北印度洋風暴潮特征及其對氣候信號的響應研究*

謝建斌 萬緯祺 馮興如 尹寶樹 劉亞豪

北印度洋風暴潮特征及其對氣候信號的響應研究*

謝建斌1, 2, 4, 5萬緯祺1, 2, 4, 5馮興如1, 2, 3, 4, 5①尹寶樹1, 2, 3, 4, 5劉亞豪1, 2, 3, 4

(1. 中國科學院海洋研究所 山東青島 266071; 2. 中國科學院海洋環流與波動重點實驗室 山東青島 266071; 3. 青島海洋科學與技術試點國家實驗室 山東青島 266237; 4. 中國科學院海洋大科學研究中心 山東青島 266071; 5. 中國科學院大學 北京 100049)

北印度洋是我國“海上絲綢之路”的重要通道, 其每年熱帶氣旋活動引起的風暴潮等嚴重威脅著船舶航行安全和沿岸國家人民生命財產安全。分析研究北印度洋風暴潮的特征, 對我國經濟發展及北印度洋沿岸國家防災減災具有重要的現實意義。利用美國聯合預警中心(the Joint Typhoon Warning Center, JTWC)公布的1950～2020年熱帶氣旋資料、美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)公布的1950～2020年熱帶氣旋資料與1950～2020年的Ni?o3.4指數、夏威夷大學海平面中心(University of Hawaii Sea Level Center, UHSLC)公布的北印度洋每小時的水位數據進行分析, 結果表明:(1) 北印度洋大于1 m的風暴潮主要分布在孟加拉灣北部, 少量分布在孟加拉灣其他區域與阿拉伯海; (2) 孟加拉灣北部區域的年際最大熱帶風暴潮(annual maximum tropical cyclone storm surge, AMTSS)與當月Ni?o3.4指數、南方濤動指數(southern oscillation index, SOI)相關性較高、受厄爾尼諾-南方濤動(EI Ni?o-Southem Oscillation, ENSO)的影響明顯; (3) 北印度洋AMTSS月際分布呈現雙峰分布, 與熱帶氣旋(tropical cyclone, TC)的月際分布基本一致; (4) La Ni?a期間影響孟加拉灣北部的熱帶氣旋在數量與強度方面均超過El Ni?o期間影響孟加拉灣的熱帶氣旋, 是La Ni?a期間風暴潮極值大于EI Ni?o期間風暴潮極值的重要原因。研究表明, AMTSS對ENSO信號的響應可能為AMTSS提供了潛在的可預測性, 這對早期預警和減少風暴潮災害具有重要意義。

熱帶氣旋; 風暴潮; 厄爾尼諾-南方濤動

北印度洋孟加拉灣海域是世界上風暴潮災害最嚴重的區域之一, 其中熱帶氣旋引起的風暴潮具有移動速度快, 災害強度大的特點。例如1970年的熱帶氣旋“Bhola”引起的風暴潮直接奪去了孟加拉灣沿海約25萬人(Wahiduzzaman, 2020)的生命。北印度洋連接大西洋與太平洋, 同時該海域位于我國的“海上絲綢之路”沿線, 是我國“海上絲綢之路”的必要通道。因此對北印度洋風暴潮的研究具有十分重要的現實意義。

作為風暴潮產生的主要原因, 北印度洋氣旋在起源位置、登陸位置、持續時間、移動軌跡、累積能量和強度等方面都具有獨特的特點。在移動軌跡方面, 西向和西北向的熱帶氣旋占總氣旋數的近一半(韓曉偉等, 2010)。由于地形的影響, 孟加拉灣產生的氣旋多在孟加拉國和緬甸南部登陸, 而阿拉伯海產生的氣旋多沿西高止山脈向西北方向運動, 最終在巴基斯坦南部登陸(吳風電等, 2011)。另外, 熱帶氣旋產生的時間具有明顯的年周期變化, 呈現雙峰分布, 在5～6和11～12月之間頻次較高, 與海溫密切相關。7、8月北印度洋海水溫度降低, 熱帶氣旋出現頻率環比呈現下降趨勢, 而9月的熱帶氣旋出現頻率增加了20% (Singh, 2001)。除了熱帶氣旋的強度, 風暴潮受正面登陸的熱帶氣旋影響較大, 更與其自身有利的地理位置及海岸地形密不可分(張海燕, 2019)。在熱帶氣旋的空間分布方面, 氣旋總頻數呈現增加趨勢, 強烈氣旋風暴(風速≥64節)主要生成在孟加拉灣海域的中東部和阿拉伯海海域的中部海域; (強)氣旋風暴(風速范圍34～63節)主要集中在孟加拉灣海域的西部海域和阿拉伯海海域的東部海域; 熱帶低壓(風速≤33節)主要集中在孟加拉灣海域的西部和北部海域(梁梅等, 2020)。

