海洋与湖沼  2024, Vol. 55 Issue (1): 51-64   PDF    
http://dx.doi.org/10.11693/hyhz20230800176
中国海洋湖沼学会主办。
0

文章信息

马秀玲, 魏来. 2024.
MA Xiu-Ling, WEI Lai. 2024.
基于Holland台风模型及三重嵌套海浪模式的台风浪数值模拟研究
NUMERICAL SIMULATION OF TYPHOON WAVES BASED ON THE HOLLAND TYPHOON MODEL AND TRIPLE NESTED WAVE PATTERN
海洋与湖沼, 55(1): 51-64
Oceanologia et Limnologia Sinica, 55(1): 51-64.
http://dx.doi.org/10.11693/hyhz20230800176

文章历史

收稿日期:2023-08-29
收修改稿日期:2023-11-08
基于Holland台风模型及三重嵌套海浪模式的台风浪数值模拟研究
马秀玲, 魏来     
中国海洋大学三亚海洋研究院 海南三亚 572024
摘要:现有的风场资料存在台风中心附近风速偏低的问题。为改进台风期间风场数据, 使用Holland经验台风模型结合多平台交叉校准数据(cross-calibrated multi-platform, CCMP)及欧洲中期天气预报中心的再分析数据(European Centre for Medium-range Weather Forecasts Reanalysis data, ERA5)风场资料, 研究了不同台风最大风速半径(maximum wind radius of the typhoon, RMW)、Holland B参数对模拟效果的影响, 确定了最优模拟参数, 并以改进后的风场驱动三重嵌套海浪模型对台风“威马逊”发生期间的台风浪进行模拟。模拟结果与实测数据对比表明, (1)改进的风场资料与实测结果更为接近, 作为海浪模式驱动项可更好地模拟台风期间波浪状况; (2)三重嵌套海浪模型的波浪模拟效果优于单独的海浪模型。
关键词Holland台风模型    台风"威马逊"    台风浪    海浪数值模拟    
NUMERICAL SIMULATION OF TYPHOON WAVES BASED ON THE HOLLAND TYPHOON MODEL AND TRIPLE NESTED WAVE PATTERN
MA Xiu-Ling, WEI Lai     
Sanya Oceanographic Institution, Ocean University of China, Sanya 572024, China
Abstract: The wind velocity of existing wind field data is lower near typhoon center. To improve the quality of wind data during typhoon course, the Holland empirical typhoon model combined with CCMP and ERA5 wind data were used to investigate the effects of different typhoon maximum radius and Holland B parameters on the simulation results. The optimal simulation parameters were determined, and then the improved wind field was used to drive the triple-nested wave model to simulate wave field during Typhoon Rammasun. The comparison between the simulation results and the measured data shows that: (1) the improved wind field data are closer to the measured results, and can be used to better simulate the wave conditions during the typhoon as a driving term in the wave model; (2) the wave simulation effect of the triple-nested wave model was proved better than that of the individual wave model.
Key words: Holland empirical typhoon model    typhoon Rammasun    typhoon wave    numerical wave simulation    

中国南海是位于西北太平洋的台风高发海域。据国家气象台台风网统计, 1950~2020年, 西北太平洋和南海共产生台风近2 000个, 平均每年产生30个台风, 其中达到超强台风级别的台风共425个。台风引起的海浪会严重影响海洋工程的建设、海上交通枢纽、水产及渔业活动的开展, 海洋军事活动的演习等工作。根据《2022年中国海洋灾害公报》(2023), 2022年我国近海共发生有效波高4 m及以上的灾害性海浪过程共计36次, 其中台风浪12次, 占比三分之一。海浪灾害造成直接经济损失达2 400万元以上, 死亡失踪9人。

灾害性海浪造成的损失与海浪波高等参数息息相关, 因此准确预测海浪对防灾减灾具有重要意义。海浪数值模拟需要使用风场资料驱动海浪模式进行预测, 因此, 影响海浪预测准确性的因素主要为风场资料的准确性及海浪模式的准确性。

目前, 海浪的数值模拟技术较为成熟, 在风场输入准确的情况下可较好的进行海浪预报。其中WAVEWATCH Ⅲ (以下简称WW Ⅲ)及SWAN (Simulating Waves Nearshore) 海浪模式因其分别具有深海大尺度空间、浅海小尺度空间模拟效果较优的特点被研究者广泛应用于各海域海浪的数值模拟研究中。尹亚军等(2012)模拟了墨西哥湾和印度洋的海浪, 发现SWAN模拟在台风浪过程中误差更小, WW Ⅲ在大范围的海洋上提供更好地海浪模拟。Gonalves等(2018)在大西洋海域利用WW Ⅲ模式, 在法国西海岸利用SWAN模式研究了海浪能空间分布的季节性特征, 模拟效果较好。Umesh等(2018)分别比较了以WAM和WW Ⅲ作为SWAN边界条件时印度西北海岸和东北海岸海浪后报的精度, 研究表明WW Ⅲ作为SWAN边界条件的误差要低5%~15%左右。为结合以上两种模型的优势, Gonalves等(2014)和Robertson等(2014)将WW Ⅲ的结果作为边界条件输入SWAN, 探索加那利群岛和加拿大温哥华岛西海岸的波能分布, 结果表明使用嵌套模型模拟效果较优。Amrutha等(2016)将SWAN嵌套在WW Ⅲ中, 模拟2014年阿拉伯东部近岸水域的海浪, 研究表明: 在深水区域ST4源项模拟有效波高表现较好。同时, 预报模型的网格设置也会对预报结果产生影响, 宗芳伊(2014)在广东省附近海域建立粗分辨率网格, 在茂名附件海域建立300 m以内的细分辨率网格, 利用SWAN海浪模式对台风“黑格比”过程海浪进行模拟, 模拟结果较理想。陈依妮(2022)在探究WW Ⅲ模式风输入项和耗散项方案对海浪模拟的影响时, 为提高计算效率, 在南海北部海域采用粗分辨率网格, 在研究区域附件采用精细化加密网格, 模拟结果较好。

