黄海海浪季节变化的数值模拟研究

陈国光, 翟方国, 李培良, 刘 晓

(1. 国家海洋局北海环境监测中心, 山东 青岛 266033; 2. 中国海洋大学 海洋与大气学院, 山东 青岛266100; 3. 山东理工大学 资源与环境工程学院, 山东 淄博 255049)

黄海海浪季节变化的数值模拟研究

陈国光1, 翟方国2, 李培良2, 刘 晓3

(1. 国家海洋局北海环境监测中心, 山东 青岛 266033; 2. 中国海洋大学 海洋与大气学院, 山东 青岛266100; 3. 山东理工大学 资源与环境工程学院, 山东 淄博 255049)

利用第三代海浪数值模式SWAN, 研究了黄海海浪有效波高的季节变化特征及相关的物理过程。结果表明, 在黄海的大部分区域, 混合浪有效波高的最大值出现在冬季, 而最小值则基本出现在夏季。北黄海北部和山东半岛南岸的近海海域呈现稍微不同的季节变化, 有效波高的最大值出现在春季。全年4个季节中混合浪有效波高的空间分布基本一致: 均在济州岛西南最大, 沿黄海中部区域向北和由中部区域向近岸区域逐渐减小。黄海海浪为风浪占主, 涌浪有效波高远小于风浪有效波高。在黄海的大部分区域, 白冠耗散和四波非线性相互作用对黄海海浪的季节变化均至关重要; 对于外海区域,四波非线性相互作用更为重要, 而对于近海区域, 白冠耗散则影响更大。本研究旨在研究黄海海浪的季节变化特征及其物理过程, 为进一步探讨该海域海浪在其他时间尺度上的变异特征和动力学过程提供研究基础。

黄海海浪; 有效波高; 季节变化

黄海是太平洋西部的一个陆架浅海, 位于我国大陆和朝鲜半岛之间, 平均水深约为44 m, 大部分区域水深浅于100 m(图1)。黄海海底地形的一个重要特征是在黄海中东部海域存在水深相对较深的黄海海槽。黄海海域主要受东亚季风系统控制: 冬季盛行自北向南的强冬季风, 夏季盛行自南向北的弱夏季风(图7)。

在东亚季风系统的控制下, 黄海水动力环境的空间分布和时间变化均比较复杂。其中, 海表面波浪的时空分布特征是国内外物理海洋学家科学研究的重点对象之一。这是因为海浪在研究海洋动力环境和海气相互作用等领域有着重要的作用[1-6], 同时海浪还是海洋灾害[7-9]和新型能源[10-14]的重要来源之一。

到目前为止, 涉及黄海海浪的研究主要集中在以下3个方面:

第一, 数值模式对黄海海浪的模拟效果研究。梅婵娟等[15]比较了第三代海浪数值模式WAVEWATCH和SWAN模式对黄海海浪场的模拟能力, 指出SWAN模式的模拟效果总体优于WAVEWATCH模式的模拟效果。李燕和薄兆海[16]和李燕[17]结合大气数值模式, 进一步指出SWAN模式对黄海海域浪高具有较好的模拟和预报能力。在2011年, 史剑等[18]基于SWAN模式探讨了矩形网格和非结构三角形网格对2000年12月黄海海域海浪场的模拟效果, 指出非结构三角形网格的模拟效果更好, 特别是能够更好地刻画近海区域的复杂地形。通过与卫星观测资料对比, 蒋廷松等[19]指出默认参数下SWAN模式计算的海浪有效波高较卫星观测值偏小。同时他们修改了模式中的白冠耗散项, 使得SWAN模式在黄海具有良好的稳定性和适用性。

第二, 黄海海浪能的时空分布特征。李永博等[20]利用SWAN模式和中尺度大气数值模式评估了成山头局地海域的波浪能资源, 指出其存在显著的季节特征, 且外海比近岸区域丰富。Liang等[12]利用SWAN的模拟结果分析了我国渤海、黄海和东海海域海浪能的时间变化特征, 指出黄海的海浪能存在显著的季节变化: 冬季的海浪能比其他季节大。Wan等[13]利用多年的卫星观测资料也得到类似结果。Zheng和Li[14]进一步利用WAVEWATCH-III的模拟结果分析了我国近海海浪能在1988～2011年的长期趋势特征, 指出我国近海海浪能在过去20 a多存在显著的增长趋势, 且该趋势存在明显的季节差异。

第三, 黄海海浪有效波高的时空分布特征。Cheon等[9]利用海浪数值模式WAM研究指出台风过程易产生大浪, 并再现了布拉万台风行经黄海海域时产生破纪录大浪的过程。李训强等[21]利用WAVEWATCH-III的模拟结果讨论了1988～2009年我国近海表面波浪和海面风之间的关系, 指出海面风场和海面浪场之间的关系具有显著的季节性, 它们的空间分布在冬季时最为吻合。另外他们指出海浪的有效波高在冬季最大, 于春季最小。该结果与陈红霞等[22]的观测结果并不一致, 后者指出黄海海域海浪有效波高为冬季最大, 夏季最小。在年际时间尺度上, 郑崇伟等[23]利用WAVEWATCH-III的模拟结果指出我国近海波浪有效波高的年际变化与ENSO指数存在显著负相关。在更长时间尺度上, Zheng和Li[14]利用模拟结果指出, 我国近海海浪有效波高在1988～2011年存在显著的长期趋势, 且该趋势存在季节差异: 冬季和春季强于夏季和秋季。Zheng等[24]进一步研究了我国近海海浪有效波高长期趋势的季节性, 指出冬季最强而秋季最弱。

