Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2025 , Vol. 44 >Issue 5: 50 - 64

DOI: https://doi.org/10.11978/2024240

Marine Hydrology

Wave distribution characteristics of Xuande Atoll, Xisha Islands*

  • QIU Liguo ,
  • LIANG Xiaoli ,
  • CHEN Bin ,
  • WANG Shengjian ,
  • WANG Fayun
Expand
  • Hainan Academy of Ocean and Fisheries Sciences, Haikou 571126, China
WANG Fayun. email:

Received date: 2024-12-25

  Revised date: 2025-03-10

  Online published: 2025-03-13

Supported by

Research project surplus funds of Hainan Academy of Marine and Fishery Sciences(JYJF20231226)

Fold

Abstract

This study aims to develop a mathematical model capable of accurately simulating waves in the island and reef areas, with the objective of investigating the wave climate and its changing trends in the Xuande Atoll. The third-generation numerical wave model SWAN (simulating waves nearshore) was employed. Grid refinement was carried out to the Xisha islands and reef areas, incorporating measured terrain data in some regions. The ERA5 reanalysis wind-field data (the fifth generation ECMWF atmospheric reanalysis of the global climate) from 1999 to 2023 was utilized as the driving force for wave simulations. Model performance was validated using measured data from the Xisha and Zhongsha Islands, with statistical metrics indicating its accuracy in simulating significant wave height. Analysis of the 25-year model results revealed distinct spatial and temporal patterns. Spatially, waves in the Xuande Atoll exhibited stronger intensities in the northeast and weaker intensities in the southwest, propagating generally from the northeast to the southwest. Due to the obstruction of the reef flat, a prominent wave-shadow zone was formed in the southwest. Temporally, wave intensity was the highest in December and the lowest in May, showing a gradual decrease from December to May and a subsequent increase from May to December. Quantitatively, the average significant wave height showed a slight decreasing trend (0 ~ 0.2 cm·a-1) in most of the atoll, while it increased slightly (0 ~ 0.2 cm·a-1) in some parts of the reef flat. The 99th percentile significant wave height increased in most areas (0 ~ 0.7 cm·a-1) but decreased slightly in some reef flat areas (0 ~ 0.4 cm·a-1), indicating a rising impact of extreme weather events like typhoons on the atoll. Monthly analysis showed that the average significant wave height exhibited an upward trend in six months and a downward trend in the other six. The maximum upward trend occurred in October (≤ 0.8 cm·a-1), while the maximum downward trend was observed in November (≤1.7 cm·a-1). The 90th percentile significant wave height decreased slightly in February and August, coinciding with the transition between the northeast monsoon and the southwest monsoon. Compared with the average significant wave height, the 99th percentile showed opposite trends in August and September, reflecting year-by-year variations in typhoon impacts. The Mann-Kendall (MK) test indicated relatively high significance levels for trends in some regions. The conclusions have a certain degree of reliability and hold great reference value for the future development and construction of island and reef areas, such as the Xuande Atoll.

Key words： simulation wave nearshore; islands and reefs; waves; wave climate; Xuande atoll

Cite this article

QIU Liguo , LIANG Xiaoli , CHEN Bin , WANG Shengjian , WANG Fayun . Wave distribution characteristics of Xuande Atoll, Xisha Islands*[J]. Journal of Tropical Oceanography, 2025 , 44(5) : 50 -64 . DOI: 10.11978/2024240

