粤港澳大湾区台风危险性分析

陈 煜，杨 剑，段忠东，吴甜甜，欧进萍

（1.哈尔滨工业大学（深圳）土木与环境工程学院，广东 深圳 518055；2.深圳市土木工程智能结构系统重点实验室，广东 深圳 518055）

引言

西北太平洋是世界上热带气旋发生次数最频繁、强度最大的区域，每年生成的台风总数一般超过20个，个别年份甚至高达40个［1］。中国处于西北太平洋的西岸，是世界上受台风影响最为严重的国家之一。粤港澳大湾区位于中国华南地区，由香港、澳门两个特别行政区和广东省广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆等九个珠三角城市组成，总面积5.6 万km2。大湾区作为中国经济最为发达、人口最稠密的沿海地区，同时也是受台风影响最为严重的地区之一，平均每年大约有2～3 次台风登陆，台风引起的强风、暴雨、风暴潮和洪涝等灾害会对台风途经的地区造成严重的损失，其中仅2013～2015 年造成的直接经济损失就超过150 亿元［2］。因此，大湾区的抗风设计、区域防灾规划、保险及再保险业都需要对台风风险进行量化评估。由于台风的发生、移动和强度具有随机性，大湾区内部的某一局部区域遭遇台风却是小概率事件，而且人类科学观测台风的历史也较短，仅通过有限的历史观测资料来进行台风危险性分析具有较大的局限性，特别是对长重现期的极值风速无法获得可靠的估计。

工程抗风设计和台风巨灾风险分析往往需要足够时间长度的台风样本来估算台风危险性。然而复杂的台风气象数值模拟以其高昂的计算成本和耗时限制了我们在短时间内模拟大量台风样本的能力，所以工程界利用台风参数化数值模型，结合历史台风观测资料的统计建模，模拟大量反映台风统计规律的台风事件，并据此进行台风危险性分析已成为国际上展开此类研究普遍接受的方法［3-23］。传统的台风事件模拟方法主要包括：分区圆法［5-10］和全路径法［11-23］。分区圆法是以目标点为中心，向外扩展成一个半径为200～300 km 的圆形局部区域，然后从经过该圆形区域的历史台风样本中提取移动和强度参数的概率分布，采用Monte Carlo 方法随机模拟该区域的台风事件。这种方法适用于台风样本充足的局部小区域，但对于多城市的大区域以及长距离分布的基础设施，如铁路、公路和电网系统等并不适用。为了克服上述缺点，全路径法将台风活动分为：生成、移动、强度等部分，然后分段模拟，最后组合成完整的台风事件。这种方法可以模拟台风从生成到消亡的路径和强度，从而对大范围区域进行台风危险性评估。

具体来说，首先对台风生成位置进行模拟，主要方法包括：直接抽样法和估算概率模拟法。直接抽样法［11］是仅从历史生成位置样本中随机抽样，这会导致初始模拟位置分布范围非常有限。估算概率模拟法首先估算台风生成位置的概率，然后通过Monte Carlo 随机模拟生成位置，可覆盖整个海洋区域。Rumpf等［13-14］、Emanuel 等［15］、Hall 和Jewson［16］使用历史生成点，通过高斯核密度函数估算海洋中每个位置的生成概率。Emanuel［24］、Tippet和Camargo［25］、Lee 等［26-27］、Chen 和Duan［28］通过建立台风生成位置与海气环境参数之间的关系，将全球气候模式模拟的海气环境参数输入到该关系中以模拟台风的生成位置，这种方法可应用于气候变化对台风活动的影响研究中。其次是对台风移动路径的模拟，一种方法是通过历史台风的移动速度和方向来模拟台风的路径［11，13，16-17，20］。另一种方法是建立台风移动与环境气流和β 漂移项之间的关系［15，27-28］。由于环境气流可以很容易地从再分析数据中获得，所以这种方法更适用于历史台风数据不足的地区。对于台风强度的模拟也有2 种方法：统计方法和物理方法。前者是基于历史台风强度样本的统计强度模型，如自回归模型［11，17，20］、马尔科夫模型［14］等；后者是基于台风物理机制的简化数值强度模型［15，29］，不过计算耗时也相对较大。

