臺風“燦鴻”影響下海浪的數值模擬研究

杜 艷, 劉國強, 何宜軍, 韓 雪

臺風“燦鴻”影響下海浪的數值模擬研究

杜 艷1, 劉國強1, 何宜軍1, 韓 雪2

(1. 南京信息工程大學 海洋科學學院, 江蘇 南京 210044; 2. 江蘇省海涂研究中心, 江蘇 南京 210036)

臺風是影響中國黃東海的強天氣現象, 其引起的強風、巨浪和臺風增水嚴重威脅著沿海地區人民的生命與財產安全。本文以海浪模式SWAN(Simulating Waves Nearshore)與區域海洋模式ROMS (Regional Ocean Modeling System)為基礎, 構建了中國黃東海海域在201509號臺風“燦鴻”影響下的海浪-海洋耦合模式。通過浮標與Jason-2高度計有效波高數據驗證了模式結果的準確性。進行了敏感性實驗分析, 對比耦合(ROMS+SWAN)與非耦合(SWAN)下以及使用不同地形數據(ETOPO1、ETOPO2、GEBCO)、不同物理參數化方案(風能輸入、白冠耗散、底摩擦耗散)下的模擬結果差異。結果發現在射陽與前三島浮標處, 使用GEBCO地形數據(15弧秒間隔)下的模擬效果更好且穩定。在空間分布上, 臺風中心附近的浪流相互作用顯著, 在其前進方向右側表現為耦合的有效波高值低于非耦合有效波高值, 差值最高可達1米。選擇不同風輸入與耗散項方案時的模擬差異主要發生在最大波高處, 選擇不同的風能輸入與白冠耗散項方案帶來的差異接近0.4米, 而底摩擦項方案選擇不同帶來的差異接近1米。因而在模擬實際的海況時, 需要綜合考慮這些因素帶來的影響, 才能達到SWAN海浪模型最好的海浪模擬效果。

臺風浪; SWAN; ROMS; 耦合模式

海浪對沿海海洋工程和海洋漁業有重要影響, 海洋災害中90%來自海浪的破壞, 特別是熱帶氣旋和臺風引起的海浪[1], 臺風強度高、移動速度快、軌跡不規則, 對沿海地區人民的生命和財產安全構成巨大威脅(如強風、巨浪和臺風增水)。風是產生和驅動海浪的主要因素, 而臺風引起的臺風浪波高最高可達20多米[2], 盡管到達淺水區域后波高會迅速降低, 但是它對沿海地區的破壞力不可小覷。為了盡量減少和減輕極端臺風所造成的損害, 確保海洋和沿海工程項目的安全, 需要對近海的臺風、海浪等極端環境因素進行細致的研究。

由于觀測的難度較大, 目前在對臺風浪的研究主要采用數值模式的方式。近岸淺海區域影響海浪的因素很多, 例如風、海流、地形等。海浪作為一種海洋表面的運動, 與海平面高度也是密切相關。為了準確模擬海浪, 還需要考慮風、海流、地形的相互作用的影響。已有學者通過海浪模式對臺風影響下的海浪場進行數值模擬, 目前應用較多的海浪模式主要是SWAN(Simulating Waves Nearshore)、WAM(Wave Modeling)、WW3 (WAVEWATCH III)。Ou等[3]利用SWAN模擬臺灣沿岸海域的臺風浪, 發現模擬效果較好。Moon等[4]使用高分辨率WW3模式模擬臺風作用下的海浪譜特征, 也發現數值模擬結果與觀測數據吻合較好。相較適用于大洋等深水條件下的WAM和WW3模式, SWAN模式更適用于近岸海域淺水條件下的模擬。如王道龍[5]利用SWAN模式模擬了遼東灣近岸水域的海浪, 其在淺水復雜地形下的模擬結果比較好。SWAN可以輸出不同海浪要素(如有效波高、平均波周期、波向、涌浪等)的場數據、線數據以及點數據, 可以輸出二維能量譜, 并且可以進行嵌套以達到對精細化網格區域的模擬[6-7], 也可與其他模式進行耦合[ROMS(Regional Ocean Modeling System)、WRF(Weather Research and Forecasting Model)等][8-9], 綜合考慮風、浪、流三者的相互影響。目前SWAN海浪模式常被用于研究臺風影響下的海浪場及海洋要素特征, 以及海浪場對不同強度、移動速度、對稱性下臺風的響應情況。如Drost等[10]利用海浪模式SWAN和浮標觀測資料, 研究了澳大利亞西北陸架在熱帶氣旋作用下海面波場的響應, 發現熱帶氣旋的移動速度與最大有效波高和波場不對稱性之間存在著正相關關系。Liu等[11]通過SWAN模式, 量化了風場分布、風暴平移速度和強度對海浪場的影響。

