粵港澳大灣區臺風危險性分析

陳 煜，楊 劍，段忠東，吳甜甜，歐進萍

（1.哈爾濱工業大學（深圳）土木與環境工程學院，廣東 深圳 518055；2.深圳市土木工程智能結構系統重點實驗室，廣東 深圳 518055）

引言

西北太平洋是世界上熱帶氣旋發生次數最頻繁、強度最大的區域，每年生成的臺風總數一般超過20個，個別年份甚至高達40個［1］。中國處于西北太平洋的西岸，是世界上受臺風影響最為嚴重的國家之一。粵港澳大灣區位于中國華南地區，由香港、澳門兩個特別行政區和廣東省廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶等九個珠三角城市組成，總面積5.6 萬km2。大灣區作為中國經濟最為發達、人口最稠密的沿海地區，同時也是受臺風影響最為嚴重的地區之一，平均每年大約有2～3 次臺風登陸，臺風引起的強風、暴雨、風暴潮和洪澇等災害會對臺風途經的地區造成嚴重的損失，其中僅2013～2015 年造成的直接經濟損失就超過150 億元［2］。因此，大灣區的抗風設計、區域防災規劃、保險及再保險業都需要對臺風風險進行量化評估。由于臺風的發生、移動和強度具有隨機性，大灣區內部的某一局部區域遭遇臺風卻是小概率事件，而且人類科學觀測臺風的歷史也較短，僅通過有限的歷史觀測資料來進行臺風危險性分析具有較大的局限性，特別是對長重現期的極值風速無法獲得可靠的估計。

工程抗風設計和臺風巨災風險分析往往需要足夠時間長度的臺風樣本來估算臺風危險性。然而復雜的臺風氣象數值模擬以其高昂的計算成本和耗時限制了我們在短時間內模擬大量臺風樣本的能力，所以工程界利用臺風參數化數值模型，結合歷史臺風觀測資料的統計建模，模擬大量反映臺風統計規律的臺風事件，并據此進行臺風危險性分析已成為國際上展開此類研究普遍接受的方法［3-23］。傳統的臺風事件模擬方法主要包括：分區圓法［5-10］和全路徑法［11-23］。分區圓法是以目標點為中心，向外擴展成一個半徑為200～300 km 的圓形局部區域，然后從經過該圓形區域的歷史臺風樣本中提取移動和強度參數的概率分布，采用Monte Carlo 方法隨機模擬該區域的臺風事件。這種方法適用于臺風樣本充足的局部小區域，但對于多城市的大區域以及長距離分布的基礎設施，如鐵路、公路和電網系統等并不適用。為了克服上述缺點，全路徑法將臺風活動分為：生成、移動、強度等部分，然后分段模擬，最后組合成完整的臺風事件。這種方法可以模擬臺風從生成到消亡的路徑和強度，從而對大范圍區域進行臺風危險性評估。

具體來說，首先對臺風生成位置進行模擬，主要方法包括：直接抽樣法和估算概率模擬法。直接抽樣法［11］是僅從歷史生成位置樣本中隨機抽樣，這會導致初始模擬位置分布范圍非常有限。估算概率模擬法首先估算臺風生成位置的概率，然后通過Monte Carlo 隨機模擬生成位置，可覆蓋整個海洋區域。Rumpf等［13-14］、Emanuel 等［15］、Hall 和Jewson［16］使用歷史生成點，通過高斯核密度函數估算海洋中每個位置的生成概率。Emanuel［24］、Tippet和Camargo［25］、Lee 等［26-27］、Chen 和Duan［28］通過建立臺風生成位置與海氣環境參數之間的關系，將全球氣候模式模擬的海氣環境參數輸入到該關系中以模擬臺風的生成位置，這種方法可應用于氣候變化對臺風活動的影響研究中。其次是對臺風移動路徑的模擬，一種方法是通過歷史臺風的移動速度和方向來模擬臺風的路徑［11，13，16-17，20］。另一種方法是建立臺風移動與環境氣流和β 漂移項之間的關系［15，27-28］。由于環境氣流可以很容易地從再分析數據中獲得，所以這種方法更適用于歷史臺風數據不足的地區。對于臺風強度的模擬也有2 種方法：統計方法和物理方法。前者是基于歷史臺風強度樣本的統計強度模型，如自回歸模型［11，17，20］、馬爾科夫模型［14］等；后者是基于臺風物理機制的簡化數值強度模型［15，29］，不過計算耗時也相對較大。