将模拟的台风事件参数输入到台风风场模型可以获得台风影响区域各位置的风速。工程上为了快速地计算台风风场，一般采用参数化的边界层动力学台风风场模型［7，30-34］。参数化风场模型最早由Chow［35］提出，它是由一组流体动量方程构成的均匀厚度的水平二维大气边界层模型。该模型随后被进一步修正和改进并用于评估台风危险性［17，32］。这类二维风场模型只能模拟边界层内沿高度平均的风速，然后通过经验的风速折减关系得到边界层内的风速垂直结构，该方法不能完全反映台风风场在空间分布上的特性。为了更加精细地模拟台风风场结构，Meng等［31］、Kepert［33-34］通过对边界层内N-S方程的离散简化，建立了沿高度解析的三维参数化风场模型，不过他们忽略了台风的垂直平流和垂直扩散过程，这将导致边界层内台风风场的超梯度现象比观测结果弱。事实上，台风登陆后由于陆地表面呈现出非均匀性，会导致地表粗糙度和局地地形发生剧烈变化，这会对台风边界层的垂直运动产生影响，进而影响风场结构和风速计算的准确性。

总的来说，全路径合成台风模型可以模拟台风从生成到消亡的路径和强度，与台风风场模型相结合便可在大区域上进行台风危险性评估，从而量化粤港澳大湾区不同城市的台风危险性。在文中，我们将基于统计动力学全路径随机合成台风方法，模拟台风事件的发生、路径、强度。与Chen 和Duan［28］建立的全路径模型相比，文中的全路径合成台风模型在建模数据、生成、路径和强度的模拟等方面均有所改进。此外，本文采用Yang 等［36］开发的三维数值风场模型模拟台风过境期间大湾区各地区的风速。与Meng 等［31］、Kepert［33-34］的三维风场模型相比，Yang等［36］三维数值风场模型考虑了垂直平流和垂直扩散过程对风场的影响，从而可以更好地模拟风场的空间结构。另外，本文将从防灾减灾的角度对模拟的台风事件集进行综合检验，包括大湾区登陆台风的强度、频率、风场，验证模型对大湾区历史台风统计特性的模拟能力。最后通过改进的全路径合成台风模型生成万年台风事件集，与三维数值风场模型相结合模拟大湾区的年最大风速，并分析大湾区内各个区域的台风危险性。除非特别说明，文中的台风和热带气旋不进行区别。

1 建模数据

台风危险性建模和分析所需的数据包括台风最佳路径数据集、全球环境再分析数据、全球陆地高程数据、全球土地覆盖数据等。粤港澳大湾区位于西北太平洋的西岸，大湾区遭受到的台风全部都来自西北太平洋（包含南海）。常用的西北太平洋台风最佳路径数据集分别来自中国气象局上海台风研究所（CMA）［37］、日本气象厅（JMA）和美国联合台风预警中心（JTWC）。由于判别台风事件的方法和标准不同，这3个机构的最佳路径数据集在台风数量、强度等参数的记录上均存在差异。对于登陆中国的台风，CMA 的记录相较于其他2个最佳路径数据集更可靠。CMA 最佳路径数据记录了1949-2019年所有台风每6 h的中心位置和强度。由于1980 年以后卫星观测成为台风的主流观测手段，所以1980 年之后的数据质量相较于之前的数据更可靠，所以本文使用CMA最佳路径数据集（1980-2019）作为建模初始数据，最佳路径数据集的详细描述如表1所示。

表1 CMA最佳路径数据集说明Table 1 The best track data of CMA

全球环境参数数据来自美国国家环境预测中心（NCEP）/国家大气研究中心（NCAR）全球再分析数据［38］和COBE-SST 数据［39］，包含1980-2019 年每6 h 的大气环境风速度、月平均大气环境温度、月平均大气比湿和月平均海洋表面温度等，如表2所示。NCEP/NCAR全球再分析数据的大气环境风速和温度包含了从1 000 hPa至10 hPa，共17个气压层的数据，比湿只有底部的8个气压层数据。由于台风中心的位置不一定会落在再分析数据的网格点上，所以在模拟中我们将再分析数据的环境参数线性插值到台风中心的位置和时间上。