影響SWAN模式的因素有很多, 諸如風場的選擇、海流的影響、SWAN模式中不同能量輸入與耗散項方案等。海浪模擬需要準確的風場資料輸入[12-13], 通常利用數據同化模式獲得的長期再分析風數據(如NCEP, ECMWF, NASA, JRA等)或風場模型(如Holland[14]等)作為輸入風場。海流對浪的影響也尤為重要[15-16], 特別是在近岸淺水區域受到的影響更為顯著[17], 已有的研究也驗證了在海浪模擬中采用浪-流耦合模式的結果會更符合實測情況[18]。SWAN模式中不同物理參數化方案的選擇也會對結果產生影響。尹洪強等人[19]基于SWAN模式分析了南海臺風浪的變化過程, 同時考慮了SWAN模式設置及風場選擇對模擬研究的影響。羅浩等[7]結合WRF模式, 通過改變SWAN模式中風輸入項以及白冠耗散項方案, 提高了SWAN模式在渤海灣的適用性。應王敏等[20]利用SWAN模式與高分辨率CCMP風場結合, 對臺風“燦鴻”登陸時的中國東南沿海海浪場變化的研究中, 考慮了底摩擦、波浪破碎、風輸入指數增長、白冠耗散對模擬的影響, 發現參數化方案的選擇會對模擬結果產生影響, 主要在最大波高模擬值和變化曲率上產生偏差。此外, SWAN進行模擬時, 時間步長、網格分辨率、角度分辨率以及冷熱啟動的選擇也會對模擬結果產生影響, Wu等[21]就發現當計算時間步長與風場相同時, 計算出的有效波高低于實測值。

我國近海處于太平洋西北部, 夏季經常受到臺風的侵襲。201509號臺風“燦鴻”在西北太平洋洋面上生成, 于2015年7月10日進入我國東海區域并沿西北向移動, 并于7月11日17時左右在浙江舟山沿海一帶登陸, 登陸時中心附近最大風力達14級(45 m/s), 中心最低氣壓為955 hpa; 后沿東北方向穿過黃海, 向朝鮮半島移動, 最后在朝鮮黃海南道沿海再次登陸。本文利用海浪模式SWAN與區域海洋模式ROMS耦合對臺風“燦鴻”影響下的中國黃東海區域進行海浪數值模擬研究。文章結構如下: 第一部分介紹海浪模式SWAN、區域海洋模式ROMS及耦合模式的設置。第二部分通過浮標數據與高度計數據驗證耦合模式結果。第三部分進行敏感性實驗分析。第四部分給出總結與討論。

1 模式介紹及耦合模式設置

1.1 模式介紹

近岸淺海區域影響海浪的因素有很多, 利用數值模式可以綜合考慮風速風向、浪-流相互作用及地形對海浪的影響。本文采用COAWST(Coupled-Ocean- Atmosphere-Wave-Sediment Transport)模式中的浪-流耦合模式進行研究, 利用MCT耦合器實現海浪模式SWAN和海流模式ROMS的耦合。MCT耦合器采用并行計算模式, 通過簡易快捷的方式實現子模式間變量的傳遞與轉換[22]。浪-流耦合模式基于浪-流相互作用理論, 耦合器將流模式模擬出的流場與水位輸入進海浪模式, 進行海浪場的模擬, 然后將海浪模式輸出的海浪要素(例如波向、波長、有效波高、平均波周期等)傳遞給流模式。這種要素交換在模式設置的時間步長處進行, 然后利用交換后的數據進行計算, 以此循環, 最后得出模擬結果[23]。

1.1.1 海浪模式SWAN

SWAN模式作為第三代海浪模型, 基于WAM模式發展而來, 但更適用于河口、湖泊和海岸等近岸淺水條件下的海浪模擬。除了考慮WW3中物理過程外, SWAN包括了一些海浪傳播因素, 如淺水中的波浪破碎、波浪繞射和底部摩擦, 還包含能量耗散和地形誘發的三相波波相互作用, 可以用于計算淺水水域的風浪、涌浪和混合波, 給出海岸工程所需的各種重要海浪參數, 包括波高、波周期、波長、波速、波向、波浪能量傳播等。SWAN控制方程遵循動譜平衡方程, 采用線性隨機表面重力波理論, 笛卡爾坐標系下可以寫為[24]:

左一項表示時間上能量的局地變化, 其中是作用密度譜, 左二、三項表示波浪能量在二維地球空間中的傳播(和空間上的傳播速度分別為c, x和c, y), 左四項表示地形深度變化和海流引起的波浪折射(方向改變), 左五項表示地形深度變化和海流引起的頻率改變[25]。右邊為代表物理過程的源項, 包括風能輸入in、底摩擦耗散ds,b、三相波波相互作用nl3、四相波波相互作用nl4、波浪破碎ds,br、白冠耗散項ds,w等, 可以表示為:

total=in+ds,w+ds,b+ds,br+nl3+nl4. (2)

1.1.2 區域海洋模式ROMS

區域海洋模式ROMS目前有法國發展研究機構(IRD)、羅格斯大學、加州大學洛杉磯分校三個版本(分別為Agrif、Rutgers、UCLA), ROMS可以模擬多尺度的海水運動, 被廣泛應用于區域海洋模擬及海洋動力研究中。ROMS模式是基于一個三維非線性、自由表面的斜壓原始方程模式, 滿足Boussinesq近似、流體靜力近似、流體不可壓縮這三個近似假定[26]。其垂向分層采用的是地形坐標——“S”坐標系統, 即垂向分層的深度會隨著水深而變化。ROMS模式離散時用到的網格為C網格, 其差分方式為中心差分, 具有二階精度, 更滿足質量守恒的條件。ROMS的湍流參數化包括了經典的KPP、MY2.5、GLS方案等。此外, ROMS也提供了多種模塊, 可以實現與多種模式的耦合, 包括了 SWAN、WRF、海冰、生物地球化學、光學、沉積物和泥沙等[27]。本文中耦合模擬使用的是Rutgers版本。

1.2 耦合模式設置

本研究模擬區域為中國黃東海區域, 空間范圍為27.2°—41.2°N, 117.2°—127.2°E。ROMS水平網格分辨率為1/10 °, 垂直方向分為16層。地形數據采用GEBCO(The General Bathymetric Chart of the Ocean)的15弧秒間隔地形數據, 最大水深設為2 000 m, 最小水深設為5 m, 圖1即為耦合模擬區域的地形圖。初始場和側邊界采用來自HYCOM(Hybrid Coordinate Ocean Model, http://hycom.coaps.fsu.edu/thredds/catalog.html)全球模擬數據提供的流場、水位、鹽度和溫度等數據[28],設置東南邊界為開邊界, 潮汐由TPXO8-ATLAS的數據提供。風場強迫場數據則由CFSR(Climate Forecast System Reanalysis)提供。從NOAA-WW3全球預報模擬(ftp://polar.ncep.noaa.gov/pub/history/waves)中提取了代表有效波高s、峰值周期p和峰值方向p的波參數, 其空間分辨率為0.5°, 時間分辨率為3 h, 并應用于SWAN的開放邊界。SWAN模式風場強迫同樣使用CFSR數據。在物理參數方案上考慮波浪破碎、底摩擦耗散、白冠以及波波非線性相互作用(三相波波相互作用、四相波波相互作用)等物理過程, 其中風能輸入及白冠耗散項分別采用Janssen方案和Komen方案, 底摩擦項采用JONSWAP方案。在本文數值實驗中, ROMS模式采用60 s時間步長, SWAN模式采用180 s時間步長, 模式間每3 600 s交換一次數據。

圖1 模擬區域水深

2 模擬結果驗證

本文模擬了臺風“燦鴻”(編號201509)過境當月(2015年7月)的海浪場, 臺風移動路徑如圖2所示。使用浮標與高度計提供的有效波高數據相結合來驗證模擬結果, 下文用于對比驗證的模擬數據采用的是GEBCO地形下的耦合模式的結果。

圖2 臺風路徑與浮標位置圖[審圖號: GS(2016)1584號]

注: 黑色實線代表臺風燦鴻的移動路徑, 黑色實點為每6小時一次的臺風中心位置(臺風中心及路徑信息參考JTWC及中國臺風網數據), 黑色星號代表前三島與射陽浮標站點位置(浮標數據來自江蘇省海涂研究中心)

2.1 浮標數據對比

本文選取江蘇省海涂研究中心于黃海投放的射陽站和前三島站兩處浮標(如圖2)的有效波高數據進行驗證, 射陽站浮標(121°E, 34°N)放置處水深22~23 m, 前三島站浮標(120°E, 34.83°N)放置處水深26 m, 皆為近岸淺水浮標。將2015年臺風“燦鴻”登陸黃東海7月7日—13日的有效波高數據進行對比(圖3)。從圖3中可以看出, 模式模擬的有效波高與浮標站點測得的有效波高比較吻合, 且兩站最大波高出現在7月12日附近, 射陽站有效波高均方根誤差為0.264 2 m, 前三島站有效波高均方根誤差為0.264 6 m。