在海浪模式较为成熟的情况下, 台风期间海面风场的精度成为了影响台风浪数值模拟精度的最重要因素。然而, 现有的风场资料存在台风中心附近风速较低的问题, 会导致海浪波高预报结果偏低。为改进上述缺陷, 研究者将背景风场与台风模型风场结合。赵红军等(2010)使用Myers (Myers, 1954)模型风场对QSCAT/NECP (Quick Scatterometer/National Centers for Environmental Prediction)风场进行改进, 改进后的风场作为SWAN模型的驱动风场, 对强台风“珍珠”的台风浪进行后报。结果表明, 使用台风模型风场与背景风场结合能有效提高海浪后报精度。唐建等(2013)和孙瑞(2013)以多平台交叉校准数据(cross-calibrated multi-platform, CCMP)风场为背景风场, 分别结合四种模型风场构建新的海面风场。研究结果表明, 改进后所获得的合成风场能有效解决背景风场中台风中心附近风速较低的问题, 且Holland模型合成风场具有最佳模拟效果。潘冬冬等(2021)198采用欧洲中期天气预报中心的再分析数据(European Centre for Medium-range Weather Forecasts Reanalysis data, ERA5)背景风场与Holland模型风场结合构建全新的台风输入风场, 利用MIKE21 SW(Mike-21 Spectral Waves)模型对中国南海大范围的台风浪进行数值模拟, 表明台风风速及气压剖面主要受Holland B参数影响, 从而对海浪场分布特征产生影响。

目前研究者大多采用CCMP风场或ERA5风场资料为背景风场结合Holland经验模型风场构建合成风场作为不同海浪模型的驱动风场模拟各海域的风浪场变化, 缺乏两种合成风场构建方案的对比分析及其对台风浪模拟结果的影响分析及对比研究。同时, 目前对台风浪的模拟通常只使用单一的海浪模式(陈雅雅等, 2017)、(潘冬冬等, 2021)196, 边界条件可能无法完全反映台风期间的快速变化。基于此, 本文将利用CCMP及ERA5风场资料为背景风场, 结合Holland经验风场模型, 分别构建全新的海面合成风场, 探究不同Holland模型构建方案对台风风场构建的影响, 找到最优台风风场构建方案。同时, 基于WW Ⅲ及SWAN模式建立北太平洋、南海北部、南海北部近岸台风“威马逊”入侵海域三重网格嵌套的高精度数值预报模型, 并以改进的风场驱动模型对2014年第9号超强台风“威马逊”的台风浪进行数值模拟后报。预报结果与实测数据对比, 验证以上两种方法对提高预报精度的有效性。

1 数据来源 1.1 风场数据

本文使用ERA5再分析数据集(www.ecmwf.int)及CCMP海洋表面风场(https://data.remss.com/ccmp)作为背景风场。其中ERA5再分析数据集(Hersbach et al, 2020)是利用优化后的大气模型及四维变量同化方法构建完成的, 空间分辨率为0.25°×0.25°, 时间分辨率为1 h, 具有时空分辨率高、全球海洋覆盖能力广、时间序列长等优点。CCMP风场资料是以ECMWF的再分析和业务资料作为背景场, 利用变分分析方法, 融合多种卫星探测海面风产品以及部分观测资料, 再经海洋系泊浮标对辐射计和散射计数据验证而得到的一种高时空分辨率多卫星融合资料(刘紫薇等, 2022)。其空间分辨率为0.25°×0.25°, 时间分辨率6 h, 本文将其进行线性插值处理, 得到空间分辨率为0.25°×0.25°, 时间分辨率为1 h的海面风场。

1.2 模式验证实测数据

风场初步验证风速实测数据来源于张俊明等(2021)广东茂名气象站(111.08°E, 21.48°N), 测点M1 (111.28°E, 21.42°N)实测数据来源于朱现晖等(2017), 测点M2 (115.6°E, 22.7°N)实测数据来源于国家海洋科学数据中心(http://mds.nmdis.org.cn/)台站遮浪(ZheLang, ZLG)。台风“威马逊”的台风参数数据来源于中国气象局(http://typhoon.nmc.cn/)。

2 数值模式 2.1 海浪模式介绍

本文使用SWAN海浪模式及WW Ⅲ海浪模式构建三重海浪嵌套模型。

由荷兰代尔夫特理工大学所研制并开发的第三代近海海浪数值模型SWAN (Booij et al, 1999), 考虑了多项物理过程, 包括风输入项、风产生的线性增长项, 风产生的指数增长项、海浪能量耗散项(白帽耗散、底部摩擦和由于水深较浅导致的破波)、非线性相互作用项(三波、四波相互作用)和海浪引起的增水项。该模式对近岸区域风浪的模拟精度较高, 常用于小尺度、浅水域的风、涌浪及混合浪的模拟预报。

