2026, Vol. 56
热带气旋是生成于热带海洋上、具有暖心结构的气旋性涡旋，在西北太平洋及南海洋面上发展到一定程度称为台风，由其引发的极端海浪会危及船舶航行、破坏近岸建筑等，严重威胁着人民生命财产安全[1]。台风移至近岸后强度往往减弱，但少数台风在24 h内最大风速增幅可以超过15 m/s(1 kt≈0.51 m/s)，表现出快速增强特征[2]，容易低估其灾害强度而无法采取及时有效的防御措施。因此，开展快速增强台风影响下海浪场响应特征研究，对于中国沿岸地区发展具有重要经济和社会意义。
受台风形成的移动的旋转海面风场驱动，台风浪形成和传播过程较为复杂，台风控制海域表现出独特的海浪场结构。Young[3]认为，通常情况下，台风浪结构可用风区受限(Fetch-limited)模型来解释，认为风区是影响海浪发展的重要因素。在台风移动路径右侧，风向和台风移动方向一致，风区较长[4]，海浪发展较为充分，形成“俘获”波(Trapped wave)[5]；而在台风移动路径左侧，风向和台风移动方向相反，风区较短，海浪发展受到抑制。目前对于台风浪非对称性已有足够的认识，但考虑到实际台风存在强度突变的情况，建立在台风强度恒定假设之上的早期台风浪模型可能不再适用，而随着台风移动过程中强度和风区的改变，海浪场结构演变过程也需要更细致的分析。
台风影响下的海浪场在局地会包括强风直接作用而产生的风浪组分以及从台风前期位置传播来的涌浪组分，因此，在台风瞬时风场下的不同位置，海浪谱也呈现出不同的组分特征[6-7]。距离台风中心一定范围内，海浪谱中各组分在非线性波-波相互作用下具有保持单峰谱型的倾向，即“谱型稳定性”[3]。尽管各象限风场存在差异，但除了右后象限，海浪谱以单峰低频的涌浪组分为主[8]。台风作用期间，局地风浪容易与其他位置传来的涌浪叠加，海浪谱表现为风浪和涌浪组分传播方向存在一定夹角[9]。当台风移动到近岸时，海浪容易发生折射和反射，使得不同海浪组分的传播具有更多不确定性，容易形成双峰谱或多峰谱[10]。目前对于台风影响下的海浪谱已有诸多研究，台风浪水平结构基本可以用Fetch-limited理论来解释，但受到风区和地形影响，不同海域海浪谱可能存在一定差异[11]。
由于在台风影响海域进行现场观测十分困难，数值模拟成为研究台风浪时空变化的重要手段。一方面，通过数值模拟结果可以对比分析台风海况和一般海况的差异[12]，以及不同路径和强度台风作用期间台风浪分布变化特征[13-14]；另一方面，利用近岸区域海浪模式，如WaveWatch-Ⅲ和Simulating Waves Nearshore (SWAN)，可以分析浅水海湾和岛屿等特殊海域海浪对台风的响应过程[15-16]。实际上，台风浪形成与发展往往受到台风和海域的综合影响，数值模拟台风浪时有必要考虑各种风-浪-流相互作用过程[17-19]。近年来有研究发现，相比单一海浪模式，耦合模式可以更好地模拟强台风，例如2014年影响中国的第9号台风“威马逊”，移动路径两侧极端波高不对称分布及其形成过程[20-21]。然而，耦合模式提出与建立时间相对较晚，对具体海域台风浪数值模拟研究仍存在一定的空白。
全球气候变暖背景下，影响西北太平洋边缘海的台风呈现增强和北偏趋势[22-23]，台风达到最大强度时距离海岸也越来越近[24]。中国南海北部是遭受台风袭击最频繁的海域之一[25-26]，复杂多变的环境因子使得该海域快速增强台风一直是业务预报和数值模拟中的难点[27-29]。本文基于COAWST模式[19]，以2020年影响中国的第6号台风“米克拉”为例[30]，分析快速增强台风影响下海浪场响应特征，为相关数值模拟方案的改进以及未来中国沿海地区防台减灾工作的开展提供参考。
1 数据与方法 1.1 数据来源台风观测数据来自中国气象局最佳路径数据集(China Meteorological Administration, CMA)[31-32]，该数据集提供1949年以来西北太平洋以6 h(登陆前24 h加密为3 h)为时间间隔的热带气旋中心经纬度坐标、最低海平面气压、2 min平均近中心最大风速和强度等级等气象资料。本文共选取2010—2023年影响南海东北部海域的10个台风事件(见图 1，表 1)，其中不低于强台风等级的占50%，经过南海东北部后继续向西移动并影响广东省及海南省沿岸的占70%，包含快速增强台风“米克拉”在内的3个台风在进入南海东北部后向西北或向北移动，最终在福建省沿岸登陆。
|
图 1 影响南海东北部的台风移动路径与强度分布 Fig. 1 Typhoons' tracks and scales passing through the northeastern South China Sea |
|
表 1 台风模拟开始时间和结束时间 Table 1 Start and end times of the simulation during 10 typhoon(TC) cases |
表 1给出10个台风事件模拟时间，其中第1天为模式预热阶段。3个子模式每600 s进行一次耦合，各分量在耦合器中独立积分。COAWST模式按照1 h间隔输出历史数据，二维海浪谱数据单独按照3 h间隔输出。
高度计数据来自澳大利亚海洋数据综合观测系统(The integrated marine observing system australian ocean data network，IMOS)数据集，该数据集包含1985年以来全球高度计观测的海表面10 m风速(以下简称风速)和有效波高数据，已使用浮标数据进行校正。根据所研究的台风事件，本文共选取5 394组高度计轨道观测的风速和有效波高数据，在南海东北部分布情况如图 2所示。
|
图 2 高度计轨道观测风速(a)与有效波高(b)分布 Fig. 2 Distribution of wind speed (a) and significant wave height (b) observed by altimeter orbit |
COAWST模式于2010年由伍兹霍尔科学中心(Woods Hole Science Center)和美国地质调查局(Geological Survey)联合研发，其中大气、海洋、海浪三个子模式分别使用WRF(Weather research and forecasting)、ROMS(Regional ocean model system)和SWAN(Simulating waves nearshore)。图 3为COAWST模式示意图，WRF、ROMS、SWAN通过MCT耦合器(Model coupling toolkit)实现两两双向耦合，使用并行计算方法实现数据的动态高效传输。
|
图 3 COAWST模式示意图 Fig. 3 COAWST modelling system |
