Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2023 , Vol. 42 >Issue 6: 1 - 14

DOI: https://doi.org/10.11978/2023017

Marine Meteorology

Storm surge simulations of the coastal area of Shenzhen using different types of typhoon meteorological fields—a case study of Typhoon Mangkhut*

  • ZHANG Zheran , 1 ,
  • HU Junyang 2 ,
  • ZHOU Kai 2 ,
  • ZHANG Penghui 1 ,
  • XING Jiuxing 1 ,
  • CHEN Shengli , 1
Expand
  • 1. Institute for Ocean Engineering, Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China
  • 2. Shenzhen Marine Development Research and Promotion Center, Shenzhen 518034, China
CHEN Shengli. email:

Copy editor: LIN Qiang

Received date: 2023-02-10

  Revised date: 2023-05-04

  Online published: 2023-05-10

Supported by

Shenzhen Science and Technology Innovation Committee(WDZC20200819105831001)

Guangdong Basic and Applied Basic Research Foundation(2022B1515130006)

Fold

Abstract

Storm surges caused by typhoon seriously affect life and business in coastal areas, which is one of the most serious marine disasters that cause economic losses. Shenzhen is located on the edge of the northern South China Sea, which is vulnerable to typhoon induced storm surges. The study of Shenzhen offshore storm surges can not only promote understanding of the physical mechanisms of storm surges, but also has an important significance for the effective disaster prevention and reduction warning of coastal cities. In the process of storm surge modelling studies, a typhoon meteorological field is the key factor for the accuracy of storm surge model simulations. Based on the FVCOM (finite volume community ocean model) current model and SWAN (simulation wave nearshore) wave model, a regional storm surge and wave coupling model is established for the offshore area of Shenzhen. We use reanalysis of meteorological data (European center for medium weather forecasting, ECMWF), ideal typhoon model (Holland) and atmospheric model (weather research and forecast, WRF) as driving field conditions to simulate the storm surge process during Typhoon Mangkhut. The main conclusions are as follows: the low resolution ECMWF reanalysis meteorological data is difficult to accurately reflect the horizontal structures of typhoon, which leads to simulation errors. Overall, Holland meteorological field can accurately simulate Typhoon Mankhut, but it cannot reproduce the structural deformation of typhoon in the coastal region, which results in high simulated storm surge water levels in and around Shekou (Shenzhen Bay, inside the Pearl River Estuary). WRF has a good simulation effect on wind speeds, air pressure fields, water levels and waves as a whole. WRF is a good solution to the problem of high storm surge levels in Holland near the typhoon landfall. The quantitative improvement of WRF in the Pearl River Estuary and Shenzhen Bay area can reach about 20%~30%. In the future storm surge study, if the Holland meteorological field is used, care should be taken into simulation results of the above areas. In addition, both Holland and WRF have good wave simulation results.

Key words： coastal area of Shenzhen; Typhoon Mangkhut; typhoon meteorological fields; storm surges; numerical simulations

Cite this article

ZHANG Zheran , HU Junyang , ZHOU Kai , ZHANG Penghui , XING Jiuxing , CHEN Shengli . Storm surge simulations of the coastal area of Shenzhen using different types of typhoon meteorological fields—a case study of Typhoon Mangkhut*[J]. Journal of Tropical Oceanography, 2023 , 42(6) : 1 -14 . DOI: 10.11978/2023017

