2024, Vol. 48
文章信息
- 赵堂麒, 李晓敏, 张杰, 张素铭, 侯琪, 杜雪雪. 2024.
- ZHAO Tangqi, LI Xiaomin, ZHANG Jie, ZHANG Suming, HOU Qi, DU Xuexue. 2024.
- 适用于风暴潮淹没范围和深度快速估计的无源淹没方法改进
- Improvement of the passive inundation method for rapid estimation of storm surge inundation range and depth
- 海洋科学, 48(12): 1-12
- Marine Sciences, 48(12): 1-12.
- http://dx.doi.org/10.11759/hykx20230128002
-
文章历史
- 收稿日期：2023-01-28
- 修回日期：2023-03-28
2. 自然资源部第一海洋研究所, 山东 青岛 266061
2. First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China
风暴潮是指由于热带气旋、温带气旋、海上飑线等风暴过境所伴随的强风和气压骤变而引起的局部海面振荡或非周期性异常升高(或降低)现象。由于风暴潮致灾因子的多样性和承灾体的特殊性, 风暴潮比其他灾害风险具有更大的不确定性[1]。中国是受风暴潮影响最严重的少数国家之一, 且风暴潮灾害几乎遍及中国沿海, 1989— 2021年登陆中国的台风次数多, 强度大[2-3], 几乎每年都会给沿海地区造成巨大的经济损失[4], 而且台风登陆的频率和强度都在增加, 对中国沿海地区的威胁进一步加剧[5]。尤其经济发达的东南沿海省份(浙江、福建、广东、海南), 风暴潮可能造成巨大生命财产损失。因此, 在风暴潮发生前对其淹没范围和深度进行快速准确的预估对于风暴潮灾害风险评估和应急处置至关重要。
目前, 应用于风暴潮淹没范围和深度准确预估的模型有两种。一种是数值模型, 另一种是GIS(Geographic Information System)模型。目前已有几种数值模型得到较广泛的应用, 如美国的SLOSH(Sea, Lake and Overland Surges from Hurricanes)模型[6]、有限体积海岸海洋模型(Finite Volume Coastal Ocean Model, FVCOM)[7-8]、ADCIRC (The ADvanced CIRCulation model)[9]等。这些模型优点是能较精确地重现历史风暴潮发生过程中的潮位和风暴增水, 但是其运行条件严苛, 且运行速度较慢, 难以保证实时性。GIS作为一个功能丰富的系统集成工具, 既可以综合管理遥感、地形、水文等不同来源的数据, 又可以提供强大的数据处理分析方法, 准确快速地实现风暴潮淹没范围和深度的估计与分析[10-11]。虽然GIS模型的单次风暴潮重现精度不及数值模拟方法, 但也可满足灾害应急处置需求。
基于GIS技术的风暴潮淹没估计模型分为两种: 一种是固定水深模型, 另一种是固定水量模型[12], 本研究采用的方法属于固定水深模型, 固定水深模型分为无源淹没方法和有源淹没方法[13]。无源淹没方法是给定一个高程值, 低于指定高程值的点, 均计入淹没区, 该方法可应用于大区域淹没估计, 但目前多应用于暴雨和平原洪水的淹没范围和深度估计[14]; 有源淹没方法则需要考虑地形之间的“流通”淹没情形, 该方法精度较高, 可应用于内陆洪水和风暴潮淹没范围和深度估计[15-17], 但该方法运行速度较慢, 尤其是应用于大区域时。
本文综合无源淹没方法运算速度快和有源淹没方法运算结果准确的优点, 结合有源淹没方法的思想, 对无源淹没方法进行适用性改进, 提出一种适用于大区域风暴潮淹没范围和深度准确快速估计的方法, 并以超强台风“利奇马”(1909)风暴潮为实例, 从淹没范围和灾害损失两个方面对该方法的适用性和可靠性进行验证, 并将验证后的改进方法应用于2011—2021年影响浙江的26次风暴潮淹没范围和深度估计。本文改进的无源淹没方法不仅可在未来风暴潮事件发生前快速给出不同可能情景下的风暴潮淹没范围和深度, 迅速生成风暴潮淹没风险图, 为风暴潮灾害的应急处置和防灾减灾提供决策参考, 以期最大限度地减少风暴潮灾害造成的损失; 还可以对大量的风暴潮历史事件进行淹没范围和范围估计, 进而分析风暴潮灾害的发生特征和致灾规律。
1 研究区域和数据 1.1 研究区域本文以浙江为研究区域。浙江是中国沿海风暴潮灾害最严重的区域之一。浙江地处中国东南沿海、长江三角洲南翼, 海岸线长6 486.24 km, 占中国海岸线总长度的20.3%, 居全国首位[18]。在全球气候变暖背景下, 浙江省台风风暴潮灾害频率、强度和影响范围呈增大趋势[19]。据统计, 2011—2021年, 共有85次台风在中国登陆, 其中有26次对浙江省造成灾害, 累计造成直接经济损失197.46亿元, 且浙江省每3~5 a就会造成一次特大的风暴潮灾害[20], 单次事件造成的经济损失巨大, 甚至导致人员伤亡。
