海洋水文学

洋山港海域一次冷锋型温带风暴潮特征及各影响因子贡献的对比分析

  • 徐杰 , 1 ,
  • 过霁冰 , 2 ,
  • 陈智强 1 ,
  • 朱智慧 1 ,
  • 王琴 1 ,
  • 唐燕玲 3, 4
展开
  • 1.上海海洋中心气象台, 上海 201306
  • 2.上海市奉贤区气象局, 上海 201416
  • 3.宁波市气象灾害应急预警中心, 浙江 宁波 315012
  • 4.宁波市气象服务中心, 浙江 宁波 315012
过霁冰。email:

徐杰(1985—), 男, 籍贯内蒙古, 硕士, 主要从事海洋气象预报研究。email:

Copy editor: 姚衍桃

收稿日期: 2021-11-05

  修回日期: 2021-12-28

  网络出版日期: 2022-01-04

基金资助

国家重点研发计划项目(2019YFC1510105)

上海市气象局科技开发项目(MS202011)

Comparative study on the contribution of various influential factors and characteristics analysis of an extra-tropical storm surge caused by cold front in the Yangshan Port and its adjacent area

  • XU Jie , 1 ,
  • GUO Jibing , 2 ,
  • CHEN Zhiqiang 1 ,
  • ZHU Zhihui 1 ,
  • WANG Qin 1 ,
  • TANG Yanling 3, 4
Expand
  • 1. Shanghai Marine Meteorological Center, Shanghai 201306, China
  • 2. Shanghai Fengxian Meteorological Bureau, Shanghai 201416, China
  • 3. Ningbo Meteorological Disaster Warning Center, Ningbo 315012, China
  • 4. Ningbo Meteorological Service Center, Ningbo 315012, China
GUO Jibing. email:

Copy editor: YAO Yantao

Received date: 2021-11-05

  Revised date: 2021-12-28

  Online published: 2022-01-04

Supported by

National Key Research and Development Program of China(2019YFC1510105)

Science and Technology Development Foundation of Shanghai Meteorological Bureau(MS202011)

摘要

本文研究了由2020年12月29日至31日强冷锋引起的影响洋山港海域的温带风暴潮过程。通过气象观测数据分析了其天气过程, 并利用FVCOM-SWAVE波浪-风暴潮耦合模式对该过程进行了高分辨率的数值模拟, 同时结合潮位站及浮标站观测数据对模拟结果进行了验证, 分析模拟了波浪、潮流、风暴增减水特征。结果发现, 该次冷锋型温带风暴潮过程主要表现为先短时风暴增水后出现长时间风暴减水的特征, 最大风暴减水可达65~70cm, 其主要诱因包括研究海域气压的快速升高并维持、长时间持续的偏北大风及波流相互作用。相关敏感试验研究了3种因子对风暴增减水位的贡献大小, 发现风暴增水峰值期间风场贡献占比约为90%, 海平面气压场约为5%; 风暴减水峰值期间, 海平面气压场的贡献度约占55%, 风场约占40%, 而波浪的贡献均不足10%。洋山港航道内风暴期间潮流流速最大可达到2.6~2.8m•s-1, 落潮时为东南向离岸潮流, 涨潮时为西至西北方向的外海潮波传入潮流; 洋山港航道潮流始终是东南或西北向, 此处流速辐合, 是洋山海域流速最高的区域。

本文引用格式

徐杰 , 过霁冰 , 陈智强 , 朱智慧 , 王琴 , 唐燕玲 . 洋山港海域一次冷锋型温带风暴潮特征及各影响因子贡献的对比分析[J]. 热带海洋学报, 2022 , 41(4) : 126 -135 . DOI: 10.11978/2021152

Abstract

In this paper, an extra-tropical storm surge in the Yangshan Port (YSP) and its coastal area caused by a strong cold front on 29th December, 2020 was investigated. Meteorological observation data was analyzed to study the development of the weather system. FVCOM-SWAVE model characterized by a high-resolution unstructured-grid with 10 m was used to simulate the storm surge. The observed tide data, wave data and current data were introduced to verify the result of simulation, and the result was proved to be accurate and credible. Maximum storm surge, maximum negative storm surge, current, total water level and wave were studied to describe the character of the extra-tropical storm surge of YSP and its coastal area. Finally, sensitive experiments were carried out to compare the contributions of mean sea level pressure (SLP), wind and wave to the maximum storm surge. The main conclusions can be summarized as follows: 1) affected by the topography of the channel, the main component of the tidal current was southeast or northwest, which was approximately parallel to the shoreline, the current velocity in the deep water channel of YSP was the highest with a value between 2.6~2.8 m·s-1; 2) due to the influence of long term northerly gale and high SLP, the storm surge behave as a characteristics of short-term positive storm surge and long-term negative storm surge; 3) during the peak period of storm surge, the contribution of wind field to storm surge was ~ 90%, and the contribution of sea-level pressure field was approximately 5%; while during the peak period of negative storm surge, the contribution of sea-level pressure field was about 55%, the contribution of wind field was ~ 40%, In addition, the contribution of wave to both was less than 10%.