WRF由美国国家环境预报中心(National Centers for Environmental Prediction)和美国国家大气研究中心(National Center for Atmospheric Research)等机构共同研发，控制方程满足非静力平衡的欧拉方程，时间积分使用三阶或四阶Runge-Kutta方案，水平方向使用Arakawa C网格，垂直方向使用Eta坐标。本文采用WRF-ARW 4.2.2版本，初始场和边界条件资料来自欧中中期天气预报中心(the European Centre for Medium-range Weather Forecasts，ECMWF)提供的空间分辨率为0.25°×0.25°、时间分辨率为1 h的ERA5(ECMWF Reanalysis v5)数据集。
ROMS由罗格斯大学(Rutgers University)和加利福尼亚大学(University of California)共同研发，控制方程基于自由表面和雷诺平均的纳维-斯托克斯方程，满足Boussinesq近似和准静力近似，水平方向上使用Arakawa C网格，垂直方向上使用地形追随坐标。网格使用分辨率为30"的ETOPO 2022(The earth topography 2022)地形数据集制作，初始场和边界条件资料来自混合坐标海洋模式(Hybrid Coordinate Ocean Model)提供的水平分辨率为1/12(°)×1/12(°)全球分析数据，潮汐开边界使用全球海洋潮汐模型(https://www.tpxo.net/global)制作。
SWAN是由代尔夫特理工大学(Delft University of Technology)开发的第三代海浪模式，保留了海浪模式(Wave model, WAM)大部分特点外，还加入了非线性波-波相互作用，克服了WAM的浅海模拟局限，具备近岸海浪模拟条件。SWAN控制方程为动谱平衡方程，可以综合考虑变浅、折射等多种波浪传播过程以及风能输入、底摩擦耗散等能量输入和耗散过程，能够模拟复杂地形和气象条件。
1.3 COAWST模式设置WRF范围为111.72°E—125.27°E，16.21°N—26.98°N，网格数为352×302，时间步长为24 s，水平分辨率为4 km，垂向从地面到10 hPa共设置40层。ROMS范围为112.46°E—123.73°E，16.91°N—25.94°N，网格数为292×252，时间步长为12 s，水平方向分辨率与WRF相同，垂向采用地形追随坐标，共设置30层。为了节省计算资源，SWAN采用与ROMS相同的网格设置，初始场由WRF和ROMS驱动，时间步长为15 s，海浪谱中波动能量密度E(f, θ)在36个方向、25个频率上进行离散，其中方向分辨率为10°，频率范围0.04~1.0 Hz。模式采用冷启动。表 2给出模式中主要物理过程参数化方案设置，其中底摩擦参数化方案参考Peng等[33]研究，底摩擦系数Cb设为0.019。图 4给出南海东北部水深和模拟区域设置，其中实线方框表示WRF模拟区域，虚线方框表示ROMS和SWAN模拟区域。
|
|
表 2 COAWST模式物理过程参数化方案 Table 2 The parameterization schemes of the COAWST model |
|
图 4 南海东北部水深和模拟区域设置 Fig. 4 Depth of the northeastern South China Sea and grid setting of COAWST |
本文使用平均误差(Mean deviation, MD)、均方根误差(Root-mean-square error, RMSE)、相关系数(Pearson correlation coefficient, CC)和离散系数(Scatter index, SI)四种统计误差指标对比模拟值与观测值，评估模式输出结果。其中SI为RMSE与观测数据平均值之比，数学表达式为
| $S I=\frac{\left[\frac{1}{N} \sum\limits_{i=1}^N\left(r_i-f_i\right)^2\right]^{\frac{1}{2}}}{\frac{1}{N} \sum\limits_{i=1}^N f_i}。$ | (1) |
式中：fi和ri分别表示观测值和模拟值；N为样本总数。SI通过消除数据量纲影响，直接反映数据分散程度。离散系数越小，说明数据分散程度越小。
1.5 波龄计算波龄(β)是表示海浪状态的参数之一[34]，表达式为
| $\beta=\frac{c_{\mathrm{p}}}{U_{10}}=\frac{g T_{\mathrm{p}}}{2 {\rm{ \mathsf{ π}}} U_{10}} 。$ | (2) |
式中：cp为海浪相速度；U10为风速；g是重力加速度；Tp为谱峰对应波周期。满足有限风区理论的条件下，当β < 1.2时，海域内风浪占主导地位，否则受涌浪控制[35]。
2 数值模拟结果验证 2.1 南海东北部台风模拟结果分析图 5(a)中相关系数为0.88，均方根误差为2.71 m/s，平均误差为0.33 m/s，拟合曲线斜率为1.04，说明风速模拟结果与卫星高度计观测值基本符合。风速数据集中在[5, 15]区间，当风速大于20 m/s时，数据离散程度增大，这可能与大气模式边界层参数化方案对台风强风速的响应机制有关。图 5(b)中相关系数为0.80，均方根误差为1.16 m，平均误差为-0.31 m，拟合曲线斜率为0.85。有效波高数据集中在[2, 5]区间，当有效波高大于7 m时，数据离散程度明显增大；有效波高小于0.5 m时，存在系统性模拟偏差。
|
( 图中每个数据点代表一组对应的高度计观测和模式模拟的值。黑色对角线(Y=X)为“模拟值=实测值”的理想线，红色拟合线是对所有散点进行线性回归得到的，用于量化模拟值与观测值之间的线性关系，散点颜色表示散点密度，为单位面积内散点的个数。Each point in the figure represents a corresponding pair of altimeter observation and model simulation values. The black diagonal line (Y=X) denotes the ideal line where simulated values equal observed values. The red fitted line is derived from linear regression performed on all scattered points, serving to quantify the linear relationship between simulated and observed values. The color of the points indicates the scatter density, defined as the number of points per unit area. ) 图 5 全部模拟时段输出的风速(a)和有效波高(b)与高度计观测值对比 Fig. 5 Density scatterplots for wind speed(a) and significant wave height(b) between model and altimeter data |