1.2 研究数据本文搜集整理了2011—2021年间影响浙江的26次台风事件信息, 包括台风名称、编号、登陆强度和登陆风级等(台风信息见表 1, 台风路径与等级见图 1)。收集了《浙江省海洋灾害公报》中关于这26次台风事件所引发风暴潮的潮位站增水数据, 通过水经注GIS软件获取了浙江的30 m分辨率数字高程模型(Digital Elevation Model, DEM)数据, 用于估计风暴潮淹没范围和深度。同时, 从EARTHDATA网站(https://search.asf.alaska.edu/#/)获取了2019年8月10日成像的浙江省台州市Sentinel-1B影像, 从资源环境科学与数据中心获取了台州市的土地利用数据, 用于“利奇马”台风风暴潮淹没范围信息提取和灾害损失估算, 进而来验证本文所提出的改进方法。上述所用数据的来源见表 2。
| 台风编号 | 名称 | 登陆强度 | 登陆风级 | |
| 1 | 1109 | 梅花Muifa | 台风 | 13 |
| 2 | 1209 | 苏拉Saola | 强热带风暴 | 10 |
| 3 | 1211 | 海葵Haikui | 台风 | 13 |
| 4 | 1214、 1215 |
天秤Tembin、 布拉万Bolaven |
台风、 强台风 |
12、 15 |
| 5 | 1307 | 苏力Soulik | 强热带风暴 | 11 |
| 6 | 1312 | 谭美Trami | 台风 | 12 |
| 7 | 1323 | 菲特Fitow | 强台风 | 14 |
| 8 | 1416 | 凤凰Fung-wong | 强热带风暴 | 10 |
| 9 | 1509 | 灿鸿Chan-hom | 强台风 | 14 |
| 10 | 1513 | 苏迪罗Soudelor | 台风 | 13 |
| 11 | 1521 | 杜鹃Dujuan | 台风 | 12 |
| 12 | 1614、 1616 |
莫兰蒂Meranti、马勒卡Malakas | 强台风、 强台风 |
15、 15 |
| 13 | 1617 | 鲇鱼Megi | 台风 | 12 |
| 14 | 1709、 1710 |
纳沙Nesat、 海棠Haitang |
台风、 热带风暴 |
12、 8 |
| 15 | 1718 | 泰利Talim | 强台风 | 15 |
| 16 | 1808 | 玛利亚Maria | 强台风 | 14 |
| 17 | 1810 | 安比Ampil | 强热带风暴 | 10 |
| 18 | 1812 | 云雀Jongdari | 热带风暴 | 9 |
| 19 | 1814 | 摩羯Yagi | 强热带风暴 | 10 |
| 20 | 1818 | 温比亚Rumbia | 强热带风暴 | 10 |
| 21 | 1909 | 利奇马Lekima | 超强台风 | 16 |
| 22 | 1918 | 米娜Mitag | 台风 | 12 |
| 23 | 2004 | 黑格比Hagupit | 台风 | 13 |
| 24 | 2009 | 美莎克Maysak | 超强台风 | 16 |
| 25 | 2106 | 烟花In-fa | 台风 | 13 |
| 26 | 2114 | 灿都Chanthu | 强台风 | 15 |
| 注: 对未登陆的台风, 选取其路径中距离浙江海岸最近点的风级 | ||||
 |
| 图 1 2011—2021年影响浙江省的台风路径(根据审图号: GS(2024)0650号的地图制作) Fig. 1 Paths of typhoons affecting Zhejiang Province from 2011 to 2021 |
| 数据 | 来源 |
| 影响浙江的26次历史台风信息 | 中国气象局热带气旋资料中心(typhoon.org.cn) |
| 26次台风引发的风暴潮增水信息 | 中国海洋灾害公报(http://www.nmdis.org.cn/) |
| 浙江省海洋灾害公报(http://zrzyt.zj.gov.cn) | |
| 浙江DEM | 水经注GIS(http://www.rivermap.cn/) |
| 台州市Sentinel-1B影像 | EARTHDATA(https://search.asf.alaska.edu/#/) |
| 台州市土地利用 | 资源环境科学与数据中心(https://www.resdc.cn/) |
