基于ERA5再分析數據的中國鄰近海域極端波高特征分析*

杜文彥 張旭日 張麗麗 尤再進 石洪源

基于ERA5再分析數據的中國鄰近海域極端波高特征分析*

杜文彥1張旭日1張麗麗1尤再進2石洪源1①

(1. 魯東大學水利工程學院 山東煙臺 264000; 2. 大連海事大學港口與航運安全協同創新中心 遼寧大連 116000)

極端波浪對沿海地區基礎設施有著深遠的影響, 了解它們的變化規律是進行海岸帶風險分析和災害預防的基礎。文章基于歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasting, ECMWF)第五代再分析數據集(ECMWF reanalysis v5, ERA5),對中國鄰近海域1979～2018年間極端波高展開時空特征分析, 并統計了40 a厄爾尼諾系數, 利用廣義極值分布(generalized extreme value, GEV)函數探究了近40 a厄爾尼諾現象對我國海域極端波高的影響, 結果顯示: 統計1979～2018年整個研究區域前2%極端波浪年均值在6～10 m間浮動, 且整體趨勢遞增, 在四季趨勢變化中, 春夏極端波高增長趨勢較秋冬高, 且波動明顯, 在年際極端波高變化趨勢中有較大波動時大多伴隨著厄爾尼諾或是拉尼娜現象的發生, 結合厄爾尼諾現象對GEV分布中位置參數的影響分布圖和極端波高年、季節際趨勢變化分布圖, 厄爾尼諾現象影響大的地區極端波高大多呈現增長趨勢, 表明厄爾尼諾現象對極端波高有較高影響。

極端波高; 厄爾尼諾; 中國海; ERA5 (ECMWF第五代再分析數據集)

海浪會對海岸結構物、近海泥沙運輸、海岸侵蝕等造成影響。因此, 它是沿海災害的一個重要因素。大浪疊加潮汐將進一步增加沿海地區的脆弱性(Wang, 2012)。海浪由風產生, 很多學者已經研究了全球波高的歷史變化趨勢(Patra, 2016; Patra, 2017)。此外, 年際氣候變化模式如厄爾尼諾-南方濤動(El Ni?o-Southern Oscillation, ENSO)、北大西洋濤動(North Atlantic Oscillation, NAO)等將造成大氣環流的改變, 最終影響整個全球海洋表面的風應力(Dodet, 2010)。因此, 氣候變化通過影響海洋-大氣相互作用、風和臺風活動來影響全球波浪的變化(Hemer, 2010; Bromirski, 2013)。

極端波浪對沿海地區基礎設施有著深遠的影響, 了解它們的變化規律是進行海岸帶風險分析和災害預防的基礎。然而, 關于氣候變化對全球范圍內極端波浪影響的研究十分有限。眾所周知, 氣候變化對平均波高具有影響, 但由于短時間尺度的相關分析噪聲較大, 它們對極端波浪的影響尚未被深刻認識。此外, 由于極端波浪的非正態性, 簡單線性回歸分析不能應用于其研究。因此, 學者們開始使用極端函數理論研究氣候變化與極端波浪的相關性。Izaguirre等(2011)對衛星高度計數據集的月最大顯著波高(significant wave heights, SWH)進行了非平穩廣義極值(generalized extreme value, GEV)分析, 將氣候變化指數作為GEV位置參數的附加協變量。分析了ENSO、NAO等10種大尺度氣候變化對全球年極端波高的影響, 但尚未評估對極端波高的季節貢獻。Kumar等(2016)基于歐洲中期天氣預報中心再分析數據集ERA-Interim和ERA-20C再分析數據, 利用GEV分析研究了ENSO和PDO對北方冬季(11月到次年2月)期間的極端波高的影響。Kumar等(2019)利用相同的方法及ERA-20C再分析數據, 研究了印度洋上的極端SWH對ENSO、SAM的季節性反應, 發現了同樣的物理機制。Patra等(2020)等利用同樣的方法及衛星和歐洲中期天氣預報中心第五代再分析數據集(ECMWF reanalysis v5, ERA5), 分析了ENSO等10余種氣候變化對全球極端波高的影響。

