检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2020 , Vol. 39 >Issue 2: 35 - 43

DOI: https://doi.org/10.11978/2019073

海洋气象学

台风“康森”产生的海洋近惯性能量的数值模拟研究

  • 李娟 , 1, 2, 3 ,
  • 刘军亮 1 ,
  • 蔡树群 , 1, 3, 4
展开
  • 1. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301
  • 2. 中国科学院大学, 北京 100049
  • 3. 南方海洋科学与工程广东省实验室(广州), 广东 广州 511458
  • 4. 中国科学院南海生态环境工程创新研究院, 广东 广州 510301;
+ 通信作者：蔡树群。E-mail:

作者简介：李娟(1988—), 女, 福建省南平市人, 博士研究生, 从事近惯性内波研究。E-mail:

Editor: 殷波

收稿日期: 2019-08-16

  要求修回日期: 2019-09-25

  网络出版日期: 2020-03-10

基金资助

中国科学院前沿科学重点研究计划(QYZDJ-SSW-DQC034)

国家自然科学基金项目(41890851、41430964、41521005、41776005、41406023、41476011)

中国科学院南海生态环境工程创新研究院项目(ISEE2018PY05)

南方海洋科学与工程广东省实验室(广州)人才团队引进重大专项(GML2019ZD0304)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Numerical simulation of oceanic near-inertial energy induced by Typhoon Conson

  • Li Juan , 1, 2, 3 ,
  • Liu Junliang 1 ,
  • Cai Shuqun , 1, 3, 4
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Southern Marine Science and Engineering Guangdong Laboratory, Guangzhou 511458, China
  • 4. Institution of South China Sea Ecology and Environmental Engineering, Chinese Academy of Sciences, Guangzhou 510301, China;

Received date: 2019-08-16

  Request revised date: 2019-09-25

  Online published: 2020-03-10

Supported by

Key Research Program of Frontier Sciences, Chinese Academy of Sciences(QYZDJ-SSW-DQC034)

National Natural Science Foundation of China(41890851、41430964、41521005、41776005、41406023、41476011)

Program of Institution of South China Sea Ecology and Environmental Engineering, Chinese Academy of Sciences(ISEE2018PY05)

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering Guangdong Laboratory(Guangzhou)(GML2019ZD0304)

Copyright

Copyright reserved © 2019. Office of Acta Agronomica Sinica All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

文章利用经验台风风场模型(TCWPM)和美国环境预测中心的气候预测系统再分析风场资料(NCEP/CFSR)对台风“康森(Conson)”进行数值模拟, 并将模拟的台风带入平板模式(slab model)模拟台风产生的海洋近惯性流。对比实测数据表明, 模拟结果与真实风场、近惯性流场均比较一致, 台风“康森”在近海面的风场不对称结构非常明显, 台风中心两侧的速度大小相差可达10m·s-1。台风“康森”在台风中心后方产生强烈的海洋近惯性振荡, 且持续时间超过4d。海洋近惯性动能沿着台风路径呈显著的不对称分布, 表明台风“康森”在共振作用下主要在路径右侧激发强烈的近惯性振荡。研究不同强度的热带气旋产生的海洋近惯性能量, 发现热带风暴产生的海洋近惯性能量较小, 平均近惯性动能不超过35J·m-3。随着气旋强度的增大, 热带气旋激发的近惯性能量呈指数增长, 而台风的影响面积与最大风速半径的变化相对比较一致, 当最大风速半径(R0)增大一半(1.5R0)时, 其产生的最大平均近惯性动能从81J·m-3增大到631J·m-3, 影响面积从大约600km2增加到大于900km2。

关键词： 台风“康森”; 近惯性动能; 数值模拟; 南海

本文引用格式

李娟 , 刘军亮 , 蔡树群 . 台风“康森”产生的海洋近惯性能量的数值模拟研究[J]. 热带海洋学报, 2020 , 39(2) : 35 -43 . DOI: 10.11978/2019073

Abstract

A Tropical Cyclone Wind Profile Model (TCWPM) and the NCEP/CFSR wind data are used to simulate Typhoon Conson, and a slab model is developed to simulate typhoon-induced oceanic near-inertial currents. The model results match well with both reanalysis data and in situ observations. Typhoon Conson presented a salient asymmetric wind field at the ocean surface, and the bias between the two sides of the wind field along the track reached up to 10 m·s-1. Typhoon Conson generated strong oceanic near-inertial oscillations (NIOs) after the typhoon center, which lasted for more than four days, and a significant asymmetric distribution of near-inertial kinetic energy (NIKE) indicates the strong NIOs are mainly triggered on the right-hand side of Typhoon Conson under the resonance effect. We also show that the tropical storm yields a small fraction of NIKE, e.g., the mean NIKE does not exceed 35 J·m-3, but the NIKE increases exponentially with the increasing radius of maximum wind speed (Rmax or R0), and the influence area increases linearly with Rmax, e.g., when Rmax increases from R0 to 1.5 R0, the NIKE rises from 81 to 631 J·m -3, and the influence area increases from 600 to more than 900 km2.

