基于多致灾因子相似的热带气旋检索方法研究: 以风暴潮-海浪灾害预评估为例

栗 健, 方伟华, 张晓宁, 曹诗嘉, 杨幸美, 刘 行, 孙 京



基于多致灾因子相似的热带气旋检索方法研究: 以风暴潮-海浪灾害预评估为例

栗 健1, 2, 方伟华1, 2, 张晓宁1, 2, 曹诗嘉1, 2, 杨幸美3, 刘 行4, 5, 孙 京4, 5

(1. 北京师范大学环境演变与自然灾害教育部重点实验室, 北京 100875; 2. 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; 3. 北京师范大学数学科学学院, 北京 100875; 4. 中国海洋大学物理海洋教育部重点实验室, 山东青岛 266003; 5. 中国海洋大学海洋环境学院, 山东青岛 266100)

热带气旋引起的风暴潮-海浪灾害成灾频率高、致灾强度大, 对我国沿海地区造成的人员和经济损失惨重。预评估阶段需要在灾前对研究区可能造成的损失等进行快速的综合判定。从历史热带气旋中检索出与目标热带气旋位置及各种致灾因子强度相似的热带气旋是快速、准确地预评估风暴潮-海浪灾害的重要方法。面向风暴潮-海浪灾害预评估, 提出了一种基于多致灾因子的相似热带气旋检索方法。用于相似检索的致灾因子数据包括: 从中国气象局西北太平洋热带气旋最佳路径数据集中提取并经处理得到的1949~2013年影响湛江市的112场热带气旋的路径中心点位置、中心气压、最大风速、最大风速半径及移动速度数据, 112场热带气旋的模拟风场、风暴潮及海浪数据。首先, 利用相似离度方法对热带气旋进行路径相似性检索; 其次, 利用最优相似系数方法计算中心气压、最大风速半径、最大风速、移动速度、风场、风暴潮及海浪强度指标的相似系数进行一次检索; 然后, 根据风场、风暴潮及海浪模拟数据的获取情况, 分别基于路径-强度及风场-风暴潮-海浪综合相似性指标进行二次检索; 最终给出历史热带气旋的综合相似排序。以2013年尤特热带气旋为例, 利用上述方法检索了与其最为相似的5场历史热带气旋。该方法综合考虑了热带气旋路径及多种致灾因子的相似, 兼顾了检索的速度及质量, 是进行快速、准确的风暴潮-海浪灾害预评估的重要基础。

热带气旋; 相似性; 路径-强度; 风暴潮-海浪; 损失预评估

热带气旋灾害是影响人类最为严重的自然灾害之一。评估热带气旋灾害的损失, 一般分为三个阶段进行, 分别是灾前预评估、灾中应急评估和灾后综合评估。预评估的目的是在灾前对研究区可能造成的损失等进行快速的综合判定, 以便在灾前采用最经济、有效的方法消除或减少灾害所带来的损失后果, 为灾害预防及应急决策提供支持[1]。预评估阶段的特点有: (1)预评估期间热带气旋尚未登陆, 因此评估方法必须充分考虑热带气旋路径-强度预报结果可能具有很大不确定性、路径-强度预报不断更新等; (2)热带风暴潮数值计算结果的更新一般在时间上要落后于路径-强度预报, 因此经常不能及时获取风暴潮带来的沿岸淹没以及海浪数值模拟结果; (3)预评估阶段影响的沿海区域有较大的不确定性, 其社会经济价值总量及脆弱性程度可能有较大的差异。

热带气旋灾害预评估的主要方法之一是利用回归方法建立损失与致灾因子之间的经验公式, 根据实时及预报的致灾因子得出损失[2-3]。但该方法对灾情数据数量及质量要求较高, 否则难以建立很好的灾损关系, 且得到的拟合关系存在区域局限性。另一种预评估方法是根据实际及预报路径,采用相似路径对比方法, 找出与目标热带气旋路径相似的案例, 判定目标热带气旋大致的灾害强度, 并进一步结合历史案例损失情况, 对当前灾害损失进行大致判定。热带气旋的移动路径是各种影响热带气旋移动的物理因子综合作用的结果[4]。热带气旋的移动路径相似, 在一定程度上反映了影响热带气旋移动的多个因子综合作用等效[5]。相似热带气旋检索方法主要是利用距离及形状来反映路径位置的相似程度, 例如海明距离、欧式距离和相似离度[6]等。在路径预报中相似离度的方法稍好于其他方法[7], 相似离度方法定义了值系数和形系数, 通过求和来计算相似程度, 为热带气旋路径相似检索提供了理论支持。刘勇等[4]对相似离度在热带气旋相似路径检索中的应用进行了实践, 提出基于相似离度的热带气旋路径相似检索算法, 能给气象员提供有利的预报信息。邹亮等[8]、王远飞等[9]基于GIS(Geographic Information System)引入缓冲区半径来度量相似性, 并预测热带气旋路径。