西沙群岛在历史、资源、旅游、环保和战略等方面具有重要的价值和意义, 是中国南海的重要门户。掌握西沙岛礁的水文环境有利于更好地开发和保护西沙岛礁资源。了解西沙岛礁波浪状况对船舶航行、港口码头开发建设、海岸线管理和海洋结构物设计等尤为关键。因此, 能够准确地对波浪进行长期模拟, 增强对波浪气候的了解尤为重要。
数值模拟是评估和预测波浪状况的重要手段。目前, 基于动谱平衡方程, 无须事先假设波浪谱型的第三代波浪模型有波浪作用模型(wave action model, WAM) (Group et al, 1988)、近海波浪数值模式(simulation wave nearshore, SWAN)(Booij et al, 1999)和第三代海浪模式(wavewatch Ⅲ, WWIII)(Tolman, 1989, 1991)。第三代波浪模型已经被国内外同行用于研究全球或大尺度海域波浪, 如波浪谱演化、海气相互作用及波与波相互作用等, 并获得了大量的研究成果。Saket等(2012)利用SWAN模拟了阿曼湾北部沿海的波浪场, 并对该海域波浪能进行了评估。Rusu等(2008b)利用SWAN和WAM开发了适用于伊比利亚西部海岸海浪预测系统, 重点关注极端事件并给出了对比和统计结果。但利用第三代波浪模型模拟岛礁附近波浪的研究较为少见, 研究成果较少。岛礁区域地形复杂, 波浪在岛礁区域具有复杂的物理过程, 如折射、浅化、衍射、破碎和波波非线性相互作用等。Chawla等(2008)研究表明, 网格水深误差可以对模拟波高产生较大影响。因此, 近年来对岛礁区域波浪进行准确模拟成为波浪研究的热点之一。Christopoulos (1997)在爱琴海的复杂岛屿地形环境下对WAM模式的分辨率进行了有效选择。Ponce等(2005)在WAM模式基础上改进了近岸的波破碎、底摩擦等浅水过程使得模式适应于岛屿海域, 认为岛屿对波浪场存在长距离的影响。Rusu等(2008a)使用WAM模式和SWAN模式评估了马迪拉群岛地区的海浪特征, 有效波高计算结果精度较好。Goncalves等(2014)使用了WWIII模式和SWAN模式评估了加纳利群岛的波能。Sun等(2021)采用了WWIII模型构建了南海全海域到近岛礁的高分辨率非结构计算网格, 并得到了岛礁长期波浪观测数据的验证。董进(2019)对南海近岛礁进行了波浪演化数值模拟, 并获得了南海海域年平均波高的季节分布特性。白珍胜等(2020)采用WWIII模式研究了风场驱动下近岛礁波浪场模拟的可行性。
近年来, 人们开展了更多岛礁区域的波浪观测和地形测量, 实测数据的获取有利于数学模型反演岛礁区域的波浪条件。许多学者关注点放在岛礁区域的准确模拟上, 对岛礁区域的波浪时空分布特征及变化趋势关注较少, 特别是人类活动频繁的岛礁区域。本文旨在发展一个能够在岛礁区域对波浪进行准确模拟、性能良好的数学模型, 获取长期(25a)的波浪数据, 研究岛礁区域的波浪气候及其变化趋势。本文关注区域为宣德环礁, 是宣德群岛的重要组成部分。

1 数据和方法

1.1 研究区域

西沙群岛分为东西两群, 其中东群为宣德群岛, 包含宣德环礁、东岛环礁、浪花礁等3座环礁和1座暗礁(篙煮滩)。本文研究区域为宣德环礁(以下简称环礁), 位于海南岛东偏南约330km处, 由北部的七连屿大弧形礁盘、东南部的永兴-石岛弧形礁盘、银砾滩及礁内潟湖区域构成(图1)(何其江 等, 2021)。宣德环礁南北长约32km, 纬度为(16°43′—17°01′N), 东西长约22km, 经度为(112°11′—112°23′E)。
图1 研究区域位置(a)和宣德环礁地貌示意图(b)(何其江 等, 2021))

图a基于自然资源部标准地图服务网站下载的审图号GS(2019)3333号的标准地图制作。图a中红色方框为宣德群岛位置

Fig. 1 Location of the study area (a) and schematic diagram of the geomorphology of Xuande Atoll (b) (He et al, 2021)

西沙群岛位于热带, 受热带海洋性季风气候影响, 多热带气旋。10月至次年2月为宣德群岛冬季风时期, 盛行冬季风; 夏季风时期为5月至9月, 盛行偏南气流, 热带气旋影响频繁。宣德群岛冬-夏季风的过渡时期为3—4月; 9月中下旬是夏-冬季风的过渡时期, 比冬-夏季风的过渡时期短。