图 6显示，8月10日00时到11日06时(UTC)，COAWST模式能准确模拟台风“米克拉”的移动方向，但路径整体存在约1°的东偏误差。该时间段内，HY-2B、Jason-3和Sentinel三种卫星高度计共得到456组南海东北部海域的风速和有效波高观测数据，其中30%左右位于台风“米克拉”路径100 km范围以内。模拟验证结果如图 7所示，风速模拟相关系数大于0.9，均方根误差为1.47 m/s；有效波高模拟相关系数为0.79，均方根误差为0.61 m，说明模拟结果与高度计观测值具有较高一致性。此外，风速与有效波高模拟的平均偏差基本相同，但有效波高的离散系数较大，可能是台风移动路径模拟偏差所致。
|
图 6 台风“米克拉”移动路径模拟结果与CMA最佳路径对比 Fig. 6 Modeled track compared with CMA data during TC Mekkhala |
|
图 7 台风“米克拉”影响下风速(a)和有效波高模拟值(b)与观测值对比 Fig. 7 Modeled wind speed(a) and significant wave height(b) compared with altimeter data during TC Mekkhala |
图 8显示，从8月10日00时至11日00时(UTC)，“米克拉”中心附近最大风速由21 m/s左右迅速增强至38.78 m/s，增幅约为18 m/s，同时最低海平面气压从998 hPa左右迅速下降至986.72 hPa左右，说明COAWST模式输出结果与最佳路径数据基本符合，并且改善了现有模式普遍存在的台风强度低估问题[36]。此外，8月11日00时(UTC)，“米克拉”发展到最强，此时最大风速模拟误差仅在1 m/s左右，而最低海平面气压模拟结果存在10 hPa左右的高估，说明最大风速模拟精度高于最低海平面气压。
|
图 8 台风“米克拉”影响下最低海平面气压(a)和最大风速(b)随时间变化验证曲线 Fig. 8 Modeled minimum sea level pressure(a) and the maximum wind speed(b) compared with CMA data during TC Mekkhala |
图 9显示，8月10日09时(UTC)，“米克拉”位于台湾岛西南部海域上方向西北方向移动，中心附近最大风速为22.4 m/s，最低海平面气压为994.2 hPa，最大风速半径约33 km，这与Knaff等[37]统计的西北太平洋台风R64(64 kt风速半径，64 kt≈32.6 m/s)统计平均值(约30 km)基本一致。8月10日15时(UTC)，“米克拉”移动至台湾海峡南部，中心附近最大风速增强至30.9 m/s，最低海平面气压降低至991.5 hPa，最大风速半径不断减小。到8月11日00时(UTC)，“米克拉”即将登陆福建省沿岸，与10日09时(UTC)相比，中心附近风速增加了16.9 m/s，最低海平面气压降低了8 hPa，最大风速半径减小了8 km左右。
|
( 图中黑色实线表示台风移动路径；黑色圆圈表示最大风速半径；黑色箭头表示风速；红色箭头表示台风移动方向；白色实线表示200 m水深等深线；MWS表示最大风速，MSLP表示最低海平面气压。The solid black line represents the typhoon track; The solid black circle represents the radius of maximum wind speed; The solid black arrow represents wind speed; The solid red arrow represents typhoon forward direction; The solid white line represents 200 m water depth; MWS represents maximum wind speed, MSLP represents minimum sea level pressure. ) 图 9 2020年8月10日09时—11日00时(UTC)南海东北部风速时空演变过程 Fig. 9 Spatiotemporal evolution of the wind speed from 0900 UTC 10 to 0000 UTC 11 Aug., 2020 in the Northeastern South China Sea |
图 10显示，8月10日09时(UTC)，“米克拉”移动速度为23.5 km/h，最大有效波高为4.8 m，位于台风右侧，大约是左侧的2倍。到8月10日15时(UTC)，“米克拉”移速放缓，但强度不断增强，有效波高随之增大，大于4 m的区域呈现向台风前侧延伸的趋势，左侧有效波高基本保持在3 m左右。到8月11日00时(UTC)，“米克拉”移速又提高至20 km/h以上，与台风尺度减小相反，极端海浪影响区域继续向前扩展，最大有效波高为8 m，右侧与左侧有效波高之差最大约为5 m，体现了台风两侧海洋动力响应与大气动力强迫存在的非线性耦合作用。此外，“米克拉”与飓风“佛罗伦斯”[38]相比，尽管二者登陆前最大风速基本相同，但“米克拉”作用下最大有效波高较小，可能是由于“米克拉”空间尺度较小，限制了能量输入的海域范围[27]。
|
( 图中黑色实线表示台风移动路径；黑色圆圈表示最大风速半径；黑色箭头表示平均波向；红色箭头表示台风移动方向；白色实线表示200 m水深等深线；MSWH表示最大有效波高，Uh表示台风移动速度。The solid black line represents the typhoon track; The solid black circle represents the radius of maximum wind speed; The solid black arrow represents mean wave direction; the solid red arrow represents typhoon forward direction; The solid white line represents 200 m water depth; MSWH represents maximum significant wave height, Uh represents typhoon translation speed. ) 图 10 2020年8月10日09时—11日00时(UTC)南海东北部有效波高时空演变过程 Fig. 10 Spatiotemporal evolution of the significant wave height from 0900 UTC 10 to 0000 UTC 11 Aug., 2020 in the Northeastern South China Sea |