然而目前热带气旋相似性检索未考虑造成灾害损失的主要致灾因子的相似, 仅仅是关于移动路径点位置的检索, 利用检索出的相似热带气旋为目标热带气旋的走势提供预报信息。热带气旋造成的损失是多个致灾因子共同作用的结果, 因此, 在热带气旋灾情预评估阶段, 除了移动路径外, 对致灾因子的相似检索也至关重要。热带气旋的直接及次生致灾因子包括大风、降水、风暴潮、海浪、洪水及滑坡泥石流等[10]。热带气旋的破坏力取决于其强度、风、雨、风暴潮及海浪等因素, 其引起的大风、降水、登陆时台风的强度(中心最低气压和中心附近最大风速)以及登陆前12 h及6 h内的移速与人员伤亡、农田受淹、房屋倒损和直接经济损失具有显著的正相关[11]; 热带气旋引起的风暴潮及灾害性海浪会导致港口、码头、堤坝、船只及养殖设施等遭受毁损, 堤坝被冲垮后, 海水漫滩使得沿岸房屋、农田、养殖等受淹而发生灾害[12-13]。因此, 在进行热带气旋相似检索时需充分考虑多种致灾因子的相似性。在风暴潮-海浪灾害预评估实践中, 考虑到风场、风暴潮及海浪模拟相对于路径-强度预报结果(路径中心点位置、中心气压、最大风速及计算得到的最大风速半径、移动速度)的滞后性, 在进行致灾因子相似检索时应分别计算路径-强度和风场-风暴潮-海浪的相似程度, 以兼顾风暴潮-海浪灾害预评估的实时性和准确性。

湛江市为粤西地区最大的城市, 也是我国的重要港口城市之一, 位于西北太平洋和南海的西北岸, 是受热带气旋影响较为严重的地区之一。海洋局“海洋灾情快速评估和综合研判系统研发与应用示范”项目中, 选择广东省湛江市为示范区开展海洋灾害损失预评估试点研究。为此, 本文旨在提出一种面向风暴潮-海浪灾害预评估的基于多致灾因子的热带气旋路径及强度相似检索方法, 并以影响湛江市的2013年尤特热带气旋为目标热带气旋为例进行示范评估。首先, 基于影响湛江的历史热带气旋路径数据, 利用相似离度方法对热带气旋进行路径相似性检索, 保证相似热带气旋与目标热带气旋在影响范围上的相似性; 其次, 基于路径-强度及模拟风场、风暴潮、海浪数据, 利用最优相似系数方法计算各致灾强度指标的相似系数, 分别基于路径-强度及风场-风暴潮-海浪综合相似性指标进行二次检索, 保证相似热带气旋与目标热带气旋在致灾强度上的相似性, 最终给出历史热带气旋的综合相似排序, 以期对目标热带气旋的风暴潮-海浪灾情做出合理的预评估。

1 数据

1.1 西北太平洋历史热带气旋最佳路径

本文主要采用中国气象局热带气旋最佳路径数据集[14], 内容包括西北太平洋1949~2014年的所有热带气旋, 共计2 233场。该数据每隔6 h一个记录, 详细记录该时刻热带气旋的信息, 主要包括热带气旋编号、中心点经纬度、中心点时间(年、月、日、时)、中心气压(0)、最大风速(MW)。另外, 根据每6 h中心点的经纬度, 本文还计算出了每6 h的热带气旋前移速度(t); 最大风速半径(MW)由中心气压与最大风速半径拟合关系得到(公式(1))。从该数据中提取出1949~2013年影响湛江市的112场热带气旋作为本文的历史相似检索样本。