圖3 射陽與前三島浮標實測有效波高與模式結果對比圖

2.2 遙感數據對比

遙感數據采用Jason-2高度計測得的有效波高數據進行對比, 沿軌數據間隔為每秒一個。選取了高度計經過黃東海區域軌跡138和軌跡229的有效波高數據以驗證模擬結果。高度計經過黃東海時, 軌跡138數據時間跨度為2015年7月10日01時38分至41分(臺風過境前), 軌跡229數據時間跨度為2015年7月13日15時17分至19分(臺風過境后)。圖4中可以看出, 耦合模式模擬的有效波高與Jason-2高度計的觀測結果比較吻合。7月10日01時臺風“燦鴻”的中心位于(24.9°N, 126.9°E), 屬超強臺風級, 圖4a右下角區域處于“燦鴻”7級風圈以內, 有效波高高達7~8 m。圖4c中, 7月13日01時由于臺風在陸地登陸, 至15時臺風基本消彌, 圖4c右上角區域有效波高降至3 m。

3 敏感性實驗分析

為獲取更符合實際情況下的模擬結果, 本文進行了敏感性實驗分析, 主要研究使用耦合模式(ROMS與SWAN耦合)與不使用耦合模式(只模擬SWAN)的模擬結果差別, 采用3種不同地形數據(ETOPO1、ETOPO2、GEBCO)的模擬結果差別, 以及選用不同SWAN風能輸入與白冠耗散、底摩擦耗散方案的差別。

3.1 耦合與非耦合下的對比

海浪與海流是海洋中兩種十分常見重要的動力學過程, 海流會顯著影響海浪。根據已有的數值模式研究可以發現, 考慮浪-流相互作用下對有效波高的模擬會更準確, 尤其在有效波高峰值處, 海流引起的有效波高增大最大可達1 m[27]。在強流處, 由于高流速, 有效波高變化更為明顯, 而且還會發生顯著的波浪折射[16]。因此考慮到浪-流相互作用的影響, 本文對SWAN與ROMS耦合模擬結果以及只模擬SWAN的結果進行了對比, 由圖5可以看出, 在射陽站與前三島站附近, 流速主要在0~0.6 m/s, 除在最大波高值附近, 考慮海流作用后的模擬結果與不考慮時差異不大, 有效波高差值分別在0~0.13 m和0~0.11 m之間波動。

針對耦合作用的空間分布情況, 本文選取臺風“燦鴻”登陸中國黃東海海域12個時刻下(7月10日20時— 7月12日16時, 每4小時一次, 其中臺風中心位置及最大風速數據來源于中國臺風網)耦合與非耦合有效波高差值的分布情況(圖6), 差值為耦合波高值減去非耦合波高值。由圖6中可見, 臺風中心附近浪流相互作用明顯, 海流顯著影響了有效波高在臺風中心附近的分布情況。在臺風中心前進方向右側象限, 普遍表現為耦合的有效波高低于非耦合有效波高, 差值大小與臺風中心最大風速有關。圖6a—6e中, 臺風強度高, 最大風速介于48~55 m/s, 差值最高可達1 m, 且這種影響會隨著臺風的移動傳播相當一段距離。

圖4 Jason-2高度計軌跡138和軌跡229有效波高數據與模擬結果對比

注: 圖a為模擬有效波高分布圖, 并將Jason-2軌跡138有效波高數據對應替換模擬數據, 得到如圖; 圖b為模擬值與高度計有效波高數據沿軌跡線(從南至北)對比圖; 圖c, d對應為軌跡229對比圖

3.2 不同地形條件下的對比

熱帶氣旋下海浪的時空分布特征不僅取決于熱帶氣旋的風速、平移速度和路徑等, 在地形足夠淺時, 還受陸架和海岸地形特征的影響[29-30]。海浪在淺水中會發生折射和破碎[31], 因此在近岸淺水區域, 需要考慮到地形對模擬的影響。本文使用了三種地形數據進行耦合模擬, 分別是ETOPO1、ETOPO2、GEBCO數據, 分辨率分別為1弧分、2分、15弧秒。根據圖7對比結果, 在射陽、前三島浮標站處, ETOPO2地形數據下的模擬結果均偏高, 使用ETOPO1、GEBCO地形模擬的有效波高的均方根誤差分別為0.589 7 m、0.264 2 m和0.219 2 m、0.264 6 m。可以看出在這兩處浮標點, 使用GEBCO地形數據模擬的結果相對更準確和穩定。此外, 對文中這兩處浮標以及中科院海洋所浮標的實測水深(浮標地形數據來源http://msdc.qdio.ac.cn/)與三種地形數據下的水深進行對比, 發現GEBCO地形數據與實際浮標處水深更接近, 所以還是選用GEBCO地形數據進行模擬。