风暴潮是来自海上的一种巨大的自然灾害现象, 在我国, 台风是造成风暴潮灾害的主要天气系统(冯士筰 等, 1999)。台风造成的灾害包括强风、降水、风暴潮、台风浪等, 这些灾害往往会形成一个灾害链, 不仅造成大批人员伤亡, 而且对各个经济部门都有严重影响(梁必骐 等, 1995)。深圳市作为我国沿海经济发达城市和粤港澳大湾区建设的重要城市, 受台风影响较大。根据中国气象局(China Meteorological Administration, CMA)的资料统计, 1965—2021年间在以深圳市为中心的200km范围内登陆的热带气旋共有95次, 其中台风级别以上有42次, 占比约40%(Ying et al, 2014; Lu et al, 2021)。深圳市在历次台风期间遭到了严重经济损失, 其中2018年第22号台风“山竹”被认为是1979年以来影响珠三角地区最为严重的台风(文萍 等, 2019)。因此, 以深圳近海为研究区域开展关于风暴潮的研究是有必要的, 对减少深圳市的经济损失及防灾减灾具有重要的现实意义。同时, 深圳周边海域的复杂地形和岸线, 如“三湾一口”、浅水(水深不超过20m)的特点在国内外也是常见, 这里的研究对于其他类似环境也具有借鉴意义。
由于台风的破坏力巨大, 难以在实验室环境内重现, 自20世纪80年代开始, 数值模拟开始用于风暴潮的研究(于福江 等, 2020)。近十年来, 陆续有学者利用数值模拟针对深圳近海的风暴潮问题展开研究。毛献忠 等(2012)利用河口海岸模型ECOM (estuarine coastal and ocean model)和海浪模式SWAN, 建立了深圳香港海域的天文潮-风暴潮-海浪耦合模型, 并设计了影响深港海域的最不利台风, 计算了台风遭遇天文潮大潮时的最大风暴增水和浪高。Yang等(2019)针对影响深圳近海的类似台风“天鸽”和“山竹”进行了对比研究, 比较了两场台风的异同点。邓国通 等(2022)利用海洋模式ROMS (regional ocean model system)建立了深圳近海的风暴潮模型, 对台风的登陆地点、登陆角度、台风强度、台风尺度和移动速度进行改变, 分析了这些因素变化对风暴潮的影响。
在风暴潮模拟的过程中, 台风气象场(包括风场和气压场)的真实准确性对于保证风暴潮模拟的精确度具有至关重要的作用。在已有深圳近海海域风暴潮的研究中, 存在各种类型台风气象场的选择, 但对各类台风气象场的优劣缺乏比较和认识。过去数十年间, 学者们为提供准确的台风气象场提出了许多有价值的模型。现今对于台风气象场的重构和模拟, 一般有以下三种方法。
第一种方法是气象再分析资料。气象再分析资料是对各种来源(如卫星、飞机、地面、船舶、无线电技术、测空气球等)的实测资料进行质量控制和数据同化而得到的一套资料集, 其包含的要素多、范围广, 延伸的时段长。常见的气象再分析资料有欧洲中期天气预报中心的ECMWF数据(Hersbach et al, 2018), 美国气象环境预报中心和美国国家大气研究中心联合制作的NCEP/NCAR (National Centers for Environmental Prediction/National Center for Atmospheric Research)数据(Kalnay et al, 1996)等。
第二种方法是人造理想台风模型。即人为构造一个接近于真实台风情况的理想台风模型。过去数十年间, 学者们建立了许多经验性或理论性的理想台风模型比较典型的理想台风模型有Holland台风模型(Holland, 1980)、Kerry台风模型(Emanuel et al, 2011)、Jelesnianki台风模型(Jelesnianski et al, 1984)、藤田台风模型(Fujita, 1952)等。这些台风模型一般假定台风的气象场为圆形规则对称的, 根据台风路径、中心气压、风速半径等参数通过公式人为构造风场和气压场。人造理想台风模型在国内外风暴潮研究中应用广泛, 可用作敏感性实验的驱动场; 在台风来临时的风暴潮预报中, 一般也选用理想台风模型进行风暴潮的模拟并根据结果发布相应预警等级。
第三种方法是大气模式计算的气象场结果。在各种大气模式中, WRF作为中尺度大气数值模拟, 是应用最广泛的模型之一, 其考虑了众多复杂的大气物理过程, 能较好地预测、重现真实大尺度环境下的台风风场, 已成为中尺度大气数值模拟应用最广泛的模型(Skamarock et al, 2019)。近年来, 该模型也越来越多地用于风暴潮的相关研究, 为风暴潮模拟提供气象场计算结果(曾祥锋, 2018)。
国内有些学者对不同驱动场引起的风暴潮差异展开了研究。高钦钦 等(2012)利用FVCOM模式, 研究了在杭州湾、福建沿海和珠江口的风暴潮, 比较分析了WRF模式结果和藤田模型风场对风暴潮的影响, 结果表明: 对于登陆长江口和杭州湾、珠江口和南海一带的台风, 地形对台风的影响较小, WRF模拟的结果略优于模型风场; 对于过台湾岛登陆福建沿海的台风, 台湾岛特殊地形对台风结构的影响很大, WRF模拟的结果明显优于模型风场。蒋小平 等(2007)利用SWAN 对Winnie台风(1997)引起的台风浪进行了模拟, 研究了经验模型风场(Holland)和模式风场(MM5)对海浪模式模拟台风浪影响, 结果表明, 经验模型风场对实际台风风场的刻画存在诸多缺陷, 采用模式风场对台风浪的模拟效果优于采用模型风场的效果。曹越男 等(2014)基于 FVCOM 建立一个南海台风风暴潮与天文潮耦合数值预报模型, 并在模型的驱动场中加入藤田台风模型风场与 ECMWF业务化细网格预报风场融合而成的“组合强迫场”, 比两种强迫场单独模拟的结果更优, 能大幅提高对台风外围影响岸段的风暴增水及单站先兆增水的模拟精度。
在文献调研的基础上, 本文将以深圳近海为中心开展不同驱动场引起的风暴潮差异研究。我们搭建了一个高分辨率的风暴潮—波浪模型, 用以研究三种气象场对深圳近海风暴潮模拟的效果。首先对模型的潮汐结果进行验证, 之后以台风“山竹”为例构建了三种不同类型的气象场, 并利用实测数据对风速和气压进行比较。接下来又利用三种气象场分别驱动模型, 对风暴潮水位和海浪波高的结果进行了比较, 总结三种气象场对风暴潮的模拟结果的优劣和差异。最后, 对气象场差异的物理机制进行了讨论, 并从未来风暴潮预报的角度给出预报建议。

1 研究区域及研究对象

1.1 研究区域

本文的主要研究区域为深圳市近岸海域, 即“三湾一口”(按自西向东顺序依次为珠江口、深圳湾、大鹏湾、大亚湾)及其周边海域。研究区域水深较浅, 多在100m以下。
本文的实测验证数据由深圳市海洋发展研究促进中心提供, 为测站点处的相关实测物理量, 包括风速、气压值、水位和波浪, 测站基本涵盖了深圳“三湾一口”的近海区域。研究区域的水深及测站的分布如图1所示。
图1 研究区域(深圳近海)海区、水深(m)及实测测站分布图

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GS(2019)4342号的标准地图制作, 红色星号为实测测站

Fig. 1 The offshore area, water depth(m) of Shenzhen and survey stations

1.2 研究对象

风暴潮过程由于其极高的破坏性, 难以在实验室环境进行重现。因此, 通常选择典型台风作为研究对象。这些典型台风通常具有足够的强度和破坏力, 且往往对社会生产生活造成重大经济损失, 因此具有充分的研究价值。
基于以上考虑, 本文选定1822号超强台风“山竹”(Mangkhut)作为典型研究对象。该台风被认为1979年以来影响珠三角地区最为严重的台风之一, 具有强度大、极端性强、风雨影响严重等特点。根据CMA提供的资料, 台风“山竹”于2018年9月7日在西北太平洋海面上生成, 9月15日首次在菲律宾北部登陆, 16日17时在广东江门登陆, 登陆时最大风力达到14级(约42m·s-1), 中心最低气压960hPa。台风“山竹”在深圳近海的路径和强度如图2所示, 路径资料来自于中国气象局热带气旋资料中心(tcdata.typhoon.org.cn)。
图2 1822号台风“山竹”在深圳近海的路径及强度图(CMA资料, 北京时间)

Fig. 2 The path and intensity of Typhoon Mangkhut near Shenzhen offshore (CMA data, UTC+8)

2 模型与数据

2.1 深圳近海风暴潮-波浪耦合模型

本研究以海洋模式FVCOM(Chen et al, 2003; Chen et al, 2012)和波浪模式SWAN为研究平台, 利用FVCOM中已经耦合好的FVCOM-SWAVE波流耦合模块(Qi et al, 2009), 建立一个适用于深圳周边的风暴潮-波浪的耦合模型。
FVCOM海洋模式采用非结构化网格, 能够精确地模拟近岸的地形变化, 适合于研究近岸台风及风暴潮的相关问题; SWAN海浪模式考虑了波浪的产生、传播、耗散等众多物理过程, 适合于近岸波浪的模拟。已有研究显示(唐燕玲, 2018; Yang et al, 2020), 基于FVCOM和SWAN搭建的海洋模型能够较好地模拟风暴潮及波浪过程。
本文模型主要研究区域包括深圳近海“三湾一口”及其周边海域(图1), 为确保开边界处潮汐驱动的准确, 模型开边界位置选择在距离深圳较远的南海海域。模型计算域的经度范围为113°12'—116°E, 纬度范围为20°48'—22°51'N。模型中使用的地形岸线数据主要来源于全球高分辨率海岸线GSHHS(global self-consistent, hier-archical, high-resolution shoreline), 其中近岸部分使用谷歌地球(Google Earth)数据进行修正。模型的水深数据使用NGDC(National Geophysical Data Center)和NOAA(National Oceanic and Atmospheric Administration)提供的全球水深地形模型ETOPO1水深数据, 并结合电子海图数据对珠江口、大鹏湾和大亚湾等区域的水深进行修正。模型采用三角网格进行计算, 其分辨率根据离岸距离进行调整。在远海区域, 模型网格空间分辨率为10~15km, 在近海区域, 模型空间分辨率可达到100m级, 模型空间水平分辨率充分满足近岸风暴潮模拟的精度要求。模型总共包括8372个网格点、15821个三角网格、98个开边界点(图3)。
图3 模型区域网格图