1.2 湛江历史热带气旋模拟风场

本文利用参数风场进行热带气旋风场模拟。基于1949~2013年影响湛江市的历史热带气旋路径-强度数据, 利用参数风场模型计算3 s极大风速风场(图1)[15]。

主要步骤为: (1)选用Georgiou梯度风场模型、Ishihara边界层模型、ESDU阵风因子模型, 并进行地形修正及地表粗糙度修正; (2)为了对参数风场模型精度进行验证, 模拟了典型热带气旋期间每个气象站点的风速时间序列, 并将模拟的日极大风速与站点实测的日极大风速进行对比, 总模拟效果2= 0.822 5, 达到了较高的精度[15-16]; (3)对上述112场热带气旋, 以30 min为间隔模拟每场热带气旋的瞬时风场, 空间网格大小为30″(约1 km)。

1.3 湛江历史热带气旋风暴潮数值模拟结果

本文利用ADCIRC(Advanced Circulation Model)海洋环流模式[17]进行影响湛江市的历史风暴潮模拟(图2)。所用输出结果为热带气旋引起的增水与天文潮叠加后的总水位, 时间分辨率为30 min。为更精确地模拟关心区域的风暴潮并提高运算速度, 采用大小区域网格嵌套的办法(海浪模拟相同)。大区选取的计算区域为105.5°~121.2°E, 3.3°~26.4°N; 子区选取的计算区域为105.5°~116.5°E, 14.7°~23.1°N。同时采用分辨率渐变的方式对不同区域网格不同地段的分辨率进行了设置。在大区模型中, 湛江附近区域岸线分辨率为0.07°~0.1°, 约为0.7~1 km, 以外的地区分辨率则为1~2 km。整个大区域包含9 331个三角形网格节点, 18 068个三角形。在子区域模型中, 湛江港关键区(湛江港岛屿岸线)分辨率为0.003 9°, 约为400 m; 湛江港海域附近岸线为0.003 9°~0.01°, 约为0.4~1 km;开边界分辨率设置为0.1°~0.3°, 约为10~30 km。整个子区域包含41 153个三角形网格节点, 79 889个三角形。水深数据来自于海军航保部购买的海图, 分辨率为3″的SRTM (Shuttle Radar Topography Mission)高程数据(其中, 我国使用的1985国家高程基准比SRTM数据使用的EGM96大地水准面高出35.7 cm[18], 因此, 在使用数据时将SRTM高程数据减去35.7 cm作为模型所使用的高程数据)以及ETOPO1(1-Minute Gridded Global Relief Data Collection)数据。其中SRTM数据仅取陆上数据, 港区附近取海图数据, 港区外取ETOPO1数据。两张海图分别对应海陵水道至抱虎角、湛江港港区; 4组地形数据的分辨率虽然不同, 但是将所有点融合到一起的结果是互相匹配的。

本文共计算了1949~2013年112场经过湛江附近的热带气旋, 为了验证模式模拟结果, 利用历史上8场对湛江造成巨大影响的热带气旋在湛江站的实测增水与模拟值对比。其中1963~1980年的5场热带气旋实测增水数据来自于陈奕德等[19], 199615实测增水数据来自于张文静等[20], 2014年的2场来自于国家海洋局南海预报中心。验证结果如表1所示。

绝对标准误差为47 cm, 相对标准误差为22%。从对比结果看, 绝大多数情况下用模型模拟的最大增水结果比较好, 但在某些情况下模型结果会有较大误差, 这可能主要与使用的MW的经验模型[21]有关。在经验模型中,MW被完全视为0的函数, 而在实际情况下, 虽然统计结果表明MW随0降低而缩小, 但针对特定的热带气旋来说, 可能会有较大的偏差。

表1 8场历史热带气旋实测与模拟最大增水对比

1.4 湛江历史热带气旋海浪数值模拟结果

本文利用SWAN[22]模型模拟影响湛江市的历史海浪, 总共模拟112场热带气旋, 输出变量为有效波高(图3)、平均周期和波向。利用输出热带气旋过程中每1 h的有效波高来构建海浪危险性指标。大区选取的计算区域为15°~22°N, 110.5°~118.5°E, 空间步长为0.083°×0.083°; 子区选取的计算区域为21°~ 21.2°N, 110°~110.5°E, 空间步长为0.003 3°×0.003 3°。水深数据与风暴潮使用数据相同, 实际模拟时, 在原海图水深的基础上加上当地的平均海平面及不同的设计水位, 以反映比较真实的海浪变化。

