热带气旋资料长度对风暴潮危险性评估结果的影响

刘永玲,冯建龙,江文胜,方伟华

（1 .中国海洋大学海洋与大气学院,山东青岛266100；2 .中国海洋大学海洋环境与生态教育部重点实验室,山东青岛266100；3 .北京师范大学民政部-教育部减灾与应急管理研究院,北京100875）



热带气旋资料长度对风暴潮危险性评估结果的影响

刘永玲1,冯建龙1,江文胜2 *,方伟华3

（1 .中国海洋大学海洋与大气学院,山东青岛266100；2 .中国海洋大学海洋环境与生态教育部重点实验室,山东青岛266100；3 .北京师范大学民政部-教育部减灾与应急管理研究院,北京100875）

摘要:热带气旋历史样本数不足一直困扰着风暴潮风险评估研究,本文基于西北太平洋62 a（1949 -2010年）历史观测热带气旋事件集资料和用随机模拟方法构造的1 000 a模拟热带气旋随机事件集,以福建省连江县为例,开展了资料长度对风暴潮灾害危险性评估结果的影响分析。文中用A D CIR C模型模拟了两种数据集强迫下的风暴潮增水,采用极值I型分布法得到了典型重现期的风暴潮增水,经过对计算结果分析发现典型重现期的风暴潮增水计算结果与所用数据资料长度有着密切相关性,数据资料越长,结果越稳定。对于1 000 a一遇的风暴潮增水值,使用500 a长度的资料已经趋于稳定,并接近用1 000 a资料计算得到的结果。在进行风暴潮危险性评估时,相比用几十年尺度的热带气旋历史数据集,1 000 a的热带气旋模拟数据集的计算结果更具实际意义。

关键词:风暴潮；热带气旋随机事件集；危险性研究；重现期

1 引言

风暴潮是指由于剧烈的大气扰动,如强风和气压骤变引起海面异常升降的现象。根据诱发风暴潮的天气系统特征,通常分为台风风暴潮和温带气旋风暴潮两大类,另外寒潮大风在渤、黄海也能造成风暴潮。在世界范围内风暴潮灾害是造成生命和财产损失最严重的海洋灾害之一［1］,在我国也是威胁最大的海洋灾害。我国海岸线漫长,随着沿海经济的飞速发展,人口的高度集中,这些地区承受的风暴潮灾害风险越来越高。根据国家海洋局的统计,近20年来,我国沿海每年均有风暴潮灾害发生,且都会造成人员伤亡,由其导致的直接经济损失每年都高达数十到数百亿元［2—3］。为使沿海地区的社会经济得到可持续性发展,开展风暴潮风险评估研究,制定沿海区域的防灾减灾规划有十分重要的意义。

风暴潮灾害风险评估包括自然风险和社会风险两个方面。风暴潮危险性研究即是针对灾害自然风险进行的评估,通常以风暴潮重现期作为判断标准,利用观测得到的水位长期时间序列数据来推算,从而对风暴潮灾害危险性进行定量分析［4—7］。但是水位观测站点空间分布较稀少,连续观测时间普遍不长,制约了这一方法的使用。相较于水位观测,气象观测则具有更长和更连续的记录,因此可以整理出影响研究区域的所有大风过程历史个例,通过数值模拟方法对风暴潮过程进行模拟,然后结合概率统计方法计算典型风暴潮重现期,以实现对风暴潮灾害危险程度的长期预测分析,董剑希等用这一方法计算了沙埕港百年一遇台风风暴潮［8］。但由于热带气旋分布范围广,路径及强度区域差异大,经过或影响特定一点或小区域的热带气旋历史样本比较少,特别是较大等级热带气旋的历史样本更少甚至没有,进行评估时,经常达不到经验统计分析所需要的样本数,因此很难给出准确的风暴潮危险性评估结果。