Fig. 3 Grid diagram of model area

模型的编译和运算都基于FVCOM-SWAVE浪流耦合模块, 采用三维模式进行计算。在垂直方向上, 有10个sigma层。模拟的时长为10d, 模拟周期覆盖2018年09月08日至09月18日。设置以冷启动方式进行初始设置, 即初始时刻水位、流速都设为恒定值0。本研究的重点是台风引起的风暴潮及有关现象, 由于研究的动力现象主要受正压效应影响, 因此忽略温盐和温度变化导致的斜压效应。海洋模型的时间步长分别取为3s(外模)和30s(内模), 波浪模块的时间步长为30s, 模型采用双向耦合方式进行运算。模型的驱动条件包括开边界的潮汐水位、波浪谱和三种不同的台风气象场。潮汐水位驱动数据选用TPXO全球海潮模式结果数据(Egbert et al, 2002), 其包括全日潮和半日潮的8个主要分潮, 即M2、S2、K2、N2、K1、O1、P1、Q1, 潮汐驱动的时间间隔为10min。边界处的海浪谱形式采用jonswap海浪谱, 海浪谱的分辨率为40×36(频率×角度)。三种不同的气象场分别选择ECMWF再分析资料、Holland理想台风模型和WRF大气模式结果, 将分别在2.2、2.3和2.4节进行介绍。

2.2 ECMWF再分析资料

ECMWF再分析资料由欧洲天气预报中心制作, 其时间分辨率为1h, 空间分辨率为0.25°×0.25°, 本文使用的具体物理量为10m处风速u、v分量及海表气压。

2.3 Holland理想台风模型

Holland台风模型是Holland (1980)提出的一种台风风场和气压场的理论模型, 几十年来在国内外台风研究和风暴潮模拟中得到广泛应用, Holland台风风场(10m风场)的公式为式(1):
$V(r)=\sqrt{\frac{B}{\rho }{{\left( \frac{R}{r} \right)}^{B}}\left( {{P}_{\infty }}-{{P}_{0}} \right)\cdot \exp \left( -{{\left( \frac{R}{r} \right)}^{B}} \right)+{{\left( \frac{rf}{2} \right)}^{2}}}-\frac{rf}{2}$
式中R为®台风最大风速半径, r为计算点至台风中心的距离, V(r)为计算点的台风风速, f为科氏力参数, P0为台风中心气压, P∞为外部环境气压, ρ为空气密度, B为Holland台风模型参数, 具体取值可根据实测数据验证后综合确定, 本文取B=1.0。台风最大风速半径R是模拟中的关键参数, 其取值可以根据Willoughby等(2004)提出的方法进行确定, 具体公式为
$R=51.6\cdot \exp \left( -0.0223{{V}_{\max }}+0.0281\varphi \right)$
式中Vmax为台风最大风速, $\varphi $为不同时刻台风中心的纬度位置。
台风中心气压P0、外部环境气压P∞、不同时刻台风的纬度$\varphi $以及台风的路径均可以从公开的资料中获取, 本文中采用的相应数据源自中国气象局(CMA)及中央气象台台风网数据。空气密度ρ取1.29kg·m-3, 科氏力参数f根据式(3)计算:
$f=2\omega \sin \varphi $
式中ω为地球自转角速度, 取7.292×10-5rad·s-1; $\varphi $为台风中心的纬度。10m风场采用由式(1)构造的理想化风场, 考虑到台风的水平移动, 输入给模式的10m风速U由下式计算得出:
$U=V_{(r)}+V_{mov}$
式中Vmov为台风相对移动速度, 可根据Jelesnianski (1966)提出的方法式(5), 利用台风前进速度计算。
${{V}_{\text{mov}}}={{V}_{\text{mc}}}\cdot \frac{r/R}{1+{{\left( r/R \right)}^{2}}}$
式中Vmc为台风行进速度, 可根据公开台风资料获取。除风场外, 气压场也会对风暴潮产生影响, Holland理想台风模型的气压场可表达为
$P(r)={{P}_{0}}+\left( {{P}_{0}}-{{P}_{\infty }} \right)\exp {{\left( -\frac{R}{r} \right)}^{B}}$
式中各参数的含义均与前面相同。本节根据CMA的公开资料构造Holland气象场, 时空分辨率为1/12°×1/12°×10min。

2.4 WRF大气模式结果

WRF大气模式是近年来使用广泛的大气模式, 其考虑了较多复杂的大气物理过程, 模拟结果接近于真实情况。本节利用WRF大气模式计算得到气象场结果, WRF模式的版本选择4.3版本, WRF模式输出的气象场时空分辨率为1/12°×1/12°×5min, WRF模型的相关配置如表1。
表1 WRF模型配置及参数化方案选择

Tab. 1 WRF model configuration and parameterization scheme selection

模型有关参数 具体配置及参数选择
驱动数据 美国NCEP的全球气象再分析数据FNL
数据分辨率 空间分辨率: 1°×1°; 时间分辨率: 6h
计算时段 201809140000—201809180000(UTC)
计算时长 4d (96h)
计算区域 104°—134°E、15°—30°N
网格分辨率 dx=dy=9km
网格数目 346×192
计算时间步长 30s
结果输出频率 5min一次
微物理过程方案 WSM 3 类简单冰方案
长波辐射方案 RRTM方案
短波辐射方案 Dudhia方案
调用辐散物理方案的时间间隔 30min
近地面层方案 Monin-Obukhov方案
陆面过程方案 Noah方案
边界层方案 YSU方案
积云参数化方案 浅对流Kain-Fritsch方案
积云参数化方案的调用时间间隔 5min

