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

杜照鈞, 王延平, 毛新燕

(中國海洋大學(xué) 海洋與大氣學(xué)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(fēng)暴潮過程, 研究了佳益、明波、富瀚3個(gè)海洋牧場的增水與有效波高的分布特征。通過分析3個(gè)海洋牧場的風(fēng)暴增水與有效波高的年極值序列得出, 臺風(fēng)風(fēng)暴潮發(fā)生次數(shù)最多, 但強(qiáng)度沒有明顯的規(guī)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(fēng)暴潮主要在明波海洋牧場形成高增水, 同時(shí)在佳益海洋牧場形成大浪。以年極值序列為基礎(chǔ), 利用Gumbel極值分布計(jì)算了出3個(gè)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(jìn)一步考慮波高與增水的聯(lián)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(shí)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(shí)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(shí)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(jié)果對海洋牧場的風(fēng)暴潮防災(zāi)減災(zāi)工作有一定參考價(jià)值。

風(fēng)暴潮; 波高; 災(zāi)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(jìn)行有計(jì)劃地放養(yǎng)的人工漁場[1]。相比傳統(tǒng)漁場, 海洋牧場能夠根據(jù)特定區(qū)域的海洋生態(tài)系統(tǒng)特征, 實(shí)現(xiàn)生物棲息地養(yǎng)護(hù)優(yōu)化與生物有機(jī)養(yǎng)殖增殖。自曾呈奎院士于1981年提出“海洋農(nóng)牧化”建設(shè)海洋牧場以來, 截至2018年, 中國山東半島已經(jīng)創(chuàng)建了省級國家海洋牧場83處, 累計(jì)投放人工魚礁1 600多處, 海洋牧場建設(shè)面積達(dá)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(fēng)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(tǒng)的影響[3]。研究山東海洋牧場的風(fēng)暴潮災(zāi)害特征, 對于發(fā)展海洋牧場的災(zāi)害預(yù)警與災(zāi)害評估模型, 保障海洋牧場的水產(chǎn)養(yǎng)殖、旅游觀光產(chǎn)業(yè)正常運(yùn)轉(zhuǎn)具有現(xiàn)實(shí)的指導(dǎo)意義。

風(fēng)暴潮是由強(qiáng)烈的大氣擾動(如強(qiáng)風(fēng)或氣壓驟變等)引起的平均海平面異常升高或降低現(xiàn)象[4]。風(fēng)暴潮災(zāi)害是對中國近海環(huán)境危害最嚴(yán)重的海洋災(zāi)害之一。前人對風(fēng)暴潮災(zāi)害特征做了不少統(tǒng)計(jì)研究, 例如渤海區(qū)域寒潮型風(fēng)暴潮發(fā)生的頻率最大, 溫帶氣旋型風(fēng)暴潮發(fā)生頻率最少[5]; 同時(shí)不少學(xué)者利用各類數(shù)值模式, 結(jié)合極值分布規(guī)律計(jì)算中國近海的多年一遇風(fēng)暴增水與浪高[6-7]。Li等人[6]分析了百年重現(xiàn)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(jù)增水超過100 cm的概率認(rèn)為萊州灣南側(cè)在風(fēng)暴潮災(zāi)害中受災(zāi)最為嚴(yán)重。部分學(xué)者嘗試量化風(fēng)暴潮過程中波浪與增水的相互作用, Marsooli和Lin[8]認(rèn)為波浪與增水的非線性相互作用對普通風(fēng)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(fēng)暴潮影響會有所下降, 但I(xiàn)dier等認(rèn)為非線性相互作用對增水的影響可以達(dá)到100 cm以上[9]?；陲L(fēng)暴潮的災(zāi)害特征, 許多沿海城市采取了眾多有效的防災(zāi)減災(zāi)措施[10], 例如以多年一遇極值水位為參考提高工程設(shè)計(jì)水位的標(biāo)準(zhǔn)、加固海堤以抵抗風(fēng)暴潮過程中海浪對堤壩的破壞, 再者限制重要產(chǎn)業(yè)在沿海風(fēng)暴潮高風(fēng)險(xiǎn)區(qū)的發(fā)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(huán)繞, 具有明顯的“內(nèi)凹”特征, 受風(fēng)浪影響較小; 佳益海洋牧場離岸稍遠(yuǎn), 四面環(huán)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(cè)為陸地而東南側(cè)為開闊的海洋, 屬于半開放的環(huán)境。

