文章信息
- 李一国, 荣增瑞, 孟鑫, 姜岩, 于晓林. 2023.
- LI Yi-guo, RONG Zeng-rui, MENG Xin, JIANG Yan, YU Xiao-lin. 2023.
- 高分辨率风场对长江口海域波浪场模拟能力的影响研究——以台风“灿都”为例
- Influence of high-resolution winds on the simulation of surface waves over the Changjiang River Estuary: a case study of Typhoon Chanthu
- 海洋科学, 47(11): 1-11
- Marine Sciences, 47(11): 1-11.
- http://dx.doi.org/10.11759/hykx20221129001
-
文章历史
- 收稿日期:2022-11-29
- 修回日期:2023-04-12
2. 中国海洋大学 深海圈层与地球系统前沿科学中心, 山东 青岛 266100;
3. 上海市海洋监测预报中心, 上海 200062
2. Frontier Science Center for Deep Ocean Multispheres and Earth System, Ocean University of China, Qingdao 266100, China;
3. Shanghai Marine Monitoring and Forecasting Center, Shanghai 200062, China
长三角地区是中国经济发展最为活跃的区域之一。长江口航道不仅是上海最重要的出海口, 也是长江流域诸省市的唯一出海通道, 它的通畅不仅仅关系当地的航运经济, 也影响国家中长期的经济发展。长江口海域受台风过程影响显著, 年均有3个台风影响长江口海域, 引起灾害性海浪和风暴增水, 对长江口处的海浪进行实时预报具有重要意义[1]。长江口海域地质、底质、滩涂、海洋建筑、航运以及径流等诸多因素造成波浪场的复杂多变, 如依靠多布点的现场观测在效益上不可取, 实际操作也较难执行。因此, 建设精细化海浪数值模型, 进行数值模拟配以个别实际测点的验证, 构建自动化、业务化运行的海浪预报系统, 以求得大面积高时空分辨率的波浪场分布是合适的, 也将成为不可替代的工具。
关于台风浪的理论与数值模拟研究, 前人已开展了大量工作。Young等揭示了北半球台风浪左弱右强的新月形空间分布特征, 并建立了开阔海域台风浪参数化模型[2-4]。到近海区域, 台风浪分布进一步受近岸地形和水深变化的影响, 表现出局地性特征[5]。长江口及其邻近海域地形复杂, 受东亚季风影响, 冬季和夏季表现出截然不同的波浪特征[6-8]。针对长江口波浪的模拟与分析, 前人从台风浪和寒潮浪两个角度进行了诸多有益探讨。胡克林等[9]以台风浪为例, 验证了正交曲线网格下SWAN模型对于长江口复杂地形波浪模拟的有效性。徐福敏等[10]基于WW3 (WaveWatch-Ⅲ)嵌套SWAN海浪模式对1981年第14号台风“艾妮丝”过境期间长江口海域的台风浪进行模拟, 验证了嵌套波浪模式对长江口台风浪模拟的可行性。Sheng等[11]基于WW3模式对2014年第16号台风“凤凰”和2015年第9号台风“灿鸿”过境期间舟山群岛海域的波浪场进行模拟, 结果表明波浪谱方程中的风能输入/耗散源项ST2下的模式模拟效果优于ST1、3、4和6源项。郑桥等[12]讨论了两次典型寒潮浪在长江口及其邻近海域的差异特征。基于非结构网格SWAN模式, Jiang等[13]探究了不同源风场和不同风浪能量输入源函数对长江口海域的适用性, 指出风场误差是波浪模拟的最大误差源, 其次是风浪能量输入参数化方案, 并得到了最佳源风场和最优源函数。
前人研究表明大气模式分辨率提高会显著改变台风风场结构[14], 并进一步影响海浪场的模拟[15]。但关于风场模型分辨率提升是否一定提升风场及对应的波浪模拟能力, 尚无定论。一般认为, 粗分辨率风场缺乏对极值风速的模拟能力, 提升风场分辨率有利于极值波浪的模拟[16-17]。但也有研究发现, 风场分辨率持续提升至约1 km, 风场和波浪模拟精度没有显著提升[18-19]。此外, 风场模型分辨率的提升会对台风路径、移速等产生显著影响, 但目前关于高分辨率台风场对长江口海浪模拟的影响尚不明确。近年来, 我国自主构建了“两洋一海”海气耦合预报系统(Asia-Pacific Regional Coupled Prediction System, APRCP) [20], 可以提供台风过境期间的高分辨率风场, 但在长江口海域的适用性如何, 尚缺乏探讨。鉴于此, 本研究基于Jiang等[13]构建的长江口海域高分辨率SWAN海浪模式, 结合“两洋一海”耦合预报系统模拟的不同分辨率风场[20]以及ERA5再分析风场, 以2021年第14号台风“灿都”(Chanthu)为例, 研究“两洋一海”预报风场及风场分辨率变化对长江口海域海浪模拟的影响, 为进一步提高长江口海域海浪预报精度, 建立长江口海浪预报系统提供参考。
