臺風條件下ERA5再分析數據對中國近海適用性評估

李愛蓮, 劉 澤, 洪 新, 侯一筠, 管守德

臺風條件下ERA5再分析數據對中國近海適用性評估

李愛蓮1, 3, 劉 澤1, 2, 4, 洪 新5, 侯一筠1, 2, 3, 4, 管守德2, 6

(1.中國科學院海洋研究所 海洋環(huán)流與波動重點實驗室, 山東 青島 266071; 2.青島海洋科學與技術試點國家實驗室海洋動力過程與氣候功能實驗室, 山東 青島 266237; 3.中國科學院大學, 北京 100049; 4.中國科學院海洋大科學中心, 山東青島 266071; 5.國家海洋局煙臺海洋環(huán)境監(jiān)測中心, 山東 煙臺 264006; 6.中國海洋大學 物理海洋學實驗室, 山東 青島 266100)

2019年第9號臺風“利奇馬”是自1949年以來在浙江登陸的第三強臺風, 對中國近海沿岸地區(qū)造成了巨大的經濟損失以及人員傷亡。為了研究ERA5再分析數據在渤黃東海的適用性, 本文利用統(tǒng)計方法, 針對臺風“利奇馬”期間位于渤海(QF104)、黃海(QF108)和東海(QF5003)的三套浮標觀測數據對ECMWF最新推出的ERA5再分析數據進行評估分析。評估結果表明: 1) ERA5再分析風速、風向、有效波高數據與浮標觀測數據的匹配度較好, 平均周期與海面溫度數據次之; 2) ERA5再分析平均波向數據相對平滑, 而實測數據波動性大, 兩者之間的相關性有待進一步提高。

臺風“利奇馬”; ERA5再分析資料; 浮標觀測; 10 m風速; 有效波高; 海面溫度

近年來, 臺風導致的海上強風與災害性海浪給中國近海帶來巨大損失。尤其是近40年來隨著全球變暖, 臺風登陸強度逐漸增強[1], 對沿海地區(qū)經濟和人身安全威脅日益嚴重。近海浮標觀測資料提供了臺風期間的風場、波浪場等許多的寶貴信息[2-5]。然而, 由于觀測資料主要是單站點數據且站位較少, 站點數據以及空間分布的相關資料嚴重匱乏, 制約了對海上強風與臺風浪的時空分布特征和影響評估的研究。再分析資料的出現(xiàn)解決了觀測資料的匱乏和時空不均等問題, 被廣泛應用在主流風浪模式預報或后報中, 但受觀測資料、數值預報模式和同化方案等因素影響, 再分析資料的適用性也有待于進一步檢驗。

再分析資料同化了大量衛(wèi)星資料及地面和高空等常規(guī)觀測資料, 具有時間序列長、分辨率高等優(yōu)點。歐洲中期天氣預報中心(ECWMF)是較早開展數據再分析研究的機構, 其分析資料已歷經了FGGE、ERA-15、ERA-40、ERA-Interim四代。ERA5再分析資料是由歐盟資助、ECMWF運營的哥白尼氣候變化服務(Copernicus climate change service, C3S)打造的最新一代即第五代再分析資料。目前ECMWF發(fā)布了1979年以來的數據, 在2020年實現(xiàn)從1950年1月開始到實時數據覆蓋, 并實現(xiàn)實時之后3個月內的數據覆蓋。截止目前為止, Lv等[6]、馮興如等[5]、 Sheng等[7]、陳子健等[8]都利用ECMWF再分析數據用于中國渤黃東海的風浪模式研究。