圖5 耦合與非耦合模擬有效波高結果對比及浮標處流速大小

圖6 7月10日20時至7月12日16時耦合與非耦合模擬的有效波高差值分布情況

注: 黑色星號代表臺風中心位置

圖7 使用三種不同地形數據下的耦合模擬結果對比

3.3 不同物理參數化方案下的模擬結果對比

海浪模式SWAN進行模擬時, 物理參數化方案的選擇會對模擬結果產生影響, 需要進行敏感性分析, 以獲得最佳模擬效果的模式設置。Battjes[32]針對影響開闊大洋和沿海海域海浪演變的各種過程對各個影響因素作了相對重要性的分析, 影響近岸海浪的主要因素有風能的輸入、波波相互作用、白冠耗散、底摩擦等。而SWAN模式主要考慮三種類型的耗散機制: 在深水情況, 風浪的白冠耗散占主要地位, 控制譜高頻部分的飽和程度; 在中等深度和淺水情況下, 底摩擦變得重要; 但當波浪傳到淺水破碎帶附近時, 水深變淺引起的波浪破碎占主要地位。

3.3.1 風能輸入與白冠耗散項

風是產生和驅動海浪的主要因素, 在風持續強迫作用下產生風浪并使風浪不斷發展時, 最終會由于波陡變大而導致海浪破碎, 海浪破碎時將大量空氣卷入水中形成白冠。白冠耗散是由于波浪破碎而引起的能量損失, 在SWAN模式中作為一個源項存在。白冠耗散和風能輸入對風浪成長起著重要作用, SWAN模式中采用的是第三代(GEN3)風輸入指數增長、白冠破碎項能量耗散模式。GEN3模式有三種常用的風輸入指數增長和白冠破碎項能量耗散的參數化方案[33]: 默認設置的Komen方案(KOM)、Janssen方案(JAN)和Westhuysen方案。Komen方案和Janssen 方案直接來源于第三代海浪模式WAM, 在早期版本的SWAN模式中已經廣泛應用, 其不同點在于指數增長項部分, Komen是根據海上觀測提出的經驗公式, Janssen是根據臨界層機制提出的參數化, Westhuysen 方案是通過修改模式中已有的參數化方案而得到。

本文對SWAN模式物理參數化方案中的風能輸入以及白冠耗散項的選擇采取了分組對比, 分別采用JAN+KOM(即風能輸入采用JAN方案, 白冠耗散采用KOM方案)、JAN+JAN、KOM+JAN、KOM+KOM這四種組合方式, 此時底摩擦參數項均使用JONSWAP方案。圖8描述了使用不同風能輸入與白冠耗散方案對有效波高的影響, 可以看出不同的參數化方案對模擬有效波高的影響主要集中在最大波高處, 不同方案之間的波高差值接近0.4 m。根據表1, 在本文研究背景下, 使用KOM+KOM和KOM+JAN方案所得到的模擬結果相對更接近浮標處的觀測結果。

表1 不同風能輸入與白冠耗散方案下有效波高的均方根誤差

3.3.2 底部摩擦項

SWAN模式中底摩擦耗散有三種計算方式: JONSWAP(經驗性模式JON)、COLLINS(拖曳模式COLL)、MADSEN(渦黏模式MAD), 分別由Hassel-mann[34]、Collins[35]、Madsen[36]提出。本文分別采用這三種底摩擦方案進行模擬, 而風能輸入與白冠耗散統一采用KOM+JAN方案。由圖9可以看出, 不同底摩擦參數下模擬的有效波高相差較大, 差值接近1 m, 主要是在最大波高處, 而在中低波高處, 也有比較明顯的差異。我們發現, MADSEN方案下的有效波高與實測值相比偏低, COLLINS方案與JONSWAP方案相對更接近實測數據, 且JONSWAP方案在較低波高處模擬效果相對更好。結合表2不同方案下的均方根誤差, 使用JONSWAP方案模擬效果相對更好。

