熱帶氣旋資料長度對風暴潮危險性評估結果的影響

劉永玲,馮建龍,江文勝,方偉華

（1 .中國海洋大學海洋與大氣學院,山東青島266100；2 .中國海洋大學海洋環境與生態教育部重點實驗室,山東青島266100；3 .北京師范大學民政部-教育部減災與應急管理研究院,北京100875）

?

熱帶氣旋資料長度對風暴潮危險性評估結果的影響

劉永玲1,馮建龍1,江文勝2 *,方偉華3

（1 .中國海洋大學海洋與大氣學院,山東青島266100；2 .中國海洋大學海洋環境與生態教育部重點實驗室,山東青島266100；3 .北京師范大學民政部-教育部減災與應急管理研究院,北京100875）

摘要:熱帶氣旋歷史樣本數不足一直困擾著風暴潮風險評估研究,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模擬方法構造的1 000 a模擬熱帶氣旋隨機事件集,以福建省連江縣為例,開展了資料長度對風暴潮災害危險性評估結果的影響分析。文中用A D CIR C模型模擬了兩種數據集強迫下的風暴潮增水,采用極值I型分布法得到了典型重現期的風暴潮增水,經過對計算結果分析發現典型重現期的風暴潮增水計算結果與所用數據資料長度有著密切相關性,數據資料越長,結果越穩定。對于1 000 a一遇的風暴潮增水值,使用500 a長度的資料已經趨于穩定,并接近用1 000 a資料計算得到的結果。在進行風暴潮危險性評估時,相比用幾十年尺度的熱帶氣旋歷史數據集,1 000 a的熱帶氣旋模擬數據集的計算結果更具實際意義。

關鍵詞:風暴潮；熱帶氣旋隨機事件集；危險性研究；重現期

1 引言

風暴潮是指由于劇烈的大氣擾動,如強風和氣壓驟變引起海面異常升降的現象。根據誘發風暴潮的天氣系統特征,通常分為臺風風暴潮和溫帶氣旋風暴潮兩大類,另外寒潮大風在渤、黃海也能造成風暴潮。在世界范圍內風暴潮災害是造成生命和財產損失最嚴重的海洋災害之一［1］,在我國也是威脅最大的海洋災害。我國海岸線漫長,隨著沿海經濟的飛速發展,人口的高度集中,這些地區承受的風暴潮災害風險越來越高。根據國家海洋局的統計,近20年來,我國沿海每年均有風暴潮災害發生,且都會造成人員傷亡,由其導致的直接經濟損失每年都高達數十到數百億元［2—3］。為使沿海地區的社會經濟得到可持續性發展,開展風暴潮風險評估研究,制定沿海區域的防災減災規劃有十分重要的意義。

風暴潮災害風險評估包括自然風險和社會風險兩個方面。風暴潮危險性研究即是針對災害自然風險進行的評估,通常以風暴潮重現期作為判斷標準,利用觀測得到的水位長期時間序列數據來推算,從而對風暴潮災害危險性進行定量分析［4—7］。但是水位觀測站點空間分布較稀少,連續觀測時間普遍不長,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的記錄,因此可以整理出影響研究區域的所有大風過程歷史個例,通過數值模擬方法對風暴潮過程進行模擬,然后結合概率統計方法計算典型風暴潮重現期,以實現對風暴潮災害危險程度的長期預測分析,董劍希等用這一方法計算了沙埕港百年一遇臺風風暴潮［8］。但由于熱帶氣旋分布范圍廣,路徑及強度區域差異大,經過或影響特定一點或小區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,進行評估時,經常達不到經驗統計分析所需要的樣本數,因此很難給出準確的風暴潮危險性評估結果。

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展出一套方法,即利用歷史熱帶氣旋樣本信息,結合熱帶氣旋氣候學規律,用隨機模擬方法生成符合歷史樣本統計學特征的熱帶氣旋個例序列,組成熱帶氣旋隨機事件樣本集［9—11］,然后利用這一構造出的熱帶氣旋個例集進行風暴潮的危險性分析［12—13］。方偉華等使用這個方法基于西北太平洋歷史熱帶氣旋觀測數據,通過分析西北太平洋熱帶氣旋路徑及強度的時空分布特征,模擬了西北太平洋熱帶氣旋的生成、發展及消亡,重建了西北太平洋分辨率為6 h的1 000 a模擬熱帶氣旋隨機事件集［14—16］。本文在此基礎上,以風暴潮災害嚴重的福建省連江縣為例,進行了風暴潮災害危險性研究。

