海平面上升對中國沿海地區(qū)極值水位重現(xiàn)期的影響

莊 圓紀棋嚴左軍成李直龍羅鳳云

(浙江海洋大學 海洋科學與技術學院,浙江 舟山316022)

極值水位是指若干年內(nèi)才有可能出現(xiàn)的高水位或低水位[1]。極值水位在海岸工程、海上工程、防洪防潮工程中有著重要的作用,是決定海洋工程能否滿足安全需求的重要參考依據(jù)。在港口等海洋工程建設中,需對正常條件(即作業(yè)條件)和極端條件(即惡劣環(huán)境條件)下的極值水位做出估計。觀測資料的長短不同,所采用的極值水位估計方法也不同[2-5],我國《港口與航道水文規(guī)范》[6]指出,在擁有長期水位觀測資料的情況下可采用極值分布法;在擁有數(shù)年水位觀測資料時可采用同步差比法;當僅有短期水位資料時,則需先求出設計水位再加減一個由附近驗潮站長期資料得出的常數(shù)從而得出校核水位。但是這些方法需要驗潮站本身或者臨近的驗潮站具有完整的長期觀測資料,該條件比較苛刻通常難以滿足,因此很難利用這些方法估計極值水位。為了解決觀測資料時間不夠長的困難,Pugh和Vassie[7]提出了用聯(lián)合概率的方法計算極值水位,僅用短期實測數(shù)據(jù)便能求出極值水位,基于此,我國的方國洪等[1]對聯(lián)合概率法進行改進,提出了條件分布聯(lián)合概率法計算極值水位。但聯(lián)合概率方法和條件分布聯(lián)合概率方法在計算極值水位時都忽略了海平面長期變化對極值水位的影響。Marcos和Rohmer[8]研究表明,隨著海平面上升,百年一遇的極值水位至少會縮短至50 a一遇。此外,研究表明,較長時間段內(nèi)(比如50 a或者100 a)平均水位的長期變化也會對該時間段內(nèi)的極值水位有一定的貢獻[9-11]。因此在估計50 a一遇或者100 a一遇的極值水位時應當考慮海平面的變化以及平均水位的長期變化。

由溫室效應產(chǎn)生的全球氣候變暖將引起海平面上升,對沿海國家和地區(qū)居民、財產(chǎn)及生態(tài)系統(tǒng)的安全造成巨大的威脅。IPCC(Intergovernmental Panel on Climate Change)第五次氣候評估報告中用典型濃度路徑(Representative Concentration Pathway,RCP)來代表不同濃度的溫室氣體排放情景,按由低至高分別為RCP2.6、RCP4.5、RCP6.0和RCP8.5的四種情景,分別對不同情景下的海平面上升做出了預測[12-14]。

基于我國沿海10個驗潮站資料,將利用皮爾森Ⅲ型(P-Ⅲ)模型探討不同RCP情景下海平面上升對我國沿海地區(qū)極值水位重現(xiàn)期的影響,以期為我國沿海地區(qū)未來的海岸工程建設和防洪、防潮等海洋工程的建設提供參考,以更好地應對全球氣候變化。

1 研究區(qū)域與數(shù)據(jù)來源

為了更準確地計算中國沿海的極值水位重現(xiàn)期的變化,本文選取了葫蘆島、秦皇島、青島、連云港、長涂、坎門、廈門、汕尾、北海及東方共10個驗潮站的資料,各驗潮站較為均勻地分布于我國渤海、黃海、東海和南海四個海區(qū)(圖1),各站點數(shù)據(jù)的時間間隔均為1 h,但數(shù)據(jù)的時間范圍及各驗潮站所代表的潮汐類型各有不同(表1)。本文選取的站點具有較好的代表性,如汕尾站是南海受陸架影響較大的代表站點,東方站則是南海開闊海區(qū)的代表站點,北海站是北部灣沿岸的代表站點,廈門站則是臺灣海峽的代表站點。此外,Santamaria和Vafeidis[15]指出不同的潮汐類型會對極值水位產(chǎn)生不同的影響,因此各驗潮站的潮汐類型也涵蓋了規(guī)則半日潮、規(guī)則全日潮、不規(guī)則半日潮和混合全日四種類型。

圖1 中國沿海地區(qū)10個驗潮站的位置Fig.1 Locations of the 10 tide gauge stations along the coast of China