3 结果

3.1 潮汐验证

本文首先不加台风气象场, 进行潮汐结果的验证。用2018年9月8日至18日潮汐边界资料驱动模型, 并将潮汐结果与实测数据对比(图4)。可以看到模型模拟的潮汐水位结果在三个测站均与实测数据吻合良好, 水位的变化及高低潮位模拟准确。经计算, 蛇口、南澳和东山三个测站潮汐水位的相关系数分别为0.96、0.95和0.95, 三个测站模型结果与实测数据的模拟相对误差均小于10%。潮汐结果的准确验证了模型结果的合理性, 为接下来比较各气象场模拟的风暴潮奠定了良好的基础。
图4 模型天文潮水位结果与实测数据对比图

Fig. 4 Comparison of model tidal level results with measured data

3.2 气象场对比

本节从台风路径, 测站对比结果及气象场整体结构对三类气象场进行对比分析。
图5展示了各气象场与CMA提供的台风“山竹”最佳路径的对比, 台风中心的位置取最低气压值的坐标, 对比时间为台风登陆前约24h, 每隔3h取一个分析点。Holland气象场由于在人为构造时采用CMA资料, 其路径与CMA相同。ECMWF再分析资料在整体上与CMA路径相同, 但部分分析点有微小差异, 这主要是因为ECMWF资料的空间分辨率为0.25°, 比CMA提供的台风路径资料粗糙, 因此部分分析点会出现差异。WRF模拟的气象场路径及台风登陆点与CMA资料吻合, 但在行进速度上偏慢约2~3h, 在远海区有20~30km的路径误差。目前国际上用大气模式对24h台风预报的路径误差约为75km, 相位误差约为4~6h(于福江 等, 2020; Moon et al, 2021), 因此本文认为WRF模拟的台风路径满足对台风“山竹”的预报结果, 达到精度要求。
图5 各气象场台风路径与CMA最佳路径对比图

时间为2018年9月15日20:00—9月16日20:00, 北京时间

Fig. 5 Comparison of typhoon path in each meteorological field with CMA path

图6和图7展示了各气象场在矾石、蛇口、南澳、东山测站与实测数据的风速和气压对比情况, 表2计算了4个测站的平均均方根误差。
图6 台风“山竹”期间各测站不同风场下风速时间序列对比图

Fig. 6 Comparisons of wind speed at each measuring station during Typhoon Mangkhut

图7 台风“山竹”期间各测站地表气压时间序列对比图

Fig. 7 Comparisons of surface air pressure at each measuring station during Typhoon Mangkhut

表2 各气象场各测站平均均方根误差计算表

Tab. 2 Calculation table of the mean square root error of each station in each meteorological field

气象场名称 风速平均误差/(m·s-1) 气压平均误差/hpa
ECMWF 3.0 5.5
Holland 7.2 12.1
WRF 4.5 4.6
首先对风速进行分析(图6)。从整体上看, 三种气象场的风速在时间序列和极值上基本与实测数据相吻合。从风速的光滑程度看, Holland气象场由于是采用对称风场人为公式构造, 整体上更为光滑; 而ECMWF再分析资料和WRF模式结果则有较多上下波动。从风速极值上看, Holland风场的在极值处都较高, WRF风场在矾石和南澳站的风速极值在时间上略有滞后。从风速上升段和下降段来看, 在风速上升段, 三种气象场的模拟效果都较好; 在风速下降段, WRF模拟的更接近实测值。从表2的平均均方根误差来看, 三类气象场对风速的模拟效果为ECMWF优于WRF优于Holland。
然后对气压进行分析(图7)。在时间序列上, 各测站气压值的变化趋势与实测数据基本相同。在气压极值的模拟上, Holland气压场数值比实测值偏高, 反映出对近岸台风模拟不够准确。WRF气压场在气压极值上与实际模拟的几乎无差异, 整体也是WRF的气压场最为准确, 在矾石测站WRF气压场的变化几乎与实测值完全相同。从表2的平均均方根误差来看, 三类气象场对气压的模拟结果为: WRF优于ECMWF优于Holland。
值得注意的是, 测站的分布都位于岸边, 只能反映各气象场对于近岸台风的模拟情况。显然, Holland作为人造气象场, 在构造中未考虑台风受地形的影响, 因此对近岸的模拟较差。为了比较各气象场对台风中心区域的模拟效果, 我们绘制了风场(图8)和气压场(图9)的整体结构随时间变化图。
图8 台风“山竹”期间各气象场的风速整体结构变化图

Fig. 8 Overall wind speed changes of different meteorological fields during Typhoon Mangkhut

图9 台风“山竹”期间各气象场的气压整体结构变化图

Fig. 9 Overall air pressure field changes of different meteorological fields during Typhoon Mangkhut

从中可以看到, ECMWF再分析资料的风场结构比较粗糙, 风场和气压场数值边界多以折线为主, 反映出ECMWF资料分辨率较为粗糙。且ECMWF在台风中心区域的强度明显低于另外两大风场(风速较低, 气压较高), 说明ECMWF作为再分析资料, 对“山竹”这种超强台风中心的强度刻画并不准确。Holland和WRF模拟的台风中心区域强度较高, 结合CMA提供的台风“山竹”中心最低气压和最大风速, 我们认为Holland和WRF对台风中心区域的刻画更为准确; 在对台风中心及周围区域的模拟上, Holland和WRF的结果明显优于ECMWF。Holland和WRF也展现出了各自的特点, Holland理想台风模型由人为构造产生, 其整体结构呈现圆形、规则、对称、光滑的特点, 从台风中心向外风速呈圆环状递减。WRF风场比人造Holland风场有许多小尺度的变化过程, 这主要是因为WRF风场是根据大气模式计算的结果风场, 其中考虑的物理过程较为丰富。WRF气压场从台风中心向岸边的变化比较均匀, 说明WRF气象场的能量分布比较均匀。
通过本节气象场的比较, 可以初步得出结论: (1) Holland风场由于是人造风场, 在岸边的模拟效果有一定误差, 与实际测站相对误差较明显, 对近岸台风的模拟效果, ECMWF和WRF优于Holland; (2) ECMWF在台风中心区域的强度较低, 对台风中心区域的模拟效果, Holland和WRF优于ECMWF; (3) WRF在近岸和台风中心区域对台风模拟效果都较好; (4) Holland和ECMWF在台风路径上基本与实际保持一致, 而WRF作为大气模式对台风路径的预报上不可避免地存在误差, 本文WRF模拟的“山竹”结果在路径和台风登陆点上与实际吻合良好, 但行进速度偏慢, 在相位上存在2~3h的误差。

3.3 风暴潮水位对比结果

在上节基础上, 通过各气象场分别模拟台风“山竹”登陆过程, 本节从风暴潮水位的角度, 分析不同台风气象场的模拟结果。我们首先将三个气象场模拟的在蛇口、南澳、东山的风暴潮水位与实测值进行对比(图10), 并给出了各气象场在风暴潮增水极值处的水位误差、相位误差及均方根误差(表3)。
图10 台风“山竹”期间各气象场各测站风暴潮水位模拟结果对比图