风暴潮是一种海平面异常升高或异常下降的现象, 这种现象往往由强烈的大气扰动, 主要包括持续的强风和气压的骤变引起。据《2019年中国海洋灾害公报》统计, 由风暴潮对我国沿海经济造成的直接经济损失高达116.38亿元, 而海浪也可造成约0.34亿元的直接经济损失, 风暴潮灾害致损部分占总直接经济损失的比例高达99%。风暴潮可以划分为温带风暴潮和台风风暴潮。温带风暴潮相较于台风风暴潮而言, 主要影响中高纬地区, 其影响强度要稍弱, 引起的增水普遍小于台风引起的增水, 并且还可以引起减水, 但平均影响时间更长(付元冲, 2016), 影响频率也更高。据统计, 长江口地区受到的台风风暴潮袭击次数为年均2.3次(丁平兴 等, 2013), 而受到寒潮的影响却有3.15次(徐秀芳 等, 2009)。王喜年(2005)依据不同的天气系统将温带风暴潮划分为3类: 孤立温带气旋类、冷锋类及冷锋配合低压类。国内外很多学者利用多种方法研究风暴潮, 其中FVCOM(Finite Volume Coastal Ocean Model)(宋德海 等, 2009, 2012; 吴修广 等, 2011)数值模式被越来越广泛地应用于这一研究领域。Roberts等(2015)使用位于纽约至新泽西海岸3个站点的两种不同的大气再分析数据集和水位观测数据, 开发了一种多线性回归MLR(Multilinear Regression)方法来预测1979年至2012年期间冷季的风暴潮。Zhang等(2017)利用WRF(Weather Research and Forecasting Model)和FVCOM研究了风暴潮预报对WRF初始场及边界条件物理参数化和配置的敏感性, 发现湍流闭合方案影响了风暴强度的预测, 这些灵敏度分析强调了使用综合建模方法来改善风暴潮预报的必要性。朱婧等(2020)利用FVCOM模拟了1614号台风“莫兰蒂”引起的厦门海域的风暴潮灾害, 发现增水高值往往出现在风生流与岸线走向近似垂直的区域, 而最大减水区与离岸风密切相关。唐燕玲等(2019)利用FVCOM研究了洋山海域三维潮流和余流的特征。黄静(2012)利用二维水动力模型模拟和灾害系统理论分析相结合的方法, 研究了洋山深水港遭受极端台风影响下的风暴潮灾害危险性特征, 对洋山港进行了危险程度区域划分, 并分析了多种极端台风影响下洋山港淹没面积和淹没深度的变化特征, 指出台风风暴潮引起的水位升高对洋山北部岛链及围海填筑区的影响更大。目前, 关于洋山港海域温带风暴潮的研究相对较少, 由于FVCOM-SWAVE(Finite Volume Coastal Ocean Model - Surface Wave Module)模式采用了非结构化三角网格的设计, 所以其在模拟复杂海岸线和显著水深变化区域的流场及波浪特征方面具有明显的优势(Chen et al, 2011)。考虑到洋山港周边的复杂海岸线及水深分布情况, 本文选择利用高分辨率的FVCOM-SWAVE波浪-风暴潮耦合模型, 分析2020年底影响洋山港海域的一次冷锋类温带风暴潮。

1 资料

本研究利用多种海气相关资料分析该次冷锋型风暴潮过程, 具体如下:
1) 由中国气象局提供的高空和地面气象观测资料。
2) 由上海海洋中心气象台提供的验潮站、灯船及浮标站海上观测资料(潮位、流速流向及波浪)。
3) 由上海数值预报创新中心提供的华东区域数值模式系统(Shanghai Weather and Risk Model System 2.1, 简称SWARMS2.1)的10m风场和海平面气压场资料。
4) 电子海图水深数据和谷歌地球的海岸线数据。
5) 由Oregon State University提供的基于TOPEX/POSEIDON资料的潮位模型(简称TPXO模型)模拟的8个分潮潮位。
6) 长江径流量数据来自水利部长江水利委员会水文下游局南京分局的大通水文站, 钱塘江径流量数据来自富春江杭州段富阳区水文站。