无源淹没方法的原理为: 设定一个淹没水位, 遍历整个区域的高程网格, 每一个网格对应一个确定的高程值, 每个网格淹没可能性的大小及淹没深度主要取决于其高程大小, 凡是高程值低于给定水位的点均算作淹没区。遍历完成后, 将所有符合条件的点组成的区域集合就认定为淹没区, 相当于该区域发生大面积均匀降水, 所有低洼处都可能积水受淹。该方法适用于大区域的暴雨洪水淹没[21], 运行效率远大于有源淹没方法, 但该方法不考虑水流连通性, 若直接应用于风暴潮淹没范围估计, 易出现淹没区的误判。
有源淹没方法的原理为: 在给定水位下, 洪水从一个淹没原点(如决堤口)开始往各方向的邻点流动, 若邻点高程低于淹没水位则被淹没, 否则为干燥点, 接着以被淹没的点作为新淹没原点, 继续向周围搜索低于淹没水位的点, 直到所有与淹没点相邻的干燥点高程皆大于给定水位为止, 因为洪水只能淹没其所能流到的地方, 此时所有淹没点的集合就是淹没区域。有源淹没方法相较无源淹没方法的优点在于: 若有高于淹没水位的屏障阻挡洪水的流动, 则该屏障之后低于淹没水位的区域也不会被洪水淹没, 即考虑水流连通性。目前有源淹没方法主要用于内陆洪水的淹没范围和深度估计[22], 也可用于特定情景下的风暴潮淹没估计[23]。但应用于风暴潮淹没估计时, 有源淹没方法存在两方面缺陷: 一是大区域估计时运行速度慢; 二是淹没原点的数量难以确定, 因为风暴潮的淹没源可能有一个, 也可能有多个, 尤其出现漫堤情况时, 情况更加复杂。故这两种情形下有源淹没方法就不再适用。
本文结合无源淹没方法快速和有源淹没方法准确的优点, 提出一种改进的无源淹没方法, 主要思想为: 以无源淹没方法为基础, 即从原理上保障运行效率, 确保淹没估计工作能快速完成; 以有源淹没方法的思想为主导, 即确保风暴潮水流连通性, 同时排除内陆淹没区的误判。
2.1 方法改进思路首先确定单个风暴潮事件的影响区域和风暴潮增水值, 随后以无源淹没思想为基础, 即根据风暴潮增水值, 遍历整个影响区域内所有高程低于该值的点, 提取所有符合条件的点形成初始淹没区域。此时, 无源淹没方法会由于淹没区的误判而产生过度估计, 且这些误判区既可能出现在内陆低谷, 也可能出现在沿海, 所以要解决以下两方面问题: 一是去除内陆区的误判淹没, 二是去除沿海区的淹没孤点, 保证水流连通性。本文引入有源淹没的思想, 对初始淹没区域进行如下修正。风暴潮来源于海洋, 对陆地淹没的产生需要突破堤坝等海岸防护设施, 即海岸是最先开始被淹没的区域。因此, 筛选初始淹没区域中与海岸相连或相交的淹没区, 同时保留与这些淹没区结果相连通却未与海岸直接相接的淹没区, 以体现连通性; 最后将这些符合条件的淹没区作为风暴潮淹没范围估计结果。
2.2 改进方法实现流程根据改进思路设计的方法实现流程如图 2所示, 方法的输入包括风暴潮增水信息和DEM两部分, 对DEM进行相关预处理, 包括填洼、转为整型和构建栅格属性表, 随后读取DEM高程属性。基于风暴潮增水数据和DEM高程数据, 对整个研究区域的全部像元点进行第一个条件语句(像元高程是否≤增水值)判读, 当高程值低于风暴增水值时, 这些像元被存储为淹没区, 反之则为非淹没区域, 将其移除。所有被存储的像元组成初始淹没区域, 再进行第二个条件语句(是否连通)判读, 即查找连通的区域, 若一个淹没区不直接或间接与海岸连通, 即该片淹没区域可能为内陆山谷等地形, 属于淹没误判区, 将其移除, 反之保留。最后提取所有满足条件的淹没区域, 即为该方法估计的风暴潮淹没区域。添加面积属性和水深属性可进一步计算整个淹没区的面积和每一个像元点的淹没深度, 输出风暴潮淹没范围和深度图。该方法可通过ArcGIS模型构建器或ArcPy程序实现。
 |
| 图 2 改进后无源淹没方法实现流程 Fig. 2 Implementation flow of the improved passive inundation method 注: 图中Y表示“是”, N表示“否” |
该方法一方面通过遍历搜索, 对每个像元都只读取一次, 避免了运行速度慢和占用内存大的问题, 保证系统的安全性和方法的稳定性; 另一方面通过淹没区的连通位置判定, 克服了淹没像元重复计算, 计算效率低下的问题。以台州市(陆域面积为9 411 km2, 海岸线长1 681 km)为实例, 利用本文改进的无源淹没方法, 计算了2011—2021年间增水高度排名前5的台风风暴潮事件的淹没水深和淹没面积, 运行时间最长为4 min 39 s, 最短为4 min 31 s, 平均为4 min 33.8 s (见表 3)。
| 台风编号 | 1323 | 1509 | 1808 | 1909 | 2004 |
| 增水值/m | 1.67 | 1.49 | 2.05 | 3.12 | 1.62 |
| 计算时间 | 4 min 39 s | 4 min 31 s | 4 min 31 s | 4 min 36 s | 4 min 32 s |