由NOAA/NCEP提出的WW Ⅲ模型(Tolman, 1989)解决了波数-方向谱的随机相位谱作用密度平衡方程。介质性质以及波场本身在空间和时间尺度上的变化远远大于单波的变化尺度是该方程所隐含的假设。采用谱作用平衡方程, 并在计算过程中选择了超高精度的三阶差分格式是该模式最基本的特点, 其模拟结果的可靠性得到了有效提升, 在大尺度海浪模拟研究中该模型得到了非常广泛的应用。它主要适用于模拟大范围、大尺度、长时间海浪的演化过程, 分析海浪的时空分布特性。

结合以上两种海浪模式的优点, 嵌套模型中在南海北部及其近岸海域使用SWAN模型, 在西北太平洋海域使用WW Ⅲ模型。嵌套结构及测点M1、M2具体位置如图 1, 模型最外层在北太平洋(0°~ 45°N, 100°~155°E, D1), 网格精度0.25°×0.25°, 使用适于大尺度空间海浪传播的WW Ⅲ海浪模型, 构建矩形网格进行计算, 其结果作为第二层模型的边界条件; 第二层在南海北部(10°~30°N, 105°~125°E, D2), 网格精度0.1°×0.1°, 使用适于近岸、小尺度空间海浪传播的SWAN海浪模型, 构建三角形网格进行计算, 计算结果作为第三层模型的边界条件; 最后一层在南海北部近岸“威马逊”台风入侵海域(13°~ 23°N, 105°~115°E, SD3), (15°~25°N, 113°~123°E, SD4), 最小网格精度0.01°×0.01°, 同样使用适于近岸、小尺度空间海浪传播的SWAN海浪模型、构建精细化三角网格、嵌套边界进行计算, 以提高台风浪模拟精度。

图 1 嵌套海浪模型实验区域及测点水深 Fig. 1 The test area for nested wave modelling and the depth of measuring point
2.2 风场模型

本文使用Holland经验风场模型对风场资料进行改进, 构建全新的合成风场。

Schloemer (1954)提出了台风压力径向变化模型, 同时提出了由该模型计算而来的梯度平衡风。Holland (1980)在Schloemer提出的模型基础上, 增加了描述风场轮廓线的B参数, 因此台风压力径向变化模型由最大风速半径(maximum wind radius of the typhoon, RMW)及Holland B参数共同控制, 其方程式如下:

    (1)

式中, P(r)为到台风中心距离为r处的表面气压; P0为中心气压; B为气压剖面参数; ∆P为中心压差; RMW表示最大风速半径。

Holland经验台风模型主要是利用实测资料获取风速半径及最大风速等台风关键要素, 由经验关系式直接求解出台风风场, 因此具有高效、准确构建台风风场的特点。关系式如下(潘冬冬等, 2021)195:

    (2)

式中: 空气密度ρa取1.2 kg/m3; 台风外围气压P取1 010 hPa; 计算点到台风中心的距离r; 科氏力参数f

RMW及Holland B参数是构建台风经验风场的两个关键要素。台风最大风速半径有多个经验公式(Graham, 1959; Willoughby et al, 2004; 江志辉等, 2008), 在西北太平洋台风浪数值模拟中由Graham及Willoughby两学者提出的RMW1 (赵红军等, 2010)129及RMW2 (林金波等, 2021)被广泛使用。4个常用的Holland B参数B1~B4计算公式(Holland, 1980; Hubbert et al, 1991; Vickery et al, 2000; Powell et al, 2005)。为寻找台风“威马逊”入侵南海北部期间三重嵌套海浪模式的最优风场构建方案。将台风最大风速半径公式RMW1、RMW2分别与Holland B参数公式B1~B4进行组合研究。风场实验方案如表 1

表 1 风场实验方案 Tab. 1 Wind field experiment scheme
RMW台风最大半径公式 Holland B参数公式
B1=0.25+0.3×ln(PP0)
B2=1.38−0.001 84×(PP0)+0.0030 9×RMW
B3=1.5+(980−P0)/120
B4=1.881−0.005 57×RMW−0.010 97×φ
注: φ为台风中心纬度; V为台风中心移动速度; B1~B4表示4个常用的Holland参数B; P0为中心气压; P为台风外围气压; RMW为台风最大风速半径公式

利用背景风场及Holland模型风场构建的全新海面合成风场(Carr Ⅲ et al, 1997)主要受权重系数e的影响, 权重系数e随风速半径的变化而改变。在台风合成风场的构建中, Holland模型风场解决了背景风场在台风中心位置风速偏小的难题, 背景风场解决了Holland模型风场在台风中心外围风速偏大的问题, 因此合成风场作为台风风场具备了以上两种风场的优势。其构建关系式如下(闻斌等, 2008):

    (3)
    (4)