圖1 山東半島近海水深分布

注: 紅星標(biāo)注三個(gè)海洋牧場的位置

三個(gè)海洋牧場的地理區(qū)位具有較強(qiáng)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(gè)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(fēng)、溫帶氣旋和寒潮等影響到山東半島的風(fēng)暴潮增水和海浪動力災(zāi)害過程。在此基礎(chǔ)上, 結(jié)合Gumbel極值分布與考慮波高、風(fēng)暴增水的二維聯(lián)合概率分布模型, 對山東海洋牧場的增水與浪高等災(zāi)害性特征進(jìn)行深入分析, 為海洋牧場的災(zāi)害風(fēng)險(xiǎn)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(gè)覆蓋整個(gè)黃渤海區(qū)域的ADCIRC-SWAN浪流耦合模式[11](圖2), 計(jì)算區(qū)域?yàn)?1.0°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(dá)到200 m(山東半島沿岸)至3 km(其他岸線位置), 模式在3個(gè)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(shù)據(jù)使用韓國成均館大學(xué)測深和地形數(shù)據(jù)庫[12], 開邊界采用俄勒岡州立大學(xué)潮汐預(yù)測軟件OTPS(OSU tidal prediction software)提供的8個(gè)分潮(M2、S2、K1、O1、N2、K2、P1、Q1)進(jìn)行水位強(qiáng)迫。模式從靜止啟動, 計(jì)算步長為10 min, 而耦合模塊間交換數(shù)據(jù)的時(shí)間間隔為30 min。

1.2 風(fēng)場數(shù)據(jù)

本文共選擇了從1985—2017年的61場風(fēng)暴潮過程, 包括33場臺風(fēng), 18場寒潮以及10場溫帶氣旋過程。其中臺風(fēng)過程根據(jù)溫州臺風(fēng)網(wǎng)(http://www.wztf121.com/)顯示的歷史臺風(fēng)路徑是否經(jīng)過黃渤海而確定, 寒潮和溫帶氣旋過程依據(jù)每年的《中國海洋災(zāi)害公報(bào)》[13]確定, 并參考《中國溫帶風(fēng)暴潮災(zāi)害史料集》[14]加以區(qū)分。模式中使用的臺風(fēng)路徑與中心氣壓由中國氣象局的最佳路徑數(shù)據(jù)集(China Meteoro-logical Administration tropical cyclone database)提供。之后利用Jelesnianski圓形臺風(fēng)模型生成臺風(fēng)風(fēng)場[15]。寒潮與溫帶氣旋過程的風(fēng)場數(shù)據(jù)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(shù)據(jù)集[16]。

圖2 模擬區(qū)域及計(jì)算網(wǎng)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(yàn)潮站

1.3 Gumbel分布與聯(lián)合概率分布

當(dāng)數(shù)據(jù)的時(shí)間長度足夠長時(shí), 將海洋增水、波高等水文變量按從小到大排列, 對應(yīng)的極值分布規(guī)律服從于Gumbel型極值分布函數(shù)[17]:

式中,為設(shè)計(jì)概率,、為分布參數(shù), 可用多種參數(shù)估計(jì)方法進(jìn)行估計(jì), 其中矩法估計(jì)便是使用變量極值序列的平均值、標(biāo)準(zhǔn)差計(jì)算得到上述分布參數(shù), 較為簡便, 歷來多有采用[17]:

=1.282 6/, (2)

=–0.577 2/. (3)

