海岛地形下风暴潮单站统计预报方法研究:以舟山市为例

亢 兴， 张 蓓， 堵盘军， 徐婷婷， 张 慧

(国家海洋局东海预报中心，上海 200120)

海岛地形下风暴潮单站统计预报方法研究:以舟山市为例

亢 兴， 张 蓓， 堵盘军， 徐婷婷， 张 慧

(国家海洋局东海预报中心，上海 200120)

基于舟山市代表验潮站定海、岱山、嵊山3站逐时潮位资料和1982—2011年CMA-STI西北太平洋热带气旋最佳路径数据集，发现引起舟山台风风暴增水较为严重且频次最高的为浙南登陆型和近海北上或转出型两类台风路径；分析了这两类路径的台风特征(如强度、移速、距离等)和潮时与舟山市风暴增水强度和类型之间的相关关系. 针对不同的路径类型选取影响风暴增水预报的主控因子，基于多元非线性回归方法，构建了舟山市风暴潮单站统计预报模型. 根据台风预测特征信息可以预报出舟山的风暴增水幅度，经0509号“麦莎”、1109号“梅花”、1214号“天秤”的实际预报检验效果良好.

单站； 风暴潮； 统计预报； 海岛地形

0 引 言

我国东部沿海是受台风风暴潮灾害影响的重灾区，其中浙江省在1950—2009年间共出现270次风暴增水过程[1]，仅0014号台风“桑美”就造成全省直接经济损失40亿元[2]，形势最为严峻. 舟山市地处浙江北部，位于杭州湾外缘海域，是由1 390个岛屿组成海岛群. 舟山市以临港工业、船舶、渔业、旅游业为主线，是全国沿海惟一的群岛型国家级海洋经济新区. 据统计1949—2012年间平均每年2～3个台风过程引起风暴增水并造成自然灾害，是造成舟山市经济损失的主要灾害因子[3-7]. 国内学者在台风风暴潮的物理机制和预警预报方面都取得了重大研究成果[8，9]. 目前，台风风暴潮预报主要有动力数值预报与经验统计预报两种方式[10]，动力数值预报方法是指利用天气数值预报结果提供的风暴预报资料，在一定条件下，用数值方法求解控制海水运动的动力方程组. 如朱建荣等[11]改进的ECOM模式能更好地应用于长江河口、杭州湾及邻近海区的研究中. YU等[12]建立了适用于东中国海风暴潮预报的嵌套模型. 端义宏等[13]基于ECOM-si河口海岸海洋模式建立适用长江口区的风暴潮数值预报模式.

经验统计方法主要是通过长期历史数据统计来建立预报关系. 如吴少华等[14]建立极值高潮位与前期高潮位和局地风速的统计预报关系. 项素清等[15]利用实测潮位、台风位置、强度等要素建立了经验预报公式，能够较便捷、准确的预测潮位. 但针对海岛地形条件下风暴增水统计预报的研究仍较缺乏，特别是在我国海岛保护及开发多措并举，促进海岛权益、安全、资源、生态以及经济社会协调发展的前提下.

本文拟基于东海区1982—2011年的台风特征实测资料及舟山3个实测站潮汐特征资料，分析海岛地形下台风风暴增水与台风强度、距离、移速、天文潮因子之间的相关性，利用多元非线性回归方法建立海岛地形下单站统计预报模型，并通过历史台风案列检验预报系统精度，为风暴潮分类精细化预报作前期研究.

1 资料与方法

1.1 数据来源及分析

本文基于舟山市定海、岱山、嵊山3个验潮站(定海站位于舟山本岛南侧，岱山站位于舟山本岛北侧的岱山岛，嵊山站位于舟山本岛东北方向90 km处的嵊山岛，详见图1)历史潮位资料开展舟山海域的台风风暴潮特征分析，上述3个验潮站呈现向近岸递进的阶梯状分布，其中定海站观测资料较长，共30年(1982—2011年)，岱山站共9年(2003—2011年)，嵊山站共15年(1996—2011年). 3个验潮站资料中，定海站潮汐增水资料连贯性最好，时间序列最长，因此本文对台风风暴增水的分析主要依据定海站资料进行分析，岱山站和嵊山站资料作为辅助.