从上可以看出, 尽管国内外物理海洋工作者已经通过数值模式模拟和观测资料分析对我国黄海海域海浪场的相关问题进行了大量的研究, 并取得了诸多认识, 但是仍有许多不足。特别是我们对黄海海浪场的时空分布特征及其动力学过程缺乏足够的认识。基于此, 本文拟利用第三代海浪数值模式SWAN来研究黄海海浪有效波高的季节变化特征和相关的物理过程。与前人一致, 本文中冬季为12月～来年2月, 春季为3～5月, 夏季为6～8月, 秋季为9～11月。

1 数据与方法

1.1 模式选取与设置

本研究所采用的海浪模式是第三代海浪数值模式SWAN (Simulating WAves Nearshore)[25]版本41.01。在实际计算中, SWAN采用波作用量(,)Nσ θ来描述随机海浪场, 并采用如下波作用量平衡方程:

其中右侧各项依次代表海面风输入的能量、四波非线性相互作用传输的能量、白冠耗散的能量、三波非线性相互作用传输的能量、底摩擦耗散的能量、深度诱导破碎的能量。其中后3项主要是在浅水中起作用, 所以可以通称为浅水过程项。这些浅水过程项极大提高了SWAN模式在浅水海域的模拟能力。我国学者的大量研究也表明SWAN模式对我国近海的海浪具有较好的模拟能力[11,16,18,26-27]。

为了研究黄海海浪的季节变化, 模式的计算区域为: 117°～132°E, 26°～41°N(如图1所示), 采用全球陆地海洋1′高程数据[28]作为模式的地形数据, 空间分辨率为0.2°×0.2°; 为了更好地模拟涌浪, 频率的范围选取为0.04～1.0 Hz, 波向的分辨率取为5°; 计算时间为2009年1月1日00: 00～2015年6月30日00: 00, 模式时间步长为1 h, 每4 h输出一次结果,输出变量包括混合浪有效波高、风浪波高、涌浪波高和(2)式中能量源汇的6项。

模式采用的风场数据来自欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts; ECMWF)Interim大气再分析资料(下文简称ERA-Interim)[29]。该风场数据包括海表面10 m处的纬向和经向风速, 空间分辨率为0.25°×0.25°, 时间分辨率为6 h, 时间范围为2009年1月1日00: 00～ 2015年6月30日00: 00。高志刚等[30]通过对比分析指出ERAInterim与我国沿岸台站观测资料具有很好的一致性。

本文首先对黄海的海浪场进行了后报模拟, 模式包含了(2)式中所有物理过程, 用于再现黄海海浪场在过去5 a中的空间分布和时间变化特征。然后进行多组数值实验, 以讨论不同物理过程对黄海海浪季节变化的影响。对所有的模拟结果只选取2009年10月～2015年6月这一时间段进行分析, 这是因为同期有可利用的卫星观测资料。

1.2 模拟结果与观测资料对比

为了验证后报模拟结果的有效性, 本文采用黄海区域卫星高度计观测的有效波高数据。该观测数据是由多个卫星的观测数据融合而成的, 包括GEOSAT, ERS-1, ERS-2, TOPEX, Jason-1, Jason-2, ENVISAT等等, 具体可参看AVISO网站(http: //www. aviso.altimetry.fr/en/home.html)。该数据的空间分辨率为1.0°×1.0°, 时间分辨率为1 d; 本文所用数据的时间范围为2009年9月14日～2015年6月30日。前人曾对卫星观测的波浪有效波高与海表面浮标观测的波浪有效波高进行了广泛的对比研究, 指出两者具有很好的一致性[31-34]。

图1 计算区域水深(m)分布图Fig. 1 Bathymetry (m) of the computation region

图2 比较了卫星观测和模式后报的有效波高。不管是日平均或者月平均的有效波高, 卫星观测和模式后报的结果之间均存在较好的相关性。对于日平均的有效波高, 两者之间的相关系数在深水区比较大, 最大约为0.74(除非特别说明, 本文计算的相关系数均高于95%置信水平)发生在济州岛的西南,然后沿着黄海海槽向北减小; 同时相关系数也由深水区到浅水区随着水深的减小而减小。对于月平均的有效波高, 情况略有不同。两者之间的相关系数虽然也是与水深有关, 在深水区较大而在浅水区较小,但是其最大值(≈0.93)却出现在南黄海的中部区域。然后我们又比较了卫星观测和模式后报的整个黄海区域平均的有效波高时间序列。其中图2c和2d分别是区域平均的日平均和月平均有效波高时间序列。从图可以看出, 不管是它们的大小还是时间变化,观测和模拟结果均吻合一致。图中日平均和月平均的时间序列之间的相关系数分别为0.75和0.93。以上分析说明模式后报结果较好的再现了黄海海浪在过去五年中的时间变化特征。而对于近岸区域, 卫星观测和模式后报结果之间的相关系数之所以比较小可能是由于以下两个原因: 第一, 卫星高度计观测资料在浅水区域误差较大, 这个已被很多研究所证实[13,35]; 第二, 根据后文可知, 近岸区域有效波高较小, 所以模式后报结果存在一定误差。

