基于隨機事件集的風暴潮重現期計算的合理性研究

李旋，龔茂珣，亢興，陳昞睿

（1.上海海洋大學海洋科學學院，上海201306；2.國家海洋局東海信息中心，上海200137；3.國家海洋局東海預報中心，上海200081）

基于隨機事件集的風暴潮重現期計算的合理性研究

李旋1，3，龔茂珣2，亢興3，陳昞睿3

（1.上海海洋大學海洋科學學院，上海201306；2.國家海洋局東海信息中心，上海200137；3.國家海洋局東海預報中心，上海200081）

為了研究隨機事件集實際應用于計算南通如東岸段風暴增水的合理性問題，基于ADCIRC模型模擬影響南通如東岸段基于隨機事件集的風暴增水，然后利用P-Ⅲ型曲線對年增水極值進行擬合，得到各典型重現期下的增水值，并與由28年歷史資料擬合得到的各重現期下增水值進行對比。結果表明，在歷史資料長度所及的28年以及以下重現期，基于隨機事件集模擬得到的重現期增水值與基于歷史實測資料的比較符合，說明隨機事件集的結果在低重現期情況下結果良好。對于高重現期增水值，基于隨機事件集的擬合結果顯著大于基于歷史資料的擬合結果。由于歷史資料時間太短，不足以發生非常極端的風暴潮事件，故對高重現期的擬合結果難以保證可信度，所以不能排除隨機事件集擬合結果的合理性。隨機事件集在南通如東岸段對低重現期增水估計準確，同時也能較充分地估計高重現期增水，在目前缺乏百年千年時間尺度的實測資料的情況下，不失為一種良好的風暴增水重現期計算工具。在全球變暖情況下，超強臺風出現幾率大大增加，典型重現期增水值也會相應提高，為了預防風暴災害的侵襲，需要加深加固海堤、江堤等海岸工程。

隨機事件集；重現期；合理性

熱帶氣旋是發生在熱帶海洋上的一種具有暖中心結構的強烈氣旋性渦旋，總是伴有狂風暴雨，常給受影響地區造成嚴重的災害（馮士筰，1982）。一般情況下，根據熱帶氣旋中心附近最大平均風力將熱帶氣旋分為五級，分別為熱帶風暴、強熱帶風暴、臺風、強臺風和超強臺風。它是一種破壞力很強的災害性天氣系統，致災因子有大風、暴雨、風暴潮及海浪等，且容易引發洪水、滑坡、泥石流等次生災害（方偉華等，2012）。

風暴潮災害是我國面臨的主要海洋災害之一，幾乎遍及中國沿海（張旸，2016）。登陸我國的臺風和強溫帶天氣過程往往造成風暴潮災害，其成災頻率高、致災強度大，造成的人員和經濟損失慘重，目前已列入我國的巨災種類。

開展風暴潮災害風險評估，完成風險區劃，既能增強國家和地方政府風暴潮災害的防御能力，又可以有效的降低風暴潮災害風險，減少災害造成的人員傷亡和財產損失，為沿海地區經濟發展布局等提供科學依據。但是由于目前全球對于歷史臺風的信息記錄時間序列僅為數十年，并且對于百年一遇或者千年一遇歷史臺風的記錄很少或者信息缺失嚴重，這就導致在應用于實際的災害風險評估時會出現樣本不足的問題。

為了解決歷史樣本不足的問題，研究學者提出了一套熱帶氣旋路徑及強度隨機模擬體系，該模擬體系主要是基于起點模型、行進模型、終點模型、洋面強度模型以及陸地衰減模型，模擬符合歷史規律的大量臺風路徑樣本，形成熱帶氣旋隨機事件集（方偉華等，2012）。與確定性的熱帶氣旋預報模型不同的是，隨機模擬模型不是著眼于對于未來某次臺風的預報，它主要是基于歷史臺風路徑和強度等特征基礎上進行統計分析從而模擬出可能符合未來熱帶氣旋的大樣本事件。我國在熱帶氣旋路徑和強度隨機模擬領域系統研究相對不多，盡管我國在臺風預報預警領域從動力學角度進行了非常多的研究，但是對于整個西北太平洋的熱帶氣旋生成、形成路徑、行進方向、登陸及強度衰減進行系統隨機模擬的研究還比較少（方偉華等，2013）。

