熱帶氣旋資料長度對風(fēng)暴潮危險(xiǎn)性評估結(jié)果的影響

劉永玲,馮建龍,江文勝,方偉華

（1 .中國海洋大學(xué)海洋與大氣學(xué)院,山東青島266100；2 .中國海洋大學(xué)海洋環(huán)境與生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,山東青島266100；3 .北京師范大學(xué)民政部-教育部減災(zāi)與應(yīng)急管理研究院,北京100875）

?

熱帶氣旋資料長度對風(fēng)暴潮危險(xiǎn)性評估結(jié)果的影響

劉永玲1,馮建龍1,江文勝2 *,方偉華3

（1 .中國海洋大學(xué)海洋與大氣學(xué)院,山東青島266100；2 .中國海洋大學(xué)海洋環(huán)境與生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,山東青島266100；3 .北京師范大學(xué)民政部-教育部減災(zāi)與應(yīng)急管理研究院,北京100875）

摘要:熱帶氣旋歷史樣本數(shù)不足一直困擾著風(fēng)暴潮風(fēng)險(xiǎn)評估研究,本文基于西北太平洋62 a（1949 -2010年）歷史觀測熱帶氣旋事件集資料和用隨機(jī)模擬方法構(gòu)造的1 000 a模擬熱帶氣旋隨機(jī)事件集,以福建省連江縣為例,開展了資料長度對風(fēng)暴潮災(zāi)害危險(xiǎn)性評估結(jié)果的影響分析。文中用A D CIR C模型模擬了兩種數(shù)據(jù)集強(qiáng)迫下的風(fēng)暴潮增水,采用極值I型分布法得到了典型重現(xiàn)期的風(fēng)暴潮增水,經(jīng)過對計(jì)算結(jié)果分析發(fā)現(xiàn)典型重現(xiàn)期的風(fēng)暴潮增水計(jì)算結(jié)果與所用數(shù)據(jù)資料長度有著密切相關(guān)性,數(shù)據(jù)資料越長,結(jié)果越穩(wěn)定。對于1 000 a一遇的風(fēng)暴潮增水值,使用500 a長度的資料已經(jīng)趨于穩(wěn)定,并接近用1 000 a資料計(jì)算得到的結(jié)果。在進(jìn)行風(fēng)暴潮危險(xiǎn)性評估時(shí),相比用幾十年尺度的熱帶氣旋歷史數(shù)據(jù)集,1 000 a的熱帶氣旋模擬數(shù)據(jù)集的計(jì)算結(jié)果更具實(shí)際意義。

關(guān)鍵詞:風(fēng)暴潮；熱帶氣旋隨機(jī)事件集；危險(xiǎn)性研究；重現(xiàn)期

1 引言

風(fēng)暴潮是指由于劇烈的大氣擾動(dòng),如強(qiáng)風(fēng)和氣壓驟變引起海面異常升降的現(xiàn)象。根據(jù)誘發(fā)風(fēng)暴潮的天氣系統(tǒng)特征,通常分為臺(tái)風(fēng)風(fēng)暴潮和溫帶氣旋風(fēng)暴潮兩大類,另外寒潮大風(fēng)在渤、黃海也能造成風(fēng)暴潮。在世界范圍內(nèi)風(fēng)暴潮災(zāi)害是造成生命和財(cái)產(chǎn)損失最嚴(yán)重的海洋災(zāi)害之一［1］,在我國也是威脅最大的海洋災(zāi)害。我國海岸線漫長,隨著沿海經(jīng)濟(jì)的飛速發(fā)展,人口的高度集中,這些地區(qū)承受的風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)越來越高。根據(jù)國家海洋局的統(tǒng)計(jì),近20年來,我國沿海每年均有風(fēng)暴潮災(zāi)害發(fā)生,且都會(huì)造成人員傷亡,由其導(dǎo)致的直接經(jīng)濟(jì)損失每年都高達(dá)數(shù)十到數(shù)百億元［2—3］。為使沿海地區(qū)的社會(huì)經(jīng)濟(jì)得到可持續(xù)性發(fā)展,開展風(fēng)暴潮風(fēng)險(xiǎn)評估研究,制定沿海區(qū)域的防災(zāi)減災(zāi)規(guī)劃有十分重要的意義。

風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評估包括自然風(fēng)險(xiǎn)和社會(huì)風(fēng)險(xiǎn)兩個(gè)方面。風(fēng)暴潮危險(xiǎn)性研究即是針對災(zāi)害自然風(fēng)險(xiǎn)進(jìn)行的評估,通常以風(fēng)暴潮重現(xiàn)期作為判斷標(biāo)準(zhǔn),利用觀測得到的水位長期時(shí)間序列數(shù)據(jù)來推算,從而對風(fēng)暴潮災(zāi)害危險(xiǎn)性進(jìn)行定量分析［4—7］。但是水位觀測站點(diǎn)空間分布較稀少,連續(xù)觀測時(shí)間普遍不長,制約了這一方法的使用。相較于水位觀測,氣象觀測則具有更長和更連續(xù)的記錄,因此可以整理出影響研究區(qū)域的所有大風(fēng)過程歷史個(gè)例,通過數(shù)值模擬方法對風(fēng)暴潮過程進(jìn)行模擬,然后結(jié)合概率統(tǒng)計(jì)方法計(jì)算典型風(fēng)暴潮重現(xiàn)期,以實(shí)現(xiàn)對風(fēng)暴潮災(zāi)害危險(xiǎn)程度的長期預(yù)測分析,董劍希等用這一方法計(jì)算了沙埕港百年一遇臺(tái)風(fēng)風(fēng)暴潮［8］。但由于熱帶氣旋分布范圍廣,路徑及強(qiáng)度區(qū)域差異大,經(jīng)過或影響特定一點(diǎn)或小區(qū)域的熱帶氣旋歷史樣本比較少,特別是較大等級熱帶氣旋的歷史樣本更少甚至沒有,進(jìn)行評估時(shí),經(jīng)常達(dá)不到經(jīng)驗(yàn)統(tǒng)計(jì)分析所需要的樣本數(shù),因此很難給出準(zhǔn)確的風(fēng)暴潮危險(xiǎn)性評估結(jié)果。

