文章信息
- 郑桥, 张继才, 车助镁, 朱业. 2019.
- ZHENG Qiao, ZHANG Ji-cai, CHE Zhu-mei, ZHU Ye. 2019.
- 浙江近海典型寒潮浪的数值模拟:以2015年3月和2016年1月为例
- Numerical simulation of typical cold waves in seas adjacent to Zhejiang Province with examples from March 2015 and Jan-uary 2016
- 海洋科学, 43(10): 75-87
- Marina Sciences, 43(10): 75-87.
- http://dx.doi.org/10.11759/hykx20181009001
-
文章历史
- 收稿日期:2018-10-09
- 修回日期:2019-02-01
2. 浙江省海洋监测预报中心, 浙江 杭州 310000
2. The Ocean and Fisheries Bureau, Zhejiang Province, Hangzhou 310000, China
寒潮是我国境内常见的一种灾害性天气, 其主要特点是急剧降温和大风天气。当寒潮影响沿海区域时, 海面掀起大浪, 严重时会导致沿海区域水位暴涨, 摧毁船只和沿海建筑, 威胁人民群众的生命财产安全。许多学者对台风浪做过大量研究[1-3], 而对寒潮浪的研究相对较少, 因此寒潮影响下浙江近海波浪的数值模拟十分必要。
随着波浪理论研究的进步和计算机技术的发展, 数值模拟已经成为研究海浪不可或缺的手段。自Mile和Phillips[4-5]提出波浪成长机制之后, 海浪数值理论得到飞速发展:相继诞生了第二代海浪模式以及以WAM(Wind-Wave Model)、WWⅢ(Wave-Watch Ⅲ)、和SWAN(Simulation Wave Nearshore)为代表的第三代海浪模式, 其中SWAN模型在近海海浪模拟中有较好的表现。Booij等[6]将SWAN模式的计算结果与现场实测资料对比, 结果表明SWAN模型能够准确模拟潮流、地形、风场环境下的波浪场, 适用于风浪、涌浪、混合浪的预报; Mao等[7]利用SWAN模型结合非结构化网格模拟了密歇根湖从深水到浅水的波浪, 并取得了较好的结果。在国内, SWAN模型也有十分广泛的应用:陈雅雅等[8]利用SWAN模型模拟了1013号台风“鲇鱼”的波浪场, 结果表明模拟值与实测数据吻合良好; 谭凤等[9]结合WRF风场和SWAN模型模拟了“韦帕”台风的波浪场, 获得了较好的模拟结果。
寒潮的研究主要集中在机制研究、寒潮预测方法和寒潮特征分析等[10-13]。除此之外, 有相关学者研究过寒潮过程对中国近海的影响情况: Li等[14]基于寒潮期间的波高和风速, 提出了一种新的风暴潮强度准则, 并更好地描述了寒潮风暴潮的严重程度; Zhao等[15]利用FVCOM(Finite-Volume Community Ocean Model)探究了不同轨道、压力分布和高风期的冷空气对渤海涌浪的影响。
郑国诞[16]等利用SWAN模型对渤海“98·04”寒潮大风引起的风浪过程进行了数值模拟研究, 并对比了模拟结果与实测资料, 分析了风浪要素的时空分布, 结果显示风浪要素的模拟值与实测值吻合程度较高。周春建等[17]利用SWAN模型对江苏沿海2010年12月12~15日的寒潮引起的风浪过程进行了数值模拟研究, 再现了寒潮期间江苏沿海波浪场的时空分布, 并确定和验证了适合江苏沿海海底的摩擦参数。Mo等[18]利用三维数值模型ROMS(Regional Ocean Modeling System)从风向、风速、风持续时间、温带气旋和潮汐相互作用研究了寒潮引起的风暴潮, 研究结果表明, 涌浪范围和时滞与盆地和大陆架的几何形状有关; 海平面波峰与风速呈现正相关, 波谷与风速呈现负相关, 与风持续时间无明显的相关性。大部分学者偏向于模拟单个寒潮引起的风浪过程, 并分析相应的寒潮风浪场, 而没有比较过多个寒潮引起的风浪过程。本文以2015年3月和2016年1月两个影响浙江近海的典型寒潮为例, 研究浙江近海两次不同寒潮所造成的寒潮浪的异同, 目的是对浙江近海区域寒潮浪的分布规律有更深的了解和认识。
1 SWAN模型简介SWAN模式是由荷兰Delft大学土木工程专业采用基于Euler近似的作用量谱平衡方程和线性随机表面重力波理论(包括流的作用)所开发的第三代浅水海浪模型。SWAN模型充分考虑了浅水过程下的物理过程, 被广泛应用于海岸、湖泊和河口等地区波浪的数值模拟和预报。SWAN的细节可参考该模式手册或者相关论文, 限于篇幅本文仅做如下简要介绍。
1.1 控制方程SWAN模型使用作用量谱平衡方程描述海浪, 直角坐标系下SWAN模式的控制方程[19]表示为:
$ \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 }, $ | (1) |
其中, 左边第一项代表作用量密度随时间的变化率, N表示作用量密度; 第二项和第三项代表作用量密度在几何空间的传播, Cx和Cy分别表示在x和y方向上的传播速度; 第四项代表流和变化的水深引起的频移, Cσ表示传播速度; 第五项代表由变化的水深和流引起的折射和变浅作用, Cθ表示传播速度; 方程右边的S代表能量源项。
