2025, Vol. 55
2. 三亚海洋实验室, 海南 三亚 572000;
3. 中国海洋大学物理海洋教育部重点实验室, 山东 青岛 266100
台风，即发生在西北太平洋地区的热带气旋的统称，是发生在热带或副热带洋面上的一种有组织对流和确定气旋性环流的非锋面性涡旋天气系统[1]。台风通常伴随着强烈的大风和降雨过程，这种剧烈的大气扰动会导致海面异常升降从而引起风暴潮，对沿海地区来说风暴潮会使海水经地表到达陆地出现漫滩现象，严重的台风风暴潮灾害通常会对沿海地区造成巨大经济损失和人员伤亡[2]。据统计，中国沿海地区台风风暴潮引起的极端海洋动力过程所造成的经济损失大约占海洋灾害经济总损失的90%[3]。南海北部是台风盛行的海区，其中海南岛附近年平均台风发生频数全国范围内最高，海南省成为遭受台风灾害非常严重的省份之一[4]。根据《南海区海洋灾害公报》统计各类海洋灾害中，风暴潮灾害造成直接经济损失最为严重，2017—2022年平均占南海区域全部海洋灾害直接经济损失的98.9%。从2019年开始，台风风暴潮成为海南省海洋灾害的主要致灾因素[5]，所导致的风暴潮漫滩灾害显著地提高了海南沿岸居民台风期间的受灾风险。
崖州湾是海南省三亚市崖州区南部的海湾，海湾面积约61 km2。随着海南自由贸易港建设，作为自贸港高科技发展先行区，濒临崖州湾的崖州湾科技城依照高新科创园区规划不断建设，作为城区运输、旅游和开发的潜力区，已成为三亚市陆海统筹规划的重要组成部分[6]。参考Li等[7]台风灾害参数化实验，使用以崖州湾为圆心, 250 km半径模拟圆作为影响崖州台风的范围统计要素，通过1949—2023年间中国气象局(China Meteorological Administration, CMA)热带气旋最佳路径数据集[8]得到了统计区域内131个充分发育的热带气旋，反映出崖州湾面临着严重的台风风险，也让崖州湾沿海地区面临台风引起的风暴潮漫滩等海洋灾害风险。
数值模拟作为台风风暴潮灾害重要研究方法之一，基于环境条件和相应物理参数模拟风暴潮过程，以预测风暴潮洪水灾害的影响范围[9]。20世纪90年代，Aurelio[10]就已经使用SLOSH数值模式构建波多黎各沿岸极坐标网格的风暴潮漫滩模型，为政府和保险业提供风暴潮危险评估。Moghimi等[11]开发了一个基于ESMF地球系统框架ADCIRC(Advanced CIRCulation model)水动力模式和WW3海浪模式柔性耦合模式，模拟了美国大西洋沿岸飓风“艾克”风暴潮过程。Pandey等[12]通过ADCIRC模式耦合HEC-RAS水力模式，模拟印度东海岸河流三角洲在超级台风情景下风暴潮洪水受灾区域情况。唐梓洋等[13]通过ADCIRC模式耦合海浪模式SWAN(simulating waves nearshore)模拟台风“达维”在不同台风强度和尺度下的海南岛周边海域台风风暴潮过程。
由台风引发的风暴潮通常包含复杂的物理过程, 风暴潮增水的强度与台风的移动速度、尺度等台风参数密切相关，而台风风暴潮漫滩的实时观测和数据记录目前较为困难，因此数值模拟不同台风参数下风暴潮漫滩情况是研究台风风暴潮漫滩的重要方法[14]。Rey等[15]使用SLOSH模式和MIKE21水动力模型模拟了墨西哥尤卡坦州和坎佩切州沿海地区的风暴潮，评估不同路径、强度下热带气旋引起的风暴潮洪水漫滩灾害。张敏等[16]通过ADCIRC水动力模式耦合SWAN海浪模式模拟了雷州半岛沿海地区不同方向登陆台风风暴潮淹没过程。施劭瑜等[17]使用ADCIRC模式耦合SWMM降雨径流模型模拟象山县风暴潮淹没海岸过程，探究了土地利用类型对风暴潮漫滩的影响。
目前相关学者对海南省周边海域的台风风暴潮已经有不少的研究，但是主要聚焦于毗邻三亚市区的三亚湾等区域，崖州区作为开发较晚的区域，对崖州湾风暴潮漫滩研究目前较为匮乏。面向崖州湾的台风风暴潮数值模拟和风暴潮漫滩灾害的预警预报，对于保障沿海居民生命财产安全，减轻台风风暴潮灾害造成的经济损失，防潮减灾规划以巩固崖州湾科技城的区位优势具有重要的现实意义。本文使用二维水动力模式ADCIRC模式，并耦合SWAN海浪模式的水动力-波浪耦合模式，构建了崖州湾高分辨率风暴潮漫滩模型，利用崖州湾附近历史台风实测数据进行风暴潮数值模拟验证，探究极端情况下不同台风参数的台风风暴潮洪水淹没崖州湾沿岸的情况。
1 模型和方法 1.1 模型介绍ADCIRC+SWAN耦合模式由两个部分组成，其中ADCIRC水动力模式是Westerink等[18]研发的一款水动力模型，通常被用于大洋、近海以及河口的水动力过程模拟，主要用于解决二维和三维随时间变化的自由地表环流和水体运输问题。本文使用的是ADCIRC模式的二维模型ADCIRC-2DDI，该模型被广泛用于风暴潮预测。ADCIRC模式在时空运算上使用有限差分方法，在流体力学动力方程连续方程求解问题上使用有限元方法，同时为了避免Galerkin有限元格式在原始连续性方程中引起的虚假振荡，ADCIRC模式选择了广义波动连续性方程(generalized wave continuity equation, GWCE)进行求解[19]，主要公式如下：
| $ \frac{\partial(\xi+h)}{\partial t}+\frac{\partial H u}{\partial x}+\frac{\partial H v}{\partial y}=0, $ | (1) |
| $ \begin{gathered} \frac{\partial u}{\partial t}+u \frac{\partial u}{\partial x}+v \frac{\partial u}{\partial y}= \\ f v-\frac{\partial}{\partial x}\left[\frac{P_{\mathrm{S}}}{g \rho_0}+\xi-\eta\right]+\frac{\tau_{\mathrm{s} x}-\tau_{\mathrm{h} x}}{\rho_0 H}+D_x, \end{gathered} $ | (2) |
| $ \begin{gathered} \frac{\partial v}{\partial t}+u \frac{\partial v}{\partial x}+v \frac{\partial v}{\partial y}= \\ f u-\frac{\partial}{\partial y}\left[\frac{P_{\mathrm{s}}}{g \rho_0}+\xi-\eta\right]+\frac{\tau_{\mathrm{s} y}-\tau_{\mathrm{by}}}{\rho_0 H}+D_y 。\end{gathered} $ | (3) |