图2 卫星观测有效波高与模式后报模拟有效波高的比较Fig. 2 Comparison of the satellite-observed significant wave height with that simulated by the SWAN wave model

2 季节变化特征

图3a给出了黄海混合浪有效波高的气候态平均分布图。从图3a中可以看出, 黄海混合浪有效波高的空间分布与地形有很好的一致性: 有效波高在济州岛的西南最大, 约为1.2 m, 而后沿着黄海海槽向北和由深水区向近岸区域均逐渐减小。在北黄海, 混合浪的有效波高已减小至0.9 m以下。图3b展示的是黄海混合浪月平均有效波高的标准差, 可以反映其时间变化的强度。从图3b中可以看出, 混合浪有效波高标准差的分布和其平均值的分布类似, 最大值出现在济州岛的西南海域, 约为0.17 m左右, 然后向北和近岸区域均逐渐减小。但同时这两者之间也存在不同, 主要在于有效波高标准差的高值区域与其多年平均值的高值区域并不重合, 而是位于后者的东侧。通过后文分析可知, 混合浪有效波高标准差的高值区域和海面风速标准差的高值区域基本重合。

图4给出了黄海区域混合浪多年月平均的有效波高。从图4中可以看出, 在全年12个月份中, 混合浪有效波高均呈现类似的空间分布: 在济州岛西南最大, 沿黄海中部区域向北和由中部区域向近岸区域均逐渐减小。但同时混合浪有效波高也呈现出明显的季节变化。首先, 如图4中红色点和灰色点所示, 在黄海大部分区域混合浪有效波高的最大值出现在冬季(12月和2月), 而最小值则基本出现在夏季(6月和7月)。这与陈红霞等[22]的卫星观测结果基本一致。其中南黄海南部区域的最大有效波高基本出现在2月份, 而其他区域的最大值则基本出现在12月份。除此之外, 北黄海北部和山东半岛南岸的近岸海域呈现稍微不同的季节变化, 它们的最大值不是出现在冬季而是出现在4月份。其次, 黄海混合浪有效波高的高值区呈现季节性的东西迁移: 冬季偏东, 夏季偏西。

根据波浪频率或者周期的不同, 混合浪的能量可以分为风浪能量和涌浪能量两部分。据此, 我们分析了SWAN后报模拟的风浪和涌浪有效波高的季节变化。图5给出了风浪有效波高和涌浪有效波高的多年平均和标准差。从图中可以看出, 无论是大小还是空间分布, 风浪有效波高的平均值和标准差均与混合浪有效波高的平均值和标准差一致。而涌浪有效波高的多年平均和标准差则均远小于风浪有效波高的多年平均和标准差, 并且其高值区相比混合浪有效波高的高值区明显偏西。

图3 混合浪有效波高(m)与10 m海面风速(m/s)Fig. 3 Mixed-wave SWH (m) and wind speed (m/s) 10 m above the sea surface

图6进一步比较了风浪和涌浪有效波高的季节变化, 其中各个季节的有效波高异常值均为当季的有效波高与年平均值的差。从图6中可以看出, 在一年4个季节中, 风浪有效波高均大于涌浪有效波高。这说明在黄海, 混合浪以风浪为主。另外风浪和涌浪有效波高也呈现出不同的季节变化。风浪有效波高的季节变化和混合浪有效波高的季节变化(图4)一致:冬季最大, 夏季最小。在春季, 随着冬季风向夏季风的转换(图7), 黄海整个区域风浪的有效波高均减小,且黄海南部区域减小的最快; 在秋季, 随着夏季风向冬季风的转换(图7), 黄海整个区域风浪的有效波高均增大, 且依然是黄海南部区域增大的最快。另一方面, 涌浪的有效波高在夏季为最大, 而在春季为最小, 且夏季的高值区明显偏于黄海西部。在冬季,南黄海的涌浪有效波高高于年平均值, 而北黄海的涌浪有效波高则低于年平均值; 在秋季, 整个黄海的涌浪有效波高均略低于年平均值。这说明, 涌浪有效波高从夏季到次年春季在北黄海是一直减小, 而在南黄海则是先减小后增大再减小, 从而在冬季出现一个极大值。如图7所示, 黄海涌浪之所以在夏季出现最大值可能与风场的季节变化有关。在夏季, 整个黄海为偏南的夏季风, 从而受外海甚至太平洋区域传来的涌浪的影响最为显著。