鑒于北印度洋熱帶氣旋與海溫之間密切的相關程度, 而厄爾尼諾-南方濤動(EI Ni?o-Southem Oscillation, ENSO)等大尺度氣候指數作為體現海表溫度與氣壓震蕩的重要指標, 在此基礎上可以假設北印度洋的年際最大熱帶風暴潮(annual maximum tropical cyclone storm surge, AMTSS)可能表現出與大尺度氣候指數相關的年際變化。如要驗證該假設成立, 需要首先利用可靠的觀測記錄檢驗各指數與風暴潮之間的統計關系。前人做過一些類似的研究, 例如Colle等(2010)通過分析紐約市1959～2007年的風暴潮事件, 發現在El Ni?o事件期間發生的弱風暴潮事件多于La Ni?a事件; Oey等(2016)通過對西北太平洋熱帶氣旋所引起的風暴潮研究發現, 其所用的風暴潮變量與ENSO、太平洋年代際振蕩(Pacific Decadal Oscillation, PDO)之間的聯系很弱且在統計上不顯著; Feng等(2021)用中國沿岸23個驗潮站的水位數據研究 AMTSS對大尺度海洋信號的響應發現, 在中國大陸東南部北部, 只有強臺風風暴潮事件受到ENSO的顯著調節, 弱風暴潮事件與ENSO事件之間沒有顯著的相關性, 等等。

盡管已有上述研究, 但北印度洋風暴潮與大尺度氣候指數的關系卻尚未明確。為了解其中潛在的物理過程, 需要進行更深層次的探究。本研究利用北印度洋阿拉伯海與孟加拉灣共23個驗潮站的水位記錄, 首先分析北印度洋熱帶風暴潮的時空分布特征, 之后進一步分析了AMTSS與大尺度氣候指數的關系, 并探討了其相關性的原因。旨在研究風暴潮對氣候變化的響應, 從而對風暴潮的長期預測提供參考。

1 北印度洋熱帶風暴潮的時空分布特征

為了探究北印度洋熱帶氣旋風暴潮的分布規律, 利用美國聯合預警中心(the Joint Typhoon Warning Center, JTWC)公布的1950～2020年熱帶氣旋資料、美國國家海洋和大氣管理局(NOAA)公布的1950～2020年熱帶氣旋資料、夏威夷大學海平面中心(University of Hawaii Sea Level Center, UHSLC)公布的北印度洋各個站點每小時的水位數據(圖1a)分別在風暴潮的時間與空間分布方面進行了探索, 并從北印度洋熱帶氣旋的產生及分布方面給出了解釋。

圖1 北印度洋各驗潮站每小時潮位數據起止年份(a)以及風暴潮大于1 m的總小時數(b)

1.1 ATMSS與熱帶氣旋影響位置的相關性

在北印度洋熱帶氣旋與強風暴潮事件的空間分布上, 分別對兩者進行統計分析。各站位風暴潮大于1 m小時數如圖1b所示。結果顯示, 大于1 m的風暴潮事件全部集中在孟加拉灣, 其中絕大部分在孟加拉灣北部發生。

