浙江省臺(tái)風(fēng)影響預(yù)測及沿海風(fēng)險(xiǎn)識(shí)別系統(tǒng)研究

金輝明，邱 超， 杜國平， 馬曉萍， 陳仁敖， 柴留彬

（1.杭州知水科技有限公司，浙江 杭州 310009；2.浙江省水文管理中心，浙江 杭州 310009；3.金華市水文管理中心，浙江 金華 321017；4.余杭區(qū)東苕溪水利工程運(yùn)管中心，浙江 杭州 311115）

0 引 言

浙江省毗鄰東海，常年受臺(tái)風(fēng)影響，臺(tái)風(fēng)給全省帶來充沛雨水的同時(shí)[1]，也帶來重大災(zāi)難，每次臺(tái)風(fēng)來襲都會(huì)造成人口損失、房屋倒塌、農(nóng)田被毀與作物失收等直接或間接的影響，導(dǎo)致浙江省發(fā)生較大災(zāi)情的臺(tái)風(fēng)年均2.9 次[2]。在極端降雨事件頻發(fā)、海平面持續(xù)上升和風(fēng)暴潮不斷增強(qiáng)的背景下，因臺(tái)風(fēng)發(fā)生超大型洪澇災(zāi)害的風(fēng)險(xiǎn)不斷累積[3]。以2021 年“煙花”臺(tái)風(fēng)為例，在臺(tái)風(fēng)帶來超強(qiáng)降雨的影響下，浙東沿海河口水位暴漲，與此同時(shí)，河口外恰逢天文大潮，在上游洪水、區(qū)間降雨、天文大潮與風(fēng)暴增水疊加作用，多個(gè)水文站點(diǎn)出現(xiàn)有記錄以來的最高潮位，形成嚴(yán)重的風(fēng)暴潮災(zāi)害。為了科學(xué)應(yīng)對(duì)臺(tái)風(fēng)威脅，浙江省2000 年研發(fā)風(fēng)暴潮增水系統(tǒng)，2014 年研發(fā)相似臺(tái)風(fēng)分析系統(tǒng)，為歷次臺(tái)風(fēng)防御發(fā)揮了重要作用。雖然當(dāng)前臺(tái)風(fēng)分析系統(tǒng)在歷次臺(tái)風(fēng)防御中發(fā)揮了重要作用，但隨著應(yīng)用的深入系統(tǒng)仍有諸多問題有侍優(yōu)化和完善。

本研究基于應(yīng)用實(shí)際，對(duì)已建系統(tǒng)進(jìn)行升級(jí)和功能完善，內(nèi)容包括實(shí)現(xiàn)各場臺(tái)風(fēng)過程降雨空間分布演變過程的動(dòng)態(tài)展示、相似臺(tái)風(fēng)多因子綜合匹配、潮位預(yù)報(bào)各站點(diǎn)特征信息綜合展示、海岸線各點(diǎn)預(yù)測潮位展示、海岸線風(fēng)險(xiǎn)分析以及河口增水網(wǎng)格圖動(dòng)態(tài)展示等，構(gòu)建浙江省臺(tái)風(fēng)影響預(yù)測及沿海風(fēng)險(xiǎn)識(shí)別系統(tǒng)，顯著提高臺(tái)風(fēng)分析效率，為新形勢下的臺(tái)風(fēng)預(yù)報(bào)預(yù)警提供有力的技術(shù)支撐。

1 系統(tǒng)架構(gòu)