記重現(xiàn)期=1/, 化簡后可得設(shè)計(jì)概率所對應(yīng)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(shí)發(fā)生的聯(lián)合概率為:

其中為變量之間的相關(guān)系數(shù)。當(dāng)固定設(shè)計(jì)概率與增水或波高其中一項(xiàng)后, 即可獲得剩余一項(xiàng)在特定重現(xiàn)期下對應(yīng)的特征值, 3.3節(jié)將增水條件設(shè)置為50 cm和150 cm后, 計(jì)算得到了對應(yīng)條件下百年一遇的波高值。

2 模型驗(yàn)證

2.1 潮汐驗(yàn)證

準(zhǔn)確模擬天文潮汐是模擬風(fēng)暴潮的基礎(chǔ), 本文對比了山東半島周圍4個(gè)驗(yàn)潮站在2003年10月的模擬水位與潮汐表[19]實(shí)測水位的時(shí)間序列, 模擬結(jié)果能清楚顯示出驗(yàn)潮站的大小潮循環(huán)以及煙臺的規(guī)則半日潮、塘沽的不規(guī)則半日潮及秦皇島的全日潮等特征(圖3)。四個(gè)站點(diǎn)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(jié)果表明模式對潮汐的模擬是準(zhǔn)確的。

圖3 2003年10月不同驗(yàn)潮站的模擬水位(紅線)與實(shí)測水位(黑點(diǎn))對比

注: 起始時(shí)間是2003年10月1日0時(shí)

2.2 風(fēng)暴增水驗(yàn)證

為了評價(jià)模式在不同天氣過程中的模擬表現(xiàn), 本文選取了多場風(fēng)暴潮過程進(jìn)行模擬, 并結(jié)合驗(yàn)潮站的實(shí)測水位資料加以驗(yàn)證。根據(jù)風(fēng)暴潮過境速度的不同, 驗(yàn)潮站的水位資料長度在3～5 d不等, 時(shí)間分辨率為1 h。

篇幅所限, 本文僅展示1985年9號臺風(fēng)、1996年7月的溫帶氣旋過程、2005年9號臺風(fēng)和2009年4月的強(qiáng)寒潮過程等四場風(fēng)暴潮的模擬結(jié)果, 除了1996年的溫帶氣旋外, 其余三場風(fēng)暴潮均在渤、黃海各挑選了一個(gè)站位進(jìn)行驗(yàn)證(圖4)。其中1985年9號臺風(fēng)在塘沽模擬的最大增水為144 cm, 與實(shí)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(shí)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(shí)際水位相對誤差分別為–4.29%和–11.07%; 2005年9號臺風(fēng)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(shí)際的相對誤差為–10.11%與–19.44%。八場模擬風(fēng)暴潮中, 三場模擬增水極值出現(xiàn)時(shí)間與實(shí)際基本一致(b、e、g), 其余的站點(diǎn)增水極值與實(shí)際觀測有一定相位差, 但誤差均在4 h以內(nèi), 八場風(fēng)暴潮的模擬曲線與實(shí)際增水曲線的相關(guān)系數(shù)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(yàn)結(jié)果為90%外, 其余站位均通過了95%的置信度檢驗(yàn), 表明模式增水結(jié)果與實(shí)際觀測吻合較好。