1 数据及模式 1.1 台风“灿都”本文以2021年第14号台风“灿都”为例开展研究(图 1)。“灿都”于2021年9月7日00时(UTC)生成于西北太平洋南部, 9月12日至17日影响我国东海, 18日00时于日本九州岛西部登陆。“灿都”经过浙闽外海时强度为台风级别, 在长江口外海向东转向后减弱为强热带风暴级别, 9月15日在东海中陆架海域小范围向西“回摆”, 强度短暂地减弱为热带风暴级别, 这种“回摆”可能会引起长江口海浪的持续升高。15日18时之后“灿都”增强为强热带风暴并继续向东北方向移动, 直至于日本西南登陆。“灿都”对东海的影响持续时间较长, 造成的破坏也较大[21], 对研究移动速度较慢的强持续性风场引起的灾害性海浪特征具有良好的代表性。
1.2 观测数据本研究使用的有效波高数据为长江口周边海域4个站的浮标观测数据(图 1), 分别为HU01 (121°33′E, 30°45′W)、HU04 (122°18′E, 30°58′W
本研究使用的风场数据主要包括“两洋一海”耦合预报系统(APRCP)模拟风场和ERA5再分析风场。APRCP耦合预报模式的网格范围为25°S~66°N、30°~187°E, 其中大气模式为WRF (Weather Research and Forecasting Model), 海洋模式为ROMS (Regional Ocean Modeling System), 大气模式水平分辨率为27 km, 海洋模式水平分辨率9 km。台风过境时, 大气模式可多重嵌套至1 km。该模式将高分辨率耦合模式与精细化观测信息结合, 同化了众多开源和自主观测资料, 实现了高分辨率和高频的区域耦合模拟、同化及预报[20]。APRCP模拟风场主要包括两组, 一组是台风“灿都”期间的APRCP延伸期预报风场, 本文选用的是2021年9月10日00时的预报风场, 预报时长为9 d, 至2021年9月19日, 数据间隔为6 h, 强迫场为NCEP-CFSv2 (National Centers for Environmental Prediction Climate Forecast System Version 2) 耦合模拟系统的一次预报结果。一组是APRCP分析风场, 计算起始时刻仍为2021年9月10日00时, 所不同的是大气开边界使用的是NCEP-FNL (NCEP Final operational global analysis)耦合模拟系统的分析结果作为模式强迫场。为了分析不同分辨率风场对海浪模拟及预报精度的影响, APRCP对台风“灿都”进行了多层嵌套模拟, 空间分辨率分别为27 km、9 km、3 km和1 km。为了对比验证, 本研究还使用了欧洲中尺度气象中心ECMWF(European Centre for Medium-range Weather Forecasts)提供的ERA5再分析风场, 时间为2021年9月10日至2021年9月19日, 时间间隔6 h, 空间分辨率为0.25°×0.25°。
1.4 海浪模式本研究使用的海浪模式为SWAN, 采用非结构三角网格设计(图 2)。Pallares等、Mao等指出非结构网格对于复杂的岸线和地形及岛屿的刻画较矩形网格更加准确, 能够更好地拟合海岸线, 同时经过加密的非结构网格能够达到同等分辨率矩形嵌套网格相同的模拟精度[22-23]。本研究使用的SWAN模式物理配置与Jiang等相同[13], 网格上略有改进, 更新了长江口海域围海造田以及深水航道所导致的岸线变化。网格覆盖渤海、黄海、东海及西北太平洋部分海域, 共321 610个网格, 范围为18°N~41°N, 117°E~138°E。网格在长江口地区最高分辨率可达100 m, 向外分辨率逐渐变粗, 开边界处分辨率约为0.75°。
基于上述模式和风场数据, 本研究构建了3组共9个海浪模拟实验, 分别是基于ERA5再分析风场的参考实验, 基于APRCP不同分辨率预报风场的预报实验以及基于APRCP不同分辨率分析风场的分析实验(表 1)。
实验 | 子实验 | 驱动风场 |
SWAN_ERA5 | \ | ERA5再分析风场 |
