風暴潮增水長期模擬結(jié)果的訂正方法研究

馬永鋒，祖子清，李濤，吳少華，凌鐵軍

（1.國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點實驗室，北京100081；2.國家海洋環(huán)境預(yù)報中心，北京100081）

風暴潮增水長期模擬結(jié)果的訂正方法研究

馬永鋒1,2，祖子清1,2，李濤1,2，吳少華1,2，凌鐵軍1,2

（1.國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點實驗室，北京100081；2.國家海洋環(huán)境預(yù)報中心，北京100081）

利用7個驗潮站逐時觀測數(shù)據(jù)與國家海洋環(huán)境預(yù)報中心業(yè)務(wù)化風暴潮模式結(jié)果進行對比分析，分別采用趨勢訂正（TSC法）和統(tǒng)計偏差訂正（SBC法）兩種方法對模擬的風暴潮增水長時間序列進行訂正，以提高模擬結(jié)果的可靠性。研究結(jié)果表明：模擬的風暴潮較觀測頻次明顯偏多且強度偏強，2008—2011年期間模擬的7個站點發(fā)生50 cm以上風暴潮的年平均總頻次較觀測高估238%，且年最大增水值的年平均較觀測偏高28.7—104.7 cm。經(jīng)過TSC和SBC兩種方法訂正后，其誤差顯著性減小，年平均總頻次分別較觀測（226.5次）偏少2%和47%，年最大增水值的年平均偏差分別在-9.8—17.3 cm和-23.7—4.3 cm之間。另外，TSC方法訂正后的風暴潮頻次和最大增水在數(shù)值上較SBC方法更接近于觀測，而SBC方法訂正后的風暴潮頻次、最大增水的季節(jié)變化趨勢與觀測更為一致，其與觀測的相關(guān)系數(shù)在一些站點由訂正前的0.2左右提升到0.8以上。

風暴潮、數(shù)值模擬、趨勢訂正、統(tǒng)計偏差訂正

1 引言

我國擁有18000 km以上的海岸線，且橫跨緯度范圍大，是全球少數(shù)幾個同時遭受溫帶風暴潮和臺風風暴潮影響的國家之一。隨著我國沿海地區(qū)經(jīng)濟的發(fā)展，風暴潮災(zāi)害已經(jīng)成為我國重要的自然災(zāi)害種類之一，直接影響著沿海地區(qū)的社會經(jīng)濟發(fā)展和人民的生產(chǎn)與生活。因此，全面了解我國沿海風暴潮的時空變化特征以及進行風暴潮災(zāi)害評估對國家防災(zāi)減災(zāi)工作具有重要的指導(dǎo)意義。然而，由于我國沿海風暴潮觀測站點數(shù)量有限，且分布不均、觀測時長不一，擁有長時間的完整觀測序列的站點較少，直接利用觀測數(shù)據(jù)對全國沿海風暴潮進行長期的時空分布特征分析及災(zāi)害評估，在時空統(tǒng)計特征上具有一定的不確定性，且難以定量評估未來不同氣候變化影響下風暴潮的時空變化。近年來，利用數(shù)值模擬結(jié)果可得到時空連續(xù)的風暴潮變化特征，可用于開展風暴潮災(zāi)害風險評估，該方法在國際上已經(jīng)得到了較好應(yīng)用[1-5]。借助于高時空分辨率的風暴潮數(shù)值模式來開展相關(guān)研究也是評估未來變化的有效方法之一。

從20世紀80年代以來，我國風暴潮數(shù)值模式得以快速發(fā)展，目前已對我國沿海各個海區(qū)的風暴潮進行了大量的數(shù)值模擬實驗，并取得了許多有意義的結(jié)果[6-13]。這些研究中的部分模式已經(jīng)應(yīng)用到了實時預(yù)報中，成為我國風暴潮預(yù)報的重要手段之一。其中，國家海洋環(huán)境預(yù)報中心（NMEFC）發(fā)展的臺風風暴潮數(shù)值預(yù)報模式一直處于領(lǐng)先地位，并于2003年開始業(yè)務(wù)化運行，其采用深度平均流方程作為控制方程，水平分辨率為2′。董劍希等[14]利用2003—2005年期間11次臺風風暴潮的實測最大增水對該業(yè)務(wù)化風暴潮數(shù)值預(yù)報模式進行了檢驗。李杰等[12]利用該模式對影響珠江口的3次臺風風暴潮過程進行了后報實驗，結(jié)果顯示該模式對風暴增水的適用