图4 多年月平均的混合浪有效波高Fig. 4 Climatological monthly mean mixed-wave SWH

3 物理过程探讨

这部分主要是探讨影响黄海海浪有效波高季节变化的物理过程。由于海表面波浪主要是在海表面风的作用下产生的, 所以我们先看一下黄海海表面10 m风场的时空分布情况。从图3c和3d可以看出,海面10 m风速的多年平均值和标准差的空间分布类似, 均在黄海东部区域呈现高值, 且最大值从南往北逐渐减小。与图3a和3b比较可知, 海面10 m风速的标准差和混合浪有效波高的标准差的空间分布类似, 但是它们多年平均值的空间分布并不一致。

图5 风浪和涌浪有效波高(m)的多年平均值和标准差Fig. 5 Climatological mean and standard deviation of the SWHs (m) of wind-sea and swell

图6 风浪(a～d)和涌浪(e～h)有效波高的季节异常Fig. 6 Seasonal SWH anomalies of wind-sea (a-d) and swell (e-h)

图7 进一步给出了黄海海域海表面10 m处多年月平均的风速和风矢量。由于位于东亚季风区, 黄海大部分区域从9月份到次年的3月份均被北风所占据, 而从5月份到8月份则基本上被南风所占据。黄海大部分区域的最大风速出现在2月份, 而最小风速发生月份则呈现出明显的区域特征。在南黄海中部的大部分区域, 最小风速发生在冬季风到夏季风的转换期(4月份和5月份); 而在整个北黄海, 最小风速发生在8月份。在夏季风的强盛期(7月份), 整个黄海的风速也呈现出一年中的极大值, 但是高值区较冬季风的高值区明显偏西。从该图可知, 图4中混合浪有效波高高值区的季节性东西向迁移可能与风速高值区的季节性迁移有关。

为了分析不同物理过程对黄海海浪有效波高时间变化的影响, 图8比较了(2)式中各源能量项的大小。结果表明在整个研究区域, 风能输入项和两个深水过程项大小相当, 并远大于3个浅水过程项。风能输入项和两个深水过程项的空间分布与混合浪有效波高的空间分布类似, 在黄海中部呈现自南向北延伸的高值区, 同时由黄海中部向近岸区域逐渐减小。三个浅水过程项以其能量从大到小依次是底摩擦耗散项、三波非线性相互作用项和深度诱导破碎项。从图8可以看出, 这三个浅水过程项在山东半岛以南沿岸和江苏沿岸海域存在两个显著高值区。

为了进一步深入讨论不同物理过程的影响, 本文设计了如下数值实验(表1)。除采用不同的物理过程外,所有的数值实验配置均与后报模拟相同。作为对比, 表1也列举了后报模拟所采用的物理过程和相应结果。

图7 黄海海表面10 m风场的多年月平均分布图Fig. 7 Climatological monthly mean wind field at 10 m above the sea surface in the Yellow Sea

图8 后报模拟中各源能量项绝对值(以10为底的对数)的多年平均分布图Fig. 8 Logs of the climatological means of the absolute values of the source terms from the model hindcast

表1 数值实验设置及黄海海域平均的混合浪有效波高Tab. 1 Configurations of the numerical simulations and the simulated mixed-wave SWHs averaged over the Yellow Sea

图9给出了整个计算时间段内模式后报模拟的月平均混合浪有效波高与不同数值实验结果之间的相关系数。从图9可以看出, 后报模拟与实验1结果之间的相关系数在黄海的大部分区域均在0.9左右,而在山东半岛南岸和苏北沿岸的小范围近岸海域则较小, 这主要是由于在这两个地区浅水过程影响显著。对于两个深水过程, 它们对混合浪有效波高时间变化的影响存在显著不同。在黄海的大部分区域, 实验2与模式后报模拟结果之间的相关系数均比较小(＜0.6), 而实验3与模式后报模拟结果之间的相关系数则比较高(＞0.7)。这说明在黄海的大部分区域, 相比于白冠耗散过程, 四波非线性相互作用过程对混合浪有效波高的时间变化影响更大。实验4与模式后报模拟结果之间的相关系数则呈现更为复杂的空间分布: 在北黄海, 相关系数在外海较高, 而在北部沿海地区较低; 在南黄海, 相关系数基本以123°E为界, 在西侧较低(＜0.5)而在东侧较高(＞0.7)。另外, 从数值来看, 不同实验得到的混合浪有效波高与后报模拟结果存在显著不同。其中, 实验1与后报模拟结果最为相近, 这是因为在黄海大部分海域浅水过程项的作用相对较小, 基本可以忽略。实验2模拟的混合浪有效波高远小于后报模拟结果, 而实验3和实验4的模拟结果则远大于后报模拟结果(表1)。可见,四波非线性相互作用和白冠耗散对黄海海浪的数值模拟均比较重要。前者主要是影响风输入的能量在谱空间内的转移和传输, 从而它的缺失可使模拟结果偏小; 而后者是波浪能量耗散的重要方式之一,从而其缺失倾向于使模拟结果偏大。当这两个过程都缺失时, 在浅水过程项影响较小的区域混合浪有效波高则倾向于和风速成显著正相关。