為了解決熱帶氣旋歷史樣本不足的問題,近年來國際上逐漸發(fā)展出一套方法,即利用歷史熱帶氣旋樣本信息,結(jié)合熱帶氣旋氣候?qū)W規(guī)律,用隨機(jī)模擬方法生成符合歷史樣本統(tǒng)計(jì)學(xué)特征的熱帶氣旋個(gè)例序列,組成熱帶氣旋隨機(jī)事件樣本集［9—11］,然后利用這一構(gòu)造出的熱帶氣旋個(gè)例集進(jìn)行風(fēng)暴潮的危險(xiǎn)性分析［12—13］。方偉華等使用這個(gè)方法基于西北太平洋歷史熱帶氣旋觀測數(shù)據(jù),通過分析西北太平洋熱帶氣旋路徑及強(qiáng)度的時(shí)空分布特征,模擬了西北太平洋熱帶氣旋的生成、發(fā)展及消亡,重建了西北太平洋分辨率為6 h的1 000 a模擬熱帶氣旋隨機(jī)事件集［14—16］。本文在此基礎(chǔ)上,以風(fēng)暴潮災(zāi)害嚴(yán)重的福建省連江縣為例,進(jìn)行了風(fēng)暴潮災(zāi)害危險(xiǎn)性研究。

基于歷史觀測的熱帶氣旋事件集和用隨機(jī)模擬方法構(gòu)造的長時(shí)間序列熱帶氣旋事件集分別挑選構(gòu)建了影響連江縣的熱帶氣旋隨機(jī)事件子集,并對篩選出的所有事件進(jìn)行了風(fēng)暴潮數(shù)值模擬計(jì)算,得出了兩種樣本下典型重現(xiàn)期風(fēng)暴潮增水結(jié)果。通過對兩種事件集的計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)對比分析,明確了熱帶氣旋樣本數(shù)對計(jì)算結(jié)果的影響,為其他海岸地區(qū)的風(fēng)暴潮災(zāi)害危險(xiǎn)性研究提供借鑒。

2 連江縣熱帶氣旋隨機(jī)事件集

福建省地處我國東南沿海,位于西北太平洋臺(tái)風(fēng)的主要移動(dòng)路徑上,臺(tái)風(fēng)災(zāi)害頻發(fā),由于臺(tái)灣海峽“狹管效應(yīng)”的作用,風(fēng)暴潮災(zāi)害尤其嚴(yán)重。連江縣地處福建閩江口北岸,全縣海域面積3 112 k m2,海岸線長238 k m,海洋資源豐富,但它也是福建省遭受風(fēng)暴潮災(zāi)害最為嚴(yán)重的地區(qū)之一。建國以來在連江縣直接登陸的臺(tái)風(fēng)就有十幾場,風(fēng)暴潮增水都超過100 cm,最高的接近200 cm。

本文研究中采用了兩種熱帶氣旋事件集,一種是62 a（1949 - 2010年）歷史熱帶氣旋事件集,熱帶氣旋個(gè)數(shù)為2 053,以下簡稱62 a歷史數(shù)據(jù)集；一種是用隨機(jī)模擬方法構(gòu)造的1 000 a熱帶氣旋隨機(jī)事件集,熱帶氣旋個(gè)數(shù)為33 012,以下簡稱1 000 a模擬數(shù)據(jù)集。其中歷史數(shù)據(jù)集的選用主要是為了對模擬數(shù)據(jù)集的計(jì)算結(jié)果進(jìn)行對比驗(yàn)證。

62 a歷史數(shù)據(jù)集的時(shí)間分辨率是6 h,空間范圍是西北太平洋。該數(shù)據(jù)集數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)來源于中國氣象局上海臺(tái)風(fēng)研究所,由北京師范大學(xué)減災(zāi)與應(yīng)急管理研究院整編而成。數(shù)據(jù)字段內(nèi)容包括熱帶氣旋編號、路徑點(diǎn)生成國際通用時(shí)間、生成位置（經(jīng)度和緯度）、移速、移向（正北為0°,正東為90°）、中心最低氣壓、近中心最大風(fēng)速、中心路徑起訖點(diǎn)等。該數(shù)據(jù)集中沒有最大風(fēng)速半徑,而這是計(jì)算風(fēng)場、氣壓場需要的,因此在實(shí)際計(jì)算中,我們采用經(jīng)驗(yàn)公式（1）進(jìn)行計(jì)算［17］。