為了對上述結果進行解釋, 將各熱帶氣旋軌跡半徑3°以內設置為氣旋有效影響區域, 以此計算1950～2020年北印度洋所有熱帶氣旋對該海域的影響時間(圖2)。研究發現, 孟加拉灣在熱帶氣旋影響時間方面明顯高于阿拉伯海; 而在孟加拉灣內, 北部區域受熱帶氣旋影響更大。正是因為熱帶氣旋分布的差異導致了孟加拉灣北部(S12至S16驗潮站)風暴潮大于1 m時間多于其他站位。

1.2 北印度洋AMTSS月際分布特征

北印度洋23個驗潮站共統計到341次年際最大熱帶風暴潮值?；谠摂祿y計了AMTSS發生時間的月際分布特征, 結果見圖3。結果顯示, 北印度洋風暴潮發生時間多集中在5～6月與11～12月、1月, 其他月份也有少量分布。由風暴潮發生頻次的月際分布特征(圖3a)可見, 11～12月、1月風暴潮發生頻次最多, 占全年總頻次的30.79%; 5～6月風暴潮發生頻次占全年總頻次的28.45%。其他月份AMTSS發生的比重明顯減小, 各在2.9%～10%。

圖2 北印度洋(a)和孟加拉灣(b)各驗潮站站位分布及編號及熱帶氣旋對2個海域影響時長

圖3 北印度洋熱帶氣旋形成時間月際分布與年際最大熱帶風暴潮發生時間月際分布(a)以及北印度洋熱帶氣旋形成時間月際分布與各月熱帶氣旋強度分布(b)

注:為相關系數,為顯著水平

為解釋風暴潮的這種月際分布特征, 統計了北印度洋熱帶氣旋個數的月際變化, 從圖3a可以看出, 熱帶氣旋出現頻次的月際分布與AMTSS發生月份的分布呈現正相關, 相關系數達到0.65, 顯著性為98%。陳聯壽(2010)研究表明, 海水表面溫度(sea surface temperature, SST) ≥26.5 °C是熱帶氣旋生成所需的條件。根據梁梅等(2020)的研究, 4～5月北印度洋海域海表溫度有利于熱帶氣旋的生成。7～9月高溫區相對偏南, 整個北印度洋海域海表溫度較5～6月低。11月整個北印度洋的海表溫度再次升高, 對熱帶氣旋的生成起到促進作用。這可能是北印度洋的熱帶氣旋與風暴潮均呈現雙峰型結構的分布的原因之一。

為了進一步理解AMTSS強度與熱帶氣旋強度的關系, 通過對熱帶氣旋強度的月際分布分析(圖3b)發現, 4～6月生成的熱帶氣旋平均最大風速分別為40.29、39.13、29.94 m/s; 10～12月生成的熱帶氣旋月平均最大風速分別為37.18、35.23、28.5 m/s。由于4～6月生成的熱帶氣旋的強度普遍大于10～12月生成的熱帶氣旋的強度, 因此, 雖然5～6月生成的熱帶氣旋相比11～12月、1月較少, 但風暴潮極值出現在5～6月的頻次較高。

簡而言之, 5～6月與11～12月、1月是北印度洋風暴潮頻發期, 且5～6月風暴潮的強度更強。這主要取決于北印度洋產生的熱帶氣旋的強度。

2 AMTSS對大尺度信號的響應

大尺度海洋信號是全球氣候預測中的重要影響因子, 其中ENSO (EI Ni?o-Southern Oscillation)、IOD (Indian Ocean Dipole)、NAO (North Atlantic Oscillation)、ONI (Ocean Ni?o Index)等是全球范圍內年際、年代際氣候變化的顯著信號, 對全球氣候具有重要影響(Santoso, 2012; 呂學珠等, 2012; 馮興如等, 2018; Sinha, 2020; Saha, 2021)。利用NCAR網站(https://climatedataguide.ucar.edu/data- type/climate-indices)各研究機構發布的大尺度氣候指數數據, 分析北印度洋AMTSS與大尺度氣候指數的關系, 對于風暴潮的長期預測具有參考價值。

2.1 AMTSS對ENSO信號的響應

一些研究人員通過研究ENSO事件對熱帶氣旋頻率的影響(Kuleshov, 2008; Ramsay, 2008), 發現熱帶氣旋的年頻率相對渦度和垂直切變密切相關。為了研究ENSO對AMTSS的影響, 對北印度洋各個驗潮站AMTSS及AMTSS出現月份的Ni?o3.4值進行相關性分析(圖4a, 圖5)。