本研究建立的浙江省臺(tái)風(fēng)分析系統(tǒng)是綜合性分析系統(tǒng)，防汛專業(yè)人員通過該系統(tǒng)可快速分析出與當(dāng)前相配的歷史相似臺(tái)風(fēng)，并全面了解歷史相似臺(tái)風(fēng)的降雨分布、沿海潮位站潮情以及歷史災(zāi)情信息，為當(dāng)前臺(tái)風(fēng)防御提供數(shù)據(jù)參考，同時(shí)系統(tǒng)提供對(duì)當(dāng)前臺(tái)風(fēng)的風(fēng)暴潮增水分析和展示功能，根據(jù)實(shí)測臺(tái)風(fēng)路徑和預(yù)測路徑，生成當(dāng)前臺(tái)風(fēng)的沿海海面增水網(wǎng)格和各潮位站增水過程圖，并根據(jù)海岸線高程和工情情況，分析出沿海海岸線的風(fēng)險(xiǎn)點(diǎn)，為臺(tái)風(fēng)防御提供技術(shù)支持。本系統(tǒng)采用4 層系統(tǒng)架構(gòu)，分別為數(shù)據(jù)層、算法層、服務(wù)層和應(yīng)用層，總體框架見圖1。

圖1 系統(tǒng)總體框架圖

數(shù)據(jù)層：為系統(tǒng)正常運(yùn)行提供數(shù)據(jù)，包括實(shí)時(shí)水雨情數(shù)據(jù)、歷史水文數(shù)據(jù)、臺(tái)風(fēng)數(shù)據(jù)、河口下墊面數(shù)據(jù)、氣象預(yù)測數(shù)據(jù)等。

算法層：為系統(tǒng)數(shù)據(jù)分析提供基礎(chǔ)算法，其中包括空間插值算法、臺(tái)風(fēng)相似匹配算法、實(shí)時(shí)校正算法、河口分潮優(yōu)化算法、臺(tái)風(fēng)風(fēng)場融合算法等。

服務(wù)層：為系統(tǒng)應(yīng)用提供服務(wù)支撐，包括降雨分布圖生成服務(wù)、歷史水雨情服務(wù)、數(shù)據(jù)計(jì)算服務(wù)、相似臺(tái)風(fēng)匹配服務(wù)、風(fēng)暴潮計(jì)算服務(wù)、臺(tái)風(fēng)路徑服務(wù)等。

應(yīng)用層：為前端展示提供模塊支撐，包括相似臺(tái)風(fēng)展示、風(fēng)暴潮預(yù)報(bào)展示以及海岸線風(fēng)險(xiǎn)展示。

2 關(guān)鍵技術(shù)

2.1 降雨分布序列圖生成技術(shù)

歷史臺(tái)風(fēng)降雨涉及近70 a 歷史水文數(shù)據(jù)，受當(dāng)時(shí)水文資料收集的技術(shù)約束，早期水文資料以人工觀測為主，無論是時(shí)間分辨率還是空間分辨率均較低，因此，需對(duì)水文數(shù)據(jù)進(jìn)行網(wǎng)格化處理，生成等值面分布圖和場次降雨序列圖。研究采用逆距離加權(quán)法進(jìn)行網(wǎng)絡(luò)生成計(jì)算，并通過遮蔽算法對(duì)反距離權(quán)重法進(jìn)行優(yōu)化[4]，充分運(yùn)用當(dāng)前主流服務(wù)器的并行計(jì)算能力，對(duì)算法進(jìn)行并行化計(jì)算，生成場次降雨分布序列圖。降雨網(wǎng)格圖生成過程包括歷史資料整理、站點(diǎn)數(shù)據(jù)篩選、網(wǎng)格數(shù)據(jù)生成、等值線生成以及圖片生成5 個(gè)步驟。

1）歷史資料整理。對(duì)各次臺(tái)風(fēng)涉及的歷史資料進(jìn)行整理，并對(duì)臺(tái)風(fēng)期間各個(gè)站點(diǎn)的歷史資料處理成小時(shí)數(shù)據(jù)，根據(jù)繪圖對(duì)各個(gè)資料站的位置信息和降雨量數(shù)據(jù)進(jìn)行校核，保證數(shù)據(jù)的完整性和準(zhǔn)確性。