1.2 数值方法根据作用量平衡方程的性质, 每一格点的状态由迎浪格点状态决定, 因此最有效的差分格式是隐式迎风格式, 它是无条件稳定的, 从而可以使用相对较大的时间步长计算。对二阶HISWA (Shallow- water Wave Hindcast)浅水波模型的研究表明, 海岸区域的一阶迎风格式是足够精确的; 结合这一特点, 以及对SWAN模型的计算测试表示:在谱空间, 需要比一阶迎风格式的精确度更高的精确度。一阶迎风格式结合二阶中心差分格式可以满足这一要求。因此SWAN模式在时间和空间上采用隐式迎风格式, 在谱空间内结合二阶中心差分格式。
2 模型设置 2.1 研究区域及计算条件设置本文的计算区域为东中国海, 范围15°~43°N, 114°~134°E, 模拟海域内水深从0~6000 m逐渐过渡, 采用单层三角网格, 如图 1a所示。计算区域内东边界和南边界是开边界, 计算采用的时间步长是20 min, 离散范围0.04~1.00 Hz, 第三代(GEN3)风输入指数增长、白冠破碎项能量耗散模式采用Komen方案, 参数选用0.0015, 波浪破碎参数选用0.73, 底摩擦选用JONSWAP(Joint North Sea Wave Project)方案, 参数选用0.067。计算网格采用关键研究区域加密的形式, 外海开边界区域空间步长较大, 近海岸线区域空间步长较小, 数值从50 km逐渐过渡到小于1 km。
观测站点如图 1b中红色点所示, A点为南麂岛站(NJD, 121.082°E, 27.459°N, 水深21.26 m)、B点为温州外海站(WZWH, 122.500°E, 27.500°N, 水深91.44 m)、C点为舟山外海站(ZSWH, 123.965°E, 29.500°N, 水深69.44 m)。本文所用的实测浮标数据是由浙江省海洋监测预报中心提供的。
2.2 预实验在利用SWAN模式进行模拟前, 首先要确定模型的启动时间以及启动方式对模拟结果的影响。为此本文进行了两个预实验, 依据实验结果确定:
(1) 模型启动时间对波高模拟影响较小。综合计算时间及模拟误差等因素, 模型的启动时间确定为提前2 d。(2)启动方式, 主要指冷热启动, 造成的差异基本体现在海浪起始阶段, 当时间超过3 d, 启动方式对波高模拟的影响基本消除, 因此冷启动时间为5 d, 热启动时间为2 d。基于上述结果, 本文实验中采用冷启动方式, 启动时间为5 d, 启动3 d后的模拟结果用于分析。
2.3 CCMP(Cross-Calibrated Multi-Platform)风场本文使用的风场数据为2015年3月CCMP风场以及2016年1月的CCMP风场。CCMP资料由美国宇航局物理海洋学数据分发存档中心(PO.DAAC)提供, 目前在国内外得到广泛应用。CCMP风场以欧洲中期天气预报中心(European Centre for Medium- Range Weather Forecasts, ECMWF)的再分析风场资料为背景场, 采用变分同化分析法(Variational Assimilation Method, VAM), 融合了SSM/I(Special Sensor Microwave/Image)、Tmi、AMSR-E(Advanced Microwave Scanning Radiometer-Earth Observing System)、QuikSCAT(Quick Scatterometer)、ADEOS-Ⅱ(Advanced Earth Observing Satellite 2)等多种卫星探测海面风资料以及和船舶、浮标观测资料[20]。CCMP风场具有较高的精度和时间分辨率:时间分辨率6 h, 空间分辨率0.25°×0.25°。Altas[21]通过实验证实了CCMP较其他单个的卫星平台测量的风场数据在精度方面有很大的提高, 能够满足很多海洋和大气环境应用和研究的需要。应王敏等[2]的结果表明, 在浙江近海台风浪的数值模拟中, CCMP具有较好的模拟准确度。本文使用的风场数据在以下网站下载: http://www.remss.com/measurements/ccmp。
3 模型验证2015年3月和2016年1月浙江省均有规模大、影响范围广的寒潮, 本文将这两次大规模的寒潮分别称为“15·03”和“16·01”寒潮, 并用SWAN模型分别对其进行模拟, 并将模拟结果与实测数据进行对比。
3.1 “15·03”寒潮浪模拟 3.1.1 模拟结果与观测结果对比“15·03”寒潮于2015年3月9日开始影响浙江省邻近海域, 持续时间接近3 d, 浙江省邻近海域波高变化明显。图 2展示了不同站点的模拟结果与实测数据对比, 从上到下依次为南麂岛站、温州外海和舟山外海, 其中黑色虚线表示模拟波高, 黑色实线表示浮标数据。由图可知:模式模拟结果的趋势与实测数据的趋势基本一致。以温州外海为例:在3月6~9日期间, 观测站点附近海域未有异常波动, 模拟效果良好, 从3月9日开始, 寒潮风开始影响浙江近海, 温州外海附近海域波高开始增大, 而后恢复日常水平。模拟波高的变化趋势与观测数据吻合程度高。