本文进一步分析了不同物理过程对混合浪有效波高季节变化的影响。为此, 图10给出了黄海内4个不同位置处后报模拟与各数值实验得到的混合浪有效波高的多年月平均异常时间序列。这4个位置分别位于南黄海中部、北黄海中部、北黄海北部近岸和山东半岛南岸, 分别记为A、B、C和D, 其具体经纬度如图4所示。为了显示方便, 图10中对风速大小进行了调整, 使其最大绝对值和实验4得到的混合浪有效波高异常的最大绝对值相同。

图9 整个计算时间段内后报模拟得到的混合浪月平均有效波高与不同数值实验得到的混合浪有效波高的相关系数Fig. 9 Linear correlation coefficients between monthly mixed-wave SWHs from model hindcast and different numerical experiments over the entire period of interest

对于A点和B点来说, 由于它们位于黄海的中部区域, 所以浅水过程项可以忽略, 实验1的结果与后报模拟结果吻合一致。如果去掉四波非线性相互作用和白冠耗散过程, 则模拟的混合浪有效波高与当地风速呈现显著正相关, 并且其平均值和方差均远大于后报模拟结果。如果忽略四波非线性相互作用过程, 则得到的混合浪有效波高偏小, 且其季节变化与后报模拟结果差别较大。另一方面, 如果忽略白冠耗散过程, 则得到的混合浪有效波高虽然比后报模拟结果稍大, 但是它们的季节变化基本一致:冬季最大, 夏季最小。冬季最大的月份相同, 但是夏季最小的月份却稍有不同: 在A点和B点, 后报模拟结果中夏季最小的月份均为6月份, 而实验3中则分别为7月份和8月份。这说明对于外海区域, 四波非线性相互作用对混合浪有效波高季节变化的影响更大。同时根据后报模拟结果(图4), 南黄海和北黄海的混合浪最大值出现在不同月份, 前者为2月份,与风速最大值月份一致, 而后者则为12月份, 与风速最大值月份并不一致。这种差别的原因可能与风能输入和四波非线性相互作用对能量转移过程之间的相对强弱有关。在南黄海, 风能输入和四波非线性相互作用过程共同导致混合浪波高的最大值出现在2月份; 而在北黄海, 四波非线性相互作用过程占主导致混合浪波高的最大值出现在12月份。

在近海区域的C点和D点, 浅水过程项的影响开始显著, 实验1的结果与后报模拟结果的偏差开始增大, 同时实验4的结果与风速之间的相关性也明显减小。特别是在D点, 实验1的结果与后报模拟结果之间的差别最大。尽管如此, 实验1得到的混合浪有效波高季节变化与后报模拟结果基本一致。在C点, 无论是其大小还是季节变化, 实验2的结果比实验3更接近后报模拟结果。在D点, 除了夏季外, 实验2的结果也比实验3更接近后报模拟结果。这说明对于近海区域, 白冠耗散比四波非线性相互作用对混合浪有效波高的季节变化影响更大。

图10 后报模拟与各数值实验得到的混合浪有效波高的多年月平均异常时间序列Fig. 10 Climatological monthly mean anomalies of the mixed-wave SWH (m) obtained from the model hindcast and various numerical experiments

4 结论

本文利用第三代海浪数值模式SWAN研究了黄海海浪有效波高的季节变化特征及相关的物理过程。具体结论如下:

1) 平均而言, 黄海混合浪有效波高的空间分布与黄海海底地形有很好的一致性: 有效波高在济州岛的西南最大, 而后沿着黄海海槽向北和由深水区向近岸区域均逐渐减小。混合浪有效波高呈现出显著地季节变化。在黄海的大部分区域, 混合浪有效波高的最大值出现在冬季(12月和2月), 而最小值则基本出现在夏季(6月和7月)。这与陈红霞等[22]的卫星观测结果基本一致。其中南黄海南部区域的最大有效波高基本出现在2月份, 而其他区域的最大值则基本出现在12月份。除此之外, 北黄海北部和山东半岛南岸的近岸海域呈现稍微不同的季节变化, 它们的最大值不是出现在冬季而是出现在4月份。但是混合浪有效波高在全年12个月中均呈现类似的空间分布: 在济州岛西南最大, 沿黄海中部区域向北和由中部区域向近岸区域均逐渐减小。只是其高值区呈现季节性的东西迁移: 冬季偏东, 夏季偏西。进一步的分析表明, 黄海海浪为风浪占主。涌浪有效波高远小于风浪有效波高, 且两者呈现出不同的季节变化。