式中：ξ代表从平均海平面起的高度；h代表从平均海平面到海底的距离；H=h+ξ代表总水位，单位为m；u和v分别表示x和y方向的流速，单位为m/s；f代表科氏参数；τsx与τsy代表海表面应力在x与y方向的投影；τbx与τby代表海底摩擦力在x方向与y方向上的投影，单位为N；Ps代表海水表面的大气压强，单位为Pa；ρ0代表海水密度，默认取1 025 kg/m3；g代表重力加速度，默认取m/s；η代表牛顿引潮势，单位为m。
SWAN海浪模式是荷兰代尔夫特理工大学海岸工程系开发的一种模拟波浪在近海环境运动的模型。SWAN模式主要模拟波浪生成、波浪传播以及底摩擦等因素导致的波浪衰减，其核心是基于波浪动量守恒方程的波浪能量谱求解[20]，公式如下：
| $ \frac{\partial N}{\partial t}+\nabla \cdot\left(c_{\mathrm{g}} N\right)=S_{\text {in }}+S_{\text {out }}-S_{\mathrm{nl} \:。} $ | (4) |
式中：N是波谱密度；t是时间；cg是群速度；Sin是风生海浪项；Sout是底摩擦白浪破碎等导致的波浪耗散项；Snl是非线性相互作用项。
根据Dietrich等[21]的耦合模式方法，仿真过程中SWAN模式和ADCIRC模式使用同一套网格同时运行，通过模式间网格点计算的数据传递提高模拟精度。在模拟过程中，耦合模式在SWAN模式计算中包括从ADCIRC模式传递的水位、流速和风速，计算得出波浪公式解；在ADCIRC模式计算中包括从SWAN传递的波浪辐射应力梯度，计算得出流动公式解。两种模型运算随SWAN模型的运行时间步长交替进行，直到达到模式的预设运行时间或者模型发散而停止[22]。
1.2 区域网格模型本文聚焦崖州湾海岸带及崖州湾海域，选取崖州湾陆海统筹部分作为研究区域，所使用的ADCIRC和SWAN浪-潮耦合模式计算网格选用WGS84(World Geodetic System 1984 Coordinate System)坐标系下非结构三角形网格，计算区域范围105°E—120°E，12°N—24°N，能有效模拟海南南部区域台风风暴潮随时间发展演变过程；网格从开边界到海南岛南部海域逐渐加密，网格分辨率从开边界的15 km向海南岛南部近岸逐渐过渡，崖州湾沿岸的网格加密到最高30 m分辨率(见图 1(a))；同时参考《三亚市崖州湾科技城规划(2018—2035年)》崖州湾沿岸至规划期末32.69 km2整体建设用地需求，在海域网格的基础上采用干湿网格法划分模型陆域构建网格，陆域干网格的平均分辨率为50 m，能够有效描述崖州湾复杂的海岸带地形地貌特征，有助于模拟风暴潮洪水淹没海岸的过程(见图 1(b))。远海水深地形数据来自15弧秒分辨率的全球大洋深度图(General Bathymetric Chart of the Oceans, GEBCO) 数据(见图 1(c))，近岸水深和海岸线提取自中华人民共和国海事局监制南山港及附近海图(见图 1(d))，崖州区陆地地形数据来源于12.5 m分辨率的数字高程数据(digital elevation model, DEM)对网格模型进行水深高程插值，并参考《崖州区西北片区排水防涝及城市竖向专项规划公示稿》对陆域主要河流宁远河河岸的高程进行修正, 有助于模拟台风风暴潮洪水漫滩淹没崖州湾海岸的过程(见图 1(e))。考虑到模型分辨率在不同区域呈现显著变化，为满足数值计算中的稳定性(courant-friedrichs-lewy, CFL)条件，模型时间步长设置为1 s。
|
( (a)网格模型，(b)崖州湾周边网格，(c)模型水深(填色，单位：m)，(d)崖州湾周边水深(填色，单位：m)，(e)崖州湾陆域高程(填色，单位：m)。(a) Model grid; (b) Model grid near Yazhou Bay; (c) Model bathymetry (shading; Unit: m); (d) Bathymetry around Yazhou Bay (shading; Unit: m); (e) Land elevation by Yazhou Bay(shading; Unit: m). ) 图 1 研究区域模型网格以及水深地形图 Fig. 1 The model grid for the study area and the topography |
在风暴潮的数值模拟的过程中，准确模拟潮汐过程是得到模型精确结果的基础，因此在耦合模式中引入潮汐强迫[23]。在耦合模式开边界处，选择使用俄勒冈州立大学潮汐预测软件(Oregon State University tidal prediction software，OTPS)模型计算得出8个主要天文分潮(K1、O1、P1、Q1、K2、M2、N2、S2)的调和常数和开边界点根据经纬度得到的每个分潮的振幅，记录在耦合模式的模型参数文件对应控制行中。
同时，在风暴潮的数值模拟中，风场和气压场作为模式的强迫场，其准确性对模拟结果的精确性至关重要。为提高模拟精度，本文选用背景风场与模拟台风风场叠加的方式，得到的叠加风场作为台风风场，从而避免了单独使用模拟台风风场时，在远离台风中心的地区风场和气压数值偏低的情况[24]。使用CMA热带气旋最佳路径数据集，通过Jelesnianski风场模型计算得出圆形台风模型风场[25]。Jelesnianski模型风场的公式如下：
| $ \begin{array}{l} \left\{ {\begin{array}{*{20}{l}} {V = \frac{r}{{r + {R_{\max }}}}\left( {{V_x}i + {V_y}j} \right) + {V_{\max }}{{\left( {\frac{r}{{{R_{\max }}}}} \right)}^{\frac{3}{2}}}\frac{{(Ai + Bj)}}{r}}\\ {P = P + \frac{1}{4}\left( {{P_\infty } - {P_0}} \right){{\left( {\frac{r}{{{R_{\max }}}}} \right)}^{\frac{3}{2}}}} \end{array}} \right.,\\ \quad \:\:\:\:\:\:\:\: \quad \quad \quad \quad \quad \quad \quad r \le {R_{\max }} \end{array} $ | (5) |
| $ \begin{array}{l} \left\{ {\begin{array}{*{20}{l}} {V = \frac{r}{{r + {R_{\max }}}}\left( {{V_x}i + {V_y}j} \right) + {V_{\max }}{{\left( {\frac{r}{{{R_{\max }}}}} \right)}^{\frac{3}{2}}}\frac{{(Ai + Bj)}}{r}}\\ {P = P + \frac{1}{4}\left( {{P_\infty } - {P_0}} \right){{\left( {\frac{r}{{{R_{\max }}}}} \right)}^{\frac{3}{2}}}} \end{array}} \right.,\\ \quad \:\:\:\:\:\:\:\: \quad \quad \quad \quad \quad \quad \quad r \le {R_{\max }} \end{array} $ | (6) |