本文模型参数设置与宗芳伊等[23]相同。宗芳伊等使用SWAN模式非结构三角网格对嵊泗列岛浪场模拟结果进行了验证。使用的实测数据为AlecElectronics Co Ltd仪器公司的alec波浪仪在嵊泗附近海域于2012年4月份实际测量的原始数据, 数据真实可信。通过有效波高观测值和模拟值对比分析, 发现非结构网格能够较好地反映海域波浪的变化情况, 并且局部加密的非结构三角网格得到的平均绝对误差和均方根误差最小。

1.5 湛江市历史热带气旋海洋灾害损失

本文所用历史热带气旋海洋灾害损失数据由1989~2013年《中国海洋灾害公报》[24]直接经济损失数据整理得到, 其中影响湛江市的历史热带气旋灾害共13条。为使得不同年份的直接经济损失数据具有可比性, 对不同年份的直接经济损失按照物价水平、人口和承灾体进行折算归一化至2000年(表2)。

归一化方法为, 首先基于2014年《中国统计年鉴》[25]的人均地区生产总值和指数、分地区年末人口和地区生产总值(Gross Regional Product, GRP)和指数数据, 构建通货膨胀因子(100/GDP平减指数)、人口因子(2000年省人口/当年省人口)及GRP因子(2000年省人均GRP/当年人均GRP)分别作为物价水平、人口和承灾体归一化指标; 其次将直接经济损失与各归一化因子相乘, 即得到归一化至2000年的直接经济损失。

表2 1989~2013年13场影响湛江市的热带气旋直接经济损失数据(归一化至2000年)

2 方法

2.1 评估目标空间范围选择

为提高相似检索算法的效率, 在进行相似路径检索时首先要确定可能对评估目标造成影响的历史热带气旋集合, 集合外的热带气旋不参与相似检索。根据邓睿[26]构建的10级风圈模型, 统计得到1949~ 2014年西北太平洋近95%(94.7%)的热带气旋路径点10级风圈半径在200 km以下, 因此本文以200 km作为热带气旋的最大影响范围。

若评估目标为目标热带气旋所造成的总损失, 则以登陆点在目标热带气旋预报登陆点200 km范围内的历史热带气旋作为相似检索对象; 若评估目标为目标热带气旋对某个县造成的损失, 则需要确定一个基准点作为热带气旋登陆参考点(Central Reference Point, CREF), CREF一般选择位于研究区光滑后的海岸线的中间位置, 并根据沿海海岸线及岛屿分布情况进行适当调整[27], 以登陆点在该县CREF 200 km范围内的历史热带气旋作为相似检索对象; 若评估目标为目标热带气旋对某个地区(市)造成的损失, 则以地区(市)内所有沿海县历史热带气旋样本的并集作为相似检索对象, 图4为湛江市的历史相似检索热带气旋, 共计112场。

2.2 相似路径时空范围界定

热带气旋自洋面生成到登陆后衰减, 其生命史往往可以持续几天, 但是对其引起的风暴潮-海浪灾害而言, 靠近海岸的路径点才是成灾的关键路径, 所以全路径完整的情况下, 往往将登陆前后一定范围内的路径点作为目标路径。针对风暴潮-海浪灾害, 本文采用登陆点以前350 km和登陆点以后100 km范围内的路径作为相似检索路径, 如图5所示为尤特的历史热带气旋相似检索路径。

2.3 考虑路径中心点位置的相似检索

相似检索的第一步是根据目标热带气旋检索范围内路径中心点经纬度坐标, 检索出与目标热带气旋位置相似的前10场历史热带气旋, 相似系数以S表示。路径空间相似检索通过计算两场热带气旋路径的相似离度来完成, 相似离度计算方法如下[6]。

两条曲线纵向上的差异可以分为数值上的差异和形状上的差异[4]。假设有热带气旋路径和, 分别有个路径点。纵向数值差异表示两条路径在各个路径点对应的纵线上的绝对高度差值的总体平均, 值越小表示两条曲线越接近, 其计算公式为