2 海平面气压场及风场分析

图1中海平面气压场分析显示, 西伯利亚关键区冷高压中心强度最强时达到1080hPa以上, 2020年12月29日0300UTC(Universal Time Coordinated, 国际协调时间)冷锋已南压至江苏南部; 1800UTC, 上海沿海气压梯度强, 等压线密集, 走向基本为南北向, 此时冷锋已经南压至南海, 冷空气主体的南压移动速度较快。图2洋山气象观测站逐小时实况显示, 2020年12月29日至31日上海沿海受强冷锋影响, 出现大风寒潮天气, 洋山站气压出现了短时内骤升过程, 由29日0600UTC的1008hPa上升至30日0000UTC的1030hPa。其中, 洋山港最大阵风可达11级(风速28.8m•s-1), 大风持续时间长, 7级以上大风由29日1600UTC持续至31日0900UTC, 共计41h; 8级以上大风由29日1700UTC持续至31日0300UTC, 共计34h。图3为上海沿岸海域海面各气象观测站实测的小时最大阵风, 显示本次过程上海沿海多数站点最大阵风可达10~12级。
图1 海平面气压场分析

a. 2020年12月29日0300UTC; b. 2020年12月29日1800UTC。蓝色等值线为等压线地面分析场(单位: hPa), 蓝色三角线段表示冷锋, 绿色数字表示降水量(单位: mm), 黑色符号代表天气现象; D代表低压, G代表高压。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665的标准地图制作

Fig. 1 Weather maps at 0300UTC (a) and 1800UTC (b) on 29th December 2020 at sea level pressure

图2 洋山站气象观测站点实况时序图

横轴上的风向杆指向代表风的来向, 其长线代表风速4m•s-1, 短线代表2m•s-1, 三角旗代表20m•s-1

Fig. 2 Time series of sea level pressure (solid, hPa), hourly wind gust (dash, m•s-1) and wind barb (long line represents the wind speed 4 m•s-1, short line represents 2 m•s-1, the flag represents 20 m•s-1) from the Yangshan observatory

图3 2020年12月29日1100UTC上海沿海10级及以上最大阵风分布图

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665的标准地图制作

Fig. 3 Wind gust greater than 24.5m·s-1 from observational stations along the coast at 1100UTC on 29th December 2020

3 风暴潮数值模拟及分析

3.1 模型设计

FVCOM-SWAVE是2000年由陈长胜教授及其研究小组(陈长胜, 2003; Chen et al, 2011)开发的一种采用无结构化三角形网格的有限体积三维波浪-风暴潮耦合模型。无结构化三角形网格在拟合复杂海岸线时具有一定优势, 适合应用于洋山岛至舟山群岛一带复杂岛屿海岸线分布情况的数值模拟。图4a为研究区域的网格设计, 图4b为对应的来源于电子海图的水深分布; 图4c为采用高分辨率设计生成的洋山港海域网格, 该网格是结合谷歌地球解码后得到的海岸线数据构建的无结构化三角网格, 其深水航道处的最高分辨率可达10m; 图4d为重点研究区域洋山港海域的水深分布。利用Oregon State University提供的TPXO模型模拟输出了开边界的8个分潮潮位; 根据水利部长江水利委员会水文下游局南京分局的大通水文站和富春江杭州段富阳区水文站的径流量数据, 计算得到长江与钱塘江河流径流输入数据; 利用上海市气象局数值预报创新中心SWARMS2.1数据集中的10m风场与海平面气压场数据作为气象强迫场。本次研究中模式的主要相关设置见表1
图4 模拟区的网格、水深和观测站点分布图

a. 模拟区域网格分布; b. 模拟区域的水深分布; c. 洋山港海域网格分布; d. 洋山港海域水深分布。图中E为南港验潮站, F为东海大桥北浮标站, G为长江口灯船、H为海礁浮标位置, K为洋山气象观测站位置, B为航道研究点位置。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665的标准地图制作

Fig. 4 Designed mesh and water depth for model domain (a, b), and real grid and water depth at the Yangshan port (c, d)

表1 模型关键设置

Tab. 1 Model parameter settings

模型参数 参数配置
网格范围 120°—123°18′E, 29°12′— 32°12′N
分辨率 最大网格9km, 最小网格10m
节点/单元 节点148375个, 三角形单元286204个
垂向分层 10层
积分时间 2020年12月24日0000UTC—2021年1月2日0000UTC
FVCOM时间步长 内模2s, 外模0.2s, 时间分裂模比10
SWAVE时间步长 2s
谱方向分辨率 10°
边界海浪谱型 JONSWAP
边界径流 大通、富春江水文站径流量
边界水位 TPXO模型模拟输出的M2、S2、K1、O1、N2、P1、Q1、K2
初始条件 冷启动(温度10℃; 盐度30‰)
风场 WARMS2.1数据集10m风场的U、V分量(水平分辨率9km)
气压场 WARMS2.1海平面气压数据