關于全球和區(qū)域尺度上再分析資料適用性, 國內外學者已開展了許多的研究。Monney等[9]用觀測數據對比分析了ERA-40、ERA-Interim以及NCEP/ NCAR再分析數據, 發(fā)現(xiàn)再分析資料易高估陸地上的冬季氣溫, 且ERA-Interim對冬季氣溫的描述優(yōu)于ERA-40與NCEP/NCAR。Decker等[10]評估了GSFC、NCEP以及ECMWF等再分析數據, 結果顯示ERA-Interim再分析近地面氣溫、風速和降水數據與觀測數據的相關性均優(yōu)于NCEP/DOE和CFSR。朱彥良等[11]利用NCEP/NCAR和ERA-Interim再分析資料對比分析了在安徽壽縣獲得的為期7個月逐6 h RS92探空資料, 發(fā)現(xiàn)ERA-Interim再分析資料的描述優(yōu)于NCEP/ NCAR再分析資料。孟憲貴等[12]利用山東省及周邊地區(qū)10個站點的地面和高空觀測資料對ERA5再分析資料的適用性進行了初步評估, 發(fā)現(xiàn)ERA5的適用性總體上要優(yōu)于ERA-Interim再分析資料, 地面和對流層低層的相對濕度、風場提高更為明顯。

ECMWF是波浪模擬最常用的風場, 作為驅動場被廣泛應用于風浪模式研究[6, 13-19]。許多學者研究了ECMWF風場用于波浪模擬的效果。Signell等[14]用ECMWF風場作為SWAN模型的輸入來預報地中海的波浪, 結果發(fā)現(xiàn)ECMWF場低估了風速的大小, 沒有再現(xiàn)臺風風場的空間結構。Cavaleri等[15]使用不同分辨率的ECMWF數據進行評估, 結果顯示分辨率越高, 風速與波高數據與觀測數據之間的誤差越小, 且分辨率對風速的影響更明顯。Moeini等[20]評估了ECMWF和實測風場兩種地面風源通過SWAN模式在波斯灣波浪模擬中的質量, 結果發(fā)現(xiàn)ECMWF低估了風的強度, 且高波模型校準導致了低波被高估。Lv等[6]用ECMWF風場作為SWAN模型的輸入來進一步了解渤海風浪的特征, 研究表明ECMWF風場資料低估了渤海上空的風速, 但總體趨勢和主導方向與觀測資料一致。雖然以前許多研究表明ECMWF風場數據的風速通常偏低, 但經過適當校正后可用于數值模式研究[21]。馮興如等[5]將ECMWF作為背景風場, 利用非結構網格的海浪-海流耦合模式SWAN+ADCIRC模擬了1997—2016年影響浙江和福建海域的臺風浪過程, 并將其中4個臺風過程期間的海浪與觀測數據進行對比驗證, 模擬結果和實測結果吻合較好。

2019年第9號臺風“利奇馬”在浙江沿海地區(qū)登陸后一路向北, 影響了渤黃東海大片海區(qū)且造成了巨大的損失, 因此對于該臺風期間的海洋災害研究尤為重要。臺風期間海洋災害的研究需要適用性較高的再分析資料。本文利用渤海(QF104)、黃海(QF108)及東海(QF5003)各一套浮標數據, 初步評估臺風“利奇馬”期間ERA5再分析數據對中國渤黃東海適用性。

1 臺風與數據

1.1 臺風“利奇馬”

2019年第9號超強臺風“利奇馬”于2019年8月4日下午在西北太平洋洋面生成, 之后沿西北方向移動, 強度不斷加強, 8月7日5時加強為臺風, 8月7日23時加強為超強臺風, 并繼續(xù)向西北方向浙江沿?？拷? 于8月10日1時45分前后在浙江省溫嶺市城南鎮(zhèn)沿海登陸, 登陸時中心附近最大風力達16級(52 m/s), 中心最低氣壓為930 hPa, 為2019年登陸中國的最強臺風, 也成為自1949年以來登陸浙江第三強的臺風(登陸浙江最強臺風為1956年8月1日臺風“Wanda”, 其次是2006年8月10日臺風“桑美”)。隨后第9號臺風“利奇馬”縱穿浙江、江蘇兩省并移入黃海海面, 又于8月11日20時50分左右在山東省青島市黃島區(qū)沿海再次登陸, 登陸時中心附近最大風力達9級(23 m/s), 中心最低氣壓為980 hPa, 此后其移入渤海海面并不斷減弱, 最終于8月13日14時被中央氣象臺停止編號。“利奇馬”臺風共造成中國1 402.4萬人受災, 57人死亡, 14人失蹤, 209.7萬人緊急轉移安置, 直接經濟損失537.2億元人民幣[22-24]。