其中表示两条曲线与纵线共同相交的次数, 即路径点个数,y和y分别为路径和在第条纵线上的高度值。D为两样本的海明距离, 它反映了两样本数值上的差异程度。

两条曲线的相似除了考虑它们在对应点数值上较为相似外, 还应该考虑两条曲线形状上的相似。路径和路径在纵向上的形状差异即为两个样本距平的海明距离, 它是离散程度的反映, 值越小说明两条曲线形状越相似。其计算公式为

其中E为两样本对应点差值的平均值,S反映两样本对应点差值与差值均值的离散程度, 即形状上的差异。相似离度可以综合判断两条曲线数值相似和形状相似的程度[6], 定义为

相似离度C为D和S的简单平均, 值越小两样本越相似。

理论上, 需要计算两条路径横、纵两个方向的相似离度, 然后综合判断它们的相似性。但是从自然坐标系的角度看, 如果能够按照一定的规则确定目标热带气旋和被检索热带气旋路径曲线的特殊位置点, 只需在一个方向计算相似离度。对于目标热带气旋上的每个路径点, 其对应的特殊位置点为被检索热带气旋路径点中与其距离最近的点, 对应路径点之间的距离作为偏差的绝对值。偏差的方向以目标热带气旋控制点为原点的自然坐标系来计算: 以该控制点到下一个路径点的方向为轴、法向为轴, 被检索热带气旋对应控制点若位于该坐标系的一、二象限, 则偏差为负值, 反之为正。

2.4 考虑路径-强度特征指标的相似检索

根据预报路径气象特征指标进行的相似检索, 主要对0、MW、MW和t4个指标进行检索。致灾因子强度相似性检索方法可采用以“距离”为核心的相似量, 如海明距离、相似离度等, 但它们在样本平均值相同时将无法进行相似判断; 还可采用以相似系数或相关系数同某种“值”系数的积构成的具有“形、值”综合相似判别能力的综合相似量, 但由于相似系数、相关系数本身存在的不足, 导致综合相似量有时也无法进行正确的相似选择。而最优相似系数较好的解决了上述问题[28]。根据两场热带气旋对应路径点的指标值计算最优相似系数, 分别以、、和表示, 从而确定其相似程度。最优相似系数计算方法如下:

最优相似系数由形系数和值系数构成。以表示最优相似系数的“形”系数, 其表达式为

其中代表因子的数值,为路径点个数,为两个样本,F的值域为[0, 1], 当其为1时两样本位相、振幅最相似, 即完全相等。当F为0时, 为不相似。

“值”系数V定义为

其中V的值域为(0, 1], 当其为1时两样本平均值相等,V越小, 两样本平均值差异越大。

综合考虑形与值的影响, 最优相似系数取形、值系数的平均, 则B为

B的值域为[0, 1], 当其为1时两样本完全重合。

2.5 考虑风暴潮-海浪特征指标的相似检索

风场、风暴潮、海浪模拟数据均为面状数据, 需要构建合理的致灾强度指标作为相似检索的指标。IK(integrated kinetic energy)与大风、风暴潮及海浪造成的损失具有较强的相关性[29]。利用每30 min的3 s极大风速瞬时风场数据中风速大于8级大风(17.2 m/s)的网格风速值计算每个30 min路径点的IK值, 作为风场的特征指标(一般认为8级以上大风可造成损失),IK的计算方法为

其中积分范围为某时刻路径点周围8°的方形范围, 厚度为1 m, 网格大小为1 km;为空气密度, 取默认值为1 kg/m3;为1 km网格的风速值。

由实时-预报的路径及强度数据得到每个30 min路径点的瞬时风场并计算出IK及其最优相似系数, 以wind表示。

风暴潮、海浪的影响强度及范围都与其致灾强度有较强相关, 每个路径点的风暴潮/海浪特征指标计算公式为

其中S代表当前路径点所处时刻每个网格点的海浪有效波高或风暴潮增水值, 计算风暴潮特征值表时,为陆地网格数, 计算海浪特征指标时,为所有模拟网格数。

由目标热带气旋风暴潮及海浪的模拟数据, 则可以进一步计算风暴潮及海浪特征指标的最优相似系数, 分别以tide和wave表示。

2.6 多指标相似性综合方法

2.6.1 综合相似性指标构建

热带气旋移动路径的相似程度以相似离度表示, 热带气旋各强度特征的相似程度以最优相似系数表示。致灾强度综合的相似性排序通过构建综合相似性指标来实现, 综合相似性指标计算方法为