经过计算, 3个站点波高寒潮时间段(3月9~12日)的平均绝对误差依次为0.17、0.18、0.19 m; 3个站点波高寒潮时间段(3月9~12日)的平均相对误差依次为19.60%、12.31%、13.74%。总体而言, 模拟结果与南麂岛、舟山外海、温州外海三个站点的浮标数据吻合度较高, 误差属于可以接受的范围。表 1展示了3个站点模拟结果和实测数据的误差统计。
时间/(月/日/时:分) | 绝对误差/m | 相对误差/% | |||||
南麂岛 | 舟山外海 | 温州外海 | 南麂岛 | 舟山外海 | 温州外海 | ||
03/09/12: 00 | 0.03 | 0.31 | 0.51 | 2.71 | 13.10 | 19.60 | |
03/09/13: 00 | 0.48 | 0.45 | 0.28 | 53.86 | 19.61 | 9.63 | |
03/09/14: 00 | 0.49 | 0.48 | 0.25 | 48.51 | 20.70 | 8.20 | |
03/09/15: 00 | 0.36 | 0.49 | 0.12 | 29.64 | 21.19 | 3.63 | |
03/09/16: 00 | 0.21 | 0.09 | 0.01 | 14.76 | 3.45 | 0.27 | |
03/09/17: 00 | 0.15 | 0.40 | 0.27 | 8.54 | 16.54 | 8.48 | |
03/09/18: 00 | 0.22 | 0.50 | 0.16 | 11.61 | 21.73 | 4.68 | |
03/09/19: 00 | 0.38 | 0.20 | 0.06 | 17.93 | 7.77 | 1.53 | |
03/09/20: 00 | 0.12 | 0.31 | 0.47 | 6.30 | 12.30 | 11.22 | |
03/09/21: 00 | 0.15 | 0.32 | 0.73 | 7.68 | 12.72 | 16.25 | |
03/09/22: 00 | 0.08 | 0.25 | 0.12 | 4.08 | 9.44 | 3.14 | |
03/09/23: 00 | 0.01 | 0.20 | 0.64 | 0.29 | 7.26 | 14.60 | |
03/10/0: 00 | 0.03 | 0.17 | 0.09 | 1.27 | 6.12 | 2.25 | |
03/10/1: 00 | 0.24 | 0.17 | 0.25 | 12.51 | 5.94 | 6.31 | |
03/10/2: 00 | 0.12 | 0.20 | 0.09 | 5.08 | 6.59 | 2.57 | |
03/10/3: 00 | 0.19 | 0.24 | 0.03 | 7.78 | 7.84 | 0.83 | |
03/10/4: 00 | 0.27 | 0.23 | 0.13 | 10.75 | 6.25 | 3.52 | |
03/10/5: 00 | 0.04 | 0.36 | 0.12 | 1.82 | 11.33 | 3.77 | |
03/10/6: 00 | 0.06 | 0.13 | 0.12 | 2.56 | 3.59 | 3.35 | |
03/10/7: 00 | 0.26 | 0.04 | 0.15 | 1.08 | 4.32 | ||
03/10/8: 00 | 0.12 | 0.37 | 0.02 | 11.16 | 0.63 | ||
03/10/9: 00 | 0.21 | 0.15 | 0.30 | 4.37 | 9.88 | ||
03/10/10: 00 | 0.09 | 0.12 | 0.17 | 3.44 | 5.57 | ||
03/10/11: 00 | 0.28 | 0.28 | 0.05 | 8.33 | 1.55 |
在“15·03”寒潮来袭期间, 浙江近海波高均有不同程度的升高, 寒潮持续时间3 d, 图 3展示了寒潮期间的有效波高分布, 限于篇幅, 选取2015年3月9~11日的海域波高分布图。通过图 3可以发现, 寒潮于3月9日开始影响北黄海, 北黄海海域波高明显升高, 最大有效波高达到6 m以上, 随着时间推移, 有效波高的高值区域逐渐向东海南移, 2015年3月11日后研究区域波高恢复日常水平。
3.2 “16·01”寒潮浪模拟 3.2.1 模拟结果与实测数据对比“16·01”寒潮是2016年1月影响我国浙江省的超强寒潮。寒潮持续期间, 浙江近海海域掀起巨浪, 最高波高可达7~8 m。图 4展示了不同站点的模拟结果与实测数据对比图, 其中黑色虚线表示模拟波高, 黑色实线表示浮标数据。
由图 4所示, 南麂岛附近的海域并未受到寒潮的影响, 模拟结果与实际观测数据偏差较大, 另外两个站点的模拟波高与浮标测得的波高吻合程度较高。以温州外海为例说明:从1月17日开始舟山外海附近海域波高增大, 一度达到4 m, 随后小幅度回落, 在2.5 m附近来回波动至1月20日凌晨, 而后波高较大幅度减小, 从1月21日开始, 温州近海附近海域波高快速增大, 最高超过6 m, 至1月27日号恢复日常水平。经过计算, 2个站点寒潮时间段(1月21~27日)波高的平均绝对误差依次为0.39、0.30 m; 寒潮时间段的平均相对误差依次为15.84%、13.53%。总体而言, 极值方面与实际略有差别, 但是模拟结果大体与实测数据相符。表 2显示了舟山外海和温州外海的模拟结果和实测数据的误差统计。