在臺風“利奇馬”期間, 對比分析ERA5再分析數據與浮標站點觀測數據以探究ERA5再分析資料在渤黃東海的適用性, 其中臺風路徑與浮標站點位置如圖1所示。

圖1 201909號臺風“利奇馬”路徑及3個浮標觀測站點分布[基于審圖號為GS(2016)1611號的地圖制圖, 余同]

1.2 浮標數據

文中使用了2019年8月4日0時—2019年8月16日0時的渤海(QF104)、黃海(QF108)及東海(QF5003)3套浮標數據, 包括風速、風向、有效波高、有效周期、平均波向及海面溫度等觀測數據, 時間間隔為1 h。三套浮標的位置坐標分別是(38.034°N, 119.852°E)(QF104)、(35.255°N, 122.011°E) (QF108)、(31.700°N, 122.600°E) (QF5003), 對應的水深分別為19 m、48 m、29 m, 如圖1所示。

1.3 ERA5再分析數據

ERA5再分析資料是由歐盟資助、ECMWF運營的哥白尼氣候變化服務中心(Copernicus climate change service, C3S)打造的最新一代再分析資料, 在其前身ERA-Interim的基礎上實現(xiàn)時空分辨率的提升, 由ERA-Interim的時空分辨率是80 km(垂直方向上是60層, 間隔是0.1 hPa)和6 h, 提升為ERA5再分析資料的80 km(垂直方向上是137層, 間隔是0.01 hPa)和1 h。同時, ERA5提供的變量將由ERA-Interim的100種增加到240種, 這其中包括由耦合的海浪模式所提供的波高、波向等變量, 方便用戶更準確地分析大氣以及海洋狀態(tài)。

2 方法

本文選取了2019年第9號臺風“利奇馬”期間的10 m高度經向風速、10 m高度緯向風速、海面溫度、有效波高, 平均波向與平均周期等ERA5再分析數據, 利用浮標觀測數據對以上要素的適用性進行初步分析, 為與浮標觀測要素一致分別計算了10 m風速與風向。由于浮標觀測數據在某些時刻缺少觀測或包含一些奇異極值, 對3個浮標站點處的觀測數據進一步處理后進行分析。

利用線性相關系數(CC)來對比分析再分析數據對觀測數據的模擬程度, 利用相對誤差(RE)、平均差(AD)、標準差(SSD)及均方根誤差(NRMSE)等比較ERA5再分析數據與觀測數據之間的偏離程度。某一變量觀測與再分析資料的相關系數等計算公式為:

3 數據評估

為了驗證臺風“利奇馬”期間ERA5再分析數據的適用性, 我們選擇了10 m高度經向風速、10 m高度緯向風速、有效波高、平均周期、平均波向和海面溫度等再分析資料, 與浮標觀測數據進行對比分析, 分析結果如下。

3.1 風場再分析數據評估

圖2為2019年第9號臺風“利奇馬”期間, 不同浮標站點處風速與風向變化的時間序列對比, 其中黑線代表ERA5再分析數據, 紅點代表浮標觀測數據。由圖2可觀察到, ERA5再分析風速最大值與實測風速最大值較吻合, 變化趨勢也基本一致, 且風速具有明顯的低頻振蕩特征。在QF108浮標站點處, ERA5與觀測的最大風速分別為19.27 m/s和18.70 m/s, 對應時刻分別為2019年8月11日0時和2019年8月11日7時, 相對誤差為3.05%, 平均差、標準差和均方根誤差分別為–0.19、2.33與0.14, 這意味著在該站點處ERA5數據與觀測數據在數值上匹配較好, 但是風速最大值所發(fā)生的時間有偏差。此外, 其相關系數為0.97, 說明該站點處ERA5數據與觀測數據的時間變化趨勢匹配較好。同樣, QF104 (QF5003)浮標站點處, ERA5再分析與觀測的最大風速分別為18.52 (18.56) m/s和20.19 (18.00) m/s, 達到風速最大值的時間分別為2019年8月11日13時和2019年8月11日11時(2019年8月10日17時和2019年8月10日13時), 相對誤差與相關系數分別為–8.27% (3.11%)與0.84 (0.95)。結果表明, ERA5再分析風速數據與浮標站點數據在數值大小與隨時間變化趨勢上具有很好的一致性, 但是最大值發(fā)生時間有偏差。對于風向數據, 由于0°與360°為同一位置, 故對數據進行處理后計算得到的EAR5再分析數據與浮標站點數據之間的平均差、標準差、均方根誤差以及相關系數如表1所示, 觀察到QF104、QF108與QF5003浮標站點處ERA5再分析數據與觀測數據的相關系數(均方根誤差)分別為0.92、0.91和0.98(0.12、0.20和0.09), 說明ERA5再分析數據與觀測數據在數值與變化趨勢上較為吻合。

