基于随机事件集的风暴潮重现期计算的合理性研究

李旋，龚茂珣，亢兴，陈昞睿

（1.上海海洋大学海洋科学学院，上海201306；2.国家海洋局东海信息中心，上海200137；3.国家海洋局东海预报中心，上海200081）

基于随机事件集的风暴潮重现期计算的合理性研究

李旋1，3，龚茂珣2，亢兴3，陈昞睿3

（1.上海海洋大学海洋科学学院，上海201306；2.国家海洋局东海信息中心，上海200137；3.国家海洋局东海预报中心，上海200081）

为了研究随机事件集实际应用于计算南通如东岸段风暴增水的合理性问题，基于ADCIRC模型模拟影响南通如东岸段基于随机事件集的风暴增水，然后利用P-Ⅲ型曲线对年增水极值进行拟合，得到各典型重现期下的增水值，并与由28年历史资料拟合得到的各重现期下增水值进行对比。结果表明，在历史资料长度所及的28年以及以下重现期，基于随机事件集模拟得到的重现期增水值与基于历史实测资料的比较符合，说明随机事件集的结果在低重现期情况下结果良好。对于高重现期增水值，基于随机事件集的拟合结果显著大于基于历史资料的拟合结果。由于历史资料时间太短，不足以发生非常极端的风暴潮事件，故对高重现期的拟合结果难以保证可信度，所以不能排除随机事件集拟合结果的合理性。随机事件集在南通如东岸段对低重现期增水估计准确，同时也能较充分地估计高重现期增水，在目前缺乏百年千年时间尺度的实测资料的情况下，不失为一种良好的风暴增水重现期计算工具。在全球变暖情况下，超强台风出现几率大大增加，典型重现期增水值也会相应提高，为了预防风暴灾害的侵袭，需要加深加固海堤、江堤等海岸工程。

随机事件集；重现期；合理性

热带气旋是发生在热带海洋上的一种具有暖中心结构的强烈气旋性涡旋，总是伴有狂风暴雨，常给受影响地区造成严重的灾害（冯士筰，1982）。一般情况下，根据热带气旋中心附近最大平均风力将热带气旋分为五级，分别为热带风暴、强热带风暴、台风、强台风和超强台风。它是一种破坏力很强的灾害性天气系统，致灾因子有大风、暴雨、风暴潮及海浪等，且容易引发洪水、滑坡、泥石流等次生灾害（方伟华等，2012）。

风暴潮灾害是我国面临的主要海洋灾害之一，几乎遍及中国沿海（张旸，2016）。登陆我国的台风和强温带天气过程往往造成风暴潮灾害，其成灾频率高、致灾强度大，造成的人员和经济损失惨重，目前已列入我国的巨灾种类。

开展风暴潮灾害风险评估，完成风险区划，既能增强国家和地方政府风暴潮灾害的防御能力，又可以有效的降低风暴潮灾害风险，减少灾害造成的人员伤亡和财产损失，为沿海地区经济发展布局等提供科学依据。但是由于目前全球对于历史台风的信息记录时间序列仅为数十年，并且对于百年一遇或者千年一遇历史台风的记录很少或者信息缺失严重，这就导致在应用于实际的灾害风险评估时会出现样本不足的问题。

为了解决历史样本不足的问题，研究学者提出了一套热带气旋路径及强度随机模拟体系，该模拟体系主要是基于起点模型、行进模型、终点模型、洋面强度模型以及陆地衰减模型，模拟符合历史规律的大量台风路径样本，形成热带气旋随机事件集（方伟华等，2012）。与确定性的热带气旋预报模型不同的是，随机模拟模型不是着眼于对于未来某次台风的预报，它主要是基于历史台风路径和强度等特征基础上进行统计分析从而模拟出可能符合未来热带气旋的大样本事件。我国在热带气旋路径和强度随机模拟领域系统研究相对不多，尽管我国在台风预报预警领域从动力学角度进行了非常多的研究，但是对于整个西北太平洋的热带气旋生成、形成路径、行进方向、登陆及强度衰减进行系统随机模拟的研究还比较少（方伟华等，2013）。

本文主要是从热带气旋随机事件集中挑选出影响南通如东岸段的热带气旋，并用ADCIRC模式进行增水模拟，求得典型重现期（2年、5年、10年、20年、50年、100年、200年、500年、1000年）的增水值，并与由历史台风的风暴增水模拟求得的典型重现期增水值比较，讨论典型重新期增水值的差异，探讨随机事件集在南通如东岸段实际应用的合理性。同时考虑到全球气候变暖，讨论了重现期可能发生的变化，并对可能导致的海洋灾害，提出了一些预防措施。