| $ A=\left(y-y_0\right) \cos \theta-\left(x-x_0\right) \sin \theta, $ | (7) |
| $ B=\left(x-x_0\right) \cos \theta-\left(y-y_0\right) \sin \theta, $ | (8) |
| $ V_{\max }=3.029 \times\left(P_n-P_0\right)^{0.644}, $ | (9) |
| $ R_{\max }=28.52 \tan h\left[\begin{array}{c} 0.0873(\varphi-28)+ \\ 12.22 \mathrm{e}^{\frac{\left(P_n-P_0\right)}{33.86}}+0.2 \nu+M \end{array}\right] 。$ | (10) |
式中：x0, y0代表台风中心风眼所在位置的坐标；x, y代表模型风场中预设各点的坐标；r代表模型风场的预设点与台风中心的距离；Vx, Vy代表台风在x, y方向投影的移动速度；α代表衰减系数，取0.4；θ代表入流角，取20°; 计算Vmax和Rmax的经验公式参考王凯等[26]对超强台风登陆福建沿海所引发的风暴潮漫滩过程的研究中的经验公式; Vmax代表台风最大风速，使用热带气旋最大风速经验公式，Vmax式中Pn代表无穷远处的气压; P0代表台风中心气压；Rmax代表台风最大风速半径，Rmax式中φ代表台风中心的纬度; v代表台风中心的移动速度; M代表台风圆形风场起算半径，取23.22 km。
背景风场来自于哥白尼气候变化服务中心(Copernicus Climate Change Service, C3S)提供的ERA5 hourly再分析风场数据集。叠加风场参考了Li等[27]对南海不同强度和尺度台风风暴潮对波浪影响的数值模拟研究中模型风场和背景风场叠加权重系数设定，公式如下：
| $ W_{\text {combine }}=\left[1+\frac{c^4}{(1+c)^4}\right] W_{\text {jeles }}+\frac{c^4}{(1+c)^4} W_{\text {background }} 。$ | (11) |
式中：c是模型风场和背景风场叠加时的权重参数，使用测量点到台风中心距离与4倍最大风速半径(radius of maximum wind, RMW)比值；Wcombine是叠加风场；Wjeles是Jelesnianski圆形台风模型风场；Wbackground是背景风场。
1.4 底摩擦设置本研究在耦合模型中采取二次底摩擦公式，在动量方程中底摩擦项(τb)表示为
| $ \tau_{\mathrm{b}}=C_{\mathrm{f}} \frac{\left(U^2+V^2\right)^{\frac{1}{2}}}{H} 。$ | (12) |
式中：Cf是底摩擦系数；U，V是深度平均海水水平流速(m/s)；H是海水深度。其中底摩擦系数Cf通过以下公式进行调整[28]：
| $ C_{\mathrm{f}}=\frac{g n^2}{\sqrt[3]{h+\xi(t)}} 。$ | (13) |
式中：g为重力加速度；ξ(t)代表t时刻的水面高程；h代表海水深度；n为曼宁系数，根据下垫面土地覆盖类型的不同选择不同的值。
本文在底摩擦的设置中使用中国科学院空天信息创新研究院2022年精细分类系统的全球30 m分辨率土地覆盖动态监测产品(GLC_FCS30D, global 30 m land-cover dynamic monitoring product with fine classification system)经地理处理后获取的崖州湾沿岸对应土地覆盖类型[29]，并根据美国国家土地覆盖数据库(National Land Cover Database，NLCD)地物数据分类标准对照统计每种土地覆盖类型对应曼宁数，通过底摩擦系数公式计算后设置相对应网格点底摩擦项参数[30]。图 2为崖州区土地覆盖类型示意图，白色区域被设置为无法淹没的高层建筑。崖州湾沿岸主要的土地覆盖类型及对应曼宁数如表 1所示。
|
图 2 研究区域土地覆盖类型 Fig. 2 Land-cover types in the study area |
|
表 1 崖州湾沿岸主要土地覆盖类型曼宁数 Table 1 Manning' number values for the main land-cover types along the Yazhou Bay coast |
由于风暴潮漫滩的观测数据较少，所以本研究通过对数值模拟近岸风暴潮潮位进行验证，以近岸的增水情况来反映漫滩情况，从数值模拟验证台风风暴潮增水能力来对风暴潮漫滩模拟进行验证。利用已建立的风暴潮耦合模型模拟1621号台风“莎莉嘉”和1719号台风“杜苏芮”期间区域台风风暴潮过程，根据模型模拟的崖州湾周边海域近岸的潮位变化情况，与崖州湾附近三亚验潮站的实际观测情况进行对比分析，验证模型对崖州湾风暴潮漫滩数值模拟的准确性和可靠性(见图 3)。
|
图 3 1621号和1719号台风强度路径和三亚验潮站位置 Fig. 3 Tracks and intensities of Typhoon 1621 and 1719 and the location of the Sanya tidal station |
通过数值模拟台风期间总水位变化和风暴潮增水来检验模型能否反映近岸海水运动情况，实验设计如下：进行总水位验证时，模型的驱动场为开边界潮汐强迫驱动以及风场和气压场强迫驱动，以此模拟真实情况下台风期间区域的总水位变化；进行风暴潮增水验证时，模型模拟台风风暴潮过程，根据期间验潮站所在区域潮位与预测天文潮潮位之差计算得到风暴潮增水。模型运行时间5 d，模型结果每1小时输出并记录一次，模型从启动到正常运行的预热时间为0.5 d。最终将模拟结果与三亚验潮站实测结果进行对比分析。
将数值模式模拟出的总水位数据与三亚验潮站观测得到的总水位数据进行对比(见图 4(a)、4(c))，使用线性相关系数(Corr)、相对误差(RE)和均方根误差(RMSE)对比模拟数据和观测数据之间的偏离程度(见表 2)，公式如下：
| $ Corr = \frac{{\frac{1}{N}\sum\nolimits_{n = 1}^N {\left( {\eta _{n,j}^{{\rm{model }}} - \bar \eta _{n,j}^{{\rm{obs }}}} \right)} \left( {\eta _{n,j}^{{\rm{obs }}} - \bar \eta _{n,j}^{{\rm{obs }}}} \right)}}{{{\sigma _{{\rm{model }}}}{\sigma _{{\rm{obs }}}}}} \times 100\% , $ | (14) |