表1 10個驗潮站數(shù)據(jù)年份與潮汐類型Table 1 Data period and tidal type of the 10 tidal stations

采用的海平面上升數(shù)據(jù)是基于CMIP5(Coupled Model Inter-comparison Project Phase 5)并結合溫室氣體排放得到的。4種RCP情景(RCP2.6,RCP4.5,RCP6.0和RCP8.5)下2050年和2100年的未來海平面上升值如表2所示[12-14]。

表2 不同RCP情景下海平面的上升值[12-14]Table 2 Sea level rise under different RCP scenarios cm

2 研究方法

為研究不同RCP情景下海平面上升對中國沿海地區(qū)極值水位重現(xiàn)期的影響,首先需要得到RCP情景下的極值水位,其次再利用皮爾森Ⅲ型(P-Ⅲ)模型對極值水位重現(xiàn)期進行預測。RCP情景下的極值水位(Scenario Extreme Water Level,SEWL)被定義為未來海平面上升(Sea Level Rise,SLR)與當前極值水位(Current Extreme Water Level,CEWL)的結合。

2.1 天文高潮的計算方法

本文將潮汐采用調(diào)和分潮表示式:

式中,t為時間,f為交點因子,i代表分潮,H和g為調(diào)和常數(shù)即振幅和遲角,ω為分潮角速度,V為分潮初相角,u為相角的交點訂正。

驗潮站的實際潮位由天文潮位和非天文潮水位兩部分組成,非天文潮水位主要是風暴引起風暴增水。本文參考方國洪等[1]提出的天文潮位與非天文潮位分離方法將實際潮位分離得到天文潮和風暴增水兩部分。首先對驗潮站的資料逐年進行調(diào)和分析求出該驗潮站各年的潮汐調(diào)和常數(shù),再利用各年的潮汐調(diào)和常數(shù)對應后報各年的天文潮位,最后將后報的天文潮組成一個長時間序列并取最大值即為天文高潮,將驗潮站的實際潮位減去天文潮位即可得風暴增水的值。例如,葫蘆島潮位數(shù)據(jù)的時間范圍為1960—1986年,該潮位由天文潮和非天文潮位組成,要得到葫蘆島1960—1986年的天文潮的做法是:先對1960年的數(shù)據(jù)進行調(diào)和分析,得到1960年的潮汐調(diào)和常數(shù),再后報出1960年的天文潮;依次類推,分別得到1961年和1962年直到1986年的每年的天文潮,最后將每年的天文潮按時間先后排列得到1960—1986年的天文潮。之所以用每年分析所得潮汐調(diào)和常數(shù)后報當年潮汐,而不用多年平均潮汐調(diào)和常數(shù)后報,是因為實際上各年分析所得潮汐調(diào)和常數(shù)有一定變化,用當年分析結果后報有利于更好消除潮汐部分的影響[1]。

2.2 風暴增水累積概率分布

從每個驗潮站的觀測時間序列數(shù)據(jù)中減去天文潮位便可得到風暴增水。每年的風暴增水年最大值構成一個風暴增水極值序列,利用該序列在P-Ⅲ模型的基礎上擬合概率分布函數(shù),依次得到所有觀測站的風暴增水極值曲線。

f(x)是P-Ⅲ的概率密度函數(shù):

式中,Γ(α)為Gamma函數(shù);x為風暴增水值;α,β和α0為形狀、尺度和位置參數(shù)其中,為風暴增水的平均值,Cv和Cs分別為分散系數(shù)和偏態(tài)系數(shù),Cv=為驗潮站數(shù)據(jù)時間序列的長度;Cs/Cv的值在每個站都是恒定的。

極值水位發(fā)生的概率p的計算公式為

式中,x p為在特定的p下的風暴增水極值,F(x)為風暴增水的累積概率分布函數(shù)。

2.3 CEWL和SEWL的累積概率分布

當前極值水位(CEWL,g p)指風暴增水極值與天文高潮相疊加的水位,計算方法為

式中,t為天文高潮的高度,F(g)為CEWL的累積概率分布函數(shù)。

氣候變化和海平面上升對風暴潮的強度和發(fā)生頻率都可能產(chǎn)生影響,但是這種影響目前很難定量化,因此在一些氣候變化背景下的風暴潮相關研究中,通常假設風暴潮強度和發(fā)生頻率在統(tǒng)計上是不變的[17-19]。本文采取類似的做法,我們認為在各RCP情景下,風暴潮的強度和發(fā)生的頻率是不變的,即不考慮氣候變化和海平面上升對風暴潮強度和發(fā)生頻率的影響。因此,RCP情景下的極值水位(SEWL,h p)可以認為是當前極值水位和不同RCP情景海平面上升高度的線性疊加,即:

式中,r為海平面上升的高度,F(h)為SEWL的累積概率分布函數(shù)。

2.4 極值水位重現(xiàn)期的計算方法

通常來說,極值水位的重現(xiàn)期是沿海風險評估與國防決策的重要指標。計算極值水位的重現(xiàn)期T公式為:T=1/p。

3 結 果

3.1 各驗潮站的天文高潮

利用調(diào)和分析法對所搜集的驗潮站資料進行處理,計算出本研究選取的10個驗潮站的天文高潮值,如圖2所示。結果表明:10個站的天文高潮值為94～326 cm,平均值為232 cm。其中廈門站的天文高潮值最大,為326 cm;秦皇島站的天文高潮值最小,為94 cm。不同驗潮站所處海區(qū)的地形差異是引起天文潮高度差異的重要原因。

圖2 10個驗潮站的天文高潮高度Fig.2 High tidal heights recorded at the 10 tide gauge stations

3.2 風暴增水的累計概率分布

將長期觀測記錄的水位數(shù)據(jù)減去調(diào)和分析得到的天文潮數(shù)據(jù)后得到的風暴增水數(shù)據(jù)擬合到P-Ⅲ模型,可得風暴增水的累計概率分布曲線,如圖3所示。由圖3可知,當p=0.01%時,連云港站的風暴增水極值最大,為313 cm;坎門站次之,為295 cm;東方站最小,為192 cm。當p=99.9%時,連云港站的風暴增水極值最大,為90 cm;廈門站次之,為79 cm;東方站最小,為41 cm。這表明本研究中使用的站點之間的累積概率分布曲線存在明顯差異。利用圖3的數(shù)據(jù),我們可以求得極端風暴增水的重現(xiàn)期,如表3所示。

圖3 驗潮站記錄的風暴增水累積概率分布曲線Fig.3 Cumulative probability distribution curves for the storm surges recorded at the 10 tide gauge stations

Katherine等[20]指出,沿海水位是由確定性(如天文潮)和隨機性過程(如波浪、風暴潮和海平面異常)共同驅(qū)動產(chǎn)生的。每個過程對水位的貢獻取決于氣候和地質(zhì)的區(qū)域差異,以及海灘形態(tài)、海岸方向和大陸架水深的局部尺度變化。中國沿海海岸線較長,所研究的10個驗潮站的地理環(huán)境有差異,受到不同的水文與氣象環(huán)境因素影響,故各個驗潮站的風暴增水極值不同。由表3可以看出,當風暴增水極值重現(xiàn)期為100 a時,本研究中的風暴增水116～202 cm,其中連云港站百年一遇的風暴增水極值最大,為202 cm;東方站的最小,為98 cm。

表3 代表性重現(xiàn)期的風暴增水極值Table 3 Storm surge extreme values corresponding to representative recurrence periods cm

3.3 研究站位的CEWL和SEWL累積概率分布

將每個驗潮站的風暴增水的最大值分別與其天文高潮相結合,疊加的高度數(shù)據(jù)擬合到P-Ⅲ模型,可以得到當前極值水位的累計概率分布曲線,如圖4所示。由圖4可知,所有驗潮站的當前極值水位累計概率分布曲線和風暴增水累計概率分布曲線相比均增加。當p=0.01%時,坎門站的當前極值水位的極值最大,為626 cm;廈門站次之,為625 cm;汕尾站最小,為324 cm。當p=99.9%時,廈門站的當前極值水位的極值最大,為425 cm;坎門站次之,為383 cm;秦皇島站最小,為160 cm。

圖4 10個潮汐站的CEWL累積概率分布曲線Fig.4 Cumulative probability distribution curves for the CEWLs at the 10 tide gauge stations

