黃海海浪季節(jié)變化的數(shù)值模擬研究

陳國光, 翟方國, 李培良, 劉 曉

(1. 國家海洋局北海環(huán)境監(jiān)測中心, 山東 青島 266033; 2. 中國海洋大學(xué) 海洋與大氣學(xué)院, 山東 青島266100; 3. 山東理工大學(xué) 資源與環(huán)境工程學(xué)院, 山東 淄博 255049)

黃海海浪季節(jié)變化的數(shù)值模擬研究

陳國光1, 翟方國2, 李培良2, 劉 曉3

(1. 國家海洋局北海環(huán)境監(jiān)測中心, 山東 青島 266033; 2. 中國海洋大學(xué) 海洋與大氣學(xué)院, 山東 青島266100; 3. 山東理工大學(xué) 資源與環(huán)境工程學(xué)院, 山東 淄博 255049)

利用第三代海浪數(shù)值模式SWAN, 研究了黃海海浪有效波高的季節(jié)變化特征及相關(guān)的物理過程。結(jié)果表明, 在黃海的大部分區(qū)域, 混合浪有效波高的最大值出現(xiàn)在冬季, 而最小值則基本出現(xiàn)在夏季。北黃海北部和山東半島南岸的近海海域呈現(xiàn)稍微不同的季節(jié)變化, 有效波高的最大值出現(xiàn)在春季。全年4個季節(jié)中混合浪有效波高的空間分布基本一致: 均在濟州島西南最大, 沿黃海中部區(qū)域向北和由中部區(qū)域向近岸區(qū)域逐漸減小。黃海海浪為風(fēng)浪占主, 涌浪有效波高遠小于風(fēng)浪有效波高。在黃海的大部分區(qū)域, 白冠耗散和四波非線性相互作用對黃海海浪的季節(jié)變化均至關(guān)重要; 對于外海區(qū)域,四波非線性相互作用更為重要, 而對于近海區(qū)域, 白冠耗散則影響更大。本研究旨在研究黃海海浪的季節(jié)變化特征及其物理過程, 為進一步探討該海域海浪在其他時間尺度上的變異特征和動力學(xué)過程提供研究基礎(chǔ)。

黃海海浪; 有效波高; 季節(jié)變化

黃海是太平洋西部的一個陸架淺海, 位于我國大陸和朝鮮半島之間, 平均水深約為44 m, 大部分區(qū)域水深淺于100 m(圖1)。黃海海底地形的一個重要特征是在黃海中東部海域存在水深相對較深的黃海海槽。黃海海域主要受東亞季風(fēng)系統(tǒng)控制: 冬季盛行自北向南的強冬季風(fēng), 夏季盛行自南向北的弱夏季風(fēng)(圖7)。

在東亞季風(fēng)系統(tǒng)的控制下, 黃海水動力環(huán)境的空間分布和時間變化均比較復(fù)雜。其中, 海表面波浪的時空分布特征是國內(nèi)外物理海洋學(xué)家科學(xué)研究的重點對象之一。這是因為海浪在研究海洋動力環(huán)境和海氣相互作用等領(lǐng)域有著重要的作用[1-6], 同時海浪還是海洋災(zāi)害[7-9]和新型能源[10-14]的重要來源之一。

到目前為止, 涉及黃海海浪的研究主要集中在以下3個方面:

第一, 數(shù)值模式對黃海海浪的模擬效果研究。梅嬋娟等[15]比較了第三代海浪數(shù)值模式WAVEWATCH和SWAN模式對黃海海浪場的模擬能力, 指出SWAN模式的模擬效果總體優(yōu)于WAVEWATCH模式的模擬效果。李燕和薄兆海[16]和李燕[17]結(jié)合大氣數(shù)值模式, 進一步指出SWAN模式對黃海海域浪高具有較好的模擬和預(yù)報能力。在2011年, 史劍等[18]基于SWAN模式探討了矩形網(wǎng)格和非結(jié)構(gòu)三角形網(wǎng)格對2000年12月黃海海域海浪場的模擬效果, 指出非結(jié)構(gòu)三角形網(wǎng)格的模擬效果更好, 特別是能夠更好地刻畫近海區(qū)域的復(fù)雜地形。通過與衛(wèi)星觀測資料對比, 蔣廷松等[19]指出默認參數(shù)下SWAN模式計算的海浪有效波高較衛(wèi)星觀測值偏小。同時他們修改了模式中的白冠耗散項, 使得SWAN模式在黃海具有良好的穩(wěn)定性和適用性。

第二, 黃海海浪能的時空分布特征。李永博等[20]利用SWAN模式和中尺度大氣數(shù)值模式評估了成山頭局地海域的波浪能資源, 指出其存在顯著的季節(jié)特征, 且外海比近岸區(qū)域豐富。Liang等[12]利用SWAN的模擬結(jié)果分析了我國渤海、黃海和東海海域海浪能的時間變化特征, 指出黃海的海浪能存在顯著的季節(jié)變化: 冬季的海浪能比其他季節(jié)大。Wan等[13]利用多年的衛(wèi)星觀測資料也得到類似結(jié)果。Zheng和Li[14]進一步利用WAVEWATCH-III的模擬結(jié)果分析了我國近海海浪能在1988～2011年的長期趨勢特征, 指出我國近海海浪能在過去20 a多存在顯著的增長趨勢, 且該趨勢存在明顯的季節(jié)差異。