Key words： typhoon Conson; near-inertial kinetic energy (NIKE); numerical simulation; South China Sea

热带气旋是在热带或副热带洋面上形成的, 具有有组织的对流和确定的气旋性地面风环流的非锋面性的天气尺度系统。世界气象组织将最大风速在32.7m·s-1以上的热带气旋称为台风或飓风。台风对海洋影响的水平范围可达几百千米到上千千米, 而垂向的影响深度可达1000m左右(Kwon et al, 2003)。近惯性振荡现象是海洋对于台风响应的一个重要特征(Alford et al, 2016)。台风激发的近惯性振荡是指台风经过后, 海水中的物理参数以稍稍大于惯性频率的频率发生振荡的现象。台风过后, 海洋上层中产生的强烈近惯性振荡, 其中一部分在混合层直接耗散(Hebert et al, 1994), 另一部分则以低模态的近惯性内波形式穿越混合层向深海传播(Gill, 1984; Kundu et al, 1985), 同时水平方向上向外辐散(Zervakis et al, 1995; Garrett, 2001)。在密跃层内, 台风激发的垂向近惯性能通量大约在(0.5~2.8)× 10-3W·m-2 (Qi et al, 1995; Cuypers et al, 2013)。Alford (2003)从60个锚定数据首次发现近惯性振荡横向传播的证据, 在后来的研究中又发现台风产生的近惯性振荡的水平传播尺度可达到上百公里(Sun et al, 2011)。
中国南海作为太平洋西岸最大的边缘海, 常年受到台风影响, 平均每年大约有15个热带气旋在南海产生或者穿过南海(Sun et al, 2015)。台风“黑格比(Hagupit)”的经过使海洋近惯性能量增大了约10倍(Xu et al, 2013), 台风产生的近惯性振荡通常会持续5~10d (Price et al, 1994; Zhai et al, 2004)。近惯性振荡的水平尺度一般为数百千米(Hisaki et al, 2003), 垂向尺度一般为数百米至上千米(Brooks, 1983; Shay et al, 1987; Smith, 1989; Oey et al, 2008)。近年来, 关于南海台风引起的海洋近惯性振荡的垂向传播特征和规律的研究较多(Chen et al, 2013, 2015a; Guan et al, 2014; Liu et al, 2018), 例如, 台风“杜苏芮(Doksuri)”和台风“黑格比”经过后, 海洋中的近惯性能量在混合层和温跃层各存在一个高值中心
(Ding et al, 2018; 张骞等, 2019)。台风“杜苏芮”作用期间海洋近惯性频率能量相对于“杜苏芮”作用前增大了约29.4倍, 台风“黑格比”在浅水区激发的海洋温跃层近惯性能量比深水区更早更强烈。然而关于南海台风导致的近惯性振荡在水平方向上的影响研究仍较少。最近, Xu等(2019)利用三维PWP模式(three-dimensional Price-Weller-Pinkel model, 3DPWP)研究了台风“海鸥(Kalmaegi)”通过后南海东北部近惯性振荡的水平变化, 发现随着最大风速半径的增加, 近惯性振荡的影响范围变窄, 而最大风速和移动速度的增加往往会扩大其影响范围, 其中最大风速对近惯性动能的影响最大, 而台风的移动是近惯性振荡横向传播的主要原因。
目前关于台风引起的海洋近惯性能量的水平强度变化、影响范围等的研究尚未有直观的认识。有鉴于此, 本文拟以穿越南海的台风“康森”为例, 利用经验台风风场模型(Tropical Cyclone Wind Profile Model, TCWPM)和平板模式(slab model)模拟台风“康森”及其引起的海洋近惯性能量随时间的变化过程, 进而通过一些敏感性试验来探讨不同强度的热带气旋生成的海洋近惯性能量的强度变化及其影响面积的变化。

1 数据和研究方法

1.1 台风“康森”数据资料

本文所使用的台风“康森”的中心气压来源于美国联合台风预警中心(Joint Typhoon Warning Center, JTWC)的最佳路径资料(https://metoc.ndbc.noaa.gov/web/guest/jtwc/best_tracks/western-pacific)。为了得到分辨率更高的实时台风路径, 这里采用温州台风网的历史实时路径(http://www.wztf121.com/history.html)。如图1所示, 台风“康森”于2010年7月10日在太平洋产生, 14日8时左右(本文采用的时区均为北京时间)开始进入南海, 最终在21日消失于中南半岛。
图1 南海水深分布和台风“康森”移动路径(红色圈横线)