式中,Rmax為最大風(fēng)速半徑；Vmax為近中心最大風(fēng)速；θ為緯度。

1 000 a模擬數(shù)據(jù)集的時(shí)間分辨率是6 h,空間范圍是西北太平洋,由北京師范大學(xué)減災(zāi)與應(yīng)急管理研究院模擬生成。數(shù)據(jù)字段內(nèi)容包括熱帶氣旋編號、路徑點(diǎn)生成時(shí)間、生成位置（經(jīng)度和緯度）、移速、移向（正北為0°,正東為90°）、中心最低氣壓、近中心最大風(fēng)速、最大風(fēng)速半徑、中心路徑起訖點(diǎn)等。該數(shù)據(jù)集是充分利用62 a歷史數(shù)據(jù)集,通過分析西北太平洋熱帶氣旋路徑及強(qiáng)度的時(shí)空分布,刻畫出熱帶氣旋生成時(shí)間、生成位置、前移速度、前移方向、強(qiáng)度分布以及終止可能等概率特征,采用蒙特卡洛方法模擬西北太平洋熱帶氣旋的生成、消亡及衰減構(gòu)建而成的。

根據(jù)連江縣港灣地理分布信息,選定點(diǎn)（26.28°N,119.7°E）作為連江縣的研究代表點(diǎn),以代表點(diǎn)為中心,300 k m為半徑的圓面作為統(tǒng)計(jì)范圍（圖1）。統(tǒng)計(jì)方法是,計(jì)算每一個(gè)熱帶氣旋路徑所有中心位置和代表點(diǎn)之間的距離,挑選出一個(gè)最小距離,如果該最小距離在統(tǒng)計(jì)范圍以內(nèi),就認(rèn)為是對研究區(qū)域有影響的熱帶氣旋事件,最后將統(tǒng)計(jì)結(jié)果形成影響連江縣的熱帶氣旋隨機(jī)事件集,即連江子集。

62 a歷史數(shù)據(jù)集中滿足條件的有183個(gè)事件, 1 000 a模擬數(shù)據(jù)集中滿足條件的有2 781個(gè)事件。計(jì)算重現(xiàn)期時(shí)發(fā)現(xiàn)仍有部分年份的數(shù)據(jù)沒有入選,通過逐步擴(kuò)大影響半徑進(jìn)行補(bǔ)充,保證每個(gè)年份都有數(shù)據(jù),最后歷史數(shù)據(jù)集中事件總數(shù)增加至192個(gè),以下簡稱62 a連江子集。模擬數(shù)據(jù)集中事件總數(shù)增加至2 919個(gè),以下簡稱1 000 a連江子集。

圖1 影響連江的熱帶氣旋事件統(tǒng)計(jì)范圍Eig .1 The statistical range of tropical cyclone events affecting Lianjiang County

圖2、3是在熱帶氣旋距離研究點(diǎn)最近時(shí)刻兩種數(shù)據(jù)子集的各個(gè)參數(shù)累積頻次的分布特征圖。比較兩圖可以發(fā)現(xiàn),較62 a連江子集,1 000 a連江子集最大風(fēng)速和中心氣壓的分布規(guī)律更為明顯,這主要是與數(shù)據(jù)量有關(guān),62 a的數(shù)據(jù)量在表現(xiàn)這些特征分布上是不足的。而兩種數(shù)據(jù)子集的各個(gè)參數(shù)的分布區(qū)間是基本一致的,其中最大風(fēng)速主要集中在0～40 m/s之間,中心最低氣壓集中在950～1 000 hPa之間,移向集中在正負(fù)100°之間,移速在0～50 k m/h之間,氣旋中心與研究點(diǎn)間的最小距離均勻分布在0～300 k m之間,最大風(fēng)速半徑在40～110 k m之間。通過與實(shí)測風(fēng)場資料的對比,說明1 000 a連江子集是能夠反映該地區(qū)臺(tái)風(fēng)事件序列的,同時(shí),這一結(jié)果對我們識(shí)別影響連江縣的熱帶氣旋事件也具有一定的指導(dǎo)意義。

圖2 62 a連江子集中熱帶氣旋（R≤300 k m）位于距離連江最近點(diǎn)時(shí)不同特征參數(shù)的累積頻率Eig .2 Characteristic parameters of the 62 a historical tropical cyclone events that pass within 300 k m of Lianjiang County when they are at their closest distances to Lianjiang County

3 風(fēng)暴潮數(shù)值計(jì)算

風(fēng)暴潮的數(shù)值計(jì)算是利用數(shù)值模型在給定的海面風(fēng)場和氣壓場作用下,在適定的邊界條件和初始條件下去數(shù)值求解風(fēng)暴潮的基本方程組,從而給出風(fēng)暴潮位和風(fēng)暴潮流的時(shí)空分布。

連江縣海岸線漫長而曲折,本文在研究中選擇了A D CIR C模型［18］,該模型使用有限元方法求解,其三角形網(wǎng)格能較好地刻畫岸線。研究區(qū)域計(jì)算網(wǎng)格是利用S M S（Surface-water M odeling System）網(wǎng)格剖分軟件建立的,網(wǎng)格分辨率在連江縣沿岸是2′,在開邊界是4′,變分辨率的網(wǎng)格共37 881個(gè)點(diǎn),72 219個(gè)三角形（圖4）。

圖3 1 000 a連江子集中熱帶氣旋（R≤300 k m）位于距離連江最近點(diǎn)時(shí)的不同特征參數(shù)的累積頻率Eig .3 Characteristic parameters of the 1 000 a stochastic tropical cyclone events that pass within 300 k m of Lianjiang County when they are at their closest distances to Lianjiang County