SWAN_Forecast | APRCP_FR27 | 27 km预报风场 |
APRCP_FR9 | 27~9 km预报风场 | |
APRCP_FR3 | 27~9~3 km预报风场 | |
APRCP_FR1 | 27~9~3~1 km预报风场 | |
SWAN_Analysis | ARPCP_AR27 | 27 km分析风场 |
ARPCP_AR9 | 27~9 km分析风场 | |
ARPCP_AR3 | 27~9~3 km分析风场 | |
ARPCP_AR1 | 27~9~3~1 km分析风场 |
本部分首先对不同风场实验模拟的台风路径进行了分析。图 3给出了ERA5、APRCP预报和分析实验模拟的台风路径。可以看出, ERA5再分析风场较好再现了观测的台风路径, 特别是“灿都”9月15日在东海的回摆, 而APRCP各模拟实验均未能再现这一特征。APRCP预报场给出的台风路径与实际路径相比离岸更近[图 3(a)], 且移动速度更快。APRCP分析风场在9月13日前与实际路径符合较好, 但之后仍存在较大偏离, 台风移速有所减慢, 但提升效果不显著[图 3(b)]。台风路径和移速的模拟差异, 可能是导致波浪场模拟精度较低的主要因素。因此, 后续分析主要针对台风路径偏差和台风风场分辨率变化进行分析, 研究二者对长江口海域台风浪模拟精度的影响。
基于Jason-3卫星高度计沿轨观测有效波高数据, 首先对不同实验模拟的有效波高进行了对比, 使用均方根误差(root mean square error, RMSE, 记为ERMS)、分散度(scatter index, SI, 记为IS)和平均绝对误差(mean absolute error, MAE, 记为EMA)对模式精度进行评估[13]。图 4给出了ERA5风场、APRCP预报和分析风场模拟有效波高的模拟精度。可以看出, ERA5模拟有效波高整体比高度计观测偏低, 二者的ERMS为0.82, 这可能与ERA5较低的台风风速有关[13, 24-26], 且二者具有较低的IS, 体现了ERA5对台风路径的准确模拟(图 3)。与ERA5分析风场相比, APRCP预报实验的模拟误差和分散度均较大, 这与ARPCP预报实验台风路径的空间模拟偏差有关[图 3(a)]。APRCP分析风场的模拟精度相比预报风场提升显著, 以APRCP 3 km风场实验为例, ERMS由1.18减小为0.90。此外, 由图 4可知, 风场分辨率从27 km提升至9 km和3 km, 台风浪模拟精度显著提升, 但继续将分辨率从3 km提升至1 km时, 台风浪模拟精度变化不明显, 甚至略微降低(表 2)。
HU01 | HU04 | D31A0005 | D31A0006 | Jason-3 | ||||||||||||
ERMS | IS | EMA | ERMS | IS | EMA | ERMS | IS | EMA | ERMS | IS | EMA | ERMS | IS | EMA | ||
ERA5 | 0.17 | 0.26 | 0.13 | 0.29 | 0.15 | 0.23 | 0.32 | 0.32 | 0.28 | 0.59 | 0.24 | 0.45 | 0.82 | 0.34 | 0.59 | |
APRC P-预报 | 27 km | 0.48 | 0.74 | 0.30 | 0.73 | 0.38 | 0.58 | 0.53 | 0.54 | 0.37 | 1.10 | 0.44 | 0.89 | 1.54 | 0.71 | 1.15 |
9 km | 0.34 | 0.53 | 0.26 | 0.67 | 0.35 | 0.50 | 0.34 | 0.35 | 0.28 | 1.13 | 0.45 | 0.90 | 1.15 | 0.53 | 0.89 | |
3 km | 0.34 | 0.53 | 0.25 | 0.73 | 0.38 | 0.56 | 0.41 | 0.42 | 0.31 | 1.20 | 0.48 | 0.94 | 1.18 | 0.54 | 0.90 | |
1 km | 0.25 | 0.39 | 0.21 | 0.75 | 0.40 | 0.59 | 0.37 | 0.37 | 0.31 | 1.24 | 0.49 | 0.99 | 1.29 | 0.59 | 0.97 | |
APRC P-分析 | 27 km | 0.24 | 0.30 | 0.20 | 0.68 | 0.31 | 0.57 | 0.59 | 0.46 | 0.42 | 1.10 | 0.35 | 0.90 | 1.62 | 0.68 | 1.17 |
