基于ADCIRC-SWAN耦合模式的山東海洋牧場近30年風暴潮和海浪災害特征分析

杜照鈞, 王延平, 毛新燕

基于ADCIRC-SWAN耦合模式的山東海洋牧場近30年風暴潮和海浪災害特征分析

杜照鈞, 王延平, 毛新燕

(中國海洋大學 海洋與大氣學院, 山東 青島 266100)

基于ADICRC-SWAN耦合模式, 文章模擬了山東半島1985—2017年的61場風暴潮過程, 研究了佳益、明波、富瀚3個海洋牧場的增水與有效波高的分布特征。通過分析3個海洋牧場的風暴增水與有效波高的年極值序列得出, 臺風風暴潮發生次數最多, 但強度沒有明顯的規律; 溫帶氣旋頻率最低, 但引起的平均增水較高。寒潮引起的風暴潮主要在明波海洋牧場形成高增水, 同時在佳益海洋牧場形成大浪。以年極值序列為基礎, 利用Gumbel極值分布計算了出3個海洋牧場的百年一遇增水與有效波高, 增水在明波最高, 在佳益最低, 而有效波高則相反。進一步考慮波高與增水的聯合概率分布, 佳益海洋牧場的百年一遇有效波高在增水為50 cm時降低至6.5～7.1 m, 在增水150 cm的情況再降至3.9～4.6 m; 富瀚海洋牧場的波高在50 cm增水條件下降幅比較明顯, 在水位增加到150 cm時變化不大, 都在2.6～3.2 m; 明波海洋牧場在增水為0, 50 cm和150 cm時的波高在1.9～2.8 m, 與考慮單變量極值情況差別不大。模擬結果對海洋牧場的風暴潮防災減災工作有一定參考價值。

風暴潮; 波高; 災害性分析; 海洋牧場; 耦合模式

海洋牧場是指將人工放流的魚、貝、藻等海洋生物聚集起來, 進行有計劃地放養的人工漁場[1]。相比傳統漁場, 海洋牧場能夠根據特定區域的海洋生態系統特征, 實現生物棲息地養護優化與生物有機養殖增殖。自曾呈奎院士于1981年提出“海洋農牧化”建設海洋牧場以來, 截至2018年, 中國山東半島已經創建了省級國家海洋牧場83處, 累計投放人工魚礁1 600多處, 海洋牧場建設面積達6萬余公頃[2]。山東半島位于中國北部沿海, 為典型的東南亞季風氣候, 會受到南上的熱帶氣旋、北下的寒潮冷空氣與東移的溫帶氣旋等天氣系統的影響[3]。研究山東海洋牧場的風暴潮災害特征, 對于發展海洋牧場的災害預警與災害評估模型, 保障海洋牧場的水產養殖、旅游觀光產業正常運轉具有現實的指導意義。

風暴潮是由強烈的大氣擾動(如強風或氣壓驟變等)引起的平均海平面異常升高或降低現象[4]。風暴潮災害是對中國近海環境危害最嚴重的海洋災害之一。前人對風暴潮災害特征做了不少統計研究, 例如渤海區域寒潮型風暴潮發生的頻率最大, 溫帶氣旋型風暴潮發生頻率最少[5]; 同時不少學者利用各類數值模式, 結合極值分布規律計算中國近海的多年一遇風暴增水與浪高[6-7]。Li等人[6]分析了百年重現期下中國近海的極端浪高, 表明中國近海的浪高一般在7 m以下, 并且沿向北與向岸方向減少, 東向與東南向的浪高顯著大于其他方向, Wang等人[7]得出渤海沿岸的增水在200～400 cm之間,并根據增水超過100 cm的概率認為萊州灣南側在風暴潮災害中受災最為嚴重。部分學者嘗試量化風暴潮過程中波浪與增水的相互作用, Marsooli和Lin[8]認為波浪與增水的非線性相互作用對普通風暴潮增水的影響在–35～+31 cm之間, 對于增水超過200 cm的極端風暴潮影響會有所下降, 但Idier等認為非線性相互作用對增水的影響可以達到100 cm以上[9]。基于風暴潮的災害特征, 許多沿海城市采取了眾多有效的防災減災措施[10], 例如以多年一遇極值水位為參考提高工程設計水位的標準、加固海堤以抵抗風暴潮過程中海浪對堤壩的破壞, 再者限制重要產業在沿海風暴潮高風險區的發展等等。