性較好，且模擬效果隨熱帶氣旋強度增強而提升。李濤等[13]對寧波5次較顯著的臺風風暴潮過程進行模擬檢驗，表明該模式能較好地模擬臺風風暴潮過程，尤其是對最大過程增水的模擬。經(jīng)過在近些年業(yè)務(wù)化預(yù)報實踐中的改進，NMEFC的業(yè)務(wù)化風暴潮模式的預(yù)報效果得以提升，其預(yù)報相對誤差小于30%，每年的預(yù)報保證率為70%[14]。

然而，上述關(guān)于風暴潮模式的研究工作都主要是針對單個臺風風暴潮增水過程的模擬研究及驗證，而罕有對風暴潮模式的整體評價及長時間序列模擬的評估。因此，如果想借用高時空分辨率的風暴潮數(shù)值產(chǎn)品來評估氣候變化背景下中國沿海的風暴潮災(zāi)害，及其時空變化特征，必須先對風暴潮數(shù)值模擬結(jié)果進行全面的檢驗，而非只檢驗臺風登陸前后的單次風暴潮過程模擬。為此，本研究利用多個驗潮站多年的逐時觀測數(shù)據(jù)對NMEFC業(yè)務(wù)化風暴潮模式的長期模擬結(jié)果進行全面檢驗，然后采用兩種不同的方法對模擬風暴增水進行訂正，旨在得到比較可靠的高分辨率、長時間序列的風暴潮增水數(shù)據(jù)，為開展中國沿海風暴潮時空變化特征研究及災(zāi)害評估提供可靠的時空高分辨率數(shù)據(jù)。

2 資料與方法

2.1 風暴潮模式簡介

本文采用國家海洋環(huán)境預(yù)報中心的業(yè)務(wù)化風暴潮數(shù)值預(yù)報模式[8]（以下稱為NMEFC風暴潮模式），其基于球面坐標系，采用半隱式差分格式，空間分辨率為2′，能夠高效的進行中國海風暴潮數(shù)值計算。NMEFC風暴潮模式采用有限差分方法求解方程、Arakawa C交錯網(wǎng)格，為了使模式的穩(wěn)定性增強，摩擦項也采用隱式差分格式。另外，該模式使用Takahashi[15]和Fujita[16]兩種方法嵌套計算同一臺風域中的氣壓場分布，采用Ueno[17]公式來計算臺風風場。自2003年業(yè)務(wù)化運行以來，大量的風暴潮模擬實驗表明，NMEFC風暴潮模式的預(yù)報年正確率在70%以上，對臺風風暴潮過程模擬較好，尤其是對最大風暴增水的模擬，并且模擬效果隨熱帶氣旋強度增強而有所提升[12-14]。

模式的模擬區(qū)域為105°—127°E，16—41°N（見圖1），模擬時段為1981年1月1日00時—2012年12月31日23時（北京時，下同），輸出結(jié)果為逐小時風暴潮增水值。為了方便與觀測結(jié)果進行對比，將模式輸出的逐小時風暴潮增水值插值到觀測站點，各站點名稱和位置見圖1。

圖1 風暴潮模式模擬區(qū)域及觀測站點分布

2.2 風暴潮觀測資料

本文收集整理了我國沿海7個站點（呂泗、坎門、廈門、汕尾、閘坡、北海和東方，見圖1）2008—2011年共4年的逐小時潮位和潮汐觀測數(shù)據(jù)。各站點潮位觀測均有不同程度的缺測，有效數(shù)據(jù)總時長一般在3—3.5年。利用潮位減去潮汐得到風暴潮增水值，參照風暴潮等級劃分標準[18]，將其劃分如下：≥251 cm為I級、201—250 cm為II級、151—200 cm為III級、101—150 cm為IV級、50—100 cm為V級。