表1 验潮站位置一览表Tab.1 List of stations location

1982—2011年间共有36次台风过程引起舟山出现风暴增水(增水超过30 cm[16-18]). 将上述台风根据路径特征可分为两大类5个小类. 登陆型包括浙南登陆、浙北登陆、上海登陆、台湾登陆四种，未登陆型是舟山近海北上或转出型. 浙南登陆型(见图2)出现频次较高，30年间共出现了10次，浙南登陆型台风主要是指在浙江省台州市温岭到温州市平阳县一带登陆的台风，生成时间集中在当年的8—9月，此时西太平洋副高较为强盛，北方冷空气较弱，在西太副高和东亚短槽的共同配合下，台风向偏西—西北方向移动，并在浙南沿海登陆. 近海北上或转出型(见图3)出现10次，近海北上或转向型台风主要是指台风途经浙江省近岸向北到东北方向移动，在朝鲜半岛到日本九州岛一线登陆，这类台风生成时间贯穿当年的6—10月，在9—10月份转向型出现频率较高，此时带状副高断为海上副高和大陆副高两段，在海上副高和东亚大槽引导气流的作用下，台风向西北—北方向移动，而后伴随海上副高东退，并入西风槽转向东北方向移动. 1982—2011年，舟山较强的台风风暴潮灾害均是由浙南登陆和近海北上或转出这两种路径类型的台风引起，其中，舟山市共出现增水超过100 cm的风暴潮过程4次，增水超过150 cm的较大风暴潮过程2次，著名的9711号“维尼”和0014号“桑美”台风路径分别属于上述两种类型. 详情见表2和表3，其中以*作标示的台风用于后文中统计模型试验.

图1 舟山市验潮站分布Fig.1 Distribution of Zhoushan tidal stations

图2 浙南登陆型台风集Fig.2 Landfalling typhoons in southern Zhejiang

图3 近海北上或转出型台风集Fig.3 Northward moving and near-shore turning typhoons

表2 浙南登陆型台风Tab.2 Landfalling typhoons in southern Zhejiang

表3 近海北上或转出型台风Tab.3 Northward moving and near- shore turning typhoons

1.2 统计模型建立和验证

单站风暴增水常与台风强度、移动路径、相对距离、移动速度及天文潮等要素相关. 本文针对不同路径的台风样本，通过台风风暴增水与上述要素(单要素或多要素非线性组合)之间的相关性分析见表4和表5，发现浙南登陆型台风强度与增水相关性最高，台风移速次之，强度与移速的组合与增水的相关系数最高，通过了99%的信度检验，加入其他要素建立的组合在相关性上没有显著的提高；近海北上及转向型台风强度与增水的相关性最高，其次是移动速度和相对距离，但强度及距离的组合与增水相关系数最高，通过了99%的信度检验，加入其它要素后相关性未有显著提高. 因此，下文针对不同的台风路径类型以及其最主要相关因子组合，建立海岛地形下风暴增水统计预报模型.

表4 浙南登陆型拟合相关系数Tab.4 Correlation coefficients of landfalling typhoons in southern Zhejiang

表5 近海北上及转向型拟合相关系数Tab.5 Correlation coefficients of northward moving and near-shore turning typhoons

通过多元非线性回归方法，建立台风风暴增水与各要素的统计关系. 其中SSF为风暴增水预测值，SSO为实测风暴增水，VS为引起最大增水时前6 h内台风最大强度，此处用台风中心风速表示；VM为6 h内台风移动速度；R为台风中心距离预报目标站点的相对距离，单位为km. 如式1所示浙南登陆型台风风暴增水统计关系，α=2.54,β=-1.08,ξ= 19.5；近海北上或转向型的台风风暴增水特征由式2表示，α=4.1,β=-0.14，ξ=-83.88.

SSF=αVS+βVM+ξ，

(1)

SSF=αVS+δR+ξ.

(2)

2 模型应用及讨论

本文将统计模型应用于上述两个类型台风路径引起的风暴增水预报，考虑到2004年后各机构台风预测产品较系统和完整，故本文选取对舟山海域影响具有典型性的0509号台风“麦莎”、1109号台风“梅花”、1214号台风“天秤”，路径详见图4. 台风编号后，国内外预报机构针对台风路径、强度、移速发布预测信息，本文根据台风发生当时各预报机构发布路径、强度、移速预测，使用本文建立的海岛地形下台风风暴增水统计预报模型进行增水预报.