明波、佳益、富瀚海洋牧場分別在山東半島的西北部、北部和南部(圖1), 從地理位置來看, 明波海洋牧場位于萊州灣灣頂, 三面均被陸地環繞, 具有明顯的“內凹”特征, 受風浪影響較小; 佳益海洋牧場離岸稍遠, 四面環海, 周圍僅有小型島嶼; 富瀚海洋牧場則介于兩者之間, 西北側為陸地而東南側為開闊的海洋, 屬于半開放的環境。

圖1 山東半島近海水深分布

注: 紅星標注三個海洋牧場的位置

三個海洋牧場的地理區位具有較強代表性, 可為山東半島其他地理位置相似的海洋牧場提供參考, 因此本文以這3個海洋牧場為研究對象, 利用ADCIRC- SWAN耦合模式模擬了1985—2017年臺風、溫帶氣旋和寒潮等影響到山東半島的風暴潮增水和海浪動力災害過程。在此基礎上, 結合Gumbel極值分布與考慮波高、風暴增水的二維聯合概率分布模型, 對山東海洋牧場的增水與浪高等災害性特征進行深入分析, 為海洋牧場的災害風險評估提供參考。

1 模型與方法

1.1 模型配置

針對山東海洋牧場, 本文建立了一個覆蓋整個黃渤海區域的ADCIRC-SWAN浪流耦合模式[11](圖2), 計算區域為31.0°N ～ 41.2°N, 117.0°E ～128.0°E, 模式分辨率在開邊界處為10 km, 在向岸過程中以山東半島為中心逐漸提高, 最終在近岸達到200 m(山東半島沿岸)至3 km(其他岸線位置), 模式在3個海洋牧場的分辨率均為200 m, 保證精度能夠滿足研究需要。模式的水深與岸線數據使用韓國成均館大學測深和地形數據庫[12], 開邊界采用俄勒岡州立大學潮汐預測軟件OTPS(OSU tidal prediction software)提供的8個分潮(M2、S2、K1、O1、N2、K2、P1、Q1)進行水位強迫。模式從靜止啟動, 計算步長為10 min, 而耦合模塊間交換數據的時間間隔為30 min。

1.2 風場數據

本文共選擇了從1985—2017年的61場風暴潮過程, 包括33場臺風, 18場寒潮以及10場溫帶氣旋過程。其中臺風過程根據溫州臺風網(http://www.wztf121.com/)顯示的歷史臺風路徑是否經過黃渤海而確定, 寒潮和溫帶氣旋過程依據每年的《中國海洋災害公報》[13]確定, 并參考《中國溫帶風暴潮災害史料集》[14]加以區分。模式中使用的臺風路徑與中心氣壓由中國氣象局的最佳路徑數據集(China Meteoro-logical Administration tropical cyclone database)提供。之后利用Jelesnianski圓形臺風模型生成臺風風場[15]。寒潮與溫帶氣旋過程的風場數據來自于歐洲氣象中心(European Centre for Medium Range Weather Forecasts, ECMWF, https://apps.ecmwf.int/ datasets/)的再分析數據集[16]。

圖2 模擬區域及計算網格

注: 1至10號黃色三角形分別是大連、葫蘆島、秦皇島、曹妃甸、塘沽、東營、北煌城、龍口、煙臺和青島驗潮站

1.3 Gumbel分布與聯合概率分布

當數據的時間長度足夠長時, 將海洋增水、波高等水文變量按從小到大排列, 對應的極值分布規律服從于Gumbel型極值分布函數[17]:

式中,為設計概率,、為分布參數, 可用多種參數估計方法進行估計, 其中矩法估計便是使用變量極值序列的平均值、標準差計算得到上述分布參數, 較為簡便, 歷來多有采用[17]:

=1.282 6/, (2)

=–0.577 2/. (3)

記重現期=1/, 化簡后可得設計概率所對應的特征值X為[18]:

X=–{–ln[–ln(1–)]}/+. (4)

記1、2為有效波高s大于1、增水大于2的概率, 則兩者同時發生的聯合概率為:

其中為變量之間的相關系數。當固定設計概率與增水或波高其中一項后, 即可獲得剩余一項在特定重現期下對應的特征值, 3.3節將增水條件設置為50 cm和150 cm后, 計算得到了對應條件下百年一遇的波高值。

2 模型驗證

2.1 潮汐驗證

準確模擬天文潮汐是模擬風暴潮的基礎, 本文對比了山東半島周圍4個驗潮站在2003年10月的模擬水位與潮汐表[19]實測水位的時間序列, 模擬結果能清楚顯示出驗潮站的大小潮循環以及煙臺的規則半日潮、塘沽的不規則半日潮及秦皇島的全日潮等特征(圖3)。四個站點模擬潮位的均方根誤差分別為28.2 cm、38.7 cm、9.5 cm及37.8 cm。結果表明模式對潮汐的模擬是準確的。

圖3 2003年10月不同驗潮站的模擬水位(紅線)與實測水位(黑點)對比

注: 起始時間是2003年10月1日0時

2.2 風暴增水驗證

為了評價模式在不同天氣過程中的模擬表現, 本文選取了多場風暴潮過程進行模擬, 并結合驗潮站的實測水位資料加以驗證。根據風暴潮過境速度的不同, 驗潮站的水位資料長度在3～5 d不等, 時間分辨率為1 h。

篇幅所限, 本文僅展示1985年9號臺風、1996年7月的溫帶氣旋過程、2005年9號臺風和2009年4月的強寒潮過程等四場風暴潮的模擬結果, 除了1996年的溫帶氣旋外, 其余三場風暴潮均在渤、黃海各挑選了一個站位進行驗證(圖4)。其中1985年9號臺風在塘沽模擬的最大增水為144 cm, 與實際最大增水相對誤差為–3.85%, 在青島的模擬最大增水為111.9 cm, 與實際最大增水的相對誤差為+24.61%; 1996年7月的溫帶氣旋在葫蘆島與塘沽的模擬最大增水與實際水位相對誤差分別為–4.29%和–11.07%; 2005年9號臺風在龍口和煙臺模擬的增水相對誤差分別為+12.11%及–3.33%。2009年4月的寒潮過程在曹妃甸與煙臺模擬的最大增水分別為112 cm和58 cm, 與實際的相對誤差為–10.11%與–19.44%。八場模擬風暴潮中, 三場模擬增水極值出現時間與實際基本一致(b、e、g), 其余的站點增水極值與實際觀測有一定相位差, 但誤差均在4 h以內, 八場風暴潮的模擬曲線與實際增水曲線的相關系數在0.75至0.94之間(表1), 除了1996年7月溫帶氣旋在塘沽站的置信度檢驗結果為90%外, 其余站位均通過了95%的置信度檢驗, 表明模式增水結果與實際觀測吻合較好。

圖4 四場風暴潮過程的模擬增水(藍色實線)與實測增水(紅色虛線)對比

表1 不同風暴潮過程中驗潮站的最大增水與最大有效波高驗證結果表

2.3 風暴浪驗證

實際觀測中, 風暴潮過程的海浪數據較少, 本文只呈現山東半島北部站位在三場風暴潮過程的數據, 分別為2011年8月的溫帶氣旋過程、2014年10號臺風與2015年9月底的寒潮過程。觀測數據為東營、北煌城、龍口站連續6 d的逐時有效波高序列。

由圖5可知, 2011年8月的溫帶氣旋過程在北煌城與東營的最大有效波高與實測波高的相對誤差為–2.92%及+8.89%; 2014年10號臺風過程中, 北煌城站的模擬最大有效波高與實測一致, 東營站的模擬結果相對誤差為+15.78%, 模擬有效波高極值出現的時間均比實際稍有延遲; 在2015年9月底的寒潮過程中, 東營站與龍口站的模擬最大有效波高分別為3.3 m及3.0 m, 與實際觀測的相對誤差分別是+26.92%和+11.48%, 兩站模擬的最大有效波高出現時間與觀測吻合較好, 相差不超過1 h。上述站點模擬與實測曲線的相關系數均在0.88以上(表1), 且全部通過95%的置信度檢驗。