图 11(a)显示，5R内，相对风向呈明显逆时针旋转，中心向外的风应力减小，右后象限相对平均波向与相对风向基本一致，说明该象限内风浪发展较为充分，这与Xu等[10]同样在南海北部台风观测结果具有一致性。左后象限和左前象限相对风向和相对平均波向夹角大于90°甚至完全相反，这与“Fetch-limited”理论相符合。但是，相对平均波向整体为北向，对快速增强风场没有做出明显响应，表现出与以往台风浪研究的差异。例如，2010年第13号台风“鲇鱼”移动到相同海域位置时，具有和“米克拉”类似的强度和移动路径，但前者作用下海浪传播方向表现出与风场类似的逆时针旋转[20]，初步分析与季风作用有关[39]。图 11(b)显示，3R内，波龄普遍小于1.2，说明风浪不断发展；3R—5R范围内，除了右后和左右象限外，其余象限以波龄大于1.2为主，主要受涌浪控制。表 3显示，各象限有效波高与风速呈正相关，波龄与风速呈负相关。左后象限R距离有效波高和波龄变化量小于其他象限，3R距离大于其他象限。按照前人研究，左后象限相对风向和相对平均波向的夹角大于90°，风区较小，应该以涌浪为主。但不管平均值还是变化值，都表明左后象限3R距离内，波高和波龄对快速增强台风的响应特征都区别于对其他近岸减弱台风。
|
( 数据平均后被投影到以台风前进方向为0°、台风中心为原点的归一化无量纲框架上。黑色箭头表示相对风向，红色箭头表示相对平均波向，长度分别表示风速和有效波高。坐标轴长度基于最大风速半径R。The data are projected onto a nondimensional reference frame with the typhoon forward direction as 0°, and the typhoon center is the origin; The solid black arrow represents the relative wind direction, the solid red arrow represents the relative mean wave direction, and the line length represents the relative magnitude of the wind speed and significant wave height. The length of the coordinate axis is based on the radius of maximum wind speed. ) 图 11 台风“米克拉”影响下风向、波向(a)和波龄(b)空间分布 Fig. 11 Wind direction and mean wave direction (a) and wave age(b) onto a nondimensional reference frame during TC Mekkhala |
|
|
表 3 8月10日9时到11日00时(UTC)台风“米克拉”各象限风速(U10)、有效波高(Hs)、波龄(β)变化量 Table 3 Variations of wind speed(U10), significant wave height(Hs) and wave age(β) in each quadrant from 0900 UTC 10 to 0000 UTC 11 Aug., 2020 during TC Mekkhala |
为了研究8月10日09时、15时和21时(UTC)三个时刻各象限R和3R距离的二维海浪谱，以及A点(118.83°E, 23.46°N)8月10日09时—11日06时(UTC)一维海浪谱，特征点选取方式如图 12所示。其中8月10日09时，A点位于“米克拉”影响范围以外；15时，A点位于“米克拉”移动方向前侧约3R距离处；21时，A点位于“米克拉”左后象限R距离处。海浪谱分析不考虑背景浪场的影响。
|
( 图中红色实线表示台风移动路径；①，②，③分别对应8月10日09时、15时和21时归一化无量纲框架，以②为例，R表示最大风速半径，灰色箭头表示台风移动方向，Ⅰ—Ⅳ表示象限，灰色实心圆点表示二维海浪谱特征点位置，①，③特征点选取方式与②相同；A对应的蓝色实心圆点表示一维海浪谱特征点位置。The red solid line represents the typhoon track; ①, ②, ③ represent the nondimensional reference frame at 0900, 1500 and 2100 UTC Aug. 10, 2020 respectively; Take ② as an example, "R" represents the radius of maximum wind speed, the grey arrow represents typhoon forward direction, Ⅰ—Ⅳ represent quadrants, and the grey solid dots represent the feature points of the 2D wave spectra, ①and③ are selected in the same way as ②; The blue solid dot "A" represents the feature point of 1D wave spectral. ) 图 12 归一化无量纲框架与特征点分布 Fig. 12 The distribution of nondimensional reference frames and feature points |
图 13显示，8月10日09时(UTC)，R距离上，“米克拉”右后象限存在谱峰能量密度最大值，约为0.4 m2·Hz-1·deg-1，各个象限内谱峰频率在0.1~0.15 Hz；台风前侧存在受局地风影响偏离平均波向、频率大于0.15 Hz的风浪组分，除右后象限外由涌浪主导。3R距离上，“米克拉”左前和右前象限二维海浪谱维持单峰谱型，但其中风浪组分与R距离相比向高频偏移，并且频谱宽度有所增加；谱峰能量密度方面，3R与R相比，除了右后象限增大外，其他象限均减小，体现了台风浪结构的不对称性。
