海洋科学  2018, Vol. 42 Issue (3): 63-76   PDF    
http://dx.doi.org/10.11759/hykx20170810001

文章信息

靳双龙, 陈建. 2018.
JIN Shuang-long, CHEN Jian. 2018.
中国近海海上新能源开发环境风险综合区划
Regionalization of environmental risk for renewable energy development in China's coastal seas
海洋科学, 42(3): 63-76
Marine Sciences, 42(3): 63-76.
http://dx.doi.org/10.11759/hykx20170810001

文章历史

收稿日期:2017-08-10
修回日期:2017-10-10
中国近海海上新能源开发环境风险综合区划
靳双龙1, 陈建2     
1. 中国电力科学研究院有限公司, 北京 100192;
2. 北京应用气象研究所, 北京 100029
摘要:针对海上新能源开发的环境风险问题,基于中国近海的海面风场、海浪和热带气旋资料,统计其高值频率、概率极值、平均值、气候变化趋势等指标;利用层次分析法和互反判断矩阵计算近地层大风、大浪、热带气旋危险性指数,并对三者的综合危险性指数进行区划,为中国近海海上风能、波浪能、海流能、潮汐能等开发活动规避自然风险提供参考。研究表明:海上新能源开发环境风险偏高的海区包括南海北部、吕宋海峡、菲律宾海中北部等,该海域热带气旋引发局地大风巨浪或将能量经吕宋海峡向南海传播形成大浪区;风险居中的海区包括北部湾、南海中部、菲律宾海中南部、台湾周边沿岸海域、东海中部等,这里虽然有台湾海峡、越南东南部海域等盛行大风区,但其相对热带气旋来说风险较低;风险偏低的海区包括渤海、黄海大部、东海西北部、南海南部等,这里风浪的各项指标都很低,热带气旋的直接和间接影响几乎为零。此外,利用有效风速出现频率、波浪能开发有效时间占比,分别进行风能、波浪能资源区划,给出海上风能、波浪能的资源与风险综合区划。
关键词中国近海    新能源开发    环境风险区划    层次分析法    互反判断矩阵    
Regionalization of environmental risk for renewable energy development in China's coastal seas
JIN Shuang-long1, CHEN Jian2     
1. State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems, China Electric Power Research Institute. Beijing 100192, China;
2. Beijing Institute of Applied Meteorology, Beijing 100029, China
Abstract: In the development of renewable energy in China's coastal seas, the environmental risks must be assessed. Using the analytic hierarchy process (AHP) and reciprocal judgment matrix, in this study, we calculated indicators such as the high-value frequency, extreme value, average value, and climate change trend, as well as the integrated risk indices of three typical disastrous weather conditions, i.e., strong sea surface winds, big sea waves, and tropical cyclones. To help avoid the associated natural risks, we then used these three risk indices to comprehensively regionalize the risk in developing renewable energy such as wind, wave, ocean-current, and tidal energies in China's coastal waters. Research has shown that high-risk areas include the northern South China Sea, Luzon Strait, and the northern Philippines Sea, where tropical cyclones occur frequently. These cyclones trigger local strong winds and big waves, or spread energy through the Luzon Strait to the South China Sea, thereby indirectly triggering big waves. Moderate risk areas include the North Bay, central South China Sea, central Philippines Sea, the coastal waters surrounding Taiwan, and the central East China Sea, over parts of which strong winds tend to prevail but are not as risky as tropical cyclones. Low risk areas include the Bohai Sea, most parts of the Yellow Sea, the northwestern East China Sea, and the southern South China Sea, where each of the wind or wave indicators is very low, and the direct and indirect effects of tropical cyclones are negligible. We regionalized the wind-energy and wave-energy resources based on their indicators, i.e., effective wind speed frequency and effective time ratio of wave-energy development, respectively. In this paper, we present a comprehensive regionalization of both the resources and risks of wind energy and wave energy at sea.
Key words: China's coastal seas    renewable energy development    environmental risk regionalization    analytic hierarchy process    reciprocal judgment matrix    

海面大风和海浪的巨大破坏作用对人民生命财产安全构成了巨大威胁, 造成平均每年沉船200多艘的损失, 以及至今60余座石油平台的沉没[1]。大风和大浪通常相伴相生, 影响区域广, 极值变率大, 持续时间长, 对海上新能源(风能、海浪能、潮流能、温差能等)发电设施的破坏力惊人, 造成基础倾覆、塔筒折断、叶片撕裂、机舱罩损坏等, 经济损失巨大[2]。为了抵御灾害性天气的破坏, 降低经济损失, 除了需要对海上发电机组及其平台进行抗风浪设计之外, 还要对其所处环境的风险进行合理评估, 寻找资源开发的相对优势区域、规避危险区域, 为海上新能源开发的选址提供指导。

在自然灾害风险评估和区划方面, 国内外学者已经开展了大量研究, 从基本理论到实际应用取得了一系列研究成果, 但绝大多数都是针对陆上自然灾害展开的。在海上自然灾害风险评估区划领域, 国内开展的工作包括:针对海上军事作战训练需求对我国冬季近邻海域风、浪、温、湿等水文气象环境进行气候区划[3], 针对海军舰船作战保障需求对我国近海冬季浪高进行区划[4], 针对气候研究需求对我国近海海面风场进行区划[5], 针对气候变化影响对我国周边海域热带气旋灾害风险进行区划[6], 针对国家海洋战略对南海-印度洋海域[7]、西北航道[8]等重要海域的自然和人为灾害风险进行综合区划, 针对海域使用管理和环境保护需求进行我国海洋功能区划[9], 等等。在国际上, 海上自然灾害风险评估通常包含于综合考虑海洋环境、自然资源、生态系统、经济基础和开发技术等多种因素的海洋功能区划(或称海洋空间规划)之中, 比利时[10]、爱尔兰[11]、意大利[12]、德国[13]、美国[14]、澳大利亚[15]等国都在各自领海和专属经济区进行了海洋空间规划, 以解决海域使用相互冲突问题、保护海洋环境和实现生态系统可持续发展。作为海洋功能区划的重要组成部分, 海洋环境影响评估区划的一般流程为:采集海上气象水文要素信息; 统计风、浪、流、台风等灾害性天气的特征量(如平均值、极值、高值频率等); 采用适当融合方法计算每种灾害性天气的危险度; 应用统计分析方法、层次分析法等模型评估所有灾害性天气的综合危险度; 利用聚类分析方法完成海洋环境风险区划。海上新能源开发活动的环境风险评估是一个新兴领域, 与上述作战训练、船舶航行、气候研究、战略规划、海洋环境保护等领域的环境风险评估有共通之处, 但在影响要素和参数、评估手段等方面亦有所不同。例如:不同于受暴雨、低能见度、高温高湿等环境要素影响较大的海上作战活动, 海上新能源开发由于平台相对固定, 其建设和维护活动主要受大风、巨浪、强海流、地震等的影响[16]; 不同于需要考虑环境季节性变化的船舶航行活动, 海上能源开发是一项一次性选址、持续性运行的长期活动, 只需要考虑多年最极端的环境参数; 此外, 不同于其他风险源与承灾体的关系, 风和浪既是开发利用新能源的主要风险所在, 同时又是海上新能源的组成部分, 需要综合分析风和浪的风险与产能, 才能找出适合开发新能源的海区。