第三, 黃海海浪有效波高的時空分布特征。Cheon等[9]利用海浪數(shù)值模式WAM研究指出臺風(fēng)過程易產(chǎn)生大浪, 并再現(xiàn)了布拉萬臺風(fēng)行經(jīng)黃海海域時產(chǎn)生破紀錄大浪的過程。李訓(xùn)強等[21]利用WAVEWATCH-III的模擬結(jié)果討論了1988～2009年我國近海表面波浪和海面風(fēng)之間的關(guān)系, 指出海面風(fēng)場和海面浪場之間的關(guān)系具有顯著的季節(jié)性, 它們的空間分布在冬季時最為吻合。另外他們指出海浪的有效波高在冬季最大, 于春季最小。該結(jié)果與陳紅霞等[22]的觀測結(jié)果并不一致, 后者指出黃海海域海浪有效波高為冬季最大, 夏季最小。在年際時間尺度上, 鄭崇偉等[23]利用WAVEWATCH-III的模擬結(jié)果指出我國近海波浪有效波高的年際變化與ENSO指數(shù)存在顯著負相關(guān)。在更長時間尺度上, Zheng和Li[14]利用模擬結(jié)果指出, 我國近海海浪有效波高在1988～2011年存在顯著的長期趨勢, 且該趨勢存在季節(jié)差異: 冬季和春季強于夏季和秋季。Zheng等[24]進一步研究了我國近海海浪有效波高長期趨勢的季節(jié)性, 指出冬季最強而秋季最弱。

從上可以看出, 盡管國內(nèi)外物理海洋工作者已經(jīng)通過數(shù)值模式模擬和觀測資料分析對我國黃海海域海浪場的相關(guān)問題進行了大量的研究, 并取得了諸多認識, 但是仍有許多不足。特別是我們對黃海海浪場的時空分布特征及其動力學(xué)過程缺乏足夠的認識?；诖? 本文擬利用第三代海浪數(shù)值模式SWAN來研究黃海海浪有效波高的季節(jié)變化特征和相關(guān)的物理過程。與前人一致, 本文中冬季為12月～來年2月, 春季為3～5月, 夏季為6～8月, 秋季為9～11月。

1 數(shù)據(jù)與方法

1.1 模式選取與設(shè)置

本研究所采用的海浪模式是第三代海浪數(shù)值模式SWAN (Simulating WAves Nearshore)[25]版本41.01。在實際計算中, SWAN采用波作用量(,)Nσ θ來描述隨機海浪場, 并采用如下波作用量平衡方程:

其中右側(cè)各項依次代表海面風(fēng)輸入的能量、四波非線性相互作用傳輸?shù)哪芰俊坠诤纳⒌哪芰?、三波非線性相互作用傳輸?shù)哪芰?、底摩擦耗散的能量、深度誘導(dǎo)破碎的能量。其中后3項主要是在淺水中起作用, 所以可以通稱為淺水過程項。這些淺水過程項極大提高了SWAN模式在淺水海域的模擬能力。我國學(xué)者的大量研究也表明SWAN模式對我國近海的海浪具有較好的模擬能力[11,16,18,26-27]。

為了研究黃海海浪的季節(jié)變化, 模式的計算區(qū)域為: 117°～132°E, 26°～41°N(如圖1所示), 采用全球陸地海洋1′高程數(shù)據(jù)[28]作為模式的地形數(shù)據(jù), 空間分辨率為0.2°×0.2°; 為了更好地模擬涌浪, 頻率的范圍選取為0.04～1.0 Hz, 波向的分辨率取為5°; 計算時間為2009年1月1日00: 00～2015年6月30日00: 00, 模式時間步長為1 h, 每4 h輸出一次結(jié)果,輸出變量包括混合浪有效波高、風(fēng)浪波高、涌浪波高和(2)式中能量源匯的6項。

模式采用的風(fēng)場數(shù)據(jù)來自歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts; ECMWF)Interim大氣再分析資料(下文簡稱ERA-Interim)[29]。該風(fēng)場數(shù)據(jù)包括海表面10 m處的緯向和經(jīng)向風(fēng)速, 空間分辨率為0.25°×0.25°, 時間分辨率為6 h, 時間范圍為2009年1月1日00: 00～ 2015年6月30日00: 00。高志剛等[30]通過對比分析指出ERAInterim與我國沿岸臺站觀測資料具有很好的一致性。

本文首先對黃海的海浪場進行了后報模擬, 模式包含了(2)式中所有物理過程, 用于再現(xiàn)黃海海浪場在過去5 a中的空間分布和時間變化特征。然后進行多組數(shù)值實驗, 以討論不同物理過程對黃海海浪季節(jié)變化的影響。對所有的模擬結(jié)果只選取2009年10月～2015年6月這一時間段進行分析, 這是因為同期有可利用的衛(wèi)星觀測資料。

1.2 模擬結(jié)果與觀測資料對比

為了驗證后報模擬結(jié)果的有效性, 本文采用黃海區(qū)域衛(wèi)星高度計觀測的有效波高數(shù)據(jù)。該觀測數(shù)據(jù)是由多個衛(wèi)星的觀測數(shù)據(jù)融合而成的, 包括GEOSAT, ERS-1, ERS-2, TOPEX, Jason-1, Jason-2, ENVISAT等等, 具體可參看AVISO網(wǎng)站(http: //www. aviso.altimetry.fr/en/home.html)。該數(shù)據(jù)的空間分辨率為1.0°×1.0°, 時間分辨率為1 d; 本文所用數(shù)據(jù)的時間范圍為2009年9月14日～2015年6月30日。前人曾對衛(wèi)星觀測的波浪有效波高與海表面浮標觀測的波浪有效波高進行了廣泛的對比研究, 指出兩者具有很好的一致性[31-34]。