圖5 三場風暴潮過程的模擬有效波高(藍色實線)與實測有效波高(紅色圓點)對比

綜合2.2及2.3的結果(表1)可知, 除個別站點外, 模式模擬的風暴增水與浪高極值相對誤差都在20%以內, 而且過程曲線與實際相比均呈現出較強的相關性, 說明模式能夠重現山東半島海域各類風暴潮過程的增水與波浪變化的主要特征。

3 結果與分析

3.1 最大增水與對應有效波高時間序列

基于模擬的61場風暴潮過程, 本文首先按如下規則確定了山東半島每年最大的風暴潮: 對于一年中有多場風暴潮的情況, 統計當年每場風暴潮在山東半島近海(圖2藍色網格范圍內)產生的極值水位, 以極值水位最大的場次作為當年山東半島最大的風暴潮。之后根據該場風暴潮在3個海洋牧場處引起的最大增水, 可構成三組1985—2017年最大風暴增水的時間序列(圖6)。結果顯示在這33年間, 有15個年份的最大風暴潮增水是由臺風風暴潮造成的(如1985年、1997年), 14個年份由寒潮造成(如1992年、1993年), 余下的1988年、1994、2008及2013的最大風暴增水由溫帶氣旋造成, 表明對山東半島影響較大的風暴潮過程主要由臺風與寒潮引起。臺風侵襲山東半島的次數雖多, 但強度參差不齊, 而且臺風在從低緯度向北行進過程中伴隨能量損耗, 同時受到移動路徑、海表溫度等多個條件制約, 待到達山東半島時強度變弱, 引起的風暴潮致災嚴重的場次比較少; 而秋冬季節自亞歐大陸高緯度南下的高壓冷空氣與渤黃海上方的暖氣團交匯震蕩, 暴發出的寒潮強度較高[20], 因此更易在山東半島近海造成超越臺風風暴潮的水位, 1985—2017年間渤黃海區域共發生18場寒潮風暴潮, 其中有14場是當年增水最大的風暴潮。

根據《海洋災害重點防御區劃定技術導則》給出的風暴等級劃分標準[21], 明波海洋牧場較大增水等級以上(大于150 cm)的10場風暴潮中, 寒潮與臺風引起的風暴潮各有4場。而其他2個海洋牧場, 增水超過中等增水等級(大于100 cm)的風暴潮, 是臺風與溫帶氣旋引起的。寒潮造成的增水主要集中在渤海灣與萊州灣地區, 因此佳益與富瀚的增水普遍不高, 基本不超過50 cm。

不同天氣過程的平均增水(表2)顯示, 明波海洋牧場的增水是3個海洋牧場中最高的, 富瀚和佳益海洋牧場的增水大致相等, 但特征不同: 對于從南向北行進的臺風過程, 位于南側的富瀚增水要稍大于佳益, 而對于從北部南下的寒潮過程, 緯度更高的佳益增水明顯大于富瀚。

圖6 三個海洋牧場的逐年最大風暴增水時間序列

注: 符號表示引起最大風暴增水的天氣類型: 方形為臺風, 三角為寒潮, 菱形為溫帶氣旋

表2 不同天氣類型下的3個海洋牧場的平均增水

與統計得到風暴增水的年最大值的長時間序列類似, 也可以得到3個海洋牧場范圍內的最大有效波高的時間序列(圖7)。明波海洋牧場平均有效波高最小, 均不超3.0 m。佳益海洋牧場受3種天氣過程影響都能產生較大的有效波高, 但以寒潮過程的影響尤為明顯, 有效波高超過4.0 m的16個年份中, 有8年是寒潮過程中產生的。除此之外, 14場寒潮過程中, 有12場佳益的有效波高要比其余兩地高1.0 m以上。而富瀚海洋牧場有效波高超過4.0 m的場次均是臺風過程, 寒潮過程的影響很弱, 有效波高不超過3.0 m。

