1m and the corresponding significance test results for the 172 selected stations

3.3 台风浪有效波高大于1.5m的持续时间变化趋势分析

本文采用的海浪-海流耦合模式为 SWAN+ADCIRC(Dietrich et al,2011),其 中 ADCIRC(Advanced Circulation Model)模式是一种非结构网格有限元水文动力模式(Westerink et al,1991),SWAN(Simulating WAvesNearshore)模式为 Zijlema(2010)在曲线正交网格模式基础上,修改得到的基于三角形网格的海浪模式。本研究中,耦合模式运行的物理机制为:ADCIRC将模拟得到的水位和流场提供给SWAN,作为海浪模式的背景场;SWAN模式将计算得到的辐射应力提供给 ADCIRC作为外力驱动,同时海浪模式中的波长和周期信息用来参与 ADCIRC模式的风应力计算。

3.4 ENSO对台风浪的影响

为了研究台风浪的年变化规律以及 ENSO信号对台风浪的影响,将图5中不同站位处每年台风浪有效波高大于 1m的持续时间(tHs>1)与 ENSO指数做相关性分析,其中采用的 ENSO指数为来自美国的NCEP资料(http://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php,2018)。结果见图9。可以看出,tHs>1与 ENSO指数的相关系数最大可达0.43,并且通过了94%的显著性检验。这说明,ENSO信号对台风浪的影响在研究海域的某些岸段还是比较明显。图9显示,在纬度为23.0°—25.0°N以及 29.0°—30.5°N 区间内一些站位的 tHs>1与 ENSO指数的相关性较显著,这两个区域分别对应着福建省南部以及浙江省北部海域,具体为福建省南部海域台风浪与ENSO指数有较显著的负相关,浙江省北部海域台风浪与ENSO指数有较显著的正相关。同时,对比图7和图9可以看出,在tHs>1的增长趋势显著的海域,tHs>1与ENSO指数的相关性却不显著。

为了对耦合模式结果进行验证,首先搜集了2013年1319号台风过程期间的4个站位处的海浪观测数据。2013年19号台风“天兔”于9月17号生成于西北太平洋菲律宾东部海域,并在 22号登陆广东,造成了严重的灾害,台风路径见图2。模拟得到的海浪与实测结果的对比见图3。可以看出,耦合模式很好的模拟出了该台风过程中 4个站位处的波高变化,4个站位处有效波高极值模拟的相对误差平均为 21%,由于考虑了时空变化的流场和水位,4个站位处的海浪的模拟结果也出现了和实测资料一致的波动信号。

4 结论

本文基于海浪-海流耦合模式,研究了浙江和福建海域台风浪的变化特征和趋势,该研究对于这两个海域的台风浪长期预报以及防灾减灾具有重要的意义,主要结论如下:

土地整治一般分为5个阶段,即项目踏勘、可行性研究、项目立项、工程实施和项目验收。为了提高土地整治效率和质量,保障耕地数量和质量,信息技术在土地整治中的重要地位逐渐凸显,尤其项目立项前期的土壤环境监测、土地利用信息提取及项目实施时土地信息管理应用较多。

(1) 针对浙江和福建海域建立了高分辨率的海浪-海流耦合数值模式,海浪模拟结果与实测结果对比较好,可以用来研究该海域的台风浪变化特征和趋势。

从学生对各项英语技能的学习难度评价中可以看出(见表3),学生认为英语各个方面都难,其均值都低于一般水平(3)。词汇难度评价得分最高,均值为2.60,即学生认为词汇难度最低,接近一般水平(3),最难的为听力(2.13)和口语表达(2.26),可见学生在口语和听力两方面存在的能力差距较大。这恰恰证实了地方高校学生的“哑巴英语”,为了应试,大量积累单词词组,但却无法正常地口语交流。在难度评价上,文理科学生在这9项技能上的P值均大于0.05,说明不同学科的学生在英语学习难度上是相似的,不存在显著性差异。

(2) 基于该耦合模式模拟了1997—2016年20年间对研究区域有影响的 158个台风过程期间的海浪过程,并对模拟结果进行了统计,发现福建北部海域台风浪极值和台风浪有效波高大于1m和1.5m的持续时间有增长的趋势。