圖2 201909號臺風“利奇馬”期間ERA5再分析風速、風向(黑線)與浮標觀測數據(紅點)在QF104、QF108及 QF5003站點處的時間序列(圖中08-06、08-10、08-14分別表示8月6日0時、8月10日0時、8月14日0時, 余同)

表1 ERA5再分析風速與風向與觀測數據對比

注: “—”代表該變量數值最大值對比無意義, 不考慮

3.2 波浪再分析數據評估

我們選擇了3個最普遍最具有代表性的風浪特征量: 有效波高, 平均波向和平均周期。將再分析數據與與臺風“利奇馬”期間的觀測數據進行對比。其中圖3是有效波高與平均周期的對比分析, 可以看出, 兩個特征量的時間序列都遵循先增加后減小的趨勢, ERA5再分析數據與觀測數據變化趨勢基本一致, 但觀測時間序列曲線有一些明顯的波動, ERA5再分析數據更平滑。同時, ERA5再分析有效波高數據最大值偏高, 平均周期整體偏小。在QF108浮標站點處, ERA5再分析數據與觀測數據的最大有效波高分別為5.35 m和4.60 m, 相對誤差為16.52%, 平均差、標準差和均方根誤差分別為0.17、0.37與0.20, 達到最大值時間均為2019年8月11日4時。這表示在該站點處ERA5數據與觀測數據在數值上匹配相對較好且最大值所在時刻一致, 但最大值差異較大。此外, 其相關系數為0.98, 說明該站點處ERA5數據與觀測數據的時間變化趨勢匹配較好。同樣, QF104 (QF5003)浮標站點處, ERA5與觀測的最大有效波高分別為4.47 (4.49) m和4.00 (5.00) m, 相對誤差為11.75% (–10.20%), 最大值對應時刻分別為2019年8月11日15時和2019年8月11日14時(2019年8月10日2時和2019年8月10日15時)。結果表明, ERA5有效波高數據與浮標站點數據在隨時間變化趨勢上具有很好的一致性, 且總體數值大小匹配較好, 但極值數據質量有待進一步提高, 其中QF104浮標結果最好。同理, 平均周期數據與浮標站點數據的對比結果信息見圖3與表2, 觀察到ERA5數據整體偏小于觀測數據, 且極值差異較大。QF104、QF108和QF5003三個站點處ERA5再分析平均周期數據與觀測數據之間的相關系數分別為0.95、0.84和0.87, 可知, ERA5再分析平均周期數據與觀測數據時間變化趨勢相對較吻合, 且QF104浮標結果最好, QF108與QF5003浮標結果相對差一些。

圖3 201909號臺風“利奇馬”期間ERA5再分析有效波高、平均周期數據(黑線)與浮標觀測數據(紅點)在QF104、QF108及QF5003站點處的時間序列

表2 ERA5再分析有效波高與平均周期數據與觀測數據

圖4是平均波向對比分析, 實測數據來自兩個浮標數據QF104與QF108, QF5003浮標數據缺測。從圖中觀察到, ERA5平均波向數據與實測數據差異較大, 實測數據波動性大, 而ERA5數據相對平滑。由于數據誤差較大, 本文不針對平均波向進行進一步分析。