2.3 訂正方法

通過對比多個站點的觀測與模擬風暴潮增水時間序列，表明NMEFC風暴潮模式能夠較好地再現(xiàn)觀測風暴潮過程的日變化特征，以及強風暴潮過程。但是，我們發(fā)現(xiàn)模擬的增水與觀測存在著一定的系統(tǒng)性偏差，主要表現(xiàn)為模擬的風暴增水季節(jié)變化和高頻振蕩的振幅均明顯強于觀測，尤其是上海以南的站點，其在冬、春、秋季明顯偏高。圖2給出了2009年廈門站逐小時風暴增水觀測與模擬的對比?？梢钥闯?，模擬與觀測的偏差在夏季6—8月較小，其它季節(jié)較大，并且其日變化、季節(jié)變化振幅均較觀測明顯偏大，尤其是冬、春季，較觀測偏高可達50 cm以上，其與觀測的年相關(guān)系數(shù)（R）為0.29，年

平均偏差約為20.8cm。因此，很有必要對模擬結(jié)果進行訂正，使其更接近于觀測，從而提高風暴潮數(shù)值模式結(jié)果的適用性。

圖2 2009年廈門站逐小時風暴潮觀測與模擬結(jié)果的對比（藍色和黃色粗線分別為模擬與觀測的季節(jié)變化趨勢）

本文使用兩種方法對模擬的風暴潮增水進行訂正，詳細說明如下：

(1)趨勢和標準差訂正法（下文簡稱TSC法）

我們將風暴潮增水（Surge）的時間序列分解為低頻和高頻兩部分，分別用季節(jié)變化趨勢（Trend）和殘差（Residuals）來表示，即：

式中：Trend＝多次滑動平均；Residuals＝原始序列－Trend。通過多次實驗結(jié)果的比較，最終使用的滑動窗口寬度為169 h（約為7 d），連續(xù)進行5次滑動平均得到Trend和Residuals。

模式結(jié)果與觀測的低頻部分的差異用兩者之間的差值（Delta）來表示，即：

式中：ModTrend和ObsTrend分別為模式結(jié)果和觀測的Trend。模式結(jié)果與觀測的高頻部分的差異用兩者標準差的比值（Scale）來表示，即：

式中：STDMod.Residuals和STDObs.Residuals分別為模擬、觀測結(jié)果的高頻部分的標準差。由此，我們可用下式來訂正模擬結(jié)果：

式中：Mod和ModNew分別為訂正前和訂正后的模擬結(jié)果。

由于收集的各站點觀測數(shù)據(jù)在每年都有不同程度的缺失，為了得到更準確的季節(jié)變化趨勢，我們將（2）、（3）式計算得到的各站點Delta和Scale進行4年平均，然后再用于模擬結(jié)果的訂正。

(2)統(tǒng)計偏差訂正法（下文簡稱SBC法）

借鑒Piani等[19]對全球模式輸出的降水和氣溫進行的統(tǒng)計偏差訂正法（Statistical Bias Correction Methodology），對模擬風暴潮增水進行修正。SBC方法是認為模擬變量與觀測變量應(yīng)該具有相同的概率密度分布特征，從而通過調(diào)整模擬變量的概率密度分布特征使其接近于觀測。訂正變量可表示為模擬變量的函數(shù)，即：

f稱為轉(zhuǎn)換函數(shù)（記為TF，則(5)式可表示為Xcor=TF(Xmod)。TF則可根據(jù)假定，即模擬變量的概率密度分布與觀測變量的概率密度分布相匹配而推出。圖3舉例說明SBC方法。圖3a為廈門站2008—2011年觀測與模擬的逐時風暴潮增水的概率密度分布，每個分布都用正態(tài)分布函數(shù)進行擬合，擬合得到的連續(xù)函數(shù)則表示它們各自的概率密度函數(shù)（PDF）。根據(jù)PDF分別計算出模擬與觀測的累積分布函數(shù)（CDF），再依據(jù)假設(shè)將每個Xcor和Xmod關(guān)聯(lián)起來，即：