本文主要是從熱帶氣旋隨機事件集中挑選出影響南通如東岸段的熱帶氣旋，并用ADCIRC模式進行增水模擬，求得典型重現期（2年、5年、10年、20年、50年、100年、200年、500年、1000年）的增水值，并與由歷史臺風的風暴增水模擬求得的典型重現期增水值比較，討論典型重新期增水值的差異，探討隨機事件集在南通如東岸段實際應用的合理性。同時考慮到全球氣候變暖，討論了重現期可能發生的變化，并對可能導致的海洋災害，提出了一些預防措施。

1 計算模型

ADCIRC（Parallel Advanced Circulation Model for Oceanic，Coastal and Estuarine Waters）是由北卡羅來納大學的R.A.Luettich博士和圣母大學的J. J.Westerink博士聯合研發的水動力數值模式。它基于有限元方法，采用可任意局部靈活加密的無結構網格，可對二維和三維的自由海表面流動和物質輸運問題求解，模擬海洋、近岸與河口的水位、流場等（羅鋒等，2014）。

1.1 控制方程

在球坐標系下，ADCIRC二維模型通過基于垂直平均的原始連續方程和海水動量方程來求解自由表面起伏，二維流速等三個變量。球坐標系下海水連續方程和動量方程為：

式中，t為時間；λ、φ為經度和緯度；H為海水水柱的總水深；ζ為從靜止的平均海平面起算自由表面高度；U、V為深度平均的海水水平流速；f為科氏參數，Ω為地球的自轉角速度；ρ0為海水密度，文中默認為1 025 kg/m3；PS為海水自由表面的大氣壓強；R為地球的半徑，取6 378 135 m；η為牛頓引潮勢；Dλ，Dφ為經緯度方向上的擴散項；τsλ，τsφ分別為經緯度方向上的海表面應力；τbλ，τbφ分別為經緯度方向上的海底摩擦。

1.2 模型設置

模型啟動時，初始水位場和流場均為0，即ζ、u、v均為0。對于陸地、島嶼等路邊界，在邊界上滿足不可入射條件，即取法向流速為0，即Vn為0；外海水位開邊界考慮了9個主要分潮（M2、S2、N2、K2、K1、O1、P1、Q1、2N2）。模式時間步長設為1 s。考慮網格干濕變化。每30 min輸出1次水位場以獲取最大潮位和最大增水數據。底摩擦通過二次拖曳系數Cd進行設置，對于不同海域，模式中通過率定Cd取不同的值，海域的取值范0.001 0～0.001 8之間。

1.3 模型范圍

計算網格在115°-134°E，16°-41°N范圍內，包括了整個東中國海，網格在長江上游延伸至大通站。外海網格較大，蘇北淺灘輻射沙洲區域，由于潮溝眾多，為刻劃局部精細流場，網格作了進一步加密，該局部網格分辨率平均約為100 m。該套高分辨率非結構網格的計算區域包括65 747個三角形，共計129 223個節點。

1.4 風場模型

本文采用藤田-高橋嵌套臺風模型，即根據2倍最大風速半徑距離內外分別采用藤田氣壓模型（4）和高橋氣壓模型（5）對同一區域的臺風氣壓場進行模擬，繼而利用梯度風公式（6）求出環流風場并疊加Ueno Takeo（7）移行風場。

式中：P0表示臺風中心氣壓，P∞表示臺風外圍氣壓，r為目標點到臺風中心的距離，R0為最大風速半徑。

其中VS為距離臺風中心r處的梯度風速，ρ為空氣密度，取值為1.292 9×10-3g/m3，其中Vdx，Vdy是臺風中心移動速度在x（正東）和y（正北）方向上的兩個分量。

2 模型驗證

2.1 天文潮驗證

天文潮校驗計算的時間段為2005年5月1日到2005年5月16日，模式提前2天起算。這段時間沒有顯著的天氣過程影響南通沿海。圖1中（a）、（b）分別是呂四站和連云港站實測資料與模式計算結果對比圖。由兩圖可知，模擬計算結果與實測結果基本相符。