1.2 模型设置

本文波浪数值模拟采用基于波作用量守恒方程开发的第三代海浪数值模式SWAN。该模型考虑了风引起的波浪增长、白帽和底摩擦引起的波浪消散、非线性波-波相互作用、折射和波浪破碎等物理过程。SWAN模式的控制方程在笛卡尔坐标系的表示如下:
$\frac{\partial }{\partial t}N+\frac{\partial }{\partial x}{c}_{x}N+\frac{\partial }{\partial y}{c}_{y}N+\frac{\partial }{\partial \sigma }{c}_{\sigma }N+\frac{\partial }{\partial \theta }{c}_{\theta }N=\frac{S}{\sigma }$
式中: N为波作用量密度(单位: m2·s3), 是能量密度 $E\left(\sigma,\theta \right)$(单位: m2·s2)与相对频率 $\sigma $(单位: s-1) 的比值; t为时间(单位: s); ${c}_{x}$、 ${c}_{y}$、 ${c}_{\sigma }$和 ${c}_{\theta }$分别表示波浪在 $x$、 $y$、 $\sigma $和 $\theta $方向的传播速度(单位: m·s-1); $\frac{\partial }{\partial t}N$表示N随时间的变化率; $\frac{\partial }{\partial x}{c}_{x}N$和 $\frac{\partial }{\partial y}{c}_{y}N$分别表示N在几何空间 $x$、 $y$方向上的传播; $\frac{\partial }{\partial \sigma }{c}_{\sigma }N$表示流场和水深影响下 $N$在 $\sigma $方向上的变化; $\frac{\partial }{\partial \theta }{c}_{\theta }N$ 表示 $N$在 $\theta $方向上的传播。S表示源汇项(单位: m2·s3), 包括风能输入、波-波非线性相互作用和由底摩擦、白浪、破碎等引起的能量损耗。
本文波浪模拟采用非结构化三角形网格, 如图2所示。为了更好地模拟岛礁区域波浪, 网格除了在环礁区域进行加密外, 对永乐环礁、中沙群岛等岛礁区域都进行了适当地加密。网格边界为(105°38′—118°00′E, 12°00′—24°10′N)。网格计算节点数为55019, 三角形单元数为99796, 开边界网格分辨率约为20km, 岛礁区域网格较为精细, 分辨率约为20m。网格水深绝大部分采用由美国地球物理中心(National Geophysical Data Center, NGDC)提供的全球水深地形模型(ETOPO global relief model, ETOPO1)的地形数据, 其空间分辨率为1′×1′; 在环礁海域, 则采用精细度更好的实测地形数据。
图2 波浪测站位置及计算网格示意图

a. 计算网格图; b. 宣德环礁局部加密图; c. 永乐环礁局部加密图; d. 中沙群岛局部加密图。图a中的红色方框为局部加密位置

Fig. 2 Locations of wave measurement stations and schematic diagram of computational grids of the wave model. (a) Computational grid diagram; (b) locally refined grid of Xuande Atoll; (c) locally refined grid of Yongle Atoll; (d) locally refined grid of the Zhongsha Islands

本文获取了1999—2023年的第五代欧洲中期天气预报中心再分析资料(the fifth generation ECMWF atmospheric reanalysis of the global climate, ERA5)的10m风场数据, 用作模型的驱动风场。ERA5由欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts, ECMWF)发布, 空间分辨率为0.25°, 时间分辨率为1h (Hersbach et al, 2018)。

1.3 模型验证

1.3.1 波浪资料

本文采用实测波浪资料进行模型验证, 实测波浪资料站位如图2所示, 共4个站位, 其中2个站位(甘泉岛站、晋卿岛站)位于永乐环礁, 1个站位(华夏暗沙站)位于中沙群岛, 1个站位(七连屿站)位于宣德群岛。4个站位皆位于岛礁区域, 各测站的详细信息如表1所示。图3为声学多普勒流速剖面仪(acoustic Doppler current profiler, ADCP)在环礁七连屿站布设图, 由图3清晰可见ADCP部署在珊瑚礁盘区。
表1 波浪测量站位信息

Tab. 1 Information on wave measurement stations

站位 观测仪器 观测时间 采样频率 样本量 观测单位
七连屿站 ADCP 2017/07─2017/11 2h 1371 海南省海洋与渔业科学院
甘泉岛站 浪龙仪 2018/01─2018/04 1h 2603 中国船舶科学研究中心
晋卿岛站 浪龙仪 2014/06─2018/06 0.5h 32487 中国船舶科学研究中心
华夏暗沙站 ADCP 2018/06─2018/11 2h 1506 海南省海洋与渔业科学院
图3 ADCP投放图(七连屿站)

Fig. 3 Deployment of ADCP (Qilianyu station)