其中为综合相似系数,为最优相似系数,为所选强度指标的个数,为各相似系数的权重。

2.6.2 相似系数权重确定

相似系数权重确定采用参数调节方法, 权重的取值范围为0.05~0.7, 取值间隔为0.01, 各组权重之和为1, 从各权重值的组合中确定一组权重, 使得综合相似系数的排序与实际灾情相似排序最为一致。不同热带气旋的影响范围不同, 由影响范围造成的灾情差异可由路径的相似离度衡量, 因此利用相似离度对实际灾情的相似程度进行了修正, 构建的实际灾情相似指标为

其中loss为实际灾情相似指标,L、L为热带气旋的直接经济损失。

利用秩相关系数表示综合相似系数排序与灾情相似排序的一致性, 秩相关系数计算方法为

式中s为秩相关系数,为数据个数,d为两组变量的次序差值。综合相似系数权重确定及验证结果见表3, 综合相似系数权重结果见表4。

表3 综合相似系数权重确定及验证秩相关系数表

表4 综合相似系数权重表

3 相似热带气旋检索案例

以201311号热带气旋尤特为目标热带气旋, 首先进行路径相似检索, 得到与其路径最为相似的前10场热带气旋(图6)。利用强度指标进行二次检索, 相应的单指标相似系数结果见表5。以路径-强度及风场-风暴潮-海浪强度综合相似性指标进行二次检索的结果如表6和表7所示。根据两组致灾强度指标检索出的前5场热带气旋一致, 但顺序略有不同。因此实际应用时, 在未获得风场、风暴潮及海浪模拟数据的情况下, 可采用路径-强度指标代替风场-风暴潮-海浪强度指标进行相似检索。

表5 以尤特为目标热带气旋的单指标相似系数表

表6 以尤特为目标热带气旋的路径-强度综合相似系数二次检索排序表

表7 以尤特为目标热带气旋的风场-风暴潮-海浪综合相似系数二次检索排序表

4 结论及讨论

本文提出了一种基于实时-预报和历史热带气旋路径位置、强度、风场、风暴潮及海浪特征指标的热带气旋相似检索方法, 得到的主要结论如下:

1) 从热带气旋预报初期至登陆阶段, 可以根据计算得到的路径-中心点位置相似系数、路径-强度特征指标相似系数、风场-风暴潮-海浪特征指标相似系数进行两次检索得到历史热带气旋相似排序, 这是风暴潮-海浪灾害预评估的重要基础, 基于此排序结合历史热带气旋灾情, 可以在灾前的不同阶段对目标热带气旋可能造成的损失进行快速预评估;

2) 本方法既注重热带气旋路径的空间相似, 也考虑到大风、风暴潮及海浪等主要致灾因子对于灾情的影响, 根据模拟风场、风暴潮及海浪数据的获取情况, 给出了两种进行二次检索的致灾强度指标组合, 兼顾了预评估的实时性与准确性。

未来研究中, 为提高预评估精度, 可在以下方面改进:

1) 在利用本方法得到的相似排序来进行风暴潮-海浪灾害预评估时, 由于需要利用不同年代相似热带气旋的损失数据, 因此需要考虑不同年代承灾体脆弱性的变化; 本文确定综合相似系数权重时, 仅使用了1989~2013年湛江的13场热带气旋灾害的损失数据, 需要更多的灾害损失数据改进权重系数。

2) 相似检索算法需要多种输入数据, 包括实时-预报路径数据、模拟风场、风暴潮及海浪数据, 提高模拟数据的质量将提高预评估结果的准确性。

[1] 刘少军, 张京红, 何政伟, 等. 改进的物元可拓模型在台风灾害预评估中的应用[J]. 自然灾害学报, 2012, (2): 135-141. Liu Shaojun, Zhang Jinghong, He Zhengwei, et al. Application of improved matter-element extension model to typhoon disaster pre-assessment[J]. Journal of Natural Disasters, 2012, (2): 135-141.

[2] 赵飞, 廖永丰, 张妮娜, 等. 登陆中国台风灾害损失预评估模型研究[J]. 灾害学, 2011, 26(2): 81-85. Zhao Fei, Liao Yongfeng, Zhang Nina, et al. A pre-evaluation model for typhoon disasters in China [J]. Jounal of Catastrophology, 2011, 26(2): 81-85.