|
( 图中R表示最大风速半径；Ⅰ—Ⅳ表示象限；黑色实线表示风向，红色实线表示平均波向，长度分别表示风速和有效波高。图中颜色表示能量密度。"R" represents the radius of maximum wind speed, Ⅰ—Ⅳ represent quadrants; The solid black arrow represents the relative wind direction, the solid red arrow represents the relative mean wave direction, and the line length represents the relative magnitude of the wind speed and significant wave height. The color indicates the energy density. ) 图 13 2020年8月10日09时(UTC)二维海浪谱分布 Fig. 13 2D wave spectra in the dimensional reference frame during TC Mekkhala at 0900 UTC 10 Aug., 2020 |
图 14显示，8月10日15时(UTC)，R距离上，“米克拉”右前和右后象限谱峰能量密度最大，约0.6 m2·Hz-1·deg-1，左前象限和左后象限风浪组分峰值频率在0.2 Hz左右，其中左后象限风浪组分传播方向偏离平均波向并且完全与涌浪组分分离。3R距离上，台风左前和右前象限靠近局地风风向的风浪组分消失，仅在涌浪传播方向范围内出现高频扩展，这可能与3R距离以外近岸浅水地形导致的风区变短和波能耗散有关。
|
( R表示最大风速半径；Ⅰ—Ⅳ表示象限；黑色实线表示风向，红色实线表示平均波向，长度分别表示风速和有效波高。图中颜色表示能量密度的大小。"R" represents the radius of maximum wind speed, Ⅰ—Ⅳ represent quadrants; The solid black arrow represents the relative wind direction, the solid red arrow represents the relative mean wave direction, and the line length represents the relative magnitude of the wind speed and significant wave height. The color indicates the magnitude of energy density. ) 图 14 2020年8月10日15时(UTC)二维海浪谱分布 Fig. 14 wave spectra in the dimensional reference frame during TC Mekkhala at 1500 UTC 10 Aug., 2020 |
图 15显示，8月10日21时(UTC)，R距离上，右前象限谱峰能量密度最大，约为1 m2·Hz-1·deg-1，对应表 3相同位置的有效波高变化量；左后象限虽然平均波向与局地风向相反，但风浪组分能量较高，与涌浪组分存在约75°夹角，形成双峰谱型。3R距离上，左后象限虽然谱峰能量密度显著降低，但仍保持与R距离相似的海浪谱型；右后象限除了局地东南风产生的风浪组分，还出现从西南方向传入的涌浪，结合左后象限风向来看，可能是左后象限一部分群速度较快的风浪组分传播至右后象限形成。
|
( R表示最大风速半径；Ⅰ—Ⅳ表示象限；黑色实线表示风向，红色实线表示平均波向，长度分别表示风速和有效波高。图中颜色表示能量密度的大小。"R" represents the radius of maximum wind speed, Ⅰ—Ⅳ represent quadrants; The solid black arrow represents the relative wind direction, the solid red arrow represents the relative mean wave direction, and the line length represents the relative magnitude of the wind speed and significant wave height. The color indicates the magnitude of energy density. ) 图 15 2020年8月10日21时(UTC)二维海浪谱分布 Fig. 15 2D wave spectra in the dimensional reference frame during TC Mekkhala at 1500 UTC 10 Aug., 2020 |
为了进一步分析实际海域中固定位置的海浪谱对快速增强过程的响应，以时间为自变量研究A点一维海浪谱变化情况，如图 16所示。8月10日09时(UTC)，A点位于“米克拉”影响范围以外，此时能量密度非常小，大约在1 m2/Hz以下。随着“米克拉”不断向西北移动，台风距离A点越来越近。8月10日18时(UTC)，“米克拉”中心移动至A点以南，此时一维海浪谱表现为单峰谱，谱峰频率约为0.1 Hz，谱峰能量密度约为25 m2/Hz。到8月10日21时(UTC)，“米克拉”经过A点，中心移动至A点以北约25 km处，即相对台风中心左后象限R距离位置。此时一维海浪谱仍然为单峰谱，但谱宽向高频扩展，谱峰频率增大至0.13 Hz，说明A点在快速风场作用下风浪组分不断发展，同时也验证了图 15台风左后象限风浪组分形成过程。
|
图 16 一维海浪谱随时间变化 Fig. 16 1D spectra with a time interval |
本文基于COAWST模式构建了南海东北部高分辨率台风浪数值模拟系统，针对2020年影响该海域的第6号台风“米克拉”研究台风快速增强过程中海浪场响应特征。结果表明：
(1) 随着台风快速增强，移动路径右侧有效波高与局地风速呈一定的正相关关系，移动路径左右两侧有效波高之差最高可达5 m左右。尽管“米克拉”尺度不断减小，但是移动路径右侧波高大于4 m的海浪的分布范围没有减小，甚至逐渐向右前象限扩展，可以达到最大风速半径的3倍。
(2) 快速增强台风影响下，相对风向表现为逆时针旋转特征，但相对平均波向整体为北向，对快速增强风场未产生显著响应。在5倍最大风速半径范围内，台风各象限波高随风速增大而增大，波龄随风速增大而减小。左后象限与右后象限波龄分布基本一致，并且均小于1.2。