表2 全球环境再分析数据Table 2 The global environmental reanalysis data

为了考虑地形对台风风场的抬升和沉降作用，本研究使用全球大洋地势图GEBCO（General Bathymetric Chart of the Oceans，水平空间分辨率为15 km×15 km）和土地覆盖数据ESA-CCI（European Space Agency-Climate Change Initiative，水平空间分辨率为300 m×300 m），建立粤港澳大湾区的地形和地表粗糙长度空间分布。由于地面覆盖物（植被、森林等）在不同季节的变化会导致地表粗糙长度发生变化，考虑到影响大湾区的台风多发生在夏季，文中利用表3中ESA-CCI 提供的土地覆盖类型与地表粗糙长度对应关系确定大湾区土地粗糙长度的空间分布［36］。此外，考虑到ESA-CCI 土地覆盖数据分辨率较高且风速易受周围场地的影响，为了与文中所用的三维数值台风模型匹配（风场模型分辨率为km量级），本研究将ESA-CCI地表粗糙长度按照1.2 km×1.2 km的窗宽进行平滑。

表3 土地覆盖类型与地表粗糙长度关系Table 3 Relationship between land cover type and surface roughness length

2 台风危险性分析模型

台风危险性模型包括全路径随机合成台风模型和台风风场模型，其中全路径随机合成台风模型可细分为生成模型、移动模型、强度模型3 个部分。首先，我们对西北太平洋的统计动力学全路径合成台风模型［28］进行改进和验证；然后利用该模型生成西北太平洋区域的万年事件集，台风事件集参数包括模拟生成的台风每6 h 的时间、路径、强度等参数。然后筛选出万年事件集中影响粤港澳大湾区的台风事件，将模拟的台风事件参数输入台风三维数值风场模型，估算大湾区内各地区的台风风速。

2.1 生成模型

本研究通过建立生成模型模拟台风的年生成数量、生成的位置以及时间。通过对历史台风的年发生数量进行K-S 检验，我们发现在5%的显著性水平下，台风的年生成个数服从泊松分布。于是，不同于Chen 和Duan 模型［28］中所使用的核密度方法，这里我们直接简单地假设西北太平洋的台风年发生数分布为泊松分布，如式（1）所示：

式中，k是年生成个数；λ是年平均生成个数，通过历史最佳路径数据集确定。本研究根据上述估算的年生成数概率分布，通过Monte Carlo法随机抽样台风的年生成个数。

对于台风初始生成的位置和时间，我们首先将台风首次达到15 m/s时的位置作为台风的初始位置，采用高斯核密度法估算台风初始生成位置的三维（台风中心位置的经度、纬度、时间）时空概率密度分布，其概率密度估算如下式所示：

式中，x是生成位置向量；xi是生成位置的历史样本向量；n是样本大小；S是生成位置的标准差矩阵；σxx、σyy、σzz分别为经度、纬度、时间的方差；γ1、γ2、γ3是标准化后的3个变量之间相关系数的特征向量；wi是生成概率密度的权重；λ1、λ2、λ3分别为特征值；hotp1、hotp2、hotp3是最佳带宽，通过有偏交叉验证方法确定［41］。同样地，本研究根据估算的生成位置的概率密度分布，通过Monte Carlo法随机抽样西北太平洋海域的台风生成位置。

2.2 移动模型

台风的移动路径主要受大尺度环境气流和β漂流控制。于是，本研究将台风移动速度分解为大尺度环境气流引起的引导速度分量和台风与环境大气相互作用的β漂流分量，建立台风移动速度与引导速度和β漂流之间的关系。引导气流速度通过NCEP/NCAR 再分析数据的每6小时大气环境风速进行估算。另外，为了进一步在模拟移动速度中考虑其随机变化，这里β漂流采用带有随机噪声的自回归模型进行建模，而不是像Chen和Duan模型［28］那样采用区域平均值，后者会导致更平滑的模拟结果。具体的移动速度方程如式（3）所示：

式中，Ui和Vi分别是当前时刻的纬向和经向移动速度；i和i-1 分别表示当前和上一个6 h 的时刻；Usteer，i和Vsteer，i是当前时刻引导气流的纬向和经向速度，定义为250 至850 hPa 气压层距台风中心5°环带上的平均风速；γu和γv分别是移动速度的回归系数；βx和βy是纬向和经向的β漂流速度；a0，a1，b0，b1是β漂流的自回归系数；εx和εy分别为纬向和经向随机项。此外，为了消除再分析环境风场数据中的历史气旋对引导气流计算的干扰，本研究采用Kurihara等［42］提出的滤波方法去除涡旋。