红色圆圈大小代表台风风速大小, 黄色圆点代表下文风场验证所选的8个点(A~H), 黑色五角星为ADCP浮标的位置, 白色数字表示台风经过时间

Fig. 1 Bathymetry (units: m) of the South China Sea (SCS) and the track of Typhoon Conson (the red line with circles). The size of red circle indicates the magnitude of wind speed, and the eight yellow dots denote the locations for validation. The black pentagram indicates the position of ACDP mooring station. The time denotes the date using the format of month/day

1.2 实测数据

用于模式结果验证的实测流场数据来源于2010年7月南海西沙永兴岛附近(16°51′22′′N, 112°19′07′′E)的一个声学多普勒流速剖面仪(ADCP)测得的定点连续资料(图1), ADCP测量范围是2~43m, 数据的有效范围是5~37m, 垂向采样间隔为1m, 时间间隔为2min, 对实测流速进行0.85~1.15f的带通滤波后可以得到实测近惯性流, 其中f为局地惯性频率(单位: s-1)。实测风场数据来源于西沙附近的一个气象观测站(16°50′N, 112°20′E), 采样时间间隔为2min。

1.3 经验台风风场模型(TCWPM)

Chu等(2000)利用Carr等(1997)提出的TCWPM台风模型模拟入侵南海的热带气旋“Ernie (1996)”, 并且得到了一个较好的模拟结果, 所以本文也采用TCWPM模拟台风“康森”, 模型如下:
$\begin{equation} \left\{ \begin{array}{lr}\nu_{c}(r)=\frac{f_{0}}{2}[R_{0}(\frac{ R_{0}}{e}))] \frac{a^4}{a^4+1}\\u_{c}(r)=tan(\gamma) \nu_{c}(r) \end{array}\right.\end{equation}$
式中: uc和vc分别为台风风速Uc的径向和切向风速分量(单位: m·s-1); r是到风暴中心的水平距离(单位: km); f0为科氏参数, 取7.29×10-5s-1; X是小于1的常数, 考虑到β效应, Carr等(1997)建议X取0.4; γ是相对台风中心的入流角, 根据经验取为30°; a是一个比例因子, a=r/Rm, 以使得vc(r)在热带气旋中心连续; R0和Rm代表热带气旋的最大风速半径和气旋半径(单位: km)。根据Vickery等(2008)的经验公式:
$ln(R_{0})=3.015-6.291 \times 10^{-5} \Delta P^{2}+0.0337 \psi$
式中: ψ表示纬度(单位: °); ∆P表示周围环境气压与台风中心气压之差, 这里台风气压选择美国联合台风警报中心(JTWC)的台风中心气压数据, 周围环境气压取为1013.3Pa。气旋半径Rm参照Chu等(2000)模拟的热带气旋“Ernie (1996)”, 取为17×R0。
由于此模式是圆对称的台风模型, 而实际台风往往是不对称的, 在北半球, 台风路径右侧的风场和流场往往强于左侧, 因此依照Zhang等(2016)将风速投影到入流方向后, 加入一个修正项u来得到一个非对称的台风风场。
$u(r)=\frac{rR_{0}}{R_{0}^2+r^2}V_{t}$
式中: Vt是台风的移动速度(单位: m·s-1), 可由经纬度推算出来, 再通过公式(4)将风场调整为标准10m高的风场,
$U_{10}=K_{n} K_{m} U_{c}$
式中: 修正系数Km=0.8 (Powell et al, 1990), Kn=0.92是将持续风场转换为一小时平均的系数(Krayer et al, 1992)。为了构建“康森”台风进入南海时整个南海风场的分布, 需引入背景风场与台风模型风场U10进行合成, 本文采用的是美国国家环境预报中心气候预测系统再分析资料(National Centers for Environmental Prediction Climate Forecast System Reanalysis, NCEP/CFSR) (Saha et al, 2010)的风场Ubg进行加权叠加, NCEP/CFSR风场数据的空间网格分辨率为0.5°×0.5°, 时间分辨率为1h。按照公式(5)的系数进行加权可以得到拟合台风的风场U:
$U=(1-e)(U_{10})+eU_{bg}$
其中权重e可根据下式计算出:
$\begin{equation} \left\{ \begin{array}{lr}e=\frac{c^4}{1+c^4}\\c=\frac{r}{10 \times R_{0}} \end{array}\right.\end{equation}$
为了与温州台风网的经纬度时间一致, 本文的所有数据统一到东八区的时区(UTC+8)。本文采用的风场数据是从7月10日0:00至7月21日23:54, 其中TCWPM运行的时间是从7月14日8:00到7月16日19:00, 在其他时段的风场, 则只使用了NCEP/CFSR风场数据。模式设置的范围是(98°45′—122°15′E, 3°45′—26°45′N), 空间分辨率为0.25°×0.25°, 时间分辨率为6min, 所有数据都插值到此网格上, 经过反复调试, 最终模拟得到的风场如图2所示, 模拟的台风与背景风场融合得较好, 合理地展现了台风“康森”在不同时刻的风场分布。
图2 不同时刻拟合的台风“康森”的水平风场分布