1909号台风“利奇马”风暴潮是浙江2011—2021年间26次风暴潮事件中造成淹没面积最大、直接经济损失最多的一次, 因此本文以“利奇马”为实例进行方法验证。该次风暴潮受灾最严重的是浙江省台州市, 所以本文选取台州市为验证区。一方面, 从台州市风暴潮淹没范围进行直接验证, 验证值是基于改进的无源淹没方法估计得到的淹没范围, 对照标准值是基于SAR影像提取的风暴潮淹没范围。另一方面, 从风暴潮淹没对台州市造成的灾害损失进行间接验证, 包括灾情损失评估指标[24]中的水产养殖损失和海岸工程损失, 水产养殖损失指的是风暴潮淹没的水产养殖区域的面积, 海岸工程损失指的是风暴潮淹没损毁的海岸工程的长度, 验证值是由改进的无源淹没方法估计得到的风暴潮淹没范围分别与水产养殖和海岸工程数据图层进行空间叠加得到, 对照标准值来源于《中国海洋灾害公报》和《浙江省海洋灾害公报》的记录值。本文选择平均绝对百分比误差(Mean Absolute Percentage Error, MAPE, 记为Emap)作为准确度评价的指标, 计算方法如式(1)所示。
| $ E_{\text {map }}=\left|\frac{\hat{y}_i-y_i}{y_i}\right| \times 100 \%, $ | (1) |
式中, yi为对照标准值, yi≠0,
本文采用的Sentinel-1B SAR影像为浙江省台州市2019年8月10日成像的IW模式VV极化影像[空间分辨率(2.7 m×22 m)~(3.5 m×22 m)]。由于水体具有在SAR图像上后向散射系数小的特点, 且水体与非水体之间有较大散射差异, 故利用阈值分割法对预处理后的影像进行密度分割, 经过目视对比得到合适的分割阈值[25]。本文将分割阈值设为–15, 即小于等于该阈值(–15)的部分被认为是水体。随后对提取结果进行后处理, 剔除误提的图斑和内陆的河流湖泊, 进而得到“利奇马”台风风暴潮造成的淹没范围。
3.1.2 风暴潮淹没范围的估计值与提取值对比图 3(a)为基于Sentinel-1B影像提取的风暴潮淹没范围, 图 3(b)为基于改进后无源淹没方法估计的风暴潮淹没范围, 图中红线为范围边界线。经计算, 提取的淹没面积为399.91 km2, 估计的淹没面积为318.68 km2, MAPE为20%, 表明估计的淹没范围与提取的淹没范围较为吻合。
 |
| 图 3 Sentinel-1B影像提取的淹没范围(a)与本文方法估计的淹没范围(b)(根据审图号: 浙S(2024)38号的地图制作) Fig. 3 Inundation range extracted from Sentinel-1B images (a) and inundation range estimated by the proposed method (b) |
在空间分布上, 台州市大陆区域的提取淹没范围和估计淹没范围分布较一致, 在提取范围图中水体范围呈密集的散点状, 在估计范围图中水体比较连续, 呈面状, 原因是估计过程中做了地表简化, 主要考虑了地形与高程, 未考虑下垫面(如地表建筑、植被等)的影响。但是在岛屿区域, 提取淹没范围和估计淹没范围存在较大差异, 在估计淹没范围图中, 大部分岛屿淹没区未被估计, 究其原因, 台州市岛屿面积大都在1 000 m2以下, 而本文用于淹没范围估计的DEM数据空间分辨率为30 m, 导致一些岛屿在估计过程中只显示为一个像元; 同时由于岛屿区域地貌多山地丘陵, 所以该像元高程值也较大, 易被判定为非淹没区, 导致淹没估计出现偏差。
3.2 基于灾害损失的间接验证将基于本文改进无源淹没方法估计得到的“利奇马”台风风暴潮淹没范围, 分别与台州市水产养殖和海岸工程数据进行空间叠加, 统计计算位于淹没区内的部分作为“利奇马”台风风暴潮的灾害估计损失, 如图 4所示。将该灾害估计损失与《浙江省海洋灾害公报》中记录的灾害损失值进行比较(见表 4), 来进行方法的间接验证。
 |
| 图 4 “利奇马”台风风暴潮对台州造成的水产养殖和海岸工程的灾害损失估计图(根据审图号: 浙S(2024)38号的地图制作) Fig. 4 Loss estimates for aquaculture and coastal engineering caused by typhoon storm surge "Lekima" in Taizhou |
| 损失类型 | 估计损失 | 记录损失 | MAPE |
| 水产养殖面积/ha | 7 118.36 | 7 361.27 | 3% |
| 海岸工程长度/m | 77 630.94 | 63 910 | 21% |
由表 4可知, “利奇马”风暴潮灾害中, 灾害公报记录的水产养殖损失为7 361.27 ha, 估计的损失为7 118.36 ha, MAPE为3%, 二者高度符合; 灾害公报记录的海岸工程损失为63 910 m, 估计的损失为77 630.94 m, MAPE为21%, 二者符合度较高。