为了解决热带气旋历史样本不足的问题,近年来国际上逐渐发展出一套方法,即利用历史热带气旋样本信息,结合热带气旋气候学规律,用随机模拟方法生成符合历史样本统计学特征的热带气旋个例序列,组成热带气旋随机事件样本集［9—11］,然后利用这一构造出的热带气旋个例集进行风暴潮的危险性分析［12—13］。方伟华等使用这个方法基于西北太平洋历史热带气旋观测数据,通过分析西北太平洋热带气旋路径及强度的时空分布特征,模拟了西北太平洋热带气旋的生成、发展及消亡,重建了西北太平洋分辨率为6 h的1 000 a模拟热带气旋随机事件集［14—16］。本文在此基础上,以风暴潮灾害严重的福建省连江县为例,进行了风暴潮灾害危险性研究。

基于历史观测的热带气旋事件集和用随机模拟方法构造的长时间序列热带气旋事件集分别挑选构建了影响连江县的热带气旋随机事件子集,并对筛选出的所有事件进行了风暴潮数值模拟计算,得出了两种样本下典型重现期风暴潮增水结果。通过对两种事件集的计算结果进行统计对比分析,明确了热带气旋样本数对计算结果的影响,为其他海岸地区的风暴潮灾害危险性研究提供借鉴。

2 连江县热带气旋随机事件集

福建省地处我国东南沿海,位于西北太平洋台风的主要移动路径上,台风灾害频发,由于台湾海峡“狭管效应”的作用,风暴潮灾害尤其严重。连江县地处福建闽江口北岸,全县海域面积3 112 k m2,海岸线长238 k m,海洋资源丰富,但它也是福建省遭受风暴潮灾害最为严重的地区之一。建国以来在连江县直接登陆的台风就有十几场,风暴潮增水都超过100 cm,最高的接近200 cm。

本文研究中采用了两种热带气旋事件集,一种是62 a（1949 - 2010年）历史热带气旋事件集,热带气旋个数为2 053,以下简称62 a历史数据集；一种是用随机模拟方法构造的1 000 a热带气旋随机事件集,热带气旋个数为33 012,以下简称1 000 a模拟数据集。其中历史数据集的选用主要是为了对模拟数据集的计算结果进行对比验证。

62 a历史数据集的时间分辨率是6 h,空间范围是西北太平洋。该数据集数据的基础数据来源于中国气象局上海台风研究所,由北京师范大学减灾与应急管理研究院整编而成。数据字段内容包括热带气旋编号、路径点生成国际通用时间、生成位置（经度和纬度）、移速、移向（正北为0°,正东为90°）、中心最低气压、近中心最大风速、中心路径起讫点等。该数据集中没有最大风速半径,而这是计算风场、气压场需要的,因此在实际计算中,我们采用经验公式（1）进行计算［17］。

式中,Rmax为最大风速半径；Vmax为近中心最大风速；θ为纬度。

1 000 a模拟数据集的时间分辨率是6 h,空间范围是西北太平洋,由北京师范大学减灾与应急管理研究院模拟生成。数据字段内容包括热带气旋编号、路径点生成时间、生成位置（经度和纬度）、移速、移向（正北为0°,正东为90°）、中心最低气压、近中心最大风速、最大风速半径、中心路径起讫点等。该数据集是充分利用62 a历史数据集,通过分析西北太平洋热带气旋路径及强度的时空分布,刻画出热带气旋生成时间、生成位置、前移速度、前移方向、强度分布以及终止可能等概率特征,采用蒙特卡洛方法模拟西北太平洋热带气旋的生成、消亡及衰减构建而成的。

根据连江县港湾地理分布信息,选定点（26.28°N,119.7°E）作为连江县的研究代表点,以代表点为中心,300 k m为半径的圆面作为统计范围（图1）。统计方法是,计算每一个热带气旋路径所有中心位置和代表点之间的距离,挑选出一个最小距离,如果该最小距离在统计范围以内,就认为是对研究区域有影响的热带气旋事件,最后将统计结果形成影响连江县的热带气旋随机事件集,即连江子集。