(3) 进一步分析海浪谱发现，随着台风快速增强，谱峰能量密度最大值逐渐从台风右后象限移动至右前象限，同时风速的迅速加强使得左前象限和左后象限出现偏离平均波向并不断向高频扩展的风浪组分。左后象限二维海浪谱表现为风浪与涌浪组分同时存在并且呈一定夹角的双峰谱型，部分风浪组分会传播至右后象限形成涌浪。
尽管COAWST模式对2020年第6号台风“米克拉”的移动路径模拟存在一定的误差，但较好地模拟了其在近岸的快速增强过程。综合风场和海浪场模拟结果发现，台风快速增强过程会导致极端海浪覆盖范围迅速扩大，风浪组分不断发展，在台风左后象限海域形成双峰谱，这可能是海浪场对快速增强台风的独特响应特征。未来研究需要结合更多快速增强台风案例，开展定量化对比分析, 以深入揭示海浪场对快速增强类型台风的响应规律及物理机制。
| [1] |
Chen W B, Chen H, Hsiao S C, et al. Wind forcing effect on hindcasting of typhoon-driven extreme waves[J]. Ocean Engineering, 2019(188): 106260. (  0) |
| [2] |
Kaplan J, DeMaria M. Large-scale characteristics of rapidly intensifying tropical cyclones in the North Atlantic Basin[J]. Weather and Forecasting, 2003, 18(6): 1093-1108. DOI:10.1175/1520-0434(2003)018<1093:LCORIT>2.0.CO;2 ( 0) |
| [3] |
Young I R. A review of the sea state generated by hurricanes[J]. Marine Structures, 2003, 16(3): 201-218. DOI:10.1016/S0951-8339(02)00054-0 ( 0) |
| [4] |
Young I R. Observations of the spectra of hurricane generated waves[J]. Ocean Engineering, 1998, 25(4): 261-276. ( 0) |
| [5] |
Bowyer P J, MacAfee A W. The theory of trapped-fetch waves with tropical cyclones: An operational perspective[J]. Weather and Forecasting, 2005, 20(3): 229-244. DOI:10.1175/WAF849.1 ( 0) |
| [6] |
Young I R, Babanin A V. Spectral distribution of energy dissipation of wind-generated waves due to dominant wave breaking[J]. Journal of Physical Oceanography, 2006, 36: 376-394. DOI:10.1175/JPO2859.1 ( 0) |
| [7] |
Young I R. Parametric hurricane wave prediction model[J]. Journal of Waterway, Port, Coastal, and Ocean Engineering, 1988, 114(5): 637-652. DOI:10.1061/(ASCE)0733-950X(1988)114:5(637) ( 0) |
| [8] |
Hu K, Chen Q. Directional spectra of hurricane-generated waves in the Gulf of Mexico[J]. Geophysical Research Letters, 2011, 38(19): L19608. ( 0) |
| [9] |
Collins C O, Potter H, Lund B, et al. Directional wave spectra observed during intense tropical cyclones[J]. Journal of Geophysical Research: Oceans, 2018, 123(2): 773-793. DOI:10.1002/2017JC012943 ( 0) |
| [10] |
Xu Y, He H, Song J, et al. Observations and modeling of typhoon waves in the South China Sea[J]. Journal of Physical Oceanography, 2017, 47(6): 1307-1324. DOI:10.1175/JPO-D-16-0174.1 ( 0) |
| [11] |
李好雨, 储可宽. 台风结构与强度以及环境场对西北太平洋台风尺度估计的影响研究[J]. 南京大学学报(自然科学版), 2024, 60(2): 244-256. Li H Y, Chu K K. The impact of typhoon structure, intensity, and environmental factors on the estimation of typhoon size in the Northwest Pacific[J]. Journal of Nanjing University(Natural Science), 2024, 60(2): 244-256. ( 0) |
| [12] |
Zou L, Liu L, Wang Z, et al. Evolution wave condition using WAVEWATCH Ⅲ for island sheltered area in the South China Sea[J]. Journal of Marine Science and Engineering, 2023, 11(6): 1158. DOI:10.3390/jmse11061158 ( 0) |
| [13] |
李焱. 福建省热带气旋时空分布及台风浪数值模拟研究[D]. 福州: 福州大学, 2020. Li Y. Study on the Temporal and Spatial Distribution of Tropical Cyclones and Numerical Simulation of Typhoon Waves in Fujian Province[D]. Fuzhou: Fuzhou University, 2020. ( 0) |