| $ R E=\frac{\eta_{\max }^{\operatorname{model}}-\eta_{\max }^{\text {obs }}}{\eta_{\max }^{\text {obs }}} \times 100 \% , $ | (15) |
| $ RMSE = {\left[ {\frac{{\sum\nolimits_{n = 1}^N {\left( {\eta _{n,j}^{{\mathop{\rm model}\nolimits} } - {\eta _{{{\max }^{{\rm{obs }}}}}}} \right)} }}{N}} \right]^{\frac{1}{2}}}{\rm{ }}。$ | (16) |
|
( (a)1621号台风总水位验证，(b)1621号台风风暴潮增水验证，(c)1719号台风总水位验证，(d)1719号台风风暴潮增水验证。(a) Validation of total water level during Typhoon 1621; (b) Validation of storm surge during Typhoon 1621; (c) Validation of total water level during Typhoon 1719; (d) Validation of storm surge during Typhoon 1719. ) 图 4 台风期间总水位验证和台风风暴潮增水验证 Fig. 4 Validation of total water level and storm surge during typhoons |
|
|
表 2 数值模拟结果和实测数据对比 Table 2 Comparison between ADCIRC+SWAN simulation results and observation data |
在风暴潮验证实验中，模型模拟得到的水位减去对应的天文潮水位得到风暴潮增水数据，将该模拟增水数据与三亚验潮站在台风期间测得的风暴潮增水数据进行对比(见图 4(b)、4(d))，通过计算模拟风暴潮增水与实际风暴潮增水之间的绝对误差(AE)和相对误差(RE)来验证模型模拟台风风暴潮增水能力(见表 2)。
通过1621号台风期间数值模拟总水位和实测数据对比得到相关系数、均方根误差与相对误差分别为95.89%、0.17 m和0.72%，1719号台风期间总水位模拟得到相关系数、均方根误差与相对误差分别为97.4%、0.15 m和0.44%，在模型启动运行充分预热后，模型模拟的水位具有较高的精确度，相位与实际吻合，模型可以较好地再现水位时间演变过程。在1621号台风期间三亚测站最大增水0.63 m，数值模拟得出的风暴潮最大增水0.58 m，绝对误差为0.05 m，模式数据对比实测数据相对误差为7.93%，1719号台风风暴潮增水模拟绝对误差0.02 m，相对误差2.9%，实验的误差均在合理范围之内，较好地再现了台风风暴潮导致的海面上升过程，数值模拟结果可为风暴潮漫滩灾害分析提供数据支撑。
3 不同台风参数对台风风暴潮漫滩的影响崖州湾处于台风频发区域，近年来南海海区台风登陆百分比和台风登陆强度均显著增加[31]，2024年登陆海南岛的2411号台风“摩羯”刷新了自1949年以来登陆我国最强的秋季台风记录，超强台风引发的风暴潮对沿海地区的威胁也日益增加[32]。随着崖州湾畔崖州湾科技城的建设，开展不同台风参数条件下崖州湾风暴潮漫滩的分析能够丰富现有的研究内容，可为崖州区应急管理部门提供参考，以便制定更有效的防灾减灾措施，提高区域应对极端天气事件的能力。目前，针对台风导致的海洋动力灾害预报、监测和记录技术有限，关于台风风暴潮洪水淹没海岸的数据资料不足，导致难以通过历史数据分析不同台风引发的风暴潮洪水对沿海区域的影响。因此，通过数值模型在极端条件下进行台风风暴潮漫滩的敏感性实验，使用其模拟结果来分析崖州湾的台风风暴潮漫滩灾害情况，是一种行之有效的手段。
3.1 模拟超强台风及台风风暴潮本研究在风暴潮数值模拟构建Jelesnianski台风模型气压场和风场的过程中，通过调整公式(5)中的参数模拟台风在登陆时中心最大风速达到52 m/s，使得台风登陆时强度达到超强台风等级。由于直接登陆崖州湾的台风历史记录较少，其中强度达到超强台风等级的更是鲜有记录，所以通过理想化直线运动台风路径模拟登陆崖州湾的超强台风。
模拟台风风暴潮时需要考虑到台风的移动方向、移动速度、台风尺度和台风发生时的天文潮情况，这些是影响风暴潮强度和淹没范围的关键因素。台风移动方向决定了风暴潮对海岸冲击位置，影响了海岸风暴潮增水和风暴潮漫滩受灾范围，不同移动速度的台风会影响风暴潮的持续时间和破坏力；最大风速半径是决定风暴潮范围和强度的重要因素；而台风来临时的天文潮情况则直接关系到海平面高度，对增水程度有显著影响。
本研究设计了四组实验：第一组是不同登陆方向台风风暴潮漫滩敏感性实验，参考了庞古乾等[33]在珠海市台风风暴潮模拟中使用的不同行进方向可能最大台风直线移动路径设计方法，选取西南(SW)、南西南(SSW)、南(S)、南东南(SSE)和东南(SE)五个台风可能登陆崖州湾的方向，模拟从崖州湾登陆的理想路径超强台风，作为不同登陆方向超强台风的路径设计；第二组实验是登陆时不同台风移动速度台风风暴潮漫滩敏感性实验，参考了James[34]对西太平洋台风移动速度的统计，选取10、15、20、25、30 km/h五种移动速度登陆崖州湾的超强台风进行模拟；第三组是登陆时不同最大风速半径(radius of maximum wind, RMW)超强台风风暴潮漫滩敏感性实验，参考了Zhuo等[35]对超强台风最大风速半径的统计研究，模拟10、15、20、25、30 km五种最大风速半径超强台风登陆崖州湾的风暴潮漫滩；第四组是登陆时不同天文潮情形下超强台风风暴潮漫滩敏感性实验，参考了杨万康等[36]对于不同天文潮情形的设定，模拟从天文小潮到天文大潮期间登陆崖州湾的超强台风风暴潮。
通过控制变量法模拟以上四种不同台风参数下超强台风风暴潮，模型运行时间5 d，模型结果每1小时输出并记录一次，对比不同情况下的崖州湾沿岸淹没情景，为制定有效的防灾减灾措施提供科学依据。
3.2 不同登陆方向台风风暴潮漫滩分析崖州湾位于三亚南山腹地，南山在其东侧形成了天然的屏障。因此本研究参考庞古乾等[33]对最大台风路径设计，如图 5(a)选取西南(SW)、南西南(SSW)、南(S)、南东南(SSE)和东南(SE)五个方向可能的台风路径模拟从崖州湾登陆的超强台风事件，台风登陆时中心气压930 hPa，台风达到超强台风等级，使用模型模拟台风风暴潮过程模型时间设置与验证时相同，记录台风风暴潮洪水漫滩导致海岸最大淹没范围和对应淹没深度情况(见图 5(b)—5(f))。