62 a历史数据集中满足条件的有183个事件, 1 000 a模拟数据集中满足条件的有2 781个事件。计算重现期时发现仍有部分年份的数据没有入选,通过逐步扩大影响半径进行补充,保证每个年份都有数据,最后历史数据集中事件总数增加至192个,以下简称62 a连江子集。模拟数据集中事件总数增加至2 919个,以下简称1 000 a连江子集。

图1 影响连江的热带气旋事件统计范围Eig .1 The statistical range of tropical cyclone events affecting Lianjiang County

图2、3是在热带气旋距离研究点最近时刻两种数据子集的各个参数累积频次的分布特征图。比较两图可以发现,较62 a连江子集,1 000 a连江子集最大风速和中心气压的分布规律更为明显,这主要是与数据量有关,62 a的数据量在表现这些特征分布上是不足的。而两种数据子集的各个参数的分布区间是基本一致的,其中最大风速主要集中在0～40 m/s之间,中心最低气压集中在950～1 000 hPa之间,移向集中在正负100°之间,移速在0～50 k m/h之间,气旋中心与研究点间的最小距离均匀分布在0～300 k m之间,最大风速半径在40～110 k m之间。通过与实测风场资料的对比,说明1 000 a连江子集是能够反映该地区台风事件序列的,同时,这一结果对我们识别影响连江县的热带气旋事件也具有一定的指导意义。

图2 62 a连江子集中热带气旋（R≤300 k m）位于距离连江最近点时不同特征参数的累积频率Eig .2 Characteristic parameters of the 62 a historical tropical cyclone events that pass within 300 k m of Lianjiang County when they are at their closest distances to Lianjiang County

3 风暴潮数值计算

风暴潮的数值计算是利用数值模型在给定的海面风场和气压场作用下,在适定的边界条件和初始条件下去数值求解风暴潮的基本方程组,从而给出风暴潮位和风暴潮流的时空分布。

连江县海岸线漫长而曲折,本文在研究中选择了A D CIR C模型［18］,该模型使用有限元方法求解,其三角形网格能较好地刻画岸线。研究区域计算网格是利用S M S（Surface-water M odeling System）网格剖分软件建立的,网格分辨率在连江县沿岸是2′,在开边界是4′,变分辨率的网格共37 881个点,72 219个三角形（图4）。

图3 1 000 a连江子集中热带气旋（R≤300 k m）位于距离连江最近点时的不同特征参数的累积频率Eig .3 Characteristic parameters of the 1 000 a stochastic tropical cyclone events that pass within 300 k m of Lianjiang County when they are at their closest distances to Lianjiang County

图4 连江县及周边海域网格图Eig .4 Grids of Lianjiang County and its surrounding waters

计算中选择的风场模型来自于Jelesnianski［19］、气压场模型来自于Jelesnianski［20］,这种模型简单且对大洋上的成熟台风可进行较好的模拟。

Jelesnianski风场模型:

式中,r为至台风中心的距离；Rmax为最大风速半径；VR为距离台风中心r处的圆对称环流风速；VRmax为圆对称环流最大风速。

Jelesnianski气压场模型:

式中,P为距离台风中心r处的气压；P∞为台风外围环境气压；P0台风中心最低气压,其余同式（2）。

3.1 模式检验

本文通过模拟历史上的典型风暴潮个例事件,检验了模式模拟风暴潮的能力。

结合所掌握的实测资料情况,模式检验主要分为两步。厦门站的风暴潮增水实测资料比较丰富,因此首先对影响厦门站的8个风暴潮个例进行了对比验证（图5）；然后在距离连江县较近的两个验潮站三沙（26°55′N,120°13′E）和琯头（26°08′N,119°34′E）,选择6911号台风进行了典型风暴潮个例验证（图6）。