时间(月/日/时:分) | 绝对误差/m | 相对误差/% | |||
舟山外海 | 温州外海 | 舟山外海 | 温州外海 | ||
01/22/12: 00 | 0.55 | 0.21 | 22.14 | 6.88 | |
01/22/13: 00 | 0.59 | 0.35 | 23.74 | 12.10 | |
01/22/14: 00 | 0.22 | 0.50 | 7.58 | 17.81 | |
01/22/15: 00 | 0.24 | 0.75 | 8.24 | 28.80 | |
01/22/16: 00 | 0.04 | 0.30 | 1.39 | 9.67 | |
01/22/17: 00 | 0.17 | 0.37 | 5.75 | 11.82 | |
01/22/18: 00 | 0.19 | 0.45 | 6.37 | 14.49 | |
01/22/19: 00 | 0.24 | 0.44 | 8.13 | 13.84 | |
01/22/20: 00 | 0.24 | 0.84 | 7.61 | 29.11 | |
01/22/21: 00 | 0.16 | 0.45 | 4.74 | 13.28 | |
01/22/22: 00 | 0.39 | 0.76 | 12.30 | 23.88 | |
01/22/23: 00 | 0.84 | 0.79 | 28.95 | 23.86 | |
01/23/0: 00 | 0.89 | 0.72 | 29.72 | 20.67 | |
01/23/1: 00 | 0.72 | 0.97 | 21.93 | 28.65 | |
01/23/2: 00 | 0.33 | 1.04 | 8.75 | 29.56 | |
01/23/3: 00 | 0.62 | 0.20 | 17.22 | 4.47 | |
01/23/4: 00 | 0.79 | 0.07 | 22.49 | 1.53 | |
01/23/5: 00 | 0.54 | 0.40 | 14.15 | 7.48 | |
01/23/6: 00 | 0.68 | 0.34 | 18.30 | 6.20 | |
01/23/7: 00 | 0.94 | 0.21 | 26.80 | 3.90 | |
01/23/8: 00 | 0.74 | 0.21 | 19.41 | 3.97 | |
01/23/9: 00 | 0.98 | 0.74 | 26.39 | 12.68 | |
01/23/10: 00 | 0.45 | 0.12 | 10.29 | 2.51 | |
01/23/11: 00 | 0.29 | 0.29 | 7.44 | 6.25 |
在“16·01”寒潮来袭期间, 浙江近海波高均有不同程度的升高, 图 5展示了通过CCMP风场资料模拟计算得到的有效波高分布, 限于篇幅, 选取2016年1月22~25日的海域波高分布图。通过图 5可以发现, 寒潮过程中, 研究区域内有效波高随着寒潮的到来逐渐升高。根据图中显示, 寒潮期间有效波高的最大值超过8 m, 主要集中在黄海东海的交界处, 并向东和东南方向移动, 随后研究区域内波高恢复日常水平。
总体而言, 两次寒潮的模拟结果较为理想, 合理再现了研究区域内波高极值的时空分布, 误差也在可以接受的范围之内。
数值模拟时, 边界区域存在较大误差, 因此下文将分析的区域缩小至119°~126°E, 27°~35°N, 重点分析浙江近海及邻近海域的寒潮浪的时空分布规律。
4 两次寒潮风场的对比风场是影响波浪的主要因素之一, 所以本文对比了两次寒潮期间的风场, 并从强度、风向、时空分布等角度对比分析两次风场的区别。
4.1 风场强度对比 4.1.1 风速最值和风速均值本文对比了两个寒潮的CCMP风场数据, “15·03”寒潮风的风速最大值为19.72 m/s, “16·01”寒潮风的风速最大值为25.79 m/s。
本文计算了两次寒潮期间的平均风速, 如图 6a和图 6b所示。其中平均风速指的是将寒潮期间内各点的CCMP风场风速通过算术平均得到的风速值, 它反映了寒潮期间内研究区域风速的平均值。通过观察平均风速的分布图, 寒潮风的空间分布特征可以在一定程度上呈现出来。
从图中可以看到: “15·03”寒潮的风场和“16·01”风场分布相似, 风速呈现西小东大趋势。从数值上, “16·01”寒潮的平均风速大于“15·03”寒潮; 从分布上, “15·03”寒潮的高风速带分布在研究区域的东北和东南方; “16·01”寒潮的高风速带分布在研究区域的中部和东部。
4.1.2 风速的方差方差是衡量变量或数据离散程度的度量, 风速方差可反映风速变化的程度。本文统计了寒潮期间研究区域风速的方差(通过计算各点寒潮期间内每个风速值与在该点的风速平均值之差的平方和的平均值), 并计算了寒潮期间风速标准差, 如图 6c、图 6d所示。可以看出, “15·03”寒潮风速标准差大体上小于“16·03”寒潮期间的风速标准差, “16·03”寒潮期间风速变化更为剧烈, 尤其是在研究区域中部区域。