鉴于海上能源开发活动与风、浪、热带气旋等活动的密切关系, 一些研究对这些灾害要素的分布和变化特征进行诊断分析。例如, 郑崇伟等[17]利用WW3模式资料统计了南海5、6、7级以上海浪出现的频率; 王广运等[18]利用卫星微波遥感资料推算了中国近海50年一遇的波高极值; 刘铁军等[19]利用CCMP风场资料分析了中国周边海域海表大风频率以及极值风速的季节特征; 等等。另外一些研究对海上风能、波浪能等的资源状况进行评估。例如, NASA[20]利用卫星资料评估了全球的风能资源; Pontes等[21]利用浮标和模式资料评估了欧洲的波浪能资源; 郑崇伟等[22-23]综合考虑风能(波浪能)密度的大小、稳定性、变化趋势和大风(大浪)频率、有效风速(波高)以及资源的有效开发时间、有效储量等因素, 对中国周边和全球海域的海上风能(波浪能)资源进行了评估和区划。可见, 无论是简单的要素分析, 还是综合的资源评估, 现有研究的主要着眼点是风、浪等带来的资源产出, 而非其导致的风险损失。在着眼风、浪等所致海上发电机组风险的为数不多的工作中, 仅有简单的定性分析和要素模拟。例如, 罗超等[24]针对我国东南沿海频遭台风袭击的问题, 介绍了台风破坏风电场的原理和我国第一个海上风电场的抗台风设计; Rose等[25]针对美国大西洋和海湾沿岸的海上风力发电机时常遭受飓风袭击的问题, 模拟飓风对海上风电机的同时离线率、累积损伤等指标的影响, 估算海上风电开发自然灾害风险并给出相应对策; 唯一同时考虑了能源储备量和平台安全性两个方面的区划研究来自文献[26], 该研究在利用50年一遇最大风速进行风电机组安全等级一级区划的基础上, 利用年平均风速进行中国近海风资源二级区划, 从而给出中国近海风电开发综合(风险+产能)区划, 填补了该领域的空白, 但该研究只考虑了风场, 没有考虑其他自然灾害因子对环境风险的贡献。实际上, 海洋环境综合危险性不仅是由风、浪、热带气旋等灾害活动的均值、高值、极值、趋势等多项指标共同决定的, 而且不同指标的影响贡献也有所不同, 需要根据具体任务对这些指标进行适当融合, 判断其综合风险性。

因此, 本文基于近40年的风、浪资料和近70年的热带气旋资料, 对中国近海海上新能源开发的环境风险进行指标体系构建和综合影响区划, 并辅以资源区划, 为相关用海活动规避风险与合理选址提供指导。

1 资料

ERA-Interim是欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)第三代产品, 相比第二代产品ERA-40质量显著提升。ERA-Interim除了大气模式外还运行了一个耦合海浪模式。本文使用时间分辨率为1 d、水平分辨率为1.0°的距海平面10 m风速和波高资料, 区域为中国近海海域(0°~42°N, 105°~132°E), 时间范围为1979年1月~2016年12月。

热带气旋最佳路径数据集来自中国气象局热带气旋资料中心(CMA2016)[27], 根据每年热带气旋季节过后所收集到的常规、非常规气象观测和卫星观测资料整编而成, 提供了1949~2016年西北太平洋(赤道以北、东经180°以西)海域热带气旋每6 h的路径位置、强度等级、中心气压、最大风速以及英文名称和国际编号等。

2 区划指标和方法

根据“危险性”的定义[28]并综合考虑多重要素影响, 本文明确“海洋环境危险性”指海上灾害性天气的异常程度, 主要由天气现象的强度、频率、极值、趋势等共同决定, 这些指标越高, 海洋环境危险性越大。对海上新能源开发有显著影响的海上灾害性天气主要包括近地层大风、大浪和热带气旋。其他要素, 如地震发生的随机性较强, 海流的速度一般处于海上设施安全阈值以内, 而暴雨、低能见度、温度、湿度等主要影响水面舰艇航行及其人员安全, 本文都不予考虑。由此构建海上新能源开发环境危险性评估指标体系(图 1)。

图 1 海上新能源开发环境危险性评估指标体系 Fig. 1 Index system for environmental risk assessment of ocean renewable energy development

图 1可知, 最上层的环境综合危险性由中间层的近地层大风、大浪、热带气旋等灾害性天气的危险性决定, 而各环境要素的危险性由强值频率、概率极值、平均值、气候变化趋势4个特征指标进行量化评估。根据指标融合规则[29], 采用加法关系进行融合:

$ {D_j} = \sum\limits_{i = 1}^4 {{E_{i, j}}{w_i}} $ (1)

式中, Dj表示某种灾害性天气的危险评估值(j=1, 2, 3, 分别代表近地层大风、大浪、热带气旋), 称为危险性指数, Ei(i=1~4)表示强值频率、概率极值、平均值和气候变化趋势的统计分析结果, wi(i=1~4)为相应权重。特别地, 由于热带气旋等级是离散数值(1~6级), 不适宜统计概率极值、平均值和气候变化趋势, 对其只计算强值频率(E1)。

(1) 根据风力、海浪、热带气旋等级划分表和对应关系[30](表 1), 当灾害性天气强度大于阈值a时, 海上航行困难, 简易建筑物摇动剧烈; 当强度大于阈值b时, 海上航行危险, 简易建筑物会受破坏甚至部分倒塌; 当强度大于阈值c时, 海上部分中小型船只翻沉, 简易建筑物会被严重破坏。因此选定以上三个阈值为三种灾害性天气的高强阈值, 据此计算高值出现的频率或次数, 然后进行归一化处理得E1a, jE1b, jE1c, j