將模擬的臺風事件參數輸入到臺風風場模型可以獲得臺風影響區域各位置的風速。工程上為了快速地計算臺風風場，一般采用參數化的邊界層動力學臺風風場模型［7，30-34］。參數化風場模型最早由Chow［35］提出，它是由一組流體動量方程構成的均勻厚度的水平二維大氣邊界層模型。該模型隨后被進一步修正和改進并用于評估臺風危險性［17，32］。這類二維風場模型只能模擬邊界層內沿高度平均的風速，然后通過經驗的風速折減關系得到邊界層內的風速垂直結構，該方法不能完全反映臺風風場在空間分布上的特性。為了更加精細地模擬臺風風場結構，Meng等［31］、Kepert［33-34］通過對邊界層內N-S方程的離散簡化，建立了沿高度解析的三維參數化風場模型，不過他們忽略了臺風的垂直平流和垂直擴散過程，這將導致邊界層內臺風風場的超梯度現象比觀測結果弱。事實上，臺風登陸后由于陸地表面呈現出非均勻性，會導致地表粗糙度和局地地形發生劇烈變化，這會對臺風邊界層的垂直運動產生影響，進而影響風場結構和風速計算的準確性。

總的來說，全路徑合成臺風模型可以模擬臺風從生成到消亡的路徑和強度，與臺風風場模型相結合便可在大區域上進行臺風危險性評估，從而量化粵港澳大灣區不同城市的臺風危險性。在文中，我們將基于統計動力學全路徑隨機合成臺風方法，模擬臺風事件的發生、路徑、強度。與Chen 和Duan［28］建立的全路徑模型相比，文中的全路徑合成臺風模型在建模數據、生成、路徑和強度的模擬等方面均有所改進。此外，本文采用Yang 等［36］開發的三維數值風場模型模擬臺風過境期間大灣區各地區的風速。與Meng 等［31］、Kepert［33-34］的三維風場模型相比，Yang等［36］三維數值風場模型考慮了垂直平流和垂直擴散過程對風場的影響，從而可以更好地模擬風場的空間結構。另外，本文將從防災減災的角度對模擬的臺風事件集進行綜合檢驗，包括大灣區登陸臺風的強度、頻率、風場，驗證模型對大灣區歷史臺風統計特性的模擬能力。最后通過改進的全路徑合成臺風模型生成萬年臺風事件集，與三維數值風場模型相結合模擬大灣區的年最大風速，并分析大灣區內各個區域的臺風危險性。除非特別說明，文中的臺風和熱帶氣旋不進行區別。

1 建模數據

臺風危險性建模和分析所需的數據包括臺風最佳路徑數據集、全球環境再分析數據、全球陸地高程數據、全球土地覆蓋數據等。粵港澳大灣區位于西北太平洋的西岸，大灣區遭受到的臺風全部都來自西北太平洋（包含南海）。常用的西北太平洋臺風最佳路徑數據集分別來自中國氣象局上海臺風研究所（CMA）［37］、日本氣象廳（JMA）和美國聯合臺風預警中心（JTWC）。由于判別臺風事件的方法和標準不同，這3個機構的最佳路徑數據集在臺風數量、強度等參數的記錄上均存在差異。對于登陸中國的臺風，CMA 的記錄相較于其他2個最佳路徑數據集更可靠。CMA 最佳路徑數據記錄了1949-2019年所有臺風每6 h的中心位置和強度。由于1980 年以后衛星觀測成為臺風的主流觀測手段，所以1980 年之后的數據質量相較于之前的數據更可靠，所以本文使用CMA最佳路徑數據集（1980-2019）作為建模初始數據，最佳路徑數據集的詳細描述如表1所示。