式中: Vm为Holland经验模型模拟风场; Ven为背景风场; c表示一个与台风影响范围有关的参数, 系数n本文取9。

3 数值模拟 3.1 风场模拟及验证

2014年第9号台风“威马逊”为超强台风, 中央气象台统计的实测资料显示其最大风速及台风中心最低气压分别为: 72 m/s、888 hPa。台风路径如图 2所示。

图 2 台风“威马逊”路径图 Fig. 2 Path of Typhoon Rammasun
3.1.1 风场构建参数选取

由气压公式及Holland模型风场公式可知, Holland B参数及RMW是影响Holland模型风场的两个最关键因素。由图 3a可以看出, 当台风的中心气压、外围气压和RMW一定时, RMW处的风速与Holland B参数呈正相关关系。相反, 当Holland B参数在0.75~2.25范围内变化时, 远离台风中心的风速与Holland B参数呈负相关关系, 具有相反的变化趋势, 风速随Holland B参数的增加而减小, 压差越大, 风廓线斜率也就越大。由图 3b可知, 在RMW处风速达到顶峰值, 并向两端递减。在台风中心未到达RMW时, RMW与风速呈负相关关系, 风速随RMW的增加而减小。当离台风中心的距离达到RMW时, RMW与风速呈正相关关系, RMW增大, 风速越大。因此, 台风风场结构及最大风速半径的关键影响要素为RMW、Holland B参数。为初步验证合成风场的可靠性, 将模拟风速与实测风速进行对比分析研究。

图 3 风速随Holland B参数(a)和RMW参数(b)的变化 Fig. 3 Wind speed changes with Holland B parameters (a) and RMW parameters (b)

风场初步验证结果如图 4表 2所示。据中央气象网记载2014年7月18日6时台风威马逊达到最大风速72 m/s, 台风中心最大风速半径约为200 km。由表 2可知, 当以ERA5、CCMP两种背景风场分别结合台风最大风速半径公式RMW1及RMW2, 并保持Holland B参数公式一致的情况下。ERA5背景风场与RMW1结合, CCMP背景风场与RMW2结合为最佳方案, 能够更精确地构造出该台风中心最大风速半径。为减少风场初步验证工作量, 在风场初步验证中, 对ERA5风场采用RMW1结合不同Holland B参数进行对比研究, 对CCMP风场采用RMW2结合不同Holland B参数进行对比研究, 研究结果如图 5~6所示。

图 4 ERA5、CCMP背景风场分别结合RMW1 (a、c), RMW2 (b、d)及Holland B2参数公式构造的台风风场对比图 Fig. 4 Comparison of the background wind fields ERA5 and CCMP combined with RMW1 (a, c), RMW2 (b, d), respectively, to the typhoon wind field built by Holland B2 parameter formulas

表 2 ERA5、CCMP风场分别结合RMW1、RMW2及Holland B2参数公式构造的台风中心最大风速半径 Tab. 2 ERA5 and CCMP wind fields combined with RMW1, RMW2, respectively, and to the maximum wind speed radius at the center of the typhoon constructed with Holland B2 parameters in combination with
风场构建方案 台风中心最大风速半径/km
中央气象台风网统计值 200.000
ERA5-RMW1-B2 222.638
ERA5-RMW2-B2 294.995
CCMP-RMW1-B2 93.568
CCMP-RMW2-B2 166.978

图 5 CCMP风场与RMW2结合不同Holland B参数公式构造合成风场(a)、ERA5风场与RMW1结合不同Holland B参数公式构造合成风场(b)在测点(111.08°E, 21.48°N)位置的模拟值与实测值对比图 Fig. 5 CCMP wind field and RMW2 combined with different Holland B parameter formulas to construct a synthetic wind field (a) and ERA5 wind field and RMW1 combined with different Holland B parameter formulas to construct a synthetic wind field (b) at the measuring point (111.08°E, 21.48°N).

图 6 风速误差统计分析 Fig. 6 Statistical analysis of wind speed error 注: R: 相关系数; MAE: 平均绝对误差; BIAS: 偏差; RMSE: 均方根误差

图 5可知, 经ERA5、CCMP背景风场与Holland模型采用不同的RMW经验公式及Holland B参数公式构建的多个台风“威马逊”合成风场风速模拟值与实测值吻合度较高, 不同Holland B参数构建的台风风场风速差异较小。该台风在台风影响前期, 风速实测值较模拟值小, 其主要原因为台风经验风场为理论风场导致台风风场外围风圈的风速较大, 而实际台风风场为具有特定风圈结构的不规则风圈。但在台风影响期间, 各个风场构建方案的风速模拟值均与实测值基本吻合。由图 6误差统计可知, 均方根误差在1~3 m/s范围内; 偏差Bias值在−0.2~0.8范围内; 相关系数均在89.1%~95.0%左右。当ERA5作为背景风场构建合成台风风场时, RMW1B2构建的合成风场误差最低, 最接近实测值, 均方根误差为1.7 m/s, 平均绝对误差为1.36 m/s, 偏差值为0.2 m/s, 相关系数为94.6 %。当CCMP作为背景风场构建合成台风风场时, RMW2B4构建的合成风场误差最低, 均方根误差为2.9 m/s, 平均绝对误差为2.39 m/s, 偏差值为0.12 m/s, 相关系数为90.1%。风场初步验证表明, 基于ERA5数据及CCMP风场数据作为背景风场结合Holland B模型构建台风合成风场时, 相同时间分辨率及空间分辨率的两种背景风场, 基于ERA5数据构建的合成风场更为准确, 这是由于ERA5、CCMP两种再分析数据集的再分析方法及原始数据分辨率差异造成的。两种优化后的全新海面合成风场模拟台风“威马逊”期间的风场效果良好, 其中ERA5合成风场较CCMP合成风场更优。