2）站點(diǎn)數(shù)據(jù)篩選。為了保證繪制過程高效和成果的準(zhǔn)確性，需對(duì)站點(diǎn)進(jìn)行篩選，篩選時(shí)綜合考慮各個(gè)站點(diǎn)的位置信息、實(shí)時(shí)降雨量和歷史降雨情況，選擇站點(diǎn)數(shù)據(jù)穩(wěn)定可靠、剔除無效站點(diǎn)，篩選出站點(diǎn)布局均勻、站點(diǎn)數(shù)據(jù)可靠的站點(diǎn)參與網(wǎng)格計(jì)算。

3）雨量網(wǎng)格數(shù)據(jù)生成。采用逆距離加權(quán)法生成初次網(wǎng)格，通過遮蔽算法對(duì)各個(gè)網(wǎng)格數(shù)據(jù)進(jìn)行優(yōu)化，對(duì)計(jì)算過程進(jìn)行并行化處理，提供網(wǎng)格計(jì)算效率，保證數(shù)據(jù)在規(guī)定時(shí)間內(nèi)生成。

4）等值線圖生成。采用三角網(wǎng)格化對(duì)生成的網(wǎng)格進(jìn)行等值線爬取，對(duì)爬取的等值線進(jìn)行光滑處理和無效等值線的剔除處理，保證生成的等值線合理、準(zhǔn)確和美觀。

5）圖片生成。對(duì)網(wǎng)格數(shù)據(jù)進(jìn)行色塊著色，在畫布上繪制等值線和對(duì)應(yīng)的標(biāo)注，在一張圖上生成等值線面圖，以Base64 的字符格式對(duì)圖片進(jìn)行接口數(shù)據(jù)返回。

2.2 相似臺(tái)風(fēng)匹配技術(shù)

本研究以地理（路徑）相似為基礎(chǔ)，進(jìn)一步以季節(jié)相似、臺(tái)風(fēng)強(qiáng)度相似、移速相似作為相似臺(tái)風(fēng)匹配的指標(biāo)進(jìn)行匹配。隨著當(dāng)前臺(tái)風(fēng)向前移動(dòng)，通過匹配算法把與當(dāng)前實(shí)時(shí)臺(tái)風(fēng)在移動(dòng)路徑、月份和強(qiáng)度等特征相似的歷史臺(tái)風(fēng)按相似度的百分比檢索出來，得到與當(dāng)前臺(tái)風(fēng)相似的歷史臺(tái)風(fēng)信息[5-9]。其算法流程見圖2。

圖2 相似臺(tái)風(fēng)匹配算法流程圖

2.2.1 路徑相似度計(jì)算

路徑相似度算法核心是臺(tái)風(fēng)相似路徑的確定及臺(tái)風(fēng)相似度的計(jì)算。

1）臺(tái)風(fēng)相似路徑的確定。從臺(tái)風(fēng)的生成點(diǎn)至當(dāng)前臺(tái)風(fēng)的位置繪制一系列緩沖圓，緩沖圓間隔決定相鄰緩沖圓之間的距離，系統(tǒng)中可手動(dòng)輸入，默認(rèn)為12 h，緩沖圓半徑默認(rèn)為400 km，可修改。如果在一系列緩沖圓內(nèi)都有某條臺(tái)風(fēng)的紀(jì)錄點(diǎn)，則該條歷史臺(tái)風(fēng)即為當(dāng)前實(shí)時(shí)臺(tái)風(fēng)的相似臺(tái)風(fēng)，見圖3 中匹配出的相似臺(tái)風(fēng)1 和相似臺(tái)風(fēng)2。

圖3 路徑特征相似法原理圖

2）相似度的計(jì)算。以緩沖圓圓心與每條相似歷史臺(tái)風(fēng)路徑上相應(yīng)關(guān)鍵點(diǎn)之間的距離d和緩沖圓半徑r的比值確立相似度SI：