基于歷史觀測的熱帶氣旋事件集和用隨機模擬方法構造的長時間序列熱帶氣旋事件集分別挑選構建了影響連江縣的熱帶氣旋隨機事件子集,并對篩選出的所有事件進行了風暴潮數值模擬計算,得出了兩種樣本下典型重現期風暴潮增水結果。通過對兩種事件集的計算結果進行統計對比分析,明確了熱帶氣旋樣本數對計算結果的影響,為其他海岸地區的風暴潮災害危險性研究提供借鑒。

2 連江縣熱帶氣旋隨機事件集

福建省地處我國東南沿海,位于西北太平洋臺風的主要移動路徑上,臺風災害頻發,由于臺灣海峽“狹管效應”的作用,風暴潮災害尤其嚴重。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暴潮災害最為嚴重的地區之一。建國以來在連江縣直接登陸的臺風就有十幾場,風暴潮增水都超過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,熱帶氣旋個數為2 053,以下簡稱62 a歷史數據集；一種是用隨機模擬方法構造的1 000 a熱帶氣旋隨機事件集,熱帶氣旋個數為33 012,以下簡稱1 000 a模擬數據集。其中歷史數據集的選用主要是為了對模擬數據集的計算結果進行對比驗證。

62 a歷史數據集的時間分辨率是6 h,空間范圍是西北太平洋。該數據集數據的基礎數據來源于中國氣象局上海臺風研究所,由北京師范大學減災與應急管理研究院整編而成。數據字段內容包括熱帶氣旋編號、路徑點生成國際通用時間、生成位置（經度和緯度）、移速、移向（正北為0°,正東為90°）、中心最低氣壓、近中心最大風速、中心路徑起訖點等。該數據集中沒有最大風速半徑,而這是計算風場、氣壓場需要的,因此在實際計算中,我們采用經驗公式（1）進行計算［17］。

式中,Rmax為最大風速半徑；Vmax為近中心最大風速；θ為緯度。

1 000 a模擬數據集的時間分辨率是6 h,空間范圍是西北太平洋,由北京師范大學減災與應急管理研究院模擬生成。數據字段內容包括熱帶氣旋編號、路徑點生成時間、生成位置（經度和緯度）、移速、移向（正北為0°,正東為90°）、中心最低氣壓、近中心最大風速、最大風速半徑、中心路徑起訖點等。該數據集是充分利用62 a歷史數據集,通過分析西北太平洋熱帶氣旋路徑及強度的時空分布,刻畫出熱帶氣旋生成時間、生成位置、前移速度、前移方向、強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、消亡及衰減構建而成的。

根據連江縣港灣地理分布信息,選定點（26.28°N,119.7°E）作為連江縣的研究代表點,以代表點為中心,300 k m為半徑的圓面作為統計范圍（圖1）。統計方法是,計算每一個熱帶氣旋路徑所有中心位置和代表點之間的距離,挑選出一個最小距離,如果該最小距離在統計范圍以內,就認為是對研究區域有影響的熱帶氣旋事件,最后將統計結果形成影響連江縣的熱帶氣旋隨機事件集,即連江子集。

62 a歷史數據集中滿足條件的有183個事件, 1 000 a模擬數據集中滿足條件的有2 781個事件。計算重現期時發現仍有部分年份的數據沒有入選,通過逐步擴大影響半徑進行補充,保證每個年份都有數據,最后歷史數據集中事件總數增加至192個,以下簡稱62 a連江子集。模擬數據集中事件總數增加至2 919個,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計范圍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最近時刻兩種數據子集的各個參數累積頻次的分布特征圖。比較兩圖可以發現,較62 a連江子集,1 000 a連江子集最大風速和中心氣壓的分布規律更為明顯,這主要是與數據量有關,62 a的數據量在表現這些特征分布上是不足的。而兩種數據子集的各個參數的分布區間是基本一致的,其中最大風速主要集中在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100°之間,移速在0～50 k m/h之間,氣旋中心與研究點間的最小距離均勻分布在0～300 k m之間,最大風速半徑在40～110 k m之間。通過與實測風場資料的對比,說明1 000 a連江子集是能夠反映該地區臺風事件序列的,同時,這一結果對我們識別影響連江縣的熱帶氣旋事件也具有一定的指導意義。

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時不同特征參數的累積頻率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 風暴潮數值計算

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

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,其三角形網格能較好地刻畫岸線。研究區域計算網格是利用S M S（Surface-water M odeling System）網格剖分軟件建立的,網格分辨率在連江縣沿岸是2′,在開邊界是4′,變分辨率的網格共37 881個點,72 219個三角形（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時的不同特征參數的累積頻率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格圖Eig .4 Grids of Lianjiang County and its surrounding waters