此過程見圖3b。由此便可以推導(dǎo)出轉(zhuǎn)換函數(shù)TF。如Piani等[19]文中圖1c所示由此推導(dǎo)出的TF和排序后的模擬與觀測變量的關(guān)系非常一致，為方便計算可根據(jù)排序后的模擬與觀測變量間的關(guān)系來求得TF。由于風暴潮增水具有明顯的季節(jié)變化特征，考慮其在不同季節(jié)概率密度分布的差異，我們對1—12月分別計算每個月的TF。圖3c舉例給出了4、8和12月模擬風暴潮增水與觀測的轉(zhuǎn)換關(guān)系，我們使用三次多項式進行最小二乘法擬合，詳細的TF見圖3c右側(cè)。

對模擬的各站點風暴潮增水進行逐月SBC法訂正，具體步驟如下：（1）對各站點2008—2011年的觀測與模擬增水分成12個月，分別進行排序；（2）對排序后的12個月的觀測與模擬進行3次多項式的最小二乘擬合，得到各站點各月的轉(zhuǎn)換函數(shù)；（3）利用得到的各月的轉(zhuǎn)換函數(shù)對模擬增水進行訂正。

圖3 廈門站觀測與模擬風暴潮增水的分布與轉(zhuǎn)換，擬合信息見圖右側(cè)

3 結(jié)果分析

圖4給出了2009年廈門站訂正后的模擬風暴潮增水與觀測的逐小時時間序列，左圖中Cor.1為TSC法訂正后結(jié)果，右圖中Cor.2為SBC法訂正后結(jié)果?？煽闯觯喺蟮娘L暴潮增水的日變化、季節(jié)變化特征與觀測很一致。Cor.1、Cor.2與觀測的年平均偏差分別為-2.1 cm和0.1 cm，相關(guān)系數(shù)分別為0.5和0.45。與圖2相比，訂正后的模擬風暴潮增水的質(zhì)量明顯提高，這表明TSC和SBC兩種訂正方法效果很好。

圖5給出了2008—2011年訂正前后各站點不同等級風暴潮累計發(fā)生頻次與觀測的對比。由50 cm以上風暴潮發(fā)生總頻次來看，模擬結(jié)果在各站點表現(xiàn)不盡相同，其4年累計發(fā)生頻次在7個站點分別為觀測的1.1、2.8、2.4、6.3、8.1、6.2和36.8倍，可見模擬的風暴潮總頻次整體上較觀測明顯偏多，尤其是在海南的東方站最為明顯。另外，有效的觀測資料顯示2008—2011年期間7個站點均沒有發(fā)生過I、II級風暴潮，除呂泗站外其它站點也未發(fā)生過III級風暴潮，而模擬結(jié)果在呂泗、廈門站均有1—2次I、II級風暴潮出現(xiàn)，并且III級在這兩個站點出現(xiàn)頻次較高，約22—24次，可見模擬的風暴潮較觀測

明顯頻次過高、強度偏強。

從訂正后的風暴潮頻次來看，Cor.1和Cor.2在7個站點均沒有I級出現(xiàn)，Cor.2在廈門站出現(xiàn)了1次II級，Cor.1在呂泗出現(xiàn)1次III級與觀測相同，由此可見訂正后的強風暴潮（I—III級）發(fā)生頻次在各站點與觀測均非常一致。對于較弱的IV、V級風暴潮，訂正后的結(jié)果與觀測很接近，但兩種方法的差異也較強風暴潮頻次的差異明顯。從總頻次來看，除了呂泗站模擬與觀測相近，訂正后頻次較觀測明顯減少外，其總頻次在其它6個站均較訂正前更接近于觀測。另外，Cor.2的頻次在所有站點均較Cor.1偏少。