1 计算模型

ADCIRC（Parallel Advanced Circulation Model for Oceanic，Coastal and Estuarine Waters）是由北卡罗来纳大学的R.A.Luettich博士和圣母大学的J. J.Westerink博士联合研发的水动力数值模式。它基于有限元方法，采用可任意局部灵活加密的无结构网格，可对二维和三维的自由海表面流动和物质输运问题求解，模拟海洋、近岸与河口的水位、流场等（罗锋等，2014）。

1.1 控制方程

在球坐标系下，ADCIRC二维模型通过基于垂直平均的原始连续方程和海水动量方程来求解自由表面起伏，二维流速等三个变量。球坐标系下海水连续方程和动量方程为：

式中，t为时间；λ、φ为经度和纬度；H为海水水柱的总水深；ζ为从静止的平均海平面起算自由表面高度；U、V为深度平均的海水水平流速；f为科氏参数，Ω为地球的自转角速度；ρ0为海水密度，文中默认为1 025 kg/m3；PS为海水自由表面的大气压强；R为地球的半径，取6 378 135 m；η为牛顿引潮势；Dλ，Dφ为经纬度方向上的扩散项；τsλ，τsφ分别为经纬度方向上的海表面应力；τbλ，τbφ分别为经纬度方向上的海底摩擦。

1.2 模型设置

模型启动时，初始水位场和流场均为0，即ζ、u、v均为0。对于陆地、岛屿等路边界，在边界上满足不可入射条件，即取法向流速为0，即Vn为0；外海水位开边界考虑了9个主要分潮（M2、S2、N2、K2、K1、O1、P1、Q1、2N2）。模式时间步长设为1 s。考虑网格干湿变化。每30 min输出1次水位场以获取最大潮位和最大增水数据。底摩擦通过二次拖曳系数Cd进行设置，对于不同海域，模式中通过率定Cd取不同的值，海域的取值范0.001 0～0.001 8之间。

1.3 模型范围

计算网格在115°-134°E，16°-41°N范围内，包括了整个东中国海，网格在长江上游延伸至大通站。外海网格较大，苏北浅滩辐射沙洲区域，由于潮沟众多，为刻划局部精细流场，网格作了进一步加密，该局部网格分辨率平均约为100 m。该套高分辨率非结构网格的计算区域包括65 747个三角形，共计129 223个节点。

1.4 风场模型

本文采用藤田-高桥嵌套台风模型，即根据2倍最大风速半径距离内外分别采用藤田气压模型（4）和高桥气压模型（5）对同一区域的台风气压场进行模拟，继而利用梯度风公式（6）求出环流风场并叠加Ueno Takeo（7）移行风场。

式中：P0表示台风中心气压，P∞表示台风外围气压，r为目标点到台风中心的距离，R0为最大风速半径。

其中VS为距离台风中心r处的梯度风速，ρ为空气密度，取值为1.292 9×10-3g/m3，其中Vdx，Vdy是台风中心移动速度在x（正东）和y（正北）方向上的两个分量。

2 模型验证

2.1 天文潮验证

天文潮校验计算的时间段为2005年5月1日到2005年5月16日，模式提前2天起算。这段时间没有显著的天气过程影响南通沿海。图1中（a）、（b）分别是吕四站和连云港站实测资料与模式计算结果对比图。由两图可知，模拟计算结果与实测结果基本相符。

图1 模型分别在吕四站（a）和连云港站（b）天文潮验证

2.2 风暴潮水位与增水验证

风暴潮水位和增水验证均选取1109号台风“梅花”影响江苏沿海期间吕四站实测资料与模式计算结果的对比。

对5次历史台风进行增水模拟并与历史实测资料对比，由表1可知，吕四站最大增水的最高相对误差为30.4%，最低相对误差为4.8%，最大潮位的最高相对误差为16.1%，最低相对误差为1.2%。连云港站最大增水的最高相对误差为27.5%，最低相对误差为4.8%，最大潮位的最高相对误差为5.4%，最低相对误差为4.8%。

表1 增水潮位极值模拟结果与实测比较

图2 模型吕四站水位（a）和增水（b）验证

由图2可知在1109号台风过程前期，模型模拟的水位、增水与实际水位、实际增水十分吻合，最大增水时刻和最大增水均十分接近实际情况；出现最大增水之后，增水的模拟精度降低，模型中没有考虑台风期间大浪破碎对于增水的影响，从而影响模拟精度。但是总体上，模型结果是准确可靠的，可用于下一步的增水特征分析。