圖4 四場風(fēng)暴潮過程的模擬增水(藍(lán)色實(shí)線)與實(shí)測增水(紅色虛線)對比

表1 不同風(fēng)暴潮過程中驗(yàn)潮站的最大增水與最大有效波高驗(yàn)證結(jié)果表

2.3 風(fēng)暴浪驗(yàn)證

實(shí)際觀測中, 風(fēng)暴潮過程的海浪數(shù)據(jù)較少, 本文只呈現(xiàn)山東半島北部站位在三場風(fēng)暴潮過程的數(shù)據(jù), 分別為2011年8月的溫帶氣旋過程、2014年10號臺風(fēng)與2015年9月底的寒潮過程。觀測數(shù)據(jù)為東營、北煌城、龍口站連續(xù)6 d的逐時(shí)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(shí)測波高的相對誤差為–2.92%及+8.89%; 2014年10號臺風(fēng)過程中, 北煌城站的模擬最大有效波高與實(shí)測一致, 東營站的模擬結(jié)果相對誤差為+15.78%, 模擬有效波高極值出現(xiàn)的時(shí)間均比實(shí)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(shí)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(xiàn)時(shí)間與觀測吻合較好, 相差不超過1 h。上述站點(diǎn)模擬與實(shí)測曲線的相關(guān)系數(shù)均在0.88以上(表1), 且全部通過95%的置信度檢驗(yàn)。

圖5 三場風(fēng)暴潮過程的模擬有效波高(藍(lán)色實(shí)線)與實(shí)測有效波高(紅色圓點(diǎn))對比

綜合2.2及2.3的結(jié)果(表1)可知, 除個(gè)別站點(diǎn)外, 模式模擬的風(fēng)暴增水與浪高極值相對誤差都在20%以內(nèi), 而且過程曲線與實(shí)際相比均呈現(xiàn)出較強(qiáng)的相關(guān)性, 說明模式能夠重現(xiàn)山東半島海域各類風(fēng)暴潮過程的增水與波浪變化的主要特征。

3 結(jié)果與分析

3.1 最大增水與對應(yīng)有效波高時(shí)間序列

基于模擬的61場風(fēng)暴潮過程, 本文首先按如下規(guī)則確定了山東半島每年最大的風(fēng)暴潮: 對于一年中有多場風(fēng)暴潮的情況, 統(tǒng)計(jì)當(dāng)年每場風(fēng)暴潮在山東半島近海(圖2藍(lán)色網(wǎng)格范圍內(nèi))產(chǎn)生的極值水位, 以極值水位最大的場次作為當(dāng)年山東半島最大的風(fēng)暴潮。之后根據(jù)該場風(fēng)暴潮在3個(gè)海洋牧場處引起的最大增水, 可構(gòu)成三組1985—2017年最大風(fēng)暴增水的時(shí)間序列(圖6)。結(jié)果顯示在這33年間, 有15個(gè)年份的最大風(fēng)暴潮增水是由臺風(fēng)風(fēng)暴潮造成的(如1985年、1997年), 14個(gè)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(fēng)暴增水由溫帶氣旋造成, 表明對山東半島影響較大的風(fēng)暴潮過程主要由臺風(fēng)與寒潮引起。臺風(fēng)侵襲山東半島的次數(shù)雖多, 但強(qiáng)度參差不齊, 而且臺風(fēng)在從低緯度向北行進(jìn)過程中伴隨能量損耗, 同時(shí)受到移動路徑、海表溫度等多個(gè)條件制約, 待到達(dá)山東半島時(shí)強(qiáng)度變?nèi)? 引起的風(fēng)暴潮致災(zāi)嚴(yán)重的場次比較少; 而秋冬季節(jié)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(tuán)交匯震蕩, 暴發(fā)出的寒潮強(qiáng)度較高[20], 因此更易在山東半島近海造成超越臺風(fēng)風(fēng)暴潮的水位, 1985—2017年間渤黃海區(qū)域共發(fā)生18場寒潮風(fēng)暴潮, 其中有14場是當(dāng)年增水最大的風(fēng)暴潮。

根據(jù)《海洋災(zāi)害重點(diǎn)防御區(qū)劃定技術(shù)導(dǎo)則》給出的風(fēng)暴等級劃分標(biāo)準(zhǔn)[21], 明波海洋牧場較大增水等級以上(大于150 cm)的10場風(fēng)暴潮中, 寒潮與臺風(fēng)引起的風(fēng)暴潮各有4場。而其他2個(gè)海洋牧場, 增水超過中等增水等級(大于100 cm)的風(fēng)暴潮, 是臺風(fēng)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(qū), 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(gè)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(jìn)的臺風(fēng)過程, 位于南側(cè)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(gè)海洋牧場的逐年最大風(fēng)暴增水時(shí)間序列