表 1 灾害性天气高强阈值 Tab. 1 High-value thresholds for disastrous weather conditions
近地层大风/(m/s) 大浪/m 热带气旋/等级
高强阈值a ≥10.8(强风) ≥2.5(大浪) ≥1(热带低压)
高强阈值b ≥17.2(大风) ≥5.5(巨浪) ≥2(热带风暴)
高强阈值c ≥24.5(狂风) ≥9.0(怒涛) ≥3(强热带风暴)

(2) 鉴于海洋工程设计中对极值风速与极值波高的关注, 且一般风力发电机组的设计寿命应为20 a[16], 采用Gumbe曲线法[19]推算中国近海20年一遇的极值风速或波高xp:

$ {x_p} = \bar x + \varphi \sqrt {\frac{1}{{n - 1}}\sum\limits_{i = 1}^n {{{({x_i} - \bar x)}^2}} } $ (2)

式中, {xi}为要素序列(i=1, 2, …, n), x为均值, φ为离均系数[31](20年一遇的设计频率P′=0.05, 对应的离均系数φ)。对xp进行归一化处理得E2j

(3) 计算区划范围内各点上风速和浪高1979~2016年的平均值, 归一化处理得E3j

(4) 鉴于气候变化趋势能够反映要素在气候变化中升降的定量程度, 提高区划在时间尺度方面考量的全面性和科学性, 采用以下方法确定气候趋势系数ε[32]:

$ \delta = \frac{{\sum\limits_{i = 1}^n {({x_i} - \bar x)(i - \bar i)} }}{{\sqrt {\sum\limits_{i = 1}^n {{{({x_i} - \bar x)}^2}} \sum\limits_{i = 1}^n {{{(i - \bar i)}^2}} } }} $ (3)

式中, {xi}为要素序列(i=1, 2, …, n), x为其均值, {i}为{xi}对应的自然序数列, i为其均值。则ε>0(ε<0)表示气象水文要素具有气候上升(下降)趋势, 值越大(小)上升(下降)趋势越强。对ε进行归一化处理得E4j

(5) 确定各指标权重。鉴于环境综合危险性评估具有明显的三层结构, 因此采用层次分析法(Analytic Hierarchy Process, AHP)[33]计算权重。

首先, 对不同指标间的相对重要性进行判断和量化。根据海上风力发电机组的抗台风设计规范标准[16], 我国海上发电机组设计主要是针对30 m/s以上的大风情形进行风险评估, 大致对应风、浪、热带气旋的高强阈值c, 而高强阈值ba情形的危险性则依次递减。另外, 对于海上工程, 环境要素的高值频率、概率极值远比其均值强度、变化趋势重要得多。考虑到这两点, 采用1~9标度打分法(含义参见表 2)建立高值频率(依次取阈值cba)、概率极值、指标平均值、气候变化趋势6项指标之间的互反判断矩阵:

$ \mathit{\boldsymbol{C}} = \left[ {\begin{array}{*{20}{c}} 1&3&4&4&5&6\\ {1/3}&1&2&2&3&4\\ {1/4}&{1/2}&1&1&2&3\\ {1/4}&{1/2}&1&1&2&3\\ {1/5}&{1/3}&{1/2}&{1/2}&1&2\\ {1/6}&{1/4}&{1/3}&{1/3}&{1/2}&1 \end{array}} \right]\left( {\rm{近地层大风、大浪}} \right) $ (4.1)
表 2 标度及其含义解释(以Cij为例) Tab. 2 Scales and their explanations (Cij for instance)
标度 解释
1 表示待比较两元素同等重要
3 表示i元素比j元素略微重要
5 表示i元素比j元素明显重要
7 表示i元素比j元素极其重要
9 表示i元素比j元素极端重要
2, 4, 6, 8 重要性比较程度介于上述标度之间

$ \mathit{\boldsymbol{C}} = \left[ {\begin{array}{*{20}{c}} 1&3&4\\ {1/3}&1&2\\ {1/4}&{1/2}&1 \end{array}} \right]\left( {\rm{热带气旋}} \right) $ (4.2)

式中, 元素Cij表示针对更高一级指标, 指标i相对指标j的重要性, 且Cij×Cji=1, 当i=j时, Cij=1。

其次, 计算各行几何平均值依次作为各指标的对应权重:

$ {w_i} = \frac{{{{\left( {\prod\limits_{j = 1}^n {{C_{ij}}} } \right)}^{\frac{1}{n}}}}}{{\sum\limits_{i = 1}^n {{{\left( {\prod\limits_{j = 1}^n {{C_{ij}}} } \right)}^{\frac{1}{n}}}} }} $ (5)

可得: w=(0.43, 0.20, 0.12, 0.12, 0.07, 0.05)或w=(0.62, 0.24, 0.14)。

最后, 计算几何平均一致性系数:

$ \lambda = \frac{2}{{(n - 1)(n - 2)}}\sum\limits_{j > i} {{{\log }^2}{e_{ij}}} , \;{e_{ij}} = {C_{ij}}\frac{{{w_j}}}{{{w_i}}} $ (6)

可得: λ=0.0607或λ=0.0548。参照一致性评判阈值[34], 可知C满足一致性检验, w为有效权重向量; 不满足时, 采用特征向量迭代法[35]进行一致性改善直至通过检验并按公式(5)重新计算权重向量。

(6) 按照公式(1)计算某灾害性天气的危险性指数。对于近地层大风和大浪有:

$ \begin{array}{l} {D_j} = {E_{1c, j}}{w_{1c, j}} + {E_{1b, j}}{w_{1b, j}} + {E_{1a, j}}{w_{1a, j}} + \\ \;\;\;\;\;\;\;{E_{2, j}}{w_{2, j}} + {E_{3, j}}{w_{3, j}} + {E_{4, j}}{w_{4, j}}, \;j = 1, 2 \end{array} $ (7.1)

对于热带气旋有:

$ {D_j} = {E_{1c, j}}{w_{1c, j}} + {E_{1b, j}}{w_{1b, j}} + {E_{1a, j}}{w_{1a, j}}, \;j = 3 $ (7.2)

(7) 对各灾害性天气的危险性指数, 加权得到环境综合危险性指数:

$ D = \sum\limits_{j = 1}^3 {{D_j}{w_j}} $ (8)

因大风、大浪(尤其是高值)常与热带气旋相伴相生, 取三者权重相等, 即w=(1, 1, 1)。

(8) 基于环境综合危险性指数D, 利用自组织神经网络(Self-organizing Maps, SOM)方法[36]进行风险区划。

SOM是一种基于非监督神经网络的分类方法, 主要优点是可以保留原始数据的拓扑结构、有效处理多因素影响下的复杂非线性分类问题, 其具体参数遵照文献[37]给出的实用方法设置。其中, 聚类个数是根据经验主观设定的。对于环境综合风险区划, 可选择1×3的尺寸代表风险高、中、低, 也可选择2×2或1×4的尺寸代表风险极高、较高、较低、极低, 等等。通过试验发现, 不同尺寸得到的结果是一致的, 只是较大尺寸可以给出更多的细节而已。