圖4 201909號臺風“利奇馬”期間ERA5再分析平均波向數據(黑線)與浮標觀測數據(紅點)在QF104與QF108站點處的時間序列

3.3 海面溫度再分析數據評估

圖5展示了海面溫度的對比驗證。從圖中觀察到, QF104浮標站點處ERA5再分析海面溫度數據與觀測數據之間的相關系數為0.56, 相對誤差為–6.59%, 平均差、標準差和均方根誤差分別為2.32、–4.48與0.12, 匹配較差。QF5003浮標站點處, ERA5再分析海面溫度數據與觀測數據之間的相關系數為0.85, 相對誤差為–10.52%, 平均差、標準差和均方根誤差分別為0.27、–3.81與0.06, ERA5再分析海面溫度數據隨時間變化較平穩(wěn), 而浮標觀測數據波動大, 匹配一般。QF108浮標站點處, ERA5再分析海面溫度數據與觀測數據之間的相關系數為0.89, 相對誤差為–6.40%, 平均差、標準差和均方根誤差分別為0.09、–0.41與0.02, 且變化趨勢相對一致, 都遵循先增加后減小再后來趨于平穩(wěn), 匹配較好。從三個浮標站點處的觀測數據中觀察到, 受臺風“利奇馬”影響之后, 渤、黃、東海均出現(xiàn)了降溫, 但ERA5在渤海和東海均低估了海面降溫。在QF108浮標處, 浮標觀測海面溫度由2019年8月9日9時的29.5 ℃降至2019年8月12日17時的25.9 ℃, 出現(xiàn)了3.6 ℃的溫度差, ERA5再分析海面溫度在該時間段內的降溫趨勢與浮標觀測數據相對一致。然而在QF104浮標處, 浮標觀測海面溫度由2019年8月9日8時的28.4 ℃降至2019年8月12日18時的21.4 ℃, 出現(xiàn)了7 ℃的溫度差, 而ERA5再分析海面溫度在該時間段內沒有呈現(xiàn)出明顯的降溫特征, 其中該浮標站點處出現(xiàn)的降溫趨勢可能與臺風“利奇馬”的路徑有關(臺風“利奇馬”在浙江沿海區(qū)域登陸后, 一路北上, QF104浮標一直受到臺風的影響)。在QF5003浮標處, 浮標觀測海面溫度呈現(xiàn)先降后升的趨勢, ERA5再分析海面溫度同樣呈現(xiàn)了先降后升的趨勢, 但是低估了降溫與升溫的幅度。

3.4 風場與波浪場空間分布特征分析

上文3.1至3.3分別評估了臺風“利奇馬”期間單站點處ERA5再分析風速、風向、有效波高、平均周期、波向及海面溫度數據, 結果顯示與實測數據的相關性較好; 但是單站點數據具有一定的局限性, 無法描述空間場的分布特征。圖6與圖7分別為臺風“利奇馬”期間臺風中心靠近各浮標站點時刻的風場與有效波高的空間分布圖?？梢钥吹? 2019年8月10日12時臺風中心靠近東海區(qū)域浮標站點QF5003, 且浮標位于臺風中心的右前方大風區(qū)內, 此區(qū)域受到向岸風的影響, 受臺風災害影響最嚴重。同樣, 2019年8月11日6時臺風中心靠近黃海區(qū)域浮標站點QF108, 2019年8月12日6時臺風中心靠近渤海區(qū)域浮標站點QF104, 各站點在對應時刻均位于臺風路徑右側大風區(qū)內, 受到向岸風的影響。對應時刻的風速、風向與有效波高的空間分布符合臺風風場與波浪的空間分布特征。結合單站點與空間場的評估分析結果, 表明臺風“利奇馬”自浙江沿岸登陸后的時間內ERA5再分析風場與有效波高數據在渤、黃、東海區(qū)域風浪研究中適用。