9 km | 0.33 | 0.40 | 0.20 | 0.54 | 0.25 | 0.43 | 0.70 | 0.55 | 0.44 | 1.03 | 0.33 | 0.86 | 0.95 | 0.40 | 0.72 | |
3 km | 0.22 | 0.28 | 0.18 | 0.43 | 0.19 | 0.35 | 0.38 | 0.30 | 0.29 | 0.88 | 0.28 | 0.73 | 0.90 | 0.38 | 0.68 | |
1 km | 0.28 | 0.35 | 0.23 | 0.43 | 0.22 | 0.39 | 0.42 | 0.32 | 0.33 | 1.13 | 0.36 | 1.00 | 0.91 | 0.38 | 0.69 | |
注: 黑体表明该风场驱动下SWAN模式模拟具有最小ERMS以及EMA |
图 5进一步显示了模式模拟的有效波高与长江口附近浮标观测有效波高的对比。浮标观测到的最大有效波高出现在D31A0006站, 可达5.44 m, 其次为HU04站, 最高可达3.53 m。D31A0005和HU01位于杭州湾口处, 整体有效波高较小, 而位于外侧的D31A0006站和HU04站, 出现了持续的大浪影响, 并于9月16日出现第二次有效波高极大值, 体现了台风“灿都”回摆的持续性影响。ERA5风场模拟的有效波高变化趋势与浮标观测较为一致, 特别是9月16日的持续性大波高, 体现了ERA5良好的台风轨迹模拟能力(图 3)。但ERA5未能再现观测中的高频变化, 对D31A0006站的最大有效波高整体模拟偏低, ERMS可达0.59。与ERA5相比, APRCP预报风场的总体模拟精度较差, 特别是严重低估了第二次有效波高极值。APRCP分析风场的模拟精度有所提升, 总体和ERA5相当, 但由于未能合理模拟出“灿都”在东海的“回摆”, 对第二次波浪极值的模拟仍然偏低。就APRCP不同分辨率风场实验而言, 其3 km分析风场对有效波高的性能最好, 27 km和9 km实验高估了台风浪对长江口的影响, 而1 km实验则略低估了台风浪的影响(表 2), 这反映了不同分辨率风场对台风结构和强度的模拟差异。
2.2 台风路径和移速偏差对有效波高空间分布的影响考虑到海陆边界对台风结构的影响, 本文选取ERA5、APRCP_FR3和APRCP_AR3研究台风轨迹和移速偏差对台风浪的影响, 其中, APRCP_FR3路径有较大的向岸偏差, 且移速较快; APRCP_AR3前期和观测路径较为一致, 但后期移速较快(图 3)。图 6显示了2021年9月13日6、12、18时不同实验波浪场的空间分布。总体而言, 台风浪呈现左弱右强的不对称新月形结构, 不对称性相比风场更显著, 与前人给出的台风浪结构类似[2]。ERA5模拟的台风路径与观测最接近, 台风移速较慢, 有效波高的高值区主要在台风中心右侧第一、四象限, 东侧主要为北向浪, 北侧主要为西向浪[图 6(a)]。随着台风向东移动, 长江口海域有效波高有所减小, 但仍维持着2~3 m的大浪, 以西向为主[图 6(b)—(c)]。APRCP_FR3的台风路径有较大的向岸偏差, 在台风过境期间以北向浪为主, 浪向相较于ERA5模拟的浪向更加集中, 受海陆边界和风区长度影响, 高的有效波高主要出现台风中心右侧[图 6(d)]。随着台风中心的快速东移, 长江口海域有效波浪快速减小[图 6(e)—f)]。与ERA5相比, APRCP_AR3给出的台风路径在台风过境期间与ERA5较一致, 长江口海域在台风过境期间以西向浪为主, 波浪的传播方向与ERA5模拟的浪向较为一致, 但有效波高显著高于ERA5的模拟结果[图 6(g)]。随着台风的东移, 长江口海域有效波高有所减小, 但仍然存在大范围的大浪区[图 6(h)—(i)], 和观测较一致(图 4和图 5)。
3 风场分辨率对波浪场模拟的影响高分辨率大气模式可以给出台风的细结构, 对复杂地形波浪场的模拟至关重要[27]。一般而言, 提高风场分辨率可以相应提升海浪模拟精度, 但也有研究发现风场分辨率从9 km提升到3 km, 甚至到1 km对波浪模拟精度的影响不大[15, 18-19]。本研究分析亦表明, 3 km风场具有最好的模拟精度。本部分进一步分析了不同分辨率风场的模拟差异及对台风浪模拟的影响。图 7显示了2021年9月12日12时, 以台风眼为中心, 不同分辨率台风场结构及模拟差异。可以看出, 分辨率从27 km提升到9 km, 台风结构显著变化, 台风中心低气压核心区进一步收缩, 台风中心2Rmax范围内风速显著增大[图 7(e)], 最大增幅可达11.19 (m∙s–1); 继续往外, 风速变化呈不对称分布, 大部分区域风速减小, 但在第一、二象限增加显著。