目前, 針對中國近海波浪特征的研究很多, 有的基于實測數據(吳迪茜等, 2021), 有的基于衛星遙感資料(李文博等, 2017)和數值模型(鄭崇偉等, 2013), 也有的基于再分析數據(喬守文等, 2020; 邱文博等, 2021), 研究結果指出, 我國海域波浪呈現出明顯的季節特征, 其中秋冬季節波高大, 春夏季節波高小。因全球變暖等因素, 厄爾尼諾現象發生頻率及影響程度不斷增強, 目前有關我國海域極端波高的變化特征研究較少, 更鮮有研究定量指出厄爾尼諾現象與極端波高之間的關聯性。因此, 本文采用ERA5數據分析我國極端波高的變化特征, 并利用GEV函數探究厄爾尼諾現象對我國海域極端波高的影響。

1 數據資料

1.1 研究區域

中國近海海域包括渤海、黃海、東海和南海以及臺灣東側的太平洋部分海域, 位于北太平洋西部的邊緣地區南北跨越44個緯度, 本文研究的中國臨近海范圍為(7°～41°N, 105.5°～126.5°E)(圖1)。

1.2 數據來源

ECMWF是全球幾家最主要的再分析數據中心之一。ERA5是ECMWF第五代再分析數據集。它是歐洲中期天氣預報中心最新的再分析產品。ERA5涵蓋了1979年到最近的再分析數據, 目前還在不斷更新中。相比ERA-Interim, ERA5同化系統使用了若干專為再分析而開發的綜合預報系統(integrated forecasting system, IFS cycle 41r2), 數據準確性得到了顯著改善。ERA5數據具有高分辨率: 水平分辨率為31 km (～0.25°), 垂向為從地表開始137層。以往ERA數據產品在波浪波高模擬中普遍存在偏低的現象, 而ERA5數據已經有較大的改進(李朝等, 2021), ERA5提供的變量從ERA-Interim的100個增加到240個, 其中包括耦合波浪模型提供的波高和波向, 使用戶能夠更準確地分析過去的大氣和海洋狀態。許多研究人員將其用于大氣和海洋研究(Stopa, 2013)。ERA5在我國的適用性已有學者(Shi, 2021)研究, 因此, 本文選擇ERA5再分析數據用于本文相關研究。

圖1 研究區域地形水深圖

本文按照世界氣象學會的定義, 四季劃分標準為: 春季(MAM), 包括3、4和5月; 夏季(JJA), 包括6、7和8月; 秋季(SON), 包括9、10和11月; 冬季(DJF), 包括12、1和2月。

2 研究區域極端波高時空變化特征分析

2.1 極端波高的年特征分析

早期的文章對極端波高的定義是, 在總體波高數據中選取一個最大值數據, 但由于臺風等極端天氣對這種極值的影響極大, 故這種方法可能會提供不可靠的極端樣本值的估計。為克服這一缺點, 本文采用了波高大于整體數據閾值的波高均值來定義極端波高, 所選閾值為每個數據點的所有波高數據的第98個百分位(Menéndez, 2008)。

2.1.1 極端波高年趨勢變化空間分布 通過對1979～2018年前2%極端波高統計和推算, 得出極端波高年均圖、波高年趨勢變化分布圖和50年一遇及100年一遇(圖2)。由圖2可見, 渤海及黃海海域的極端波高年均值約在3 m, 東海南部、臺灣海峽周邊及南海東北部海域極端波高年均值較大, 約在5～6 m。

由圖2可見, 臺灣島東北部地區及東海南部大部分地區極端波高呈明顯增長趨勢, 增長幅度在0.025 m/a左右, 南海大部分海域也處于增長趨勢, 增長幅度基本在0.01 m/a左右浮動, 渤海、黃海大部分海域及海南島周邊海域呈減小趨勢, 其削減幅度在0.005 ～0.010 m/a左右。在50年一遇和100年一遇極值波高圖中, 渤海和黃海大部分海域的波高在4～6 m, 可以看出波高大值區域集中在東海海域, 南海大部分海域波高在10 m左右, 在東沙群島和巴士海峽附近波高較大, 在11～14 m左右。

圖2 1979～2018年極端波高年均值圖(a)、極端波高年趨勢變化空間分布圖(b)、50年一遇極值波高推算圖(c)和100年一遇極值波高推算圖(d)