3.1.2 风场构建验证

ERA5、CCMP两种背景风场; ERA5与RMW1B2结合, CCMP与RMW2B4结合分别构建的两种Holland模型风场; 以及由ERA5背景风场与Holland模型风场, CCMP背景风场与Holland模型风场组合而成的两种合成风场的对比如图 7所示。由图 7可知, ERA5及CCMP原始风场能较好地反应台风“威马逊”的台风中心位置及台风浪特性, 但其风速远小于实际风速。ERA5、CCMP合成风场均能准确地反应台风“威马逊”台风中心的最大风速及最大风速半径, 台风最大风速半径在200 km左右。合成风场将背景风场及Holland模型风场的优势结合, 在台风中心附近Holland模型风场起关键作用, 在远离台风中心位置台风风场则由背景风场主导; 从合成风场结果可以看出台风中心位置右侧风速大于左侧风速, 即台风风场在空间上同样呈现出“右偏性”的不对称性分布特征, 最大风速位于台风中心的右侧, 与ERA5及CCMP背景场一致。此外, ERA5合成风场较CCMP合成风场具有更为明显的风场空间分布特征; 采用RMW2公式构建的合成风场其台风中心风速较RMW1更大。当台风中心靠近海南岛及广东省近岸时, 台风“威马逊”风速达到最大值, 对两省造成巨大海浪灾害。

图 7 ERA5 (a)、CCMP (b)的背景风场、Holland模型风场及合成风场对比图 Fig. 7 Comparison of background wind field of ERA5 (a) and CCMP (b), Holland model wind field and composite wind field
3.2 海浪场模拟及验证

将以ERA5、CCMP为背景风场构建的两种最优合成风场, 作为WW Ⅲ及SWAN海浪模式建立的三重嵌套台风浪模型的驱动风场对2014年第9号超强台风“威马逊”的台风浪进行数值模拟。计算时间取2014年7月3日00时至2014年7月26日00时, 北太平洋外部计算域时间步长为1 h, 南海北部计算域时间步长为30 min, 近岸海域内部计算域时间步长为15 min。为验证两种合成风场及三重嵌套模型的可靠性, 取台风期间观测点M1, M2处数值模拟风速、有效波高及平波周期数据与实测数据进行对比验证。

图 8a所示, 测点M1处风速在2014年7月18日18时左右取得最大风速23 m/s, 这与台风“威马逊”达到最大风速的时间点一致。如图 8b所示, 测点M2处风速在2014年7月18日及7月23日取得最大风速, 7月18日风速稍大于7月23日风速, 其主要原因是2014年7月20~26日期间在南海北部海域内台风麦德姆相继生成。台风麦德姆生成后沿菲律宾海域向台湾海域运动, 离测点M2较近, 因此测点M2在2014年7月10~26日受双台风影响, 风速出现两次最值, 其中台风“威马逊”为超强台风, 最大风速半径更大, 台风影响范围更广, 因此测点2处7月18日风速稍大于7月23日风速。由图 8知, 两测点处模拟风速与实测风速吻合度较好, 说明ERA5及CCMP构建的高精度合成风场均可作为三重嵌套模型的驱动风场用于台风浪的准确模拟。测点M1处风速模拟值与实测值吻合度更高, 其主要原因为测点M1离台风“威马逊”的台风中心较近, 受其影响更为明显。在风速峰值区, CCMP合成风场模拟值较ERA5合成风场更低, 差异在2~3 m/s。在其他时刻两风场风速差异很小。

图 8 测点M1 (a)、测点M2 (b)位置的ERA5、CCMP合成风场模拟风速与实测值对比 Fig. 8 Comparison between simulated wind speed and measured value of ERA5 and CCMP synthesized wind field at measuring point M1 (a) and measuring point M2 (b)

测点M1、M2实测有效波高与模拟值的散点图如图 9所示, 对比如图 10a10b所示。由图 9a9b可知, 两种风场在测点处有效波高模拟值与实测值相关系数R达到0.9以上, 其中ERA5、CCMP两种合成风场在测点M1处的有效波高实测值与模拟值的相关系数为0.97、0.93, 偏差值为−0.06 m、−0.27 m, 平均绝对误差为0.22 m、0.33 m, 均方根误差为0.276 m、0.464 m, 两种风场驱动三重嵌套海浪模式对有效波高的模拟效果很好, 精确度较高。由图 9c9d可知, 由于测点M2处实测数据等值较多, 导致有效波高模拟值与实测值较为集中。ERA5合成风场在测点M2处有效波高模拟精度更高, 相关系数达到0.928, 平均绝对误差为0.188 m, 偏差值为−0.033, 均方根误差为0.256 m, 误差较低, 在有效波高最值处, ERA5合成风场模拟值与实测值更为接近, 误差在0.15 m左右。而CCMP合成风场在测点M2处有效波高峰值区与实测值相对误差较大, 误差达到1 m左右, 如图 10b所示, 表明CCMP合成风场作为三重嵌套海浪模式的驱动风场模拟台风期间的有效波高时在峰值区有偏小的问题。