由圖4可知, 北印度洋AMTSS與Ni?o3.4指數具有顯著相關性, 阿拉伯海驗潮站的AMTSS與對應月份的Ni?o3.4指數大多呈正相關, 而孟加拉灣驗潮站的AMTSS與對應月份的Ni?o3.4指數大多呈負相關。在阿拉伯海海域與孟加拉灣海域各選取相關系數較高的三個驗潮站, 相關系數為分別達到0.79、0.38、0.73、-0.61、-0.48、-0.63, 顯著性分別達到99%、65%、99%、100%、92%、98% (圖5)。也就是說, 孟加拉灣北部在La Ni?a事件期間更容易有較強的AMTSS出現。以S12驗潮站為例, 在1988年La Ni?a事件與1997年超級EI Ni?o事件期間, AMTSS分別為294.7和77 cm, 具有明顯差異。

圖4 北印度洋(a)和孟加拉灣北部(b)各驗潮站AMTSS與Ni?o3.4指數相關性與顯著性

注: 圓形為顯著性大于90%, 三角形為顯著性小于90%

圖5 北印度洋部分驗潮站AMTSS與當月Ni?o3.4指數對比及其相關性

注:為相關系數,為顯著水平

由于熱帶氣旋登陸位置的不確定性, 采用整個孟加拉灣北部驗潮站的最大風暴潮值來計算與Ni?o3.4指數的相關性, 以此規避熱帶氣旋登陸位置的隨機性帶來的誤差。結果顯示, 孟加拉灣北部AMTSS與Ni?o3.4指數的相關性達到-0.6, 顯著性達到100% (圖6)。這進一步說明ENSO事件對孟加拉灣北部風暴潮的影響是比較顯著的。

為進一步了解孟加拉灣北部AMTSS與Ni?o3.4指數呈負相關的原因, 選取JTWC提供的熱帶氣旋資料(圖7)進行數量統計、NCAR網站的ONI指數, 作為EI Ni?o、La Ni?a事件判別標準(圖8), 進行更深入的探究。圖7所示區域在EI Ni?o事件、正常年份與La Ni?a事件期間每月平均生成0.323 0、0.303 3、0.380 9個熱帶氣旋, 所產生的熱帶氣旋最大風速分別為23.73、25.33、26.68 m/s。La Ni?a期間產生的熱帶氣旋數量與最大風速分別比EI Ni?o期間多17.8%、12.43%, 與以往的研究結論一致(Nath, 2015; Wahiduzzaman2019)。在登陸位置方面, 逆時針旋轉的熱帶氣旋更多的在孟加拉灣北部偏西的位置登陸, 而該區域存在許多河口以及半封閉式海灣(圖2b), 特殊的地形導致了海水在河口與海灣內聚集, 帶來了更強的風暴潮, 這可能部分解釋了孟加拉灣北部地區普遍存在的AMTSS與Ni?o3.4的負相關性。

圖6 孟加拉灣北部年最大風暴潮值與當月Ni?o3.4指數對比及其相關性

圖7 不同氣候模式期間經過孟加拉灣北部熱帶氣旋路徑

圖8 1950～2021年海洋尼諾指數 (Ocean Ni?o Index, ONI)分布

注:0.5

我們在統計風暴潮極值與Ni?o3.4指數的相關性時發現, 孟加拉灣北部S12至S15驗潮站的AMTSS與Ni?o3.4的相關性較顯著, 而其他站則不顯著。出現這個現象的原因可能是:(1) 風暴潮的形成比較復雜, 除了受熱帶氣旋強度影響外, 還受地形以及站位與熱帶氣旋路徑間相對位置的影響; (2) 部分熱帶氣旋過程中, 有些站位數據缺測, 這也會對統計結果造成影響。