4.2 时空分布 4.2.1 空间分布寒潮风场的空间分布特征对寒潮浪的分布有着重要的影响, 尤其是高风速的空间分布。因此, 图 6e、图 6f展示了寒潮期间内研究海域的最大风速分布。一般来说, 寒潮风速的最大值越大, 相应位置的寒潮风速的方差也越大。图 6c和6e、6d和6f十分相似, 但是也稍有不同。例如在图 6c和图 6e中, 研究区域的中部虽然风速较小, 但是方差偏大, 说明此处的风速变化剧烈。从分布上来看, “15·03”寒潮的高风速带集中在研究区域的外侧, “16·01”寒潮的高风速带集中在研究区域的中部。
4.2.2 时间分布大风持续的时间越长, 对这片海域波浪的影响越大。因此本文针对持续时间, 对本两次寒潮做了对比。根据蒲福风力等级[22]分类, 强风(6级, 风速10.8~ 13.8 m/s)、疾风(7级、13.9~17.1 m/s)、大风(8级、17.1~ 20.7 m/s)、烈风(9级、20.7~24.4 m/s)、暴风(10级、24.4~28.4 m/s), 将本两次寒潮风就各等级风的比例绘制成表, 括号内为寒潮高等级风的比例组成。
由表 3可知, “15·03”寒潮的所引起的寒潮风远弱于“16·01”寒潮。2015年3月的寒潮大风以6级风、7级风为主, 2016年1月的寒潮大风以6级、7级、8级风为主。
风力等级 | “15·03”寒潮 | “16·01”寒潮 |
6级风 | 11.2% | 23.7% |
7级风 | 6.3% | 14.4% |
8级风 | 0.56% | 11.1% |
9级风 | 0% | 1.7% |
10级风 | 0% | 0.27% |
风向是影响寒潮浪波高分布的重要因素之一, 风向在一定程度上影响波浪传播的方向。本文比较了两次寒潮过程中寒潮风的风向, 如图 7所示。鉴于寒潮期间的风向以北向风为主, 为了更加准确地描述, 本文引入2个方向, 即西北(NW)、东北(NE), 同时记NNW为介于北和西北之间的风向、WNW为介于西北和西之间的风向、NNE风向为介于北和东北之间的方向、ENE风向为介于东和东北之间的方向。从图 7a~图 7c中可以看出, “15·03”寒潮期间研究区域北部的风向主要从N向NNW、NW转变, 南部的风向主要从NWW向N、NNE转变; 从图 7d图 7f可以看出, “16·01”寒潮期间研究区域北部的风向主要从NW向WNW和W方向转变, 南部的风向由N向NNW、NW转变。整体而言, “15·03”寒潮期间的风场偏正北风向, 而“16·01”寒潮风场偏西北风向。
5 寒潮浪的时空分布特征分析 5.1 寒潮浪强度 5.1.1 有效波高的极值和平均值根据统计分析, “15·03”寒潮所导致的有效波高极值为6.29 m, “16·01”寒潮所导致的有效波高极值为8.35 m。从最值波高层面看, “16·01”寒潮浪强度是大于“15·03”寒潮浪的, 同时本文还对两次寒潮的平均波高进行了计算和比较, 如图 8a、图 8b所示。从图中可以了解到, 在“15·03”寒潮期间内, 研究海域的平均波高最高值约为2.5 m; 在“16·01”寒潮期间内, 研究海域的平均波高最高值约为4 m, 平均波高的分布呈现条状区域分布, 越偏离海岸其值越大。从图 6a、图 6b中我们可以发现, “16·03”的平均寒潮风速带相比于“15·03”更加狭窄, 平均风速的东西向梯度变化更大; 相应地, “16·03”寒潮平均波高的东西向梯度比“15·03”寒潮大。通过纵向比较平均风速分布和平均波高分布图, 可以发现平均风速越大的区域, 平均波高也越大, 但是平均波高的分布与平均风速的分布并不完全相同。研究区域的中部及南部即使在相同平均风速的驱动下, 平均波高比其他等风速区域的平均波高要高。
5.1.2 大浪比例根据国际标准海况等级表[22]:将1~9级分别称为无浪(0级、浪高0 m)、微浪(1级、浪高0~0.1 m)、小浪(2级、0.1~0.5 m)、轻浪(3级、0.5~1.25 m)、中浪(4级、1.25~2.5 m)、大浪(5级、2.5~4 m)、巨浪(6级、4~6 m)、狂浪(7级、6~9 m)、狂涛(8级、9~14 m)、怒涛(9级、14 m以上)。其中当海况等级达到5级即浪高达到2.5 m及以上时, 包括渔船在内的一些船只在航行时需要注意风险。因此, 本文统计了两次寒潮中的大浪及以上的比例。
经过统计, “15·03”的大浪及以上比例为14.47%, “16·01”的大浪及以上比例为34.86%。从大浪及以上的比例来看, “16·01”寒潮明显高于“15·03”。
5.1.3 波高的方差本节计算了寒潮期间有效波高的方差, 其物理意义为, 寒潮来袭时研究海域内波浪空间变化的剧烈程度, 如图 8c、图 8d所示。
由图中可以看出, “15·03”和“16·01”两次寒潮期间的有效波高方差分布相似, 波高均值较高的区域其方差也相对较高, 且方差高的区域均相对远离陆地; 但“15·03”和“16·01”两次寒潮方差所在的最大的区域有所不同。以“15·03”寒潮为例, 波高方差较大的区域是研究区域东北部; 而“16·01”寒潮期间, 波高方差较大的区域是研究区域的东部。波浪变化程度取决于风场的变化程度, 因此有效波高方差分布和图 6c、图 6d所展示的风速标准差的分布相似:风速的方差大, 波浪的方差也随之增大, 但其区域也不完全相同, 可能是受到了海域地形、岸线包括岛屿的影响。
5.2 最大有效波高分布和持续时间 5.2.1 最大有效波高分布了解寒潮过程中各个区域的有效波高极值情况是十分必要的, 本文分别计算了两次寒潮过程中有效波高的最大值, 如图 8e、图 8f所示。