|
图 5 不同登陆方向超强台风风暴潮漫滩最大淹没情形 Fig. 5 Maximum inundation scenarios caused by super typhoon storm surges from different landfall directions |
模拟结果表明，超强台风登陆前的移动方向对风暴潮洪水淹没面积和淹没深度有一定影响，S向登陆的台风风暴潮造成的漫滩情况相对来说最为严重。S方向台风引起的风暴潮漫滩最大淹没深度为1.55 m，与整个研究区域相比淹没占比2.27%；相比之下，SW方向台风风暴潮漫滩最大淹没深度1.41 m，淹没占比2.14%；SSW方向台风风暴潮漫滩最大淹没深度1.40 m，淹没占比2.07%，宁远河西侧海岸淹没范围更大；SSE方向台风风暴潮漫滩最大淹没深度1.43 m，淹没占比2.21%；SE方向台风风暴潮漫滩最大淹没深度1.43 m，淹没占比2.02%。S方向的台风在登陆时产生更强的风暴潮洪水和更大的漫滩淹没面积(见表 3)。
|
|
表 3 不同方向超强台风风暴潮最大淹没深度和淹没面积 Table 3 Maximum inundation depth and area of storm surge caused by super typhoons from different directions |
台风移动速度对台风风暴潮漫滩的敏感性实验参考James[34]对历史热带气旋移动速度的统计和Shan等[37]在南海热带气旋旺季对台风移动速度的统计结果，模拟登陆时不同移动速度超强台风风暴潮过程，每次实验台风移动速度由10 km/h以每5 km/h递增到30 km/h，其它参数设置控制变量相同，记录风暴潮洪水漫滩导致最大淹没范围和对应风暴潮淹没深度情况(见图 6(a)—6(e))。
|
图 6 不同移动速度超强台风风暴潮漫滩最大淹没情形 Fig. 6 Maximum inundation scenarios caused by super typhoon storm surges with different translation speeds |
台风移动速度对风暴潮洪水强度和漫滩范围有显著影响。移动速度为10 km/h的台风风暴潮漫滩最大淹没深度1.64 m，淹没占区域面积之比2.57%；速度为15 km/h的台风风暴潮漫滩最大增水淹没深度1.58 m，淹没占比2.52%；速度为20 km/h的台风风暴潮漫滩最大淹没深度1.55 m，淹没占比2.27%；速度为25 km/h的台风风暴潮漫滩最大淹没深度1.55 m，淹没占比2.21%；速度为30 km/h的台风风暴潮漫滩最大淹没深度1.45 m，淹没占比2.18%(见表 4)。结果表明，较低的台风移动速度会导致更强的风暴潮洪水和更大的漫滩范围，慢速台风的威胁更大；而台风移动速度较快时，风暴潮洪水淹没和衰退速度也增快，淹没面积也相对较小，但其致灾危害性不容忽视(见图 6(f))。
|
|
表 4 不同移动速度超强台风风暴潮最大淹没深度和淹没面积 Table 4 Maximum inundation depth and area of storm surge caused by super typhoons with different translation speeds |
台风最大风速半径对台风风暴潮漫滩的敏感性实验参考Zhuo等[35]对西太平洋超强台风最大风速半径统计和Lu等[38]对南海热带气旋尺度的研究，模拟不同RMW的超强台风强度台风风暴潮过程，每次实验的最大风速半径由10 km以每5 km递增到30 km，其它参数设置控制变量相同，记录台风风暴潮洪水漫滩导致最大的陆地淹没范围和对应淹没深度(见图 7(a)—7(e))。
|
图 7 不同最大风速半径超强台风风暴潮漫滩最大淹没情形 Fig. 7 Maximum inundation scenarios caused by super typhoon storm surges with different RMW |
通过对不同最大风速半径的台风风暴潮模拟发现，更大的RMW台风登陆会导致更大的淹没深度和淹没范围。RMW为10 km的台风风暴潮漫滩最大淹没深度1.20 m，淹没面积占区域面积之比1.31%；RMW为15 km的台风风暴潮漫滩最大淹没深度1.38 m，淹没占比1.82%；RMW为20 km的台风风暴潮漫滩最大淹没深度1.39 m，淹没占比2.06%；RMW为25 km的台风风暴潮漫滩最大淹没深度1.55 m，淹没占比2.27%；RMW为30 km的台风风暴潮漫滩最大淹没深度1.56 m，淹没占比2.32%(见表 5)。登陆台风最大风速半径越大，整个崖州湾海岸因台风风暴潮导致的淹没范围越大(见图 7(f))，整体的淹没深度也越高，尤其是对靠近崖州湾河流入海口东侧的沿海区域，受到更大的台风风暴潮漫滩威胁，需特别关注和防范。
|
|
表 5 不同最大风速半径超强台风风暴潮最大淹没深度和淹没面积 Table 5 Maximum inundation depth and area of storm surge caused by super typhoons with different RMW |
崖州湾潮汐性质为以往复流为主的非正规全日潮。参考杨万康等[36]对天文潮影响风暴潮水位的研究，台风登陆时的潮汐相位直接影响了风暴潮增水，因此在相同的大小潮情形下控制其它参数变量设置相同，分别模拟崖州湾在天文潮高潮、平潮和低潮停潮期间登陆台风风暴潮过程，记录台风风暴潮洪水漫滩导致最大的陆地淹没范围和对应淹没深度(见图 8)；天文潮大小潮情形也会影响台风风暴潮增水，因此分别模拟崖州湾从天文小潮到天文大潮以及小潮和大潮之间三种天文潮情形下中均在相同潮汐相位登陆的超强台风风暴潮过程，其它参数设置控制变量相同，记录台风风暴潮洪水漫滩导致最大的陆地淹没范围和对应淹没深度(见图 9(a)—9(c))。
|
图 8 不同天文潮相位下超强台风风暴潮漫滩最大淹没情形 Fig. 8 Maximum inundation scenarios caused by super typhoon storm surges under different astronomical tide phase tide |
|
图 9 不同天文潮情形下超强台风风暴潮漫滩最大淹没情形 Fig. 9 Maximum inundation scenarios caused by super typhoon storm surges under different astronomical tide conditions |
在高潮、平潮期间登陆的超强台风风暴潮漫滩淹没面积1.11 km2，最大淹没深度2.01 m，淹没面积占区域面积之比3.4%；在低潮停潮期间登陆的台风风暴潮漫滩淹没面积0.37 km2，最大淹没深度1.37 m，淹没占比1.14%。天文潮的相位作为天文潮影响水平面高度的主要因素，风暴潮叠加高潮平潮时的淹没面积是叠加低潮停潮时的3倍，天文潮相位对崖州湾台风风暴潮漫滩最大增水和淹没面积有十分显著的影响。