圖1 模型分別在呂四站（a）和連云港站（b）天文潮驗證

2.2 風暴潮水位與增水驗證

風暴潮水位和增水驗證均選取1109號臺風“梅花”影響江蘇沿海期間呂四站實測資料與模式計算結果的對比。

對5次歷史臺風進行增水模擬并與歷史實測資料對比，由表1可知，呂四站最大增水的最高相對誤差為30.4%，最低相對誤差為4.8%，最大潮位的最高相對誤差為16.1%，最低相對誤差為1.2%。連云港站最大增水的最高相對誤差為27.5%，最低相對誤差為4.8%，最大潮位的最高相對誤差為5.4%，最低相對誤差為4.8%。

表1 增水潮位極值模擬結果與實測比較

圖2 模型呂四站水位（a）和增水（b）驗證

由圖2可知在1109號臺風過程前期，模型模擬的水位、增水與實際水位、實際增水十分吻合，最大增水時刻和最大增水均十分接近實際情況；出現最大增水之后，增水的模擬精度降低，模型中沒有考慮臺風期間大浪破碎對于增水的影響，從而影響模擬精度。但是總體上，模型結果是準確可靠的，可用于下一步的增水特征分析。

3 典型重現期計算與分析

3.1 數據介紹

全球各地的熱帶氣旋記錄時間序列短，在進行熱帶氣旋災害風險評估時經常面臨樣本不足的問題，尤其是超強臺風及巨災記錄歷史樣本更加少。為了解決這個問題，研究學者基于有限的熱帶氣旋歷史觀測資料樣本，運用隨機模擬的方法，生成了大量隨機熱帶氣旋事件，大量隨機樣本的集合即為隨機事件集。與確定性的熱帶氣旋預報模型不同的是，隨機模擬模型不在著眼于單場熱帶氣旋的預報，而是基于熱帶氣旋樣本規律統計上的集合預報（方偉華等，2012）。

本文中所用隨機事件集共有4 004個熱帶氣旋樣本，時間序列是從1-1000年。為了研究影響如東岸段下的風暴增水，以如東岸段中點為原點，400 km為半徑做圓，共篩選出2 272個影響如東岸段的熱帶氣旋樣本。而根據上海臺風研究所發布的臺風路徑資料，1960-2013年間影響南通如東岸段的歷史臺風共有69個。

由表2可知，歷史臺風中的熱帶風暴和強熱帶風暴所占比重均高于隨機事件集中的熱帶風暴和強熱帶風暴所占比重，而隨機事件集中的臺風和強臺風所占比重均高于歷史臺風中的臺風和強臺風所占比重。歷史臺風中無超強臺風統計，隨機事件集中超強臺風占個數總數的5%。

表2 影響如東岸段熱帶氣旋等級及個數統計

3.2 隨機事件集有效性評估

圖3 影響如東岸的歷史臺風（a）和隨機事件集中的熱帶氣旋（b）路徑分布

本文根據1979年Schwerdt開展的西太平洋臺風最大風速半徑航空探測所獲取的173個歷史臺風資料以及美國聯合警報中心（JointTyphoonWarning Center，JTWC）所整編的2001-2013年歷史臺風資料，提取最大風速半徑、中心氣壓、近中心最大風速3組數據。同時從影響如東岸段的2 272個熱帶氣旋樣本中也提取最大風速半徑、中心氣壓、近中心最大風速3組數據。

由圖4可知，歷史臺風中最大風速半徑越大，中心氣壓也會上升，具有較弱正相關關系，最大風速半徑會下降，具有較弱負相關關系。熱帶氣旋隨機事件集最大風速半徑越大與中心氣壓以及最大風速呈指數函數關系。最大風速半徑越大，中心氣壓也越大，具有強正相關關系，最大風速也越低，具有強負相關關系。

隨機事件集中影響如東岸段的熱帶氣旋最大風速為7~63 m/s，中心氣壓為910~1 010 hPa，最大風速半徑為27~180 km。西太平洋的熱帶氣旋實況記錄熱帶氣旋最大風速為7~75 m/s，中心氣壓為875~1 010 hPa，最大風速半徑為7~92 km。隨機事件集中的熱帶氣旋強度與實況基本相一致。

圖4 歷史臺風和隨機事件集中的熱帶氣旋各參數之間關系

熱帶氣旋隨機事件集中當中心氣壓在910~ 1 000 hPa之間時，最大風速半徑在27~80 km之間，位于歷史實況最大風速半徑的取值范圍內。如當隨機事件集中熱帶氣旋中心氣壓為920 hPa時，所對應的最大風速半徑為30 km，而在實況數據中，中心氣壓為920 hPa時，風速半徑在7~45 km之間；當隨機事件集中風速為30 m/s時，所對應的最大風速半徑為57 km，而在實況數據中，最大風速半徑在7~78 km之間。