如图所示, “15·03”寒潮高有效波高区域主要分布于研究区域的东北部, 而“16·01”波高最高的区域集中在研究区域东部。有效波高最大值的分布特征与图 6e、图 6f所展示的风速最大值分布特征相似, 最值风速大的区域相应的有效波高最大值也较大。通过纵向比较图 6e、图 6f, 可以发现在上部的一些区域最大风速相近, 但是在最大波高的体现上差距很大, 考虑到两次寒潮的主流风存在差异, 这种波高上的差异有可能是主流风向不同导致的。
5.2.2 持续时间寒潮过程中, 虽然寒潮波浪的强度是关注的重点, 但是寒潮波浪持续的时间同样不可忽视。本文对比了两次寒潮引起的波浪, 并将寒潮期间高浪高的组分绘制成表。
由表 4可知, “15·03”寒潮的高波高主要是5级浪, “16·01”寒潮的高波高主要是5级浪和6级浪。
风浪指的是当地风产生、且一直处在风的作用之下的海面波动状态; 涌浪指的是海面上由其他海区传来的或当地风力减小、平息或风向改变后海面上遗留下的波动。
关于如何划分风浪和涌浪, Donelan等[23]提出, 反波龄
$ \varepsilon = 6.365 \times {10^{ - 6}}{\upsilon ^{ - 3.3}}, $ | (2) |
其中,
计算寒潮期间无量纲峰值频率υ, 如图 9所示, 展示了寒潮明显影响研究海域时的风浪、涌浪分布情况, 其中黑色区域表示υ > 0.13部分, 即风浪区域; 灰色区域表示υ < 0.13部分, 即涌浪区域。2015年3月10号0时, 当寒潮风对研究区域影响最为显著时, 研究区域的北部多为涌浪; 2016年1月24号12时, 研究区域的南部多为涌浪。
6 结论与展望本文以CCMP作为驱动风场, 使用SWAN模式模拟了2015年3月及2016年1月的两次典型的寒潮, 并与实测站点数据进行了对比分析。模拟结果表明: CCMP风场能较好地模拟“15·03”和“16·01”两次寒潮过程, 模拟结果与站点实测数据误差均小于20%, 属于可以接受的范围。
本文从强度、最值范围分布、风向、持续时间等方面对比了两次寒潮期间的风场。总体而言, “15·03”寒潮风速强度小于“16·01”寒潮风速强度, “15·03”寒潮风速变化激烈的区域主要集中在研究区域的东部及东北部, 而“16·01”寒潮风速变化的区域主要在研究区域的中部和东部。“15·03”寒潮期间研究区域北部风向主要从N转NNW、NW转变, 南部风向主要从NWW向N、NNE转变, “16·01”寒潮期间研究区域北部风向主要从NW向WNW和W方向转换, 南部风向由N向NNW、NW转变; 从大风持续时间层面来看, 15年3月的寒潮大风以6级风、7级风为主, 16年1月的寒潮大风以6级、7级、8级风为主。
此外本文从波高强度、极值波高分布、持续时间及风涌浪方面对比了两次寒潮所引起的寒潮浪。总体而言, “15·03”寒潮的波高强度小于“16·01”寒潮; “15·03”寒潮浪波高变化剧烈的区域主要集中在研究区域的东北部, 而“16·01”寒潮浪波高变化剧烈的区域主要集中在研究区域的东部; 两次寒潮浪极值分布范围跟波浪激烈变化区域相似; 从持续时间方面来看, “15·03”寒潮的高波高主要是5级浪, “16·01”寒潮的高波高主要是5级浪和6级浪; 当寒潮风对研究区域影响最为显著时, “15·03”寒潮期间研究区域的北部多为涌浪, “16·01”寒潮期间研究区域的南部多为涌浪。
寒潮是浙江近海冬季的主要灾害之一, 寒潮浪的模拟存在较大的误差; 同时, 我们对寒潮浪时空分布特征的研究较少。本文选择近年来两次典型的寒潮过程, 通过对比两次寒潮模拟结果, 我们可以得到如下结论:第一, 寒潮最值风速大的区域, 其最大波高也越大, 寒潮风速方差大的区域, 其波高的方差也越大; 第二, 寒潮期间区域的平均风速越大, 其响应的波高也越高, 但不同的区域对于同样的风速其响应的程度是不同的, 根据此次的模拟结果, 研究区域的中部及南部对寒潮的响应更剧烈, 也更容易产生更大的波高; 第三, 即使是在同一区域, 相同风速下, 寒潮的风向也会造成波高的差异。该文的结论对于寒潮浪的数值模拟和防灾减灾工作具有参考意义。
下一步的工作将构建以浙江近海为研究区域的寒潮响应机制, 探究不同主风向、不同风速情况下, 浙江近海对寒潮的响应特征, 更加系统和科学地分析寒潮对浙江近海的影响。
[1] |
廖丽恒, 周岱, 马晋, 等. 台风风场研究及其数值模拟[J]. 上海交通大学学报, 2014, 48(11): 1541-1551. Liao Liheng, Zhou Dai, Ma Jin, et al. Typhoon wind-field research and its simulation[J]. Journal of Shanghai Jiaotong University, 2014, 48(11): 1541-1551. |
[2] |
应王敏, 郑桥, 朱陈陈, 等. 基于SWAN模式的"灿鸿"台风浪数值模拟[J]. 海洋科学, 2017, 41(4): 108-117. Ying Wangmin, Zheng Qiao, Zhu Chenchen, et al. Nume-rical simulation of "CHAN-HOM" typhoon waves using SWAN model[J]. Marine Sciences, 2017, 41(4): 108-117. |