通过淹没范围直接验证结果和灾害损失间接验证结果可以看出, 本文改进的无源淹没方法应用于风暴潮淹没范围和深度估计是较为可靠的。
4 方法应用本文改进的无源淹没方法在获得灾害发生区域DEM数据和确定风暴潮增水值后, 即可快速准确估计该次风暴潮淹没范围和深度, 因此在给定未来风暴潮不同情景的预估增水值后, 即可快速得出不同增水预估情景下的未来风暴潮事件的淹没范围和深度, 为风暴潮的灾前应急处置提供可靠的决策参考; 同时, 利用某区域大量的历史风暴潮事件的增水值数据, 还可以对历史风暴潮事件进行淹没范围和深度估计重构, 用于分析该区域的风暴潮特征和发生规律。本文将改进的方法用于2011—2021年影响浙江的26次台风风暴潮事件, 淹没面积结果见图 5。
 |
| 图 5 26次台风风暴潮淹没面积 Fig. 5 Inundated areas caused by 26 typhoon storm surges events |
从图 5可以看出, 2011—2021年间, 1909号“利奇马”台风风暴潮造成的淹没范围最大[图 6(a)], 为2 128.62 km2, 该风暴潮也是《浙江省海洋灾害公报》记载中造成损失最大的一次灾害, 登陆地为台州市, 但对浙江沿海各市都造成严重影响; 1509号“Chan-hom”(灿鸿)台风风暴潮的淹没面积次之[图 6(b)], 为1 954.78 km2, 淹没范围也遍及浙江沿海各市。比较而言, 1307号与1709、1710号台风风暴潮的淹没面积较小, 分别为115.27 km2和115.25 km2, 这两次事件皆只对温州市沿海造成淹没。
 |
| 图 6 “利奇马”和“灿鸿”台风风暴潮淹没范围和深度图(根据审图号: 浙S(2024)38号的地图制作) Fig. 6 Inundation range and depth maps of typhoon storm surges "Lekima" and "Chan-hom" |
对2011—2021年间在浙江造成灾害的26次台风风暴潮的淹没特征分析得出: 杭州湾沿岸风暴潮发生频繁, 且淹没范围和深度都达到较强的致灾程度; 其次是温州和台州沿海, 淹没范围也较大, 尤其是河口附近; 舟山市发生风暴潮淹没的概率相对较低, 即使发生风暴潮, 其淹没范围也较小, 且无明显的淹没深水区。整体上, 浙江沿海风暴潮淹没呈现出南北部大于中部、海湾和河口地区大于岛屿地区的特征, 这与历史研究结论一致[19]。
5 结果与讨论 5.1 研究结果本文结合有源淹没方法思想, 对无源淹没方法进行改进, 提出一种适用于风暴潮淹没范围和深度快速估计的方法, 并以1909号“利奇马”台风风暴潮为实例对方法的适用性和可靠性进行验证, 之后将验证后的改进方法应用于2011—2021年影响浙江的26次台风风暴潮事件。主要结论如下:
(1) 方法改进思路和实现方面: 以无源淹没方法为基础, 即从原理上保障运行效率, 确保淹没估计工作能快速完成; 以有源淹没方法的思想为主导, 即确保风暴潮水流连通性, 同时排除内陆淹没区的误判。根据风暴潮增水值, 遍历整个研究区内所有高程低于该值的点, 提取所有符合条件的高程点形成初始淹没区域; 接着筛选初始淹没区域中与海岸相连或相交的淹没区, 同时保留与这些淹没区域相连通却未与海岸直接相接的淹没范围; 最后将所有符合条件的淹没区作为淹没范围的估计结果。淹没水深则为淹没水位与淹没区高程之差。
(2) 方法验证方面: 从“利奇马”台风风暴潮淹没范围看, 基于改进方法估计得到的台州市风暴潮淹没面积与基于Sentinel-1B影像提取的淹没面积的平均绝对百分比误差值为20%; 从“利奇马”台风风暴潮造成的海岸工程损失和水产养殖损失看, 本文方法估计得到的损失值与《浙江省海洋灾害公报》的记录值的平均绝对百分比误差值分别为21%和3%。通过淹没范围直接验证结果和灾害损失间接验证结果可以看出, 本文改进的无源淹没方法应用于风暴潮淹没范围和深度估计是较为可靠的。
(3) 方法应用: 基于本文改进方法得到的2011— 2021年间浙江26次台风风暴潮的淹没特征为: 浙江沿海风暴潮整体淹没呈现出南北部大于中部、海湾和河口地区大于岛屿地区的特征, 这与历史研究结论一致。
综上, 本文提出改进的无源淹没方法可准确快速估计风暴潮的淹没范围和深度, 不仅可根据未来预测的不同情景实时估计风暴潮可能发生的淹没范围和深度, 从而在风暴潮灾害应急中快速确定淹没风险, 为沿海地区的风暴潮灾害应急处置提供决策参考; 亦可用于分析区域性风暴潮历史事件的灾害特征, 探究区域性风暴潮成灾规律。