3.2 敏感试验设计

为了分别考虑波浪、风场、海平面气压场在本次冷锋型温带风暴潮中定量的作用大小, 需要设计表2中所列出的5类试验(CASE0、CASE1、CASE2、CASE3和Control)。其中, 控制实验(Control)的设定条件为输入场引入天文潮潮位、海平面气压、风场及波浪的全要素耦合控制试验,CASE3的设定条件为输入场引入天文潮潮位、海平面气压及风场的敏感试验, CASE2的设定条件为输入场引入天文潮潮位和风场的敏感试验, CASE1的设定条件为输入场引入天文潮潮位和海平面气压场的敏感试验, CASE0的设定条件为输入场仅引入天文潮潮位的敏感试验。
表2 敏感试验设计方案

Tab. 2 Design details of sensitive experiments

要素 CASE0 CASE1 CASE2 CASE3 Control
潮位
海平面气压场
风场
波浪

注: “√”表示试验所需的输入场

由此可知, 方案CASE1与CASE0的模拟水位之差即为海平面气压场引起的增减水, CASE2与CASE0的模拟水位之差即为风场引起的增减水, 而Control与CASE3的模拟水位之差即为波浪引起的增减水。分别将风场、海平面气压场及波浪各自引起的增减水ΔWwind、ΔWslp、ΔWwave与控制实验(Control)模拟生成的总增减水ΔWtotal相比后即可得到各要素对总增减水的贡献大小, 详见式(1)~(6)。
$\text{RO}{{\text{C}}_{\text{wind}}}=\frac{\Delta {{W}_{\text{wind}}}}{\Delta {{W}_{\text{total}}}}\times 100 \%$
$\text{RO}{{\text{C}}_{\text{sip}}}=\frac{\Delta {{W}_{\text{sip}}}}{\Delta {{W}_{\text{total}}}}\times 100 \%$
$\text{RO}{{\text{C}}_{\text{wave}}}=\frac{\Delta {{W}_{\text{wave}}}}{\Delta {{W}_{\text{total}}}}\times 100 \%$
${{W}_{\text{wind}}}={{W}_{\text{CASE2}}}-{{W}_{\text{CASE0}}}$
${{W}_{\text{slp}}}={{W}_{\text{CASE1}}}-{{W}_{\text{CASE0}}}$
${{W}_{\text{wave}}}={{W}_{\text{Control}}}-{{W}_{\text{CASE3}}}$
以上各式中: ROCwind、ROCslp和ROCwave分别表示风场、海平面气压场、波浪的贡献度; WCASE0WCASE1WCASE2WCASE3、和WControl分别表示试验方案CASE0、CASE1、CASE2、CASE3、Control的模拟水位。

3.3 模型准确性验证

上海海洋中心气象台提供了南港验潮站、长江口灯船、东海大桥北浮标及海礁浮标站的观测水位、流向流速及波浪数据, 可以用来验证模拟效果, 相关站点的分布及位置见图4b。其中, 东海大桥北浮标由于距离岸线较近, 主要以往复流为主, 因此对流速进行处理时, 以垂直于往复流向为正、负分界, 重新规定其正负。最后利用Skill评分(Willmott, 1981; 唐燕玲 等, 2019)来验证模拟结果的准确性, Skill值越接近于1, 表明模拟准确度越高。
$\text{Skill}=1-\frac{\sum\nolimits_{i=1}^{N}{{{\left| {{V}_{\text{model}}}-{{V}_{\text{obs}}} \right|}^{2}}}}{\sum\nolimits_{i=1}^{N}{{{\left( \left| {{V}_{\text{model}}}-\overline{{{V}_{\text{obs}}}} \right|+\left| {{V}_{\text{obs}}}-\overline{{{V}_{\text{obs}}}} \right| \right)}^{2}}}}$
式中: Vmodel为模式结果; Vobs为观测数据; $\overline{{{V}_{\text{obs}}}}$为观测数据的时间平均; N为观测数据样本个数。
图5为实际观测值与模拟值对比的时间序列。由图可知, 南港验潮站的模拟水位时序基本与实况水位相吻合(图5a); 东海大桥北浮标的实况流向与此处的模拟值吻合度较高, 且能反映出此处往复流的特征, 即流向主要分布在120°左右和270°左右, 呈现东南—西北向的特征(图5b); 东海大桥北浮标的流速实测值与模拟值整体较为接近(图5c)。 FVCOM-SWAVE还可以较好地模拟有效波高的变化趋势, 根据海礁浮标和长江口灯船的有效波高验证对比, 可以发现海礁浮标实测的有效波高最大值可达5.0m(图5d), 要高于长江口灯船的3.4m (图5e)。此外, 通过对比实测值与模拟值可以发现, 海礁浮标和长江口灯船数值模拟获得的有效波高数据, 均可以较准确地体现有效波高的峰谷值、有效波高的快速增长过程以及缓慢减弱过程。通过式(7)方法的计算, 获得了上述各项要素的Skill评分值, 结果显示各项要素的Skill评分均可达到0.9~ 0.98(表3)。表4列出了观测值与模拟值之间的平均绝对误差和均方根误差计算结果。由表中数据可知, 有效波高的平均绝对误差在0.21m以下, 均方根误差均在0.25m以下; 水位的平均绝对误差为0.28m, 均方根误差为0.34m; 流向的平均绝对误差为12.57°, 均方根误差为17.18°; 流速的平均绝对误差为0.24m•s-1, 均方根误差为0.30m•s-1。因此, 本次模拟结果是准确可信的, 并且该模拟结果可以用于本次风暴潮过程的分析研究。
图5 观测资料(点)与模式模拟值(线)对比的时间序列