2) 黄海海域10 m处风速与混合浪有效波高的空间分布和季节变化并不一致。对各源能量项的分析表明, 在整个研究区域风能输入项和两个深水过程项大小相当, 并远大于3个浅水过程项。这3个浅水过程项在山东半岛以南沿岸和江苏沿岸海域存在两个显著高值区。在黄海的大部分区域, 白冠耗散和四波非线性相互作用对黄海海浪的数值模拟均比较重要; 但是相比于白冠耗散过程, 四波非线性相互作用过程对混合浪有效波高的时间变化影响更大。前者的缺失可使模拟结果偏小, 而后者的缺失可使模拟结果偏大。进一步的数值实验说明对于外海区域,四波非线性相互作用对混合浪有效波高季节变化的影响最大。而对于近海区域, 白冠耗散比四波非线性相互作用对混合浪有效波高的季节变化影响更大。

本文中, 黄海大部分海域的混合浪有效波高的最大值没有出现在1月份而只是出现在12月或者2月可能与本文选取的风场有关, 今后还将进一步研究不同风场对黄海海浪季节变化的影响。其次, 根据本文的讨论, 外海甚至太平洋的海浪场也可能对本区域海浪的时间变化存在一定的影响, 所以还需要利用更大尺度的数值模式进行研究。最后需要指出的是, 在实际海洋中, 波-流相互作用和浅水区水位变化对水深的影响均是不容忽视的[36]。例如Hwang[37]结合卫星高度计观测资料和理论诊断指出黑潮对黄海和东海海域的风场和海浪场均具有重要的调控作用。而本文在数值模拟中只考虑了海面风的作用, 所以在将来还需要进一步综合考虑各种因素对黄海海浪场的影响。

[1] 管长龙. 我国海浪理论及预报研究的回顾和展望[J].青岛海洋大学学报, 2000, 30(4): 549-556. Guan Changlong. A review of history and prospect for study of sea wave theory and its forecast in China[J]. Journal of Ocean University of Qingdao, 2000, 30(4): 549-556.

[2] Qiao Fangli, Ma Jian, Xia Changshui, et al. Influences of the surface wave-induced mixing and tidal mixing on the vertical temperature structure of the Yellow and East China Seas in summer[J]. Progress in Natural Science, 2006, 16(7): 739-746.

[3] Sun Qun, Guan Changlong, Song Jinbao. Wave breaking on turbulent energy budget in the ocean surface mixed layer[J]. Chin J Oceanol Limnol, 2008, 26(1): 9-13.

[4] Wu Kejian, Yang Zhongliang, Liu Bin, et al. Wave energy input into the Ekman layer[J]. Science in China Series D: Earth Sciences, 2008, 51(1): 134-141.

[5] Dragani W, Martin P, Alonso G, et al. Wind wave climate change: Impacts on the littoral processes at the Northern Buenos Aires Province Coast, Argentina[J]. Climatic Change, 2013, 121: 649-660.

[6] Bi Fan, Wu Kejian. Wave effect on the ocean circulations through mass transport and wave-induced pumping[J]. J Ocean Univ China, 2013, 13(2): 175-182.

[7] 许富祥, 余宙文. 中国近海及其邻近海域灾害性海浪监测和预报[J]. 海洋预报, 1998, 15(3): 63-68. Xu Fuxiang, Yu Zhouwen. Monitoring and prediction of disastrous sea waves in the coastal waters of China and its adjacent areas[J]. Marine Forecasts, 1998, 15(3): 63-68.

[8] 谭凤, 张庆河, 庞启秀, 等. 基于WRF-SWAN模式的韦伯台风波浪场模拟[J]. 水道港口, 2012, 33(1): 14-18. Tan Feng, Zhang Qinghe, Pang Qixiu, et al. Numerical simulation of WIPHA typhoon waves using WRF-SWAN model[J]. Journal of Waterway and Harbor, 2012, 33(1): 14-18.

[9] Cheon J, Mu J, Yong C, et al. Simulation of the extreme waves generated by typhoon Bolaven (1215) in the East China Sea and Yellow Sea[J]. Acta Oceanol Sin, 2015, 34(12): 19-28.

[10] 郑崇伟, 李训强. 基于WAVEWATCH III模式的近22年中国海波浪能资源评估[J]. 中国海洋大学学报, 2011, 41(11): 5-12. Zheng Chongwei, Li Xunqiang. Wave energy resources assessment in the China Sea during the last 22 years by using WAVEWATCH-III wave model[J]. Periodical of Ocean University of China, 2011, 41(11): 5-12.

[11] 郑崇伟, 郑宇艳, 陈洪春. 基于SWAN模式的近10年南海北部波浪能资源研究[J]. 亚热带资源与环境学报, 2011, 6(2): 54-59. Zheng Chongwei, Zheng Yuyan, Chen Hongchun. Research on wave energy resources in the Northern South China Sea during recent 10 years using SWAN model[J]. Journal of Subtropical Resources and Environment, 2011, 6(2): 54-59.

[12] Liang Bingchen, Fan Fei, Liu Fushun, et al. 22-year wave energy hindcast for the China East Adjacent Seas[J]. Renewable Energy, 2014, 71: 200-207.

[13] Wan Yong, Zhang Jie, Meng Junmin, et al. A wave energy resource assessment in the China’s seas based on multi-satellite merged radar altimeter data[J]. Acta Oceanol Sin, 2015, 34(3): 115-124.