綜上所述，隨機事件集中所構建的熱帶氣旋與歷史臺風的強度特征要素基本保持一致，因此構建比較合理，可用隨機事件集進行下一步的研究工作。

3.3 案列挑選

為研究南通市風暴潮災害的影響，采用經過校驗的ADCIRC風暴潮模式分別對隨機事件集中的熱帶氣旋進行模擬，獲取增水極值，進行重現期分析。

從隨機事件集中選取第901年到第1000年這100年影響如東岸段熱帶氣旋樣本，進行風暴模擬。其中第954年、第965年、第986年、第990年無熱帶氣旋影響如東岸段，故實際最終得出了96年的年增水極值。由于選取時間范圍較大，缺少數據的年份為4年，因此對于最終得到的重現期結果影響不大。

實測數據選取呂四站1984-2014年年增水極值資料，由于呂四站缺少1996-1998年的三年數據資料，故只用剩余28年增水極值年資料做重現期分析。

3.4 呂四站與特征點典型重現期分析

3.4.1 呂四站典型重現期分析

呂四站是南通沿海唯一具有較長序列實測數據的代表性潮位站，其年極值變化規律在南通沿海具有代表性（王華等，2007）。利用ADCIRC模式對熱帶氣旋隨機事件集和實測歷史數據進行模擬時，模型并不疊加天文潮以及背景風場。然后采用P-Ⅲ型曲線分別對隨機事件集中的96年年增水極值和歷史臺風的28年年增水極值進行擬合，得到典型重現期下的增水值。

表3 呂四站各重現期風暴增水值

當重現期為2、5年時隨機事件集模擬的增水值均小于歷史臺風模擬的增水值，重現期高于10年的情形下，隨機事件集模擬的增水值均大于歷史臺風模擬的增水值。

當重現期為2、5、10年時，隨機事件集模擬的增水值和歷史臺風的增水值偏差均小于50 cm，其中5年一遇增水值的偏差最小，為2 cm。

當重現期高于50年時，絕對誤差均超過1 m，相對誤差也都達到50%以上，且典型重現期越大，絕對誤差和相對誤差也隨之越大。

3.4.2 典型重現期分析

隨機事件集中臺風、強臺風和超強臺風比例要遠高于歷史情況下臺風、強臺風的比例，況且歷史臺風統計中沒有超強臺風，因此當重現期為百年一遇甚至是千年一遇時，那么隨機事件集中模擬出的典型重現期增水值肯定要大于歷史臺風模擬的典型重現期增水值，因此會出現重現期越高，兩者典型重現期的增水差值也越大的情況。

由于隨機事件集熱帶氣旋在進行風暴增水模擬時沒有考慮天文潮、背景風場的影響，因此模擬出的年增水極值偏低，典型重現期的增水值也要相應的偏低。如果在模擬隨機事件集中熱帶氣旋時耦合天文潮以及疊加多年平均背景風場，那么模擬出的每年增水值會有一定幅度的提高，典型重現期增水值也隨之相應提高，那么除了重現期為2年的情形外，其他重現期的增水值均會增大。2、5年一遇的重現期增水值依然會比較接近實測擬合的重現期增水值。

3.4.3 全球變暖背景下重現期變化

在1-1000年時間序列下，隨機事件集中影響如東岸段的超強臺風共有109個。通過對109個臺風進行增水極值模擬，增水極值最大值為3.41 m，最小值為0.09 m。由于部分超強臺風到達如東岸段時，已減弱成熱帶風暴級別，甚至已經消散，因此導致呂四站增水比較低。

對增水極值統計發現有6個超強臺風的增水極值超過3.00 m，44個超強臺風的增水極值低于1.00 m。如表4所示。

考慮到近年來隨著全球氣候變暖，極端性天氣事件增多，超強臺風出現的幾率也極大的增加（端義宏等，2005）。如果超強臺風前進至如東岸段強度依然很大，這樣勢必會引起如東岸段沿海相當大的增水，那么各典型重現期增水值也會相應提高。為了預防風暴災害的侵襲，需要加深加固海堤、江堤等海岸工程。