圖8 使用四種不同風能輸入與白冠耗散方案的結果對比

圖9 使用三種不同底摩擦參數方案的結果對比

表2 不同底摩擦耗散方案下有效波高的均方根誤差

4 結論與展望

本文通過海浪模式SWAN與區域海洋模式ROMS對臺風“燦鴻”影響下的中國黃東海海域的海浪場進行了數值模擬研究, 利用浮標觀測數據與Jason-2遙感高度計數據對模擬結果進行了驗證。本文從三個方面對模擬進行了敏感性實驗分析: 分別是耦合與非耦合模擬、使用不同地形數據、選擇不同物理參數化方案, 可以得出以下結論: 耦合(SWAN+ROMS)與非耦合(SWAN)情況下, 模擬的有效波高主要在最大波高處有差異, 在本次模擬研究中, 射陽與前三島兩浮標處流速較小, 對浪的影響不大; 但結合耦合作用的空間分布情況來看, 臺風中心附近的海流顯著影響了有效波高的分布。在臺風中心前進方向右側, 普遍表現為耦合的有效波高低于非耦合的有效波高, 差值大小與臺風中心最大風速有關, 最高可達1 m, 且這種影響會隨著臺風的移動傳播相當一段距離。不同地形數據模擬下, GEBCO與ETOPO1數據下的模擬結果更好, 且在這兩處浮標站, 使用GEBCO地形的結果更為穩定。SWAN模式中選擇不同物理參數化方案對模擬結果的影響也較大, 在風能輸入與白冠耗散項部分, 模擬結果的差異主要體現在最大波高的模擬, 差值接近0.4 m, 但在底摩擦項部分, 最大有效波高差異接近1 m, 對中低波高的模擬也有比較明顯的影響。

因此, 在模擬實際海域海況時尤其是在臺風條件下, 需要綜合考慮諸如地形、流、參數化方案這些因素, 通過分析對比選擇更符合實際的模擬方案, 以便后續更好展開對臺風影響下海浪場演變及分布特征等研究。

[1] Rabinovich A B, Vilibic I, Tinti S. Meteorological tsunamis: Atmospherically induced destructive ocean waves in the tsunami frequency band[J]. Physics and Chemistry of the Earth, 2009, 34(17-18): 891-893.

[2] Wang D W, Mitchell D A, Teague W J, et al. Extreme waves under Hurricane Ivan[J]. Science, 2005, 309(5736): 896-896.

[3] Ou S H, Liau J M, Hsu T W, et al. Simulating typhoon waves by SWAN wave model in coastal waters of Taiwan[J]. Ocean Engineering, 2002, 29(8): 947-971.

[4] Moon I J, Ginis I, Hara T, et al. Numerical simulation of sea surface directional wave spectra under hurricane wind forcing[J]. Journal of Physical Oceanography, 2003, 33(8): 1680-1706.

[5] 王道龍. 近岸海浪模式研究[D]. 青島: 國家海洋局第一海洋研究所, 2009. Wang Daolong. The research of coastal wave model[D]. Qingdao: The First Institute of Oceanography, State Oceanic Administration, 2009.

[6] 于游, 鄒麗, 姜勝超, 等. 基于SWAN嵌套網格的臺風浪數值模擬[C]. 第二十九屆全國水動力學研討會, 2018. Yu You, Zou Li, Jiang Shengchao, et al. Simulating typhoon waves by nested SWAN wave model[C]. The 29th National Congress on Hydrodynamics, 2018.

[7] 羅浩.SWAN模式渤海灣海浪數值模擬研究[D]. 天津: 天津大學, 2012. Luo Hao. Research on numerical simulation wave in bohai bay by SWAN model[D]. Tianjin: Tianjin University, 2012.

[8] 譚鳳, 張慶河, 龐啟秀, 等. 基于WRF-SWAN模式的韋帕臺風波浪場模擬[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.

[9] Kukulka T, Jenkins R L, Kirby J T, et al. Surface wave dynamics in Delaware Bay and its adjacent coastal shelf[J]. Journal of Geophysical Research: Oceans, 2017, 122(11): 8683-8706.

[10] Drost E J F, Lowe R J, Ivey G N, et al. The effects of tropical cyclone characteristics on the surface wave fields in Australia’s North West region[J]. Continental Shelf Research, 2017, 139: 35-53.

[11] Liu H, Xie L, Pietrafesa L J, et al. Sensitivity of wind waves to hurricane wind characteristics[J]. Ocean Modelling, 2007, 18(1): 37-52.

[12] Bennett V C C, Mulligan R P. Evaluation of surface wind fields for prediction of directional ocean wave spectra during Hurricane Sandy[J]. Coastal Engineering, 2017, 125: 1-15.