2.2 AMTSS和SOI、IOD、NAO指數相關性分析

之前的一些研究表明, 印度洋環境氣候與SOI、IOD、NAO也有不同程度的聯系。例如, Goswami等(2006)通過NAO建立了北大西洋和印度夏季風之間的聯系; Li等(2015)研究發現負IOD主要影響東南印度洋熱帶氣旋數量的增加與減少; Sinha等(2020)通過研究SOI與印度洋風速的關系發現, 印度西海岸南部的風速與SOI呈負相關?？紤]到SOI、IOD、NAO對印度洋氣候的較大影響, 因此, 本節還統計研究了這三種信號與北印度洋AMTSS的關系。

通過對AMTSS與SOI指數進行相關性分析發現, 位于孟加拉灣北部的S12、S13、S14、S15驗潮站的AMTSS都與SOI指數有很強的相關性(圖9)。相關系數為分別達到0.68、0.47、0.55、0.59、顯著性分別達到100%、91%、99%、96%。SOI指數與Ni?o3.4指數均同孟加拉灣北部的AMTSS有極強的相關性和極好的顯著性, 而風暴潮主要由熱帶氣旋引起, 這也反映出ENSO對孟加拉灣氣候有較大的影響, 進而影響到熱帶氣旋和風暴潮的產生及強度。在與Ni?o3.4系數有較好正相關性的S1、S2、S7驗潮站, AMTSS與SOI的相關性不高, 這可能與兩片海域的地理位置以及東、西高止山脈阻礙了ENSO信號的緯向傳播有關。

在統計IOD與AMTSS的相關性(圖10a)時發現S18、S23驗潮站與IOD的相關性都具有95%以上的顯著性(圖10a); 在S16、S17站位處, AMTSS與NAO指數的有較強的負相關(圖10b), 相關性分別為-0.814 1、-0.5233, 顯著性分別為99%、91%。說明IOD、NAO信號對研究區的風暴潮有一定影響。

圖9 北印度洋(a)與孟加拉灣北部(b)各驗潮站AMTSS與SOI指數相關性與顯著性

注:圓形表示顯著性大于90%, 三角形表示顯著性小于90%

圖10 北印度洋各驗潮站AMTSS與IOD指數(a)和NAO指數(b)的相關性與顯著性

注:圓形表示顯著性大于90%, 三角形表示顯著性小于90%

3 結論

本文利用北印度洋沿岸23個驗潮站小時序列的水位資料及1950～2020年的熱帶氣旋資料, 統計分析了北印度洋熱帶氣旋風暴潮的時空分布特征與北印度洋AMTSS對Ni?o3.4、PDO、IOD等信號的響應。結果表明:在北印度洋區域, 孟加拉灣海域相較于阿拉伯海海域受熱帶氣旋影響更頻繁。在孟加拉灣內,熱帶氣旋的影響區域多集中在偏西、偏北海域, 逆時針旋轉的熱帶氣旋以及眾多的河口、海灣也導致位于孟加拉灣北部的地區受風暴潮影響最為嚴重; 北印度洋AMTSS多發生在每年5～6月與11～12月、1月, 兩者分別占總AMTSS的28.45%, 30.79%, 但4～6月生成的熱帶氣旋的平均強度大于其他月份。較高的出現頻次及熱帶氣旋強度是5～6月AMTSS的出現頻次更高的重要原因; 北印度洋AMTSS與Ni?o3.4、SOI相關性較高并具有極高的顯著性, 其中孟加拉灣北部S12至S15驗潮站位置的AMTSS與Ni?o3.4、SOI指數的顯著性均達到90%以上, 但Ni?o3.4指數與阿拉伯海AMTSS多與呈正相關、與孟加拉灣AMTSS多呈負相關, 可能與兩片海域的地理位置以及東、西高止山脈阻礙了ENSO信號的緯向傳播有關。AMTSS也受到IOD、PDO信號的影響, 但影響不大。

目前對ENSO的預報可以提前幾個月(Zhou, 2009), 這對提高風暴潮的概率預測相當有用, 并為預警、預防和緩解措施的準備提供寶貴的時間窗口, 但ENSO只是調節熱帶氣旋和風暴潮的眾多過程之一, 若要更詳盡地了解ENSO對風暴潮的影響, 在未來的研究中, 用可靠的數值模擬來獲得更多更詳盡的風暴潮數據, 從而進一步了解風暴潮對ENSO信號的響應。

馮興如, 楊德周, 尹寶樹, 等, 2018. 中國浙江和福建海域臺風浪變化特征和趨勢[J]. 海洋與湖沼, 49(2): 233-241, doi: 10.11693/hyhz20180200036.