1.3.2 模型性能

在波浪观测站位提取模型结果, 与实测数据进行比较, 验证模型性能。通过统计获得统计数据, 包含以下统计量: 偏差(bias)、均方根误差(root mean square error, RMSE)、皮尔逊相关系数(Pearson correlation coefficient, PCC)和散射指数(scatter index, SI)。假设x 代表观测值, y 代表模拟值, n代表样本量, 则上述统计数据可用以下公式表示:
$\text{bias}=\overline{y}-\overline{x}$
$\text{RMSE}=\sqrt{\frac{{{\displaystyle \sum }}_{i=1}^{n}{\left({x}_{i}-{y}_{i}\right)}^{2}}{n}}$
$\text{PCC}=\frac{{{\displaystyle \sum }}_{i=1}^{n}\left({x}_{i}-\overline{x}\right)\left({y}_{i}-\overline{y}\right)}{{\left({{\displaystyle \sum }}_{i=1}^{n}{\left({x}_{i}-\overline{x}\right)}^{2}{{\displaystyle \sum }}_{i=1}^{n}{\left({y}_{i}-\overline{y}\right)}^{2}\right)}^{\frac{1}{2}}}$
$\text{SI}=\frac{\text{RMSE}}{\overline{x}}$
式中: $\overline{x}$ 为观测值的平均值, $\overline{y}$为模拟值的平均值。
本文将观测有效波高与模拟有效波高进行对比来验证模型性能。图4和图5表明, 实测有效波高和模拟有效波高呈现出良好的一致性, 模拟有效波高时间序列曲线与观测有效波高时间序列曲线拟合紧密, 散点密度图进一步证实了模拟有效波高与实测波高具有较高的一致性。
图4 实测有效波高和模拟有效波高时间序列比较

a. 七连屿站; b1. 晋卿岛站; b2. 晋卿岛站; c. 甘泉岛站; d. 华夏暗沙站

Fig. 4 Comparison between measured and simulated significant wave height time series. (a) Qilianyu station; (b1) Jinqingdao station; (b2) Jinqingdao station; (c) Ganquandao station; (d) Huaxiaanjiao station

图5 有效波高密度散点图

a. 七连屿站; b. 晋卿岛站; c. 甘泉岛站; d. 华夏暗沙站

Fig. 5 Density scatter plots of significant wave height. (a) Qilianyu station; (b) Jinqingdao station; (c) Ganquandao station; (d) Huaxiaanjiao station

如图5所示, 对于七连屿站和甘泉岛站, 有效波高模拟值相较于实测值稍偏高; 而在华夏暗沙站, 模拟值略低于实测值; 至于晋卿岛站的情况, 则体现出当有效波高小于1.2m时, 模拟值偏大, 而当波高值大于1.2m时, 模拟值偏小。以上现象说明波浪在岛礁区域受地形影响较大, 变化复杂。
表2列出了各个测站统计结果, 以位于宣德群岛七连屿站的统计结果为例, 有效波高偏差、均方根误差、皮尔逊相关系数、散射系数和斜率分别为0.235m、0.325m、0.858、0.724和0.957。统计结果显示出了模型在有效波高的模拟上具有良好性能。
表2 模型性能统计

Tab. 2 Model performance statistics

统计要素 站位 PCC RMSE/m bias/m SI 斜率 n
有效波高 晋卿岛站 0.876 0.144 0.093 0.427 0.877 32487
甘泉岛站 0.917 0.327 0.268 0.560 1.251 2603
七连屿站 0.858 0.325 0.235 0.724 0.957 1371
华夏暗沙站 0.909 0.382 -0.195 0.246 0.908 1506

1.3.3 波候和趋势分析

对25a模型结果进行分析, 获得环礁波候整体和逐月特征及变化趋势。每个网格节点的结果皆进行分析, 以便呈现波侯及其趋势的空间分布特征。平均值通过平均每个网格点的波参数获得, 同时计算了90百分位和99百分位波参数。此次波参数主要选择了有效波高。环礁受热带海洋性季风气候影响, 10月至次年2月刮东北风, 5月至8月刮西南风, 其他月份为季风转换过渡期, 这给按照传统的冬半球季节划分方法进行季节性分析带来了困难, 其原因是波浪除了受风力大小影响, 风向也是一个重要因素。
把最小二乘法变化趋势应用于研究区域的每一个网格点, 用以分析研究区域有效波高的变化趋势, 采用MK检验(Mann-Kendall test)(Mann, 1945; Kendall, 1975)进行趋势显著性分析。MK检验最初由Mann和Kendall提出, 被广泛应用于水文气象领域, Young等(2011)、Aydogan等(2018)和Vieira等(2020)采用此方法进行了波浪变化趋势的显著性分析。该检验给出了2个假设, 零假设H0 (没有单调趋势)和代替假设H1 (有单调趋势)。MK检验可以判定H0为真, 或者在拒绝H0接收H1时, 数据的统计值需要达到一定的置信度。