表1 CMA最佳路徑數據集說明Table 1 The best track data of CMA

全球環境參數數據來自美國國家環境預測中心（NCEP）/國家大氣研究中心（NCAR）全球再分析數據［38］和COBE-SST 數據［39］，包含1980-2019 年每6 h 的大氣環境風速度、月平均大氣環境溫度、月平均大氣比濕和月平均海洋表面溫度等，如表2所示。NCEP/NCAR全球再分析數據的大氣環境風速和溫度包含了從1 000 hPa至10 hPa，共17個氣壓層的數據，比濕只有底部的8個氣壓層數據。由于臺風中心的位置不一定會落在再分析數據的網格點上，所以在模擬中我們將再分析數據的環境參數線性插值到臺風中心的位置和時間上。

表2 全球環境再分析數據Table 2 The global environmental reanalysis data

為了考慮地形對臺風風場的抬升和沉降作用，本研究使用全球大洋地勢圖GEBCO（General Bathymetric Chart of the Oceans，水平空間分辨率為15 km×15 km）和土地覆蓋數據ESA-CCI（European Space Agency-Climate Change Initiative，水平空間分辨率為300 m×300 m），建立粵港澳大灣區的地形和地表粗糙長度空間分布。由于地面覆蓋物（植被、森林等）在不同季節的變化會導致地表粗糙長度發生變化，考慮到影響大灣區的臺風多發生在夏季，文中利用表3中ESA-CCI 提供的土地覆蓋類型與地表粗糙長度對應關系確定大灣區土地粗糙長度的空間分布［36］。此外，考慮到ESA-CCI 土地覆蓋數據分辨率較高且風速易受周圍場地的影響，為了與文中所用的三維數值臺風模型匹配（風場模型分辨率為km量級），本研究將ESA-CCI地表粗糙長度按照1.2 km×1.2 km的窗寬進行平滑。

表3 土地覆蓋類型與地表粗糙長度關系Table 3 Relationship between land cover type and surface roughness length

2 臺風危險性分析模型

臺風危險性模型包括全路徑隨機合成臺風模型和臺風風場模型，其中全路徑隨機合成臺風模型可細分為生成模型、移動模型、強度模型3 個部分。首先，我們對西北太平洋的統計動力學全路徑合成臺風模型［28］進行改進和驗證；然后利用該模型生成西北太平洋區域的萬年事件集，臺風事件集參數包括模擬生成的臺風每6 h 的時間、路徑、強度等參數。然后篩選出萬年事件集中影響粵港澳大灣區的臺風事件，將模擬的臺風事件參數輸入臺風三維數值風場模型，估算大灣區內各地區的臺風風速。

2.1 生成模型

本研究通過建立生成模型模擬臺風的年生成數量、生成的位置以及時間。通過對歷史臺風的年發生數量進行K-S 檢驗，我們發現在5%的顯著性水平下，臺風的年生成個數服從泊松分布。于是，不同于Chen 和Duan 模型［28］中所使用的核密度方法，這里我們直接簡單地假設西北太平洋的臺風年發生數分布為泊松分布，如式（1）所示：

式中，k是年生成個數；λ是年平均生成個數，通過歷史最佳路徑數據集確定。本研究根據上述估算的年生成數概率分布，通過Monte Carlo法隨機抽樣臺風的年生成個數。

對于臺風初始生成的位置和時間，我們首先將臺風首次達到15 m/s時的位置作為臺風的初始位置，采用高斯核密度法估算臺風初始生成位置的三維（臺風中心位置的經度、緯度、時間）時空概率密度分布，其概率密度估算如下式所示：