a. 南港潮位; b. 东海大桥北浮标流向; c. 东海大桥北浮标流速; d. 海礁浮标有效波高; e. 长江口灯船有效波高

Fig. 5 Time series of model results and observational data of the Nangang tide (a), current direction (b), current speed from the Donghai Bridge buoy (c), significant wave height from the Haijiao buoy (d) and Yangtze River Estuary observational boat (e)

表3 模拟结果的Skill检验

Tab. 3 Error analysis of Skill test

站点
(要素)
长江口灯船
(有效波高)
海礁浮标
(有效波高)
南港验潮站
(水位)
东海大桥北浮标
(流向)
东海大桥北浮标
(流速)
Skill值 0.97 0.98 0.95 0.92 0.90
表4 模拟结果的平均绝对误差和均方根误差

Tab. 4 Mean absolute deviation and root mean square error

站点
(要素)
长江口灯船
(有效波高)
海礁浮标
(有效波高)
南港验潮站
(水位)
东海大桥北浮标
(流向)
东海大桥北浮标
(流速)
平均绝对误差 0.19m 0.21m 0.28m 12.57° 0.24m•s-1
均方根误差 0.23m 0.25m 0.34m 17.18° 0.30m•s-1

3.4 风暴增减水特征及其主要影响因子的定量分析

Weaver(2004)利用波浪-风暴潮耦合模式研究分析了Georges飓风形成的风暴潮过程, 发现使用风场和波浪场共同驱动的波浪-风暴潮耦合模型计算模拟出的风暴增减水位, 要略小于单独使用风场驱动与单独使用波浪场驱动得到的风暴增减水位的线性叠加。由于本研究同样采用了波浪-风暴潮耦合模型, 并利用线性相减的方法, 因此风场、气压场及波浪各要素占比求和后再减去100%, 会产生微小的残余。所产生的残余值大小的分布情况为: 残余值在-3%~3%之间的占比为60.2%, 在-5.5%~-3%之间的占比为19.5%, 在3%~5%之间的占比为20.3%。因此, 残余值整体偏小, 表明该方法及结果可信。
分析本次冷锋型温带风暴潮过程中风场、海平面气压场及波浪导致的洋山港海域风暴增减水特征, 并利用式(1)~(6)所列的方法计算相关变量, 可定量讨论上述各要素对总风暴增减水的贡献率大小。根据图6a显示的各类数值试验对洋山港航道处B点水位随时间变化的模拟情况, 29日0700UTC起洋山港开始受到冷锋影响, 各类模拟结果同时开始呈现明显差异性。差异性主要体现在水位最大值或最小值的差异, 其中CASE0表示仅考虑天文潮时的水位特征, 而CASE0的水位在30日0600UTC之后始终是最高的, 说明该时刻以后CASE1~CASE3及控制试验(Control)均出现了一定程度的风暴减水。
图6 洋山港模拟水位时序图(a)和风场、波浪、气压引起的增减水(b)及占比(c)

图c中灰色阴影区代表风暴增水期, 白色区为风暴减水期

Fig. 6 Time series of model water levels(a), storm surge(b) and contribution rate(c) of wave, wind and SLP at deep water channel of YSP