該緩沖圓內(nèi)所有的關(guān)鍵點(diǎn)的相似度的平均值作為歷史臺(tái)風(fēng)在該緩沖圓處的相似度，記作ASI，見式（2）。

將所有緩沖圓的ASI求平均值后可得到該歷史臺(tái)風(fēng)與當(dāng)前實(shí)時(shí)臺(tái)風(fēng)的相似度TASI，TASI越接近于1，表明檢索出的相似路徑與實(shí)時(shí)路徑越相似。

2.2.2 季節(jié)相似匹配算法

以臺(tái)風(fēng)發(fā)生季節(jié)作為相似性特征指標(biāo)，實(shí)現(xiàn)歷史臺(tái)風(fēng)與當(dāng)前臺(tái)風(fēng)在季節(jié)上的相似匹配。算法設(shè)計(jì)了臺(tái)風(fēng)發(fā)生月份（1—12 月）選項(xiàng)，系統(tǒng)可根據(jù)用戶的選擇，匹配出季節(jié)相似的臺(tái)風(fēng)。

2.2.3 強(qiáng)度相似匹配算法

以臺(tái)風(fēng)強(qiáng)度作為相似性特征指標(biāo)，實(shí)現(xiàn)歷史臺(tái)風(fēng)與當(dāng)前臺(tái)風(fēng)在強(qiáng)度上的相似匹配。算法設(shè)計(jì)了超強(qiáng)臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)、臺(tái)風(fēng)、強(qiáng)熱帶氣旋、熱帶氣旋和熱帶低壓共6 個(gè)不同選項(xiàng)，系統(tǒng)可根據(jù)用戶的選擇，匹配出強(qiáng)度相似的臺(tái)風(fēng)。

2.3 采用VUE 數(shù)據(jù)驅(qū)動(dòng)編程技術(shù)

本次研發(fā)的系統(tǒng)采用當(dāng)前較為主流的VUE 框架進(jìn)行開發(fā)，通過框架的數(shù)據(jù)驅(qū)動(dòng)機(jī)制，實(shí)現(xiàn)成果數(shù)據(jù)與前端渲染頁面之間的數(shù)據(jù)對(duì)接，并可實(shí)現(xiàn)各個(gè)頁面的自定義配置，在降低系統(tǒng)開發(fā)難度的同時(shí)，提高系統(tǒng)的開發(fā)效率。

3 系統(tǒng)實(shí)現(xiàn)

3.1 相似臺(tái)風(fēng)匹配分析

系統(tǒng)提供綜合相似分析、路徑相似分析、實(shí)時(shí)緩沖區(qū)相似分析以及預(yù)測路徑相似分析4 種相似分析算法的選擇功能，系統(tǒng)根據(jù)其季節(jié)性、相似程度以及相似強(qiáng)度等影響因子，快速分析出與當(dāng)前臺(tái)風(fēng)匹配的歷史相似臺(tái)風(fēng)。圖4 為2022 年“梅花”臺(tái)風(fēng)產(chǎn)生時(shí)的界面，系統(tǒng)自動(dòng)匹配出“莫拉克”“派比安”等歷史臺(tái)風(fēng)。

圖4 相似臺(tái)風(fēng)匹配效果圖

3.2 歷史臺(tái)風(fēng)雨情潮情及災(zāi)情展示

本研究對(duì)歷史上臺(tái)風(fēng)期間的降雨數(shù)據(jù)，通過調(diào)用空間插值算法，生成降雨過程分布圖，用戶可調(diào)取任何一場臺(tái)風(fēng)的總降雨分布圖和降雨演變動(dòng)態(tài)圖，全面了解臺(tái)風(fēng)期間降雨分布和降雨演變情況。點(diǎn)擊地圖潮位站可切換顯示各場臺(tái)風(fēng)期間潮水位過程和過程最高潮位信息，點(diǎn)擊各場臺(tái)風(fēng)可在線查看各場臺(tái)風(fēng)災(zāi)情信息。具體界面見圖5。