圖4 訂正后的模擬風暴潮增水與觀測的逐小時時間序列（2009年廈門站）

圖5 2008—2011年各站點不同等級風暴潮累計發(fā)生頻次（LS、KM、XM、SW、ZP、BH、DF依次代表呂泗、坎門、廈門、汕尾、閘坡、北海和東方等7個站點）

由于2008—2011年期間各站點觀測幾乎沒有出現(xiàn)I—III級強風暴潮，因此下文只對50 cm以上的風暴潮發(fā)生總頻次進行對比，不再劃分等級。圖6給出了各站點逐年風暴潮發(fā)生頻次的比較，以及訂正前后其與觀測的年平均偏差。可以看出，訂正后的模擬風暴潮頻次較訂正前明顯減少，其在量級上與觀測更為接近。Cor.1和Cor.2在不同站點的表現(xiàn)不盡相同，Cor.1在坎門和北海站較Cor.2更接近于觀測，其與觀測的年平均偏差分別為4.8次和1.0次；而Cor.2在汕尾、閘坡和東方站的年頻次與觀測

更為一致，其與觀測的年平均偏差分別為-10.0次、-4.0次和1.3次。在廈門站，Cor.1和Cor.2相近，年平均較觀測均偏少約28次。2008—2011年期間，7個站點年平均發(fā)生50 cm以上風暴潮的總頻次觀測和模擬分別為226.5次和764.5次，模擬較觀測高估了約238%，而訂正后Cor.1和Cor.2分別為221.8次和120.3次，分別較觀測低估了2%和47%。由此可見，TSC和SBC兩種方法都能有效的減小模擬誤差，但整體而言TSC法的訂正結(jié)果與觀測更為一致，而SBC法訂正后的年平均風暴潮累計頻次較觀測明顯偏少。

圖6 訂正前后各站點逐年風暴潮（≥50 cm）累計發(fā)生次數(shù)與觀測的對比，以及其與觀測的年平均偏差（站點說明同圖5）

圖7訂正前后風暴潮累計發(fā)生頻次與觀測的季節(jié)變化對比

圖7 給出了訂正前后7個站點風暴潮月總頻次的季節(jié)變化與觀測的對比。可看出，訂正前模擬結(jié)果在1—5月和9—12月風暴潮頻次較觀測明顯偏多，約為觀測的2—4倍，而訂正后其季節(jié)變化與觀測很一致，Cor.1和Cor.2與觀測的月平均偏差分別為-1.6次和-35.4次，相關(guān)系數(shù)分別為0.66和0.86（見表1）。由表1可看出，除了呂泗站外，兩種訂正結(jié)果均使得各站點月平均風暴潮頻次的偏差明顯減小。從7個站點月平均風暴潮總累計頻次來看，模擬與觀測的月平均偏差為179.3次，而Cor.1和Cor.2分別為-1.6次和-35.4次，明顯小于訂正前的

偏差，并且Cor.1更接近于觀測。從季節(jié)變化的相關(guān)系數(shù)來看，Cor.1與觀測的相關(guān)系數(shù)除在北海和東方兩站較模擬有所增大，但在其它站點均較模擬略有減小，這主要是因為各站點每年的觀測資料缺失程度不一，而TSC訂正法采用多年平均的季節(jié)趨勢來進行修正，其不能真實的反應(yīng)出每年的季節(jié)變化。然而，Cor.2在各站點與觀測的相關(guān)系數(shù)均有明顯的提高，尤其是在東方站由訂正前的-0.36變?yōu)橛喺蟮?.83，7個站點總累計頻次相關(guān)系數(shù)也由訂正前的0.81提高到0.86，可見Cor.2很好地抓住了各站點風暴潮頻次的季節(jié)變化特征。這主要是因為SBC訂正方法是對12個月分別進行了擬合訂正，使得訂正后結(jié)果與觀測的季節(jié)變化相近。