圖4 連江縣及周邊海域網(wǎng)格圖Eig .4 Grids of Lianjiang County and its surrounding waters

計(jì)算中選擇的風(fēng)場模型來自于Jelesnianski［19］、氣壓場模型來自于Jelesnianski［20］,這種模型簡單且對大洋上的成熟臺(tái)風(fēng)可進(jìn)行較好的模擬。

Jelesnianski風(fēng)場模型:

式中,r為至臺(tái)風(fēng)中心的距離；Rmax為最大風(fēng)速半徑；VR為距離臺(tái)風(fēng)中心r處的圓對稱環(huán)流風(fēng)速；VRmax為圓對稱環(huán)流最大風(fēng)速。

Jelesnianski氣壓場模型:

式中,P為距離臺(tái)風(fēng)中心r處的氣壓；P∞為臺(tái)風(fēng)外圍環(huán)境氣壓；P0臺(tái)風(fēng)中心最低氣壓,其余同式（2）。

3.1 模式檢驗(yàn)

本文通過模擬歷史上的典型風(fēng)暴潮個(gè)例事件,檢驗(yàn)了模式模擬風(fēng)暴潮的能力。

結(jié)合所掌握的實(shí)測資料情況,模式檢驗(yàn)主要分為兩步。廈門站的風(fēng)暴潮增水實(shí)測資料比較豐富,因此首先對影響廈門站的8個(gè)風(fēng)暴潮個(gè)例進(jìn)行了對比驗(yàn)證（圖5）；然后在距離連江縣較近的兩個(gè)驗(yàn)潮站三沙（26°55′N,120°13′E）和琯頭（26°08′N,119°34′E）,選擇6911號臺(tái)風(fēng)進(jìn)行了典型風(fēng)暴潮個(gè)例驗(yàn)證（圖6）。

通過對廈門站及連江縣周邊驗(yàn)潮站的多個(gè)風(fēng)暴潮個(gè)例驗(yàn)證,說明所選用的計(jì)算模型能較好地模擬臺(tái)風(fēng)風(fēng)暴潮增水情況。此外,在計(jì)算過程中發(fā)現(xiàn)連江地區(qū)風(fēng)暴潮受臺(tái)灣島地形影響,其原因是在連江附近登陸的臺(tái)風(fēng)大多數(shù)都是先在臺(tái)灣登陸,然后再在連江二次登陸,所以風(fēng)場會(huì)發(fā)生變形,圓形風(fēng)場模型已經(jīng)不能很好地模擬真實(shí)的風(fēng)場,這對連江地區(qū)的風(fēng)暴潮模擬造成一定的困難,但從模擬結(jié)果看,并不影響其增水特征。

圖5 廈門站8場臺(tái)風(fēng)引起的風(fēng)暴潮增水計(jì)算值（綠色實(shí)線）與實(shí)測值（紅色虛線）過程曲線對比Eig .5 Comparison between the simulation results（green solid line）and the observations（red dashed line）during 8 typhoon events at Xiamen Station

3.2 數(shù)值模擬結(jié)果分析

在前面檢驗(yàn)的基礎(chǔ)上,用A D CIR C模型模擬了兩種影響連江的熱帶氣旋事件集強(qiáng)迫下的風(fēng)暴潮增水。圖7、8是分別用兩種數(shù)據(jù)集強(qiáng)迫下計(jì)算的最大風(fēng)暴潮增水的概率頻次圖,增水極值范圍從0～3 m,出現(xiàn)頻次都是先增大后減少,峰值均出現(xiàn)在0.3 m附近,0.3 m之后,隨著增水極值的增大,出現(xiàn)頻次迅速減少。但是62 a連江子集中最大增水極值沒有超過2 m的,而1 000 a連江子集的最大增水極值接近3 m,2～3 m之間的個(gè)例數(shù)占總數(shù)的0.45 %。從圖中看出,1 000 a連江子集的增水可能更能客觀反映風(fēng)暴潮災(zāi)害極端事件發(fā)生的可能性,其增水極值頻次分布圖也更符合正態(tài)分布。

圖6 6911號臺(tái)風(fēng)引起的風(fēng)暴潮增水計(jì)算值（綠色實(shí)線）與實(shí)測值（紅色虛線）過程曲線對比Eig .6 Comparison between the simulation results（green solid line）and the observations（red dashed line）during typhoon 6911 at two stations

圖7 62 a連江子集風(fēng)暴潮最大增水頻次分布（樣本數(shù):192）Eig .7 Histogram of the extreme storm surge for 192 historical tracks

圖8 1 000 a連江子集風(fēng)暴潮最大增水頻次分布（樣本數(shù):2 919）Eig .8 Histogram of the extreme storm surge for 2 919 synthetic tracks

把1 000 a連江子集中各熱帶氣旋造成的增水極值進(jìn)行排列,將造成前100個(gè)增水極值（1.19～2.58 m）和后100個(gè)增水極值最?。?～0.06 m）的熱帶氣旋特征參數(shù)進(jìn)行分析,把各熱帶氣旋在距離連江最近處的特征參數(shù)整理并展示在圖9中,從圖中可以發(fā)現(xiàn),移向偏西,中心氣壓越低,風(fēng)速越大,最大風(fēng)速半徑越小,距離連江越近的熱帶氣旋引起的風(fēng)暴潮增水值也越大,而移速與增水值的大小沒有明顯的相關(guān)性。尤其明顯的是,在該研究點(diǎn),要引起較大的風(fēng)暴潮增水,熱帶氣旋要具有以下特征:即風(fēng)速至少在20 m/s以上,中心最低氣壓在980 hPa以下,最大風(fēng)速半徑主要集中在40～50 k m ,距離研究點(diǎn)最近距離在100 k m以內(nèi)。通過對熱帶氣旋特征參數(shù)的簡單分析,可以初步判斷一個(gè)地區(qū)的風(fēng)暴潮危險(xiǎn)性。