式中，x是生成位置向量；xi是生成位置的歷史樣本向量；n是樣本大小；S是生成位置的標準差矩陣；σxx、σyy、σzz分別為經度、緯度、時間的方差；γ1、γ2、γ3是標準化后的3個變量之間相關系數的特征向量；wi是生成概率密度的權重；λ1、λ2、λ3分別為特征值；hotp1、hotp2、hotp3是最佳帶寬，通過有偏交叉驗證方法確定［41］。同樣地，本研究根據估算的生成位置的概率密度分布，通過Monte Carlo法隨機抽樣西北太平洋海域的臺風生成位置。

2.2 移動模型

臺風的移動路徑主要受大尺度環境氣流和β漂流控制。于是，本研究將臺風移動速度分解為大尺度環境氣流引起的引導速度分量和臺風與環境大氣相互作用的β漂流分量，建立臺風移動速度與引導速度和β漂流之間的關系。引導氣流速度通過NCEP/NCAR 再分析數據的每6小時大氣環境風速進行估算。另外，為了進一步在模擬移動速度中考慮其隨機變化，這里β漂流采用帶有隨機噪聲的自回歸模型進行建模，而不是像Chen和Duan模型［28］那樣采用區域平均值，后者會導致更平滑的模擬結果。具體的移動速度方程如式（3）所示：

式中，Ui和Vi分別是當前時刻的緯向和經向移動速度；i和i-1 分別表示當前和上一個6 h 的時刻；Usteer，i和Vsteer，i是當前時刻引導氣流的緯向和經向速度，定義為250 至850 hPa 氣壓層距臺風中心5°環帶上的平均風速；γu和γv分別是移動速度的回歸系數；βx和βy是緯向和經向的β漂流速度；a0，a1，b0，b1是β漂流的自回歸系數；εx和εy分別為緯向和經向隨機項。此外，為了消除再分析環境風場數據中的歷史氣旋對引導氣流計算的干擾，本研究采用Kurihara等［42］提出的濾波方法去除渦旋。

2.3 強度模型

強度模型包括海上強度模型和陸地衰減模型兩部分。對于海上強度模型，本研究以臺風中心10 m高度處的最大風速作為臺風強度的度量，建立臺風海上自回歸強度模型。首先，我們以相對強度對數的6 h變化量作為因變量，自變量包括氣候和持久性變量，以及從環境再分析數據中提取的大氣和海洋環境參數，如海溫、相對濕度、風切變等。與Chen和Duan模型［28］相比，本研究考慮了相對濕度、風切變等對臺風強度的影響因素，這些之前模型沒有考慮的變量可能會對強度的模擬結果產生較大地影響。此外，這些變量在6 h內的變化也作為待選自變量。通過逐步回歸方法，從候選的自變量中選出最佳的自變量以保證回歸方程的顯著性。海上強度模型如式（4）所示，其中式（4）的第2 個方程估算第2 時刻的強度，式（4）的第1 個方程估算第3及隨后時刻的強度。

式中，i+1、i-1、i分別為下一個6 h 時刻、前一個6 h時刻和當前時刻；LR是線性回歸算子；RI為相對強度，RI=Vmax/PI，Vmax是最大風速，PI是潛在強度［27］；SST是月平均海洋表面溫度；VS是月平均垂直風切變；RH是月平均相對濕度；U，V分別是緯向和經向的移動速度；ε是海洋強度的隨機項。

本研究同時使用中心氣壓差來定義臺風的強度，中心氣壓差將用在登陸臺風強度模型和臺風風場模型中。我們分別建立海上和陸地的中心壓差與最大風速之間的關系，如式（5）所示，其可決系數R2分別為0.97和0.91。

其中，ΔPocean和ΔPland分別是海洋和陸地的中心壓差。臺風一旦登陸，其水汽熱源會被切斷，加上地面的摩擦，臺風的強度會逐漸減弱。最佳路徑數據集中的登陸強度記錄表明，登陸強度隨時間的衰減變化呈現自然指數遞減關系。由于臺風登陸后因地形不同導致其衰減速度也會不同，所以我們用大灣區和地形相似的廣東省其他區域臺風登陸數據來估計登陸衰減系數。于是，本研究基于自然指數函數建立登陸廣東省臺風的強度衰減模型以估算登陸之后的強度，具體方程如式（6）所示，