表1 訂正前后各站點風暴潮頻次與觀測的月平均偏差，以及其月平均風暴潮頻次的季節(jié)變化與觀測的相關(guān)系數(shù)，站點說明同圖5

圖8 訂正前后各站點風暴潮月最大增水值的季節(jié)變化與觀測的對比，以及其與觀測月平均偏差和年變化的相關(guān)系數(shù)（站點說明同圖5）

接下來我們從風暴潮最大增水值來評估兩種訂正方法的可靠性。圖8給出了各站點風暴潮月增水最大值的年變化?？梢钥闯觯诟髡军c訂正后的月最大風暴潮增水值均較訂正前有明顯的減小，尤其是在呂泗站的8月、廈門站的9、10月和汕尾站的8月，訂正前月最大增水約300—350 cm，較觀測偏大150—200 cm，而訂正后其與觀測的偏差減小到了50 cm以內(nèi)。模擬與觀測逐月最大增水的月平均偏差在26.4—70.8 cm之間，而Cor.1和Cor.2與觀測的月平均偏差分別在-5.1—27.7 cm和-25.4—5.0 cm之間，可見兩種方法訂正后使得月最大風暴增水值的誤差均明顯的減小，并且除了坎門和東方

站外，Cor.1在其它站點的月平均偏差小于Cor.2。從月最大增水值的年變化與觀測的相關(guān)系數(shù)來看，訂正后的相關(guān)系數(shù)在各站點均較訂正前有明顯的提高，尤其是Cor.2提高最為顯著。例如，在廈門、汕尾和閘坡三站，訂正前其與觀測的相關(guān)系數(shù)分別為0.24、-0.36和0.23，而訂正后Cor.2與觀測的相關(guān)系數(shù)則分別增大為0.83、0.72和0.87。由此可見，SBC方法訂正后的月最大增水值的年變化與觀測更一致。

同樣，我們對訂正前后各站點的年最大風暴增水值與觀測進行了對比（見圖9）。由圖9可看出，在各站點訂正后的年最大增水值較訂正前均有明顯減小，更接近于觀測。訂正前，年最大增水值與觀測的年平均偏差最小值為28.7 cm（東方站），最大值為104.7 cm（廈門站），而Cor.1的最小和最大絕對偏差分別為1.2 cm（閘坡站）和21.5 cm（北海站），Cor.2的最小和最大絕對偏差分別為1.0 cm（汕尾站）和23.7 cm（呂泗站）。由此可見，兩種訂正方法均能夠有效地減小模擬的風暴潮最大增水值的誤差。

圖9 訂正前后各站點風暴潮年最大增水值與觀測的比較，以及其與觀測的年平均偏差(站點說明同圖5)

4 結(jié)果與討論

本文通過與7個站點的長期觀測資料進行對比，對NMEFC業(yè)務(wù)化風暴潮模式模擬結(jié)果進行了檢驗，并且利用TSC和SBC兩種方法對該模式模擬的風暴潮增水長時間序列進行了嘗試性訂正。結(jié)果表明，模擬的風暴潮增水頻次明顯偏多且強度偏強，而TSC和SBC這兩種訂正方法都能夠有效地減小模擬結(jié)果的偏差。2008—2011年期間，模擬的7個站點發(fā)生50 cm以上風暴潮的年平均總頻次約為764.5次，較觀測（226.5次）高估238%，月平均總頻次較觀測偏多179.3次，而經(jīng)過TSC和SBC方法訂正后其年平均總頻次分別為221.8次和120.3次，較觀測低分別估了2%和47%，月平均總頻次分別較觀測偏少1.6次和35.4次。另外，在7個站點模擬與觀測的年最大增水值的年平均偏差在28.7—104.7 cm