2.3 强度模型

强度模型包括海上强度模型和陆地衰减模型两部分。对于海上强度模型，本研究以台风中心10 m高度处的最大风速作为台风强度的度量，建立台风海上自回归强度模型。首先，我们以相对强度对数的6 h变化量作为因变量，自变量包括气候和持久性变量，以及从环境再分析数据中提取的大气和海洋环境参数，如海温、相对湿度、风切变等。与Chen和Duan模型［28］相比，本研究考虑了相对湿度、风切变等对台风强度的影响因素，这些之前模型没有考虑的变量可能会对强度的模拟结果产生较大地影响。此外，这些变量在6 h内的变化也作为待选自变量。通过逐步回归方法，从候选的自变量中选出最佳的自变量以保证回归方程的显著性。海上强度模型如式（4）所示，其中式（4）的第2 个方程估算第2 时刻的强度，式（4）的第1 个方程估算第3及随后时刻的强度。

式中，i+1、i-1、i分别为下一个6 h 时刻、前一个6 h时刻和当前时刻；LR是线性回归算子；RI为相对强度，RI=Vmax/PI，Vmax是最大风速，PI是潜在强度［27］；SST是月平均海洋表面温度；VS是月平均垂直风切变；RH是月平均相对湿度；U，V分别是纬向和经向的移动速度；ε是海洋强度的随机项。

本研究同时使用中心气压差来定义台风的强度，中心气压差将用在登陆台风强度模型和台风风场模型中。我们分别建立海上和陆地的中心压差与最大风速之间的关系，如式（5）所示，其可决系数R2分别为0.97和0.91。

其中，ΔPocean和ΔPland分别是海洋和陆地的中心压差。台风一旦登陆，其水汽热源会被切断，加上地面的摩擦，台风的强度会逐渐减弱。最佳路径数据集中的登陆强度记录表明，登陆强度随时间的衰减变化呈现自然指数递减关系。由于台风登陆后因地形不同导致其衰减速度也会不同，所以我们用大湾区和地形相似的广东省其他区域台风登陆数据来估计登陆衰减系数。于是，本研究基于自然指数函数建立登陆广东省台风的强度衰减模型以估算登陆之后的强度，具体方程如式（6）所示，

式中，ΔP（t）为台风登陆后t时刻的中心压差；ΔP0为台风登陆时的中心压差；a是衰减系数；a0和a1是拟合常数，使用登陆广东省的台风强度进行拟合；ε是正态随机残差项。其他区域使用Chen 和Duan 模型［28］中的k近邻法估算登陆强度。

2.4 台风风场模型

为了估算台风产生的风速，本研究采用Yang等［36］开发的三维数值风场模型来计算台风产生的风速。台风风场中的垂直平流和垂直扩散过程是合理模拟三维风场的基本要素，Yang等［36］开发的三维数值风场模型合理地考虑了垂直平流和垂直扩散过程对风场的影响，从而可以更好地模拟风场的空间结构。台风风场模型的具体介绍参考Yang 等［36］，文中不再赘述。此外，传统的台风风场［30-32］一般是基于下垫面为海洋的台风风场进行开发的，对于我们关心的粤港澳大湾区陆上城市，需要考虑陆地下垫面对登陆台风风场的影响。为了在台风风场模型中引入陆地地形效应，本研究考虑了地形对气流的抬升和沉降作用，地形导致的垂直风速可近似表示为：

式中，V为水平风速矢量；H为地形高度，使用全球数值高程GEBCO 获取。我们将地形产生的垂直风速叠加到风场模型计算的垂直风速上，代入风场模型进行迭代计算，直至收敛。另外，台风风场模型中的摩阻力系数通过考虑地形和土地覆盖类型的粗糙长度进行计算［40］，如下式所示，

式中，z1是距离地面的高度；z0为表面粗糙度长度；κ是卡曼常数，取0.4。我们将全路径合成台风模型生成的台风事件关键参数，包括台风的中心气压差、中心位置、移动速度、移动方向等参数输入到台风三维数值风场模型中，便可估算出台风产生的风速。