2 结果分析

2.1 波候分析

图6为平均、90百分位和99百分位有效波高在整个模拟周期统计的空间分布图。结果显示, 较高的有效波高位于宣德环礁东北部水深较深区域, 平均、90百分位和99百分位有效波高分别为Hs>1.0m、Hs>2.3m和Hs>3.1m; 受环礁礁盘遮挡, 西南侧波浪较弱; 在礁盘处波高最小, 平均、90百分位和99百分位有效波高分别为Hs<0.5m、Hs<0.7m和Hs<1.2m。环礁波浪方向整体上由东北向西南传播, 经过礁盘的阻挡, 在环礁西南部存在显著的波影区。一般地, 99百分位有效波高分布更能体现出台风等恶劣天气下的波浪状况, 由结果可知, 恶劣天气下, 波浪能量较强, 通过波浪折绕射作用, 经红草门和七连屿北岛出口门传入环礁潟湖, 潟湖波高较大; 较强的波能在礁盘区大量损耗, 波高快速衰减, 海岛岸线处波高较小。如果考虑到海岛岸线的保护, 在台风期间, 一般要考虑风暴增水后的风浪作用, 本文并未涉及台风天风暴增水的模拟。
图6 整个模拟周期有效波高统计空间分布图

a. 平均; b. 90百分位; c. 99百分位

Fig. 6 Spatial distributions of significant wave height statistics for the entire simulation period. (a) mean; (b) 90th percentile; (c) 99th percentile

图7—图9按月份给出了平均、90百分位和99百分位有效波高统计空间分布图。图7结果显示, 环礁整体波候在强度上呈现出了12月最强, 5月最弱, 波况在12月至次年5月逐渐减弱, 5月至12月刚好相反, 逐渐增强。在东北季风盛行的月份, 波浪整体呈现由东北向西南传播, 环礁东北部礁盘能够对波浪起到阻挡作用, 潟湖位于波影区, 波能较外海有较大衰减; 与之相反, 在刮西南风的月份, 波向整体呈现西南向, 环礁西南部银砾滩对波浪基本上没有削弱作用, 潟湖区波能较强, 即便如此, 潟湖区波能整体上比刮东北风的月份弱。在3月、4月和9月, 季风风向发生转换, 环礁波浪状况跟着发生转变, 但整体上呈现出了波浪从东北向西南传播的特征, 这说明, 在季风转换的月份, 东北风比西南风更具优势。图8为90百分位有效波高按月统计空间分布图, 90百分位有效波高一般可以体现大风天气的波况情况。图8整体结构与图7相似, 说明大风天气时, 环礁波况与整体波候空间特征一致, 但波高更高。由99百分位有效波高分布结果显示, 与平均有效波高和90百分位有效波高对比, 在5月份时, 其波高分布体现了波浪从东北向西南传播, 说明了模拟期间, 在台风极少活动的5月份也出现过强台风活动(2006年01号强台风“珍珠”发生在5月中旬)。整体上, 99百分位有效波高东北强、西南弱, 因此, 在台风等恶劣天气下, 礁盘西南侧成了理想的避台位置, 适合港口开发建设。
图7 不同月份平均有效波高统计空间分布图