[3] 于小龙, 潘伟然, 张国荣, 等. 福建省台风灾害直接经济损失预评估模型[J]. 厦门大学学报(自然科学版), 2011, 50(6): 1047-1052. Yu Xiaolong, Pan Weiran, Zhang Guorong, et al. The pre-evaluation model of typhoon disaster losses on Fujian province [J]. Journal of Xiamen University (Natural Science), 2011, 50(6): 1047-1052.

[4] 刘勇, 吴必文, 王东勇. 一种台风路径相似检索的算法研究[J]. 气象, 2006, 32(7): 18-24. Liu Yong, Wu Biwen, Wang Dongyong. Algorithm study on similarity retrieval of typhoon tracks[J]. Meteorological Monthly, 2006, 32(7): 18-24.

[5] 陈联寿, 丁一汇. 西太平洋台风概论[M]. 北京: 科学出版社, 1979. Chen Lianshou, Ding Yihui. An Introduction to West Pacific Typhoons [M]. Beijing: Science Press, 1979.

[6] 李开乐. 相似离度及其使用技术[J]. 气象学报, 1986, 44(2): 174-183. Li Kaile. A new similarity parameter and its application [J]. Acta Meteorologica Sinica, 1986, 44(2): 174-183.

[7] 鲁小琴, 余晖, 赵兵科. 热带气旋环境场相似检索方法的对比分析[J]. 气象, 2013, 39(12): 1609-1615. Lu Xiaoqin, Yu Hui, Zhao Bingke. Study on similarity retrieval method for ambient field of tropical cyclones[J]. Meteorological Monthly, 2013, 39(12): 1609-1615.

[8] 邹亮, 任爱珠, 徐峰, 等. 基于GIS空间分析的台风路径预测[J]. 清华大学学报(自然科学版), 2008, 48(12): 2036-2040. Zou Liang, Ren Aizhu, Xu Feng, et al. Typhoon track forecasting based on GIS spatial analyses[J]. J Tsinghua Univ (Sci & Tech), 2008, 48(12): 2036-2040.

[9] 王远飞, 陆涛, 朱海燕, 等. 基于GIS的热带气旋相似路径检索系统研究[J]. 测绘科学, 2006, 31(5): 124-125. Wang Yuanfei, Lu Tao, Zhu Haiyan, et al. GIS-based tropical cyclone similar path query and analysis[J]. Science of Surveying and Mapping, 2006, 31(5): 124-125.

[10] 梁必骐, 梁经萍, 温之平. 中国台风灾害及其影响的研究[J]. 自然灾害学报, 1995, 1: 84-91. Liang Biqi, Liang Jingping, Wen Zhiping. Study of typhoon disasters and its affects in China[J]. Journal of Natural Disasters, 1995, 1: 84-91.

[11] 陈佩燕, 杨玉华, 雷小途, 等. 我国台风灾害成因分析及灾情预估[J]. 自然灾害学报, 2009, 18(1): 64-73. Chen Peiyan, Yang Yuhua, Lei Xiaotu, et al. Cause analysis and preliminary hazard estimate of typhoon disaster in China[J]. Journal of Natural Disasters, 2009, 18(1): 64-73.

[12] 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.

[13] 许富祥, 韦锋余, 邢闯. 090415渤海黄海北部灾害性海浪风暴潮过程灾情成因分析及灾后反思[J]. 海洋预报, 2009, 26(3): 38-44. Xu Fuxiang, Wei Fengyu, Xing Chuang. Cause analysis and rethinking after the disaster of storm surge disaster in northern Yellow Sea and Bohai Sea of 090415[J]. Marine Forecasts, 2009, 26(3): 38-44.

[14] Ying Ming, Zhang Wei, Yu Hui, et al. An overview of the China Meteorological Administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287-301.

[15] 林伟. 海南岛台风大风危险性分析[D]. 北京: 北京师范大学, 2014. Lin Wei. Typhoon wind hazard analysis of Hainan Island[D]. Beijing: Beijing Normal University, 2014.