圖5 201909號臺風“利奇馬”期間ERA5再分析海面溫度數據(黑線)與浮標觀測數據(紅點)在QF104、QF108及QF5003站點處的時間序列

表3 ERA5再分析海面溫度數據與觀測數據對比

圖6 臺風“利奇馬”期間ERA5再分析資料中臺風中心靠近浮標站點時刻的風速與風向空間分布

圖7 臺風“利奇馬”期間ERA5再分析資料中臺風中心靠近浮標站點時刻的有效波高空間分布

圖6與圖7分析了臺風中心靠近浮標站點時刻的ERA5再分析資料的空間分布, 符合風場與波浪場的分布特征。鑒于觀測數據的局限性, 接下來分析從2019年8月4日0時至2019年8月16日0時臺風“利奇馬”的整個生命周期內的ERA5再分析風場數據。圖8為臺風“利奇馬”期間ERA5再分析風速最大值全場分布圖, 從圖中觀察到全場大風區(qū)位于臺風路徑的右側, 全場風速最大值為28.21 m/s, 其發(fā)生時刻為2019年8月9日18時, 對應的坐標位置為(29.000°N, 122.250°E), 根據日本氣象廳提供的臺風中心路徑信息可知, 此時臺風中心的位置坐標為(28.200°N, 121.3°E), 最大風速為43.73 m/s, 且臺風“利奇馬”期間的最大風速發(fā)生在2019年8月8日15時, 最大值為54.02 m/s?？芍谶h海處強臺風階段, ERA5再分析風場數據與實際風速差距較大。

4 結論

本文利用臺風“利奇馬”期間ERA5再分析數據與浮標站點的觀測數據, 采用相關系數和均方根誤差等統(tǒng)計方法, 對渤黃東海區(qū)域再分析資料10 m高度經向風速、10 m高度緯向風速、風向、有效波高、平均周期、平均波向及海面溫度的適用性進行了對比分析, 結果表明:

圖8 臺風“利奇馬”期間ERA5再分析資料中風速最大值分布

1) ERA5再分析資料中的風速、風向和有效波高數據與浮標觀測數據匹配度較好, 平均周期與海面溫度數據次之。ERA5再分析資料中的風速、風向和有效波高數據與浮標觀測數據之間的平均相關系數(平均均方根誤差)分別為0.92(0.20)、0.94(0.14)和0.98(0.18), 平均周期和海面溫度數據與浮標觀測數據之間的平均相關系數(平均均方根誤差)分別為0.88(0.16)和0.76(0.07), ERA5再分析資料中的風速、風向、有效波高數據與浮標觀測數據的相關性明顯優(yōu)于平均周期與海面溫度數據; ERA5再分析平均波向數據相對平滑, 而實測數據波動性大, 兩者之間的相關性有待進一步提高。

2) 由第3節(jié)數據評估中給定的不同浮標不同要素之間對比的結果觀察到: 針對同一參數, 在3個不同位置處的浮標觀測數據與ERA5再分析數據之間的相關性和誤差存在差異, 這可能是由于浮標觀測位置不同, 其所處的海洋環(huán)境不同所造成的; 同一浮標位置處, 不同要素(風速、風向與有效波高等)的浮標觀測數據與ERA5再分析數據之間的對比結果同樣存在一定差異, 這可能是因為不同的要素受影響的因素不同造成的。

以上結論是基于臺風“利奇馬”期間的再分析和觀測資料, 對渤黃東海風暴潮研究具有一定的參考價值, 但更長時間尺度上的變化以及ERA5與其他再分析資料的橫向對比分析仍需進一步研究。

[1] GUAN S D, LI S Q, HOU Y J, et al.Increasing threat of landfalling typhoons in the western North Pacific between 1974 and 2013[J].International Journal of Applied Earth Observation and Geoinformation, 2018, 68: 279-286.

[2] MO D X, HOU Y J, LI J, et al.Study on the storm surges induced by cold waves in the Northern East China Sea[J].Journal of Marine Systems, 2016, 160: 26-39.

[3] 楊萬康, 尹寶樹, 伊小飛, 等.基于Holland風場的臺風浪數值計算[J].水利水運工程學報, 2017(4): 28-34.

YANG Wankang, YIN Baoshu, YI Xiaofei, et al.Numerical calculation and research of typhoon waves based on Holland wind field[J].Hydro-Science and Engineering, 2017(4): 28-34.

[4] 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, ZHEN Qiao, ZHU Chenchen, et al.Numerical simulation of “CHAN-HOM” typhoon waves using SWAN model[J].Marine Sciences, 2017, 41(4): 108-117.