式中，ΔP（t）為臺風登陸后t時刻的中心壓差；ΔP0為臺風登陸時的中心壓差；a是衰減系數；a0和a1是擬合常數，使用登陸廣東省的臺風強度進行擬合；ε是正態隨機殘差項。其他區域使用Chen 和Duan 模型［28］中的k近鄰法估算登陸強度。

2.4 臺風風場模型

為了估算臺風產生的風速，本研究采用Yang等［36］開發的三維數值風場模型來計算臺風產生的風速。臺風風場中的垂直平流和垂直擴散過程是合理模擬三維風場的基本要素，Yang等［36］開發的三維數值風場模型合理地考慮了垂直平流和垂直擴散過程對風場的影響，從而可以更好地模擬風場的空間結構。臺風風場模型的具體介紹參考Yang 等［36］，文中不再贅述。此外，傳統的臺風風場［30-32］一般是基于下墊面為海洋的臺風風場進行開發的，對于我們關心的粵港澳大灣區陸上城市，需要考慮陸地下墊面對登陸臺風風場的影響。為了在臺風風場模型中引入陸地地形效應，本研究考慮了地形對氣流的抬升和沉降作用，地形導致的垂直風速可近似表示為：

式中，V為水平風速矢量；H為地形高度，使用全球數值高程GEBCO 獲取。我們將地形產生的垂直風速疊加到風場模型計算的垂直風速上，代入風場模型進行迭代計算，直至收斂。另外，臺風風場模型中的摩阻力系數通過考慮地形和土地覆蓋類型的粗糙長度進行計算［40］，如下式所示，

式中，z1是距離地面的高度；z0為表面粗糙度長度；κ是卡曼常數，取0.4。我們將全路徑合成臺風模型生成的臺風事件關鍵參數，包括臺風的中心氣壓差、中心位置、移動速度、移動方向等參數輸入到臺風三維數值風場模型中，便可估算出臺風產生的風速。

3 模型驗證

本研究通過改進的全路徑合成臺風模型生成了萬年臺風事件集，包含大約300 000 個模擬臺風事件。接下來，我們對模擬的萬年臺風事件集進行綜合檢驗，包括臺風的頻率、強度、風場結構等，以驗證本模型模擬西北太平洋臺風事件的能力。本研究分別從西北太平洋海域和登陸大灣區臺風2個角度對模擬臺風事件集進行驗證。首先，我們對比西北太平洋模擬臺風與CMA 最佳路徑數據集的年發生頻率。圖1 顯示模擬的臺風年平均生成數量與歷史最佳路徑數據集記錄均集中在每年24～35個之間。通過對模擬和歷史臺風的年發生數量進行K-S 檢驗，結果表明在5%顯著性水平下模擬和歷史記錄的年發生數分布一致。此外，圖2還比較了西北太平洋的模擬和歷史各月平均生成數量，可以看出模擬結果與歷史記錄相當吻合，最大偏差出現在8月份，但也不超過2.5%。

圖1 西北太平洋的模擬和歷史臺風年生成個數分布Fig.1 Distribution of simulated and historical annual numbers in the western North Pacific

圖2 西北太平洋的模擬和歷史臺風各月平均生成個數Fig.2 The monthly average number of simulated and historical typhoon in the western North Pacific