將不同RCP情景下的海平面上升高度值疊加到當前極值水位,疊加的高度數(shù)據(jù)擬合到P-Ⅲ模型,可得到不同RCP情景下極值水位發(fā)生的概率。以汕尾站和坎門站為例,分析2個站在4個RCP情景下(每個RCP中最低值、平均值和最高值三個級別)2050年和2100年極值水位發(fā)生的概率以說明海平面上升對極值水位的影響,結果如圖5所示。為了體現(xiàn)海平面上升對極值水位重現(xiàn)期的影響,當前極值水位累計頻率概率曲線也包括在圖5中。由圖5可知:海平面上升導致相同概率下RCP情景下的極值水位顯著高于當前極值水位;4種RCP情景相比,相同概率下RCP8.5的極值水位最高,RCP4.5和RCP6.0次之,RCP2.6情景下的極值水位最低;相同概率下2100年的RCP情景下極值水位顯著高于2050年的RCP情景下極值水位。

利用單一的RCP情景下極值水位發(fā)生的概率可以估算出其極值水位與其相應的重現(xiàn)期。以汕尾站為例:RCP4.5情景下,2050年的極值水位為210～350 cm,到2100年極值水位增加為240～390 cm。同樣,在RCP8.5情景下,2050年的極值水位為220～360 cm,2100年極值水位增加到240～410 cm。

圖5 4個RCP情景下的坎門站和汕尾站的SEWL頻率曲線Fig.5 SEWLs for Shanwei and Kanmen Stations under the four RCP scenarios

3.4 海平面變化下重現(xiàn)期的變化

不同程度的海平面上升對極值水位的重現(xiàn)期影響也不一樣。本文計算了從當前極值水位到RCP情景下極值水位重現(xiàn)期的變化,并且對比了相同極值水位下當前極值水位重現(xiàn)期與RCP情景下極值水位的變化,如表4所示。由表4可以看出,隨著海平面的上升,RCP情景下極值水位的重現(xiàn)期相比于當前極值水位重現(xiàn)期會顯著縮短,2100年的下降趨勢比2050年更為顯著。在RCP8.5(高水平)情景下,當前極值水位重現(xiàn)期為50 a的水位在2050年將變?yōu)? a一次,到2100年將會變?yōu)? a一次。同樣,當前極值水位重現(xiàn)期為100 a的水位在2050年將變?yōu)?7 a一次,到2100年將會變?yōu)? a一次。對于當前極值水位重現(xiàn)期為1000 a的水位在2050年將變?yōu)?72 a一次,到2100年將會變?yōu)?5 a一次。此外,其他RCP情景下的不同3個級別的重現(xiàn)期變化也將顯著縮短,這意味著隨著海平面的上升,重現(xiàn)期較長的極值水位將更加頻繁地發(fā)生。

表4 SEWL的平均重現(xiàn)期Table 4 Averaged recurrence periods of the SEWLs a

4 結 論

將未來的海平面上升高度與當前極值水位相結合,通過P-Ⅲ模型重新計算極值水位,并計算其重現(xiàn)期,將當前極值水位的重現(xiàn)期與RCP情景下極值水位的重現(xiàn)期進行對比,分析海平面上升對極值水位重現(xiàn)期的影響。以中國沿海為例,研究結果表明:由于氣候變化引起的海平面上升,極端水位的重現(xiàn)期明顯縮短;具體來說,當前極值水位和RCP情景下極值水位在不同時間尺度的RCP情景和每個RCP情景中的水位之間的變化表明了海平面上升對極值水位的變化有顯著的影響。重現(xiàn)期在RCP8.5情景下縮短最為顯著;例如,對RCP8.5下的高水平的預測,即使是目前概率很低的當前極值水位千年一遇事件,在RCP8.5(高水平)情景下2050年將會變成172 a一遇;這表明由海平面上升導致的極值水位重現(xiàn)期的顯著縮短將會使沿海地區(qū)的風險將顯著增加。

本文計算極值水位的方法仍有一些可以改進的地方,在計算RCP情景下極值水位時使用的海平面上升數(shù)據(jù)為全球海平面上升高度數(shù)據(jù),由于海平面上升的全球分布在空間上是不均勻的,在研究特定區(qū)域的極值水位重現(xiàn)期受海平面上升的影響時,使用特定海域的海平面上升數(shù)據(jù)能夠得到更為精確的結果。