Fig. 10 Comparison of storm surge levels under various meteorological forcing at each measuring station during Typhoon Mangkhut

表3 各气象场各测站风暴潮水位误差计算表

Tab. 3 Calculation table of storm surge level error at each station in each meteorological field

气象场 蛇口站 南澳站 东山站
RMSE/m 极值误差/m 相位误差 RMSE/m 极值误差/m 相位误差 RMSE/m 极值误差/m 相位误差
ECMWF 0.37 0.48 0 0.37 0.72 0 0.36 0.80 0
Holland 0.42 1.09 0 0.30 0.18 0 0.29 0.14 0
WRF 0.34 0.10 2h 0.32 0.20 1~2h 0.33 0.18 1~2h
可以看到, 三个气象场在时间序列上都能较好地模拟台风“山竹”引起的风暴潮过程, 都能够反映台风“山竹”来临时出现的风暴增水过程。从风暴潮增水极值的模拟效果来看, ECMWF模拟的极值水位要低于实测值。Holland气象场在南澳和东山测站可以准确模拟增水极值, 而在蛇口测站模拟的风暴潮水位极值远高于实测值, 说明Holland气象场在蛇口站所在的深圳湾及周围区域不够准确。WRF气象场对三个测站的水位极值模拟最为准确, 尤其是对蛇口测站的模拟结果显著优于ECMWF风场和Holland风场, 但WRF在时间上存在1~2h左右的相位误差。此外, WRF气象场模拟的风暴潮水位存在一定的高频振荡, 不如ECMWF和Holland模拟的水位平滑, 这可能与WRF气象场有较多小尺度的空间分布有关。从表3的风暴潮极值定量误差来看, 各气象场对风暴潮的模拟结果为: WRF气象场优于Holland气象场优于ECMWF气象场。
接下来, 我们绘制了各气象场模拟的整体风暴潮水位随时间的变化图(图11)及各气象场模拟的最大风暴潮水位(图12), 并给出了Holland与WRF模拟的风暴潮水位的整体误差(图13), 从整体海域水位变化对各个气象场进行分析。
图11 台风“山竹”期间各气象场模拟的深圳近海风暴潮水位随时间变化图

Fig. 11 Variations of Shenzhen offshore storm surge water level simulated by various meteorological fields during Typhoon Mangkhut

图12 台风“山竹”期间各气象场模拟的最高风暴潮水位空间分布图

Fig. 12 Maps of maximum storm surge level simulated using various meteorological fields during Typhoon Mangkhut

图13 Holland与WRF模拟的最高风暴潮水位差及相对百分比差异

Fig. 13 Difference of maximum storm surge level and relative percentage difference computed by Holland and WRF meteorological fields during Typhoon Mangkhut

从风暴潮水位的空间分布来看(图11), 台风“山竹”所引起的深圳近海风暴增水主要集中在深圳湾及珠江口北部区域, 东部的大鹏湾和大亚湾风暴增水略低。各气象场的结果存在一定空间差异, 具体如下。
1)ECMWF气象场模拟的风暴潮水位在整体海域偏低, 结合对测站风暴潮水位的分析, 本文认为ECMWF再分析资料的气象场达不到台风模拟的强度要求, 主要是台风中心处的强度偏低, 导致整体模拟的风暴潮水位偏低。
2)Holland气象场模拟的风暴潮水位变化较明显。在13时到15时, 大鹏湾和大亚湾海域出现增水极值; 在17时到19时, 珠江口及深圳湾区域出现增水极值, 且增水极值从珠江口向外呈现明显的水位梯度变化; 19时后, 风暴增水过程逐渐减弱。
3)WRF气象场对台风“山竹”风暴潮水位的模拟过程与Holland整体上相似。但17时到19时, 珠江口区域的风暴增水明显低于Holland气象场的结果, 这段时间内WRF模拟的风暴潮水位约低于Holland模拟的风暴潮水位0.5~1m。结合该区域内蛇口测站的风暴潮水位结果, 我们认为WRF气象场在该区域的风暴潮模拟结果更接近实际。19时到21时, 风暴潮处于下降阶段, 但此时WRF驱动的风暴潮要比Holland台风模型驱动的风暴潮高, 在珠江口上游更为明显。
从三个气象场模拟的最高风暴潮水位来看, 台风“山竹”引起的最大风暴潮水位梯度呈现明显的东南—西北梯度变化, 这与台风的登陆路径相同, 台风“山竹”期间水位最高的区域集中在珠江口区域, 越往上游水位越高(图12)。ECMWF模拟的最高风暴潮水位整体低于Holland和WRF, Holland模拟的珠江口水位的区域的水位略高于WRF。
我们又进一步比较了Holland和WRF模拟的最高风暴潮水位的差异(图13), 发现Holland和WRF对风暴潮差异明显的区域集中在珠江口区域, 珠江口越往上游Holland与WRF差距越大, 珠江口处最高风暴潮水位差距可达1m, 相对误差高达30%, 深圳湾区域有0.5m左右的风暴潮水位差距, 相对误差在15~20%。大鹏湾和大亚湾海域两者差距较小, 平均差距在0.1~0.2m, 相对误差在5%左右。

3.4 波浪有效波高对比结果

除了风暴潮水位, 台风浪灾害容易对海堤、船舶、海洋飞行器的海洋工程平台或设备造成破坏, 也值得关注。本节利用波流耦合模型, 将各个气象场模拟得到的波浪结果与测站的实测数据对比, 绘制了蛇口、坝光、下沙、东涌、大梅沙几个站的波浪模拟情况(图14), 并给出各站的波高均方根误差计算表(表4)。
图14 台风“山竹”期间各气象场各测站波浪有效波高模拟结果对比图

Fig. 14 Comparison of significant wave height using various meteorological fields at each measuring station during Typhoon Mangkhut

表4 各气象场各测站的波浪有效波高均方根误差计算表

Tab. 4 Calculation table of the mean square root error of each station in each meteorological field