本研究進一步將西北太平洋海域劃分為2.5°×2.5°的網格，分別統計各個網格內的臺風參數，包括年平均通過個數、平均移動速度、平均移動方向（方向以正北為起始，按順時針為正方向）以及平均最大強度。對比圖3（a）與（b）可以發現，西北太平洋的模擬與歷史年平均通過個數整體分布一致，二者之間的相關系數為0.97。值得注意的是，經過日本東部海域的模擬數量比歷史記錄偏高，這可能是由于我們的模型沒有考慮日本東部副熱帶高壓對引導氣流的干擾，但這并不影響大灣區臺風危險性的評估。圖3（c）～（f）分別展示了歷史和模擬平均移動速度和平均移動方向，可以看出歷史與模擬臺風平均移動速度和方向整體分布一致，二者相關系數分別為0.96和0.97。最后，圖（g）和（h）對比了每個網格內歷史和模擬臺風的平均最大強度，雖然在某些區域內兩者強度略有差異，但是二者整體分布仍較為吻合，生命最大強度都主要出現在120°E～152.5°E、12.5°N～32.5°N海域內，二者的相關系數為0.90。

圖3 西北太平洋海域2.5°×2.5°網格內的模擬和歷史臺風參數對比Fig.3 Comparison of simulated and historical typhoon parameters in 2.5°×2.5°grids of the western North Pacific

臺風造成的財產和經濟損失大部分都是臺風在近岸或登陸之后造成的，所以本研究更關心本模型對登陸粵港澳大灣區的模擬結果。粵港澳大灣區的地理位置如圖4 所示，本研究對比了模擬與歷史登陸大灣區臺風事件的統計結果。如圖5所示，從模擬和歷史臺風的年登陸個數頻率分布來看，模擬臺風的年登陸個數比歷史最佳路徑數據集的統計結果略微偏高。不過從臺風的年平均登陸個數來看，模擬和歷史平均值相當，分別為1.27和1.21。

圖4 粵港澳大灣區的地理位置（粉色線部分）Fig.4 Geographical location of the Guangdong-HongKong-Macao Greater Bay Area（the pink line）

圖5 大灣區模擬和歷史臺風的年登陸個數分布Fig.5 Distribution of annual landfalls of simulated and historical typhoon in the Greater Bay Area

圖6（a）～（b）對比了模擬和歷史臺風登陸粵港澳大灣區的移動速度和中心氣壓差。從圖6（a）登陸移動速度來看，登陸大灣區之后的臺風移動速度較為吻合，模擬和歷史移動速度的大部分都落在2～6 m/s 區間，其中超過三分之一登陸臺風的移動速度小于4 m/s，這些低移動速度的臺風可能會帶來長時間的集中降雨，從而造成嚴重的洪澇災害。圖6（b）表明登陸后的模擬和歷史臺風中心氣壓差大部分都落在10～30 hPa 區間，相當于熱帶低壓到熱帶風暴，這說明臺風登陸大灣區之后強度都會迅速地衰減。

圖6 大灣區模擬和歷史臺風登陸大灣區的參數分布Fig.6 Distribution of parameters of simulation and historical typhoon landing in the Greater Bay Area

為了進一步驗證登陸臺風的登陸特性，本研究將大灣區沿海岸線以每100 km 分作8 段，海岸線分段如圖7 所示。為了更好地考慮臺風對粵港澳大灣區全域的影響，我們將大灣區海岸線向北和向南分別延伸到汕頭和湛江。這里，我們將模擬的萬年臺風事件集以40 年為一組分作250 組，分別統計了各海岸線段模擬登陸臺風參數的整體平均值、中位值、90%區間。圖8（a）～（b）分別對比了模擬和歷史臺風登陸大灣區海岸線的4 個登陸特性參數，包括年登陸臺風個數、登陸臺風的移動速度、移動方向以及登陸強度。從圖8（a）中的年登陸臺風個數來看，大灣區內的海岸線第4、5段的模擬平均結果比歷史平均值偏大，而第6段則偏小。不過從模擬結果的90%區間來看，所有海岸線段的歷史年平均登陸個數均能落在模擬結果的90%區間內。同樣地，從圖8（b）～（d）中可以看出，所有海岸線段內的歷史移動速度、移動方向以及登陸強度的平均值均能落在模擬結果的90%區間內。

圖7 粵港澳大灣區海岸線分段Fig.7 Coastline segmentation of the Guangdong-Hong Kong-Macao Greater Bay Area