[14] Zheng Chongwei, Li Chongyin. Variation of the wave energy and significant wave height in the China Sea and adjacent waters[J]. Renewable and Sustainable Energy Reviews, 2015, 43: 381-387.

[15] 梅婵娟, 赵栋梁, 史剑. 两种海浪模式对中国黄海海域浪高模拟能力的比较[J]. 海洋预报, 2008, 25(2): 92-98. Mei Chanjuan, Zhao Dongliang, Shi Jian. The analysis of Yellow Sea wave with WAVEWATCH and SWAN models[J]. Marine Forecasts, 2008, 25(2): 92-98.

[16] 李燕, 薄兆海. SWAN模式对黄渤海海域浪高的模拟能力试验[J]. 海洋预报, 2005, 22(3): 75-82. Li Yan, Bo Zhaohai. The simulation test of SWAN model in the wave height in the Huang-Bo sea areas[J]. Marine Forecasts, 2005, 22(3): 75-82.

[17] 李燕. 第三代浅水波浪数值预报模式及其在黄渤海域的应用[J]. 气象科学, 2006, 26(3): 265-271. Li Yan. The SWAN model and its application in Huang Hai and Bo Hai[J]. Scientia Meteorologica Sinica, 2006, 26(3): 265-271.

[18] 史剑, 王璞, 钟中, 等. 两种网格下的SWAN模式对黄渤海海浪模拟比较[J]. 海洋预报, 2011, 28(4): 48-57. Shi Jian, Wang Pu, Zhong Zhong, et al. Comparison of ocean wave simulation with SWAN model using two kinds of computational grid in the Bohai Sea and the Yellow Sea[J]. Marine Forecasts, 2011, 28(4): 48-57.

[19] 蒋廷松, 任建莉, 沈彩琴. SWAN模式对陆架浅水区有效波高的模拟研究及改进[J]. 海洋预报, 2014, 31(4): 9-17. Jiang Tingsong, Ren Jianli, Shen Caiqin. Simulation of significant wave height in the shallow shelf area by SWAN model and its improvement[J]. Marine Forecasts, 2014, 31(4): 9-17.

[20] 李永博, 吴克俭, 毕凡, 等. 基于SWAN模式的成山头海域波浪能资源评估[J]. 海洋湖沼通报, 2013, 3: 1-9. Li Yongbo, Wu Kejian, Bi Fan. Wave energy resources assessment in the Chengshan Cape sea during the last 20 years by using SWAN wave model[J]. Transactions of Oceanology and Limnology, 013, 3: 1-9.

[21] 李训强, 郑崇伟, 苏勤, 等. 1988～2009年中国海波候、风候统计分析[J]. 中国海洋大学学报, 2012, 42: 1-9. Li Xunqiang, Zheng Chongwei, Su Qin, et al. Wave climate and wind climate analysis in the China Sea from 1988 to 2009[J]. Periodical of Ocean University of China, 2012, 42: 1-9.

[22] 陈红霞, 华锋, 袁业立. 中国近海及邻近海域海浪的季节特征及其时间变化[J]. 海洋科学进展, 2006, 24(4): 407-415. Chen Hongxia, Hua Feng, Yuan Yeli. Seasonal characteristics and temporal variations of ocean wave in the Chinese offshore waters and adjacent sea areas[J]. Advances in Marine Science, 2006, 24(4): 407-415.

[23] 郑崇伟, 刘铁军, 钱粤海. 中国海海表风场、海浪场与El Niño的相关性分析[J]. 云南大学学报, 2014, 36(2): 214-223. Zheng Chongwei, Liu Tiejun, Qian Yuehai. The relationship between sea surface wind field, wave field and El Nino in the China sea[J]. Journal of Yunnan University, 2014, 36(2): 214-223.

[24] Zheng Chongwei, Pan Jing, Tan Yanke, et al. The seasonal variations in the significant wave height and sea surface wind speed of the China’s seas[J]. Acta Oceanol Sin, 2015, 34(9): 58-64.

[25] Booij N, Ris R, Holthuijsen L. A third-generation wave model for coastal regions. Part I, Model description and validation[J]. J Geophys Res, 1999, 104: 7649-7666.

[26] 江丽芳, 张志旭, 齐义泉, 等. WAVEWATCH III和SWAN模式在南海北部海域海浪模拟结果的对比分析[J]. 热带海洋学报, 2011, 30(5): 27-37. Jiang Lifang, Zhang Zhixu, Qi Yiquan, et al. Simulation of the northern South China Sea using Wavewatch III and SWAN[J]. Journal of Tropical Oceanography, 2011, 30(5): 27-37.

[27] 宗芳伊, 吴克俭. 基于近20年的SWAN模式海浪模拟结果的南海波浪能分布、变化研究[J]. 海洋湖沼通报, 2014, 3: 1-12. Zong Fangyi, Wu Kejian. Research on distributions and variations of wave energy in South China Sea based on recent 20 years wave simulation results using SWAN wave model[J]. Transaction of Oceanology and Limnology, 2014, 3: 1-12.