2.1.2 極端波高年際變化分布 圖3為1979～2018年間本文研究區域2%極端年均波浪高度的變化情況, 整個區域逐小時的有效波高累加求平均, 可以看出本文研究海域2%極端年均波浪在3～4 m間浮動, 且整體趨勢遞增, 其中1988年和1996年波高值出現較大波動。

圖3 1979～2018年極端波高季節變化趨勢圖

2.2 極端波高的季節特征分析

2.2.1 極端波高季節趨勢變化空間分布 通過對40年季均前2%極端波高統計, 得出極端波高季均分布圖及波高季節趨勢變化分布圖(圖4～5)。由圖4可見, 春季和夏季的季節均值極端波高較秋季和冬季小, 春季大部分海域極端波高在3.5～4 m左右, 臺灣海峽西側極端波高較高在4.5 m左右; 夏季東海東南部極端波高值在5 m以上在四個海域中最為顯著; 秋季研究海域較大值集中在東海南部和南海中北部; 冬季整個研究區域極端波高值普遍較高, 大部分海域極端波高在4～4.5 m左右。

1979～2018年極端波高各季節趨勢變化分布圖顯示, 春季渤海及黃海呈下降, 其下降幅度約在0.005 m/a, 太平洋西部地區則為增長趨勢, 增長幅度在0.035 m/a左右, 南海大部分地區增長幅度在0.02 m/a; 在夏季和秋季, 南海西南部為下降趨勢, 在0.02 m/a左右, 而東海南部及西部則為增長趨勢, 夏季在臺灣島東部增長趨勢明顯, 約在0.04 m/a, 秋季臺灣島東北部及東海中南部增長趨勢幅度約為0.03 m/a; 冬季期間, 渤海地區呈現下降趨勢, 幅度在0.01 m/a左右浮動, 臺灣海峽南側及西沙群島周邊海域則為明顯的上升趨勢, 上升幅度在0.025 m/a左右。

圖4 1979～2018年極端波高四季均值分布圖

圖5 1979～2018年極端波高四季趨勢變化空間分布

2.2.2 極端波高季節變化分布 為了體現變化趨勢的季節性差異, 本文還分析了近40 a期間研究區域海域逐春季、逐夏季、逐秋季、逐冬季2%極端波浪的變化趨勢(圖6)。由圖6可見, 大部分海域的大浪頻率表現出顯著性遞增趨勢; 春季波高波動幅度最大, 幅度最顯著時能達到1 m, 在1.9～3.5 m之間且整體波高較小, 其中在1991、1996、2005、2006和2011年波動較為明顯; 夏季波浪高度波動明顯, 極端波高在1.5～3.9 m左右, 其中1987、1988、1998、2010和2015年波動值顯著, 最大可達到2 m左右; 夏季和秋季極端波高變化趨勢較春季和冬季相對平緩, 秋季極端波高較大在3～4.5 m之間浮動, 其中在1983、1993、2007、2009和2015年出現突變值, 最大波動在1983年出現可達到1.4 m左右; 冬季極端波高變化趨勢為上升趨勢, 波高在3～4.2 m左右浮動, 在1981、1988、1991、1993和1999年出現明顯波動, 在1993年發生波動最顯著, 達到0.8 m。

3 厄爾尼諾現象對研究區域極端波高的影響

3.1 厄爾尼諾系數(Ni?o3.4)統計分析

本文使用Ni?o3.4區域平均的海表面溫度異常作為厄爾尼諾指數。根據中國氣象局頒布的《厄爾尼諾/拉尼娜事件判定方法》, 定義Ni?o3.4指數≥0.5 °C并持續5個月以上為一次厄爾尼諾事件, Ni?o3.4指數≤-0.5 °C并持續5個月以上為一次拉尼娜事件。另外, 定義事件峰值強度絕對值達到或超過2.5 °C的事件為超強事件。為研究ENSO的影響, 本文利用美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)-氣候預測中心(Climate Prediction Center, CPC)(https://www.cpc.ncep. noaa.gov/data/indices/ersst5.nino.mth.81-10.ascii)每月的Ni?o3.4指數(海表面溫度在5°S～5°N, 170°～120°W上的平均異常, 基于ERST.v5計算)進行研究分析。從圖7可看出1979～2018年的厄爾尼諾指數。根據厄爾尼諾事件的定義, 1979～2018年共發生了10次厄爾尼諾事件和10次拉尼娜事件, 其中1982/1983、1986/1987、1991/1992、1994/1995、1997/1998、2002/2003、2004/2005、2006/2007、2009/2010、2015/2016為厄爾尼諾事件; 1983/1984、1984/1985、1988/1989、1995/1996、1998/2000、2005/2006、2007/2008、2010/2011、2011/2012、2017/2018為拉尼娜事件。其中, 2015/2016年厄爾尼諾事件峰值強度為2.8 °C, 是一次超強厄爾尼諾事件。