通过对厦门站及连江县周边验潮站的多个风暴潮个例验证,说明所选用的计算模型能较好地模拟台风风暴潮增水情况。此外,在计算过程中发现连江地区风暴潮受台湾岛地形影响,其原因是在连江附近登陆的台风大多数都是先在台湾登陆,然后再在连江二次登陆,所以风场会发生变形,圆形风场模型已经不能很好地模拟真实的风场,这对连江地区的风暴潮模拟造成一定的困难,但从模拟结果看,并不影响其增水特征。

图5 厦门站8场台风引起的风暴潮增水计算值（绿色实线）与实测值（红色虚线）过程曲线对比Eig .5 Comparison between the simulation results（green solid line）and the observations（red dashed line）during 8 typhoon events at Xiamen Station

3.2 数值模拟结果分析

在前面检验的基础上,用A D CIR C模型模拟了两种影响连江的热带气旋事件集强迫下的风暴潮增水。图7、8是分别用两种数据集强迫下计算的最大风暴潮增水的概率频次图,增水极值范围从0～3 m,出现频次都是先增大后减少,峰值均出现在0.3 m附近,0.3 m之后,随着增水极值的增大,出现频次迅速减少。但是62 a连江子集中最大增水极值没有超过2 m的,而1 000 a连江子集的最大增水极值接近3 m,2～3 m之间的个例数占总数的0.45 %。从图中看出,1 000 a连江子集的增水可能更能客观反映风暴潮灾害极端事件发生的可能性,其增水极值频次分布图也更符合正态分布。

图6 6911号台风引起的风暴潮增水计算值（绿色实线）与实测值（红色虚线）过程曲线对比Eig .6 Comparison between the simulation results（green solid line）and the observations（red dashed line）during typhoon 6911 at two stations

图7 62 a连江子集风暴潮最大增水频次分布（样本数:192）Eig .7 Histogram of the extreme storm surge for 192 historical tracks

图8 1 000 a连江子集风暴潮最大增水频次分布（样本数:2 919）Eig .8 Histogram of the extreme storm surge for 2 919 synthetic tracks

把1 000 a连江子集中各热带气旋造成的增水极值进行排列,将造成前100个增水极值（1.19～2.58 m）和后100个增水极值最小（0～0.06 m）的热带气旋特征参数进行分析,把各热带气旋在距离连江最近处的特征参数整理并展示在图9中,从图中可以发现,移向偏西,中心气压越低,风速越大,最大风速半径越小,距离连江越近的热带气旋引起的风暴潮增水值也越大,而移速与增水值的大小没有明显的相关性。尤其明显的是,在该研究点,要引起较大的风暴潮增水,热带气旋要具有以下特征:即风速至少在20 m/s以上,中心最低气压在980 hPa以下,最大风速半径主要集中在40～50 k m ,距离研究点最近距离在100 k m以内。通过对热带气旋特征参数的简单分析,可以初步判断一个地区的风暴潮危险性。

图9 100个增水极值最大（红色）的和100个增水极值最小（蓝色）的热带气旋在距离连江最近距离处的特征参数对比Eig .9 Comparison between the characteristic parameters of the 100 highest surge generating storms（red bar）and those of the 100 lowest surge generating storms（blue bar）,when they are at their closest distances to Lianjiang County

4 风暴潮灾害危险性分析

4.1 典型风暴潮重现期计算

风暴潮危险性重现期,即一定危险性强度的风暴潮事件出现一次的平均时间间隔,通常以年为单位。通常的计算方法是利用年极值增水值,根据某种极值分布拟合方法进行拟合。极值I型分布由于具有较强的物理背景,在水文、气象统计中应用十分广泛［21—22］,我国港口工程技术规范将极值I型分布用于校核高低潮位的计算,参考港口工程技术规范［23］。结合A D CIR C模型模拟的两种数据集强迫下的风暴潮增水,本文采用极值I型分布法计算了不同重现期的风暴潮增水,计算结果见图10。