风场分辨率从9 km提升至3 km, 台风场呈现出更多的斑块状细结构, 台风中心Rmax范围内风速进一步增加[图 7(g)], 最大增幅可达18.90 (m∙s–1); Rmax向外, 风场整体呈减弱趋势, 在台风前进方向后方部分风速有所增加。进一步的分析表明, 外围风速的增加主要对应了台风悬臂结构的发展。说明分辨率提高有利于台风悬臂结构的发展, Gentry等的研究也发现相同的现象[14]。悬臂结构的发展在1 km实验中更为显著[图 7(d)], 当分辨率从3 km提升至1 km, 除中心风速进一步收缩增加外[图 7(g)], 台风外围发展出显著的悬臂状结构, 表明分辨率提高可以提升对台风细结构的模拟。
风场的模拟差异会进一步影响波浪场的模拟和预报精度, 图 8显示了2021年9月12日12时, 以台风眼为中心, 不同分辨率台风场模拟的有效波高分布及差异。风场分辨率从27 km提升至9 km, 有效波高的空间分布变化显著, 整体结构与风场变化相似, 但空间范围更大, 表明风场的差异传递到波浪上, 由于波浪的传播属性, 会向外辐射更大的范围[图 8(e)]。随着分辨率进一步提升, 有效波高仅在Rmax范围内有所增加; 大于Rmax, 台风浪整体呈减弱趋势, 空间分布变化与风场不完全一致, 这主要是由于波浪的空间分布受到局地风浪和远地波浪传播的共同影响[图 8(f—g)]。
需要指出的是, 分辨率的变化不仅会改变风场结构和强度, 还会对台风路径和移动速度产生影响(图 3), 继而进一步影响台风浪的时空分布特征。此外, 由于波浪的传播属性, 台风后期的浪场空间分布则主要反映了涌浪的影响, 风场和浪场的空间对应关系会进一步减弱。为了进一步显示风场分辨率变化对波浪预报的可能影响, 图 9进一步显示了13日00时—14日24时的有效波高最大值的分布(Hs≥3 m)。48 h有效波高最大值和范围是常用的预报参数。由图 9可以看出, ERA5模拟的极值波高范围显著小于ARRCP的模拟结果。就APRCP而言, 27 km分辨率极值波高范围最大, 这主要是由于27 km分辨率风场模拟的台风范围及外围风速过大[图 7(a)]。对比APCRP预报和分析实验, 分析实验的极值波高范围和大小均大于预报实验, 这主要反映了台风移速的影响(图 3), 预报实验中过快的台风移速导致有效风区和风时减小, 台风浪偏小。总体而言, 随着分辨率增加, 极值波高的范围有所减小。但同时受台风移动速度和轨迹的影响显著, 分析风场中较大的极值波高范围主要是由于台风的移动速度显著慢于预报风场。
4 结论本研究基于长江口精细化海浪模式, 以2021年第14号台风“灿都”为例, 结合ERA5再分析风场和不同分辨率APRCP预报及分析风场, 研究了台风轨迹、移速、台风分辨率对长江口波浪场模拟的影响。与卫星高度计和浮标观测的对比验证表明, ERA5风场整体偏小, 虽然与实际台风轨迹最为接近, 但整体低估了台风浪的大小, 其他在东中国海、台湾海峡以及黑海等海域的研究也有相似结果。不同分辨率APRCP风场模拟实验表明, 分辨率增加有利于台风细结构的模拟, 台风悬臂状结构在高分辨率实验中最为清晰。分辨率增加, 台风中心(≤2Rmax)风速增加最为显著; 大于2Rmax, 仅在悬臂区域有所增强, 风速整体呈减弱趋势。不同分辨率风场驱动的波浪模拟结果表明, 27 km风场驱动的波浪场模拟结果与实际有较大偏差和分散度, 说明27 km风场对台风结构的模拟偏差较大。风场从27 km提升至9 km和3 km, 波浪模拟精度增加显著, 3 km分析风场驱动的波浪模拟精度最高, 风场继续提升至1 km对模拟性能没有明显提升。总体而言, 风场分辨率提升, 台风极值波高的范围和幅度都有所减小。本研究表明目前的3 km风场给出了较优的模拟精度, 但针对常态天气或规则性台风, 风场分辨率提升带来的模拟能力提升如何, 仍是一个有待研究的问题。改变风场分辨率不仅会改变台风结构和强度, 还会对台风路径和移动速度产生影响。波浪场的差异同时反映了台风结构、路径和移动速度的共同影响, 由于波浪的波动传播属性, 台风浪的差异一般比风场差异的范围更大。台风移速减慢和局地风速变大对波浪场的影响不仅表现为局地波高增大, 波动会进一步向外辐射影响台风外围海域, 引发持续性海浪灾害。
[1] |
CHI Y T, RONG Z R. Assessment of extreme storm surges over the Changjiang River Estuary from a Wave-Current Coupled Model[J]. Journal of Marine Science and Engineering, 2021, 9(11): 1222. DOI:10.3390/jmse9111222 |