計算中選擇的風場模型來自于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風可進行較好的模擬。

Jelesnianski風場模型:

式中,r為至臺風中心的距離；Rmax為最大風速半徑；VR為距離臺風中心r處的圓對稱環流風速；VRmax為圓對稱環流最大風速。

Jelesnianski氣壓場模型:

式中,P為距離臺風中心r處的氣壓；P∞為臺風外圍環境氣壓；P0臺風中心最低氣壓,其余同式（2）。

3.1 模式檢驗

本文通過模擬歷史上的典型風暴潮個例事件,檢驗了模式模擬風暴潮的能力。

結合所掌握的實測資料情況,模式檢驗主要分為兩步。廈門站的風暴潮增水實測資料比較豐富,因此首先對影響廈門站的8個風暴潮個例進行了對比驗證（圖5）；然后在距離連江縣較近的兩個驗潮站三沙（26°55′N,120°13′E）和琯頭（26°08′N,119°34′E）,選擇6911號臺風進行了典型風暴潮個例驗證（圖6）。

通過對廈門站及連江縣周邊驗潮站的多個風暴潮個例驗證,說明所選用的計算模型能較好地模擬臺風風暴潮增水情況。此外,在計算過程中發現連江地區風暴潮受臺灣島地形影響,其原因是在連江附近登陸的臺風大多數都是先在臺灣登陸,然后再在連江二次登陸,所以風場會發生變形,圓形風場模型已經不能很好地模擬真實的風場,這對連江地區的風暴潮模擬造成一定的困難,但從模擬結果看,并不影響其增水特征。

圖5 廈門站8場臺風引起的風暴潮增水計算值（綠色實線）與實測值（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 數值模擬結果分析

在前面檢驗的基礎上,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迫下的風暴潮增水。圖7、8是分別用兩種數據集強迫下計算的最大風暴潮增水的概率頻次圖,增水極值范圍從0～3 m,出現頻次都是先增大后減少,峰值均出現在0.3 m附近,0.3 m之后,隨著增水極值的增大,出現頻次迅速減少。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之間的個例數占總數的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暴潮災害極端事件發生的可能性,其增水極值頻次分布圖也更符合正態分布。

圖6 6911號臺風引起的風暴潮增水計算值（綠色實線）與實測值（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連江子集風暴潮最大增水頻次分布（樣本數:192）Eig .7 Histogram of the extreme storm surge for 192 historical tracks

圖8 1 000 a連江子集風暴潮最大增水頻次分布（樣本數: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行排列,將造成前100個增水極值（1.19～2.58 m）和后100個增水極值最小（0～0.06 m）的熱帶氣旋特征參數進行分析,把各熱帶氣旋在距離連江最近處的特征參數整理并展示在圖9中,從圖中可以發現,移向偏西,中心氣壓越低,風速越大,最大風速半徑越小,距離連江越近的熱帶氣旋引起的風暴潮增水值也越大,而移速與增水值的大小沒有明顯的相關性。尤其明顯的是,在該研究點,要引起較大的風暴潮增水,熱帶氣旋要具有以下特征:即風速至少在20 m/s以上,中心最低氣壓在980 hPa以下,最大風速半徑主要集中在40～50 k m ,距離研究點最近距離在100 k m以內。通過對熱帶氣旋特征參數的簡單分析,可以初步判斷一個地區的風暴潮危險性。

圖9 100個增水極值最大（紅色）的和100個增水極值最小（藍色）的熱帶氣旋在距離連江最近距離處的特征參數對比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 風暴潮災害危險性分析

4.1 典型風暴潮重現期計算

風暴潮危險性重現期,即一定危險性強度的風暴潮事件出現一次的平均時間間隔,通常以年為單位。通常的計算方法是利用年極值增水值,根據某種極值分布擬合方法進行擬合。極值I型分布由于具有較強的物理背景,在水文、氣象統計中應用十分廣泛［21—22］,我國港口工程技術規范將極值I型分布用于校核高低潮位的計算,參考港口工程技術規范［23］。結合A D CIR C模型模擬的兩種數據集強迫下的風暴潮增水,本文采用極值I型分布法計算了不同重現期的風暴潮增水,計算結果見圖10。

圖10 連江縣風暴潮增水重現期曲線Eig .10 Return level plot for extreme storm surge heights for Lianjiang County星號、實線數據來自1 000 a連江子集,鉆石型、虛線數據來自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