图10 连江县风暴潮增水重现期曲线Eig .10 Return level plot for extreme storm surge heights for Lianjiang County星号、实线数据来自1 000 a连江子集,钻石型、虚线数据来自62 a连江子集The dotted star and solid line are from 1 000 a model data sets,the dotted diamond and dashed line are from 62 a historical data sets

图中显示两种数据集的计算结果差别很大,62 a连江子集对应的计算结果明显大于1 000 a连江子集的结果,而且重现期越长,对应的风暴潮增水差值越大。表1是两种数据集对应的几个典型重现期风暴潮增水计算结果,从中可以看出1 000 a一遇的风暴潮增水值分别为3.75 m、2.91 m,其计算差值达到了0.84 m,2 a一遇的差值最小,也有0.16 m。两种结果存在差别的一个主要原因就是计算用的风场资料的不同,尤其是两种资料序列长度的差别巨大,因此,本文重点分析了资料长度对计算结果的影响。

表1 62 a和1 000 a两种资料长度数据集计算的连江地区典型重现期风暴潮增水Tab .1 Typical return levels for extreme storm surge heights for Lianjiang County with 62 a and 1 000 a data sets

4.2 风暴潮危险性重现期与资料长度相关性分析

结合历史热带气旋事件集的长度62 a,分析过程中将1 000 a连江子集的计算结果,分别按照60 a、100 a、200 a、500 a的长度将其滑动分割,其中选取60 a主要是为了与历史数据集的结果进行对比。以60 a长度分割为例,滑动分割方法是从1～60 a作为第一组数据,2～61 a为第二组数据……,依次类推最后总共统计941组数据。100 a长度的,共统计901组数据,200 a长度的,共统计801组数据,500 a长度的统计501组数据。然后针对每一组数据计算不同重现期风暴潮增水,共计计算3 144组数据。以2 a、1 000 a重现期为例,不同长度分组数据计算的风暴潮增水值变化曲线对比结果见图11、12。从图中可以看出,用于计算的数据资料序列长度越短,计算结果波动起伏越大,资料长度越长,计算结果越稳定。计算2 a重现期风暴潮增水,100 a的数据资料长度计算结果就相对趋于稳定,而计算1 000 a重现期风暴潮增水,当资料长度为500 a时,计算结果才相对趋于稳定。

对应表1也可以看出62 a连江子集的计算结果都是包含在图11、12中分组资料长度为60 a的范围中,而1 000 a连江子集的计算结果都近似于图中最后的稳定值,这也从一个方面说明了计算结果的可靠性,以及计算结果与使用的热带气旋资料的密切相关性。

图11 不同长度数据组计算的2 a重现期风暴潮增水值变化曲线对比图Eig .11 Comparison of the 2 a return levelfor extreme storm surge heights between different length data set

为了量化分析计算结果与分组资料长度的关系,文中用变异系数标记了不同长度分组数据计算的典型重现期风暴潮增水计算结果的稳定性（表2）。类似于极差、标准差及方差一样,变异系数也是反映数据离散程度,但是变异系数能消除两组数据测量尺度对所对比结果的影响［24］。

图12 不同长度数据组计算的1 000 a重现期风暴潮增水值变化曲线对比图Eig .12 Comparison of the 1 000 a return levelfor extreme storm surge heights between different length data set

表2 不同长度分组数据计算的典型重现期风暴潮增水变异系数（%）对比表Tab .2 Comparison of the coefficient of variation of typical return level for extreme storm surge heights between differentlength data set

从表2中可以更清楚地看出,对于相同重现期的风暴潮增水,变异系数随着分组资料长度的增加变得越来越小,即用于计算的数据资料序列长度越短,计算结果波动起伏越大,资料长度越长,计算结果越稳定。对于不同重现期的风暴潮增水,重现期越长,要获得相对稳定的计算结果,数据资料长度就要求越长,如计算2 a重现期风暴潮增水,100 a的数据资料长度计算结果就相对趋于稳定,对应的变异系数为4.15 % ,计算10 a重现期风暴潮增水,300 a的数据资料长度对应的变异系数才为3.99 % ,而计算100 a以上重现期风暴潮增水,当分组资料长度在400 a以上时,变异系数略小于4 % ,计算结果才相对趋于稳定。当分组资料长度为500 a时,变异系数均小于2 % ,计算结果基本稳定。