Fig. 7 Spatial distributions of monthly mean significant wave height

图8 不同月份90百分位有效波高统计空间分布图

Fig. 8 Spatial distributions of monthly 90th percentile significant wave height

图9 不同月份99百分位有效波高统计空间分布图

Fig. 9 Spatial distributions of monthly 99th percentile significant wave height

2.2 波候趋势

在模拟的25a期间, 有效波高变化趋势如图10所示。结果显示, 平均有效波高在环礁大部分区域有轻微的减小趋势(0~0.2cm·a-1), 在礁盘部分区域有轻微的增大趋势(0~0.2cm·a-1)。90百分位有效波高变化幅度与平均有效波高类似, 但其空间分布略有不同, 轻微增大趋势在环礁南部、潟湖中部以东和部分礁盘区域。99百分位有效波高变化趋势则体现出了大部分区域增大(0~0.7cm·a-1), 小部分礁盘区域减小(0~0.4cm·a-1), 这说明对环礁有影响的台风等恶劣天气有增大趋势。Young等(2011)做过有效波高变化趋势, 结果显示平均有效波高整体上轻微增大(0~0.25cm·a-1), 99百分位有效波高增大幅度更高(0~0.4cm·a-1), 与我们的结果略有不同。
图10 有效波高变化趋势图

a. 平均; b. 90百分位; c. 99百分位

Fig. 10 Trends in significant wave height. (a) mean; (b) 90th percentile; (c) 99th percentile

图11给出了环礁北部、中部和南部特征点(位置如图1所示)的年平均有效波高及其趋势线图。如表3结果显示, 平均有效波高变化趋势从北至南分别为-0.05cm·a-1、-0.09cm·a-1和-0.10cm·a-1, 均为负值, 显示为下降趋势; 90百分位有效波高变化趋势从北至南分别为-0.07cm·a-1、+0.01cm·a-1和+0.06cm·a-1, 显示为北部下降, 中部和南部上升趋势; 99百分位有效波高变化趋势从北至南分别为+0.41cm·a-1、+0.48cm·a-1和+0.13cm·a-1, 均为正值, 显示为上升趋势。
图11 宣德环礁北(a)、中(b)、南(c) 3个特征点的年平均有效波高及其趋势线图

Fig. 11 Annual mean significant wave height and its trend line at three characteristic points in the northern (a), central (b), and southern (c) parts of Xuande atoll

表3 宣德环礁特征点有效波高变化趋势(单位: cm·a-1)

Tab. 3 Trends of significant wave height (unit: cm·a-1) at characteristic points of Xuande Atoll for mean, 90th and 99th percentiles

特征点位置 平均 90百分位 99百分位
北 -0.05 -0.07 +0.41
中 -0.09 +0.01 +0.48
南 -0.10 +0.06 +0.13
图12为平均有效波高逐月变化趋势。在东北季风盛行的月份(10月至次年2月), 环礁平均有效波高变化趋势除了11月下降, 其他月份均为上升趋势, 其中10月上升趋势最为显著; 刮西南季风时(5月至8月), 整体上除了8月轻微上升, 其他月份轻微下降, 其中7月下降趋势最为显著; 在季风转换月份, 3月和9月下降, 4月上升。整体上, 环礁有半年时间(6个月)平均有效波高变化趋势为上升, 其中10月上升幅度最大(≤0.8cm·a-1); 下降趋势发生的时间也有半年时间(6个月), 其中11月下降幅度最大(≤1.7cm·a-1)。90百分位有效波高逐月变化趋势如图13所示, 与平均有效波高逐月变化特征不同的是, 90百分位有效波高在2月和8月轻微下降, 说明在东北季风和西南季风盛行的最后一个月, 大风天气有减弱趋势。整体上, 环礁有4个月时间90百分位有效波高变化趋势为上升, 其中10月上升幅度最大(≤2.1cm·a-1); 下降趋势发生的时间有8个月, 其中11月下降幅度最大(≤3.8cm·a-1)。图14为99百分位有效波高逐月变化趋势, 结果显示, 与平均有效波高逐月变化相比, 99百分位有效波高在8月和9月变化趋势相反, 说明8月和9月台风等恶劣天气对宣德环礁的影响在逐年下降和上升。整体上, 环礁有6个月时间99百分位有效波高变化趋势为上升, 其中12月上升幅度最大(≤5.1cm·a-1); 下降趋势发生的时间有6个月, 其中8月下降幅度最大(≤3.2cm·a-1) 。
图12 不同月份平均有效波高逐月变化趋势图