在小潮期间登陆的台风风暴潮漫滩最大淹没深度1.25 m，淹没面积占区域面积之比1.67%；小潮到大潮期间登陆的台风风暴潮在崖州湾科技城南部的海岸向内陆有了更深的淹没距离，最大淹没深度1.55 m，淹没占比2.27%；在大潮期间登陆的台风对于风暴潮漫滩有更高的增水和更大的淹没面积，最大淹没深度1.68 m，淹没占比2.33%，同时在台风期间风暴潮叠加天文大潮会导致长时间大范围的淹没(见图 9(d))。天文潮作为影响水平面高度的主要原因，不同的天文潮情形对风暴潮引起的最大增水和淹没占比有显著影响(见表 6)。
|
|
表 6 不同天文潮情形下超强台风风暴潮最大淹没深度和淹没面积 Table 6 Maximum inundation depth and area of storm surge caused by super typhoons under different astronomical tide conditions |
本文使用ADCIRC水动力模式和SWAN海浪模式耦合的数值模型，通过台风影响期间总水位数据和历史风暴潮增水观测数据进行模型的可靠性验证后，模拟台风登陆崖州湾时达到超强台风等级并探究了崖州湾在极端情况下的台风风暴潮淹没海岸过程，探究了崖州湾不同台风参数条件下超强台风风暴潮漫滩过程，探讨了不同台风路径、移动速度、最大风速半径和天文潮情形对风暴潮洪水漫滩的影响。研究结果表明：
(1) 所有不同参数超强台风风暴潮漫滩的实验中，台风风暴潮洪水均能够覆盖整个崖州湾海岸，使得崖州湾海岸面临着严重的风暴潮漫滩灾害风险。每种不同台风参数的超强台风风暴潮漫滩均导致超过1 m的淹没深度，尤其是崖州湾西北部的崖州湾科技城海滩和崖州湾北部的河流入海口的三角洲，在超强台风登陆的情形下均有出现不同范围的风暴潮洪水漫滩淹没情况；此外在面对东南向登陆的超强台风以及台风移动速度大于25 km/h，最大风速半径小于20 km，登陆时天文潮相位为低潮，处于小潮时，河流入海口两侧的低洼地带面对风暴潮灾害时才不容易出现被淹没的情况。
(2) 不同台风参数的超强台风对崖州湾风暴潮漫滩影响分析表明，台风的移动方向、移动速度、最大风速半径和台风登陆时的潮汐周期显著影响了风暴潮洪水漫滩灾害的强度。整个崖州湾沿岸均会受到台风登陆时风暴潮漫滩淹没的威胁。不同方向登陆的台风风暴潮对比，从SE方向到SW方向五种可能的登陆方向中，S向台风漫滩情况最为严重，不同方向登陆台风风暴潮漫滩淹没面积从0.74~0.66 km2，淹没面积占研究区域总面积比值均在2%以上；台风移动速度从10~30 km/h，风暴潮漫滩淹没面积减少了15.5%，移动速度较慢的台风导致了更强的风暴潮洪水以及更大范围的淹没，同时对于崖州湾沿岸区域来说，风暴潮洪水淹没持续的时间和范围也更大。最大风速半径越大的台风引起的淹没深度和范围越大，台风RMW从10 km增大到30 km，风暴潮漫滩淹没面积增加了0.33 km2，增大为原来的1.8倍；天文潮对风暴潮漫滩的影响显著，高潮平潮登陆的台风和低潮停潮登陆的台风相比，叠加高潮的风暴潮漫滩淹没面积是叠加低潮的3倍，而在大潮期间登陆的台风风暴潮漫滩淹没面积和淹没深度与小潮期间登陆的台风相比，漫滩淹没面积增加了40.7%，最大淹没深度增加了0.43 m。
(3) 对比不同台风参数下超强风暴潮漫滩情况，研究表明超强台风风暴潮过程中崖州湾整个海岸和崖州湾邻海低洼区域均出现程度不一的风暴潮洪水淹没，河流入海口附近更容易被风暴潮漫滩淹没，同时也会出现更高的淹没水深，对于周边的内陆区域来说，如果排水防涝等预防措施不完善，风暴潮漫滩将会造成严重的后果。
| [1] |
中国气象局. 台风业务和服务规定(第四次修订版)[M]. 北京: 气象出版社, 2012. China Meteorological Administration. Regulations on the Business and Service of Typhoons (Rev.4)[M]. Beijing: China Meteorological Press, 2012. (  0) |
| [2] |
吕美仲, 侯志明, 周毅. 动力气象学[M]. 北京: 气象出版社, 2004: 352-359. Lyu Meizhong, Hou Zhiming, Zhou Yi. Dynamic Meteorology[M]. Beijing: China Meteorological Press, 2004: 352-359. ( 0) |
| [3] |
Sui X, Hu M, Wang H, et al. Improved elasticity estimation model for typhoon storm surge losses in China[J]. Natural Hazards, 2023, 116: 2363-2381. ( 0) |
| [4] |
卢莹, 赵海坤, 赵丹, 等. 1984-2017年影响中国热带气旋灾害的时空特征分析[J]. 海洋学报, 2021, 43(6): 45-61. Lu Ying, Zhao Haikun, Zhao Dan, et al. Spatial-temporal characteristic of tropical cyclone disasters in China during 1984-2017[J]. Acta Oceanologica Sinica, 2021, 43(6): 45-61. ( 0) |
| [5] |
自然资源部南海局. 2017-2022南海区海洋灾害公报[R]. 广州: 自然资源部南海局, 2023. South China Sea Branch of Ministry of Ecology and Environment, PRC. 2017-2022 Bulletin of South China Sea Marine Disaster[R]. Guangzhou: South China Sea Branch of Ministry of Ecology and Environment, 2023. ( 0) |
| [6] |
覃茂刚, 曾维特, 龙根元, 等. 三亚崖州湾海域开发建设适宜性定量分析评价[J]. 地震工程学报, 2023, 45(5): 1035-1045. Qin Maogang, Zeng Weite, Long Genyuan, et al. Quantitative analysis and evaluation of the development and construction suitability in Yazhou Bay, Sanya[J]. China Earthquake Engineering Journal, 2023, 45(5): 1035-1045. ( 0) |