[13] Shao Z, Liang B, Li H, et al. Blended wind fields for wave modeling of tropical cyclones in the South China Sea and East China[J]. Applied Ocean Research, 2018, 71: 20-33.

[14] Holland G J. An analytic model of the wind and pressure profiles of hurricanes[J]. Monthly Weather Review, 1980, 108(8): 1212-1218.

[15] Rusu L, Bernardino M, Soares C G. Modelling the influence of currents on wave propagation at the entrance of the Tagus estuary[J]. Ocean Engineering, 2011, 38(10): 1174-1183.

[16] Wandres M, Wijeratne E M S, Cosoli S, et al. The effect of the Leeuwin Current on offshore surface gravity waves in southwest Western Australia[J]. Journal of Geophysical Research: Oceans, 2017, 122(11): 9047- 9067.

[17] 賈巖, 尹寶樹, 楊德周. 東中國海浪流相互作用對水位和波高影響的數值研究[J]. 海洋科學, 2009, 33(8): 82-86. Jia Yan, Yin Baoshu, Yang Dezhou. A numerical study of the influence of wave-current interaction on water elevation and significant wave height in the East China Sea[J]. Marine Sciences, 2009, 33(8): 82-86.

[18] 桂祈軍, 沙文鈺. 黃渤海春季浪流耦合數值模擬[J]. 解放軍理工大學學報(自然科學版), 2005, (1): 71-75. Gui Qijun, Sha Wenyu. Numerical simulation of coupling wave-current in Huang-hai and Bo-hai sea in spring[J]. Journal of PLA University of Science and Technology, 2005, (1): 71-75.

[19] 尹洪強. 基于SWAN模式下南海臺風浪的推算[D]. 大連: 大連理工大學, 2014. Yin Hongqiang. Typhoon wave forecast in the South Sea by SWAN model[D]. Dalian: Dalian University of Technology, 2014.

[20] 應王敏, 鄭橋, 朱陳陳, 等. 基于SWAN模式的“燦鴻”臺風浪數值模擬[J]. 海洋科學, 2017, 41(4): 108-117. Ying Wangmin, Zheng Qiao, Zhu Chenchen, et al. Numerical simulation of “CHAN-HOM” typhoon waves using SWAN model[J]. Marine Sciences, 2017, 41(4): 108-117.

[21] Wu Z Y, Jiang C B, Deng B, et al. Evaluation of numerical wave model for typhoon wave simulation in South China Sea[J]. Water Science and Engineering, 2018, 11(3): 229-235.

[22] 孫一妹, 費建芳, 程小平, 等. WRF_ROMS-1.2中尺度海氣耦合模式簡介[J]. 海洋預報, 2010, 27(2): 82-88. Sun Yimei, Fei Jianfang, Cheng Xiaoping, et al. Introduction of mesoscale air-ocean coupled model: WRF_ ROMS-1.2[J]. Marine Forecasts, 2010, 27(2): 82-88.

[23] Warner J C, Sherwood C R, Signell R P, et al. Development of a three-dimensional, regional, coupled wave, current, and sediment-transport model[J]. Computers and Geosciences, 2008, 34(10): 1284-1306.

[24] Holthuijsen L H. Waves in Oceanic and Coastal Waters[M]. Cambridge University Press, 2007.

[25] 肖文軍, 丁平興, 胡克林. 潮汐和流影響下長江口波浪場數值計算[J]. 海洋工程, 2008, 26(4): 45-52. Xiao Wenjun, Ding Pingxing, Hu Kelin. Numerical calculation of wave fields with tide and currents in Yangtze estuary[J]. The Ocean Engineering, 2008, 26(4): 45-52.

[26] Shchepetkin A F, Mcwilliams J C. The regional oceanic modeling system (ROMS): a split-explicit, free-surface, topography-following-coordinate oceanic model[J]. Ocean Modelling, 2005, 9(4): 347-404.

[27] 劉娜, 李本霞, 王輝, 等. 西北太平洋浪流相互作用對有效波高的影響研究[J]. 海洋學報, 2016, 38(9): 21-31. Liu Na, Li Benxia, Wang Hui, et al. A study of the influence of wave-current interaction on significant wave height in the Northwestern Pacific[J]. Haiyang Xuebao, 2016, 38(9): 21-31.

[28] Warner J C, Armstrong B, He R, et al. Development of a Coupled Ocean-Atmosphere-Wave-Sediment Transport (COASWST) modeling system[J]. Ocean Modelling, 2010, 35(3): 230-244.