3 结果与分析 3.1 近地层大风

图 2所示, 强风频率在台湾海峡、吕宋海峡、南海东北部以及越南东南海域最大(>15%; 图 2a), 这几处高频区主要源于特殊地形, 即盛行东北风穿越台湾海峡, 由于狭管效应形成大风, 并通过绕流作用和吕宋海峡、长山山脉等地形的加速作用形成其它几个大风区[38]; 大风频率在琉球-台湾-菲律宾以东洋面较大(>0.4%; 图 2b), 而狂风频率大值区进一步向太平洋东移(>0.03%; 图 2c), 这些海域主要是热带气旋高发区, 即热源充足的热带气旋生成区或者热带气旋低速移动区[39]。20年一遇极值风速的总体布局为:黄海和渤海由西向东递增, 变化于18.0~24.0 m/s; 东海风速由台湾周边海域的强风区向四周递减, 变化于20.0~29.0 m/s; 南海北部由西向东递增, 变化于18.0~28.0 m/s; 南海南部由西北向东南递减, 变化于16.0~27.0 m/s(图 2d)。平均风速的分布类似于强风频率和风速极值, 台湾海峡、吕宋海峡和越南东南海域的平均风速在7.5 m/s左右, 琉球群岛附近海域、菲律宾海的平均风速也在7.0 m/s以上, 而东海、黄海、渤海的平均风速分别为6~7 m/s、5~6 m/s和4~6 m/s(图 2e)。在气候趋势方面, 黄海南部、东海大部、南海中北部的风速具有上升趋势, 上升趋势最强区位于台湾以南和东北部洋面; 其他海域风速具有下降趋势(图 2f)。

图 2 中国近海距海面10m处的强风以上频率(a)、大风以上频率(b)、狂风以上频率(c)、20年一遇风速极值(d)、平均风速(e)、风速气候趋势系数(f) Fig. 2 Distribution of the frequency of winds stronger than a strong breeze (a), frequency of winds stronger than a fresh gale (b), frequency of winds stronger than the whole gale (c), extreme wind speed of 20-year return (d), average wind speed (e), climate trend coefficient of wind speed (f) 10-m above sea level in China's coastal waters 黑色十字:未通过95%显著性水平检验的区域(图 3同) Black cross: the area that has not passed the 95% significant level test(also applied in Fig. 3)
3.2 大浪

图 3所示, 大浪频率、20年一遇极值浪高、平均浪高的分布特征大体一致, 较大值区主要集中在东海南部、南海北部和菲律宾海北部(大浪频率>10%, 极值浪高>6 m, 平均浪高>1.5 m), 但最大值区分别位于东沙群岛附近和菲律宾海北部(>20%; 图 3a)、东沙群岛附近(>7 m; 图 3d)、菲律宾海北部(>1.8 m; 图 3e)。海浪最大值与风速最大值位置的不一致, 主要是由于南海北部盛行东北风(春、秋、冬三季), 经吕宋海峡向南海传播的海浪改变了风场决定的原始海浪场[40]; 越南西南部的大风区没有形成大浪区, 是由于该大风区主要由夏季盛行的西南季风绕过长山山脉南端形成低空急流所致, 而夏季风场和海浪场没有明显相关性。巨浪出现频率较高的海域主要分布于台湾-琉球以东洋面(>0.3%; 图 3b), 而怒涛出现频率较高的海域进一步向东收缩(>0.01%; 图 3c), 这种分布变化是由热带气旋的入侵路径及强度的差异决定的。除了渤海北部和北部湾北部, 绝大部分海域的浪高都具有气候上升趋势, 上升趋势最强区位于台湾东南洋面(>0.1; 图 3e)。

图 3 中国近海大浪以上频率(a)、巨浪以上频率(b)、怒涛以上频率(c)、20年一遇浪高极值(d)、平均浪高(e)、浪高气候趋势系数(f) Fig. 3 Distribution of the frequency of waves stronger than a rough sea (a), frequency of waves stronger than a very rough sea (b), frequency of waves stronger than a very high sea (c), extreme wave height of 20-year return (d), average wave height (e), climate trend coefficient of wave height (f) in China's coastal waters
3.3 热带气旋

图 4所示, 热带气旋出现频次分布具有显著纬度地带性。高值主要集中在南海北部和菲律宾海北部等5°~20°N的海域, 由高值区向北或向南, 频次急剧减少, 北纬35°以北历史上没有热带气旋生成, 黄海、渤海、东海北部的热带气旋威胁几乎可以忽略, 而赤道附近即南海南部仅有少量热带气旋生成。此外, 随着热带气旋等级的增加, 出现频次整体减小, 且高频次区逐渐由南海北部向菲律宾海转移, 这说明菲律宾海是较高等级热带气旋的高发区。除了图 4所示的热带气旋的直接影响区以外, 很多区域的大风和大浪与热带气旋活动的间接影响有关, 例如台湾海峡的东北大风就是由于处于热带气旋西北侧、或者热带气旋在移动过程中挤压西伸的副高变形而产生的[38]

图 4 中国近海的热带低压以上(a)、热带风暴以上(b)、强热带风暴以上(c)等级热带气旋的频次 Fig. 4 Distribution of the frequency of tropical cyclones stronger than (a) a tropical low, (b) a tropical storm, and (c) a strong tropical storm, in China's coastal waters 注:对每个经纬网格点, 统计其200 km半径内6 h一次的热带气旋路径数据库中相应级别范围的样本数 Note: For each grid, the frequency is obtained as the number of samples above the corresponding level within a 200-km radius of the grid of a tropical cyclone path dataset at 6 hour intervals
3.4 环境综合风险区划

利用SOM方法, 取聚类数为3, 对环境综合危险性指数(公式(8))进行聚类(图 5), 同时给出各区划海域要素和指标的量化结果(表 3)。

图 5 中国近海海上新能源开发环境风险综合区划(3个分区) Fig. 5 The comprehensive regionalization in terms of environmental risk for the development of renewable energy in China's coastal waters, with a size of zones of 3