Fig. 2 Distributions of the wind field of Typhoon Conson at different times

1.4 Slab模式

为了计算由台风风应力产生的近惯性流, 风应力可由公式(7)得到,
$(\tau_{x},\tau_{y})=\rho_{a}C_{d}\sqrt{u_{10}^2+ \nu_{10}^2}(u_{10},\nu_{10})$
式中: $\rho_{0}$是空气密度, 这里取1.3kg·m-3; U10=(u10, v10)表示海面10m高风场的风速(单位: m·s-1); Cd是拖曳系数, 根据Oey等(2006), Cd取值为:
$C_{d}=\left\{ \begin{matrix} 1.2 \times 10^{-3}, & U_{10} \le 11m \cdot s^{-1} \\ (0.49+0.065U_{10}) \times 10^{-3}, & 11 < U_{10} \le 19m \cdot s^{-1}\\ (1.364+0.234U_{10}-0.0002U_{10}^2) \times 10^{-3}, & 19 < U_{10} \le 100m \cdot s^{-1}\\ \end{matrix}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \right. $
得到风应力后, 采用Pollard等(1970)提出的slab模型和D’Asaro (1985)的参数设置:
$\left\{ \begin{matrix} \frac{du}{dt}-f \nu=\frac{\tau_{x}}{H \rho_{0}}-r \mu, \\ \frac{du}{dt}+f \mu=\frac{\tau_{y}}{H \rho_{0}}-r \nu,\\ \end{matrix}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \right.$
式中: $\tau_{x}$、$\tau_{y}$为风应力分量(单位: N·m-2); u、v为近惯性流分量(单位: m·s-1); t为时间(单位: s)。这里slab模式是“刚盖”近似下的一个简单的线性模型, 该模式假定海洋混合层动量混合均匀, 并且忽略压强梯度项, 水平无辐散, $\frac{\partial u}{\partial x}+\frac{\partial \nu}{\partial y}$混合层的深度为H (单位: m), ρ0=1024kg·m-3是海水密度, r是模拟混合层向下传播时能量损失的阻尼参数, 非台风风场通常取为0.15f (Alford, 2001), 但对于台风这个参数并不适用, 通过与实际观测流速进行对比, 反复调试r的值, 直到模拟结果和实测结果吻合较好为止, 最终取值为0.03f, f = 2Ωsinφ是局地惯性频率。
为了得到实时的南海混合层深度H, 这里定义混合层深度为比海洋上层10m的平均海温低0.5°C的深度作为混合层底部的深度H (Monterey et al, 1997)。海水温度数据采用的是全球1/12°的高分辨率混合坐标海洋模式同化数据(Hybrid Coordinate Ocean Model and the Navy Coupled Ocean Data Assimilation, HYCOM/NCODA) (Fox et al, 2002; Cummings, 2005; Cummings et al, 2013), 空间分辨率为0.08°×0.08°, 时间分辨率为1d, 带入slab模式就可以模拟台风“康森”进入南海后的近惯性流场, 再把近惯性流速带入公式(10)可以得到近惯性动能(NIKE):
$NIKE=\frac{1}{2}\rho_{0}(u^2+\nu^2)$

2 结果和讨论

2.1 台风模式验证

首先, 沿台风路径选取8个靠近台风中心的点(图1中的黄点), 对比TCWPM台风模型拟合的风场和附近的CFSR风场(图3), 可以看到拟合风场在初始阶段与CFSR风速差距较大(图3a)。这可能由于受到吕宋岛的影响, 当台风进入南海以后, 模拟的台风风场与CFSR的风场多数较为接近(图3b~3h), 拟合的风场可以基本反映台风期间的南海风场。台风“康森”在10m高的风速大小一般不超过30m·s-1, 说明这是相对较弱的台风, 并且不对称结构非常明显, 台风中心两侧的速度大小相差可达10m·s-1。