5.2 讨论本文提出的改进方法旨在为风暴潮应急管理提供淹没风险参考, 故注重风暴潮陆地过程中的淹没估计, 未探究风暴潮在海洋过程中的产生, 以使该方法更适用于风暴潮预警后的应急管理工作。同时, 为满足应急管理工作中快速生成风暴潮淹没图的目的, 估计的过程中简化了一些条件, 如忽略了地表建筑和植被等地物的影响, 这无疑会使估计的淹没范围大于实际情况。后续研究考虑将GIS的空间分析与水动力模型结合, 实现快速精细化的淹没风险图制作。
本文使用的DEM数据空间分辨率为30 m, 对所改进方法的估计精度存在一定限制, 尤其是用于估计面积较小的区域(如岛屿区), 后续研究可采用更高分辨率的DEM数据, 提高本文改进方法的准确度。
| [1] |
石先武, 谭骏, 国志兴, 等. 风暴潮灾害风险评估研究综述[J]. 地球科学进展, 2013, 28(8): 866-874. SHI Xianwu, TAN Jun, GUO Zhixing, et al. A review of risk assessment of storm surge disaster[J]. Advances in Earth Science, 2013, 28(8): 866-874. |
| [2] |
YING M, ZHANG W, YU H, et al. An overview of the China Meteorological Administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Tech nology, 2014, 31(2): 287-301. DOI:10.1175/JTECH-D-12-00119.1 |
| [3] |
LU X, YU H, YING M, et al. Western North Pacific tropical cyclone database created by the China Meteorological Administration[J]. Advances in Atmospheric Sciences, 2021, 38(4): 690-699. DOI:10.1007/s00376-020-0211-7 |
| [4] |
杨雪雪, 刘强. 基于KPCA-RBF模型的风暴潮灾害经济损失预测[J]. 海洋科学, 2021, 45(10): 32-39. YANG Xuexue, LIU Qiang. Economic loss assessment of storm-surge disasters based on the KPCA-RBF model[J]. Marine Sciences, 2021, 45(10): 32-39. DOI:10.11759/hykx20200322001 |
| [5] |
隋意, 石洪源, 钟超, 等. 我国台风风暴潮灾害研究[J]. 海洋湖沼通报, 2020(3): 39-44. SUI Yi, SHI Hongyuan, ZHONG Chao, et al. Research on typhoon storm surge disaster in China[J]. Transactions of Oceanology and Limnology, 2020(3): 39-44. |
| [6] |
FORBES C, RHOME J, MATTOCKS C, et al. Predicting the storm surge threat of hurricane sandy with the National Weather Service SLOSH Model[J]. Journal of Marine Science and Engineering, 2014, 2(2): 437-476. DOI:10.3390/jmse2020437 |
| [7] |
何顺之, 王新怡, 徐腾飞, 等. 江苏近海风暴潮增水数值模拟研究[J]. 海洋科学, 2017, 41(12): 86-95. HE Shunzhi, WANG Xinyi, XU Tengfei, et al. Numerical simulation and analysis of storm surge in the nearshore of Jiangsu Province[J]. Marine Sciences, 2017, 41(12): 86-95. DOI:10.11759/hykx20171013001 |
| [8] |
REGO J L, LI C. Nonlinear terms in storm surge predictions: Effect of tide and shelf geometry with case study from Hurricane Rita[J]. Journal of Geophysical Research: Oceans, 2010, 115: C06020. |
| [9] |