气象场 各测站平均均方根误差/m 平均相对误差/%
ECMWF 0.71 20.51
Holland 0.30 10.04
WRF 0.38 13.12
从近岸5个测站的波浪模拟效果可以看出, 三类气象场都能较好地模拟台风“山竹”期间波浪随时间变化的过程。从波浪极值来看, ECMWF模拟的波浪极值较低, 原因与上节对风暴潮的分析相同; Holland和WRF气象场对波浪极值的模拟更为准确, WRF的波浪极值略低于Holland。从各测站的波浪模拟的均方根误差来看, Holland略优于WRF, 显著优于ECMWF。
在各测站波浪有效波高比较的基础上, 我们又绘制了深圳近海各个海域在台风“山竹”期间最大波浪的空间分布情况, 如图15所示。波浪最大有效波高是发布波浪预警的重要参考, 因此我们进一步对各气象场模拟的整体海域最大波高进行分析。可以看到, 外海区域波浪有效波高较大, 随着波浪不断向近岸传播, 波浪能量不断耗散, 波高不断减小。从各个气象场来看, ECMWF整体的波浪波高低于另外两个气象场, 不论是在外海区域还是各海湾。而Holland与WRF模拟的波浪结果在整体差异不明显。在外海, Holland模拟的大于10m波高的区域WRF的模拟结果大致相当。二者模拟的大鹏湾、大亚湾湾口处最大浪高都为6~7m, 并呈现出向湾内递减的趋势, 总体无明显差异。在珠江口和深圳湾海域, 二者的模拟结果都在2~3m以下。在珠江口外侧靠近外海处Holland模拟的波高略高于WRF, 原因与风暴潮水位偏高的原因相同, 即Holland气象场在构造时未考虑地形影响, 导致在靠近台风登陆点处风场强度偏高, 进而导致偏大的增水和波浪。
图15 台风“山竹”期间各气象场模拟的最大浪高空间分布图

Fig. 15 Maps of maximum significant wave height simulated using various meteorological fields during Typhoon Mangkhut

4 结论

本文采用数值模拟的方法, 以深圳近海风暴潮-波浪耦合模型为工具, 分别用ECMWF再分析资料、Holland理想台风模型和WRF大气模式结果对2018年台风“山竹”期间的风暴潮和波浪过程进行了模拟, 研究不同类型台风气象场对台风“山竹”模拟结果的差异, 结果如下。
1)从台风路径的准确性来看, Holland和ECMWF与实际台风路径几乎没有偏差。而WRF作为大气模式计算的结果, 不可避免存在路径误差, 本文用WRF对台风“山竹”的结果在路径和台风登陆点上与实际吻合良好, 但在相位上存在2~3h的滞后误差。
2)从气象场的模拟结果来看, Holland气象场在岸边的模拟效果与实际测站误差较明显, 对近岸台风的模拟效果, ECMWF和WRF优于Holland。ECMWF在台风中心区域的强度较低, 对台风中心区域的模拟效果, Holland和WRF优于ECMWF。而WRF在近岸及台风中心区域都有较好的表现。
3)从风暴潮水位的模拟结果来看, ECMWF模拟的风暴潮水位极值偏低, 无论是测站还是整体。Holland在蛇口站模拟结果高于实测值, 在南澳和东山站模拟结果与实测相接近, WRF模式整体在三个测站的表现都较好。Holland和WRF模拟的最高风暴潮水位差异明显的区域集中在深圳湾及珠江口海区, 最大风暴潮水位差距可达1m, 相对误差超过30%, 在大鹏湾和大亚湾海区Holland和WRF模拟的风暴潮水位无明显差异。
4)从波浪有效波高的模拟结果来看, 各个测站的有效波高对比结果为Holland略优于WRF, 显著优于ECMWF。从最大浪高的空间分布来看, Holland与WRF模拟的波浪结果在整体差异不明显, 在外海、大鹏湾大亚湾海域、深圳湾及珠江口内侧最大波高的分布基本相同。

5 讨论

5.1 气象场差异的物理机制分析

“山竹”台风作为几十年来影响深圳的典型台风, 路径典型, 强度大, 其风暴潮及波浪灾害时空分布规律背后的物理机制值得进一步挖掘, 本文主要分析不同气象场差异及优劣产生的原因。
ECMWF模拟的风暴潮水位和波浪有效波高都偏低, 主要是因为ECMWF对台风中心区域气象场的刻画不够准确, 原因包括以下两点。一是ECMWF的分辨率粗糙, 仅为0.25°×0.25°(约28km), 而台风中心的尺度一般为几十公里。根据公式(2)的台风最大风速半径公式估算, 台风“山竹”的最大风速半径约为30km, 而ECMWF数据的空间分辨率约为28km, 这就可能导致在网格点插值的时候台风中心落在几个网格点的中心区域, 从而造成插值误差, 使插值以后的台风强度偏低。另外, 从时间分辨率来看, ECMWF数据的时间分辨率为1h, 而根据CMA的数据, 台风“山竹”在深圳近海的行进速度约为33km·h-1, 1h内台风的行进距离刚好与其最大风速半径相当, 这就有可能导致时间插值结果未能准确地反映台风中心处的实际强度。二是再分析资料本身的缺点, 给出的超强台风强度偏低, 有研究指出(Geng et al, 2022), 极端天气下情况下, 气压和风速再分析资料的适用性较差, 需要开展进一步的订正处理, 本文用再分析资料对“山竹”过程风暴潮的模拟也印证了这一点。
Holland是人造气象场, 台风路径与CMA最佳路径相同, 它的优势在于当台风处于远海或开阔大洋时对台风中心区域的刻画准确, 随着台风不断向岸边靠近, Holland台风的准确性也逐渐下降, 这一点从本文Holland在近岸测站的风场和气压场表现可以看出, 出现这种现象的原因是台风在登陆过程中会不断受地形影响而改变自身的形状, 越靠近登陆点变化越明显, 而Holland的构造公式中并没有体现出地形这一因素, 就导致在靠近岸边的区域有一定误差。这一现象还体现在对风暴潮水位的模拟中, 蛇口站及周围的深圳湾、珠江口区域风暴潮水位偏大, 这是因为台风登陆点位于珠江口西侧, 上述区域更靠近台风登陆点, 而Holland气象场能量多集中于台风中心, 就导致靠近台风登陆点的区域水位更加偏大, Holland模拟的珠江口外侧的波浪波高也要高于其他气象场的模拟结果。
对于Holland气象场的能量分布, 从图8和图9可以看出, 其低气压和高风速区域显著集中于台风中心。这反映了台风的能量分布集中于台风中心, 而这一点是由Holland参数B决定的。根据Holland (1980)提出的台风模型理论, 参数B的取值(约0.25~2.5)决定了台风能量的分布规律: 在台风总能量一定的情况下, B的取值越大, 台风能量越集中于中心, 高风速和低气压值的区域越密集地集中于台风中心, B的取值越小, 台风能量越分散, 能量也更向四周扩散。林伟 等(2013)对西北太平洋台风风场模型中Holland B系数区域特征研究指出, 在我国沿海B系数自南向北逐渐减小, 以海南和广东的B系数最大, 说明我国南方的沿海地区强风区域集中于台风路径两侧较小范围, 但破坏力可能更强, 广东的平均B值为1.26。本文的B值取1.0, 可以看到台风能量已经很明显集中于台风中心, 因此使用Holland模型, 在靠近台风登陆点的区域就可能造成偏大的增水和波浪。
Holland气象场对于风暴潮和波浪过程的模拟整体是准确的, 但在近岸靠近台风登陆点的区域偏大, 这是Holland气象场自身的局限性和不足所致。因此, 有学者将Holland和ECMWF“优势互补”, 提出了“组合强迫场”的方法, 即在台风中心区域采用Holland模型风场(或其他模型风场), 在距中心较远处及岸边采用再分析资料风场(如ECMWF、NCEP), 具体操作可以通过引入一个考虑计算点和台风中心距离及最大风速半径的参数实现, 参数的取值根据不同台风调试后确定(蒋小平 等, 2007; 曹越男 等, 2014)。
用大气模式(如WRF)的结果驱动风暴潮过程是近年来新兴的改进方法, 从本文对“山竹”过程的模拟来看, WRF整体对风速、气压、水位、波浪都有较好的模拟效果, 且WRF很好地改进了Holland在靠近台风登陆点的区域风暴潮水位偏高的问题, 对珠江口、深圳湾区域定量改进约20%~30%。改进的原因是: WRF作为大气模式, 在模拟台风登陆的过程中考虑了众多物理过程, 对近岸地形因素予以考虑, 模拟的台风结构变化更符合实际过程; 另外, WRF模拟的台风能量分布比Holland更加均匀, 且小尺度变化更加细致。WRF模式结果唯一的不足是对台风路径的预报存在误差, 模拟的台风行进速度略慢, 尽管本文WRF模拟的路径误差已经达到国际基本水平(Moon et al, 2021), 但在与实际测站的风暴潮水位对比中仍然存在1~2h的相位滞后, 对WRF结果进一步优化需要数据同化或采用更高分辨率的驱动资料等。
深圳近海海域有着复杂的地形和岸线, 如“三湾一口”, 但在国内外其他近海也有着类似的特征。本文基于深圳近海对气象场差异的物理机制分析也可以应用于其他浅水区域, 在其他浅水海域的风暴潮模拟和预报中, 上述气象场的特点、差异、优劣也可作为参考依据。