根据图6b中控制试验模拟生成的总增减水ΔWtotal显示, 本次冷锋型温带风暴潮过程增减水位变化的特征为先增水后减水。其中, 29日0700UTC至2200UTC为风暴增水时间段, 增水峰值为0.48m,出现在29日1300UTC, 与高潮时刻叠加; 29日2300UTC之后为持续风暴减水时间段, 减水峰值为-0.65m, 出现在30日1200UTC, 与低潮时刻叠加。通过比较各要素造成的水位变化值, 可以发现由波浪造成的水位增减幅度最小, 在-0.1~0.1m之间。
图6c分别展示了风暴增水及减水期间各因子的贡献占比。由图可知, 波浪在增水峰值期间的贡献占比约为-10%, 在减水峰值期间的贡献占比也约为-10%, 负的贡献值说明其在总风暴增水期间造成减水, 在风暴减水期间形成增水。由风场造成的风暴增水时间段为29日0700UTC至30日0400UTC, 增水峰值期间的贡献占比约为90%; 30日0400UTC之后为风场造成的持续的风暴减水时间段, 其在减水峰值期间的贡献占比约为40%。由海平面气压场造成的风暴增水时间段为29日0700UTC至1400UTC, 增水峰值期间的贡献占比约为5%; 29日1400UTC恰好对应于海平面气压由降低转换为升高的时间节点, 而1500UTC之后则为海平面气压场造成的持续的风暴减水时间段, 其在减水峰值期间的贡献占比约为55%。
综合来看, 本次洋山港海域冷锋型风暴潮过程中, 风场对风暴增水的贡献最大, 增水峰值期间的贡献占比约为90%; 海平面气压场只占约5%, 之后迅速减小, 并逐渐由正作用转为负作用。然而, 海平面气压场对风暴减水的贡献却最大, 其在减水峰值期间的贡献占比为55%, 时间上先于风场约6h引起的减水, 并且一直持续造成减水。减水峰值期间风场的贡献占比约为40%, 其贡献的持续时间要短于气压场。整个风暴过程中, 波浪对增水和减水的贡献占比均为最小, 介于-10%~10%之间。

3.5 风暴潮期间洋山港海域的潮流与有效波高特征

为研究洋山港及其附近海域的潮流场特征, 分别选取30日0120UTC(涨急)、0320UTC(涨憩)、0900UTC(落急)及1000UTC(落憩)时刻的流场分布(图7)进行对比, 发现涨急与落急时, 洋山港航道内潮流流速可达到2.6~2.8m•s-1, 落潮时为东南向离岸潮流, 涨潮时为西至西北方向的外海潮波传入潮流。洋山港航道处的流向因受到地形海岸线的影响, 始终是东南向或西北向, 此外由于受到喇叭口地形影响, 该处流速辐合, 是洋山港海域流速最高的区域。
图7 洋山港及其附近海域2020年12月30日0120UTC(a)、0320UTC(b)、0900UTC(c)、1000UTC(d)的流场分布(箭头)及流速大小(填色)

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665的标准地图制作

Fig. 7 Current field of the Yangshan port and its adjacent area at (a)0120, (b)0320, (c)0900, (d)1000UTC on 30th December 2020, shaded part represents current speed

根据洋山港及其附近海域波浪场特征的分析, 洋山港航道内最大的有效波高可达1.8m(图8), 但洋山港海域航道内的有效波高要小于洋山港周边海域的有效波高(图9), 其中洋山港海域东南侧由于临近开阔海域而有效波高较大, 数值可超过2m。
图8 洋山港航道内B点的有效波高时序图

Fig. 8 Time series of wave in the Yangshan Port Deep Water Channel

图9 29日1200UTC洋山港海域有效波高分布

该图底图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665号的标准地图制作

Fig. 9 Wave field of the Yangshan port and its adjacent area at 1200UTC on 29th December 2020