圖1 計算區(qū)域水深(m)分布圖Fig. 1 Bathymetry (m) of the computation region

圖2 比較了衛(wèi)星觀測和模式后報的有效波高。不管是日平均或者月平均的有效波高, 衛(wèi)星觀測和模式后報的結(jié)果之間均存在較好的相關(guān)性。對于日平均的有效波高, 兩者之間的相關(guān)系數(shù)在深水區(qū)比較大, 最大約為0.74(除非特別說明, 本文計算的相關(guān)系數(shù)均高于95%置信水平)發(fā)生在濟州島的西南,然后沿著黃海海槽向北減小; 同時相關(guān)系數(shù)也由深水區(qū)到淺水區(qū)隨著水深的減小而減小。對于月平均的有效波高, 情況略有不同。兩者之間的相關(guān)系數(shù)雖然也是與水深有關(guān), 在深水區(qū)較大而在淺水區(qū)較小,但是其最大值(≈0.93)卻出現(xiàn)在南黃海的中部區(qū)域。然后我們又比較了衛(wèi)星觀測和模式后報的整個黃海區(qū)域平均的有效波高時間序列。其中圖2c和2d分別是區(qū)域平均的日平均和月平均有效波高時間序列。從圖可以看出, 不管是它們的大小還是時間變化,觀測和模擬結(jié)果均吻合一致。圖中日平均和月平均的時間序列之間的相關(guān)系數(shù)分別為0.75和0.93。以上分析說明模式后報結(jié)果較好的再現(xiàn)了黃海海浪在過去五年中的時間變化特征。而對于近岸區(qū)域, 衛(wèi)星觀測和模式后報結(jié)果之間的相關(guān)系數(shù)之所以比較小可能是由于以下兩個原因: 第一, 衛(wèi)星高度計觀測資料在淺水區(qū)域誤差較大, 這個已被很多研究所證實[13,35]; 第二, 根據(jù)后文可知, 近岸區(qū)域有效波高較小, 所以模式后報結(jié)果存在一定誤差。

圖2 衛(wèi)星觀測有效波高與模式后報模擬有效波高的比較Fig. 2 Comparison of the satellite-observed significant wave height with that simulated by the SWAN wave model

2 季節(jié)變化特征

圖3a給出了黃海混合浪有效波高的氣候態(tài)平均分布圖。從圖3a中可以看出, 黃?；旌侠擞行Рǜ叩目臻g分布與地形有很好的一致性: 有效波高在濟州島的西南最大, 約為1.2 m, 而后沿著黃海海槽向北和由深水區(qū)向近岸區(qū)域均逐漸減小。在北黃海, 混合浪的有效波高已減小至0.9 m以下。圖3b展示的是黃海混合浪月平均有效波高的標準差, 可以反映其時間變化的強度。從圖3b中可以看出, 混合浪有效波高標準差的分布和其平均值的分布類似, 最大值出現(xiàn)在濟州島的西南海域, 約為0.17 m左右, 然后向北和近岸區(qū)域均逐漸減小。但同時這兩者之間也存在不同, 主要在于有效波高標準差的高值區(qū)域與其多年平均值的高值區(qū)域并不重合, 而是位于后者的東側(cè)。通過后文分析可知, 混合浪有效波高標準差的高值區(qū)域和海面風(fēng)速標準差的高值區(qū)域基本重合。

圖4給出了黃海區(qū)域混合浪多年月平均的有效波高。從圖4中可以看出, 在全年12個月份中, 混合浪有效波高均呈現(xiàn)類似的空間分布: 在濟州島西南最大, 沿黃海中部區(qū)域向北和由中部區(qū)域向近岸區(qū)域均逐漸減小。但同時混合浪有效波高也呈現(xiàn)出明顯的季節(jié)變化。首先, 如圖4中紅色點和灰色點所示, 在黃海大部分區(qū)域混合浪有效波高的最大值出現(xiàn)在冬季(12月和2月), 而最小值則基本出現(xiàn)在夏季(6月和7月)。這與陳紅霞等[22]的衛(wèi)星觀測結(jié)果基本一致。其中南黃海南部區(qū)域的最大有效波高基本出現(xiàn)在2月份, 而其他區(qū)域的最大值則基本出現(xiàn)在12月份。除此之外, 北黃海北部和山東半島南岸的近岸海域呈現(xiàn)稍微不同的季節(jié)變化, 它們的最大值不是出現(xiàn)在冬季而是出現(xiàn)在4月份。其次, 黃?；旌侠擞行Рǜ叩母咧祬^(qū)呈現(xiàn)季節(jié)性的東西遷移: 冬季偏東, 夏季偏西。

根據(jù)波浪頻率或者周期的不同, 混合浪的能量可以分為風(fēng)浪能量和涌浪能量兩部分。據(jù)此, 我們分析了SWAN后報模擬的風(fēng)浪和涌浪有效波高的季節(jié)變化。圖5給出了風(fēng)浪有效波高和涌浪有效波高的多年平均和標準差。從圖中可以看出, 無論是大小還是空間分布, 風(fēng)浪有效波高的平均值和標準差均與混合浪有效波高的平均值和標準差一致。而涌浪有效波高的多年平均和標準差則均遠小于風(fēng)浪有效波高的多年平均和標準差, 并且其高值區(qū)相比混合浪有效波高的高值區(qū)明顯偏西。

圖3 混合浪有效波高(m)與10 m海面風(fēng)速(m/s)Fig. 3 Mixed-wave SWH (m) and wind speed (m/s) 10 m above the sea surface