3.2 百年一遇水位及有效波高分布

海面的增水是強烈的大氣擾動及與天文潮非線性耦合共同作用產生的, 其多年的極值分布規律服從于Gumbel型極值分布函數[17]。對于3.1中獲得的33個年份的增水極值, 按公式(4)可計算得出海洋牧場的百年一遇風暴潮增水(圖8)。

圖7 三個海洋牧場的逐年最大有效波高時間序列

山東半島近海百年一遇增水分布總體呈現“近岸大、遠岸小”的分布趨勢, 等值線與岸界平行, 高增水區主要集中在近岸一側, 特別地, 內凹的岸線地形利于海水堆積, 故能夠產生極高的增水, 如萊州灣灣頂、海州灣和膠州灣等海區的增水均可超過300 cm, 在向外海變化過程中, 增水逐漸下降到170 cm; 在南黃海中部離岸較遠, 增水一般不超過100 cm。

明波海洋牧場的百年一遇增水要比其他兩個海洋牧場高出100 cm左右, 而富瀚的增水要稍高于佳益。具體來說, 明波海洋牧場位于萊州灣內部, 整體增水偏高, 東南側的增水超過310 cm, 西北角的增水也有290 cm; 而佳益位于海峽南部, 離陸地相對較遠, 牧場周邊增水在178 cm左右, 波動不超過2 cm; 考慮到災害性海浪會毀壞海洋牧場內的海岸工程與養殖設施, 產生嚴重經濟損失, 我們也利用Gumbel分布(公式4)計算了3個海洋牧場百年一遇的有效波高(圖9)。

圖8 三個海洋牧場在100年重現期下的風暴增水分布

一般來說, 風浪自深海傳播至近岸過程中, 隨著水深變淺, 能量集中, 波高會變大, 但海浪的成長受風區與風時的共同作用, 陸地的阻擋也會阻止風浪成長, 此外, 波浪在向近岸傳播的過程中, 由于水深變淺和低摩擦等作用, 波高和波陡增大, 到達極限后發生破碎, 導致波高迅速減少, 因此近岸有效波高較小, 海區中部的有效波高較大, 有效波高的分布與增水的分布呈現出相反的趨勢, 但是兩者的等值線分布都與岸界吻合較好。在離岸界最近的區域, 百年一遇有效波高最小為2.0 m, 一般在3.0～5.0 m之間, 但是隨離岸距離稍遠, 有效波高可迅速增長到9.0 m以上。因此相對開闊的佳益海洋牧場的百年一遇有效波高是3個海洋牧場中最高的, 波高普遍在7.0 m以上, 大浪區集中在牧場東、北側, 最大值為7.4 m; 而位于萊州灣內的明波海洋牧場有效波高明顯偏小, 不超過3.0 m, 其東北側有陸地阻擋, 有效波高甚至不到2.0 m。富瀚海洋牧場雖不在海灣之內, 但西北側靠近陸地, 有效波高也要遠低于外海, 介于4.0 m與6.0 m之間。

圖9 三個海洋牧場在100年重現期下的風暴浪高分布

3.3 固定增水下有效波高分布

從3.1及3.2中的分析可發現, 多年一遇增水高值區域與波高較大區域并不完全吻合。為了克服單純使用增水或浪高來判別災情的不足, 使用聯合概率分析并進行聯合重現期的推算是很有必要的[22], 本文分別計算了一般風暴增水等級(50 cm)和較大風暴增水等級(150 cm)情形下百年一遇有效波高分布(圖10)。

由圖10可以發現, 聯合概率分析能很好地保留原有的波高分布規律, 無論是50 cm還是150 cm增水的情況下, 各海洋牧場的大浪區并沒有明顯變化。隨著風暴增水逐漸變大, 考慮增水與波高的聯合效應后, 增水對波高的制約程度隨增水高度增加而逐漸加強。其中受影響最大的是佳益海洋牧場, 只考慮波高的單變量極值時, 佳益海洋牧場的最大有效波高可達7.4 m, 當增水為50 cm時, 佳益海洋牧場的有效波高降低至6.5～7.1 m, 而當增水為150 cm時, 佳益海洋牧場內有效波高則降至3.6～4.3 m; 相比之下, 考慮聯合效應對明波與富瀚海洋牧場的波高影響較小, 當增水為50 cm時, 明波海洋牧場的波高分布與考慮單變量極值時的分布基本一致, 富瀚海洋牧場的波高僅在外海出現較為明顯的減幅, 在近岸處小幅下降至3.2 m; 而在150 cm增水的情況下, 兩處海洋牧場的波高與50 cm情況相比幾乎都沒有變化, 僅在東北側近岸海區波高有小幅的下降。