图4 0509号“麦莎”，1109号“梅花”和1214号“天秤”路径Fig.4 The paths of 0509 matsa，1109 muifa and 1214 tembin

“麦莎”属于典型的浙南登陆型台风，于2005年7月31日生成于西太平洋，向西北方向移动的过程中不断加强，于8月6日04时以强台风级别登陆温台沿海，此次过程中舟山实测最大增水75.2cm. 根据各预报机构8月4日08时发布的台风路径预测，“麦莎”将于8月6日08时左右以台风或强台风强度在温岭玉环到象山三门湾一带登陆. 按照该预测路径集，利用式(1)的浙南登陆型统计预报公式，可预测0509号“麦莎”将对舟山的影响较大，台风影响过程期间，舟山会出现94～107cm的风暴极值增水. 在8月5日08时和14时气象机构分别发布第二、三次台风预警，预测登陆位置向南调整，“麦莎”将于温岭玉环登陆，强度也降低到强热带风暴或台风级别，因此预计舟山风暴增水约76～89cm，较前次预测有所减少. “麦莎”最后以台风强度登陆玉环，舟山实测增水75.2cm，因此调整后的预测值与实际增水值相符，误差较小. 具体预测结果可详见表6.

表6 台风风暴增水统计模型应用Tab.6 Application of statistical models

注：表中“VM/R”表示“VM或R”;1109号台风在8月4日和5日为登陆型，因此选择VM作为预报因子，6日后预报改为近海北上型，预报因子调整为R;1314号台风预报因子为R;0509号台风预报因子为VM.

“梅花”和“天秤”是典型的近海北上型台风. “梅花”于2011年7月26日生成于西太平洋洋面，向偏北方向移动的过程中加强为强台风，于8月6日夜间到8月7日到达舟山近海并减弱为台风，该次过程中舟山实测最大增水77.9 cm. 根据各预报机构8月4—5日08时发布的台风预测，“梅花”将于8月7日08时左右在象山三门湾到舟山本岛一带以台风级别登陆，根据预测路径集提供的台风强度和移速，基于公式(1)预计舟山将出现87～110 cm的风暴增水. 而后伴随东亚西风槽和副热带高压的共同影响[19]，“梅花”转向偏北方向移动，根据新路径集预测，舟山风暴增水将减少，根据公式(2)预测结果，舟山将出现52～89 cm的风暴增水，该范围包括实际增水值77.9 cm，基本准确的预测了该次过程中舟山市的风暴增水. “天秤”于2012年8月18日生成于菲律宾以北洋面，台风经历北进、西行、南调后，沿我国近海北上，给舟山带来小于40 cm的风暴增水. “天秤”路径多变，各家预报机构在8月25日之后基本统一了“天秤”移动方向的预测，而后预测调整不大，因此根据公式(2)预测结果，舟山将出现小于50 cm增水.

由于台风系统复杂、多变，关于台风特征的预测是处于不断的调整中，因此台风风暴增水幅度的预测也将不断变化. 表6为台风发生时各预报机构发布的预测特征信息和相应的增水预测结果，48—72 h的预测结果较实际结果偏大，具备预警意义；12—24 h的风暴增水预测基本准确.

3 结 论

本文根据对舟山市代表验潮站定海、岱山、嵊山三站逐时潮位资料和1982—2011年CMA-STI西北太平洋热带气旋最佳路径数据集的分析，发现引起舟山台风风暴增水的历史台风路径类型中，浙南登陆型和近海北上或转向型出现频次最高，影响最严重. 针对上述两种类型的台风，分析台风强度、移速、距离和潮时与风暴增水强度和类型之间的相关性，基于多元非线性回归方法，选取了风暴增水预报的主控因子，构建舟山市风暴增水单站统计预报模型. 经0509号“麦莎”、1109号“梅花”和1214号“天秤”的预报检验，在台风路径较为准确的情况下能够准确的预报风暴增水，实测增水值在12—24 h增水预测范围内. 该统计预报公式具有便于应用的优点，针对不同的路径和强度预测可以快速给出风暴增水的预测范围，随着观测资料的丰富可以进行系数改进.