[2] |
YOUNG I R. Parametric hurricane wave prediction model[J]. Journal of Waterway, Port, Coastal, and Ocean Engineering, 1988, 114(5): 637-652. DOI:10.1061/(ASCE)0733-950X(1988)114:5(637) |
[3] |
YOUNG I R, VINOTH J. An "extended fetch" model for the spatial distribution of tropical cyclone wind-waves as observed by altimeter[J]. Ocean Engineering, 2013, 70: 14-24. DOI:10.1016/j.oceaneng.2013.05.015 |
[4] |
TAMIZI A, YOUNG I R. The spatial distribution of ocean waves in tropical cyclones[J]. Journal of Physical Oceanography, 2020, 50(8): 2123-2139. DOI:10.1175/JPO-D-20-0020.1 |
[5] |
WANG N, HOU Y J, LI S Q, et al. Numerical simulation and preliminary analysis of typhoon waves during three typhoons in the Yellow Sea and East China Sea[J]. Journal of Oceanology and Limnology, 2019, 37(6): 1805-1816. DOI:10.1007/s00343-019-8260-4 |
[6] |
CHEN Y P, XIE D M, ZHANG C K, et al. Estimation of long-term wave statistics in the East China Sea[J]. Journal of Coastal Research, 2013, 65(10065): 177-182. |
[7] |
WANG J, DONG C M, HE Y J. Wave climatological analysis in the East China Sea[J]. Continental Shelf Research, 2016, 120: 26-40. DOI:10.1016/j.csr.2016.03.010 |
[8] |
HE H L, SONG J B, BAI Y F, et al. Climate and extrema of ocean waves in the East China Sea[J]. Science China Earth Sciences, 2018, 61(7): 980-994. DOI:10.1007/s11430-017-9156-7 |
[9] |
胡克林, 丁平兴, 朱首贤, 等. 长江口附近海域台风浪的数值模拟——以鹿沙台风和森拉克台风为例[J]. 海洋学报(中文版), 2004, 26(5): 23-33. HU Kelin, DING Pingxing, ZHU Shouxian, et al. Numerical simulation of typhoon waves around the waters of the Changjiang Estuary: A case study of Typhoon Rusa and Typhoon Sinlaku[J]. Acta Oceanologica Sinica, 2004, 26(5): 23-33. |
[10] |
徐福敏, 黄云峰, 宋志尧. 东中国海至长江口海域台风浪特性的数值模拟研究[J]. 水动力学研究与进展A辑, 2008, 23(6): 604-611. XU Fumin, HUANG Yunfeng, SONG Zhiyao. Numerical simulation of typhoon-driven-waves from East China Sea to Yangtze Estuary[J]. Chinese Journal of Hydrodynamics, 2008, 23(6): 604-611. |