之間，而經(jīng)TSC和SBC方法訂正后分別在-9.8—17.3 cm和-23.7—4.3 cm之間，偏差明顯減小。從風暴潮頻次、最大增水與觀測的偏差來看，TSC方法訂正結(jié)果與觀測更為一致，而SBC法的頻次較觀測明顯偏低，且最大增水值也略有偏低。但是，從風暴潮頻次、月最大增水值的季節(jié)變化來看，SBC法訂正結(jié)果與觀測的相關(guān)系數(shù)較訂正前明顯提高，并且高于TSC方法，其在一些站點由訂正前的0.2左右提升到0.8以上，準確地再現(xiàn)了觀測風暴潮頻次及最大增水值的季節(jié)變化趨勢。

盡管TSC和SBC方法的訂正結(jié)果在數(shù)值上仍與觀測存在些許偏差，但其在量級上與觀測比較一致，并且這兩種方法均顯著地減小了模擬風暴潮的誤差，使其更接近于觀測。訂正后的偏差主要由多方面的因素造成，一方面是由于訂正方法的局限性以及受觀測數(shù)據(jù)的限制，另一方面主要是因為影響風暴潮增水過程的因素除了局地風速風向外，沿岸和海底的地形、坡度等對其影響也非常大，加之模式的分辨率有限，所以很難精確的再現(xiàn)真實的風暴潮過程。

另外，TSC方法中使用了觀測風暴潮增水的多年平均季節(jié)變化趨勢，當對年際變化差異較大的年份進行訂正時其偏差會明顯增大，且影響訂正后風暴潮增水季節(jié)變化趨勢的可靠性，所以該方法不太適用于對未來氣候情景下風暴潮模擬結(jié)果的訂正。SBC方法的優(yōu)勢在于它與時間變化沒有關(guān)系，只要觀測資料能夠描述出逐月或逐年的風暴潮增水的概率密度分布結(jié)構(gòu)，便可以對模擬結(jié)果進行有效的訂正，因此在對未來風暴潮模擬結(jié)果進行訂正時，該方法在理論上優(yōu)于TSC方法，是一種可用的訂正手段。由于我們收集的到觀測資料有限，所以TSC和SBC這兩種訂正方法有待于利用更多的觀測資料去進行驗證。

致謝：本研究得到了“十二五”國家科技支撐計劃項目（2012BAC19B08）和海洋公益性行業(yè)科研專項（201105018）的資助。感謝國家海洋環(huán)境預(yù)報中心海洋災(zāi)害預(yù)警室、信息系統(tǒng)室對本研究的大力支持，以及審稿人和編輯給予了寶貴意見。

[1]Worth K.North Sea storm surge statistics based on projections in a warmer climate:How important are the driving GCM and the chosen emission scenario?[J].Geophysical Research Letters, 2005,32(22):L22708,doi:10.1029/2005GL023762.

[2]Weisse R,PlüβA.Storm-related sea level variations along the North Sea coast as simulated by a high-resolution model 1958-2002[J].Ocean Dynam ics,2006,56(1):16-25.

[3]Weisse R,Günther H,Callies U,etal.The coastDatdata setand its potential for coastal and offshore app lications[C]//Proceedings of Chinese-German Joint Symposium on Hydraulic and Ocean Engineering.Darmstadt,2008.

[4]Hallegatte S,Ranger N,M estre O,et al.Assessing climate change impacts,sea level rise and storm surge risk in port cities:A case study on Copenhagen[J].Climate Change,2011,104(1):113-137.

[5]Lionello P,Galati M B,Elvini E.Extreme storm surge and w ind wave climate scenario simulations at the Venetian littoral[J]. Physics and Chem istry of the Earth,Parts A/B/C,2012,40-41: 86-92.

[6]汪景庸.東中國海中風暴潮的一次數(shù)值模擬[J].山東海洋學院學報,1985,15(3):40-47.

[7]端義宏,秦曾灝.氣象因子對風暴潮數(shù)值模擬精度的影響[J].大氣科學研究與應(yīng)用,1996,(1):1-8.

[8]于福江,張占海.一個東海嵌套網(wǎng)格臺風暴潮數(shù)值預(yù)報模式的研制與應(yīng)用[J].海洋學報,2002,24(4):23-33.