[1] 王晶，鲁美，丁骏．浙江沿海台风风暴潮时空分布特征[J]．海洋预报，2010，27(3)：16-22．

[2] 温克刚．中国气象灾害大典(浙江卷)[M]．北京：气象出版社，2008：43-44．

[3] 施雅风．我国海岸带灾害的加剧发展及其防御方略[J]．自然灾害学报，1994，3(2)：3-15．

[4] 杨桂山．中国沿海风暴潮灾害的历史变化及未来趋向[J]．自然灾害学报，2000，9(3)：23-30．

[5] 季子修，施雅风．海平面上升、海岸带灾害与海岸防护问题[J]．自然灾害学报，1996，5(2)：57-63．

[6] 张振克，丁海燕．近十年来中国大陆沿海地区重大海洋灾害分析[J]．海洋地质动态，2004，20(7)：25-27．

[7] 高建华，朱晓东，余有胜，等．我国沿海地区台风灾害影响研究[J]．灾害学，1999，14(2)：73-77．

[8] 冯士筰．风暴潮的研究进展[J]．世界科技研究与发展，1998，20(4)：44-47．

[9] 秦增灏，冯士笮．浅海风暴潮动力机制的初步研究[J] ．中国科学，1975，18(1): 64-78．

[10] 国家海洋环境预报中心.风暴潮预报技术指南(征求意见稿)[R]．北京：国家海洋环境预报中心，2009.

[11] 朱建荣，朱首贤．ECOM模式的改进及在长江河口、杭州湾及邻近海区的应用[J]．海洋与湖沼，2003，34(3)：364-374．

[12] YU F J，ZHANG Z H．Implementation and application of a nested numerical storm surge forecast model in the East China Sea[J]．Acta Oceanologica Sinica，2002，21(1)：19-31．

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

[14] 吴少华，王喜年，尹庆江．台风风暴潮极值高潮位的统计预报[J]．海洋预报，1994，11(2)：69-72．

[15] 项素清．舟山港台风风暴潮的分析及预报[J]，气象，2004，30(3)：35-39．

[16] 许肩望，谭树东．风暴潮灾害经济损失评估方法研究[J]．海洋通报，1998，17(1)：1-12．

[17] 史键辉，王名文，王永信，等．风暴潮和风暴灾害分级问题的探讨[J]．海洋预报，2000，17(2)：12-15．

[18] 郭洪寿．我国潮灾灾度评估初探[J]．南京大学学报，1991(5)：18-22．

[19] 许映龙，韩桂荣，麻素红，等．1109 号超强台风“梅花”预报误差分析及思考[J]．气象，2011，37(10)：1196-1205．

(责任编辑 李万会)

Statistical forecasting of storm surge under single station observations in Zhoushan island terrain

KANG Xing, ZHANG Bei, DU Pan-jun, XU Ting-ting, ZHANG Hui

(EastChinaSeaForecastcenterofStateOceanicAdministration,Shanghai200120，China)

According to Zhoushan tidal observations including Dinghai, Daishan, Shengshan, and CMA- STI tropical cyclone best tracking data from 1982 to 2011, we found two kinds of typical typhoon path caused the heaviest and most frequently storm surge. One is landing in southern Zhejiang, and the other is northward moving and near- shore turning.Based on the above two kinds of typhoon data, we analyzed the relationship between characteristics of the typhoon(such as strength, moving speed, distance factor etc.) and tide and the storm surge intensity and type.Using the multivariate nonlinear regression analysis, we choose the most relevant factors to create a statistical model for storm surge forecasting. It showed the good results through the actual cases appling such as matsa， muifa and tembin.

single station; statistical forecasting; storm surge; island terrain

1000-5641(2015)04-0026-08

2014-03

2013年度国家海洋公益性行业科研专项经费项目(201305031)

亢兴，女，工程师，主要从事海洋气象预报应用研究. E-mail: kangxing@eastsea.gov.cn.

P731.2

A

10.3969/j.issn.1000-5641.2015.04.004