圖5 109個超強臺風增水極值統計

表4 呂四站增水情況統計

4 結語與展望

（1）通過對隨機事件集和歷史臺風典型重現期增水值比較發現當重現期為2、5、10年時，隨機事件集中擬合得到的重現期增水值與歷史臺風擬合得到的重現期增水值誤差在50 cm之內，當重現期為百年一遇甚至是千年一遇時，由隨機事件集擬合得到的典型重現期增水值要遠大于由歷史資料擬合得到的典型重現期增水值。

（2）由于所用歷史資料年限較短，因此還不能認為由隨機事件集擬合得到的高重現期結果就不具備合理性。在南通如東岸段隨機事件集對低重現期增水估計準確，同時也能較充分地估計高重現期增水，在目前缺乏長時間尺度資料的情況下，利用隨機事件集計算風暴增水的低重現期結果可作為實際應用，而高重現期結果可作為參考使用。因此在南通如東岸段利用隨機事件集方法計算風暴增水重現期是合理的，具有可行性。

（3）考慮到在全球變暖背景影響下，如東岸段出現超強臺風的可能性增加，這樣如東岸段典型重現期增水值也會相應提高。為了預防風暴災害的侵襲，保障當地生命財產安全，政府本門需要加深加固南通沿海岸段海底防護工程。

致謝：國家海洋局海洋減災中心提供了隨機事件集，國家海洋局東海預報中心肖文軍也為論文寫作提供了寶貴意見，在此一并致謝。

端義宏，朱建榮，秦曾灝，等，2005.一個高分辨的長江口臺風風暴潮數值預報模式及其應用.海洋學報，27（3）：11-19

方偉華，林偉，2013.面向災害風險評估的臺風風場模型研究綜述.地球科學進展，32（6）：852-867

方偉華，石先武，2012.面向災害風險評估的熱帶氣旋路徑及強度隨機模擬綜述.地球科學進展，27（8）：866-875

馮士筰，1982.風暴潮導論.北京：科學出版社

羅峰，盛建明，潘錫山，等，2014.江蘇沿海精細化風暴潮模式研究與應用.南京大學學報(自然科學)，50（5）：687-694

王華，姚圣康，龔茂珣，等，2007.江蘇省洋口港風暴潮數據分析.海洋通報，26（3）：26-32

張旸，陳沈良，谷國傳，2016.歷史時期蘇北平原潮災的時空分布格局.海洋通報，35（1）：30-37

（本文編輯：袁澤軼）

Study on the reasonability of computing the return period of storm surge based on random event sets

LI Xuan1,GONG Mao-xun2,KANG Xing3,CHEN Bing-rui3
(1.College of Marine Science,Shanghai Ocean University,Shanghai 201306,China;2.East China Sea Marine Information Center of SOA, Shanghai 200137,China;3.East China Sea Marine Forecasting Center of SOA,Shanghai 200081,China)

In order to study whether the random event set can be used in the Rudong bank of Nantong or not,ADCIRC model is used to stimulate the storm surge affecting the Rudong bank based on random event set.Then p-III curve is used to fit peak-value of surges of all the years to get the surge of typical return periods.The result shows that the results of fitting by ADCIRC and by historical data coincide well in lower return periods,but for higher return periods,the results of fitting by ADCIRC are significantly higher than that of fitting by historical data.Due to the short time,it's not enough for the extreme storm surge events to occur,and the results of higher return periods are not reliable,so we can't rule out the reasonability of results based on random event set.The results of fitting based on random event set are accurate in lower return periods and we can also fully estimate the surge of higher return periods based on random event set.In the situation of lacking historical data of hundreds of years,random event set can be accepted as a tool to compute the return period of storm surge.Considering the global warming,the possibility of super typhoons'appearance rises,which will result in higher surge of return periods.In order to prevent the disaster of storm surge,the government needs to deepen and reinforce the coastal engineering like seawalls and embankments.

random event set;return period;reasonability

P732.6

A

1001-6932（2017）04-0424-07

10.11840/j.issn.1001-6392.2017.04.009

2015-11-11；

2016-04-08

中國海洋業務化風暴潮數值預報系統關鍵技術研究與應用（2016YFC1401503）

李旋（1989-），碩士研究生，主要從事風暴潮數值預報研究。電子郵箱：lixuan_99@126.com。

亢興，工程師。電子郵箱：seventwo_917@163.com。