  

图8 172个站位处的台风浪有效波高大于1.5m的持续时间(tHs>1.5)年变化趋势及其对应的显著性检验结果Fig.8 Trends in the duration of significant wave height greater than 1.5m and the corresponding significance test results for the 172 selected stations

  

图9 172个站位处的年台风浪有效波高大于1m的持续时间(tHs>1)与ENSO指数之间的相关系数及其对应的显著性检验结果Fig.9 Correlation coefficient betweentHs>1 (duration of significant wave height greater than 1m) and annual ENSO index,and the corresponding significance test results for the 172 selected stations

(3) 分析台风浪有效波高大于 1m的持续时间及其与ENSO指数的关系发现,福建省南部海域台风浪与ENSO指数有较显著的负相关,浙江省北部海域台风浪与ENSO指数有较显著的正相关。ENSO信号对这两个海域的台风浪有较显著的影响。

致谢 本文的数值模拟是在中国科学院海洋研究所的高性能计算平台上完成的,特此致谢。

参 考 文 献

李 硕,陶爱峰,吴 迪等,2017.近15年中国海浪灾害特性分析.第十八届中国海洋(岸)工程学术讨论会论文集(上),195—197

彭 冀,陶爱峰,齐可仁等,2013.近十年中国海浪灾害特性分析.第十六届中国海洋(岸)工程学术讨论会论文集(上),805—808

石永芳,杨永增,吴克俭等,2014.1993—2011年北大西洋与北太平洋的波浪变化及其原因探究.海洋与湖沼,45(4):685—694

Atkinson G D,Holliday C R,1975.Tropical Cyclone Minimum Sea Level Pressure/Maximum Sustained Wind Relationship for the Western North Pacific.Monthly Weather Review,105(4):25

Dietrich J C,Zijlema M,Westerink J J et al,2011.Modeling hurricane waves and storm surge using integrally-coupled,scalable computations.Coastal Engineering,58(1),45—65

Donelan M,Dobson F,Smith S et al,1993.On the Dependence of Sea Surface Roughness on Wave Development.Journal of Physical Oceanography,23(9),2143—2149

Donelan M,Haus B,Reul N et al, 2004.On the limiting aerodynamic roughness of the ocean in very strong winds.Geophysical Research Letters,31(18),355—366

FengX,Yin B,Yang D,2016.Development of an unstructuredgrid wave-current coupled model and its application.Ocean Modelling,104,213—225

Garratt J R,1977.Review of drag coefficients over oceans and continents.Monthly Weather Review,105(105),915—929

He H,Song J,Bai Y et al,2018.Climate and extrema of ocean waves in the East China Sea,Science China Earth Sciences,https://doi.org/10.1007/s11430-017-9156-7

Huang Y,Weisberg R H,Zheng L,2010.Coupling of surge and waves for an Ivan-like hurricane impacting the Tampa Bay,Florida region.Journal of Geophysical Research C:Oceans,115,C12009

Jelesnianski C,1965.A numerical computation of storm tides induced by a tropical storm impinging on a continental shelf.Monthly Weather Review,93(6),343—358

Matsumoto K,Takanezawa T,Ooe M,2000.Ocean Tide Models Developed by Assimilating TOPEX/POSEIDON Altimeter Data into Hydrodynamical Model:A Global Model and a Regional Model around Japan.Journal of Oceanography,56(5),567—581

Westerink J J,Luettich R A,Baptista A M et al,1991.Tide and storm surge predictions using finite element model.Journal of Hydraulic Engineering,118(10),1373—1390

Ying M,Zhang W,Yu H et al,2014.An Overview of the China Meteorological Administration Tropical Cyclone Database.Journal of Atmospheric and Oceanic Technology,31(2),287—301

Zijlema M,2010.Computation of wind-wave spectra in coastal waters with SWAN on unstructured grids.Coastal Engineering,57(3),267—277

 
冯兴如,杨德周,尹宝树,李明杰
《海洋与湖沼》 2018年第02期
《海洋与湖沼》2018年第02期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息