如前文所述, 海水在近岸處堆積, 故增水分布與等深線分布成反比, 波浪在近岸處破碎, 波高分布與等深線分布成正比, 這說明兩者增水與波浪存在一定程度的制約關系, 對于一定的回歸周期, 增水與波高的回歸值的高值中心不總能出現在同一位置。以佳益海洋牧場為例, 開闊的海面條件導致佳益海洋牧場增水較低而波高較高, 在考慮增水與波高的聯合效應時, 對比其余2個海洋牧場, 佳益海洋牧場對增水的變化更為敏感, 其百年一遇的有效波高會率先對增水高度的變化作出響應, 隨增水高度增加迅速下降。因此忽略增水與浪高的相關性, 容易高估多年一遇的有效波高[23]。盡管如此, 波浪與天文潮和增水的耦合作用是一個復雜的動力過程, 除了數理概率統計的方法外, 如何探明波浪與增水的動力作用機制, 量化兩者對彼此的影響, 有待進行更深層次的研究。

圖10 增水為50 cm(上)和150 cm(下)條件下的百年一遇風暴浪高分布

4 結論

本文利用ADCIRC-SWAN耦合模式, 模擬了山東半島1985—2017年的61場風暴潮過程, 得到了山東半島不同地理位置的海洋牧場增水與波高的時空分布規律及多年分布特征。結果表明風暴潮增水在明波海洋牧場最高, 在富瀚和佳益海洋牧場大致相等, 而佳益海洋牧場的海浪最大, 在富瀚海洋牧場稍次之, 在明波海洋牧場最小。

不同天氣過程引起的風暴潮對山東半島的影響也有所不同: 臺風引起風暴潮次數最多, 主要影響明波海洋牧場與富瀚海洋牧場, 但是強度沒有明顯的規律, 最大增水從50～300 cm均有可能。寒潮引起的風暴潮主要在明波海洋牧場形成高增水, 同時在佳益海洋牧場形成大浪。溫帶氣旋引起的風暴潮發生頻率最低, 但在3個海洋牧場都能引起較高增水, 尤其對于富瀚和明波2個海洋牧場, 溫帶氣旋在這2個海洋牧場的平均增水是最大的。

利用Gumbel極值分布, 本文計算了山東半島的百年一遇增水與有效波高, 兩者的分布都受水深與岸界影響, 增水在近岸較高, 在遠岸較低, 而有效波高則相反。利用二維聯合概率分析, 50 cm增水條件下佳益海洋牧場的百年一遇有效波高降低至6.5～7.1 m, 并在150 cm的情況下迅速降低到3.9～4.6 m; 富瀚海洋牧場東南側的波高在50 cm增水條件下降幅比較明顯, 但是在水位增加至150 cm后波高變化不大, 兩者都在2.6～3.2 m之間; 明波海洋牧場在50 cm和150 cm條件下, 百年一遇的波高變都在1.9～2.8 m之間, 與考慮單變量的情況相比差別不大。

基于ADCIRC-SWAN耦合模式的模擬結果, 結合海洋牧場的實際狀況, 本文認為: 萊州灣內的海洋牧場適宜在波高較小的西側外海進行網箱養殖, 減少高增水的影響; 靠近渤海海峽區的海洋牧場適宜在遠岸海域進行水產養殖, 但是應保證網箱錨定物的重量, 以及應選用強度更高的纜繩, 人工魚礁則要盡量選擇水泥塊等密度較大的沉體避免被海浪破壞; 半島南側的海洋牧場風暴增水較小, 無論是開展養殖業還是服務型產業, 風險都比較小, 是優秀的海洋牧場選址地點。

[1] 黃宗國. 海洋生物學辭典[M]. 北京: 海洋出版社, 2002. HUANG Zongguo. Dictionary of Marine Biology[M]. Beijing: China Ocean Press, 2002.