圖6進一步比較了風(fēng)浪和涌浪有效波高的季節(jié)變化, 其中各個季節(jié)的有效波高異常值均為當季的有效波高與年平均值的差。從圖6中可以看出, 在一年4個季節(jié)中, 風(fēng)浪有效波高均大于涌浪有效波高。這說明在黃海, 混合浪以風(fēng)浪為主。另外風(fēng)浪和涌浪有效波高也呈現(xiàn)出不同的季節(jié)變化。風(fēng)浪有效波高的季節(jié)變化和混合浪有效波高的季節(jié)變化(圖4)一致:冬季最大, 夏季最小。在春季, 隨著冬季風(fēng)向夏季風(fēng)的轉(zhuǎn)換(圖7), 黃海整個區(qū)域風(fēng)浪的有效波高均減小,且黃海南部區(qū)域減小的最快; 在秋季, 隨著夏季風(fēng)向冬季風(fēng)的轉(zhuǎn)換(圖7), 黃海整個區(qū)域風(fēng)浪的有效波高均增大, 且依然是黃海南部區(qū)域增大的最快。另一方面, 涌浪的有效波高在夏季為最大, 而在春季為最小, 且夏季的高值區(qū)明顯偏于黃海西部。在冬季,南黃海的涌浪有效波高高于年平均值, 而北黃海的涌浪有效波高則低于年平均值; 在秋季, 整個黃海的涌浪有效波高均略低于年平均值。這說明, 涌浪有效波高從夏季到次年春季在北黃海是一直減小, 而在南黃海則是先減小后增大再減小, 從而在冬季出現(xiàn)一個極大值。如圖7所示, 黃海涌浪之所以在夏季出現(xiàn)最大值可能與風(fēng)場的季節(jié)變化有關(guān)。在夏季, 整個黃海為偏南的夏季風(fēng), 從而受外海甚至太平洋區(qū)域傳來的涌浪的影響最為顯著。

圖4 多年月平均的混合浪有效波高Fig. 4 Climatological monthly mean mixed-wave SWH

3 物理過程探討

這部分主要是探討影響黃海海浪有效波高季節(jié)變化的物理過程。由于海表面波浪主要是在海表面風(fēng)的作用下產(chǎn)生的, 所以我們先看一下黃海海表面10 m風(fēng)場的時空分布情況。從圖3c和3d可以看出,海面10 m風(fēng)速的多年平均值和標準差的空間分布類似, 均在黃海東部區(qū)域呈現(xiàn)高值, 且最大值從南往北逐漸減小。與圖3a和3b比較可知, 海面10 m風(fēng)速的標準差和混合浪有效波高的標準差的空間分布類似, 但是它們多年平均值的空間分布并不一致。

圖5 風(fēng)浪和涌浪有效波高(m)的多年平均值和標準差Fig. 5 Climatological mean and standard deviation of the SWHs (m) of wind-sea and swell

圖6 風(fēng)浪(a～d)和涌浪(e～h)有效波高的季節(jié)異常Fig. 6 Seasonal SWH anomalies of wind-sea (a-d) and swell (e-h)

圖7 進一步給出了黃海海域海表面10 m處多年月平均的風(fēng)速和風(fēng)矢量。由于位于東亞季風(fēng)區(qū), 黃海大部分區(qū)域從9月份到次年的3月份均被北風(fēng)所占據(jù), 而從5月份到8月份則基本上被南風(fēng)所占據(jù)。黃海大部分區(qū)域的最大風(fēng)速出現(xiàn)在2月份, 而最小風(fēng)速發(fā)生月份則呈現(xiàn)出明顯的區(qū)域特征。在南黃海中部的大部分區(qū)域, 最小風(fēng)速發(fā)生在冬季風(fēng)到夏季風(fēng)的轉(zhuǎn)換期(4月份和5月份); 而在整個北黃海, 最小風(fēng)速發(fā)生在8月份。在夏季風(fēng)的強盛期(7月份), 整個黃海的風(fēng)速也呈現(xiàn)出一年中的極大值, 但是高值區(qū)較冬季風(fēng)的高值區(qū)明顯偏西。從該圖可知, 圖4中混合浪有效波高高值區(qū)的季節(jié)性東西向遷移可能與風(fēng)速高值區(qū)的季節(jié)性遷移有關(guān)。

為了分析不同物理過程對黃海海浪有效波高時間變化的影響, 圖8比較了(2)式中各源能量項的大小。結(jié)果表明在整個研究區(qū)域, 風(fēng)能輸入項和兩個深水過程項大小相當, 并遠大于3個淺水過程項。風(fēng)能輸入項和兩個深水過程項的空間分布與混合浪有效波高的空間分布類似, 在黃海中部呈現(xiàn)自南向北延伸的高值區(qū), 同時由黃海中部向近岸區(qū)域逐漸減小。三個淺水過程項以其能量從大到小依次是底摩擦耗散項、三波非線性相互作用項和深度誘導(dǎo)破碎項。從圖8可以看出, 這三個淺水過程項在山東半島以南沿岸和江蘇沿岸海域存在兩個顯著高值區(qū)。

為了進一步深入討論不同物理過程的影響, 本文設(shè)計了如下數(shù)值實驗(表1)。除采用不同的物理過程外,所有的數(shù)值實驗配置均與后報模擬相同。作為對比, 表1也列舉了后報模擬所采用的物理過程和相應(yīng)結(jié)果。

圖7 黃海海表面10 m風(fēng)場的多年月平均分布圖Fig. 7 Climatological monthly mean wind field at 10 m above the sea surface in the Yellow Sea

圖8 后報模擬中各源能量項絕對值(以10為底的對數(shù))的多年平均分布圖Fig. 8 Logs of the climatological means of the absolute values of the source terms from the model hindcast

表1 數(shù)值實驗設(shè)置及黃海海域平均的混合浪有效波高Tab. 1 Configurations of the numerical simulations and the simulated mixed-wave SWHs averaged over the Yellow Sea