[3] |
梁连松, 李瑞杰, 丰青, 等. 舟山海域台风浪数值模拟[J]. 水道港口, 2014, 35(6): 582-588. Liang Liansong, Li Ruijie, Feng Qing, et al. Numerical simulation of typhoon wave in Zhoushan[J]. Journal of Waterway and Harbor, 2014, 35(6): 582-588. DOI:10.3969/j.issn.1005-8443.2014.06.006 |
[4] |
Miles J W. On the generation of surface waves by shear flows[J]. Journal of Fluid Mechanics, 2006, 7(2): 185-204. |
[5] |
Phillips O M. On the generation of waves by turbulent wind[J]. Journal of Fluid Mechanics, 2006, 2(5): 417-445. |
[6] |
Booij N, Ris R C, Holthuijsen L H. A third-generation wave model for coastal regions 1. Model description and validation. J Geophys Res C Oceans 104(C4): 7649-7666[J]. Journal of Geophysical Research Atmospheres, 1999, 104(4): 7649-7666. http://onlinelibrary.wiley.com/doi/10.1029/98JC02622/full
|
[7] |
Mao M, van der Westhuysen, André J, Xia M, et al. Modeling wind waves from deep to shallow waters in Lake Michigan using unstructured SWAN[J]. Journal of Geophysical Research:Oceans, 2016, 121(6): 3836-3865. DOI:10.1002/2015JC011340 |
[8] |
陈雅雅, 邹仲水, 赵栋梁. 基于SWAN模式的台风浪数值模拟初步研究[J]. 海洋湖沼通报, 2017(6): 1-10. Chen Yaya, Zou Zhongshui, Zhao Dongliang. A pre-liminary study of typhoon wave based on numerical simulations using SWAN model[J]. Transactions of Oceanology and Limnology, 2017(6): 1-10. |
[9] |
谭凤, 张庆河, 庞启秀, 等. 基于WRF-SWAN模式的韦帕台风波浪场模拟[J]. 水道港口, 2012, 33(1): 14-18. Tan Feng, Zhang Qinghe, PANG Qixiu, et al. Numerical simulation of WIPHA typhoon waves using WRF-SWAN model[J]. Journal of Waterway and Harbor, 2012, 33(1): 14-18. DOI:10.3969/j.issn.1005-8443.2012.01.003 |
[10] |
Zhao Q, Ding Y H. Study of physical processes affecting the transformation of cold air over land after outbreak of cold waves in east asia[J]. Journal of Meteorological Research, 1992, 6(2): 198-212. |
[11] |
Qiu Y Y, Wang W D. Research progress of cold-air outbreak medium-term forecast[J]. Meteorological Science and Technology, 1983, 11(3): 7-12. |
[12] |
Zhang B, Wang L, Yang R, et al. Forecasting capability test of cold wave process by numerical weather prediction products[J]. Journal of Arid Meteorology, 2010, 28(1): 96-101. |
[13] |