3 模型验证

本研究通过改进的全路径合成台风模型生成了万年台风事件集，包含大约300 000 个模拟台风事件。接下来，我们对模拟的万年台风事件集进行综合检验，包括台风的频率、强度、风场结构等，以验证本模型模拟西北太平洋台风事件的能力。本研究分别从西北太平洋海域和登陆大湾区台风2个角度对模拟台风事件集进行验证。首先，我们对比西北太平洋模拟台风与CMA 最佳路径数据集的年发生频率。图1 显示模拟的台风年平均生成数量与历史最佳路径数据集记录均集中在每年24～35个之间。通过对模拟和历史台风的年发生数量进行K-S 检验，结果表明在5%显著性水平下模拟和历史记录的年发生数分布一致。此外，图2还比较了西北太平洋的模拟和历史各月平均生成数量，可以看出模拟结果与历史记录相当吻合，最大偏差出现在8月份，但也不超过2.5%。

图1 西北太平洋的模拟和历史台风年生成个数分布Fig.1 Distribution of simulated and historical annual numbers in the western North Pacific

图2 西北太平洋的模拟和历史台风各月平均生成个数Fig.2 The monthly average number of simulated and historical typhoon in the western North Pacific

本研究进一步将西北太平洋海域划分为2.5°×2.5°的网格，分别统计各个网格内的台风参数，包括年平均通过个数、平均移动速度、平均移动方向（方向以正北为起始，按顺时针为正方向）以及平均最大强度。对比图3（a）与（b）可以发现，西北太平洋的模拟与历史年平均通过个数整体分布一致，二者之间的相关系数为0.97。值得注意的是，经过日本东部海域的模拟数量比历史记录偏高，这可能是由于我们的模型没有考虑日本东部副热带高压对引导气流的干扰，但这并不影响大湾区台风危险性的评估。图3（c）～（f）分别展示了历史和模拟平均移动速度和平均移动方向，可以看出历史与模拟台风平均移动速度和方向整体分布一致，二者相关系数分别为0.96和0.97。最后，图（g）和（h）对比了每个网格内历史和模拟台风的平均最大强度，虽然在某些区域内两者强度略有差异，但是二者整体分布仍较为吻合，生命最大强度都主要出现在120°E～152.5°E、12.5°N～32.5°N海域内，二者的相关系数为0.90。

图3 西北太平洋海域2.5°×2.5°网格内的模拟和历史台风参数对比Fig.3 Comparison of simulated and historical typhoon parameters in 2.5°×2.5°grids of the western North Pacific

台风造成的财产和经济损失大部分都是台风在近岸或登陆之后造成的，所以本研究更关心本模型对登陆粤港澳大湾区的模拟结果。粤港澳大湾区的地理位置如图4 所示，本研究对比了模拟与历史登陆大湾区台风事件的统计结果。如图5所示，从模拟和历史台风的年登陆个数频率分布来看，模拟台风的年登陆个数比历史最佳路径数据集的统计结果略微偏高。不过从台风的年平均登陆个数来看，模拟和历史平均值相当，分别为1.27和1.21。

图4 粤港澳大湾区的地理位置（粉色线部分）Fig.4 Geographical location of the Guangdong-HongKong-Macao Greater Bay Area（the pink line）

图5 大湾区模拟和历史台风的年登陆个数分布Fig.5 Distribution of annual landfalls of simulated and historical typhoon in the Greater Bay Area

图6（a）～（b）对比了模拟和历史台风登陆粤港澳大湾区的移动速度和中心气压差。从图6（a）登陆移动速度来看，登陆大湾区之后的台风移动速度较为吻合，模拟和历史移动速度的大部分都落在2～6 m/s 区间，其中超过三分之一登陆台风的移动速度小于4 m/s，这些低移动速度的台风可能会带来长时间的集中降雨，从而造成严重的洪涝灾害。图6（b）表明登陆后的模拟和历史台风中心气压差大部分都落在10～30 hPa 区间，相当于热带低压到热带风暴，这说明台风登陆大湾区之后强度都会迅速地衰减。

图6 大湾区模拟和历史台风登陆大湾区的参数分布Fig.6 Distribution of parameters of simulation and historical typhoon landing in the Greater Bay Area