5.2 对未来风暴潮预报的建议

本文用不同类型台风气象场对典型台风“山竹”的风暴潮和波浪过程进行了模拟, 部分结果也可为未来深圳近海的风暴潮预报提供参考。提出以下两点建议。
1)风暴增水和波浪的时空分布规律。受“山竹”台风影响, 珠江口和深圳湾海域风暴增水较明显, 且珠江口越往上游风暴增水越大, 各海区最大风暴潮水位发生的时间及其数值与台风登陆点到该海区的距离有关; 波浪灾害主要集中在外海, 深圳各海区的波浪灾害主要集中在大鹏湾和大亚湾, 湾内最大波高可达7m。日后遇到在珠江口西侧登陆的台风, 可将“山竹”作为相似台风, 在发布预报时可参考本文的模拟结果。
2)风暴潮业务化预报时气象场的选择。在过去的大部分业务化风暴潮预报中, 对于台风风场和气压场的计算, 仍然广泛地采用理想台风模型等来构造(于福江 等, 2020), Holland理想台风模型就是应用较多的模型之一, 但现在有些风暴潮预报模型已经开始采用类似于WRF这样的实际预报风场。根据图13的对比结果, Holland与WRF模拟风暴潮水位主要差异在深圳湾区域及珠江口上游, 最高相对差异达30%, 风暴潮水位差距达1m, 大鹏湾、大亚湾海区风暴潮相对差异较小。因此对于日后在珠江口西侧登陆的台风, 使用Holland风场进行台风预报时, 要注意深圳湾及珠江口上游区域的预报水位是否偏大, 对于这部分区域, 应使用WRF风场模拟的结果进行评估, 综合确定后再发布预报。对于波浪的模拟, 波浪有效波高是发布波浪预警等级的重要参数, 根据图15的对比结果, Holland和WRF在深圳近海深圳湾、大鹏湾、大亚湾海区的最大波浪波高分布基本相同, 在未来台风中可以使用Holland气象场进行海浪预报。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
曹越男, 张增海, 原野, 等, 2014. 南海台风风暴潮数值模拟及其对气象强迫场的敏感性试验[J]. 热带气象学报, 30(6): 1119-1126.

CAO YUENAN, ZHANG ZENGHAI, YUAN YE, et al, 2014. Sensitivity tests of surface wind fields in typhoon storm surge modelling: Cases study in the south china sea[J]. Journal of Tropical Meteorology, 30(6): 1119-1126 (in Chinese with English abstract).

[2]
邓国通, 刘敏聪, 邢久星, 等, 2022. 深圳近海风暴潮影响因素分析[J]. 热带海洋学报, 41(3): 91-100.

DOI

DENG GUOTONG, LIU MINCONG, XING JIUXING, et al, 2022. Analysis on the influencing factors of storm surges near Shenzhen[J]. Journal of Tropical Oceanography, 41(3): 91-100 (in Chinese with English abstract).

DOI

[3]
冯士筰, 李凤岐, 李少菁, 1999. 海洋学导论[M]. 北京: 高等教育出版社 (in Chinese).

[4]
高钦钦, 朱建荣, 端义宏, 等, 2012. 对称和非对称台风对东海南海风暴潮影响比较[J]. 华东师范大学学报(自然科学版), 6: 57-72.

GAO QINQIN, ZHU JIANRONG, DUAN YIHONG, et al, 2012. Impacts of the symmetrical and unsymmetrical typhoons on the storm surge simulation in the East China and the South China Seas[J]. Journal of East China Normal University(Natural Science), 6: 57-72 (in Chinese with English abstract).

[5]
蒋小平, 钟中, 张金善, 等, 2007. 台风浪模拟预报中的风场比较研究[J]. 海洋通报, 2: 11-19.

JIANG XIAOPING, ZHONG ZHONG, ZHANG JINSHAN, et al, 2007. Comparison study on the surface wind over ocean in typhoon waves simulation[J]. Marine Science Bulletin, 2: 11-19 (in Chinese with English abstract).

[6]
梁必骐, 梁经萍, 温之平, 1995. 中国台风灾害及其影响的研究[J]. 自然灾害学报, 1: 84-91.

LIANG BIQI, LIANG JINGPING, WEN ZHIPING, 1995. Study of typhoon disasters and its affects in China[J]. Journal of Natural Disasters, 1: 84-91 (in Chinese with English abstract).