圖9 100個(gè)增水極值最大（紅色）的和100個(gè)增水極值最?。ㄋ{(lán)色）的熱帶氣旋在距離連江最近距離處的特征參數(shù)對比Eig .9 Comparison between the characteristic parameters of the 100 highest surge generating storms（red bar）and those of the 100 lowest surge generating storms（blue bar）,when they are at their closest distances to Lianjiang County

4 風(fēng)暴潮災(zāi)害危險(xiǎn)性分析

4.1 典型風(fēng)暴潮重現(xiàn)期計(jì)算

風(fēng)暴潮危險(xiǎn)性重現(xiàn)期,即一定危險(xiǎn)性強(qiáng)度的風(fēng)暴潮事件出現(xiàn)一次的平均時(shí)間間隔,通常以年為單位。通常的計(jì)算方法是利用年極值增水值,根據(jù)某種極值分布擬合方法進(jìn)行擬合。極值I型分布由于具有較強(qiáng)的物理背景,在水文、氣象統(tǒng)計(jì)中應(yīng)用十分廣泛［21—22］,我國港口工程技術(shù)規(guī)范將極值I型分布用于校核高低潮位的計(jì)算,參考港口工程技術(shù)規(guī)范［23］。結(jié)合A D CIR C模型模擬的兩種數(shù)據(jù)集強(qiáng)迫下的風(fēng)暴潮增水,本文采用極值I型分布法計(jì)算了不同重現(xiàn)期的風(fēng)暴潮增水,計(jì)算結(jié)果見圖10。

圖10 連江縣風(fēng)暴潮增水重現(xiàn)期曲線Eig .10 Return level plot for extreme storm surge heights for Lianjiang County星號、實(shí)線數(shù)據(jù)來自1 000 a連江子集,鉆石型、虛線數(shù)據(jù)來自62 a連江子集The dotted star and solid line are from 1 000 a model data sets,the dotted diamond and dashed line are from 62 a historical data sets

圖中顯示兩種數(shù)據(jù)集的計(jì)算結(jié)果差別很大,62 a連江子集對應(yīng)的計(jì)算結(jié)果明顯大于1 000 a連江子集的結(jié)果,而且重現(xiàn)期越長,對應(yīng)的風(fēng)暴潮增水差值越大。表1是兩種數(shù)據(jù)集對應(yīng)的幾個(gè)典型重現(xiàn)期風(fēng)暴潮增水計(jì)算結(jié)果,從中可以看出1 000 a一遇的風(fēng)暴潮增水值分別為3.75 m、2.91 m,其計(jì)算差值達(dá)到了0.84 m,2 a一遇的差值最小,也有0.16 m。兩種結(jié)果存在差別的一個(gè)主要原因就是計(jì)算用的風(fēng)場資料的不同,尤其是兩種資料序列長度的差別巨大,因此,本文重點(diǎn)分析了資料長度對計(jì)算結(jié)果的影響。

表1 62 a和1 000 a兩種資料長度數(shù)據(jù)集計(jì)算的連江地區(qū)典型重現(xiàn)期風(fēng)暴潮增水Tab .1 Typical return levels for extreme storm surge heights for Lianjiang County with 62 a and 1 000 a data sets

4.2 風(fēng)暴潮危險(xiǎn)性重現(xiàn)期與資料長度相關(guān)性分析

結(jié)合歷史熱帶氣旋事件集的長度62 a,分析過程中將1 000 a連江子集的計(jì)算結(jié)果,分別按照60 a、100 a、200 a、500 a的長度將其滑動(dòng)分割,其中選取60 a主要是為了與歷史數(shù)據(jù)集的結(jié)果進(jìn)行對比。以60 a長度分割為例,滑動(dòng)分割方法是從1～60 a作為第一組數(shù)據(jù),2～61 a為第二組數(shù)據(jù)……,依次類推最后總共統(tǒng)計(jì)941組數(shù)據(jù)。100 a長度的,共統(tǒng)計(jì)901組數(shù)據(jù),200 a長度的,共統(tǒng)計(jì)801組數(shù)據(jù),500 a長度的統(tǒng)計(jì)501組數(shù)據(jù)。然后針對每一組數(shù)據(jù)計(jì)算不同重現(xiàn)期風(fēng)暴潮增水,共計(jì)計(jì)算3 144組數(shù)據(jù)。以2 a、1 000 a重現(xiàn)期為例,不同長度分組數(shù)據(jù)計(jì)算的風(fēng)暴潮增水值變化曲線對比結(jié)果見圖11、12。從圖中可以看出,用于計(jì)算的數(shù)據(jù)資料序列長度越短,計(jì)算結(jié)果波動(dòng)起伏越大,資料長度越長,計(jì)算結(jié)果越穩(wěn)定。計(jì)算2 a重現(xiàn)期風(fēng)暴潮增水,100 a的數(shù)據(jù)資料長度計(jì)算結(jié)果就相對趨于穩(wěn)定,而計(jì)算1 000 a重現(xiàn)期風(fēng)暴潮增水,當(dāng)資料長度為500 a時(shí),計(jì)算結(jié)果才相對趨于穩(wěn)定。