| [7] |
Li S, Hong H. Typhoon wind hazard estimation for China using an empirical track model[J]. Natural Hazards, 2016, 82: 1009-1029. DOI:10.1007/s11069-016-2231-2 ( 0) |
| [8] |
Lu X, Yu H, Ying M, et al. Western North Pacific tropical cyclone database created by the China Meteorological Administration[J]. Advance Atmosphere Science, 2021, 38(4): 690-699. DOI:10.1007/s00376-020-0211-7 ( 0) |
| [9] |
Zhang Y, Zhang T. A comprehensive review of assessing storm surge disasters: From traditional statistical methods to artificial intelligence-based techniques[J]. Atmosphere, 2024, 15: 359. DOI:10.3390/atmos15030359 ( 0) |
| [10] |
Aurelio Mercado. On the use of NOAA's storm surge model, SLOSH, in managing coastal hazards-the experience in Puerto Rico[J]. Natural Hazards, 1994, 10(3): 235-246. DOI:10.1007/BF00596144 ( 0) |
| [11] |
Moghimi S, Vander W A, Abdolali A, et al. Development of an ESMF based flexible coupling application of ADCIRC and WAV-EWATCH Ⅲ for high fidelity coastal inundation studies[J]. Journal of Marine Science and Engineering, 2020, 8(5): 308. DOI:10.3390/jmse8050308 ( 0) |
| [12] |
Pandey S, Rao A, Haldar R. Modeling of coastal inundation in response to a tropical cyclone using a coupled hydraulic HEC-RAS and ADCIRC model[J]. Journal of Geophysical Research-Oceans, 2021, 126(7): e2020JC016810. DOI:10.1029/2020JC016810 ( 0) |
| [13] |
唐梓洋, 管守德, 李爱莲, 等. 海南岛周边海域台风风暴潮-海浪耦合作用机理研究[J]. 中国海洋大学学报(自然科学版), 2024, 54(9): 1-11. Tang Ziyang, Guan Shoude, Li Ailian, et al. Study on the coupling mechanism of typhoon storm surge and wave around Hainan Island[J]. Periodical of Ocean University of China, 2024, 54(9): 1-11. DOI:10.16441/j.cnki.hdxb.20230120 ( 0) |
| [14] |
侯一筠, 尹宝树, 管长龙, 等. 我国海洋动力灾害研究进展与展望[J]. 海洋与湖沼, 2020, 51(4): 759-767. Hou Yijun, Yin Baoshu, Guan Changlong, et al. Progress and prospect in research on marine dynamic disasters in China[J]. Oceanologia et Limnologia Sinica, 2020, 51(4): 759-767. ( 0) |
| [15] |
Rey W, Mendoza E T, Salles P, et al. Hurricane flood risk assessment for the Yucatan and Campeche state coastal area[J]. Natural Hazards, 2019, 96(3): 1041-1065. DOI:10.1007/s11069-019-03587-3 ( 0) |
| [16] |
张敏, 罗军, 胡金磊, 等. 雷州市沿海风暴潮淹没危险性评估[J]. 热带海洋学报, 2019, 38(2): 1-12. Zhang Min, Luo Jun, Hu Jinlei, et al. Inundation risk assessment of storm surge along Leizhou Coastal Areas[J]. Journal of Tropical Meteorology, 2019, 38(2): 1-12. ( 0) |
| [17] |
施劭瑜, 杨波, 江文胜, 等. 土地利用类型对滨海城市复合淹没的影响--以象山县为例[J]. 中国海洋大学学报(自然科学版), 2023, 53(2): 83-93. Shi Shaoyu, Yang Bo, Jiang Wensheng, et al. Impact of land use types on compound flooding in coastal cities: A case study of Xiangshan, China[J]. Periodical of Ocean University of China, 2023, 53(2): 83-93. ( 0) |
| [18] |
Westerink J J, Luettich J, Richard B C, et al. ADCIRC: An advanced three-dimensional circulation model for shelves, coasts, and estuaries. Report 2. User's Manual for ADCIRC-2DDI[R]. Washingtong DC: US Army Corps of Engineering WES/TR/ DRP-92-6-2, 1994: 168.