[5] 馮興如, 楊德周, 尹寶樹, 等.中國浙江和福建海域臺風浪變化特征和趨勢[J].海洋與湖沼, 2018, 49(2): 233-241.

FENG Xingru, YANG Dezhou, YIN Baoshu, et al.The change and trend of the typhoon waves in Zhejiang and Fujian coastal areas of China[J].Oceanologia et Lim-nologia Sinica, 2018, 49(2): 233-241.

[6] LV X, YUAN D, MA X, et al.Wave characteristics analysis in Bohai Sea based on ECMWF wind field[J].Ocean Eng, 2014, 91: 159-171.

[7] SHENG Y, SHAO W, LI S, et al.Evaluation of typhoon waves simulated by WaveWatch-III model in shallow waters aound Zhoushan Islands[J].Journal of Ocean University of China, 2019, 18(2): 365-375.

[8] 陳子健, 陳學恩, 劉濤.不同參數化方案試驗對南黃海典型臺風中心最低氣壓和最大風速數值模擬影響[J].中國海洋大學學報(自然科學版), 2019, 49(3): 28-35.

CHEN Zijian, CHEN Xueen, LIU Tao.The effect of different parameterization schemes for the maximum wind speed and the lowest sea-level pressure of the typical typhoon for southern Yellow Sea area[J].Periodical of Ocean University of China, 2019, 49(3): 28-35.

[9] MONNEY P A, MULLIGAN F J, FEALY R.Compa-rison of ERA-40, ERA-Interim and NCEP/NCAR rea-nalysis data with observed surface air temperature over Ireland[J].Int J Climatol, 2010, 31(4): 545-557.

[10] DECKER M, BRUNKE M A, WANG Z, et al., 2011.Evaluation of the reanalysis products from GSFC, NCEP and ECMWF using flux tower observations[J].J Climate, 2011, 25(6): 1916-1944.

[11] 朱彥良, 凌超, 陳洪濱, 等.兩種再分析資料與RS92探空資料的比較分[J].氣候與環(huán)境研究, 2012, 17(3): 381-391.

ZHU Yanliang, LING Chao, CHEN Hongbin, et al.Comparison of two reanalysis data with the RS92 radiosonde data[J].Climatic and Environmental Research, 2012, 17(3): 381-391.

[12] 孟憲貴, 郭俊建, 韓永清, 等.ERA5再分析數據適用性初步評估[J].海洋氣象學報, 2018, 38(1): 91-99.

MENG Xiangui, GUO Junjian, HAN Yongqing, et al.Preliminarily assessment of ERA5 reanalysis data[J].Journal of marine meteorology, 2018, 38(1): 91-99.

[13] CAIRES S, STERL A.A new nonparametric method to correct model data: Application to significant wave height from the ERA-40 re-analysis[J].Journal of Atmospheric and Oceanic Technology, 2005, 22(4): 443- 459.

[14] SIGNELL R P, CARNIEL S, CAVALERI L, et al.Assessment of wind quality for oceanographic model-ling in semi-enclosed basins[J].Journal of Marine Systems, 2005, 53: 217-233.

[15] CAVALERI L, BERTOTTI L.The improvement of modelled wind and wave fields with increasing resolution[J].Ocean Eng, 2006, 33: 553-565.

[16] ARDHUIN F, BERTOTTI L, BIDLOT J R, et al.Com-parison of wind and wave measurements and models in the western Mediterranean sea[J].Ocean Eng, 2007, 34: 526-541.

[17] BRENNER S, GERTMAN I, MURASHKOVSKY A.Preoperational ocean forecasting in the southeastern Mediterranean Sea: Implementation and evaluation of the models and selection of the atmospheric forcing[J].Journal of Marine Systems, 2007, 65: 268-287.

[18] XU Y, WANG Z.Response of surface ocean conditions to Typhoon Rammasum (2014)[J].Journal of Coastal Research, 2017, 80(sp1): 92-97.

[19] CAVALERI L, SCLAVO M.The calibration of wind and wave model data in the Mediterranean Sea[J].Coa-s-tal Eng, 2006, 53(7): 613-627.