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

表2 不同天氣類型下的3個(gè)海洋牧場的平均增水

與統(tǒng)計(jì)得到風(fēng)暴增水的年最大值的長時(shí)間序列類似, 也可以得到3個(gè)海洋牧場范圍內(nèi)的最大有效波高的時(shí)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(chǎn)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(gè)年份中, 有8年是寒潮過程中產(chǎn)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(fēng)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(qiáng)烈的大氣擾動及與天文潮非線性耦合共同作用產(chǎn)生的, 其多年的極值分布規(guī)律服從于Gumbel型極值分布函數(shù)[17]。對于3.1中獲得的33個(gè)年份的增水極值, 按公式(4)可計(jì)算得出海洋牧場的百年一遇風(fēng)暴潮增水(圖8)。

圖7 三個(gè)海洋牧場的逐年最大有效波高時(shí)間序列

山東半島近海百年一遇增水分布總體呈現(xiàn)“近岸大、遠(yuǎn)岸小”的分布趨勢, 等值線與岸界平行, 高增水區(qū)主要集中在近岸一側(cè), 特別地, 內(nèi)凹的岸線地形利于海水堆積, 故能夠產(chǎn)生極高的增水, 如萊州灣灣頂、海州灣和膠州灣等海區(qū)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(yuǎn), 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(gè)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(nèi)部, 整體增水偏高, 東南側(cè)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(yuǎn), 牧場周邊增水在178 cm左右, 波動不超過2 cm; 考慮到災(zāi)害性海浪會毀壞海洋牧場內(nèi)的海岸工程與養(yǎng)殖設(shè)施, 產(chǎn)生嚴(yán)重經(jīng)濟(jì)損失, 我們也利用Gumbel分布(公式4)計(jì)算了3個(gè)海洋牧場百年一遇的有效波高(圖9)。

圖8 三個(gè)海洋牧場在100年重現(xiàn)期下的風(fēng)暴增水分布

一般來說, 風(fēng)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(fēng)區(qū)與風(fēng)時(shí)的共同作用, 陸地的阻擋也會阻止風(fēng)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(dá)極限后發(fā)生破碎, 導(dǎo)致波高迅速減少, 因此近岸有效波高較小, 海區(qū)中部的有效波高較大, 有效波高的分布與增水的分布呈現(xiàn)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(qū)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(yuǎn), 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(gè)海洋牧場中最高的, 波高普遍在7.0 m以上, 大浪區(qū)集中在牧場東、北側(cè), 最大值為7.4 m; 而位于萊州灣內(nèi)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(cè)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(nèi), 但西北側(cè)靠近陸地, 有效波高也要遠(yuǎn)低于外海, 介于4.0 m與6.0 m之間。

圖9 三個(gè)海洋牧場在100年重現(xiàn)期下的風(fēng)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(fā)現(xiàn), 多年一遇增水高值區(qū)域與波高較大區(qū)域并不完全吻合。為了克服單純使用增水或浪高來判別災(zāi)情的不足, 使用聯(lián)合概率分析并進(jìn)行聯(lián)合重現(xiàn)期的推算是很有必要的[22], 本文分別計(jì)算了一般風(fēng)暴增水等級(50 cm)和較大風(fēng)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(fā)現(xiàn), 聯(lián)合概率分析能很好地保留原有的波高分布規(guī)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(qū)并沒有明顯變化。隨著風(fēng)暴增水逐漸變大, 考慮增水與波高的聯(lián)合效應(yīng)后, 增水對波高的制約程度隨增水高度增加而逐漸加強(qiáng)。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(shí), 佳益海洋牧場的最大有效波高可達(dá)7.4 m, 當(dāng)增水為50 cm時(shí), 佳益海洋牧場的有效波高降低至6.5～7.1 m, 而當(dāng)增水為150 cm時(shí), 佳益海洋牧場內(nèi)有效波高則降至3.6～4.3 m; 相比之下, 考慮聯(lián)合效應(yīng)對明波與富瀚海洋牧場的波高影響較小, 當(dāng)增水為50 cm時(shí), 明波海洋牧場的波高分布與考慮單變量極值時(shí)的分布基本一致, 富瀚海洋牧場的波高僅在外海出現(xiàn)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(cè)近岸海區(qū)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(guān)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(xiàn)在同一位置。以佳益海洋牧場為例, 開闊的海面條件導(dǎo)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(lián)合效應(yīng)時(shí), 對比其余2個(gè)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(yīng), 隨增水高度增加迅速下降。因此忽略增水與浪高的相關(guān)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(gè)復(fù)雜的動力過程, 除了數(shù)理概率統(tǒng)計(jì)的方法外, 如何探明波浪與增水的動力作用機(jī)制, 量化兩者對彼此的影響, 有待進(jìn)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(fēng)暴浪高分布