SEBASTIAN A, PROFT J, DIETRICH J C, et al. Characterizing hurricane storm surge behavior in Galveston Bay using the SWAN+ADCIRC model[J]. Coastal Engineering, 2014, 88: 171-181. DOI:10.1016/j.coastaleng.2014.03.002 |
| [10] |
龙飞鸿, 石学法, 罗新正. 海平面上升对山东沿渤海湾地区百年一遇风暴潮淹没范围的影响预测[J]. 海洋环境科学, 2015, 34(2): 211-216. LONG Feihong, SHI Xuefa, LUO Xinzheng. The impact prediction of sea level rise on the inundated area caused by100-yearrecurrence-period storm surge of Shandong Province around Bohai Bay[J]. Marine Environmental Science, 2015, 34(2): 211-216. |
| [11] |
李梦梦, 罗新正. 百年一遇潮位淹没影响下山东沿海地区经济脆弱性评价[J]. 海洋通报, 2018, 37(6): 667-675. LI Mengmeng, LUO Xinzheng. Evaluation of the economic vulnerability of Shandong coastal areas under the influence of hundred-year tide level[J]. Marine Science Bulletin, 2018, 37(6): 667-675. |
| [12] |
焦玉屏. 基于GIS技术的风暴潮洪水淹没预警系统研究——以舟山市普陀区为例[D]. 上海: 华东师范大学, 2014. JIAO Yuping. The research and implement of storm surge flood prediction system based on GIS technology —a case study of Putuo District Zhoushan City[D]. Shanghai: East China Normal University, 2014. |
| [13] |
刘仁义, 刘南. 基于GIS的复杂地形洪水淹没区计算方法[J]. 地理学报, 2001, 56(1): 1-6. LIU Renyi, LIU Nan. A GIS based model for calculating of flood area[J]. Acta Geographica Sinica, 2001, 56(1): 1-6. |
| [14] |
李天文, 吴琳, 曹颖. 基于渭河下游DEM的洪水淹没分析与模拟[J]. 水土保持通报, 2005, 25(4): 53-56, 90. LI Tianwen, WU Lin, CAO Ying. Flood analysis and simulation of lower reaches of Weihe River based on DEM[J]. Bulletin of Soil and Water Conservation, 2005, 25(4): 53-56, 90. DOI:10.3969/j.issn.1000-288X.2005.04.014 |
| [15] |
冉东, 罗显圣, 龙建旭, 等. 基于有源淹没算法的喀斯特山区洪水灾害模拟及评估研究[J]. 测绘, 2021, 44(6): 267-270. RAN Dong, LUO Xiansheng, LONG Jianxu, et al. Flood disaster simulation and assessment in Karst mountain area based on Active Submergence Algorithm[J]. Surveying and Mapping, 2021, 44(6): 267-270. DOI:10.3969/j.issn.1674-5019.2021.06.006 |
| [16] |
马明超. 基于GIS的浑河沈阳城市河段超标准洪水淹没范围分析探讨[J]. 水利水电快报, 2021, 42(6): 16-20, 25. MA Mingchao. GlS-based analysis and discussion on submerged range in Shenyang City section of Hunhe River by superstandard flood[J]. Express Water Resources & Hydropower Information, 2021, 42(6): 16-20, 25. |