圖6 1979～2018年極端波高季節變化趨勢圖

圖7 1979～2018年厄爾尼諾系數(Ni?o3.4)統計

3.2 極端波高特征與厄爾尼諾系數相關性分析

3.2.1 研究方法 極值理論(extreme value theory, EVT)是統計學的重要分支之一, 在氣象和水文極端中得到了廣泛的應用(Shinyie, 2013; Vasiliades, 2015)。極值統計中有兩個最基本的分布, 廣義極值分布(generalized extreme value, GEV)和廣義帕累托分布(generalized Pareto distribution, GPD)。GEV分布用統一的形式來表示Gumbel分布、Frechet分布和Weibull分布三種極值分布類型, 通常選取數據中的“年最大值”或“區組最大值”數據來建立模型。GEV累積分布函數表示為

3.2.2 研究區域極端波高與厄爾尼諾系數相關性分析

圖8 1979～2018年相關性年空間分布

Fig.8 Spatial distribution of correlation years from 1979 to 2018

3.2.2.2 相關性季節空間分布 Ni?o3.4極端波響應模式的季節變化如圖9所示。GEV分析使用位置參數和Ni?o3.4的回歸系數季節平均指數。顯著的厄爾尼諾事件影響全年持續, 并且在不同季節的空間范圍有所不同。春季中國渤海、黃海以及太平洋西部地區受氣候指數影響大; 在夏季, 氣候指數對南海東南部、東海東部及南部影響較大; 在秋季, 南海北部地區可以看到強烈的氣候指數影響; 冬季期間, 黃海東南部、東海部分海域、渤海地區、臺灣海峽西側及西沙群島周邊海域受氣候指數影響較大。結合2.2.1中極端波高季節趨勢變化分布, 可以看出在厄爾尼諾現象影響大的地區極端波高普遍具有較大幅度波動。

圖9 1979～2018年相關性四季空間分布

4 結論

基于研究海域ERA5后報資料, 本文詳細分析了2%極端波浪的空間分布情況、長期年均變化趨勢及變化趨勢的空間分布情況, 極端波浪季節分布、趨勢變化空間分布以及極端波浪的季均變化趨勢和厄爾尼諾系數變化, 并通過GEV極值波高與厄爾尼諾系數回歸方程結合分析得出厄爾尼諾現象對極端波高的影響分布, 結果表明:

(1) 由2%極端波高的數值年際變化可以看出, 在長期變化趨勢中, 本文研究海域2%極端波浪年均值在3～4 m間浮動, 且整體趨勢遞增, 其中1988和1996年波高值出現的波動最為顯著。渤海及黃海海域的極端波高年均值約在3 m, 東海南部、臺灣海峽周邊及南海東北部海域極端波高年均值較大, 約在5～6 m。

在四季趨勢變化中, 春夏極端波高增長趨勢較秋冬高, 且波動明顯。春季在1.9～3.5 m之間且整體波高較小, 其中在1991、1996、2005、2006和2011年波動明顯, 幅度最顯著時能達到1 m; 夏季波浪高度波動明顯, 極端波高在1.5～3.9 m左右, 其中1987、1988、1998、2010和2015年波動值顯著, 最大可達到2 m左右。春季和夏季的季節均值極端波高較秋季和冬季小, 春季大部分海域極端波高在3.5～4 m左右; 夏季和秋季極端波高變化趨勢較春季和冬季相對平緩; 秋季研究海域較大值集中在東海南部和南海中北部; 冬季整個研究區域極端波高值普遍較高, 大部分海域極端波高在4～4.5 m左右。