4 結(jié)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(fēng)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(shí)空分布規(guī)律及多年分布特征。結(jié)果表明風(fēng)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(fēng)暴潮對山東半島的影響也有所不同: 臺風(fēng)引起風(fēng)暴潮次數(shù)最多, 主要影響明波海洋牧場與富瀚海洋牧場, 但是強(qiáng)度沒有明顯的規(guī)律, 最大增水從50～300 cm均有可能。寒潮引起的風(fēng)暴潮主要在明波海洋牧場形成高增水, 同時(shí)在佳益海洋牧場形成大浪。溫帶氣旋引起的風(fēng)暴潮發(fā)生頻率最低, 但在3個(gè)海洋牧場都能引起較高增水, 尤其對于富瀚和明波2個(gè)海洋牧場, 溫帶氣旋在這2個(gè)海洋牧場的平均增水是最大的。

利用Gumbel極值分布, 本文計(jì)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(yuǎn)岸較低, 而有效波高則相反。利用二維聯(lián)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(cè)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(jié)果, 結(jié)合海洋牧場的實(shí)際狀況, 本文認(rèn)為: 萊州灣內(nèi)的海洋牧場適宜在波高較小的西側(cè)外海進(jìn)行網(wǎng)箱養(yǎng)殖, 減少高增水的影響; 靠近渤海海峽區(qū)的海洋牧場適宜在遠(yuǎn)岸海域進(jìn)行水產(chǎn)養(yǎng)殖, 但是應(yīng)保證網(wǎng)箱錨定物的重量, 以及應(yīng)選用強(qiáng)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(cè)的海洋牧場風(fēng)暴增水較小, 無論是開展養(yǎng)殖業(yè)還是服務(wù)型產(chǎn)業(yè), 風(fēng)險(xiǎn)都比較小, 是優(yōu)秀的海洋牧場選址地點(diǎn)。

[1] 黃宗國. 海洋生物學(xué)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(jīng)濟(jì)收入全國居首[J]. 海洋與漁業(yè), 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(zāi)害特征分析及防御對策探討[J]. 防災(zāi)科技學(xué)院學(xué)報(bào), 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(fēng)暴潮導(dǎo)論[M]. 北京: 科學(xué)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(qū)風(fēng)暴潮及強(qiáng)增水個(gè)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(zāi)害公報(bào)[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(fēng)暴潮災(zāi)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(fēng)暴潮增水和臺風(fēng)浪聯(lián)合分布在北侖港中的應(yīng)用[J]. 水運(yùn)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(jì)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(xué), 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(biāo)準(zhǔn)化技術(shù)委員會. 海洋災(zāi)害風(fēng)險(xiǎn)評估和區(qū)劃技術(shù)導(dǎo)則第1部分: 風(fēng)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(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)(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(zhì)輸運(yùn), 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(zhì)輸運(yùn), E-mail: maoxinyan@ouc.edu.cn

(本文編輯: 楊 悅)