( 0) |
| [19] |
Luettich R, Westerink J J. Formulation and Numerical Implementation of the 2D/3D ADCIRC Finite Element Model Version 44. X[M]. Luettich R: UNC-Institute of Marine Sciences, 2004.
( 0) |
| [20] |
Booij N, Ris R C, Holthuijsen L H. A third-generation wave model for coastal regions: 1. Model description and validation[J]. Journal of Geophysical Research: Oceans, 1999, 104(C4): 7649-7666. DOI:10.1029/98JC02622 ( 0) |
| [21] |
Dietrich J C, Zijilema M, Westrink J J, et al. Modeling hurricane waves and storm surge using integrally-coupled, scalable computations[J]. Coastal Engineering, 2011, 58(1): 45-65. DOI:10.1016/j.coastaleng.2010.08.001 ( 0) |
| [22] |
Dietrich J C, Zijilema M, Allier P E, et al. Limiters for spectral propagation velocities in SWAN[J]. Ocean Modelling, 2013, 70: 85-102. DOI:10.1016/j.ocemod.2012.11.005 ( 0) |
| [23] |
Bilskie M V, Hagen S C, Medeiros S C, et al. Data and numerical analysis of astronomic tides, wind-waves, and hurricane storm surge along the northern Gulf of Mexico[J]. Journal of Geophysical Research-Oceans, 2016, 121(5): 3625-3658. DOI:10.1002/2015JC011400 ( 0) |
| [24] |
孙瑞, 侯一筠, 李健, 等. 南海北部一次台风浪过程的数值模拟[J]. 海洋科学, 2013(12): 76-83. Sun Rui, Hou Yijun, Li Jian, et al. The simulation of a typhoon wave in the northern part of the South China Sea[J]. Marine Sciences, 2013(12): 76-83. ( 0) |
| [25] |
Jelesnianski C. A numerical calculation of storm tides induced by a tropical storm impinging on a continental shelf[J]. Monthly Weather Review, 1965, 93(6): 83-88. ( 0) |
| [26] |
王凯, 侯一筠, 冯兴如, 等. 福建沿海浪潮耦合漫堤风险评估: 以台风天兔为例[J]. 海洋与湖沼, 2020, 51(1): 51-58. Wang Kai, Hou Yijun, Feng Xingru, et al. Risk assessment of overtopping seawall under waves and surges for Fujian Coast: A case study of typhoon usagi[J]. Oceanologia et Limnologia Sinica, 2020, 51(4): 759-767. ( 0) |
| [27] |
Li A, Guan S, Mo D, et al. Modeling wave effects on storm surge from different typhoon intensities and sizes in the South China Sea[J]. Estuarine, Coastal and Shelf Science, 2020, 235: 106551. DOI:10.1016/j.ecss.2019.106551 ( 0) |
| [28] |
Luettich R, Westerink J J. ADCIRC: An Advanced Three-Dimensional Circulation Model for Shelves, Coasts, and Estuaries. Version 53[M]. Luettich R: UNC-Institute of Marine Sciences, 2023.
( 0) |
| [29] |
Zhang X, Liu L, Chen X, et al. GLC_FCS30: Global land-cover product with fine classification system at 30 m using time-series landsat imagery[J]. Earth System Science Data, 2021, 13(6): 2753-2776. DOI:10.5194/essd-13-2753-2021 ( 0) |
| [30] |
U. S. Geological Survey. National Land Cover Database (NLCD) 2016 Land Cover[M]. America: U. S. Geological Survey, 2019.
( 0) |
| [31] |
Guan S, Li S, Hou Y, et al. Increasing threat of landfalling typhoons in the western North Pacific between 1974 and 2013[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 68: 279-286. DOI:10.1016/j.jag.2017.12.017 ( 0) |
| [32] |
Liu K, Chan J. Recent increase in extreme intensity of tropical cyclones making landfall in South China[J]. Climate Dynamics, 2020, 55: 1059-1074. DOI:10.1007/s00382-020-05311-5 ( 0) |
| [33] |
庞古乾, 黄玉明, 何健, 等. 珠海市台风及其次生风暴潮特征分析与评估[J]. 热带气象学报, 2020, 36(1): 42-50. Pang Guqian, Huang Yuming, He Jian, et al. Analysis and assessment of the characteristics of typhoon induced storm surge in Zhuhai[J]. Journal of Tropical Meteorology, 2020, 36(1): 42-50. ( 0) |
| [34] |
James P K. A global slowdown of tropical-cyclone translation speed[J]. Nature, 2018, 558(7708): 104-107. DOI:10.1038/s41586-018-0158-3 ( 0) |
| [35] |
Zhuo J, Tan Z. A deep-learning reconstruction of tropical cyclone size metrics 1981-2017: Examining trends[J]. Climate, 2023, 36: 5103-5123. DOI:10.1175/JCLI-D-22-0714.1 ( 0) |
| [36] |
杨万康, 冯兴如, 尹宝树, 等. 铁山湾内天文潮对风暴潮水位的影响研究[J]. 海洋与湖沼, 2022, 53(4): 882-890. Yang Wankang, Feng Xingru, Yin Baoshu, et al. The tidal effect on storm surge level in Tieshan Bay, South China Sea[J]. Oceanologia et Limnologia Sinica, 2022, 53(4): 882-890. ( 0) |
| [37] |
Shan K, Chu P, Yu X, et al. Interdecadal change of tropical cyclone translation speed during peak season in South China Sea: Observed evidence, model results, and possible mechanism[J]. Journal of Climate, 2023, 36(13): 1-27. DOI:10.1175/JCLI-3613masthead ( 0) |
| [38] |
Lu X, Wong W, Yu H, et al. Tropical cyclone size identification over the western north pacific using support vector machine and general regression neural network[J]. Journal of the Meteorological Society of Japan, 2022, 100(6): 927-941. ( 0) |
2. Sanya Oceanographic Laboratory, Sanya 572000, China;
3. The Key Laboratory of Physical Oceanography, Ministry of Education, Ocean University of China, Qingdao 266100, China