對應(yīng)表1也可以看出62 a連江子集的計(jì)算結(jié)果都是包含在圖11、12中分組資料長度為60 a的范圍中,而1 000 a連江子集的計(jì)算結(jié)果都近似于圖中最后的穩(wěn)定值,這也從一個(gè)方面說明了計(jì)算結(jié)果的可靠性,以及計(jì)算結(jié)果與使用的熱帶氣旋資料的密切相關(guān)性。

圖11 不同長度數(shù)據(jù)組計(jì)算的2 a重現(xiàn)期風(fēng)暴潮增水值變化曲線對比圖Eig .11 Comparison of the 2 a return levelfor extreme storm surge heights between different length data set

為了量化分析計(jì)算結(jié)果與分組資料長度的關(guān)系,文中用變異系數(shù)標(biāo)記了不同長度分組數(shù)據(jù)計(jì)算的典型重現(xiàn)期風(fēng)暴潮增水計(jì)算結(jié)果的穩(wěn)定性（表2）。類似于極差、標(biāo)準(zhǔn)差及方差一樣,變異系數(shù)也是反映數(shù)據(jù)離散程度,但是變異系數(shù)能消除兩組數(shù)據(jù)測量尺度對所對比結(jié)果的影響［24］。

圖12 不同長度數(shù)據(jù)組計(jì)算的1 000 a重現(xiàn)期風(fēng)暴潮增水值變化曲線對比圖Eig .12 Comparison of the 1 000 a return levelfor extreme storm surge heights between different length data set

表2 不同長度分組數(shù)據(jù)計(jì)算的典型重現(xiàn)期風(fēng)暴潮增水變異系數(shù)（%）對比表Tab .2 Comparison of the coefficient of variation of typical return level for extreme storm surge heights between differentlength data set

從表2中可以更清楚地看出,對于相同重現(xiàn)期的風(fēng)暴潮增水,變異系數(shù)隨著分組資料長度的增加變得越來越小,即用于計(jì)算的數(shù)據(jù)資料序列長度越短,計(jì)算結(jié)果波動(dòng)起伏越大,資料長度越長,計(jì)算結(jié)果越穩(wěn)定。對于不同重現(xiàn)期的風(fēng)暴潮增水,重現(xiàn)期越長,要獲得相對穩(wěn)定的計(jì)算結(jié)果,數(shù)據(jù)資料長度就要求越長,如計(jì)算2 a重現(xiàn)期風(fēng)暴潮增水,100 a的數(shù)據(jù)資料長度計(jì)算結(jié)果就相對趨于穩(wěn)定,對應(yīng)的變異系數(shù)為4.15 % ,計(jì)算10 a重現(xiàn)期風(fēng)暴潮增水,300 a的數(shù)據(jù)資料長度對應(yīng)的變異系數(shù)才為3.99 % ,而計(jì)算100 a以上重現(xiàn)期風(fēng)暴潮增水,當(dāng)分組資料長度在400 a以上時(shí),變異系數(shù)略小于4 % ,計(jì)算結(jié)果才相對趨于穩(wěn)定。當(dāng)分組資料長度為500 a時(shí),變異系數(shù)均小于2 % ,計(jì)算結(jié)果基本穩(wěn)定。

因此可以認(rèn)為在進(jìn)行風(fēng)暴潮危險(xiǎn)性分析時(shí),目前通?；趲资甑臒釒庑Y料長度是不充分的,需要采用更長的熱帶氣旋資料計(jì)算典型重現(xiàn)期風(fēng)暴潮增水更具實(shí)際意義,以本文研究的結(jié)果看,500 a以上的數(shù)據(jù)長度較為合適。

5 結(jié)語

本文基于歷史觀測和基于隨機(jī)模擬方法構(gòu)造的兩種熱帶氣旋事件集,建立了影響連江縣的熱帶氣旋隨機(jī)事件集,并對篩選出的所有事件用A D CIR C模型進(jìn)行了風(fēng)暴潮數(shù)值模擬計(jì)算,得出了兩種樣本下典型重現(xiàn)期風(fēng)暴潮增水結(jié)果,發(fā)現(xiàn)模擬數(shù)據(jù)集的增水能更客觀地反映風(fēng)暴潮災(zāi)害極端事件發(fā)生的可能性,模擬數(shù)據(jù)集的增水極值頻次分布圖也更符合正態(tài)分布。在此基礎(chǔ)上計(jì)算了典型重現(xiàn)期的風(fēng)暴潮增水,發(fā)現(xiàn)兩種數(shù)據(jù)集的計(jì)算結(jié)果差別明顯,對比分析顯示,計(jì)算結(jié)果與數(shù)據(jù)資料長度有密切的相關(guān)性。對于同一重現(xiàn)期,計(jì)算所用數(shù)據(jù)資料越長,結(jié)果越穩(wěn)定。對于不同重現(xiàn)期,重現(xiàn)期越長,要獲得穩(wěn)定的計(jì)算結(jié)果,數(shù)據(jù)資料長度就要求越長。對于1 000 a一遇的結(jié)果,500 a長度就才基本趨于穩(wěn)定,進(jìn)行風(fēng)暴潮危險(xiǎn)性評估時(shí),統(tǒng)計(jì)資料的年代長度最好要大于500 a,用1 000 a長度資料已充分滿足了統(tǒng)計(jì)分析對資料長度的需求。因此本文認(rèn)為相比用幾十年尺度的歷史數(shù)據(jù)集, 1 000 a模擬數(shù)據(jù)集的計(jì)算結(jié)果更具實(shí)際意義。這一結(jié)論對我國沿海今后進(jìn)行風(fēng)暴潮危險(xiǎn)性重現(xiàn)期的計(jì)算具有參考意義,為相應(yīng)的防災(zāi)減災(zāi)措施制定提供了科學(xué)依據(jù)。

參考文獻(xiàn):

［1］ 王喜年.全球海洋的風(fēng)暴潮災(zāi)害概況［J］.海洋預(yù)報(bào),1993,10（1）:30 - 36 . W ang Xinian . The storm surge disaster situation of global ocean［J］. M arine Eorecasts,1993,10（1）:30 - 36 .