表 3 各区划海域各要素各指标的平均值(3个分区) Tab. 3 Average value of each index for each zone, with a zone size of 3
区划要素 要素指标 一区 二区 三区
近地层大风 强风频率/% 2.38 8.27 12.70
大风频率/% 1.78×10-2 0.12 0.34
狂风频率/% 1.98×10-4 2.68×10-3 1.37×10-2
极值风速/(m/s) 17.30 22.24 24.46
平均风速/(m/s) 4.73 6.31 6.98
气候变化系数 –2.00×10-2 7.53×10-5 1.19×10-2
大风危险性指数 0.14 0.26 0.46
大浪 大浪频率/% 2.00 8.47 17.18
巨浪频率/% 2.85×10-3 5.77×10-2 0.28
怒涛频率/% 5.35×10-6 1.13×10-4 5.72×10-3
极值浪高/m 3.45 5.24 6.41
平均浪高/m 0.90 1.34 1.77
气候变化系数 5.85×10-2 5.64×10-2 6.68×10-2
大浪危险性指数 0.11 0.22 0.47
热带气旋 热带低压频次/次 124.55 734.77 1 066.11
热带风暴频次/次 69.54 488.47 800.43
强热带风暴频次/次 41.21 352.21 636.83
热带气旋危险性指数 0.06 0.44 0.75
海上环境综合危险性指数 0.10 0.31 0.56

一区范围主要包括我国渤海、黄海大部、东海西北部、日本海西部、南海南部、苏禄海、苏拉戚西海、菲律宾海南部及以南的太平洋海域等, 占区划海域总面积的46.49%。大风、大浪、热带气旋、环境综合的危险性指数平均值分别为0.14、0.11、0.06、0.10, 在三个区域中都是最低的, 且各项分指标除了大浪气候变化系数之外在三个区域中也是最低。因此, 该海区风浪条件威胁较小, 热带气旋危险性接近于零, 海上新能源开发的环境风险偏低。

二区主要位于一区和三区之间狭长环状地带, 包括北部湾、南海中部、菲律宾海中南部、台湾海峡及台湾周边沿岸海域、东海中部、日本海东南部等, 占区划海域总面积的26.32%。大风、大浪、热带气旋、环境综合的危险性指数平均值分别为0.26、0.22、0.44、0.31, 在三个区域中都是居中的。因此, 该海区风浪条件和热带气旋威胁一般, 环境风险居中。

三区主要包括南海北部(东沙群岛附近、中沙群岛以北)、吕宋海峡、菲律宾海中北部以及台湾海峡最中部, 占区划海域总面积的27.19%。大风、大浪、热带气旋、环境综合的危险性指数平均值分别为0.46、0.47、0.75、0.56, 在三个区域中都是最高的, 且各项分指标在三个区域中也是最高。因此, 该海区风浪条件威胁较大, 热带气旋危险性极高, 环境风险偏高。

图 6给出了各类灾害性天气危险性指数(公式(7.1)和公式(7.2))的分布, 该指数反映了灾害性天气各项指标(图 2, 图 3, 图 4)的综合情况。由图 6可知, 对于近地层大风和大浪, 高风险区集中在菲律宾海北部; 对于热带气旋, 高风险区集中在菲律宾海和南海北部; 三者的高风险区对应的危险性指数都在0.4以上。可见综合风险区划(图 5, 表 4)结果具有明确的物理意义与合理的空间分布。

图 6 中国近海近地层大风(a)、大浪(b)、热带气旋(c)的危险性指数分布 Fig. 6 Distribution of the risk index of strong sea surface wind (a), big sea wave (b), and tropical cyclone (c) in China's coastal waters

表 4 中国近海海上风能综合区划各单元参数 Tab. 4 Parameters for each zone in wind-power comprehensive regionalization
一级风险区划 环境风险指数范围 二级资源区划 有效风速频率范围 对应海域
0.03~0.20 A <60% 加里曼丹岛和苏拉威西岛沿岸, 棉兰老岛西南沿岸, 中国大陆近岸零星海域
0.05~0.20 B 60%~80% 南沙群岛以南的南海海域, 苏禄海, 菲律宾海以南海域, 朝鲜半岛西部和东北部沿岸, 中国大陆近岸零星海域
0.08~0.20 C 80%~90% 南沙群岛同纬度的南海海域, 菲律宾海南部, 渤海、黄海大部, 东海西北部, 日本海西南部
0.21~0.42 B 60%~80% 吕宋岛西部沿岸
0.20~0.43 C 80%~90% 中沙群岛东南的南海中部海域, 北部湾北部, 东海中部和台湾海峡, 日本海东南部, 菲律宾海中南部
0.22~0.43 D >90% 中沙群岛西南的南海中部海域, 北部湾南部, 东海南部
0.43~0.71 C 80%~90% 中沙群岛东北的南海北部海域, 台湾和吕宋岛东部沿岸, 菲律宾海东北部
0.43~0.79 D >90% 中沙群岛西北的南海北部海域, 吕宋海峡东部、菲律宾海西北部和中部, 台湾海峡最中部

图 7所示, 当区划数取为4时, 4个区划单元可分别称之为极低风险区(一区)、较低风险区(二区)、较高风险区(三区)和极高风险区(四区), 区划形态与图 5整体一致。这表明SOM聚类方法稳健性强, 在环境风险区划方面效果较好。

图 7 中国近海海上新能源开发环境风险综合区划(4个分区) Fig. 7 Comprehensive regionalization of environmental risk for the development of renewable energy in China's coastal waters, with a zone size of 4
3.5 海上风能、波浪能开发的资源和风险综合区划

风能、波浪能是海上新能源的重要组成部分, 而风和浪恰恰又是开发利用新能源的风险所在, 且资源和风险的分布形态有所差异、无法进行单一分区。因此, 综合分析风和浪的资源产能与环境风险, 找出中国近海适合开发风能、波浪能的海区, 具有重要的现实意义。

3.5.1 风能

在风能资源开发中, 通常认为风速在3~25 m/s为风能开发的有效风速, 因为风电装置在风速大于3 m/s时可以较好地发电, 而风力大于25 m/s会影响设备工作效率甚至导致设备损毁[22]。因此用有效风速的出现频率作为衡量风能资源丰富程度的简易指标, 划分标准为:贫乏区(<60%), 可开发区(60%~80%), 较丰富区(80%~90%), 丰富区(>90%)。将风能资源区划结果叠加在图 5所示的环境风险综合区划之上, 即以环境风险作为一级区划(Ⅰ, Ⅱ), 以风能资源作为二级区划(A, B, C, D), 得到图 8表 4

图 8 中国近海海上风能资源和环境风险综合区划 Fig. 8 Comprehensive regionalization of both resource and environmental risk for wind power in China's coastal waters