为了进一步验证登陆台风的登陆特性，本研究将大湾区沿海岸线以每100 km 分作8 段，海岸线分段如图7 所示。为了更好地考虑台风对粤港澳大湾区全域的影响，我们将大湾区海岸线向北和向南分别延伸到汕头和湛江。这里，我们将模拟的万年台风事件集以40 年为一组分作250 组，分别统计了各海岸线段模拟登陆台风参数的整体平均值、中位值、90%区间。图8（a）～（b）分别对比了模拟和历史台风登陆大湾区海岸线的4 个登陆特性参数，包括年登陆台风个数、登陆台风的移动速度、移动方向以及登陆强度。从图8（a）中的年登陆台风个数来看，大湾区内的海岸线第4、5段的模拟平均结果比历史平均值偏大，而第6段则偏小。不过从模拟结果的90%区间来看，所有海岸线段的历史年平均登陆个数均能落在模拟结果的90%区间内。同样地，从图8（b）～（d）中可以看出，所有海岸线段内的历史移动速度、移动方向以及登陆强度的平均值均能落在模拟结果的90%区间内。

图7 粤港澳大湾区海岸线分段Fig.7 Coastline segmentation of the Guangdong-Hong Kong-Macao Greater Bay Area

图8 模拟和历史台风登陆大湾区海岸线的参数分布Fig.8 Parameter distribution of simulated and historical typhoon landing on the coastline of the Greater Bay Area

最后，为了验证采用的三维数值风场模型对登陆大湾区台风风场的模拟能力，本研究使用ESA-CCI 土地覆盖数据获取大湾区的土地覆盖类型，通过表3 中土地覆盖类型与地表粗糙长度关系确定大湾区的粗糙长度空间分布。由于ESA-CCI土地覆盖数据的分辨率与风场模型的分辨率不同，为了与三维数值台风模型相匹配，本研究将ESA-CCI 地表粗糙长度按照1.2 km×1.2 km 的窗宽进行平滑，如图9 所示。文中模拟了历史台风“黑格比”（Hagupit）于2008 年9 月23 日1 时～9 月24 日12 时（UTC）的逐小时风场，并与大湾区内观测站记录该时段的风速和风向进行对比。图10（a）和（b）分别对比了台风“黑格比”（Hagupit）在大湾区的江门市上川岛观测站和珠海市斗门观测站的模拟和实测结果，包括逐小时风速（10 m高度处的10 min平均风速）和风向（角度以正北为起始，顺时针为正方向）。

图9 大湾区地表粗糙长度空间分布Fig.9 Spatial distribution of surface roughness length in the Greater Bay Area

上川岛站位于广东省江门市台山上川镇，该站点西侧临海，东侧有大塘山、白灰山等环绕，站点附近土地覆盖类型为：农作物、水体和树木等。斗门站位于珠海市斗门区，该站点位于郊区，四周建筑物和高大植被都比较少，站点附近土地覆盖类型为：城市区、农作物和水体等。上川岛站和斗门站采用平滑后的地表粗糙长度，分别为：0.21 m和0.29 m。肖玉凤等［3］使用沿高度平均风场模型对上川岛站风速进行模拟时，认为上川岛站为B类地貌，故使用地表粗糙长度为0.02 m，与文本方法取值差距较大。这主要是因为本研究对ESACCI 地表粗糙长度的空间分布进行了平滑处理，所以上川岛站的地表粗糙长度受到周围场地的影响。不过从图10 的对比结果来看，本研究模拟的2 个观测站点的风速和风向与实测结果较为一致，表明文中使用的三维数值风场模型在配合大湾区的地表粗糙长度能较好地模拟台风风场。

图10 台风“黑格比”在不同观测站实测与模拟的风速和风向对比Fig.10 Comparison of measured and simulated wind speed and direction of Typhoon Hagupit at different observatories

4 大湾区台风危险性分析

为了研究粤港澳大湾区的台风危险性，本研究以模拟的万年台风事件集作为输入，采用三维台风数值风场模型模拟经过大湾区范围内的台风风场，以估算大湾区的台风危险性。表4 展示了本研究估算的大湾区11个城市的50年和100年重现期台风风速，并与已有的研究以及《建筑结构荷载规范GB50009-2012》（下面简称“规范”）中的粤港澳大湾区城市的50年和100年重现期风速进行对比［9，28，43］。由于“规范”中只给出中国各城市的风压，所以本研究依据“规范”中的风压与风速关系式（E.2.4-1），将基本风压转换为风速。此外，“规范”中基本风压表（表E.5）缺失部分大湾区城市，故缺失的风速依据“规范”中的全国基本风压分布图（图E.6.3）进行近似估算。“规范”只给出50年重现期的风速分布图，并未给出100年重现期的风速分布图。