3 典型重现期计算与分析

3.1 数据介绍

全球各地的热带气旋记录时间序列短，在进行热带气旋灾害风险评估时经常面临样本不足的问题，尤其是超强台风及巨灾记录历史样本更加少。为了解决这个问题，研究学者基于有限的热带气旋历史观测资料样本，运用随机模拟的方法，生成了大量随机热带气旋事件，大量随机样本的集合即为随机事件集。与确定性的热带气旋预报模型不同的是，随机模拟模型不在着眼于单场热带气旋的预报，而是基于热带气旋样本规律统计上的集合预报（方伟华等，2012）。

本文中所用随机事件集共有4 004个热带气旋样本，时间序列是从1-1000年。为了研究影响如东岸段下的风暴增水，以如东岸段中点为原点，400 km为半径做圆，共筛选出2 272个影响如东岸段的热带气旋样本。而根据上海台风研究所发布的台风路径资料，1960-2013年间影响南通如东岸段的历史台风共有69个。

由表2可知，历史台风中的热带风暴和强热带风暴所占比重均高于随机事件集中的热带风暴和强热带风暴所占比重，而随机事件集中的台风和强台风所占比重均高于历史台风中的台风和强台风所占比重。历史台风中无超强台风统计，随机事件集中超强台风占个数总数的5%。

表2 影响如东岸段热带气旋等级及个数统计

3.2 随机事件集有效性评估

图3 影响如东岸的历史台风（a）和随机事件集中的热带气旋（b）路径分布

本文根据1979年Schwerdt开展的西太平洋台风最大风速半径航空探测所获取的173个历史台风资料以及美国联合警报中心（JointTyphoonWarning Center，JTWC）所整编的2001-2013年历史台风资料，提取最大风速半径、中心气压、近中心最大风速3组数据。同时从影响如东岸段的2 272个热带气旋样本中也提取最大风速半径、中心气压、近中心最大风速3组数据。

由图4可知，历史台风中最大风速半径越大，中心气压也会上升，具有较弱正相关关系，最大风速半径会下降，具有较弱负相关关系。热带气旋随机事件集最大风速半径越大与中心气压以及最大风速呈指数函数关系。最大风速半径越大，中心气压也越大，具有强正相关关系，最大风速也越低，具有强负相关关系。

随机事件集中影响如东岸段的热带气旋最大风速为7~63 m/s，中心气压为910~1 010 hPa，最大风速半径为27~180 km。西太平洋的热带气旋实况记录热带气旋最大风速为7~75 m/s，中心气压为875~1 010 hPa，最大风速半径为7~92 km。随机事件集中的热带气旋强度与实况基本相一致。

图4 历史台风和随机事件集中的热带气旋各参数之间关系

热带气旋随机事件集中当中心气压在910~ 1 000 hPa之间时，最大风速半径在27~80 km之间，位于历史实况最大风速半径的取值范围内。如当随机事件集中热带气旋中心气压为920 hPa时，所对应的最大风速半径为30 km，而在实况数据中，中心气压为920 hPa时，风速半径在7~45 km之间；当随机事件集中风速为30 m/s时，所对应的最大风速半径为57 km，而在实况数据中，最大风速半径在7~78 km之间。

综上所述，随机事件集中所构建的热带气旋与历史台风的强度特征要素基本保持一致，因此构建比较合理，可用随机事件集进行下一步的研究工作。

3.3 案列挑选

为研究南通市风暴潮灾害的影响，采用经过校验的ADCIRC风暴潮模式分别对随机事件集中的热带气旋进行模拟，获取增水极值，进行重现期分析。

从随机事件集中选取第901年到第1000年这100年影响如东岸段热带气旋样本，进行风暴模拟。其中第954年、第965年、第986年、第990年无热带气旋影响如东岸段，故实际最终得出了96年的年增水极值。由于选取时间范围较大，缺少数据的年份为4年，因此对于最终得到的重现期结果影响不大。

实测数据选取吕四站1984-2014年年增水极值资料，由于吕四站缺少1996-1998年的三年数据资料，故只用剩余28年增水极值年资料做重现期分析。

3.4 吕四站与特征点典型重现期分析

3.4.1 吕四站典型重现期分析

吕四站是南通沿海唯一具有较长序列实测数据的代表性潮位站，其年极值变化规律在南通沿海具有代表性（王华等，2007）。利用ADCIRC模式对热带气旋随机事件集和实测历史数据进行模拟时，模型并不叠加天文潮以及背景风场。然后采用P-Ⅲ型曲线分别对随机事件集中的96年年增水极值和历史台风的28年年增水极值进行拟合，得到典型重现期下的增水值。

表3 吕四站各重现期风暴增水值

当重现期为2、5年时随机事件集模拟的增水值均小于历史台风模拟的增水值，重现期高于10年的情形下，随机事件集模拟的增水值均大于历史台风模拟的增水值。

当重现期为2、5、10年时，随机事件集模拟的增水值和历史台风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，为2 cm。