图 8表 4可知, 中沙群岛西南的南海中部海域、北部湾南部及东海南部风能资源丰富(D), 且环境风险适中(Ⅱ), 最适于开发风能资源; 其次是南沙群岛同纬度的南海海域、渤海和黄海大部、东海西北部, 这些海域虽然只是风能资源较丰富区(C), 但环境风险较低(Ⅰ), 同样适于开发; 而中沙群岛西北的南海北部海域、菲律宾海西北部和中部虽然风能资源丰富(D), 但环境风险偏高(Ⅲ), 有待将来设计出更高安全等级的风电机组时再行开发。需要强调的, 不论是资源丰富程度还是环境风险高低, 都是一个相对概念; 事实上, 中国近海大部分海域的有效风速时间都在60%以上, 资源都较为丰富, 只是相对投资-产出比有所差异。

3.5.2 波浪

波浪能开发的有效时间定义为波高在0.5~4.0 m、风速小于13.7 m/s(7级)的时间, 因为海浪发电装置在波高大于0.5 m时就可以较好地发电, 而波高大于4.0 m会产生较严重的破坏力导致仪器损毁[23]。本文用波浪能开发的有效时间在全年中所占的比例衡量波浪能的丰富程度, 划分标准与风能资源划分标准相同。同样, 将波浪能资源区划结果叠加在图 5所示的环境风险综合区划之上, 得到图 9表 5

图 9 中国近海海上波浪能资源和环境风险综合区划 Fig. 9 Comprehensive regionalization of both resource and environmental risk for wave power in China's coastal waters

表 5 中国近海海上波浪能综合区划各单元参数 Tab. 5 Parameters for each zone in wave-power comprehensive regionalization
一级风险区划 环境风险指数范围 二级资源区划 波浪能有效开发时间占比范围 对应海域
0.03~0.20 A <60% 渤海西部, 苏禄群岛沿线, 加里曼丹岛以西和苏拉威西岛沿岸, 朝鲜半岛西部沿岸
0.04~0.20 B 60%~80% 渤海东部, 黄海东北和西北部, 南沙群岛以南的南海海域, 苏禄海, 苏拉威西海西部, 朝鲜半岛东部沿岸
0.04~0.20 C 80%~90% 黄海中南部, 南沙群岛同纬度的南海海域, 苏拉威西海东部, 日本海西南部
0.05~0.20 D >90% 菲律宾海南部及以南海域
0.21~0.38 B 60%~80% 吕宋岛西部沿岸, 北部湾, 台湾海峡中部
0.20~0.42 C 80%~90% 中沙群岛东南的南海中部海域, 台湾海峡南部, 日本海东南部
0.21~0.43 D >90% 中沙群岛西南的南海中部海域, 东海中南部和台湾海峡北部, 菲律宾海中南部
0.43~0.79 D >90% 中沙群岛以北的南海北部海域、吕宋海峡、菲律宾海中部和北部, 台湾海峡最中部

图 9表 5可知, 中沙群岛西南的南海中部海域、东海中南部及台湾海峡北部等波浪能资源丰富(D), 且环境风险适中(Ⅱ), 最适于开发波浪能资源; 其次是黄海中南部、南沙群岛同纬度的南海海域(菲律宾海以南等公海除外), 这些海域虽然只是波浪能资源较丰富区(C), 但环境风险较低(Ⅰ), 同样适于开发; 而中沙群岛以北的南海北部海域、吕宋海峡、菲律宾海中部和北部虽然波浪能资源丰富(D), 但环境风险偏高(Ⅲ), 有待将来设计出更高安全等级的波浪能发电机组时再行开发。同风能类似, 中国近海大部分海域的波浪能开发有效时间都在60%以上, 资源都较为丰富, 只是相对投资-产出比有所差异。

4 讨论与结论

针对当前环境风险区划研究没有考虑海上新能源开发自身特点的问题, 以环境综合风险为评价目标, 选取近地层大风、大浪、热带气旋三种重要灾害性天气现象, 以及高值频率、概率极值、平均强度、气候趋势等多项指标, 利用层次分析法建立三层评价指标体系, 并根据海上发电机组安全等级设计规范标准, 利用互反判断矩阵量化不同指标的相对重要性, 计算风、浪、热带气旋危险性指数, 然后借助SOM方法可有效处理多因素影响下的复杂非线性分类问题的优势, 对海上环境的综合危险性进行区划, 区划结果反映了不同要素和不同指标的综合风险。此外, 采用有效风速出现频率、波浪能开发有效时间占比分别作为衡量风能、波浪能资源丰富程度的简化指标, 进行资源区划, 进而给出海上风能、波浪能资源与风险的综合区划。

(1) 海上新能源开发环境风险偏高的海区包括南海北部、吕宋海峡、菲律宾海中北部, 这里主要是热带气旋高发区, 即热带气旋途径沿线引发的大风巨浪区, 以及热带气旋能量在多种作用下经由吕宋海峡向南海传播导致的大浪区; 风险居中的海区包括北部湾、南海中部、菲律宾海中南部、台湾周边沿岸海域、东海中部等, 这里虽然有台湾海峡、越南东南部海域等盛行大风区, 但其相对热带气旋来说风险较低, 对综合风险的影响较小; 风险偏低的海区包括渤海、黄海大部、东海西北部、南海南部等, 这里风浪的高值频率、极值、均值等各项指标都很低, 热带气旋的直接和间接影响几乎为零。

(2) 南海北部和菲律宾海皆为风险较高区, 但成因有所不同。前者的高风险主要是由较低级别灾害性天气(强风; 大浪; 热带低压、热带风暴)导致的, 主要与季风和地形相关; 而后者则主要是由较高级别灾害性天气(大风、狂风; 巨浪、怒涛; 热带风暴、强热带风暴)导致的, 主要与热带气旋相关。可见, 根据相关设计标准和环境适应性要求, 对高强阈值cba等级频率等各指标的影响大小进行排序和赋权, 能有效考虑环境要素不同动力机制的差异、综合不同类型风险的影响。

(3) 风场浪场里实际上包含了部分热带气旋信息, 但二者不能相互替代。一是与热带气旋相关的风速和浪高数据的振幅相对实际情况偏小, 需要热带气旋路径强度信息进行补充; 二是热带气旋对风速和浪高的影响复杂, 既有局地直接影响, 也有外围间接影响, 需要风速和浪高数据分别解释。可见, 分别计算风、浪、热带气旋危险性指数, 将三者作为综合风险区划的三种属性是必要的。

(4) 中沙群岛西南的南海中部海域、北部湾南部及东海南部等风能资源丰富且环境风险适中区, 南沙群岛同纬度的南海海域、渤海和黄海大部、东海西北部等风能资源较丰富且环境风险较低区, 适于开发风能资源; 中沙群岛西南的南海中部海域、东海中南部及台湾海峡北部等波浪能资源丰富且环境风险适中区, 黄海中南部、南沙群岛同纬度的南海海域等波浪能资源较丰富且环境风险较低区, 适于开发波浪能资源。