Liu X, Zhu X, Pan Y, et al. Spatiotemporal changes of cold surges in Inner Mongolia between 1960 and 2012[J]. Journal of Geographical Sciences, 2015, 25(3): 259-273. DOI:10.1007/s11442-015-1166-y |
[14] |
Li X, Dong S. A preliminary study on the intensity of cold wave storm surges of LaizhouBay[J]. Journal of Ocean University of China, 2016, 15(6): 987-995. DOI:10.1007/s11802-016-3053-2 |
[15] |
Zhao P, Jiang W. A numerical study of storm surges caused by cold-air outbreaks in the BohaiSea[J]. Natural Hazards, 2011, 59(1): 1-15. DOI:10.1007/s11069-010-9690-7 |
[16] |
郑国诞, 赵红军, 徐福敏, 等. "98·04"寒潮影响下的渤海风浪场数值模拟[J]. 水运工程, 2010(2): 36-39. Zheng Guodan, Zhao Hongjun, Xu Fumin, et al. Numerical simulation of wind waves in Bohai Sea induced by "98·04" cold wave[J]. Port & Waterway Engineering, 2010(2): 36-39. DOI:10.3969/j.issn.1002-4972.2010.02.009 |
[17] |
周春建, 徐福敏. 寒潮影响下江苏沿海风浪场数值模拟研究[J]. 海洋工程, 2017, 35(2): 123-130. Zhou Chunjian, Xu Fumin. Research on the numerical simulation of wind wave field affected by a cold wave in Jiangsu coast[J]. The Ocean Engineering, 2017, 35(2): 123-130. |
[18] |
Mo D, Hou Y, Li J, et al. Study on the storm surges indu-ced by cold waves in the Northern East China Sea[J]. Journal of Marine Systems, 2016, 160: 26-39. DOI:10.1016/j.jmarsys.2016.04.002 |
[19] |
徐福敏, 张长宽, 陶建峰. 浅水波浪数值模型SWAN的原理及应用综述[J]. 水科学进展, 2004, 15(4): 538-542. Xu Fumin, Zhang Changkuan, Tao Jianfeng. Mechanism and application of a third generation wave model SWAN for shallow water[J]. Advances in Water Science, 2004, 15(4): 538-542. DOI:10.3321/j.issn:1001-6791.2004.04.025 |
[20] |
Atlas R. A multiyear global surface wind velocity dataset using SSM/I wind observations[J]. Bullamermeteorsoc, 1996, 77(5): 869-882. |
[21] |
Atlas R. Application of satellite surface wind data to ocean wind analysis[J]. Proceedings of SPIE-The International Society for Optical Engineering, 2008, 85(1): 92-103. |
[22] |
范秀涛, 郭发东. 一种新型浮标温盐链布设装置[J]. 气象水文海洋仪器, 2007(1): 64-67. Fan Xiutao, Guo Fadong. A type of device for CTD-chain setting on sea buoy[J]. Meteorological, Hydrological and Marine Instruments, 2007(1): 64-67. DOI:10.3969/j.issn.1006-009X.2007.01.015 |
[23] |
Donelan M A, Hamilton J, Hui W H. Directional Spectra of Wind-Generated Waves[J]. Phil Trans R Soc London Ser A, 1985, 315(1534): 509-562. DOI:10.1098/rsta.1985.0054 |