呂學珠, 劉玉光, 李軼斐, 等, 2012. 孟加拉灣海平面異常的年際變化及其對ENSO的響應[J]. 海洋與湖沼, 43(6): 1076-1082, doi: 10.11693/hyhz201206007007.

吳風電, 羅堅, 2011. 1977-2008年北印度洋熱帶氣旋統計特征分析[J]. 氣象與環境科學, 34(3): 7-13, doi: 10.3969/j.issn. 1673-7148.2011.03.002.

張海燕, 2019. 南海區臺風風暴潮時空分布特征[J]. 海洋預報, 36(6): 1-8, doi: 10.11737/j.issn.1003-0239.2019.06.001.

陳聯壽, 2010. 熱帶氣象災害及其研究進展[J]. 氣象, 36(7): 101-110, doi: 10.7519/j.issn.1000-0526.2010.07.017.

梁梅, 林卉嬌, 徐建軍, 等, 2020. 1990-2018年北印度洋熱帶氣旋統計特征[J]. 廣東海洋大學學報, 40(4): 51-59, doi: 10.3969/j.issn.1673-9159.2020.04.008.

韓曉偉, 周林, 梅勇, 等, 2010. 1975～2008年北印度洋熱帶氣旋特征分析[J]. 海洋預報, 27(6): 5-11, doi: 10.11737/j.issn. 1003-0239.2010.06.002.

COLLE B A, ROJOWSKY K, BUONAITO F, 2010. New York City storm surges: climatology and an analysis of the wind and cyclone evolution [J]. Journal of Applied Meteorology and Climatology, 49(1): 85-100, doi: 10.1175/ 2009JAMC2189.1.

FENG X R, LI M J, LI Y L,, 2021. Typhoon storm surge in the southeast Chinese mainland modulated by ENSO [J]. Scientific Reports, 11(1): 10137, doi: 10.1038/s41598- 021-89507-7

GOSWAMI B N, MADHUSOODANAN M S, NEEMA C P,, 2006. A physical mechanism for North Atlantic SST influence on the Indian summer monsoon [J]. Geophysical Research Letters, 33(2): L02706, doi: 10.1029/ 2005GL024803.

KULESHOV Y, QI L, FAWCETT R,, 2008. On tropical cyclone activity in the Southern Hemisphere: trends and the ENSO connection [J]. Geophysical Research Letters, 35(14): L14S08, doi: 10.1029/2007GL032983.

LI Z, YU W D, LI K P,, 2015. Modulation of interannual variability of tropical cyclone activity over Southeast Indian Ocean by negative IOD phase [J]. Dynamics of Atmospheres and Oceans, 72: 62-69, doi: 10.1016/j.dynatmoce.2015.10. 006.

NATH S, KOTAL S D, KUNDU P K, 2015. Application of fuzzy clustering technique for analysis of North Indian Ocean tropical cyclone tracks [J]. Tropical Cyclone Research and Review, 4(3/4): 110-123.

OEY L Y, CHOU S, 2016. Evidence of rising and poleward shift of storm surge in western North Pacific in recent decades [J]. Journal of Geophysical Research Oceans, 121(7): 5181-5192, doi: 10.1002/2016JC011777.

RAMSAY H A, LESLIE L M, LAMB P J,, 2008. Interannual variability of tropical cyclones in the Australian region: role of large-scale environment [J]. Journal of Climate, 21(5): 1083-1103, doi: 10.1175/2007JCLI1970.1.

SAHA K, GUHA A, BANIK T, 2021. Indian summer monsoon variability over North-East India: impact of ENSO and IOD [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 221: 105705, doi: 10.1016/j.jastp.2021.105705.