［2］ 國家海洋局.中國海洋災(zāi)害與減災(zāi)［J］.中國減災(zāi),2000,10（4）:13 - 17 . State Oceanic Administration People's Republic of China . China ocean disasters and disaster reduction［J］. Disaster Reduction in China,2000,10 （4）:13 - 17 .

［3］ 國家海洋局.中國年海洋災(zāi)害公報(bào)（1989 - 2013）［EB/O L］.http://w w w .soa .gov .cn/zwgk/hygb/zghyzhgb/index .html,2014-03-19 . State Oceanic Administration People's Republic of China .China's marine disasters com munique（1989 - 2013）［EB/O L］.http://w w w .soa .gov .cn/ zwgk/hygb/zghyzhgb/index .html,2014-03-19 .

［4］ 樂肯堂.我國風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評估方法的基本問題［J］.海洋預(yù)報(bào),1998,15（3）:38 - 44 . Le Kentang . The fundamental problem of the storm surge risk assessment method in our country［J］. M arine Eorecasts,1998,15（3）:38 - 44 .

［5］ 趙慶良,許世遠(yuǎn),王軍,等.沿海城市風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評估研究進(jìn)展［J］.地理科學(xué)進(jìn)展,2007,26（5）:32 - 40 . Zhao Qingliang,Xu Shiyuan,W ang Jun,et al. A review of risk assessment of storm surge on coastalcities［J］.Progressin Geography,2007,26（5）: 32 - 40 .

［6］ 石先武,譚駿,國志興,等.風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評估研究綜述［J］.地球科學(xué)進(jìn)展,2013,28（8）:866 - 874 . Shi Xianwu,Tan Jun,Guo Zhixing,et al.A review of risk assessment of storm surge disaster［J］. Advances in Earth Science,2013,28（8）:866 -874 .

［7］ 李闊,李國勝.風(fēng)暴潮風(fēng)險(xiǎn)研究進(jìn)展［J］.自然災(zāi)害學(xué)報(bào),2011,20（6）:104 - 111 . Li Kuo,Li Guosheng . Progress in research on risk of storm surge［J］.Journal of Natural Disasters,2011,20（6）:104 - 111 .

［8］ 董劍希,仉天宇,付祥,等.福建省沙埕港百年一遇臺(tái)風(fēng)風(fēng)暴潮的計(jì)算［J］.海洋通報(bào),2008,27（1）:9 - 16 . Dong Jianxi,Zhang Tianyu,Eu Xiang,et al. Calculation ofthe storm surgesin the Shacheng Bay in Eujian Provincein 100 years return periods［J］. M arine Science Bulletin,2008,27（1）:9 - 16 .

［9］ Vickery P J,Skerlj P E,Twisdale L A .Simulation of hurricane risk in the U S using empirical track model［J］.Journal of Structural Engineering, 2000,126（10）:1222 - 1237 .

［10］ Hashimoto N,Satoh H,M atsuura K,et al. M odeling of Probable Typhoon and Its Statistic Properties［C］//Proceedings of Coastal Engineering . Tokyo:Japan Society of Civil Engineers,2001:456 - 460 .

［11］ Ru mpf J,W eindl H,H ?ppe P,et al. Tropical cyclone hazard assessment using model-based track simulation［J］. Natural Hazards,2009,48（3）: 383 - 398 .

［12］ Lin N,E manuel K A,S mith J A,et al. Risk assessment of hurricane storm surgefor New York City［J］.Journal of Geophysical Research:Atmospheres（1984 - 2012）,2010,115:D18121 .

［13］ Torii K,Kato E . Risk assessment on storm surge flood［C］//Proceedings ofthe 2nd W orkshop on the Development of Integrated Disaster Reduction Systems on Compound Urban Elooding . Tokyo:Japan Society of Civil Engineers,2003:20 - 31 .

［14］ 方偉華,石先武.面向?yàn)?zāi)害風(fēng)險(xiǎn)評估的熱帶氣旋路徑及強(qiáng)度隨機(jī)模擬綜述［J］.地球科學(xué)進(jìn)展,2012,27（8）:866 - 875 . Eang W eihua,Shi Xianwu . Review on stochastic modeling oftropicalcyclone track andintensity for disaster risk assessment［J］. Advancesin Earth Science,2012,27（8）:866 - 875 .

［15］ 方偉華,林偉.面向?yàn)?zāi)害風(fēng)險(xiǎn)評估的臺(tái)風(fēng)風(fēng)場模型研究綜述［J］.地理科學(xué)進(jìn)展,2013,32（6）:852 - 867 . Eang W eihua,Lin W ei. A review on typhoon wind field modeling for disaster risk assessment［J］.Progressin Geography,2013,32（6）:852 - 867 .

［16］ 石先武.西北太平洋熱帶氣旋時(shí)空特征分析及隨機(jī)模擬［D］.北京:北京師范大學(xué),2012 . Shi Xianwu .Spatiotemporal characteristics and stochastic modeling oftropicalcyclone track and intensity in N W P basin［D］.Beijing:Beijing Normal U niversity,2012 .