| [14] |
季余, 朱业, 李莉, 等. 浙江沿海台风浪模式的参数适应性研究[J]. 海洋预报, 2024, 40(2): 22-31. Ji Y, Zhu Y, Li L, et al. Study on the parameters adaptability of typhoon wave model in Zhejiang coastal area[J]. Marine Forecasts, 2024, 40(2): 22-31. ( 0) |
| [15] |
Sheng Y, Shao W, Li S, et al. Evaluation of typhoon waves simulated by WaveWatch-Ⅲ Model in shallow waters around Zhou-shan Islands[J]. Journal of Ocean University of China, 2019, 18(2): 365-375. DOI:10.1007/s11802-019-3829-2 ( 0) |
| [16] |
陈剑桥. 三种典型路径下的台湾海峡台风浪特征研究[J]. 海洋预报, 2018, 35(6): 1-12. Chen J Q. Study on the characteristics of typhoon waves under three typical paths in Taiwan Strait[J]. Marine Forecasts, 2018, 35(6): 1-12. ( 0) |
| [17] |
Zhang W, Zhang J, Liu Q, et al. Effects of surface wave-induced mixing and wave-affected exchange coefficients on tropical cyclones[J]. Remote Sensing, 2023, 15(6): 1594. DOI:10.3390/rs15061594 ( 0) |
| [18] |
Prakash K R, Pant V, Nigam T. Effects of the sea surface roughness and sea spray-induced flux parameterization on the simulations of a tropical cyclone[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(24): 14037-14058. DOI:10.1029/2018JD029760 ( 0) |
| [19] |
Warner J C, Armstrong B, He R, et al. Development of a Coupled Ocean-Atmosphere-Wave-Sediment Transport(COAWST) modeling system[J]. Ocean Modelling, 2010, 35(3): 230-244. DOI:10.1016/j.ocemod.2010.07.010 ( 0) |
| [20] |
Zheng M, Zhang Z, Zhang W, et al. Effects of ocean states coupling on the simulated super typhoon Megi (2010) in the South China Sea[J]. Frontiers in Marine Science, 2023, 10: 1105687. DOI:10.3389/fmars.2023.1105687 ( 0) |
| [21] |
伍志元, 蒋昌波, 邓斌, 等. 基于WRF-SWAN耦合模式的台风"威马逊"波浪场数值模拟[J]. 海洋科学, 2018, 42(9): 64-72. Wu Z Y, Jiang C B, Deng B, et al. Simulation of extreme waves generated by typhoon Rammasun (1409) based on coupled WRF-SWAN model[J]. Marine Sciences, 2018, 42(9): 64-72. ( 0) |
| [22] |
Feng X, Klingaman N P, Hodges K I. Poleward migration of western North Pacific tropical cyclones related to changes in cyclone seasonality[J]. Nature Communications, 2021, 12(1): 6210. DOI:10.1038/s41467-021-26369-7 ( 0) |
| [23] |
Studholme J, Fedorov A V, Gulev S K, et al. Poleward expansion of tropical cyclone latitudes in warming climates[J]. Nature Geoscience, 2021, 15(1): 14-28. ( 0) |
| [24] |
Wang S, Toumi R. Recent migration of tropical cyclones toward coasts[J]. Science, 2021, 371: 514-517. DOI:10.1126/science.abb9038 ( 0) |
| [25] |
Li R, Wu K, Zhang W, et al. Analysis of the 20-year variability of ocean wave hazards in the Northwest Pacific[J]. Remote Sensing, 2023, 15(11): 2768. DOI:10.3390/rs15112768 ( 0) |
| [26] |
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) |
| [27] |
Liu Y, Guan S, Lin I I, et al. Effect of storm size on sea surface cooling and tropical cyclone intensification in the Western North Pacific[J]. Journal of Climate, 2023, 36(20): 7277-7296. DOI:10.1175/JCLI-D-22-0949.1 ( 0) |