[28] Smith W, Sandwell D. Global sea floor topography from satellite altimetry and ship depth soundings[J]. Science, 1997, 277: 1956-1962.

[29] Dee D, Uppala S, Simmons A, et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 2011, 137: 553-597.

[30] 高志刚, 骆敬新, 刘克修, 等. ERA-Interim再分析数据在中国沿海的质量评估[J]. 海洋科学, 2015, 39(5): 92-105. Gao Zhigang, Luo Jingxin, Liu Kexiu, et al. Evaluation of ERA-Interim reanalysis data along coast of China[J]. Marine Sciences, 2015, 39(5): 92-105.

[31] Brown G, Stanley H, Roy N. The wind speed measurement capability of spaceborne radar altimeters[J]. IEEE J Oceanic Eng, 1981, OE-6: 59-63.

[32] Gower J. Intercomparison of wave and wind data from TOPEX/POSEIDON[J]. J Geophys Res, 1996, 101: 3817-3829.

[33] Hwang P, Teague W, Jacobs G, et al. A statistical comparison of wind speed, wave height and wave period derived from satellite altimeters and ocean buoys in the Gulf of Mexico region[J]. J Geophys Res, 1998, 103: 10451-10468.

[34] Hwang P, Bratos S, Teague W, et al. Winds and waves in the Yellow and East China Seas: A comparison of spaceborne altimeter measurements and model results[J]. J Oceanogr, 1999, 55: 307-325.

[35] 杨乐. 卫星雷达高度计在中国近海及高海况下遥感反演算法研究[D]. 南京: 南京理工大学, 2009. Yang Le. Study on satellite radar altimeter retrieval algorithms over coastal seas and under high sea state events[D]. Nanjing: Nanjing University of Science and Technology, 2009.

[36] 蒋小平, 钟中, 张金善, 等. 台风浪模拟预报中的风场比较研究[J]. 海洋通报, 2007, 26(2): 11-19. Jiang Xiaoping, Zhong Zhong, Zhang Jinshan, et al. Comparison study on the surface wind over ocean in Typhoon waves simulation[J]. Marine Science Bulletin, 2007, 26(2): 11-19.

[37] Hwang P. Altimeter measurements of wind and wave modulation by the Kuroshio in the Yellow and East China Seas[J]. J Oceanogr, 2005, 61: 987-993.

Received: Jul. 4, 2016

Numerical study of wave height seasonality in the Yellow Sea

CHEN Guo-guang1, ZHAI Fang-guo2, LI Pei-liang2, LIU Xiao3
1. North China Sea Environmental Monitoring Center, State Oceanic Administration, Qingdao 266033, China; 2. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China; 3. College of Resource and Environmental Engineering, Shandong University of Technology, Zibo 255049, China)

the Yellow Sea; significant wave height; seasonal variability

In this study, using the third-generation Simulating WAves Nearshore (SWAN) ocean-wave model, we investigate the seasonality of the significant wave height (SWH) of ocean surface waves in the Yellow Sea (YS) and the associated physical processes. The results show that in most areas of the YS, generally, mixed-wave SWHs are at their maxima in winter and minima in summer. However, in the northern part of the YS and the offshore area south of the Shandong Peninsula, mixed-wave SWHs show slightly different seasonal variations, with their maxima appearing in spring. In the four annual seasons, mixed-wave SWHs basically show the same spatial distributions; i.e., the values are the largest southwest of the Jizhou Island and then decrease both northward and shoreward. The ocean waves in the YS are dominated by wind-sea. The swell height is much smaller than the wind-sea height. In most regions of the YS, whitecapping and four-wave nonlinear interactions decisively affect the seasonal variations in the mixed-wave height. In deep water, four-wave nonlinear interaction is more important than whitecapping, whereas in shallow water, whitecapping is more important. In this study, we examine the characteristics and physical processes of seasonal wave-height variations in the YS, which will further advance our understanding of wave-height variations in other time scales and will be useful in evaluating the temporal variations of wave energy on various time scales.

P731.27

A

1000-3096(2016)11-0155-14

10.11759/hykx20160704004

(本文编辑: 刘珊珊 李晓燕)

2016-07-04;

2016-08-23

山东省自然科学基金(ZR2015DQ006, ZR2014DQ005); 国家自然科学基金青年基金(41506008); 中国博士后科学基金(2015M570609)

[Foundation: Shandong Provincial Natural Science Foundation, No. ZR2015DQ006, No. ZR2014DQ005; National Natural Science Foundation of China, No. 41506008; China Postdoctoral Science Foundation, No. 2015M570609]

陈国光(1965-), 男, 山东潍坊人, 研究员, 学士, 主要从事物理海洋学研究, 电话: 0532-58761058, E-mail: 13808960499@ 163.com; 翟方国, 通信作者, 副教授, 主要从事物理海洋学方面的教学和研究, 电话: 15275209482, E-mail: gfzhai@ouc.edu.cn