結合厄爾尼諾系數變化趨勢和極端波高的數值年際變化, 極端波高出現顯著波動值的1988和1995年可以看到, 1994和1995年都發生了厄爾尼諾和拉尼娜現象, 且1987年整年都為厄爾尼諾現象; 而在四季極端波高有較大波動時大多伴隨著厄爾尼諾或是拉尼娜現象的發生。

(2) 在2%極端波高年際趨勢變化分布中, 南海與東海為增長趨勢, 渤海海域及黃海部分海域呈下降趨勢。在極端波高季節際趨勢變化分布中, 春季和冬季渤海及黃海呈下降趨勢, 太平洋西部地區和南海大部分地區則為增長趨勢; 在夏季, 南海西南部為下降趨勢, 而臺灣島東部為明顯增長; 秋季臺灣島東北部及東海中南部增長趨勢, 南海西南部為下降趨勢。

(3) 在極端波高的GEV位置參數對全年Ni?o3.4指數回歸系數的空間分布中, 東海大部分海域及南海海域受氣候變量影響較大; 在不同季節回歸系數分布中, 夏秋冬季氣候變量對南海的影響較大, 冬春對東海海域影響較大。結合厄爾尼諾現象對GEV分布中位置參數的影響分布圖和極端波高年、季節際趨勢變化分布圖, 可以看出在厄爾尼諾現象影響大的地區極端波高普遍具有較大幅度波動。

喬守文, 孫嘉誠, 石洪源, 等, 2020. 基于ERA5的黃渤海附近海域波浪能資源時空特征分析[J]. 海洋與湖沼, 51(6): 1350-1358.

李文博, 張坤蘭, 吳克儉, 2017. 基于衛星資料的南海波候特征研究[J]. 海洋湖沼通報(6): 11-20, doi: 10.13984/j.cnki. cn37-1141.2017.06.002.

李朝, 侯一筠, 李水清, 等, 2021. 兩類典型臺風路徑影響下的黃、渤海海浪場特征研究[J]. 海洋與湖沼, 52(1): 51-65.

吳迪茜, 陳智杰, 2021. 平潭島東部海域波浪特征及波浪能分析[J]. 應用海洋學學報, 40(2): 293-302.

邱文博, 李冠宇, 徐俊臣, 等, 2021. 黃渤海海域波浪時空變化特征分析[J]. 海洋科學, 45(7): 1-8.

鄭崇偉, 林剛, 邵龍潭, 2013. 1988—2010年中國海大浪頻率及其長期變化趨勢[J]. 廈門大學學報(自然科學版), 52(3): 395-399.

BROMIRSKI P D, CAYAN D R, HELLY J,, 2013. Wave power variability and trends across the North Pacific [J]. Journal of Geophysical Research: Oceans, 118(12): 6329- 6348, doi: 10.1002/2013JC009189.

DODET G, BERTIN X, TABORDA R, 2010. Wave climate variability in the North-East Atlantic Ocean over the last six decades [J]. Ocean Modelling, 31(3/4): 120-131, doi: 10. 1016/j.ocemod.2009.10.010.

HEMER M A, CHURCH J A, HUNTER J R, 2010. Variability and trends in the directional wave climate of the Southern Hemisphere [J]. International Journal of Climatology, 30(4): 475-491, doi: 10.1002/joc.1900.

IZAGUIRRE C, MéNDEZ F J, MENéNDEZ M,, 2011. Global extreme wave height variability based on satellite data [J]. Geophysical Research Letters, 38(10): L10607, doi: 10.1029/2011GL047302.

KUMAR P, KAUR S, WELLER E,, 2019. Influence of natural climate variability on the extreme ocean surface wave heights over the Indian Ocean [J]. Journal of Geophysical Research: Oceans, 124(8): 6176-6199, doi: 10.1029/2019JC015391.

KUMAR P, MIN S K, WELLER E,, 2016. Influence of climate variability on extreme ocean surface wave heights assessed from ERA-interim and ERA-20C [J]. Journal of Climate, 29(11): 4031-4046, doi: 10.1175/JCLI-D-15-0580.1.