2.2 Slab模式验证

将验证好的风场结果带入slab模式, 选取距离西沙实测站点附近的点(16°5′N, 112°5′E)分别进行风速和近惯性流对比。结果如图4所示, 对比实测站点的风速(图4a), 模拟风速的大小比实测风速大一些, 总体上变化趋势与实测风速是较为一致的, 再次说明模拟的风场是合理的。将TCWPM模型拟合的风场、观测站点风和混合层深度(图4b)分别带入slab模式, 可以得到两种模拟的混合层平均近惯性流(图4c和4d中蓝色和绿色实线)。台风中心约在7月15日末经过海水中的ADCP上方, 台风到达之前, 模拟的两种近惯性流与附近实测站点滤波得到的近惯性流(图4c和4d中红色实线)变化一致。当台风经过时, 模拟的两种近惯性流比实测近惯性流响应的更早,
图3 沿台风路径的拟合风速与附近的再分析资料CFSR风速的对比

Fig. 3 Comparison of simulated wind speed of TCWPM with the wind speed from CFSR data along typhoon track

图4 拟合风速与观测站点风速对比(a)、观测站点所在的混合层深度(b)以及TCWPM模型拟合风场模拟的近惯性流、观测风场模拟的近惯性流和观测流场滤波得到的近惯性流的东西分量(c)和南北风量(d)的对比

Fig. 4 Comparison of simulated wind speed with the observational wind speed at the meteorological observation station of Xisha Islands (a), the corresponding mixed layer depth at the mooring station (b), comparison of eastward component (c) and northward component of slab-model simulated near-inertial currents from TCWPM, slab-model simulated near-inertial currents using observational wind and the observational near-inertial current (d), respectively

这是由于模拟的近惯性流场是直接由台风驱动的, 而海洋真实的近惯性流场往往具有一定的滞后性, 比如Xu等(2019)、Li等(2019)均发现台风产生的近惯性能量最大值比台风中心晚15h到达, 所以模拟近惯性流的超前响应是模式本身的局限性导致的。台风过后, 3种近惯性流的变化趋于一致, 但是模拟的近惯性流均小于实测近惯性流, 这是由于slab模式是单点局地的模式, 模拟的近惯性流主要是由局地风场激发的, 而实际海洋中的近惯性流还有从其他区域传播而来的近惯性波动叠加, 所以实测近惯性流比模拟的近惯性流大一些。总之, 模式模拟的近惯性流与实测流场的结果在一定程度上还是比较一致。

2.3 台风“康森”输入的近惯性能量分布

台风进入南海后, 海洋混合层平均近惯性动能在7月14日—19日的分布如图5所示。根据图4c和4d, 这里定义U2≥0.02(m·s-1)2 (NIKE≥10.24J·m-3)时为台风作用下的近惯性振荡。可以看到, 台风过后海洋混合层中产生强烈的近惯性振荡, 其主要分布在台风中心后方, 并且产生的强近惯性能量能够持续维持至少4d, 计算还得到台风“康森”激发的平均近惯性动能最高可达到80.8J·m-3, 其最大影响面积超过600km2。另外, 近惯性动能沿着台风路径呈现显著的不对称分布, 台风激发的强近惯性动能几乎都在台风路径右侧, 这是由于台风对海水运动产生了共振作用(Price, 1981; Chen et al, 2015b; Li et al, 2019), 台风“康森”的共振作用尤其显著。当台风到达海南岛后, 因受陆地的限制, 近惯性能量开始沿着环岛堆积。
图5 台风输入的近惯性动能(NIKE)随时间的变化分布(水深小于10m的区域均不纳入计算)

黑色圆圈为台风中心的位置, 加粗黑线表示台风路径, 黑色数字表示时间(月/日 小时:分钟)

Fig. 5 Variation of typhoon-induced near-inertial kinetic energy (NIKE) (regions shallower than 10 m are excluded in the calculation). Black circle denotes the typhoon center, and black line indicates the typhoon trajectory

2.4 台风强度对海洋近惯性能量的影响

为了研究不同强度的台风对于海洋近惯性能量输入的影响, 针对台风的关键系数最大风速半径(R0)设计了一些敏感性实验(表1和图6), 其中case 3是标准实验, 最大风速半径R0随台风中心气压的变化而变化, 变化范围在31~33km之间(图7a)。由图6可以看到, 当台风强度增大(case 2)或减小(case 3)时, 在台风中心后方的海洋混合层中产生了不同强度的近惯性振荡, 且随着时间在水平方向上影响范围不同程度的增大, 即使台风强度不断变大, 台风激发的近惯性振荡也仍然主要发生在路径右侧。根据中国气象局关于实施《热带气旋等级》(中国气象局, 2013)国家标准, 将热带气旋分为不同等级, 当台风最大风速小于32.7m·s-1时, 其强度为热带风暴, 大于41.4m·s-1时, 其强度为强台风。
表1 不同台风强度对于近惯性能量影响的试验设计

Tab. 1 Experiments of typhoon-induced NIKE under different intensities of typhoon