因此可以认为在进行风暴潮危险性分析时,目前通常基于几十年的热带气旋资料长度是不充分的,需要采用更长的热带气旋资料计算典型重现期风暴潮增水更具实际意义,以本文研究的结果看,500 a以上的数据长度较为合适。

5 结语

本文基于历史观测和基于随机模拟方法构造的两种热带气旋事件集,建立了影响连江县的热带气旋随机事件集,并对筛选出的所有事件用A D CIR C模型进行了风暴潮数值模拟计算,得出了两种样本下典型重现期风暴潮增水结果,发现模拟数据集的增水能更客观地反映风暴潮灾害极端事件发生的可能性,模拟数据集的增水极值频次分布图也更符合正态分布。在此基础上计算了典型重现期的风暴潮增水,发现两种数据集的计算结果差别明显,对比分析显示,计算结果与数据资料长度有密切的相关性。对于同一重现期,计算所用数据资料越长,结果越稳定。对于不同重现期,重现期越长,要获得稳定的计算结果,数据资料长度就要求越长。对于1 000 a一遇的结果,500 a长度就才基本趋于稳定,进行风暴潮危险性评估时,统计资料的年代长度最好要大于500 a,用1 000 a长度资料已充分满足了统计分析对资料长度的需求。因此本文认为相比用几十年尺度的历史数据集, 1 000 a模拟数据集的计算结果更具实际意义。这一结论对我国沿海今后进行风暴潮危险性重现期的计算具有参考意义,为相应的防灾减灾措施制定提供了科学依据。

参考文献:

［1］ 王喜年.全球海洋的风暴潮灾害概况［J］.海洋预报,1993,10（1）:30 - 36 . W ang Xinian . The storm surge disaster situation of global ocean［J］. M arine Eorecasts,1993,10（1）:30 - 36 .

［2］ 国家海洋局.中国海洋灾害与减灾［J］.中国减灾,2000,10（4）:13 - 17 . State Oceanic Administration People's Republic of China . China ocean disasters and disaster reduction［J］. Disaster Reduction in China,2000,10 （4）:13 - 17 .

［3］ 国家海洋局.中国年海洋灾害公报（1989 - 2013）［EB/O L］.http://w w w .soa .gov .cn/zwgk/hygb/zghyzhgb/index .html,2014-03-19 . State Oceanic Administration People's Republic of China .China's marine disasters com munique（1989 - 2013）［EB/O L］.http://w w w .soa .gov .cn/ zwgk/hygb/zghyzhgb/index .html,2014-03-19 .

［4］ 乐肯堂.我国风暴潮灾害风险评估方法的基本问题［J］.海洋预报,1998,15（3）:38 - 44 . Le Kentang . The fundamental problem of the storm surge risk assessment method in our country［J］. M arine Eorecasts,1998,15（3）:38 - 44 .

［5］ 赵庆良,许世远,王军,等.沿海城市风暴潮灾害风险评估研究进展［J］.地理科学进展,2007,26（5）:32 - 40 . Zhao Qingliang,Xu Shiyuan,W ang Jun,et al. A review of risk assessment of storm surge on coastalcities［J］.Progressin Geography,2007,26（5）: 32 - 40 .

［6］ 石先武,谭骏,国志兴,等.风暴潮灾害风险评估研究综述［J］.地球科学进展,2013,28（8）:866 - 874 . Shi Xianwu,Tan Jun,Guo Zhixing,et al.A review of risk assessment of storm surge disaster［J］. Advances in Earth Science,2013,28（8）:866 -874 .