[9]于福江,張占海,林一驊.一個穩(wěn)態(tài)Kalman濾波風暴潮數(shù)值預(yù)報模式[J].海洋學報,2002,24(5):26-35.

[10]端義宏,朱建榮,秦曾灝,等.一個高分辨率的長江口臺風風暴潮數(shù)值預(yù)報模式及其應(yīng)用[J].海洋學報,2005,27(3):11-19.

[11]董劍希,仉天宇,付翔,等.福建省沙埕港百年一遇臺風風暴潮的計算[J].海洋通報,2008,27(1):9-16.

[12]李杰,于福江,李洋,等.珠江口地區(qū)臺風風暴潮的數(shù)值模擬試驗[J].海洋預(yù)報,2009,26(2):1-6.

[13]李濤,吳少華,侯京明,等.寧波臺風風暴潮數(shù)值模擬與風險計算[J].海洋學報,2013,35(2):9-14.

[14]董劍希,付翔,吳瑋,等.中國海高分辨率業(yè)務(wù)化風暴潮模式的業(yè)務(wù)化預(yù)報檢驗[J].海洋預(yù)報,2008,25(2):11-17.

[15]Takahashi K.Distribution of pressure and w ind in a typhoon circulation[J].Journal of the Meteorological Society of Japan, 1939,17(2):417-421.

[16]Fujita T.Pressure distribution w ithin typhoon[J].Geophysical Magazine,1952,23(4):437-451.

[17]Ueno T.Numerical computation of the storm surges in Tosa Bay [J].Journal of the Oceanographical Society of Japan,1981,37(2): 61-73.

[18]風暴潮災(zāi)害及其對沿海地區(qū)社會經(jīng)濟發(fā)展影響綜合評價[Z].國家海洋環(huán)境預(yù)報中心,2011.

[19]Piani C,Weedon G P,Best M,et al.Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J].Journal of Hydrology, 2010,395(3-4):199-215.

Study of the correctionmethod on long-term simulationsof storm surgeelevation

MAYong-feng1,2,ZU Zi-qing1,2,LITao1,2,WU Shao-hua1,2,LING Tie-jun1,2
（1.Key Laboratory ofResearch on Marine HazardsForecasting,NationalMarine Environmental Forecasting Center,Beijing 100081China; 2.NationalMarine Environmental Forecasting Center,Beijing 100081China）

Based on the hourly observations at the 7 tidal gauges,the modeled results from National Marine Environmental Forecasting Center operational storm surgemodel is analyzed,and the simulated longtime series storm surgeelevation is corrected by using trend correction(TSC)and statisticalbias correction(SBC)method in order to improve the reliability of simulations.The results show that the frequency/intensity of simulated storm surge is obviously more/stronger than observations.The number of annualmean storm surge occurrence of the total 7 sites derived from simulations is 238%more than observations,w ith the annualmean maximum storm surge elevation about 28.7-104.7 cm higher than observations.A fter TSC and SBC correction,the annualmean total frequency at the 7 sites are 2%and 47%less than observations(226.5 times),respectively,and themean biases of annualmaximum storm surge elevation are range in-9.8-17.3 cm and-23.7-4.3 cm.It shows that the biases between simulation and observation have significantly reduced.Numerically,the frequencies and maximum values of storm surge derived from TSC correction aremorematched w ith the observations than that derived from SBC correction.The seasonal variation of frequencies and maximum surges derived from SBC correction are more consistent w ith observations,its relative coefficients increased to＞0.8 from～0.2 before correction atsome sites.

storm surge;numericalsimulation;trend correction;statisticalbias correction

P731.23

A

1003-0239（2015）05-0035-10

2014-10-28

“十二五”國家科技支撐計劃項目（2012BAC19B08）；國家海洋局海洋公益性行業(yè)科研專項（201105018）

馬永鋒（1983－），男，助理研究員，主要從事極地氣象、大氣邊界層、風暴潮災(zāi)害評估研究。E-mail：yfma@nmefc.gov.cn

10.11737/j.issn.1003-0239.2015.05.005