4 结论与讨论

本研究融合了多种气象、地理、海洋等相关数据, 设计了洋山港海域的非结构化的高分辨率FVCOM-SWAVE波浪-风暴潮耦合模型, 并结合潮位、波浪及流场观测实况数据, 验证了该模型对2020年12月29日冷锋型风暴潮的模拟结果是准确可信的。此外, 本文研究结果表明, 该次风暴潮过程先出现了短时的风暴增水后出现了长时间的持续性风暴减水。根据各要素的敏感试验和全要素控制试验, 以及风场、海平面气压场和波浪各自对风暴增减水的贡献度分析, 发现风场对风暴增水的贡献值最大, 在增水峰值期间的贡献占比约为90%, 而海平面气压场约只占5%, 且之后迅速减小, 并逐渐由正作用转为负作用; 但海平面气压场对风暴减水的贡献度却最大, 其在减水峰值期间的贡献约占55%, 先于风场约6h引起的减水, 并且一直持续造成减水; 减水峰值期间风场的贡献占比约为40%, 其贡献的持续时间要短于气压场; 波浪对增水和减水的贡献均为最小, 在-10%~10%之间变化。根据洋山港及其附近海域的潮流场特征, 发现涨急与落急时洋山港航道内风暴期间的潮流流速可达到2.6~2.8m•s-1, 落潮时为东南向离岸潮流, 涨潮时为西到西北方向的外海潮波传入潮流; 洋山港航道处的流向因受到海岸线形态的影响, 始终为东南向或西北向, 喇叭口状的地形使该处流速辐合而成为洋山港海域流速最高的区域。洋山港及其附近海域的波浪场特征分析结果表明, 洋山港航道内最大的有效波高可达1.8m, 洋山港海域航道内的有效波高要小于洋山港周边海域。
林小刚等(2020)利用FVCOM-SWAVE波浪-风暴潮耦合模型对两次影响汕尾港的风暴潮进行了模拟, 结果发现汕尾港波浪作用引起的风暴增水在时间上要先于风场及气压场引起的风暴增水, 时间提前量可以达到5h左右。而本文对洋山港海域冷锋型风暴潮的分析表明, 波浪引起的增水出现时间与风场及气压场引起的增水出现时间没有显著差异。张光宇(2017)利用FVCOM与SWAN模拟分析了一次影响渤海海域的冷锋型风暴潮过程, 研究结果表明, 随着冷锋靠近并逐渐影响研究区后, 气压导致的增水效果十分有限并逐渐减弱。这与本文洋山港海域冷锋型风暴潮中气压场引起的风暴增水占比约为5%的结果是一致的, 此外本文还重点分析了气压场在风暴减水过程中的重要作用。郑立松(2010)的研究指出, 在波浪-风暴潮耦合相互作用过程中, 波浪主要以辐射应力的形式影响风暴潮的水位变化, 其研究结果表明杭州湾内波浪引起的风暴增水或减水幅度占比都可达10%左右。罗志发等(2021)模拟了1822号台风“山竹”的风暴潮过程对珠江口的影响, 发现波浪引起的最大增水约占风暴潮总增水的6.5%。本文研究结果表明, 在洋山港海域冷锋型风暴潮过程中, 波浪在风暴增水过程中的作用占比也不超过10%, 因此与郑立松(2010)和罗志发等(2021)研究的主要结论基本一致。
[1]
陈长胜, 2003. 海洋生态系统动力学与模型[M]. 北京: 高等教育出版社: 1-10.

CHEN CHANGSHENG, 2003. Maring ecosystem dynamics and modeling[M]. Beijing: Higher Education Press: 1-10. (in Chinese)

[2]
丁平兴, 葛建忠, 2013. 长江口横沙浅滩及邻近海域灾害性天气分析[J]. 华东师范大学学报(自然科学版), (4): 72-78.

DING PINGXING, GE JIANZHONG, 2013. Analysis of disastrous weather in the Hengsha Shoal and adjacent waters of the Yangtze Estuary[J]. Journal of East China Normal University (Natural Science), (4): 72-78. (in Chinese with English abstract)

[3]
付元冲, 2016. 长江口沿海地区温带风暴潮预报模式的建立及应用[D]. 上海: 华东师范大学: 2-20.

FU YUANCHONG, 2016. Development and application of a forecasting model for extratropical storm surges around the Changjiang estuary[D]. Shanghai: East China Normal University: 2-20. (in Chinese with English abstract)

[4]
黄静, 2012. 沿海重要港口风暴潮灾害危险性研究——以上海洋山深水港为例[D]. 上海: 华东师范大学: 30-60.

HUANG JING, 2012. The storm surge hazard analysis of seaports in China - take Shanghai Yang Shan deep-water port as a case[D]. Shanghai: East China Normal University: 30-60. (in Chinese with English abstract)

[5]
林小刚, 罗荣真, 张娟, 等, 2020. 浪流耦合对汕尾港台风风暴潮模拟的影响[J]. 海洋预报, 37(4): 30-37.

LIN XIAOGANG, LUO RONGZHEN, ZHANG JUAN, et al, 2020. Effects of wave-current interaction on storm surge simulation in Shanwei Port[J]. Marine Forecasts, 37(4): 30-37. (in Chinese with English abstract)

[6]
罗志发, 黄本胜, 谭超, 等, 2021. 珠江河口波浪-风暴潮耦合数值模拟[J]. 广东水利水电, (7): 1-6, 17.

LUO ZHIFA, HUANG BENSHENG, TAN CHAO, et al, 2021. Coupled numerical simulation on wave and storm surge around peral river estuary[J]. Guangdong Water Resources and Hydropower, (7): 1-6, 17. (in Chinese with English abstract)

[7]
宋德海, 鲍献文, 朱学明, 2009. 基于FVCOM的钦州湾三维潮流数值模拟[J]. 热带海洋学报, 28(2): 7-14.