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

表1 62 a和1 000 a兩種資料長度數據集計算的連江地區典型重現期風暴潮增水Tab .1 Typical return levels for extreme storm surge heights for Lianjiang County with 62 a and 1 000 a data sets

4.2 風暴潮危險性重現期與資料長度相關性分析

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

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

圖11 不同長度數據組計算的2 a重現期風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

為了量化分析計算結果與分組資料長度的關系,文中用變異系數標記了不同長度分組數據計算的典型重現期風暴潮增水計算結果的穩定性（表2）。類似于極差、標準差及方差一樣,變異系數也是反映數據離散程度,但是變異系數能消除兩組數據測量尺度對所對比結果的影響［24］。

圖12 不同長度數據組計算的1 000 a重現期風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 不同長度分組數據計算的典型重現期風暴潮增水變異系數（%）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,對于相同重現期的風暴潮增水,變異系數隨著分組資料長度的增加變得越來越小,即用于計算的數據資料序列長度越短,計算結果波動起伏越大,資料長度越長,計算結果越穩定。對于不同重現期的風暴潮增水,重現期越長,要獲得相對穩定的計算結果,數據資料長度就要求越長,如計算2 a重現期風暴潮增水,100 a的數據資料長度計算結果就相對趨于穩定,對應的變異系數為4.15 % ,計算10 a重現期風暴潮增水,300 a的數據資料長度對應的變異系數才為3.99 % ,而計算100 a以上重現期風暴潮增水,當分組資料長度在400 a以上時,變異系數略小于4 % ,計算結果才相對趨于穩定。當分組資料長度為500 a時,變異系數均小于2 % ,計算結果基本穩定。

因此可以認為在進行風暴潮危險性分析時,目前通常基于幾十年的熱帶氣旋資料長度是不充分的,需要采用更長的熱帶氣旋資料計算典型重現期風暴潮增水更具實際意義,以本文研究的結果看,500 a以上的數據長度較為合適。

5 結語

本文基于歷史觀測和基于隨機模擬方法構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事件集,并對篩選出的所有事件用A D CIR C模型進行了風暴潮數值模擬計算,得出了兩種樣本下典型重現期風暴潮增水結果,發現模擬數據集的增水能更客觀地反映風暴潮災害極端事件發生的可能性,模擬數據集的增水極值頻次分布圖也更符合正態分布。在此基礎上計算了典型重現期的風暴潮增水,發現兩種數據集的計算結果差別明顯,對比分析顯示,計算結果與數據資料長度有密切的相關性。對于同一重現期,計算所用數據資料越長,結果越穩定。對于不同重現期,重現期越長,要獲得穩定的計算結果,數據資料長度就要求越長。對于1 000 a一遇的結果,500 a長度就才基本趨于穩定,進行風暴潮危險性評估時,統計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計分析對資料長度的需求。因此本文認為相比用幾十年尺度的歷史數據集, 1 000 a模擬數據集的計算結果更具實際意義。這一結論對我國沿海今后進行風暴潮危險性重現期的計算具有參考意義,為相應的防災減災措施制定提供了科學依據。

參考文獻:

［1］ 王喜年.全球海洋的風暴潮災害概況［J］.海洋預報,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.中國海洋災害與減災［J］.中國減災,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.中國年海洋災害公報（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.我國風暴潮災害風險評估方法的基本問題［J］.海洋預報,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,王軍,等.沿海城市風暴潮災害風險評估研究進展［J］.地理科學進展,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.風暴潮災害風險評估研究綜述［J］.地球科學進展,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.風暴潮風險研究進展［J］.自然災害學報,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風風暴潮的計算［J］.海洋通報,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.面向災害風險評估的熱帶氣旋路徑及強度隨機模擬綜述［J］.地球科學進展,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.面向災害風險評估的臺風風場模型研究綜述［J］.地理科學進展,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空特征分析及隨機模擬［D］.北京:北京師范大學,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.風暴潮預報知識講座——第五講風暴潮預報技術（2）［J］.海洋預報,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.廣東省風速極值I型分布參數估計方法的比較［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 .海港水文規范［S］.北京:中華人民共和國交通運輸部,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.統計學［M］.北京:中國財政經濟出版社,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

文獻標志碼: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。

基金項目:海洋公益性行業科研專項（201305020-4）。

作者簡介:劉永玲（1979—）,女,山東省海陽市人,實驗師,主要從事風暴潮風險評估研究。E-mail:liuyl@ ouc .edu .cn

*通信作者:江文勝（1969—）,男,山東省青島市人,教授,主要從事淺海動力學研究。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暴潮危險性評估結果的影響［J］.海洋學報,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