图 9 测点M1 (a, b)与测点M2 (c, d)位置的ERA5、CCMP合成风场模拟有效波高模拟值与实测值散点图 Fig. 9 Scatter diagram of simulated and measured effective wave height of the ERA5 and CCMP synthesized wind field at measuring points M1 (a, b) and M2 (c, d) 注: R: 相关系数; MAE: 平均绝对误差; BIAS: 偏差; RMSE: 均方根误差

图 10 测点M1与测点M2位置的ERA5、CCMP合成风场模拟有效波高(a, b), 平均波周期(c, d)模拟值与实测值对比 Fig. 10 Comparison in simulated effective wave height (a, b) and the average wave period (c, d) of wind field that synthesized by ERA5 and CCMP between simulated values and measured values at measuring points M1 and M2

测点M1、M2处的平均波周期模拟值与实测值如图 10c10d。由图 10c10d可知, 在测点M1处ERA5合成风场模拟的平均波周期与实测波周期吻合度较高, CCMP合成风场模拟的平均波周期在台风取得最大风速半径期间略低于实测值, 最大误差在1 s左右。在测点M2处两种合成风场模拟的平均波周期均略小于实测值, 平均波周期在台风“威马逊”到达台风最大风速半径之前误差大于台风达到最大风速半径之后的误差。这可能是由于测点M2受到台风“威马逊”及台风麦德姆的影响。

表 3可知, ERA5、CCMP合成风场模拟测点M1处各海浪要素的模拟值与实测值的误差较测点M2处更小, 主要原因为: (1) 测点M1离台风“威马逊”台风中心较近, 在该台风的最大风速半径范围内; (2) 测点M2所在位置在7月15~19日受超强台风“威马逊”影响, 在7月22~25日受台风麦德姆影响。两种合成风场模拟测点M1处有效波高, 波周期, 风速, 除CCMP合成风场模拟的风速以外, 模拟值与实测值相关系数均能达到90%以上, 其中有效波高模拟与实测相关系数分别为97%、93%, 偏差值分别为−0.06 m、−0.28 m, 均方根误差分别为0.28 m、0.46 m。在测点M2处, ERA5合成风场模拟有效波高及风速的相关系数在88%~93%之间, ERA5及CCMP合成风场模拟有效波高的偏差及均方根误差较测点M1更低分别为−0.03 m、−0.18 m, 0.26 m、0.36 m。误差统计表明, 本文构建ERA5、CCMP合成风场的模型方案均能较好的对台风“威马逊”入侵的近岸海域台风浪进行后报。

表 3 台风“威马逊”模拟值与实测值对比 Tab. 3 Statistical results of comparison between simulated and measured data
误差统计 ERA5(合成风场) CCMP(合成风场)
有效波高/m 平均波周期/s 风速/(m/s) 有效波高/m 平均波周期/s 风速/(m/s)
M1测点对比结果 相关系数 0.97 0.94 0.91 0.93 0.90 0.85
偏差 −0.06 0.17 −0.48 −0.27 −0.21 −1.03
均方根误差 0.28 0.68 1.81 0.46 0.89 2.39
分散指数 0.23 0.18 0.32 0.39 0.23 0.42
M2测点对比结果 相关系数 0.93 0.88 0.92 0.91 0.80 0.87
偏差 −0.03 −0.88 −1.51 −0.18 −1.08 −1.67
均方根误差 0.26 1.11 2.26 0.36 1.30 2.68
分散指数 0.22 0.16 0.35 0.32 0.19 0.42

不同嵌套结构及驱动风场模拟有效波高模拟值与测点M1位置实测值对比如图 11所示, 结果表明, 三重嵌套海浪模型及合成风场都有提高有效波高后报精度的作用, 且采用Holland经验台风模型构建的ERA5合成风场驱动三重嵌套海浪模型模拟的有效波高最接近实测值。误差统计分析如表 4所示, 验证了本文构建的合成风场驱动三重嵌套海浪模型后报精度较高, 可以进一步作为超强台风浪预报的高精度模型。

图 11 测点M1位置的不同嵌套结构及驱动风场模拟有效波高模拟值与实测值对比 Fig. 11 Comparison of simulated and the measured effective wave heights in different nested structures and driving wind fields at measuring point M1

表 4 测点M1位置的不同嵌套结构及驱动风场模拟有效波高模拟值与实测值误差统计 Tab. 4 Statistic errors between simulated and measured effective wave height simulated by different nested structures and driving wind fields
误差统计 ERA5风场驱动SWAN模型 ERA5风场驱动三重嵌套模型 ERA5合成风场驱动SWAN模型 ERA5合成风场驱动三重嵌套模型
相关系数 0.954 0.966 0.968 0.972
偏差/(m/s) −0.417 −0.259 −0.189 −0.064
均方根误差/(m/s) 0.492 0.359 0.306 0.276
3.3 台风浪风场及海浪场分布