试验 最大风速半径/km 最大风速/(m·s-1) 热带气旋等级 最大平均近惯性动能/(J·m-3)
Case 1 0.50R0 30.3 强热带风暴 29.5
Case 2 0.75R0 30.3 强热带风暴 34.8
Case 3 R0 35.8 台风 80.8
Case 4 1.25R0 42.6 强台风 212.0
Case 5 1.50R0 49.0 强台风 644.2

注: R0为最大风速半径

图6 不同强度的台风产生的近惯性动能(NIKE)分布

黑色圆圈为台风中心的位置, 加粗黑线表示台风路径, 蓝色数字表示时间(月/日 小时:分钟), 黑色数字表示最大风速半径R0的倍数

Fig. 6 Distributions of NIKE under different intensities of typhoon

将各个实验的南海近惯性动能进行时间平均(图7b), 可以看到随着台风的不断增强, 台风输入的近惯性动能不断增多, 到达极值后开始减少, 在case 1~4里面, 近惯性动能在7月17日10:00到达最大值, 而case 5在7月16日20:00到达最大值。当最大风速半径等于0.5R0或者0.75R0时, 最大风速均为30.3m·s-1, 两个热带气旋的强度已降为热带风暴, 其产生的平均近惯性动量不超过35J·m-3。随着最大风速半径的增大, 热带气旋激发的近惯性能量迅速增大, 当最大风速半径为1.5R0时, 最大风速高达49m·s-1, 此时台风已发展为强台风, 其产生的最大平均近惯性动能高达631J·m-3, 对于标准实验的80.8J·m-3, 平均近惯性动能成指数增长。
另一方面, 再计算不同强度下台风产生的近惯性能量的影响面积(图7c), 当台风进入南海后, 影响范围不断增大, 台风着陆(7月16日20:00)后, 影响范围仍然保持或者扩大。当最大风速半径等于0.5R0时, 可能是由于热带风暴风力较弱, 气旋外围气流比较紊乱, 导致产生的近惯性能量的影响范围在南海移动过程中比较分散(图6、图7c), 甚至超过了标准实验最大风速半径等于R0时的影响面积。当最大风速半径为1.5R0时, 影响面积迅速增大到900km2, 并长时间维持900km2以上, 对比标准实验(约为600km2), 其影响面积大概是1.5倍。所以针对不同强度的热带气旋, 影响面积与最大风速半径的变化一致, 但其产生的平均近惯性动能随着台风强度的增大呈指数增长。
图7 不同强度的台风产生的南海平均近惯性动能(NIKE)与影响面积的变化

Fig. 7 Variation of mean NIKE in the South China Sea, and the influence area by typhoon under different intensities of typhoon

3 结论

本文利用TCWPM台风模型和NCEP/CFSR风场数据对台风“康森”进行数值模拟, 并将模拟的台风带入slab模式模拟台风“康森”产生的海洋近惯性流, 模拟结果表明：
1) 通过与实测风场、实测近惯性流场对比验证的台风“康森”和海洋混合层平均的近惯性流表明, 台风“康森”在海面10m的风速大小一般不超过30m·s-1, 不对称结构非常明显, 台风中心两侧的速度大小相差可达10m·s-1。
2) 台风过后海洋混合层中产生强烈的近惯性振荡, 且主要分布在台风中心后方。在共振作用下, 沿着台风路径近惯性动能呈现显著的不对称分布, 近惯性动能高值主要集中在台风路径的右侧, 持续时间超过4d。当台风到达海南岛时, 因受陆地的限制, 近惯性能量开始环岛堆积。
3) 研究不同的台风强度对于海洋近惯性能量输入的影响时发现, 热带风暴产生的近惯性能量很小, 其平均近惯性动量不超过35J·m-3, 随着台风强度的增大, 热带气旋激发的近惯性动能呈指数增长, 而台风对海洋近惯性能量的影响面积与最大风速半径的变化相对比较一致, 比如当最大风速半径从标准实验的R0增大一半(1.5R0)时, 其产生的最大平均近惯性动能从81J·m-3增大到631J·m-3, 影响面积从大约600km2增加到大于900km2。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
张骞, 廖光洪, 蔺飞龙 , 等, 2019. 南海西北部上层海洋对台风 “杜苏芮”的响应分析[J]. 海洋学报, 41(7):22-35 .

ZHANG QIAN, LIAO GUANGHONG, LIN FEILONG, et al, 2019. Analysis of upper ocean response to Typhoon Doksuri in the northwest South China Sea[J]. Haiyang Xuebao, 41(7):22-35 (in Chinese with English abstract).

2
中国气象局, 2013. 热带气旋年鉴-2011[M]. 北京: 气象出版社.