当重现期高于50年时，绝对误差均超过1 m，相对误差也都达到50%以上，且典型重现期越大，绝对误差和相对误差也随之越大。

3.4.2 典型重现期分析

随机事件集中台风、强台风和超强台风比例要远高于历史情况下台风、强台风的比例，况且历史台风统计中没有超强台风，因此当重现期为百年一遇甚至是千年一遇时，那么随机事件集中模拟出的典型重现期增水值肯定要大于历史台风模拟的典型重现期增水值，因此会出现重现期越高，两者典型重现期的增水差值也越大的情况。

由于随机事件集热带气旋在进行风暴增水模拟时没有考虑天文潮、背景风场的影响，因此模拟出的年增水极值偏低，典型重现期的增水值也要相应的偏低。如果在模拟随机事件集中热带气旋时耦合天文潮以及叠加多年平均背景风场，那么模拟出的每年增水值会有一定幅度的提高，典型重现期增水值也随之相应提高，那么除了重现期为2年的情形外，其他重现期的增水值均会增大。2、5年一遇的重现期增水值依然会比较接近实测拟合的重现期增水值。

3.4.3 全球变暖背景下重现期变化

在1-1000年时间序列下，随机事件集中影响如东岸段的超强台风共有109个。通过对109个台风进行增水极值模拟，增水极值最大值为3.41 m，最小值为0.09 m。由于部分超强台风到达如东岸段时，已减弱成热带风暴级别，甚至已经消散，因此导致吕四站增水比较低。

对增水极值统计发现有6个超强台风的增水极值超过3.00 m，44个超强台风的增水极值低于1.00 m。如表4所示。

考虑到近年来随着全球气候变暖，极端性天气事件增多，超强台风出现的几率也极大的增加（端义宏等，2005）。如果超强台风前进至如东岸段强度依然很大，这样势必会引起如东岸段沿海相当大的增水，那么各典型重现期增水值也会相应提高。为了预防风暴灾害的侵袭，需要加深加固海堤、江堤等海岸工程。

图5 109个超强台风增水极值统计

表4 吕四站增水情况统计

4 结语与展望

（1）通过对随机事件集和历史台风典型重现期增水值比较发现当重现期为2、5、10年时，随机事件集中拟合得到的重现期增水值与历史台风拟合得到的重现期增水值误差在50 cm之内，当重现期为百年一遇甚至是千年一遇时，由随机事件集拟合得到的典型重现期增水值要远大于由历史资料拟合得到的典型重现期增水值。

（2）由于所用历史资料年限较短，因此还不能认为由随机事件集拟合得到的高重现期结果就不具备合理性。在南通如东岸段随机事件集对低重现期增水估计准确，同时也能较充分地估计高重现期增水，在目前缺乏长时间尺度资料的情况下，利用随机事件集计算风暴增水的低重现期结果可作为实际应用，而高重现期结果可作为参考使用。因此在南通如东岸段利用随机事件集方法计算风暴增水重现期是合理的，具有可行性。

（3）考虑到在全球变暖背景影响下，如东岸段出现超强台风的可能性增加，这样如东岸段典型重现期增水值也会相应提高。为了预防风暴灾害的侵袭，保障当地生命财产安全，政府本门需要加深加固南通沿海岸段海底防护工程。

致谢：国家海洋局海洋减灾中心提供了随机事件集，国家海洋局东海预报中心肖文军也为论文写作提供了宝贵意见，在此一并致谢。

端义宏，朱建荣，秦曾灏，等，2005.一个高分辨的长江口台风风暴潮数值预报模式及其应用.海洋学报，27（3）：11-19

方伟华，林伟，2013.面向灾害风险评估的台风风场模型研究综述.地球科学进展，32（6）：852-867

方伟华，石先武，2012.面向灾害风险评估的热带气旋路径及强度随机模拟综述.地球科学进展，27（8）：866-875

冯士筰，1982.风暴潮导论.北京：科学出版社

罗峰，盛建明，潘锡山，等，2014.江苏沿海精细化风暴潮模式研究与应用.南京大学学报(自然科学)，50（5）：687-694

王华，姚圣康，龚茂珣，等，2007.江苏省洋口港风暴潮数据分析.海洋通报，26（3）：26-32

张旸，陈沈良，谷国传，2016.历史时期苏北平原潮灾的时空分布格局.海洋通报，35（1）：30-37

（本文编辑：袁泽轶）

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

中国海洋业务化风暴潮数值预报系统关键技术研究与应用（2016YFC1401503）

李旋（1989-），硕士研究生，主要从事风暴潮数值预报研究。电子邮箱：lixuan_99@126.com。

亢兴，工程师。电子邮箱：seventwo_917@163.com。