［7］ 李阔,李国胜.风暴潮风险研究进展［J］.自然灾害学报,2011,20（6）:104 - 111 . Li Kuo,Li Guosheng . Progress in research on risk of storm surge［J］.Journal of Natural Disasters,2011,20（6）:104 - 111 .

［8］ 董剑希,仉天宇,付祥,等.福建省沙埕港百年一遇台风风暴潮的计算［J］.海洋通报,2008,27（1）:9 - 16 . Dong Jianxi,Zhang Tianyu,Eu Xiang,et al. Calculation ofthe storm surgesin the Shacheng Bay in Eujian Provincein 100 years return periods［J］. M arine Science Bulletin,2008,27（1）:9 - 16 .

［9］ Vickery P J,Skerlj P E,Twisdale L A .Simulation of hurricane risk in the U S using empirical track model［J］.Journal of Structural Engineering, 2000,126（10）:1222 - 1237 .

［10］ Hashimoto N,Satoh H,M atsuura K,et al. M odeling of Probable Typhoon and Its Statistic Properties［C］//Proceedings of Coastal Engineering . Tokyo:Japan Society of Civil Engineers,2001:456 - 460 .

［11］ Ru mpf J,W eindl H,H öppe P,et al. Tropical cyclone hazard assessment using model-based track simulation［J］. Natural Hazards,2009,48（3）: 383 - 398 .

［12］ Lin N,E manuel K A,S mith J A,et al. Risk assessment of hurricane storm surgefor New York City［J］.Journal of Geophysical Research:Atmospheres（1984 - 2012）,2010,115:D18121 .

［13］ Torii K,Kato E . Risk assessment on storm surge flood［C］//Proceedings ofthe 2nd W orkshop on the Development of Integrated Disaster Reduction Systems on Compound Urban Elooding . Tokyo:Japan Society of Civil Engineers,2003:20 - 31 .

［14］ 方伟华,石先武.面向灾害风险评估的热带气旋路径及强度随机模拟综述［J］.地球科学进展,2012,27（8）:866 - 875 . Eang W eihua,Shi Xianwu . Review on stochastic modeling oftropicalcyclone track andintensity for disaster risk assessment［J］. Advancesin Earth Science,2012,27（8）:866 - 875 .

［15］ 方伟华,林伟.面向灾害风险评估的台风风场模型研究综述［J］.地理科学进展,2013,32（6）:852 - 867 . Eang W eihua,Lin W ei. A review on typhoon wind field modeling for disaster risk assessment［J］.Progressin Geography,2013,32（6）:852 - 867 .

［16］ 石先武.西北太平洋热带气旋时空特征分析及随机模拟［D］.北京:北京师范大学,2012 . Shi Xianwu .Spatiotemporal characteristics and stochastic modeling oftropicalcyclone track and intensity in N W P basin［D］.Beijing:Beijing Normal U niversity,2012 .

［17］ Atkinson G D,H olliday C R . Tropical cyclone minimu m sea-level pressure-maximu m sustained wind relationship for western north pacific［J］.M on weather Rev,1977,105（4）:421 - 427 .

［18］ Luettich Jr R A,W esterink J J,Scheffner N W . A D CIR C:An advanced three-dimensional circulation modelfor shelves,coasts,and estuaries,re-port 1 .theory and methodology of A D CIR C-2 D DI and A D CIR C-3 D L［R］//Coastal Engineering Research Center Vicksburg M S .Vicksburg:U S Army Engineers W aterwags Experiment Station,1992:137 .

［19］ Jelesnianski C P . Nu merical computations of storm surges without bottom stress［J］. M onthly W eather Review,1966,94（6）:379 - 394 .

［20］ Jelesnianski C P . A nu merical calculation of storm tidesinduced by a tropicalstorm impinging on a continentalshelf［J］. M on W eather Rev,1965, 93（6）:343 - 358 .