CHINA METEOROLOGICAL ADMINISTRATION, 2013. Yearbook of Tropical Cyclone -2011[M]. Beijing: China Meteorological Press (in Chinese).

3
ALFORD M H , 2001. Internal swell generation: The spatial distribution of energy flux from the wind to mixed layer near-inertial motions[J]. Journal of Physical Oceanography, 31(8):2359-2368.

4
ALFORD M H , 2003. Redistribution of energy available for ocean mixing by long-range propagation of internal waves[J]. Nature, 423(6936):159-162.

5
ALFORD M H, MACKINNON J A, SIMMONS H L , et al, 2016. Near-inertial internal gravity waves in the ocean[J]. Annual Review of Marine Science, 8(1):95-123.

6
BROOKS D A , 1983. The wake of hurricane Allen in the western Gulf of Mexico[J]. Journal of Physical Oceanography, 13(1):117-129.

7
CARR L E III, ELSBERRY R L , 1997. Models of tropical cyclone wind distribution and beta-effect propagation for application to tropical cyclone track forecasting[J]. Monthly Weather Review, 125(12):3190-3209.

8
CHEN GENGXIN, XUE HUIJIE, WANG DONGXIAO , et al, 2013. Observed near-inertial kinetic energy in the northwestern South China Sea[J]. Journal of Geophysical Research: Oceans, 118(10):4965-4977.

9
CHEN SHENGLI, HU JIANYU, POLTON J A , 2015 a. Features of near-inertial motions observed on the northern South China Sea shelf during the passage of two typhoons[J]. Acta Oceanologica Sinica, 34(1):38-43.

10
CHEN SHENGLI, POLTON J A, HU JIANYU , et al, 2015 b. Local inertial oscillations in the surface ocean generated by time-varying winds[J]. Ocean Dynamics, 65(12):1633-1641.

11
CHU P C, VENEZIANO J M, FAN CHENWU , et al, 2000. Response of the South China Sea to tropical cyclone Ernie 1996[J]. Journal of Geophysical Research: Oceans, 105(C6):13991-14009.

12
CUMMINGS J A , 2005. Operational multivariate ocean data assimilation[J]. Quarterly Journal of the Royal Meteorological Society, 131(613):3583-3604.

13
CUMMINGS J A, SMEDSTAD O M , 2013. Variational data assimilation for the global ocean[M] //Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications (Vol. Ⅱ). Berlin, Heidelberg: Springer:303-343.

14
CUYPERS Y, LE VAILLANT X, BOURUET-AUBERTOT P , et al, 2013. Tropical storm-induced near-inertial internal waves during the Cirene experiment: Energy fluxes and impact on vertical mixing[J]. Journal of Geophysical Research: Oceans, 118(1):358-380.

15
D'ASARO E A , 1985. The energy flux from the wind to near-inertial motions in the surface mixed layer[J]. Journal of Physical Oceanography, 15(8):1043-1059.

16
DING WENXIANG, LIANG CHUJIN, LIAO GUANGHONG , et al, 2018. Propagation characteristics of near-inertial waves along the continental shelf in the wake of the 2008 Typhoon Hagupit in the northern South China Sea[J]. Bulletin of Marine Science, 94(4):1293-1311.

17
FOX D N, TEAGUE W J, BARRON C N , et al, 2002. The modular ocean data assimilation system (MODAS)[J]. Journal of Atmospheric and Oceanic Technology, 19(2):240-252.

18
GARRETT C , 2001. What is the “near-inertial” band and why is it different from the rest of the internal wave spectrum?[J]. Journal of Physical Oceanography, 31(4):962-971.

19
GILL A E , 1984. On the behavior of internal waves in the wakes of storms[J]. Journal of Physical Oceanography, 14(7):1129-1151.

20
GUAN SHOUDE, ZHAO WEI, HUTHNANCE J , et al, 2014. Observed upper ocean response to typhoon Megi (2010) in the Northern South China Sea[J]. Journal of Geophysical Research: Oceans, 119(5):3134-3157.

21
HEBERT D, MOUM J N , 1994. Decay of a near-inertial wave[J]. Journal of Physical Oceanography, 24(11):2334-2351.

22
HISAKI Y, NARUKE T , 2003. Horizontal variability of near-inertial oscillations associated with the passage of a typhoon[J]. Journal of Geophysical Research: Oceans, 108(C12):3382.

23
KRAYER W R, MARSHALL R D , 1992. Gust factors applied to hurricane winds[J]. Bulletin of the American Meteorological Society, 73(5):613-618.

24
KUNDU P K, THOMSON R E , 1985. Inertial oscillations due to a moving front[J]. Journal of Physical Oceanography, 15(8):1076-1084.

25
KWON Y O, RISER S C , 2003. The ocean response to the hurricane and tropical storm in North Atlantic during 1997-1999[R]. School of Oceanography, University of Washington, USA.