圖9給出了整個計算時間段內(nèi)模式后報模擬的月平均混合浪有效波高與不同數(shù)值實驗結(jié)果之間的相關(guān)系數(shù)。從圖9可以看出, 后報模擬與實驗1結(jié)果之間的相關(guān)系數(shù)在黃海的大部分區(qū)域均在0.9左右,而在山東半島南岸和蘇北沿岸的小范圍近岸海域則較小, 這主要是由于在這兩個地區(qū)淺水過程影響顯著。對于兩個深水過程, 它們對混合浪有效波高時間變化的影響存在顯著不同。在黃海的大部分區(qū)域, 實驗2與模式后報模擬結(jié)果之間的相關(guān)系數(shù)均比較小(＜0.6), 而實驗3與模式后報模擬結(jié)果之間的相關(guān)系數(shù)則比較高(＞0.7)。這說明在黃海的大部分區(qū)域, 相比于白冠耗散過程, 四波非線性相互作用過程對混合浪有效波高的時間變化影響更大。實驗4與模式后報模擬結(jié)果之間的相關(guān)系數(shù)則呈現(xiàn)更為復(fù)雜的空間分布: 在北黃海, 相關(guān)系數(shù)在外海較高, 而在北部沿海地區(qū)較低; 在南黃海, 相關(guān)系數(shù)基本以123°E為界, 在西側(cè)較低(＜0.5)而在東側(cè)較高(＞0.7)。另外, 從數(shù)值來看, 不同實驗得到的混合浪有效波高與后報模擬結(jié)果存在顯著不同。其中, 實驗1與后報模擬結(jié)果最為相近, 這是因為在黃海大部分海域淺水過程項的作用相對較小, 基本可以忽略。實驗2模擬的混合浪有效波高遠小于后報模擬結(jié)果, 而實驗3和實驗4的模擬結(jié)果則遠大于后報模擬結(jié)果(表1)?？梢?四波非線性相互作用和白冠耗散對黃海海浪的數(shù)值模擬均比較重要。前者主要是影響風(fēng)輸入的能量在譜空間內(nèi)的轉(zhuǎn)移和傳輸, 從而它的缺失可使模擬結(jié)果偏小; 而后者是波浪能量耗散的重要方式之一,從而其缺失傾向于使模擬結(jié)果偏大。當這兩個過程都缺失時, 在淺水過程項影響較小的區(qū)域混合浪有效波高則傾向于和風(fēng)速成顯著正相關(guān)。

本文進一步分析了不同物理過程對混合浪有效波高季節(jié)變化的影響。為此, 圖10給出了黃海內(nèi)4個不同位置處后報模擬與各數(shù)值實驗得到的混合浪有效波高的多年月平均異常時間序列。這4個位置分別位于南黃海中部、北黃海中部、北黃海北部近岸和山東半島南岸, 分別記為A、B、C和D, 其具體經(jīng)緯度如圖4所示。為了顯示方便, 圖10中對風(fēng)速大小進行了調(diào)整, 使其最大絕對值和實驗4得到的混合浪有效波高異常的最大絕對值相同。

圖9 整個計算時間段內(nèi)后報模擬得到的混合浪月平均有效波高與不同數(shù)值實驗得到的混合浪有效波高的相關(guān)系數(shù)Fig. 9 Linear correlation coefficients between monthly mixed-wave SWHs from model hindcast and different numerical experiments over the entire period of interest

對于A點和B點來說, 由于它們位于黃海的中部區(qū)域, 所以淺水過程項可以忽略, 實驗1的結(jié)果與后報模擬結(jié)果吻合一致。如果去掉四波非線性相互作用和白冠耗散過程, 則模擬的混合浪有效波高與當?shù)仫L(fēng)速呈現(xiàn)顯著正相關(guān), 并且其平均值和方差均遠大于后報模擬結(jié)果。如果忽略四波非線性相互作用過程, 則得到的混合浪有效波高偏小, 且其季節(jié)變化與后報模擬結(jié)果差別較大。另一方面, 如果忽略白冠耗散過程, 則得到的混合浪有效波高雖然比后報模擬結(jié)果稍大, 但是它們的季節(jié)變化基本一致:冬季最大, 夏季最小。冬季最大的月份相同, 但是夏季最小的月份卻稍有不同: 在A點和B點, 后報模擬結(jié)果中夏季最小的月份均為6月份, 而實驗3中則分別為7月份和8月份。這說明對于外海區(qū)域, 四波非線性相互作用對混合浪有效波高季節(jié)變化的影響更大。同時根據(jù)后報模擬結(jié)果(圖4), 南黃海和北黃海的混合浪最大值出現(xiàn)在不同月份, 前者為2月份,與風(fēng)速最大值月份一致, 而后者則為12月份, 與風(fēng)速最大值月份并不一致。這種差別的原因可能與風(fēng)能輸入和四波非線性相互作用對能量轉(zhuǎn)移過程之間的相對強弱有關(guān)。在南黃海, 風(fēng)能輸入和四波非線性相互作用過程共同導(dǎo)致混合浪波高的最大值出現(xiàn)在2月份; 而在北黃海, 四波非線性相互作用過程占主導(dǎo)致混合浪波高的最大值出現(xiàn)在12月份。

在近海區(qū)域的C點和D點, 淺水過程項的影響開始顯著, 實驗1的結(jié)果與后報模擬結(jié)果的偏差開始增大, 同時實驗4的結(jié)果與風(fēng)速之間的相關(guān)性也明顯減小。特別是在D點, 實驗1的結(jié)果與后報模擬結(jié)果之間的差別最大。盡管如此, 實驗1得到的混合浪有效波高季節(jié)變化與后報模擬結(jié)果基本一致。在C點, 無論是其大小還是季節(jié)變化, 實驗2的結(jié)果比實驗3更接近后報模擬結(jié)果。在D點, 除了夏季外, 實驗2的結(jié)果也比實驗3更接近后報模擬結(jié)果。這說明對于近海區(qū)域, 白冠耗散比四波非線性相互作用對混合浪有效波高的季節(jié)變化影響更大。

圖10 后報模擬與各數(shù)值實驗得到的混合浪有效波高的多年月平均異常時間序列Fig. 10 Climatological monthly mean anomalies of the mixed-wave SWH (m) obtained from the model hindcast and various numerical experiments

4 結(jié)論

本文利用第三代海浪數(shù)值模式SWAN研究了黃海海浪有效波高的季節(jié)變化特征及相關(guān)的物理過程。具體結(jié)論如下:

1) 平均而言, 黃?；旌侠擞行Рǜ叩目臻g分布與黃海海底地形有很好的一致性: 有效波高在濟州島的西南最大, 而后沿著黃海海槽向北和由深水區(qū)向近岸區(qū)域均逐漸減小。混合浪有效波高呈現(xiàn)出顯著地季節(jié)變化。在黃海的大部分區(qū)域, 混合浪有效波高的最大值出現(xiàn)在冬季(12月和2月), 而最小值則基本出現(xiàn)在夏季(6月和7月)。這與陳紅霞等[22]的衛(wèi)星觀測結(jié)果基本一致。其中南黃海南部區(qū)域的最大有效波高基本出現(xiàn)在2月份, 而其他區(qū)域的最大值則基本出現(xiàn)在12月份。除此之外, 北黃海北部和山東半島南岸的近岸海域呈現(xiàn)稍微不同的季節(jié)變化, 它們的最大值不是出現(xiàn)在冬季而是出現(xiàn)在4月份。但是混合浪有效波高在全年12個月中均呈現(xiàn)類似的空間分布: 在濟州島西南最大, 沿黃海中部區(qū)域向北和由中部區(qū)域向近岸區(qū)域均逐漸減小。只是其高值區(qū)呈現(xiàn)季節(jié)性的東西遷移: 冬季偏東, 夏季偏西。進一步的分析表明, 黃海海浪為風(fēng)浪占主。涌浪有效波高遠小于風(fēng)浪有效波高, 且兩者呈現(xiàn)出不同的季節(jié)變化。

2) 黃海海域10 m處風(fēng)速與混合浪有效波高的空間分布和季節(jié)變化并不一致。對各源能量項的分析表明, 在整個研究區(qū)域風(fēng)能輸入項和兩個深水過程項大小相當, 并遠大于3個淺水過程項。這3個淺水過程項在山東半島以南沿岸和江蘇沿岸海域存在兩個顯著高值區(qū)。在黃海的大部分區(qū)域, 白冠耗散和四波非線性相互作用對黃海海浪的數(shù)值模擬均比較重要; 但是相比于白冠耗散過程, 四波非線性相互作用過程對混合浪有效波高的時間變化影響更大。前者的缺失可使模擬結(jié)果偏小, 而后者的缺失可使模擬結(jié)果偏大。進一步的數(shù)值實驗說明對于外海區(qū)域,四波非線性相互作用對混合浪有效波高季節(jié)變化的影響最大。而對于近海區(qū)域, 白冠耗散比四波非線性相互作用對混合浪有效波高的季節(jié)變化影響更大。

本文中, 黃海大部分海域的混合浪有效波高的最大值沒有出現(xiàn)在1月份而只是出現(xiàn)在12月或者2月可能與本文選取的風(fēng)場有關(guān), 今后還將進一步研究不同風(fēng)場對黃海海浪季節(jié)變化的影響。其次, 根據(jù)本文的討論, 外海甚至太平洋的海浪場也可能對本區(qū)域海浪的時間變化存在一定的影響, 所以還需要利用更大尺度的數(shù)值模式進行研究。最后需要指出的是, 在實際海洋中, 波-流相互作用和淺水區(qū)水位變化對水深的影響均是不容忽視的[36]。例如Hwang[37]結(jié)合衛(wèi)星高度計觀測資料和理論診斷指出黑潮對黃海和東海海域的風(fēng)場和海浪場均具有重要的調(diào)控作用。而本文在數(shù)值模擬中只考慮了海面風(fēng)的作用, 所以在將來還需要進一步綜合考慮各種因素對黃海海浪場的影響。

[1] 管長龍. 我國海浪理論及預(yù)報研究的回顧和展望[J].青島海洋大學(xué)學(xué)報, 2000, 30(4): 549-556. Guan Changlong. A review of history and prospect for study of sea wave theory and its forecast in China[J]. Journal of Ocean University of Qingdao, 2000, 30(4): 549-556.

[2] Qiao Fangli, Ma Jian, Xia Changshui, et al. Influences of the surface wave-induced mixing and tidal mixing on the vertical temperature structure of the Yellow and East China Seas in summer[J]. Progress in Natural Science, 2006, 16(7): 739-746.

[3] Sun Qun, Guan Changlong, Song Jinbao. Wave breaking on turbulent energy budget in the ocean surface mixed layer[J]. Chin J Oceanol Limnol, 2008, 26(1): 9-13.

[4] Wu Kejian, Yang Zhongliang, Liu Bin, et al. Wave energy input into the Ekman layer[J]. Science in China Series D: Earth Sciences, 2008, 51(1): 134-141.

[5] Dragani W, Martin P, Alonso G, et al. Wind wave climate change: Impacts on the littoral processes at the Northern Buenos Aires Province Coast, Argentina[J]. Climatic Change, 2013, 121: 649-660.

[6] Bi Fan, Wu Kejian. Wave effect on the ocean circulations through mass transport and wave-induced pumping[J]. J Ocean Univ China, 2013, 13(2): 175-182.

[7] 許富祥, 余宙文. 中國近海及其鄰近海域災(zāi)害性海浪監(jiān)測和預(yù)報[J]. 海洋預(yù)報, 1998, 15(3): 63-68. Xu Fuxiang, Yu Zhouwen. Monitoring and prediction of disastrous sea waves in the coastal waters of China and its adjacent areas[J]. Marine Forecasts, 1998, 15(3): 63-68.

[8] 譚鳳, 張慶河, 龐啟秀, 等. 基于WRF-SWAN模式的韋伯臺風(fēng)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] Cheon J, Mu J, Yong C, et al. Simulation of the extreme waves generated by typhoon Bolaven (1215) in the East China Sea and Yellow Sea[J]. Acta Oceanol Sin, 2015, 34(12): 19-28.