Fig. 12 Monthly trends of mean significant wave height

图13 不同月份90百分位有效波高逐月变化趋势图

Fig. 13 Monthly trends of 90th percentile significant wave height

图14 不同月份99百分位有效波高逐月变化趋势图

Fig. 14 Monthly trends of 99th percentile significant wave height

在每个模拟节点上进行MK检测, 给出了平均有效波高、90百分位有效波高和99百分位有效波高在不同置信区间趋势显著性空间分布图。如图15所示, 整体上礁盘部分区域显著性水平较高, 其他区域不太显著。图16—图18给出了平均、90百分位和99百分位有效波高逐月趋势显著性在不同置信区间空间分布。如图16所示, 平均有效波高整体上礁盘部分区域置信水平较高, 3月、7月、11月在整个研究区域的置信水平较高(75%~90%), 对应趋势均为下降趋势; 如图17所示, 90百分位有效波高整体上礁盘部分区域置信水平较高, 3月、11月在整个研究区域的置信水平较高(90%~99%), 对应趋势均为下降趋势; 如图18所示, 99百分位有效波高整体上礁盘部分区域置信水平较高, 5月、12月在整个研究区域的置信水平较高(75%~99%), 对应趋势分别为下降趋势和上升趋势。
图15 不同置信区间趋势显著性空间分布图

a. 平均; b. 90百分位; c. 99百分位

Fig. 15 Spatial distributions of trend significance at different confidence levels. (a) mean; (b) 90th percentile; (c) 99th percentile

图16 不同月份平均有效波高逐月趋势显著性在不同置信区间空间分布图

Fig. 16 Spatial distributions of monthly mean significant wave height trend significance at different confidence levels

图17 不同月份90百分位有效波高逐月趋势显著性在不同置信区间空间分布图

Fig. 17 Spatial distributions of monthly 90th percentile significant wave height trend significance at different confidence levels

图18 不同月份99百分位有效波高逐月趋势显著性在不同置信区间空间分布图

Fig. 18 Spatial distributions of monthly 99th percentile significant wave height trend significance at different confidence levels

3 结论

本文采用ERA5再分析风场资料驱动SWAN模型对南海西沙岛礁区域进行了波浪模拟, 在岛礁区域采用了更高的空间分辨率网格和更为精细的实测地形资料, 利用位于西沙群岛和中沙群岛的实测资料对结果进行了验证, 结果显示模型在南海岛礁区域具有良好的性能。模型运行了25a (1999—2023年), 选择宣德环礁作为研究区域, 通过结果分析对环礁整体波候进行了描述。环礁东北季风比西南季风更有优势, 波浪整体上由东北向西南传播, 经过礁盘的阻挡, 在环礁西南部存在显著的波影区, 具有东北强、西南弱空间分布特征。时间维度上, 环礁波候在强度上体现了12月至次年5月逐渐减弱, 5月至12月逐渐增强的分布特征。这项研究还观察到岛礁区域波浪变化趋势, 平均有效波高在宣德环礁大部分区域有轻微的减小趋势(0~0.2cm·a-1), 在礁盘部分区域有轻微的增大趋势(0~0.2cm·a-1), 更能体现极端天气的99百分位有效波高变化趋势为大部分区域增大(0~0.7cm·a-1), 小部分礁盘区域减小(0~0.4cm·a-1), 说明了发生对环礁有影响的台风等恶劣天气的趋势在增大。对逐月有效波高变化趋势分析显示, 一年中, 环礁平均有效波高具有上升、下降趋势的月份均为6个月, 其中10月上升幅度最大(≤0.8cm·a-1), 11月下降幅度最大(≤1.7cm·a-1); 90百分位有效波高在2月和8月轻微下降, 说明在东北季风和西南季风盛行的最后一个月, 大风天气有减弱趋势。相比于平均有效波高, 99百分位有效波高在8月和9月变化趋势相反, 说明8月和9月台风等恶劣天气对环礁的影响在逐年下降和上升。虽然趋势显著性并不总是具有较高的置信水平, 但在一些月份几乎整个研究区域的置信水平都高于95%, 例如, 12月份的99百分位有效波高的置信水平在大部分研究区域高于95%, 这说明了我们的结论是有一定的可信度的。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
白珍胜, 宗智, 孙泽, 等, 2020. 基于WAVEWATCH Ⅲ的近岛礁波浪演化研究[J]. 船舶力学, 24(10): 1261-1269.

BAI ZHENSHENG, ZONG ZHI, SUN ZE, et al, 2020. Study of wave evolution near islands and reefs based on WAVEWATCH Ⅲ[J]. Journal of Ship Mechanics, 24(10): 1261-1269 (in Chinese with English abstract).