［21］ 王喜年.风暴潮预报知识讲座——第五讲风暴潮预报技术（2）［J］.海洋预报,2002,19（2）:64 - 70 . W ang Xinian .Storm surge forecast knowledge lectures—the fifth lecture storm surge forecast technology（2）［J］. M arine Eorecasts,2002,19（2）: 64 - 70 .

［22］ 黄浩辉,宋丽莉,植石群,等.广东省风速极值I型分布参数估计方法的比较［J］.气象,2007,33（3）:101 - 106 . H uang Haohui,Song Lili,Zhi Shiqun,et al. Comparision of estimation of wind speed extreme—I distribution parameters in Guangdong Province ［J］. M eteorological M onthly,2007,33（3）:101 - 106 .

［23］ JTS 145-2-2013 .海港水文规范［S］.北京:中华人民共和国交通运输部,2013 . JTS 145-2-2013 . Code of H ydrplogy for Sea Harbour［S］.Beijing:Ministry of Transport of the People's Republic of China,2013 .

［24］ 罗良清,魏和清.统计学［M］.北京:中国财政经济出版社,2011:49 . Luo Liangqing,W ei Heqing .Statics［M］. Beijing:Chinese Einancial & Economic Publishing H ouse,2011:49 .

中图分类号:P731.23

文献标志码:A

文章编号:0253-4193（2016）03-0060-11

收稿日期:2015-01-09；

修订日期:2015-04-01。

基金项目:海洋公益性行业科研专项（201305020-4）。

作者简介:刘永玲（1979—）,女,山东省海阳市人,实验师,主要从事风暴潮风险评估研究。E-mail:liuyl@ ouc .edu .cn

*通信作者:江文胜（1969—）,男,山东省青岛市人,教授,主要从事浅海动力学研究。E-mail:wsjang @ ouc .edu .cn

刘永玲,冯建龙,江文胜,等.热带气旋资料长度对风暴潮危险性评估结果的影响［J］.海洋学报,2016,38（3）:60 - 70,doi: 10.3969/j.issn .0253-4193.2016.03.006

Liu Yongling,Eeng Jianlong,Jiang W ensheng,et al. Effects of the tropical cyclone data set length on the result of risk assessment of storm surge［J］. Haiyang Xuebao,2016,38（3）:60 - 70,doi:10.3969/j.issn .0253-4193.2016.03.006

Effects of the tropical cyclone data setlength on the result of risk assessment of storm surge

Liu Yongling1,Eeng Jianlong1,Jiang W ensheng2,Eang W eihua3
（1 .Collegeof Oceanic and Atmospheric Sciences,Ocean University of China,Qingdao 266100,China；2 . Key Laboratory of Marine Environmentand Ecology,Ocean University of China,Qingdao 266100,China；3 . Academy of Disaster Reduction and Emergency Management,Ministryof Civil Affairs & Ministry of Education,Beijing Normal University,Beijing 100875,China）

Abstract:The reasonable storm surge risk assessmentis alwayslimited by the nu mber ofthe historical Tropical Cyclone（T C）samples .In this paper the influence of the data setlength to the storm surge risk assessment resultis studied in Lianjiang County of Eujian Province,which is based on the historical T C observations（1949 - 2010）and stochastic T C events（1 000 a）. The two datasets were applied to force the A D CIR C modelto simulate storm surges,which is used to determine the surge heights oftypicalreturn periods with the method of extreme value type I. The experiment resultindicates that the surge heights of typical return periods have a close correlation with data sets length,i.e .,the longer the data sets length,the more stable of the results . As for the surge heights of 1 000 years return period,the results from 500 a length data sets can give a rather stable result,which is close to the results generated from the 1 000 a length data set. W hen carrying out storm surges hazards analysis,the results are more reasonable by using T C stochastic events in 1 000 years than those from historical T C events in decades of years .

Key words:storm surge；Tropical Cyclone stochastic events；hazards analysis；return period