［17］ Atkinson G D,H olliday C R . Tropical cyclone minimu m sea-level pressure-maximu m sustained wind relationship for western north pacific［J］.M on weather Rev,1977,105（4）:421 - 427 .

［18］ Luettich Jr R A,W esterink J J,Scheffner N W . A D CIR C:An advanced three-dimensional circulation modelfor shelves,coasts,and estuaries,re-port 1 .theory and methodology of A D CIR C-2 D DI and A D CIR C-3 D L［R］//Coastal Engineering Research Center Vicksburg M S .Vicksburg:U S Army Engineers W aterwags Experiment Station,1992:137 .

［19］ Jelesnianski C P . Nu merical computations of storm surges without bottom stress［J］. M onthly W eather Review,1966,94（6）:379 - 394 .

［20］ Jelesnianski C P . A nu merical calculation of storm tidesinduced by a tropicalstorm impinging on a continentalshelf［J］. M on W eather Rev,1965, 93（6）:343 - 358 .

［21］ 王喜年.風(fēng)暴潮預(yù)報(bào)知識(shí)講座——第五講風(fēng)暴潮預(yù)報(bào)技術(shù)（2）［J］.海洋預(yù)報(bào),2002,19（2）:64 - 70 . W ang Xinian .Storm surge forecast knowledge lectures—the fifth lecture storm surge forecast technology（2）［J］. M arine Eorecasts,2002,19（2）: 64 - 70 .

［22］ 黃浩輝,宋麗莉,植石群,等.廣東省風(fēng)速極值I型分布參數(shù)估計(jì)方法的比較［J］.氣象,2007,33（3）:101 - 106 . H uang Haohui,Song Lili,Zhi Shiqun,et al. Comparision of estimation of wind speed extreme—I distribution parameters in Guangdong Province ［J］. M eteorological M onthly,2007,33（3）:101 - 106 .

［23］ JTS 145-2-2013 .海港水文規(guī)范［S］.北京:中華人民共和國交通運(yùn)輸部,2013 . JTS 145-2-2013 . Code of H ydrplogy for Sea Harbour［S］.Beijing:Ministry of Transport of the People's Republic of China,2013 .

［24］ 羅良清,魏和清.統(tǒng)計(jì)學(xué)［M］.北京:中國財(cái)政經(jīng)濟(jì)出版社,2011:49 . Luo Liangqing,W ei Heqing .Statics［M］. Beijing:Chinese Einancial & Economic Publishing H ouse,2011:49 .

中圖分類號:P731.23

文獻(xiàn)標(biāo)志碼:A

文章編號:0253-4193（2016）03-0060-11

收稿日期:2015-01-09；

修訂日期:2015-04-01。

基金項(xiàng)目:海洋公益性行業(yè)科研專項(xiàng)（201305020-4）。

作者簡介:劉永玲（1979—）,女,山東省海陽市人,實(shí)驗(yàn)師,主要從事風(fēng)暴潮風(fēng)險(xiǎn)評估研究。E-mail:liuyl@ ouc .edu .cn

*通信作者:江文勝（1969—）,男,山東省青島市人,教授,主要從事淺海動(dòng)力學(xué)研究。E-mail:wsjang @ ouc .edu .cn

劉永玲,馮建龍,江文勝,等.熱帶氣旋資料長度對風(fēng)暴潮危險(xiǎn)性評估結(jié)果的影響［J］.海洋學(xué)報(bào),2016,38（3）:60 - 70,doi: 10.3969/j.issn .0253-4193.2016.03.006

Liu Yongling,Eeng Jianlong,Jiang W ensheng,et al. Effects of the tropical cyclone data set length on the result of risk assessment of storm surge［J］. Haiyang Xuebao,2016,38（3）:60 - 70,doi:10.3969/j.issn .0253-4193.2016.03.006

Effects of the tropical cyclone data setlength on the result of risk assessment of storm surge

Liu Yongling1,Eeng Jianlong1,Jiang W ensheng2,Eang W eihua3
（1 .Collegeof Oceanic and Atmospheric Sciences,Ocean University of China,Qingdao 266100,China；2 . Key Laboratory of Marine Environmentand Ecology,Ocean University of China,Qingdao 266100,China；3 . Academy of Disaster Reduction and Emergency Management,Ministryof Civil Affairs & Ministry of Education,Beijing Normal University,Beijing 100875,China）

Abstract:The reasonable storm surge risk assessmentis alwayslimited by the nu mber ofthe historical Tropical Cyclone（T C）samples .In this paper the influence of the data setlength to the storm surge risk assessment resultis studied in Lianjiang County of Eujian Province,which is based on the historical T C observations（1949 - 2010）and stochastic T C events（1 000 a）. The two datasets were applied to force the A D CIR C modelto simulate storm surges,which is used to determine the surge heights oftypicalreturn periods with the method of extreme value type I. The experiment resultindicates that the surge heights of typical return periods have a close correlation with data sets length,i.e .,the longer the data sets length,the more stable of the results . As for the surge heights of 1 000 years return period,the results from 500 a length data sets can give a rather stable result,which is close to the results generated from the 1 000 a length data set. W hen carrying out storm surges hazards analysis,the results are more reasonable by using T C stochastic events in 1 000 years than those from historical T C events in decades of years .

Key words:storm surge；Tropical Cyclone stochastic events；hazards analysis；return period