[2] 高曉霞. 山東海洋牧場綜合經濟收入全國居首[J]. 海洋與漁業, 2019(2): 22-23. GAO Xiaoxia. The comprehensive economic income of Shandong marine ranching ranks the first in China[J]. Ocean and Fishery, 2019(2): 22-23.

[3] 袁本坤, 江崇波, 李兆新, 等. 山東省海洋災害特征分析及防御對策探討[J]. 防災科技學院學報, 2012, 14(1): 1-6. YUAN Benkun, JIANG Chongbo, LI Zhaoxin, et al. Cha-racteristic analysis of marine disasters and countermeasures in Shandong Province[J]. Journal of Disaster Prevention Science and Technology Institute, 2012, 14(1): 1-6.

[4] 馮士筰. 風暴潮導論[M]. 北京: 科學出版社, 1982. FENG Shizuo. Introduction to Storm Surge[M]. Beijing: Science Press, 1982.

[5] 王萬筠, 殷海濤, 趙玉潔. 近50年濱海新區風暴潮及強增水個例分析[J]. 天津航海, 2007(2): 66-69. WANG Wanyun, YIN Haitao, ZHAO Yujie. Analysis of storm surge and strong flood in Tianjin’s Binhai New Area in recent 50 years[J]. Tianjin Maritime, 2007(2): 66-69.

[6] LI J X, PAN S Q, CHEN Y P, et al. Numerical estimation of extreme waves and surges over the northwest Pacific Ocean[J]. Ocean Engineering, 2018, 153(1): 225-241.

[7] WANG Y P, MAO X Y, JIANG W S. Long term hazard analysis of destructive storm surges using the ADCIRC- SWAN model: A case study of Bohai Sea, China[J]. International Journal of Applied Earth Observation & Geoinformation, 2018, 73: 52-62.

[8] MARSOOLI R, LIN N. Numerical modeling of historical storm tides and waves and their interactions along the U.S. east and gulf coasts[J]. Journal of Geophysical Research Oceans, 2018, 123(5): 3844-3874.

[9] IDIER D, BERTIN X, Thompson P, et al. Interactions between mean sea level, tide, surge, waves and flooding: mechanisms and contributions to sea level variations at the coast[J]. Surveys in Geophysics, 2019, 40(6): 1603-1630.

[10] CHAN F K S, CHUAH C J, Ziegler A D, et al. Towards resilient flood risk management for Asian coastal cities: Lessons learned from Hong Kong and Singapore[J]. Journal of Cleaner Production, 2018, 187: 576-589.

[11] WESTERINK J J, LUETTICH R A. FEYEN J C, et al. A basin- to channel- scale unstructured grid hurricane storm surge model applied to Southern Louisiana[J]. Monthly Weather Review, 2008, 136(3): 833- 864.

[12] CHOI B H, KIM K O, EUM H M. Digital bathymetric and topographic data for neighboring seas of Korea[J]. Journal of Korean Society of Coastal and Ocean Engineers, 2002, 14(1): 41-50.

[13] 國家海洋局. 中國海洋災害公報[R/OL]. (2018-04-13) [2020-04-15]. http://gc.mnr.gov.cn/201806/t20180619_ 1798021.html.

[14] 于福江, 董劍希, 李明杰. 中國溫帶風暴潮災害史料集[M]. 北京: 海洋出版社, 2018. YU Fujiang, DONG Jianxi, LI Mingjie. Historical records of extratropical storm surges in China[M]. Beijing: China Ocean Press, 2018.

[15] JELESNIANSKI C P. A numerical calculation of storm tides induced by a tropical storm impinging on a continental shelf[J]. Monthly Weather Review, 1965, 93(6): 343-358.

[16] LV X C, YUAN D K, MA X D, et al. Wave characteristics analysis in Bohai Sea based on ECMWF wind ?eld. Ocean Engineering, 2014, 91: 159-171.

[17] GUMBEL E J, MUSTAFI C K. Some analytical properties of bivariate extremal distributions[J]. Journal of the American Statistical Association, 1967, 62(318): 569-588.