[11] |
SHENG Y X, SHAO W Z, LI S Q, et al. Evaluation of typhoon waves simulated by WaveWatch-Ⅲ Model in shallow waters around Zhoushan Islands[J]. Journal of Ocean University of China, 2019, 18(2): 365-375. DOI:10.1007/s11802-019-3829-2 |
[12] |
郑桥, 张继才, 车助镁, 等. 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[J]. 海洋科学, 2019, 43(10): 75-87. ZHENG Qiao, ZHANG Jicai, CHE Zhumei, et al. Numerical simulation of typical cold waves in seas adjacent to Zhejiang Province with examples from March 2015 and January 2016[J]. Marine Sciences, 2019, 43(10): 75-87. |
[13] |
JIANG Y, RONG Z R, LI P X, et al. Modeling waves over the Changjiang River Estuary using a high-resolution unstructured SWAN model[J]. Ocean Modelling, 2022, 173: 102007. DOI:10.1016/j.ocemod.2022.102007 |
[14] |
GENTRY M S, LACKMANN G M. Sensitivity of simulated tropical cyclone structure and intensity to horizontal resolution[J]. Monthly Weather Review, 2010, 138(3): 688-704. DOI:10.1175/2009MWR2976.1 |
[15] |
BRICHENO L M, SORET A, WOLF J, et al. Effect of High-Resolution Meteorological Forcing on Nearshore Wave and Current Model Performance[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(6): 1021-1037. DOI:10.1175/JTECH-D-12-00087.1 |
[16] |
CAVALERI L, BERTOTTI L. The characteristics of wind and wave fields modelled with different resolutions[J]. Quarterly Journal of the Royal Meteorological Society, 2003, 129(590): 1647-1662. DOI:10.1256/qj.01.68 |
[17] |
CAVALERI L, BERTOTTI L. The improvement of modelled wind and wave fields with increasing resolution[J]. Ocean engineering, 2006, 33(5/6): 553-565. |
[18] |
RUSU L, BERNARDINO M, SOARES C G. Influence of the wind fields on the accuracy of numerical wave modelling in offshore locations[C]//American Society of Mechanical Engineers. International Conference on Offshore Mechanics and Arctic Engineering: Volume 4: Ocean Engineering; Offshore Renewable Energy. 27th ed. Estoril: the American Society of Mechanical Engineers, 2008: 637-644.