26
LI JUAN, XU JIEXIN, LIU JUNLIANG , et al, 2019. Correlation of near-Inertial wind stress in typhoon and typhoon-induced oceanic near-inertial kinetic energy in the upper South China Sea[J]. Atmosphere, 10(7):388.

27
LIU JUNLIANG, HE YINGHUI, LI JUAN , et al, 2018. Cases study of nonlinear interaction between near-inertial waves induced by typhoon and diurnal tides near the Xisha Islands[J]. Journal of Geophysical Research: Oceans, 123(4):2768-2784.

28
MONTEREY G, LEVITUS S , 1997. Seasonal variability of mixed layer depth for the world ocean[Z]. NOAA Atlas NESDIS 14; National Oceanic and Atmospheric Administration: Silver Spring, MD, USA, 100p.

29
OEY L Y, EZER T, WANG D P , et al, 2006. Loop current warming by Hurricane Wilma[J]. Geophysical Research Letters, 33(8):L08613.

30
OEY L Y, INOUE M, LAI R , et al, 2008. Stalling of near-inertial waves in a cyclone[J]. Geophysical Research Letters, 35(12):L12604.

31
POLLARD R T, MILLARD R C JR , 1970. Comparison between observed and simulated wind-generated inertial oscillations[J]. Deep Sea Research and Oceanographic Abstracts, 17(4):813-821.

32
POWELL M D, BLACK P G , 1990. The relationship of hurricane reconnaissance flight-level wind measurements to winds measured by NOAA’s oceanic platforms[J]. Journal of Wind Engineering and Industrial Aerodynamics, 36:381-392.

33
PRICE J F , 1981. Upper ocean response to a hurricane[J]. Journal of Physical Oceanography, 11(2):153-175.

34
PRICE J F, SANFORD T B, FORRISTALL G Z , 1994. Forced stage response to a moving hurricane[J]. Journal of Physical Oceanography, 24(2):233-260.

35
QI HONGBO, DE SZOEKE R A, PAULSON C A , et al, 1995. The structure of near-inertial waves during ocean storms[J]. Journal of Physical Oceanography, 25(11):2853-2871.

36
SAHA S, MOORTHI S, PAN HUALU , et al, 2010. The NCEP climate forecast system reanalysis[J]. Bulletin of the American Meteorological Society, 91(8):1015-1058.

37
SHAY L K, ELSBERRY R L , 1987. Near-inertial ocean current response to hurricane Frederic[J]. Journal of Physical Oceanography, 17(8):1249-1269.

38
SMITH P C , 1989. Inertial oscillations near the coast of Nova Scotia during CASP[J]. Atmosphere-Ocean, 27(1):181-209.

39
SUN LU, ZHENG QUANAN, WANG DONGXIAO , et al, 2011. A case study of near-inertial oscillation in the South China Sea using mooring observations and satellite altimeter data[J]. Journal of Oceanography, 67(6):677-687.

40
SUN ZHENYU, HU JIANYU, ZHENG QUANAN , et al, 2015. Comparison of typhoon-induced near-inertial oscillations in shear flow in the northern South China Sea[J]. Acta Oceanologica Sinica, 34(11):38-45.

41
VICKERY P J, WADHERA D , 2008. Statistical models of Holland pressure profile parameter and radius to maximum winds of hurricanes from flight-level pressure and H* Wind data[J]. Journal of Applied Meteorology and Climatology, 47(10):2497-2517.

42
XU JIEXIN, HUANG YANDAN, CHEN ZHIWU , et al, 2019. Horizontal variations of typhoon-forced near-inertial oscillations in the south China sea simulated by a numerical model[J]. Continental Shelf Research, 180:24-34.

43
XU ZHENHUA, YIN BAOSHU, HOU YIJUN , et al, 2013. Variability of internal tides and near-inertial waves on the continental slope of the northwestern South China Sea[J]. Journal of Geophysical Research: Oceans, 118(1):197-211.

44
ZERVAKIS V, LEVINE M D , 1995. Near-inertial energy propagation from the mixed layer: Theoretical considerations[J]. Journal of Physical Oceanography, 25(11):2872-2889.

45
ZHAI XIAOMING, GREATBATCH R J, SHENG JINYU , 2004. Advective spreading of storm-induced inertial oscillations in a model of the northwest Atlantic Ocean[J]. Geophysical Research Letters, 31(14):L14315.

46
ZHANG HAN, CHEN DAKE, ZHOU LEI , et al, 2016. Upper ocean response to typhoon Kalmaegi (2014)[J]. Journal of Geophysical Research: Oceans, 121(8):6520-6535.

Options
文章导航

/

〈 〉