从表4 可以看出，本研究估算结果与“规范”及已有研究文献的最大偏差出现在深圳的100 年重现期风速，估算结果比“规范”和Chen 和Duan［28］值分别小3 m/s和1.7 m/s。这可能是由于本文采用的三维数值风场模型考虑了深圳东部和香港北部的高山对台风风场的快速削弱作用，这一点同样也反映在粤港澳大湾区50年和100年重现期台风等风速线上。从图11（a）和（b）可以看出，海岸线附近风速的变化梯度非常大，这说明三维数值风场模型可以较好地捕捉到陆地对风场的快速削弱作用。模拟结果显示，珠江入海口两岸的沿海区域的极值风速都较大，但是深入内陆数公里风速就会迅速减弱。直接暴露在海洋上的海岛（江门市上川岛和香港横澜岛）的极值风速普遍都很大，50年重现期风速均超过40 m/s。另外，市区靠海的城市的极值风速也比较大，香港、澳门、珠海的50年重现期风速均超过35 m/s。相反，对于市区深入内陆的城市，其极值风速则明显偏小，比如肇庆市广宁县的50年重现期风速仅为23.6 m/s。

表4 粤港澳大湾区11个城市的50年和100年重现期台风风速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

图11 粤港澳大湾区50年和100年重现期台风风速Fig.11 Typhoon wind speeds for the 50-year and 100-year return periods for the Guangdong-Hong Kong-Macao Greater Bay Area

5 结论

为了量化粤港澳大湾区的台风危险性，本研究通过改进和验证的统计动力学全路径合成台风模型生成万年台风事件集，并对逐个台风事件进行风场模拟。首先，本研究使用CMA 最佳路径数据集确定了西北太平洋海域的台风年平均生成数服从泊松分布，并采用核密度方法估算台风生成时空位置的概率。其次，本研究建立了台风移动速度与引导气流和β 漂流的回归关系，并在移动模型中考虑了台风移动速度的随机误差。本研究基于自回归模型建立了海上强度回归模型，模型中考虑了垂直风切、相对湿度、移动速度对强度的影响，并基于自然指数递减函数建立登陆大湾区台风的强度衰减模型。最后，本研究采用考虑了垂直平流和垂直扩散过程的三维数值风场模型模拟台风风场。

本研究分别从西北太平洋海域和登陆大湾区台风的两个角度对模拟台风事件集进行验证。首先，对模拟和历史台风年发生总数分布的非参数检验表明二者分布一致。其次，西北太平洋海域2.5°×2.5°网格内模拟与历史台风的4 个特征参数的整体相关系数均能达到0.90 以上。对于登陆大湾区的台风，模拟和历史年平均登陆个数接近，模拟和历史登陆台风的移动速度和强度的分布也较为吻合。大湾区沿海岸线各分段上的历史年登陆数、移动速度、方向以及登陆强度的平均值均落在模拟结果的90%区间内。总的来说，本研究的改进统计动力学全路径合成台风模型可以较好地模拟登陆大湾区的台风事件。此外，通过与大湾区两个观测站的台风“黑格比”实测风速记录对比，验证了本文采用的台风近地面三维风场模型可以较好地模拟登陆大湾区台风的风速。

最后本研究以模拟的万年台风事件集作为输入，与三维数值台风风场模型相结合对大湾区进行台风危险性评估，并绘制了大湾区50年和100年重现期台风风速图。通过与已有研究以及“规范”中对大湾区城市的50年和100年重现期风速记录进行对比，我们发现估算结果与“规范”及已有研究文献的偏差不超过3 m/s，其中最大偏差出现在深圳的100年重现期风速上。这是由于风场模型考虑了深圳东部和香港北部的高山对台风风场的快速削弱作用。另外，海岸线附近的风速变化梯度非常大，珠江入海口两岸的沿海区域的极值风速都较大，但是深入内陆数公里风速就会迅速减弱。