[18] 王紅川. 風暴潮增水和臺風浪聯合分布在北侖港中的應用[J]. 水運工程, 2014(3): 51-56. WANG Hongchuan. Application of combined distribution between wave height and set-up induced by storm surge[J]. Port and Waterway Engineering, 2014(3): 51-56.

[19] 國家海洋信息中心. 潮汐表2003第1冊鴨綠江口至長江口[M]. 濟南: 山東省地圖出版社, 2002. National Marine Information Center. Tide tables 2003 volume 1 Yalu estuary to Changjiang estuary[M]. Jinan: Shandong Cartographic Publishing House, 2002.

[20] 史嘉琳. 寒潮過程對黃海海域海氣界面熱動量通量的影響研究[D]. 南京: 南京信息工程大學, 2016. SHI Jialin. Study on the effect of cold wave events on air-sea heat and momentum fluxes in the Yellow Sea[M]. Nanjing: Nanjing University of Information Science and Technology, 2016.

[21] 全國海洋標準化技術委員會. 海洋災害風險評估和區劃技術導則第1部分: 風暴潮: HY/T 0273-2019[S]. 北京: 中華人民共和國自然資源部, 2019: 12.National Technical Committee for Marine Standardization.Technical guidelines for Marine hazard risk assessment and zoning Part 1: Storm surges. HY/T 0273- 2019[S]. Beijing: Ministry of Natural Resources of the People′s Republic of China, 2019: 12.

[22] YUE S, OUARDA T B, BOBEE B, et al. The Gumbel mixed model for flood frequency analysis[J]. Journal of Hydrology, 1999, 226(1): 88-100.

[23] HOPE M E, WESTERINK J J, KENNEDY A B, et al. Hindcast and validation of Hurricane Ike (2008) waves, forerunner, and storm surge[J]. Journal of Geophysical Research: Oceans, 2013, 118(9): 4424-4460.

Hazard analysis of storm surges for marine ranchings in the Shandong Peninsula in the past three decades

DU Zhao-jun, WANG Yan-ping, MAO Xin-yan

(College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China)

In this study, advanced circulation and nearshore wave simulation models were combined to simulate 61 storm surge events from 1985 to 2017 in the Shandong Peninsula. The spatial distribution of surge and significant wave height (SWH) was analyzed in three marine ranchings (Jiayi, Mingbo, and Fuhan). The annual maximum surge and SWH time series revealed that typhoons occur most frequently, but their intensity has no obvious rule. Extratropical cyclones had the lowest frequency of occurrence but caused the greatest average surge. Cold airs primarily caused high surges in Mingbo and large waves in Jiayi. The Gumbel distribution was used to calculate the storm surge and SWH with a 100-year recurrence. The results revealed that Mingbo and Jiayi had the highest and lowest surges, respectively, while the SWH had the oppositedistribution pattern. When the coupled effect of surge and wave height was considered, the SWH of Jiayi decreased to 6.5–7.1 m when the surge was 50 cm and then to 3.9–4.6 m when the surge was 150 cm. The SWH of Fuhan considerably decreased when the surge was 50 cm but only slightly decreased when the surge was 150 cm, with all values ranging from 2.6 to 3.2 m. The SWH of Mingbo was not considerably different regardless of surges of 0, 50, or 150 cm, all ranging from 1.9 to 2.8 m. The simulation results are valuable for disaster prevention and mitigation of storm surges in marine ranching.

storm surge; wave height; hazard analysis; marine ranching; coupling model

Sep. 19, 2020

P731.1

A

1000-3096(2023)6-0001-11

10.11759/hykx20200919001

2020-09-19;

2020-11-13

國家重點研發計劃重點專項(2016YFC1402000)

[National Key Research and Development Program of China, No. 2016YFC1402000]

杜照鈞(1996—), 男, 廣東省佛山人, 碩士生, 主要從事近海物質輸運, E-mail: duzhaojun@stu.ouc.edu.cn; 毛新燕(1982—),通信作者, 山東青島人, 女, 副教授, 主要從事近海物質輸運, E-mail: maoxinyan@ouc.edu.cn

(本文編輯: 楊 悅)