[20] MOEINI M H, ETEMAD-SHAHIDI A, CHEGINI V.Wave modeling and extreme value analysis off the northern coast of the Persian Gulf[J].Appl Ocean Res, 2010, 32: 209-218.

[21] MAZAHERI S, KAMRANZAD B, HAJIVALIE F.Modification of 32 years ECMWF wind field using QuikSCAT data for wave hindcasting in Iranian Seas[J].Journal of Coastal Research(Special Issue), 2013, 65: 344-349.

[22] 楊利.臺風“利奇馬”致530余億元直接經濟損失[EB/OL].(2019-08-15)[2020-05-01].http://www.bjnews.com.cn/news/ 2019/08/15/615677.html.

[23] 宋華成.“利奇馬”風雨綜合強度為1961年以來最大已致56人死亡[EB/OL].(2019-08-14)[2020-05-01].http://news.weather.com.cn/2019/08/3228731.shtml.

[24] 劉麗萍.應急管理部發(fā)布2019年8月全國自然災害基本情況[EB/OL].(2019-09-04)[2020-05-01].https://www.mem.gov.cn/xw/bndt/201909/t20190904_336230.shtml.

Applicability of the ERA5 reanalysis data to China adjacent Sea under typhoon condition

LI Ai-lian1,3, LIU Ze1,2,4, HONG Xin5, HOU Yi-jun1,2, 3,4, GUAN Shou-de2, 6

(1.Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China; 2.Laboratory for Ocean and Climate Dynamics, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266237, China; 3.University of Chinese Academy of Sciences, Beijing 100049, China; 4.Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao 266071, China; 5.Yantai Ocean Environment Monitoring Center Station of State Oceanic Administration, Yantai 264006, China; 6.Physical Oceanography Laboratory/IAOS, Ocean University of China, Qingdao 266100, China)

typhoon ‘Lekima’; ERA5 reanalysis data; buoy observation; 10 m wind speed; significant wave height; sea surface temperature

Typhoon ‘Lekima’ (2019) has been the third strong typhoon landfall in the Zhejiang Province since 1949, which has caused huge economic losses and casualties in coastal areas of China.In this paper, three sets of buoy observation data of the Bohai Sea (QF104), Yellow Sea (QF108), and East China Sea (QF5003) during typhoon ‘Lekima’ are used to evaluate the latest ERA5 reanalysis data of ECMWF.Results show that: 1) The ERA5 reanalysis wind speed, wind direction and significant wave height data match well with buoy observations, followed by the ERA5 reanalysis average period and sea surface temperature data; 2) The ERA5 reanalysis average wave direction data is relatively smooth, but the measured data is volatile, which means that the correlation between the ERA5 reanalysis average wave direction data and observations must be improved.

May 2, 2020

[National Natural Science Foundation of China, No.U1706216, No.41876011; National Key Research and Development Program of China, No.2017YFC1404101, No.2018YFC1407003; the Key Deployment Project of Center for Ocean Mega-Science, Chinese Academy of Sciences, No.COMS2019J02; The Global Change and Air-Sea Interaction Projection, No.GASI-IPOVAI-01-03, No.GASI-IPOVAI-01-06; The Strategic Priority Research Program of the Chinese Academy of Sciences, No.XDA19060502]

P731

A

1000-3096(2021)10-0071-10

10.11759/hykx20200502001

2020-05-02;

2020-06-12

國家自然科學基金項目(U1706216, 41876011); 國家重點研發(fā)計劃項目(2017YFC1404101, 2018YFC1407003); 中國科學院海洋大科學研究中心重點部署項目(COMS2019J02); 印-太海洋環(huán)境變異與海氣相互作用(GASI-IPOVAI-01-03, GASI-IPOVAI-01-06); 中國科學院戰(zhàn)略重點項目(XDA19060502)

李愛蓮(1992—), 河北滄州人, 博士研究生, 主要從事海洋災害研究, E-mail: liailian@qdio.ac.cn; 侯一筠(1956—),

, 研究員, E-mail: yjhou@qdio.ac.cn; 劉澤(1982—), 通信作者, 副研究員, E-mail: liuze@qdio.ac.cn

(本文編輯: 叢培秀)