MENéNDEZ M, MéNDEZ F J, LOSADA I J,, 2008. Variability of extreme wave heights in the northeast Pacific Ocean based on buoy measurements [J]. Geophysical Research Letters, 35(22): L22607, doi: 10.1029/2008GL035394.

PATRA A, BHASKARAN P K, 2016. Trends in wind-wave climate over the head Bay of Bengal region [J]. International Journal of Climatology, 36(13): 4222-4240, doi: 10.1002/ joc.4627.

PATRA A, BHASKARAN P K, 2017. Temporal variability in wind–wave climate and its validation with ESSO-NIOT wave atlas for the head Bay of Bengal [J]. Climate Dynamics, 49(4): 1271-1288, doi: 10.1007/s00382-016-3385-z.

PATRA A, MIN S K, SEONG M G, 2020. Climate variability impacts on global extreme wave heights: seasonal assessment using satellite data and ERA5 reanalysis [J]. Journal of Geophysical Research: Oceans, 125(12): e2020JC016754, doi: 10.1029/2020JC016754.

SHI H Y, CAO X F, LI Q J,, 2021. Evaluating the accuracy of ERA5 wave reanalysis in the water around China [J]. Journal of Ocean University of China, 20(1): 1-9.

SHINYIE W L, ISMAIL N, JEMAIN A A, 2013. Semi-parametric estimation for selecting optimal threshold of extreme rainfall events [J]. Water Resources Management, 27(7): 2325-2352.

STOPA J E, CHEUNG K F, TOLMAN H L,, 2013. Patterns and cycles in the Climate Forecast System Reanalysis wind and wave data [J]. Ocean Modelling, 70: 207-220, doi: 10.1016/j.ocemod.2012.10.005.

VASILIADES L, GALIATSATOU P, LOUKAS A, 2015. Nonstationary frequency analysis of annual maximum rainfall using climate covariates [J]. Water Resources Management, 29(2): 339-358.

WANG X L, FENG Y, SWAIL V R, 2012. North Atlantic wave height trends as reconstructed from the 20th century reanalysis [J]. Geophysical Research Letters, 39(18): L18705, doi: 10.1029/2012GL053381.

CHARACTERISTICS OF EXTREME WAVE HEIGHT IN CHINA’S MARGINAL SEAS BASED ON ERA5 REANALYSIS DATA

DU Wen-Yan1, ZHANG Xu-Ri1, ZHANG Li-Li1, YOU Zai-Jin2, SHI Hong-Yuan1

(1. School of Hydraulic Engineering, Ludong University, Yantai 264000, China; 2. Centre for Ports and Maritime Safety, Dalian Maritime University, Dalian 116000, China)

Extreme waves have a profound impact on coastal infrastructure, and it is the basis of understanding of their variation law and prevention of disasters in coastal zones. Based on the ECMWF reanalysis the fifth generation ERA5 data set, the spatio-temporal characteristics of extreme wave heights in China’s marginal seas from 1979 to 2018 were analyzed and the 40-year El Ni?o coefficients calculated. The GEV (generalized extreme value) function was used to explore the influence of El Ni?o event on extreme wave height in the study area in recent 40 years. Results show that the annual mean value of extreme waves in the top 2% of the whole research area fluctuated between 6 m and 10 m from 1979 to 2018 and the fluctuation is increasing in overall, which is more obvious in spring and summer for having greater extreme wave height than in autumn and winter duo reasonably to the El Ni?o or La Nina works. Combining the influence of El Ni?o on the location of GEV distribution and the interannual and inter-seasonal trends of extreme wave heights, we found that most of the extreme wave heights in areas where El Ni?o has a great influence show an increasing trend, which indicates that El Ni?o has a greater impact on extreme wave heights.

extreme wave height; El Ni?o; China Sea; ERA5 (ECMWF reanalysis v5)

* 基于我國資源特性的海洋能高效利用創新技術研發, 2018YFB1501901號; 山東省濱海沙灘防護工程環境災害及防災減災對策研究, U1806227號; 山東省粉沙質海岸港口工程驟沖驟於災害及防災減災措施研究(課題1), U1906231號。杜文彥, 碩士研究生, E-mail: 910718958@qq.com

石洪源, 碩士生導師, 講師, E-mail: shihongyuan1234@163.com

2022-01-03,

2022-03-10

P576

10.11693/hyhz20220100003