[10] 鄭崇偉, 李訓(xùn)強. 基于WAVEWATCH III模式的近22年中國海波浪能資源評估[J]. 中國海洋大學(xué)學(xué)報, 2011, 41(11): 5-12. Zheng Chongwei, Li Xunqiang. Wave energy resources assessment in the China Sea during the last 22 years by using WAVEWATCH-III wave model[J]. Periodical of Ocean University of China, 2011, 41(11): 5-12.

[11] 鄭崇偉, 鄭宇艷, 陳洪春. 基于SWAN模式的近10年南海北部波浪能資源研究[J]. 亞熱帶資源與環(huán)境學(xué)報, 2011, 6(2): 54-59. Zheng Chongwei, Zheng Yuyan, Chen Hongchun. Research on wave energy resources in the Northern South China Sea during recent 10 years using SWAN model[J]. Journal of Subtropical Resources and Environment, 2011, 6(2): 54-59.

[12] Liang Bingchen, Fan Fei, Liu Fushun, et al. 22-year wave energy hindcast for the China East Adjacent Seas[J]. Renewable Energy, 2014, 71: 200-207.

[13] Wan Yong, Zhang Jie, Meng Junmin, et al. A wave energy resource assessment in the China’s seas based on multi-satellite merged radar altimeter data[J]. Acta Oceanol Sin, 2015, 34(3): 115-124.

[14] Zheng Chongwei, Li Chongyin. Variation of the wave energy and significant wave height in the China Sea and adjacent waters[J]. Renewable and Sustainable Energy Reviews, 2015, 43: 381-387.

[15] 梅嬋娟, 趙棟梁, 史劍. 兩種海浪模式對中國黃海海域浪高模擬能力的比較[J]. 海洋預(yù)報, 2008, 25(2): 92-98. Mei Chanjuan, Zhao Dongliang, Shi Jian. The analysis of Yellow Sea wave with WAVEWATCH and SWAN models[J]. Marine Forecasts, 2008, 25(2): 92-98.

[16] 李燕, 薄兆海. SWAN模式對黃渤海海域浪高的模擬能力試驗[J]. 海洋預(yù)報, 2005, 22(3): 75-82. Li Yan, Bo Zhaohai. The simulation test of SWAN model in the wave height in the Huang-Bo sea areas[J]. Marine Forecasts, 2005, 22(3): 75-82.

[17] 李燕. 第三代淺水波浪數(shù)值預(yù)報模式及其在黃渤海域的應(yīng)用[J]. 氣象科學(xué), 2006, 26(3): 265-271. Li Yan. The SWAN model and its application in Huang Hai and Bo Hai[J]. Scientia Meteorologica Sinica, 2006, 26(3): 265-271.

[18] 史劍, 王璞, 鐘中, 等. 兩種網(wǎng)格下的SWAN模式對黃渤海海浪模擬比較[J]. 海洋預(yù)報, 2011, 28(4): 48-57. Shi Jian, Wang Pu, Zhong Zhong, et al. Comparison of ocean wave simulation with SWAN model using two kinds of computational grid in the Bohai Sea and the Yellow Sea[J]. Marine Forecasts, 2011, 28(4): 48-57.

[19] 蔣廷松, 任建莉, 沈彩琴. SWAN模式對陸架淺水區(qū)有效波高的模擬研究及改進[J]. 海洋預(yù)報, 2014, 31(4): 9-17. Jiang Tingsong, Ren Jianli, Shen Caiqin. Simulation of significant wave height in the shallow shelf area by SWAN model and its improvement[J]. Marine Forecasts, 2014, 31(4): 9-17.

[20] 李永博, 吳克儉, 畢凡, 等. 基于SWAN模式的成山頭海域波浪能資源評估[J]. 海洋湖沼通報, 2013, 3: 1-9. Li Yongbo, Wu Kejian, Bi Fan. Wave energy resources assessment in the Chengshan Cape sea during the last 20 years by using SWAN wave model[J]. Transactions of Oceanology and Limnology, 013, 3: 1-9.

[21] 李訓(xùn)強, 鄭崇偉, 蘇勤, 等. 1988～2009年中國海波候、風(fēng)候統(tǒng)計分析[J]. 中國海洋大學(xué)學(xué)報, 2012, 42: 1-9. Li Xunqiang, Zheng Chongwei, Su Qin, et al. Wave climate and wind climate analysis in the China Sea from 1988 to 2009[J]. Periodical of Ocean University of China, 2012, 42: 1-9.

[22] 陳紅霞, 華鋒, 袁業(yè)立. 中國近海及鄰近海域海浪的季節(jié)特征及其時間變化[J]. 海洋科學(xué)進展, 2006, 24(4): 407-415. Chen Hongxia, Hua Feng, Yuan Yeli. Seasonal characteristics and temporal variations of ocean wave in the Chinese offshore waters and adjacent sea areas[J]. Advances in Marine Science, 2006, 24(4): 407-415.

[23] 鄭崇偉, 劉鐵軍, 錢粵海. 中國海海表風(fēng)場、海浪場與El Ni?o的相關(guān)性分析[J]. 云南大學(xué)學(xué)報, 2014, 36(2): 214-223. Zheng Chongwei, Liu Tiejun, Qian Yuehai. The relationship between sea surface wind field, wave field and El Nino in the China sea[J]. Journal of Yunnan University, 2014, 36(2): 214-223.

[24] Zheng Chongwei, Pan Jing, Tan Yanke, et al. The seasonal variations in the significant wave height and sea surface wind speed of the China’s seas[J]. Acta Oceanol Sin, 2015, 34(9): 58-64.

[25] Booij N, Ris R, Holthuijsen L. A third-generation wave model for coastal regions. Part I, Model description and validation[J]. J Geophys Res, 1999, 104: 7649-7666.