圖8 模擬和歷史臺風登陸大灣區海岸線的參數分布Fig.8 Parameter distribution of simulated and historical typhoon landing on the coastline of the Greater Bay Area

最后，為了驗證采用的三維數值風場模型對登陸大灣區臺風風場的模擬能力，本研究使用ESA-CCI 土地覆蓋數據獲取大灣區的土地覆蓋類型，通過表3 中土地覆蓋類型與地表粗糙長度關系確定大灣區的粗糙長度空間分布。由于ESA-CCI土地覆蓋數據的分辨率與風場模型的分辨率不同，為了與三維數值臺風模型相匹配，本研究將ESA-CCI 地表粗糙長度按照1.2 km×1.2 km 的窗寬進行平滑，如圖9 所示。文中模擬了歷史臺風“黑格比”（Hagupit）于2008 年9 月23 日1 時～9 月24 日12 時（UTC）的逐小時風場，并與大灣區內觀測站記錄該時段的風速和風向進行對比。圖10（a）和（b）分別對比了臺風“黑格比”（Hagupit）在大灣區的江門市上川島觀測站和珠海市斗門觀測站的模擬和實測結果，包括逐小時風速（10 m高度處的10 min平均風速）和風向（角度以正北為起始，順時針為正方向）。

圖9 大灣區地表粗糙長度空間分布Fig.9 Spatial distribution of surface roughness length in the Greater Bay Area

上川島站位于廣東省江門市臺山上川鎮，該站點西側臨海，東側有大塘山、白灰山等環繞，站點附近土地覆蓋類型為：農作物、水體和樹木等。斗門站位于珠海市斗門區，該站點位于郊區，四周建筑物和高大植被都比較少，站點附近土地覆蓋類型為：城市區、農作物和水體等。上川島站和斗門站采用平滑后的地表粗糙長度，分別為：0.21 m和0.29 m。肖玉鳳等［3］使用沿高度平均風場模型對上川島站風速進行模擬時，認為上川島站為B類地貌，故使用地表粗糙長度為0.02 m，與文本方法取值差距較大。這主要是因為本研究對ESACCI 地表粗糙長度的空間分布進行了平滑處理，所以上川島站的地表粗糙長度受到周圍場地的影響。不過從圖10 的對比結果來看，本研究模擬的2 個觀測站點的風速和風向與實測結果較為一致，表明文中使用的三維數值風場模型在配合大灣區的地表粗糙長度能較好地模擬臺風風場。

圖10 臺風“黑格比”在不同觀測站實測與模擬的風速和風向對比Fig.10 Comparison of measured and simulated wind speed and direction of Typhoon Hagupit at different observatories

4 大灣區臺風危險性分析

為了研究粵港澳大灣區的臺風危險性，本研究以模擬的萬年臺風事件集作為輸入，采用三維臺風數值風場模型模擬經過大灣區范圍內的臺風風場，以估算大灣區的臺風危險性。表4 展示了本研究估算的大灣區11個城市的50年和100年重現期臺風風速，并與已有的研究以及《建筑結構荷載規范GB50009-2012》（下面簡稱“規范”）中的粵港澳大灣區城市的50年和100年重現期風速進行對比［9，28，43］。由于“規范”中只給出中國各城市的風壓，所以本研究依據“規范”中的風壓與風速關系式（E.2.4-1），將基本風壓轉換為風速。此外，“規范”中基本風壓表（表E.5）缺失部分大灣區城市，故缺失的風速依據“規范”中的全國基本風壓分布圖（圖E.6.3）進行近似估算。“規范”只給出50年重現期的風速分布圖，并未給出100年重現期的風速分布圖。