图 12给出了采用ERA5合成风场驱动三重嵌套模型模拟台风“威马逊”影响期间位于北太平洋的南海北部海域内台风浪的主要形成及发展过程。如图 11所示, 在台风影响下, 研究海域内形成了明显的旋转海浪场。2014年7月17凌晨, 台风“威马逊”经过菲律宾海域而后进入中国南海海域, 该海域台风浪开始显著增长, 随着台风进一步向海南岛移动和发展, 波高逐渐增大。在台风移动到南海北部海南岛东南方向时, 形成半径超过200 km的狂浪区, 其有效波高达7~10 m。距离海南岛100 km左右位置, 台风中心附近生成狂涛区, 其半径为50 km, 有效波高达10~12 m, 直逼海南岛文昌、琼海、万宁三市, 造成严重的海浪灾害。台风在广西壮族自治区和海南岛登陆时, 台风浪的最大波高仍维持在11 m左右。强浪于7月18日12:00到达我国广西壮族自治区近海, 并随着海浪破碎及浅水变形波高逐渐减小, 一部分强浪穿过雷州半岛, 此时台风中心在雷州半岛附近, 两者作用叠加导致北部湾海浪活动增强, 并于7月19日00:00在北部湾区域形成一次峰值, 高度超过5 m。此外, 该台风的风场及台风浪具有明显的空间分布特征, 主要为: (1) 背景风场、合成风场具有相同的“右偏”不对称特征, 因此台风风场具有“右偏”特性; (2) 台风路径的中心位置左侧波高小于右侧波高, 因此台风浪在空间分布上也呈现出明显“右偏”不对称分布特征, 这与背景风场、合成风场的空间分布特征一致。该台风的风场空间分布特征主要是由于该海域位于西北太平洋, 受北半球热带气旋科氏力的作用, 台风本身具备左侧强度小于右侧的特点; 台风浪的空间分布特征主要的形成机理是位于台风中心西南方位的海面没有持续的能量供应, 而位于台风中心东北方位的海浪有台风风场供应持续不断的能量, 从而造成波高增大现象, 位于台风路径右侧的波高大于左侧波高。

图 12 台风“威马逊”影响下南中国海海浪场及风场分布 Fig. 12 Distribution of wave field and wind field in the South China Sea under the influence of Typhoon Rammasun
4 结果与讨论

本文通过使用Holland经验台风模型改进风场数据及使用WW Ⅲ-SWAN建立三重嵌套海浪模型提高了台风期间的海浪模拟效果。使用以上两种改进方法对2014年第9号超强台风“威马逊”的台风浪进行数值模拟, 并与实测数据进行对比分析, 得到以下结论:

(1) 通过探究Holland经验台风模型中两个关键要素RMW及Holland B参数对构建台风风场的影响发现, ERA5风场使用RMW1及Holland B2参数、CCMP风场使用RMW2及Holland B4参数构建的合成风场对台风“威马逊”的模拟效果最好。

(2) 使用两种合成风场驱动海浪模式的数值模拟研究结果表明, 优化后的台风合成风场与三重嵌套海浪模式相结合可有效提高台风浪后报精度, 其中ERA5与Holland经验台风模型的合成风场能够更好地刻画台风浪的特征。

(3) 台风“威马逊”期间的海面风场及台风浪的空间分布特征结果表明, 两者在空间分布上均呈现明显的“右偏”不对称性特征, 与前人研究结果一致。台风浪要素的分布特点为: 南海北部海域中台风转移方向的中心左侧为小风速、小波高区, 风速及波高均较右侧更低; 右侧与之相反。近岸地形会对海浪传播产生影响, 因此当台风转移到近岸海域时, 波型开始出现的转换。台风中心接近测站位置出现风浪波型, 而后转换为涌浪, 这与一般台风浪波型转换规律相符。

本文选取了ERA5及CCMP风场作为背景风场, 其中CCMP风场时间分辨率为6 h, 虽然本文进行了插值处理, 但可能无法完全满足台风期间的海浪预报要求, 后续工作可考虑使用更高分辨率的风场资料或改进插值方法, 提高预报精度。同时, 地形对近海波浪有较大影响, 使用更高精度的地形建立模式网格也可以有效提高预报精度, 后期可使用更高分辨率风场数据及模型网格以进一步提升台风浪预报效果。