本文所述自然环境风险主要指海上气象和水文环境风险, 平台本身风险[41]、深海地质风险[42]等方面的评估等则不属于本文研究内容。在进行中国近海海上新能源开发活动时, 可根据本文的结果和方法进行选址; 虽然不同发电机组的环境适应性标准亦有所不同, 但本文的指标构建和评估区划方法具有一般性, 可针对不同的参数做改进调整。

参考文献
[1]
刘少才. "爪哇海"号钻井船沉没记[J]. 劳动保护, 2006(5): 76-77.
Liu Shaocai. The sinking of the "Java Sea" drilling ship[J]. Labor Protection, 2006(5): 76-77.
[2]
贺广零, 田景奎, 常德生. 海上风力发电机组抗台风设计[EB/OL]. http://www.cnki.net/kcms/detail/11.2583.TM.20130110.0946.001.html, 2013-01-10/2013-05-07.
He Guangling, Tian Jingkui, Chang Desheng. The design against typhoon for offshore wind turbines[EB/OL]. http://www.cnki.net/kcms/detail/11.2583.TM.20130110.0946.001.html, 2013-01-10/2013-05-07.
[3]
桂发银, 潘长明, 王本洪, 等. SOFM和FCM算法在军事海洋气候区划中的应用研究[J]. 军事气象水文, 2012, 3: 22-24.
Gui Fayin, Pan Changming, Wang Benhong, et al. The application of SOFM and FCM algorithm in the military ocean climate division[J]. Military Meteorology and Hydrology, 2012, 3: 22-24.
[4]
张慧, 翟宇梅. 基于REOF与CAST的中国近海冬季浪高区划[J]. 军事气象水文, 2016, 1: 33-38.
Zhang Hui, Zhai Yumei. The regionalization of waves in winter in China's coastal sea based on REOF and CAST[J]. Military Meteorology and Hydrology, 2016, 1: 33-38.
[5]
石慧, 蔡旭晖, 宋宇. 中国近海海面风场的分类[J]. 北京大学学报(自然科学版), 2011, 47(2): 353-362.
Shi Hui, Cai Xuhui, Song Yu. Classification of coastal near-surface wind fields over the China Sea[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2011, 47(2): 353-362.
[6]
李倩, 张韧, 姚雪峰, 等. 气候变化背景下我国周边海域热带气旋灾害风险评估与区划[J]. 热带气象学报, 2013, 29(1): 143-148.
Li Qian, Zhang Ren, Yao Xuefeng, et al. Risk assessment and regionalization of tropical cyclone disaster in China's surrounding seas under climate change[J]. Journal of tropical meteorology, 2013, 29(1): 143-148.
[7]
黎鑫, 洪梅, 王博, 等. 南海-印度洋海域海洋安全灾害评估与风险区划[J]. 海洋灾害学, 2012, 31(6): 121-127.
Li Xin, Hong Mei, Wang Bo, et al. Disaster assessment and risk zoning concerning the South China Sea and Indian[J]. Marine Disaster Science, 2012, 31(6): 121-127.
[8]
葛珊珊, 张韧, 杨孟倩. 气候变化背景下西北航道自然环境危险性评估[J]. 海洋通报, 2017, 36(2): 121-127.
Ge Shanshan, Zhang Ren, Yang Mengqian. Natural environment risk assessment of the Northwest Passage under the background of climate change[J]. Marine Bulletin, 2017, 36(2): 121-127. DOI:10.11840/j.issn.1001-6392.2017.02.001
[9]
刘百桥. 我国海洋功能区划体系发展构想[J]. 海洋开发与管理, 2008, 25(7): 19-23.
Liu Baiqiao. The system development conception of China's marine functional zoning[J]. Ocean Development and Management, 2008, 25(7): 19-23.
[10]
Douvere F, Maes F, Vanhulle A. The role of marine spatial planning in sea use management:the Belgian case[J]. Marine Policy, 2007, 31(2): 182-191. DOI:10.1016/j.marpol.2006.07.003
[11]
Flannery W, Cinnide M. Marine spatial planning from the perspective of a small sea side community in Ireland[J]. Marine Policy, 2008, 32: 980-987. DOI:10.1016/j.marpol.2008.02.001
[12]
Villa F, Tunesi L, Agardy T. Optimal zoning of a marine protected area:the case of the Asinara National Marine Reserve of Italy[J]. Conservation, 2001, 16(2): 515-526.
[13]
Albrecht J. Guidelines for sea in marine spatial planning for the German Exclusive Economic Zone (EEZ)-with special consideration of tiering procedure for SEA and EIA[M]. Berlin: Springer Berlin Heidelberg, 2007: 157-170.
[14]
State of Hawaii, Department of planning and economic development. Hawaii coastal zone management program: federal consistency procedures guide[R]. State of Hawaii: Department of Planning and Economic Development, 1985.
[15]
Day J C. Zoning-lessons from the Great Barrier Reef Marine Park[J]. Ocean and Coastal Management, 2002, 45: 139-56. DOI:10.1016/S0964-5691(02)00052-2
[16]
中国船级社. 风力发电机组规范[EB/OL]. http://www.docin.com/p-1216836844.html, 2008-06-01/2014-01-10.
China Classification Society. Specification for wind turbines[EB/OL]. http://www.docin.com/p-1216836844.html, 2008-06-01/, 2014-01-10.
[17]
郑崇伟, 张霞. 基于WAVEWATCH-Ⅲ模式的近10年南海波候统计分析[J]. 气象与减灾研究, 2011, 34(1): 48-55.
Zheng Chongwei, Zhang Xia. Wave climate analysis in the South China Sea during the last 10 years by using WAVEWATCH-Ⅲ wave model[J]. Meteorology and Disaster Reduction Research, 2011, 34(1): 48-55.
[18]
王广运, 赵进平, 宋如轼. 利用卫星微波遥感资料推算波浪极值[J]. 港工技术, 2000, 1: 11-18.
Wang Guangyun, Zhao Jinping, Song Rushi. Sea-wave extreme estimation using satellite macro-wave remote-sense data[J]. Port Engineering Technology, 2000, 1: 11-18. DOI:10.3969/j.issn.1004-9592.2000.01.003
[19]
刘铁军, 郑崇伟, 潘静, 等. 中国周边海域海表风场的季节特征大风频率和极值风速特征分析[J]. 延边大学学报, 2013, 39(2): 148-152.
Liu Tiejun, Zheng Chongwei, Pan Jing, et al. Analysis of seasonal characteristics, gale frequency and extreme wind speed around the China Sea[J]. Journal of Yanbian University, 2013, 39(2): 148-152.