| [28] |
黄燕燕, 陈子通, 冯业荣, 等. 南海台风模式对台风利奇马快速增强预报能力研究[J]. 气象, 2024, 50(5): 532-546. Huang Y Y, Chen Z T, Feng Y R, et al. Research on the forecasting capability of CMA-TRAMS model for rapid intensification of typhoon Lekima[J]. Meteorological Monthly, 2024, 50(5): 532-546. ( 0) |
| [29] |
周冠博, 柳龙生, 董林, 等. 2020年西北太平洋台风活动特征和预报难点分析[J]. 气象, 2022, 48(4): 504-515. Zhou G B, Liu L S, Dong L, et al. The Analysis of characteristics and forecast difficulties of tcs in Western North Pacific in 2020[J]. Meteorological Monthly, 2022, 48(4): 504-515. ( 0) |
| [30] |
吕心艳, 董林, 高拴柱. 台风"米克拉"在台湾海峡南部快速增强的原因分析[J]. 气象学报, 2023, 81(6): 866-878. Lv X Y, Dong L, Gao S Z. Analysis for the rapid intensification of typhoon Mekkhala in Southern Taiwan Strait[J]. Acta Meteorologica Sinica, 2023, 81(6): 866-878. ( 0) |
| [31] |
Feng J, Lu X, Yu H, et al. An overview of the China Meteorological Administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287-301. DOI:10.1175/JTECH-D-12-00119.1 ( 0) |
| [32] |
Lu X, Yu H, Ying M, et al. Western north pacific tropical cyclone database created by the China Meteorological Administration[J]. Advances in Atmospheric Sciences, 2021, 38(4): 690-699. DOI:10.1007/s00376-020-0211-7 ( 0) |
| [33] |
Peng J, Mao M, Xia M. Wave spectra analysis on the spatiotemporal variability of sea states under distinct typhoon tracks in a semienclosed sea[J]. Journal of Physical Oceanography, 2024, 54(3): 783-807. DOI:10.1175/JPO-D-23-0066.1 ( 0) |
| [34] |
Donelan M A, Hamilton J, Hui W H. Directional spectra of wind-generated waves[J]. Philosophical Transactions of the Royal Society, 1985, A315: 509-562. ( 0) |
| [35] |
Pierson W J, Moskowitz L. A proposed spectral form for fully developed wind seas based on the similarity theory of S. A. Kitaigorodskii[J]. Journal of Geophysical Research, 1964, 69: 5181-5190. DOI:10.1029/JZ069i024p05181 ( 0) |
| [36] |
陈志强, 甘秋莹, 徐建军. 利用海-气-浪耦合模式(COAWST)对北印度洋一次强热带风暴"Fani"(2019)过程的数值模拟[J]. 热带气象学报, 2022, 38(3): 366-376. Chen Z Q, Gan Q Y, Xu J J. Numerical simulation of severe tropical storm Fani (2019) in the Northern Indian Ocean using the COAWST model[J]. Journal of Tropical Meteorology, 2022, 38(3): 366-376. ( 0) |
| [37] |
Knaff J A, Sampson C R, Demaria M, et al. Statistical tropical cyclone wind radii prediction using climatology and persistence[J]. Weather and Forecasting, 2007, 22(4): 781-791. DOI:10.1175/WAF1026.1 ( 0) |
| [38] |
Manchia C M, Mulligan R P. Hurricane wind-driven surface waves on a narrow continental shelf and exposed coast[J]. Continental Shelf Research, 2022, 237: 104681. DOI:10.1016/j.csr.2022.104681 ( 0) |
| [39] |
韩树宗, 董杨杨, 张水平, 等. 南海波浪时空变化特征研究[J]. 海洋湖沼通报, 2020(2): 1-9. Han S Z, Dong Y Y, Zhang S P, et al. Study of the temporal and spatial variations of wave in South China Sea[J]. Transactions of Oceanology and Limnology, 2020(2): 1-9. ( 0) |