参考文献
中华人民共和国自然资源部, 2023. 2022年中国海洋灾害公报[M]. 北京: 自然资源部, 23-24.
尹亚军, 许忠厚, 陈国平, 等, 2012. 两种海浪模式模拟结果的对比研究[J]. 水道港口, 38(3): 240-245.
朱现晖, 周良明, 王智峰, 等, 2017. 基于台风"威马逊"的台风浪数值模拟研究[J]. 海洋湖沼通报, (4): 52-60.
刘紫薇, 赵帅康, 魏笑然, 等, 2022. 主流海表风场资料在舟山群岛近海的性能评估[J]. 海洋湖沼通报, 53(3): 528-537.
江志辉, 华锋, 曲平, 2008. 一个新的热带气旋参数调整方案[J]. 海洋科学进展, 26(1): 1-7.
孙瑞, 2013. 南海北部台风浪的时空变化规律和动力机制[D]. 青岛: 中国科学院大学(海洋研究所): 13-18.
张俊明, 张涛, 杜洋, 等, 2021. 基于高分辨率嵌套模型的南海风、浪特征研究[J]. 水道港口, 42(5): 596-602.
陈依妮, 2022. 基于WAVEWATCH Ⅲ的近岛礁波浪数值模拟[D]. 辽宁: 大连理工大学: 27-32.
陈雅雅, 邹仲水, 赵栋梁, 2017. 基于SWAN模式的台风浪数值模拟初步研究[J]. 海洋湖沼通报, (6): 1-10.
林金波, 毛鸿飞, 吴光林, 等, 2021. 基于混合风场的南海台风浪数值模拟[J]. 广东海洋大学学报, 41(6): 44-52.
宗芳伊, 2014. 近20年南海波浪及波浪能分布、变化研究[D]. 青岛: 中国海洋大学: 61-64.
赵红军, 宋志尧, 徐福敏, 等, 2010. 南中国海台风浪数值模拟研究——以台风"珍珠"为例[J]. 海洋工程, 28(3): 128-134.
闻斌, 汪鹏, 万雷, 等, 2008. 中国近海海域台风浪模拟试验[J]. 海洋通报, 27(3): 1-6.
唐建, 史剑, 李训强, 等, 2013. 基于台风风场模型的台风浪数值模拟[J]. 海洋湖沼通报, (2): 24-30.
潘冬冬, 王俊, 周川, 2021. 基于"山竹"台风的波浪数值模拟[J]. 水道港口, 42(2): 194-199, 219.
AMRUTHA M M, KUMAR V S, SANDHYA K G, et al, 2016. Wave hindcast studies using SWAN nested in WAVEWATCH Ⅲ-comparison with measured nearshore buoy data off Karwar, eastern Arabian Sea[J]. Ocean Engineering, 119: 114-124. DOI:10.1016/j.oceaneng.2016.04.032
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: Oceans, 104(C4): 7649-7666. DOI:10.1029/98JC02622
CARR Ⅲ L E, ELSBERRY R L, 1997. Models of tropical cyclone wind distribution and beta-effect propagation for application to tropical cyclone track forecasting[J]. Monthly Weather Review, 125(12): 3190-3209. DOI:10.1175/1520-0493(1997)125<3190:MOTCWD>2.0.CO;2
GONçALVES M, MARTINHO P, SOARES C G, 2014. Assessment of wave energy in the Canary Islands[J]. Renewable Energy, 68: 774-784. DOI:10.1016/j.renene.2014.03.017
GONçALVES M, MARTINHO P, SOARES C G, 2018. A 33-year hindcast on wave energy assessment in the western French coast[J]. Energy, 165: 790-801. DOI:10.1016/j.energy.2018.10.002
GRAHAM H E, 1959. Meteorological considerations pertinent to standard project hurricane, Atlantic and Gulf Coasts of the United States [R]. National Hurricane Research Project Report No. 33, Washington, D. C. : U. S. Dept. of Commerce, Weather Bureau: 6-76.
HERSBACH H, BELL B, BERRISFORD P, et al, 2020. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 146(730): 1999-2049. DOI:10.1002/qj.3803
HOLLAND G J, 1980. An analytic model of the wind and pressure profiles in hurricanes[J]. Monthly Weather Review, 108(8): 1212-1218. DOI:10.1175/1520-0493(1980)108<1212:AAMOTW>2.0.CO;2
HUBBERT G D, HOLLAND G J, LESLIE L M, et al, 1991. A real-time system for forecasting tropical cyclone storm surge[J]. Weather and Forecasting, 6(1): 86-97. DOI:10.1175/1520-0434(1991)006<0086:ARTSFF>2.0.CO;2
MYERS V A, 1954. Characteristics of United States hurricanes pertinent to levee design for Lake Okeechobee, Florida [R]. Washington, D. C. : U. S. Department of Commerce, Weather Bureau.
POWELL M, SOUKUP G, COCKE S, et al, 2005. State of Florida hurricane loss projection model: Atmospheric science component[J]. Journal of Wind Engineering and Industrial Aerodynamics, 93(8): 651-674. DOI:10.1016/j.jweia.2005.05.008
ROBERTSON B R D, HILES C E, BUCKHAM B J, 2014. Characterizing the near shore wave energy resource on the west coast of Vancouver Island, Canada[J]. Renewable Energy, 71: 665-678. DOI:10.1016/j.renene.2014.06.006
SCHLOEMER R W, 1954. Analysis and Synthesis of Hurricane Wind Patterns over Lake Okeechobee, Florida[M]. Washington: U. S. Department of Commerce, Weather Bureau.
TOLMAN H L, 1989. The Numerical Model WAVEWATCH: a third generation model for the hindcasting of wind waves on tides in shelf seas [R]. Delft: TU Delft.
UMESH P A, SWAIN J, 2018. Inter-comparisons of SWAN hindcasts using boundary conditions from WAM and WWⅢ for northwest and northeast coasts of India[J]. Ocean Engineering, 156: 523-549. DOI:10.1016/j.oceaneng.2018.03.029
VICKERY P J, SKERLJ P F, STECKLEY A C, et al, 2000. Hurricane wind field model for use in hurricane simulations[J]. Journal of Structural Engineering, 126(10): 1203-1221. DOI:10.1061/(ASCE)0733-9445(2000)126:10(1203)
WILLOUGHBY H E, RAHN M E, 2004. Parametric representation of the primary hurricane vortex. Part Ⅰ: Observations and evaluation of the Holland (1980) Model[J]. Monthly Weather Review, 134(12): 3033-3048.