[29] Wright C W, Walsh E J, Vandemark D, et al. Hurricane directional wave spectrum spatial variation in the open ocean[J]. Journal of Physical Oceanography, 2001, 31(8): 2472-2488.

[30] Walsh E J, Wright C W, Vandemark D, et al. Hurricane directional wave spectrum spatial variation at landfall[J]. Journal of Physical Oceanography, 2001, 32(6): 1667-1684.

[31] Chen S, Curcic M. Ocean surface waves in Hurricane Ike (2008) and Superstorm Sandy (2012): Coupled model predictions and observations[J]. Ocean Modelling, 2015, 103(5): 161-176.

[32] Battjes J A. Shallow water wave modelling[C]. Waves - Physical and Numerical Modelling, 1994: 1-23.

[33] Mulligan R P, Bowen A J, Hay A E, et al. Whitecapping and wave field evolution in a coastal bay[J]. Journal of Geophysical Research, 2008, 113(C3): C03008.

[34] Hasselmann K, Barnett T P, Bouws E, et al. Measurements of wind-wave growth and swell decay during the Joint North Sea Wave Project (JONSWAP)[J]. Deutsche Hydrographische Zeitschrift, 1973, A8(12): 1-95.

[35] Collins J I. Prediction of shallow-water spectra[J]. Journal of Geophysical Research, 1972, 77(15): 2693- 2707.

[36] Madsen O S, Poon Y K, Graber H C. Spectral wave attenuation by bottom friction: theory[C]. 21th International Conference on Coastal Engineering, 1988: 492- 504.

Numerical simulation of typhoon waves under the influence of Typhoon “Chan-Hom”

DU Yan1, LIU Guo-qiang1, HE Yi-jun1, HAN Xue2

(1. School of Marine Sciences, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2. Tidal Flat Research Center of Jiangsu Province, Nanjing 210036, China)

Typhoon can cause catastrophic damages to the coastlines of the Yellow Sea and the East China Sea. In this study, the wave model Simulating Waves Nearshore (SWAN) and the Regional Ocean Modeling System (ROMS) are applied on the wave-ocean coupling simulations under the forcing of the typhoon Chan-Hom (201509) in the coastal regions of the Yellow Sea and East China Sea. The model results were validated by measured significant wave height (SWH) data from available buoys and altimeter onboard satellite Jason-2. Several sensitivity experiments were conducted to examine the difference in simulation results under different terrain data (ETOPO1, ETOPO2, and GEBCO); coupled and uncoupled models (SWAN + ROMS and SWAN); and different physical parameterization schemes (wind energy input, whitecapping, and friction dissipation). It was found that the modeled results using GEBCO topographic data (at 15 arc-second intervals) at the Sheyang and Qiansandao buoys are in agreement with the buoy measurements than using other topographic data. We found that the wave-current interaction near the typhoon center was significant. On the right side of the typhoon-advancing direction, the coupled significant wave height was lower than the uncoupled results, and the difference in the significant wave heights between coupled and uncoupled simulations can even reach 1 m. The differences between different physical parametric schemes occur mainly at the stage of highest wave height. The difference of wave heights between different wind energy inputs and whitecapping dissipation schemes can be close to 0.4 meters whereas the difference in wave heights between different bottom friction schemes can be approximately 1 m. Therefore, to achieve the best wave simulations of SWAN wave model under actual sea conditions, it is necessary to consider the effects of these factors.

typhoon waves; SWAN; ROMS; coupled model

Nov. 16, 2020

P731

A

1000-3096(2020)10-0012-11

10.11759/hykx20191116001

2019-11-16;

2020-03-04

國家自然科學基金項目(41506028); 江蘇省青年科學基金(BK20150913); 國家重點基礎研究發展計劃項目(2016YFC1401407); 全球變化與海氣相互作用專項項目(GASI-IPOVAI-04); 南京信息工程大學人才啟動基金

[National Natural Science Foundation of China, No. 41506028; Jiangsu Youth Science Foundation, No. BK20150913; National Basic Research Program of China, No. 2016YFC1401407; Global Change and Air-Sea Interaction Project, No. GASI-IPOVAI-04; Nanjing University of Information Science and Technology Research Foundation for Advanced Talents]

杜艷(1995-), 女, 江蘇泰州人, 碩士生, 研究方向為臺風浪數值模擬, E-mail: 924936252@qq.com; 劉國強,通信作者, 教授, 研究方向為大氣-海浪-海洋-冰邊界層動力與耦合模式開發與應用、次中尺度過程、上層海洋動力過程, E-mail: Guoqiang.Liu@dfo-mpo.gc.ca

(本文編輯: 叢培秀)