SANTOSO A, ENGLAND M H, CAI W, 2012. Impact of indo-pacific feedback interactions on ENSO dynamics diagnosed using ensemble climate simulations [J]. Journal of Climate, 25(21): 7743-7763, doi: 10.1175/JCLI-D-11-00287.1.

SINGH O P, KHAN T M A, RAHMAN M S, 2001. Has the frequency of intense tropical cyclones increased in the north Indian Ocean? [J]. Current Science, 80(4): 575-580.

SINHA M, JHA S, CHAKRABORTY P, 2020. Indian Ocean wind speed variability and global teleconnection patterns [J]. Oceanologia, 62(2): 126-138, doi: 10.1016/j.oceano.2019. 10.002.

WAHIDUZZAMAN M, YEASMIN A, 2019. Statistical forecasting of tropical cyclone landfall activities over the North Indian Ocean rim countries [J]. Atmospheric Research, 227: 89-100, doi: 10.1016/j.atmosres.2019.04.034.

WAHIDUZZAMAN M, YEASMIN A, LUO J J, 2020. Seasonal movement prediction of tropical cyclone over the North Indian Ocean by using atmospheric climate variables in statistical models [J]. Atmospheric Research, 245: 105089, doi: 10.1016/j.atmosres.2020.105089.

ZHOU X B, TANG Y M, DENG Z W, 2009. Assimilation of historical SST data for long-term ENSO retrospective forecasts [J]. Ocean Modelling, 30(2/3): 143-154, doi: 10.1016/j.ocemod.2009.06.015.

CHARACTERISTICS OF STORM SURGE IN THE NORTHERN INDIAN OCEAN AND ITS RESPONSE TO CLIMATE SIGNALS

XIE Jian-Bin1, 2, 4, 5, WAN Wei-Qi1, 2, 4, 5, FENG Xing-Ru1, 2, 3, 4, 5, YIN Bao-Shu1, 2, 3, 4, 5, LIU Ya-Hao1, 2, 3, 4

(1. Institute of Oceanology, Chinese Academy of Science, Qingdao 266071, China; 2. Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China; 3. Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266237, China; 4. Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao 266071, China; 5. University of Chinese Academy of Sciences, Beijing 100049, China)

The northern Indian Ocean is an important passage of China’s “Maritime Silk Road”. The annual storm surge caused by tropical cyclones is a serious threat to the safety of navigation of ships and people’s lives and property in coastal countries. In this study, tropical cyclone data from 1950 to 2020 published by the United States Joint Warning Center (JTWC), tropical cyclone data from 1950 to 2020 published by the National Oceanic and Atmospheric Administration (NOAA), Nino3.4 index from 1950 to 2020, and North Sea Level data published by the University of Hawaii Sea Level Center (UHSLC) were used. Analyses of hourly water level data in the Indian Ocean shows that: (1) the storm surge of more than 1m in the northern Indian Ocean is mainly distributed in the northern part of the Bay of Bengal, and a small amount is distributed in other parts of the Bay of Bengal and the Arabian Sea. (2) The annual maximum tropical storm surge (AMTSS) in the northern part of the Bay of Bengal has a high correlation with Nino3.4 index and SOI index, and is obviously influenced by ENSO. (3) The monthly distribution of AMTSS in the northern Indian Ocean shows a bimodal distribution, which is basically consistent with the monthly distribution of tropical cyclones (TC). (4) The number and intensity of tropical cyclones affecting the northern Bay of Bengal during La Ni?a are greater than those affecting the Bay of Bengal during EI Ni?o. It is an important reason that the extreme value of storm surge during La Ni?a is greater than that during EI Ni?o. It is suggested that AMTSS response to ENSO signals may provide potential predictability for AMTSS, which is important for early warning and storm surge mitigation.

tropical cyclone; storm surge; ENSO

* 中科院先導專項經費, XDA19060502號; 國家重點研發計劃, 2016YFC1401500號。謝建斌, 碩士研究生, E-mail: xiejianbin@qdio.ac.cn

馮興如, 碩士生導師, 副研究員, E-mail: fengxingru07@qdio.ac.cn

2021-12-24,

2022-03-09

P731

10.11693/hyhz20211200342