圖5 歷次臺(tái)風(fēng)雨情潮情展示效果圖

3.3 沿海風(fēng)暴潮增水分析

系統(tǒng)對(duì)河口潮位站天文潮進(jìn)行計(jì)算，生成全年預(yù)測天文潮過程。2022 年“梅花”臺(tái)風(fēng)期間，本系統(tǒng)調(diào)用增水計(jì)算模型，對(duì)各臺(tái)風(fēng)風(fēng)場進(jìn)行分析，根據(jù)風(fēng)場對(duì)“梅花”臺(tái)風(fēng)風(fēng)暴潮過程進(jìn)行預(yù)測，并根據(jù)實(shí)測潮位對(duì)預(yù)測各沿海潮位站的潮水位過程實(shí)時(shí)進(jìn)行校正，達(dá)到較好的預(yù)報(bào)精度和展示效果。具體界面見圖6。

圖6 “梅花”臺(tái)風(fēng)期間風(fēng)暴潮預(yù)測效果圖

3.4 沿海海面增水等值面展示

系統(tǒng)根據(jù)模型計(jì)算的結(jié)果，并通過空間插值算法對(duì)近海海面進(jìn)行網(wǎng)格化處理，生成海面逐小時(shí)增水過程，根據(jù)計(jì)算結(jié)果生成海面增水等值面圖，可對(duì)海面增水演變過程按時(shí)間進(jìn)行動(dòng)態(tài)播放，具體效果見圖7。

3.5 海岸線風(fēng)險(xiǎn)識(shí)別

系統(tǒng)根據(jù)天文潮預(yù)報(bào)模型和臺(tái)風(fēng)風(fēng)暴潮預(yù)報(bào)模型，實(shí)時(shí)生成沿海天文潮和風(fēng)暴潮數(shù)據(jù)，疊加生成海岸線在臺(tái)風(fēng)期間的最高潮位，結(jié)合海岸線海塘高程和水利工情情況，生成海塘風(fēng)險(xiǎn)等級(jí)，并對(duì)危險(xiǎn)堤段分等級(jí)分顏色預(yù)警。具體效果見圖8。

圖8 海岸線風(fēng)險(xiǎn)識(shí)別效果圖

4 結(jié) 語

針對(duì)目前系統(tǒng)存在相似臺(tái)風(fēng)匹配不精確、缺少臺(tái)風(fēng)期降雨過程展示、沿海增水展示不直觀、無海岸風(fēng)險(xiǎn)識(shí)別能力等問題，本次研究通過優(yōu)化相似臺(tái)風(fēng)分析算法、整理歷史臺(tái)風(fēng)資料，進(jìn)行降雨網(wǎng)格化處理、海岸增水?dāng)?shù)據(jù)網(wǎng)格處理和海岸風(fēng)險(xiǎn)分析，較好解決了以上問題。主要得到以下研究成果：

1）對(duì)前期研發(fā)的相似臺(tái)風(fēng)分析算法進(jìn)行優(yōu)化，在算法中引入季節(jié)和臺(tái)風(fēng)強(qiáng)度因子，提高臺(tái)風(fēng)匹配的準(zhǔn)確性。

2）對(duì)歷史臺(tái)風(fēng)資料和歷史水文資料進(jìn)行整理，采用空間插值算法對(duì)臺(tái)風(fēng)期降雨資料進(jìn)行空間插值，生成總降雨分布圖和序列降雨分布圖，臺(tái)風(fēng)期間可調(diào)取各場臺(tái)風(fēng)降雨分布及降雨演變序列圖。

3）對(duì)增水計(jì)算海面數(shù)據(jù)進(jìn)行網(wǎng)格化等值處理，并疊加到海面上，可直觀展示各次預(yù)報(bào)的海面增水過程。

4）通過對(duì)風(fēng)暴潮預(yù)報(bào)成果與海岸堤防高程的疊加，識(shí)別出海岸線風(fēng)險(xiǎn)點(diǎn)，為臺(tái)風(fēng)期沿海風(fēng)險(xiǎn)識(shí)別提供技術(shù)支持。