|
[19] |
RUSU L, BERNARDINO M, SOARES C G. Influence of wind resolution on the prediction of waves generated in an estuary[J]. Journal of Coastal Research, 2009, 56(SI): 1419-1423. |
[20] |
LI M K, ZHANG S Q, WU L X, et al. A high-resolution Asia-Pacific regional coupled prediction system with dynamically downscaling coupled data assimilation[J]. Science Bulletin, 2020, 65(21): 1849-1858. DOI:10.1016/j.scib.2020.07.022 |
[21] |
自然资源部海洋预警监测司. 2021年中国海洋灾害公报[R]. 北京: 自然资源部, 2022. Marine Early Warning and Monitoring Division of Ministry of Natural Resources of the People's Republic of China. Bulletin Of China Marine Disaster 2021[R]. Beijing: Ministry of Natural Resources of the People's Republic of China, 2022. |
[22] |
PALLARES E, LOPEZ J, ESPINO M, et al. Comparison between nested grids and unstructured grids for a high-resolution wave forecasting system in the western Mediterranean sea[J]. Journal of Operational Oceano graphy, 2017, 10(1): 45-58. DOI:10.1080/1755876X.2016.1260389 |
[23] |
MAO M H, VAN DER WESTHUYSEN A 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 |
[24] |
LI J X, PAN Y, CHEN Y P, et al. Estimating typhoon waves based on the modified ECMWF ERA-5 wind data[J]. Journal of Coastal Research, 2020, 95(SI): 1177-1182. |
[25] |
WU W F, LI P L, ZHAI F G, et al. Evaluation of different wind resources in simulating wave height for the Bohai, Yellow, and East China Seas (BYES) with SWAN model[J]. Continental Shelf Research, 2020, 207: 104217. DOI:10.1016/j.csr.2020.104217 |
[26] |
ÇALIŞIR E, SORAN M B, AKPINAR A. Quality of the ERA5 and CFSR winds and their contribution to wave modelling performance in a semi-closed sea[J]. Journal of Operational Oceanography, 2021, 16(2): 106-130. |
[27] |
CHRISTAKOS K, FUREVIK B R, AARNES O J, et al. The importance of wind forcing in fjord wave modelling[J]. Ocean Dynamics, 2020, 70: 57-75. DOI:10.1007/s10236-019-01323-w |