[20]
NASA. Global ocean wind energy potential[EB/OL]. http://earthobservatory.nasa.govIOTDview.php?id=8916, 2008-07-16/2013-08-09.
[21]
Pontes M T. Assessing the European wave energy resource[J]. Journal of Offshore Mechanics & Arctic Engineering, 1998, 120(4): 226-231.
[22]
郑崇伟, 潘静. 全球海域风能资源评估及等级区划[J]. 自然资源学报, 2012, 27(3): 364-371.
Zheng Chongwei, Pan Jing. Wind energy resources assessment in global ocean[J]. Journal of Natural Resources, 2012, 27(3): 364-371. DOI:10.11849/zrzyxb.2012.03.002
[23]
郑崇伟, 苏勤, 刘铁军. 1988-2010年中国海域波浪能资源模拟及优势区域划分[J]. 海洋学报, 2013, 35(3): 104-111.
Zheng Chongwei, Su Qin, Liu Tiejun. Wave energy resources assessment and dominant area evaluation in the China sea from 1988 to 2010[J]. Acta Oceanologica Sinica, 2013, 35(3): 104-111.
[24]
罗超, 曹文胜. 台风对我国海上风电开发的影响[J]. 能源与环境, 2013, 3: 2-3.
Luo Chao, Cao Wensheng. Impact of the typhoon on China's offshore wind power development[J]. Energy and Environment, 2013, 3: 2-3.
[25]
Rose S, Jaramillo P, Small M J, et al. Quantifying the hurricane catastrophe risk to offshore wind power[J]. Risk Analysis, 2013, 33(12): 2126-2141. DOI:10.1111/risa.2013.33.issue-12
[26]
齐浩. 中国近海风资源气候区划[D]. 青岛: 中国海洋大学, 2015.
Qi Hao. The regionalization of wind resource over China offshore[D]. Qingdao: Ocean University of China, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10423-1015714649.htm
[27]
Ying M, Zhang W, Yu H, et al. An overview of the China Meteorological Administration tropical cyclone database[J]. J Atmos Oceanic Technol, 2014, 31: 287-301. DOI:10.1175/JTECH-D-12-00119.1
[28]
张继权, 刘兴明, 严登华. 综合灾害风险管理导论[M]. 北京: 北京大学出版社, 2012.
Zhang Jiquan, Liu Xingming, Yan Denghua. Integrated disaster risk management guide[M]. Beijing: Peking University press, 2012.
[29]
李登风, 许腾. 海军作战运筹分析及应用[M]. 北京: 国防工业出版社, 2007.
Li Dengfeng, Xu Teng. Operational analysis and application of naval warfare[M]. Beijing: National Defense Industry Press, 2007.
[30]
World Meteorological Organization. Guide to marine meteorological services[EB/OL]. https://www.researchgate.net/publication/284686069_Guide_to_marine_meteorological_services.
[31]
侍茂崇, 高郭平, 鲍献文, 等. 海洋调查方法[M]. 青岛: 青岛海洋大学出版社, 2000.
Shi Maochong, Gao Guoping, Bao Xianwen, et al. Ocean investigation method[M]. Qqingdao: Qingdao Ocean University Press, 2000.
[32]
施能, 魏凤英, 封国林, 等. 气象场相关分析及合成中蒙特卡洛检验方法及应用[J]. 南京气象学院学报, 1997, 20(3): 355-359.
Shi Neng, Wei Fengying, Feng Guo Lin, et al. Monte Carlo test used in correlation and composite analysis of meteorological fields[J]. Journal of Nanjing Institute of Meteorology, 1997, 20(3): 355-359.
[33]
Saaty T L. What is the analytic hierarchy process?[M]. Berlin: Springer Berlin Heidelberg, 1988: 109-121.
[34]
Aguaron J, Moreno-Jiménez J M. The geometric consistency index:Approximated thresholds[J]. European Journal of Operational Research, 2003, 147(1): 137-145. DOI:10.1016/S0377-2217(02)00255-2
[35]
Zeshui X, Cuiping W. A consistency improving method in the analytic hierarchy process[J]. European Journal of Operational Research, 1999, 116(2): 443-449. DOI:10.1016/S0377-2217(98)00109-X
[36]
Kohonen T. Self-organized formation of topologically correct features maps[J]. Biol Cybern, 1982, 43: 59-69. DOI:10.1007/BF00337288
[37]
Liu Y, Weisberg R H, Moors C N K. Performance evaluation of the self-organizing map for feature extraction[J]. J Geophys Res, 2006, 111: C05018.
[38]
徐蜜蜜, 徐海明. 我国近海大风分布特征及成因[J]. 热带气象学报, 2010, 26(6): 716-723.
Xu Mimi, Xu Haiming. The characteristic of strong wind distribution in the coastal area of china and its causes[J]. Chinese Journal of Tropical Meteorology, 2010, 26(6): 716-723.
[39]
石先武, 方伟华. 1949-2010年西北太平洋热带气旋时空分布特征分析[J]. 北京师范大学学报(自然科学版), 2015, 51(3): 287-292.
Shi Xianwu, Fang Weihua. Spatiotemporal characteristics of tropical cyclone in NWP basin between 1949 and 2010[J]. Journal of Beijing Normal University (Natural Science), 2015, 51(3): 287-292.
[40]
孙瑞. 南海北部台风浪的时空变化规律和动力机制[D]. 北京: 中国科学院大学, 2013.
Sun Rui. The variation and mechanism of typhoon waves in the northern part of the South China Sea[D]. Beijing: University of Chinese Academy of Sciences, 2013. http://cdmd.cnki.com.cn/Article/CDMD-80068-1013299913.htm
[41]
吕妍, 魏文普, 张兆康, 等. 海洋石油平台溢油风险评价研究[J]. 海洋科学, 2014, 38(1): 33-38.
Lü Yan, Wei Wenpu, Zhang Zhaokang, et al. Risk assessment of oil spill on the offshore platform[J]. Marine Sciences, 2014, 38(1): 33-38. DOI:10.11759/hykx20140106
[42]
吴时国, 赵汗青, 伍向阳, 等. 深水钻井安全的地质风险评价技术研究[J]. 海洋科学, 2007, 31(4): 77-80.
Wu Shiguo, Zhao Hanqing, Wu Xiangyang, et al. The research of geohazards estimation technique on deep-water wells[J]. Marine Sciences, 2007, 31(4): 77-80.