SONG DEHAI, BAO XIANWEN, ZHU XUEMING, 2009. Three-dimensional numerical simulation of tidal current in Qinzhou bay[J]. Journal of Tropical Oceanography, 28(2): 7-14. (in Chinese with English abstract)

[8]
宋德海, 鲍献文, 张少峰, 等, 2012. 基于FVCOM的廉州湾及周边海域三维潮汐潮流数值模拟[J]. 海洋通报, 31(2): 136-145.

SONG DEHAI, BAO XIANWEN, ZHANG SHAOFENG, et al, 2012. Three-dimensional numerical simulation of tides and tidal currents in the Lianzhou Bay and adjacent areas on the basis of FVCOM[J]. Marine Science Bulletin, 31(2): 136-145. (in Chinese with English abstract)

[9]
唐燕玲, 徐卢笛, 贺治国, 等, 2019. 洋山海域三维潮流和余流特征的数值模拟[J]. 浙江大学学报(工学版), 53(2): 315-324.

TANG YANLING, XU LUDI, HE ZHIGUO, et al, 2019. Numerical simulation of three-dimensional characteristics of tidal current and residual current in Yangshan harbor[J]. Journal of Zhejiang University (Engineering Science), 53(2): 315-324. (in Chinese with English abstract)

[10]
王喜年, 2005. 关于温带风暴潮[J]. 海洋预报, 22(S1): 17-23.

WANG XINIAN, 2005. On extratropical storm surges[J]. Marine Forecasts, 22(S1): 17-23. (in Chinese with English abstract)

[11]
吴修广, 刘光生, 程文龙, 2011. 基于FVCOM的杭州湾三维泥沙数值模拟[J]. 水利水运工程学报, (4): 86-96.

WU XIUGUANG, LIU GUANGSHENG, CHENG WENLONG, 2011. 3D Numerical Simulation of Sediment in the Hangzhou Bay based on FVCOM[J]. Hydro-Science and Engineering, (4): 86-96. (in Chinese with English abstract)

[12]
徐秀芳, 戴建华, 尹红萍, 2009. 近20年影响上海的寒潮特点[J]. 大气科学研究与应用, (1): 73-80.

XU XIUFANG, DAI JIANHUA, YIN HONGPING, 2009. The characteristics of cold wave in Shanghai during recent 20 years[J]. Atmospheric Science Research and Application, (1): 73-80. (in Chinese with English abstract)

[13]
张光宇, 2017. 渤海风暴潮特征及增水影响因素数值模拟研究[D]. 天津: 天津大学: 20-88.

ZHANG GUANGYU, 2017. Study on characteristics and effect factors of storm surges in Bohai Sea[D]. Tianjin: Tianjin University: 20-88. (in Chinese with English abstract)

[14]
郑立松, 2010. 风暴潮-天文潮-波浪耦合模型及其在杭州湾的应用[D]. 北京: 清华大学: 30-99.

ZHENG LISONG, 2010. Development and application of a numerical model coupling storm surge, tide and wind wave[D]. Beijing: Tsinghua University: 30-99. (in Chinese with English abstract)

[15]
朱婧, 叶龙彬, 陈德花, 等, 2020. 1614号台风“莫兰蒂”在厦门湾及其周边海域引发风暴潮的数值模拟[J]. 海洋预报, 37(6): 20-30.

ZHU JING, YE LONGBIN, CHEN DEHUA, et al, 2020. Numerical simulation of storm surge in Xiamen Bay and its adjacent seas caused by typhoon "Moranti" (1614)[J]. Marine Forecasts, 37(6): 20-30. (in Chinese with English abstract)

[16]
CHEN CHANGSHENG, BEARDSLEY R C, COWLES G, et al, 2011. An unstructured grid, finite-volume costal ocean model FVCOM user manual[R]. Cambridge: Massachusetts Institute of Technology.

[17]
ROBERTS K J, COLLE B A, GEORGAS N, et al, 2015. A regression-based approach for cool-season storm surge predictions along the New York-new jersey coast[J]. Journal of Applied Meteorology and Climatology, 54(8): 1773-1791.

DOI

[18]
WEAVER R J, 2004. Effect of wave forces on storm surge[D]. Florida: University of Florida: 6-44.

[19]
WILLMOTT C J, 1981. On the validation of models[J]. Physical Geography, 2(2): 184-194.

DOI

[20]
ZHANG FAN, LI MING, ROSS A C, et al, 2017. Sensitivity analysis of hurricane Arthur (2014) storm surge forecasts to WRF physics parameterizations and model configurations[J]. Weather and Forecasting, 32(5): 1745-1764.

DOI

文章导航

/