| [17] |
刘帅, 李彦究. 利用GDAL和OpenCV的海平面上升淹没模拟[J]. 测绘地理信息, 2020, 45(4): 7-10. LIU Shuai, LI Yanjiu. Submerging simulation of sea level rise using GDAL and OpenCV[J]. Journal of Geomatics, 2020, 45(4): 7-10. |
| [18] |
韩鹏, 郭桂祯, 李鑫磊, 等. 浙江省台风灾情时空分布特征及影响因素研究[J]. 自然灾害学报, 2022, 31(4): 97-106. HAN Peng, GUO Guizhen, LI Xinlei, et al. Analysis of spatiotemporal patterns and influencing factors of typhoon disasters in Zhejiang Province[J]. Journal of Natural Disasters, 2022, 31(4): 97-106. |
| [19] |
卢美. 浙江海岸台风风暴潮漫堤风险评估研究[D]. 杭州: 浙江大学, 2013. LU Mei. Study on risk assessment of seawall overfiowed by typhoon storm surge at Zhejiang coast[D]. Hangzhou: Zhejiang University, 2013. |
| [20] |
浙江省自然资源厅. 2011—2021年浙江省海洋灾害公报[EB/OL]. (2021-12-27) [2022-7-20]. https://zrzyt.zj.gov.cn/.
|
| [21] |
王颖, 王强国. 基于GIS技术的海绵城市内涝灾害数值可视化研究[J]. 灾害学, 2020, 35(2): 70-74. WANG Ying, WANG Qiangguo. Study on numerical visualization of waterlogging disaster in sponge city based on GIS technology[J]. Journal of Catastrophology, 2020, 35(2): 70-74. |
| [22] |
张红萍. 基于遥感技术的城市洪涝灾害承载力评估模型研究[D]. 北京: 中国地质大学, 2020. ZHANG Hongping. Study on urban flood bearing capacity assessment model based on remote sensing technology[D]. Beijing: China University of Geosciences, 2020. |
| [23] |
刘东海, 左文涛, 王晓玲, 等. 基于WebGIS的风暴潮洪水演进动态可视化技术[J]. 系统仿真学报, 2013, 25(5): 999-1004. LIU Donghai, ZUO Wentao, WANG Xiaoling, et al. Dynamic visualization technology of storm surge flood evolution based on WebGIS[J]. Journal of System Simulation, 2013, 25(5): 999-1004. |
| [24] |
郝婧, 刘强. 基于SSA-ELM模型的台风风暴潮灾害损失预评估[J]. 海洋科学, 2022, 46(2): 55-63. HAO Jing, LIU Qiang. Pre-assessment of typhoon storm surge disaster loss based on the SSA-ELM model[J]. Marine Sciences, 2022, 46(2): 55-63. DOI:10.11759/hykx20210607003 |
| [25] |
贾诗超, 薛东剑, 李成绕, 等. 基于Sentinel-1数据的水体信息提取方法研究[J]. 人民长江, 2019, 50(2): 213-217. JIA Shichao, XUE Dongjian, LI Chengrao, et al. Study on new method for water area information extraction based on Sentinel-1 data[J]. Yangtze River, 2019, 50(2): 213-217. |