[7]
林伟, 方伟华, 2013. 西北太平洋台风风场模型中Holland B系数区域特征研究[J]. 热带地理, 33(2): 124-132.

LIN WEI, FANG WEIHUA, 2013. Regional characteristics of Holland B Parameter in typhoon wind field model for Northwest Pacific[J]. Tropical Geography, 33(2): 124-132 (in Chinese with English abstract).

[8]
毛献忠, 姜茜, 2012. 深圳香港海域可能最高潮位和浪高计算分析[J]. 海洋工程, 30(2): 129-135.

MAO XIANZHONG, JIANG QIAN, 2012. Possible maximum storm water level and wave height in Shenzhen and Hong Kong waters[J]. The Ocean Engineering, 30(2): 129-135 (in Chinese with English abstract).

[9]
唐燕玲, 2018. 基于波流耦合模型的洋山海域风暴潮水动力特性研究[D]. 杭州: 浙江大学.

TANG YANLING, 2018. Numerical simulation of characteristics of storm tide in Yangshan Harbor based on tide-surge-wave model[D]. Hangzhou: Zhejiang University (in Chinese with English abstract).

[10]
文萍, 许映龙, 柳龙生, 2019. 台风“山竹”(1822)引发华南暴雨过程机制分析[J]. 海洋气象学报, 39(3): 29-35.

WEN PING, XU YINGLONG, LIU LONGSHENG, 2019. Analysis on mechanism of torrential rain in South China induced by Typhoon Mangkhut (1822)[J]. Journal of Marine Meteorology, 39(3): 29-35 (in Chinese with English abstract).

[11]
于福江, 傅赐福, 郭洪琳, 等, 2020. 现代风暴潮预报技术及应用[M]. 北京: 科学出版社 (in Chinese).

[12]
曾祥锋, 2018. 基于WRF中尺度数值模式台风风场模拟及验证[D]. 广州: 广州大学.

ZENG XIANGFENG, 2018. Numerical simulation and verification of typhoon wind field by WRF mesoscale model[D]. Guangzhou: Guangzhou University (in Chinese with English abstract).

[13]
CHEN CHANGSHENG, BEARDSLEY R C, COWLES G, et al, 2012. An unstructured-grid, finite-volume community ocean model: FVCOM user manual[M]. Cambridge, MA, USA: Sea Grant College Program, Massachusetts Institute of Technology.

[14]
CHEN CHANGSHENG, LIU HEDONG, BEARDSLEY R C, 2003. An unstructured grid, finite-volume, three-dimensional, primitive equations ocean model: Application to coastal ocean and estuaries[J]. Journal of Atmospheric and Oceanic Technology, 20(1): 159-186.

DOI

[15]
EGBERT G D, EROFEEVA S Y, 2002. Efficient inverse modeling of barotropic ocean tides[J]. Journal of Atmospheric and Oceanic Technology, 19(2): 183-204.

DOI

[16]
EMANUEL K, ROTUNNO R, 2011. Self-stratification of tropical cyclone outflow. Part I: Implications for storm structure[J]. Journal of the Atmospheric Sciences, 68(10): 2236-2249.

DOI

[17]
FUJITA T, 1952. Pressure distribution within typhoon[J]. Geophysical Magazine, 23(4): 437-451.

[18]
GENG SHANSHAN, SHI XIAOXIAO, YUE XINYANG, et al, 2022. Applicability analysis of the sea surface pressure and wind speed of ERA5 reanalysis data in the Bohai Sea and the Northern Huanghai Seas[J]. Marine Science Bulletin, 24(2): 1-16.

[19]
HERSBACH H, BELL B, BERRISFORD P, et al, 2018. ERA5 hourly data on single levels from 1979 to present[J]. Copernicus Climate Change Service (c3s) Climate Data Store (cds), 10(10. 24381).

[20]
HOLLAND G J, 1980. An analytic model of the wind and pressure profiles in hurricanes[J]. Monthly Weather Review, 108(8): 1212-1218.

DOI

[21]
JELESNIANSKI C P, 1966. Numerical computations of storm surges without bottom stress[J]. Monthly Weather Review, 94(6): 379-394.

DOI

[22]
JELESNIANSKI C P, CHEN J, SHAFFER W, et al, 1984. SLOSH-A hurricane storm surge forecast model[J]. Journal of Geophysical Research, vol. 1984: 314-317.

[23]
KALNAY E, KANAMITSU M, KISTLER R, et al, 1996. The NCEP/NCAR 40-year reanalysis project[J]. Bulletin of the American meteorological Society, 77(3): 437-472.

DOI

[24]
LU XIAOQIN, YU HUI, YING MING, et al, 2021. Western North Pacific tropical cyclone database created by the China Meteorological Administration[J]. Advances in Atmospheric Sciences, 38(4): 690-699.

DOI

[25]
MOON JIHONG, PARK JINYOUNG, CHA DONG-HYUN, et al, 2021. Five-day track forecast skills of WRF model for the western North Pacific tropical cyclones[J]. Weather and Forecasting, 36(4): 1491-1503.

[26]
QI JIANHUA, CHEN CHANGSHENG, BEARDSLEY R C, et al, 2009. An unstructured-grid finite-volume surface wave model (FVCOM-SWAVE): Implementation, validations and applications[J]. Ocean Modelling, 28(1-3): 153-166.

DOI

[27]
SKAMAROCK W C, KLEMP J B, DUDHIA J, et al, 2019. A description of the advanced research WRF model version 4[R]. National Center for Atmospheric Research: Boulder, CO, USA, 145(145): 550.

[28]
WILLOUGHBY H E, RAHN M E, 2004. Parametric representation of the primary hurricane vortex. Part I: Observations and evaluation of the Holland (1980) model[J]. Monthly Weather Review, 132(12): 3033-3048.

DOI

[29]
YANG JIE, LI LINLIN, ZHAO KUIFENG, et al, 2019. A comparative study of Typhoon Hato (2017) and Typhoon Mangkhut (2018)—Their impacts on coastal inundation in Macau[J]. Journal of Geophysical Research: Oceans, 124(12): 9590-9619.

DOI

[30]
YANG ZHEHAO, SHAO WEIZENG, DING YANG, et al, 2020. Wave simulation by the SWAN model and FVCOM considering the sea-water level around the Zhoushan Islands[J]. Journal of Marine Science and Engineering, 8(10): 783.

DOI

[31]
YING MING, ZHANG WEI, YU HUI, et al, 2014. An overview of the China Meteorological Administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 31(2): 287-301.

DOI

Options
Outlines

/

〈 〉