[2]
董进, 2019. 南海近岛礁波浪演化数值模拟研究[D]. 大连: 大连理工大学.

DONG JIN, 2019. Numerical research of wave evolution near reefs in the South China Sea[D]. Dalian: Dalian University of Technology (in Chinese with English abstract).

[3]
何其江, 刘刚, 王雪木, 等, 2021. 西沙群岛宣德环礁的精细水下地貌组合特征及其成因机制[J]. 海洋学报, 43(8): 81-92.

HE QIJIANG, LIU GANG, WANG XUEMU, et al, 2021. Submarine geomorphologic features and genetic mechanism in the Xuande atoll, Xisha Islands[J]. Haiyang Xuebao, 43(8): 81-92 (in Chinese with English abstract).

[4]
AYDOGAN B, AYAT B, 2018. Spatial variability of long-term trends of significant wave heights in the Black Sea[J]. Applied Ocean Research, 79: 20-35.

[5]
BOOIJ N, RIS R C, HOLTHUIJSEN L H, 1999. A third-generation wave model for coastal regions 1. Model description and validation[J]. Journal of Geophysical Research Atmospheres, 104(4): 7649-7666.

[6]
CHAWLA A, TOLMAN H L, 2008. Obstruction grids for spectral wave models[J]. Ocean Modelling, 22(1/2): 12-25.

[7]
CHRISTOPOULOS S, 1997. Wind-wave modelling aspects within complicate topography[J]. Annales Geophysicae, 15(10): 1340-1353.

[8]
GONCALVES M, MARTINHO P, GUEDES SOARES C, 2014. Assessment of wave energy in the canary islands[J]. Renewable Energy, 68: 774-784.

[9]
GROUP T W, 1988. The WAM model: a third generation ocean wave prediction model[J]. Journal of Physical Oceanography, 18(12): 1775-1810.

[10]
HERSBACH H, BELL B, BERRISFORD P, et al, 2018. ERA5 hourly data on single levels from 1940 to present. Copernicus Climate Change Service (C3S) Climate Data Store (CDS)[EB/OL]. doi: 10.24381/cds.adbb2d47. https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-single-levels 2024-10-16].

[11]
KENDALL M G, 1975. Rank Correlation Methods[M]. Oxford: Griffin.

[12]
MANN H B, 1945. Nonparametric tests against trend[J]. Econometrica, 13(3): 245.

[13]
PONCE DE LEON S, SOARES, 2005. On the sheltering effect of islands in ocean wave models[J]. Journal of Geophysical Research: Oceans, 110(C9): 110.

[14]
RUSU E, PILAR P, GUEDES SOARES C, 2008a. Evaluation of the wave conditions in Madeira Archipelago with spectral models[J]. Ocean Engineering, 35(13): 1357-1371.

[15]
RUSU L, PILAR P, GUEDES SOARES C, 2008b. Hindcast of the wave conditions along the west Iberian coast[J]. Coastal Engineering, 55(11): 906-919.

[16]
SAKET A, ETEMAD-SHAHIDI A, 2012. Wave energy potential along the northern coasts of the Gulf of Oman, Iran[J]. Renewable Energy, 40(1): 90-97.

[17]
SUN ZE, ZHANG HAICHENG, LIU XIAOLONG, et al, 2021. Wave energy assessment of the Xisha Group Islands zone for the period 2010-2019[J]. Energy, 220: 119721.

[18]
TOLMAN H L, 1989. The numerical model Wavewatch: A third generation model for hindcasting of wind waves on tides in shelf seas[J]. Communication on Hydraulic and Geo Technical Engineering, 2: 89.

[19]
TOLMAN H L, 1991. A third-generation model for wind waves on slowly varying, unsteady, and inhomogeneous depths and currents[J]. Journal of Physical Oceanography, 21(6): 782-797.

[20]
VIEIRA F, CAVALCANTE G, CAMPOS E, 2020. Analysis of wave climate and trends in a semi-enclosed basin (Persian Gulf) using a validated SWAN model[J]. Ocean Engineering, 196: 106821.

[21]
YOUNG I R, ZIEGER S, BABANIN A V, 2011. Global trends in wind speed and wave height[J]. Science, 332(6028): 451-455.

DOI PMID

Options
Outlines

/

〈 〉