從表4 可以看出，本研究估算結果與“規范”及已有研究文獻的最大偏差出現在深圳的100 年重現期風速，估算結果比“規范”和Chen 和Duan［28］值分別小3 m/s和1.7 m/s。這可能是由于本文采用的三維數值風場模型考慮了深圳東部和香港北部的高山對臺風風場的快速削弱作用，這一點同樣也反映在粵港澳大灣區50年和100年重現期臺風等風速線上。從圖11（a）和（b）可以看出，海岸線附近風速的變化梯度非常大，這說明三維數值風場模型可以較好地捕捉到陸地對風場的快速削弱作用。模擬結果顯示，珠江入海口兩岸的沿海區域的極值風速都較大，但是深入內陸數公里風速就會迅速減弱。直接暴露在海洋上的海島（江門市上川島和香港橫瀾島）的極值風速普遍都很大，50年重現期風速均超過40 m/s。另外，市區靠海的城市的極值風速也比較大，香港、澳門、珠海的50年重現期風速均超過35 m/s。相反，對于市區深入內陸的城市，其極值風速則明顯偏小，比如肇慶市廣寧縣的50年重現期風速僅為23.6 m/s。

表4 粵港澳大灣區11個城市的50年和100年重現期臺風風速V50和V100Table 4 Typhoon wind speeds for the 50-year and 100-year return periods for 11 cities in the Guangdong-Hong Kong-Macao Greater Bay Area

圖11 粵港澳大灣區50年和100年重現期臺風風速Fig.11 Typhoon wind speeds for the 50-year and 100-year return periods for the Guangdong-Hong Kong-Macao Greater Bay Area

5 結論

為了量化粵港澳大灣區的臺風危險性，本研究通過改進和驗證的統計動力學全路徑合成臺風模型生成萬年臺風事件集，并對逐個臺風事件進行風場模擬。首先，本研究使用CMA 最佳路徑數據集確定了西北太平洋海域的臺風年平均生成數服從泊松分布，并采用核密度方法估算臺風生成時空位置的概率。其次，本研究建立了臺風移動速度與引導氣流和β 漂流的回歸關系，并在移動模型中考慮了臺風移動速度的隨機誤差。本研究基于自回歸模型建立了海上強度回歸模型，模型中考慮了垂直風切、相對濕度、移動速度對強度的影響，并基于自然指數遞減函數建立登陸大灣區臺風的強度衰減模型。最后，本研究采用考慮了垂直平流和垂直擴散過程的三維數值風場模型模擬臺風風場。

本研究分別從西北太平洋海域和登陸大灣區臺風的兩個角度對模擬臺風事件集進行驗證。首先，對模擬和歷史臺風年發生總數分布的非參數檢驗表明二者分布一致。其次，西北太平洋海域2.5°×2.5°網格內模擬與歷史臺風的4 個特征參數的整體相關系數均能達到0.90 以上。對于登陸大灣區的臺風，模擬和歷史年平均登陸個數接近，模擬和歷史登陸臺風的移動速度和強度的分布也較為吻合。大灣區沿海岸線各分段上的歷史年登陸數、移動速度、方向以及登陸強度的平均值均落在模擬結果的90%區間內。總的來說，本研究的改進統計動力學全路徑合成臺風模型可以較好地模擬登陸大灣區的臺風事件。此外，通過與大灣區兩個觀測站的臺風“黑格比”實測風速記錄對比，驗證了本文采用的臺風近地面三維風場模型可以較好地模擬登陸大灣區臺風的風速。

最后本研究以模擬的萬年臺風事件集作為輸入，與三維數值臺風風場模型相結合對大灣區進行臺風危險性評估，并繪制了大灣區50年和100年重現期臺風風速圖。通過與已有研究以及“規范”中對大灣區城市的50年和100年重現期風速記錄進行對比，我們發現估算結果與“規范”及已有研究文獻的偏差不超過3 m/s，其中最大偏差出現在深圳的100年重現期風速上。這是由于風場模型考慮了深圳東部和香港北部的高山對臺風風場的快速削弱作用。另外，海岸線附近的風速變化梯度非常大，珠江入海口兩岸的沿海區域的極值風速都較大，但是深入內陸數公里風速就會迅速減弱。