[26] 江麗芳, 張志旭, 齊義泉, 等. WAVEWATCH III和SWAN模式在南海北部海域海浪模擬結(jié)果的對比分析[J]. 熱帶海洋學(xué)報, 2011, 30(5): 27-37. Jiang Lifang, Zhang Zhixu, Qi Yiquan, et al. Simulation of the northern South China Sea using Wavewatch III and SWAN[J]. Journal of Tropical Oceanography, 2011, 30(5): 27-37.

[27] 宗芳伊, 吳克儉. 基于近20年的SWAN模式海浪模擬結(jié)果的南海波浪能分布、變化研究[J]. 海洋湖沼通報, 2014, 3: 1-12. Zong Fangyi, Wu Kejian. Research on distributions and variations of wave energy in South China Sea based on recent 20 years wave simulation results using SWAN wave model[J]. Transaction of Oceanology and Limnology, 2014, 3: 1-12.

[28] Smith W, Sandwell D. Global sea floor topography from satellite altimetry and ship depth soundings[J]. Science, 1997, 277: 1956-1962.

[29] Dee D, Uppala S, Simmons A, et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 2011, 137: 553-597.

[30] 高志剛, 駱敬新, 劉克修, 等. ERA-Interim再分析數(shù)據(jù)在中國沿海的質(zhì)量評估[J]. 海洋科學(xué), 2015, 39(5): 92-105. Gao Zhigang, Luo Jingxin, Liu Kexiu, et al. Evaluation of ERA-Interim reanalysis data along coast of China[J]. Marine Sciences, 2015, 39(5): 92-105.

[31] Brown G, Stanley H, Roy N. The wind speed measurement capability of spaceborne radar altimeters[J]. IEEE J Oceanic Eng, 1981, OE-6: 59-63.

[32] Gower J. Intercomparison of wave and wind data from TOPEX/POSEIDON[J]. J Geophys Res, 1996, 101: 3817-3829.

[33] Hwang P, Teague W, Jacobs G, et al. A statistical comparison of wind speed, wave height and wave period derived from satellite altimeters and ocean buoys in the Gulf of Mexico region[J]. J Geophys Res, 1998, 103: 10451-10468.

[34] Hwang P, Bratos S, Teague W, et al. Winds and waves in the Yellow and East China Seas: A comparison of spaceborne altimeter measurements and model results[J]. J Oceanogr, 1999, 55: 307-325.

[35] 楊樂. 衛(wèi)星雷達高度計在中國近海及高海況下遙感反演算法研究[D]. 南京: 南京理工大學(xué), 2009. Yang Le. Study on satellite radar altimeter retrieval algorithms over coastal seas and under high sea state events[D]. Nanjing: Nanjing University of Science and Technology, 2009.

[36] 蔣小平, 鐘中, 張金善, 等. 臺風(fēng)浪模擬預(yù)報中的風(fēng)場比較研究[J]. 海洋通報, 2007, 26(2): 11-19. Jiang Xiaoping, Zhong Zhong, Zhang Jinshan, et al. Comparison study on the surface wind over ocean in Typhoon waves simulation[J]. Marine Science Bulletin, 2007, 26(2): 11-19.

[37] Hwang P. Altimeter measurements of wind and wave modulation by the Kuroshio in the Yellow and East China Seas[J]. J Oceanogr, 2005, 61: 987-993.

Received: Jul. 4, 2016

Numerical study of wave height seasonality in the Yellow Sea

CHEN Guo-guang1, ZHAI Fang-guo2, LI Pei-liang2, LIU Xiao3
1. North China Sea Environmental Monitoring Center, State Oceanic Administration, Qingdao 266033, China; 2. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China; 3. College of Resource and Environmental Engineering, Shandong University of Technology, Zibo 255049, China)

the Yellow Sea; significant wave height; seasonal variability

In this study, using the third-generation Simulating WAves Nearshore (SWAN) ocean-wave model, we investigate the seasonality of the significant wave height (SWH) of ocean surface waves in the Yellow Sea (YS) and the associated physical processes. The results show that in most areas of the YS, generally, mixed-wave SWHs are at their maxima in winter and minima in summer. However, in the northern part of the YS and the offshore area south of the Shandong Peninsula, mixed-wave SWHs show slightly different seasonal variations, with their maxima appearing in spring. In the four annual seasons, mixed-wave SWHs basically show the same spatial distributions; i.e., the values are the largest southwest of the Jizhou Island and then decrease both northward and shoreward. The ocean waves in the YS are dominated by wind-sea. The swell height is much smaller than the wind-sea height. In most regions of the YS, whitecapping and four-wave nonlinear interactions decisively affect the seasonal variations in the mixed-wave height. In deep water, four-wave nonlinear interaction is more important than whitecapping, whereas in shallow water, whitecapping is more important. In this study, we examine the characteristics and physical processes of seasonal wave-height variations in the YS, which will further advance our understanding of wave-height variations in other time scales and will be useful in evaluating the temporal variations of wave energy on various time scales.

P731.27

A

1000-3096(2016)11-0155-14

10.11759/hykx20160704004

(本文編輯: 劉珊珊 李曉燕)

2016-07-04;

2016-08-23

山東省自然科學(xué)基金(ZR2015DQ006, ZR2014DQ005); 國家自然科學(xué)基金青年基金(41506008); 中國博士后科學(xué)基金(2015M570609)

[Foundation: Shandong Provincial Natural Science Foundation, No. ZR2015DQ006, No. ZR2014DQ005; National Natural Science Foundation of China, No. 41506008; China Postdoctoral Science Foundation, No. 2015M570609]

陳國光(1965-), 男, 山東濰坊人, 研究員, 學(xué)士, 主要從事物理海洋學(xué)研究, 電話: 0532-58761058, E-mail: 13808960499@ 163.com; 翟方國, 通信作者, 副教授, 主要從事物理海洋學(xué)方面的教學(xué)和研究, 電話: 15275209482, E-mail: gfzhai@ouc.edu.cn