[16] 吴小宁, 方伟华, 林伟, 等．海南橡胶树热带气旋风灾易损性评估[J]．热带地理, 2015, 35(3): 315-323. Wu Xiaoning, Fang Weihua, Lin Wei, et al. Empirical curves of rubber tree fragility to tropical cyclone wind in Hainan[J]. Tropical Geography, 2015, 35(3): 315- 323.

[17] Luettich R A, Birkhahn R H, Westerink J J. Application of ADCIRC-2DDI to Masonboro Inlet, North Carolina: A brief numerical modeling study[R].Chapel Hill: University of North Carolina, 1991.

[18] 郭海荣, 焦文海, 杨元喜. 1985国家高程基准与全球似大地水准面之间的系统差及其分布规律[J]. 测绘学报, 2004, 33(2): 100-104. Guo Hairong, Jiao Wenhai, Yang Yuanxi. The systematic difference and its distribution between the 1985 national height datum and the global quasigeoid[J]. Acta Geodaetica et Cartographica Sinica, 2004, 33(2): 100-104.

[19] 陈奕德, 董兆俊, 蒋国荣, 等. 湛江港风暴增水特征分析[J]. 海洋预报, 2002, 19(3): 44-52. Chen Yide, Dong Zhaojun, Jiang guorong, et al. Characteristic analysis of Zhanjiang Harbor’s storm surge[J]. Marine Forecasts, 2002, 19(3): 44-52.

[20] 张文静, 朱首贤, 黄韦艮. 卫星遥感资料在湛江港风暴潮漫滩计算中的应用[J]. 解放军理工大学学报: 自然科学版, 2009, 10(5): 501-506. Zhang Wenjing, Zhu Shouxian, Huang Weigen. Application of satellite remote sensing data to storm surge flooding calculation[J]. Journal of PLA University of Science and Technology (Natual Science Edition), 2009, 10(5): 501-506.

[21] 江志辉, 华锋, 曲平. 一个新的热带气旋参数调整方案[J]. 海洋科学进展, 2008, 1: 1-7. Jiang Zhihui, Hua Feng, Qu Ping. A new scheme for adjusting the tropical cyclone parameters[J]. Advances in Marine Science, 2008, 1: 1-7.

[22] Booij N, Holthuijsen L H, Ris R C. The “SWAN” wave model for shallow water[J]. Coastal Engineering Proceedings, 1996, 25(1): 668-676.

[23] 宗芳伊, 魏来, 吴克俭. 基于SWAN模式的2种网格对嵊泗海域海浪模拟的比较研究[J]. 海洋湖沼通报, 2014, 4: 10-18. Zong Fangyi, Wei Lai, Wu Kejian. Research on wave simulation comparisons of Shengsi waters based on tow kinds of grids using SWAN wave model[J]. Transactions of Oceanology and Limnology, 2014, 4: 10-18.

[24] 国家海洋局.中国海洋灾害公报[EB/OL]. [2015-02-25]. http: //www. mlr.gov.cn/zwgk/tjxx/. State Oceanic Administration People’s Republic of China. China marine disaster Bulletin[EB/OL]. [2015- 02-25]. http: // www.mlr.gov.cn/zwgk/tjxx/.

[25] 国家统计局．中国统计年鉴[EB/OL]. [2015-07-07]. http: //tongji. cnki.net/kns55/navi/navidefault.aspx/. National Bureau of statistics of the People’s Republic of China. China Statistical Yearbook [EB/OL]. [2015-07-07].http: // tongji.cnki.net/kns55/navi/navidefault.aspx/.

[26] 邓睿. 多源遥感数据和GIS支持下的台风影响研究[D].杭州: 浙江大学, 2010. Deng Rui. Study on typhoon impact based on multi- source remote sensing data and GIS [D]. Hangzhou: Zhejiang University, 2010.

[27] 李颖, 方伟华, 林伟, 等. 可能最大风暴潮风险评估中各等级热带气旋设定方法[J]. 海洋科学, 2014, 38(4): 71-80. Li Ying, Fang Weihua, Lin Wei, et al. Parameterization of synthetic tropical cyclones at various scales for probable maximum storm surge risk modeling[J]. Marine Sciences, 2014, 38(4): 71-80.

[28] 罗阳, 赵伟. 相似性度量研究及最优相似系数[C]//中国气象学会. 中国气象学会2008年年会天气预报准确率与公共气象服务分会场论文集. 北京: 中国气象学会, 2008: 373-392. Luo Yang, Zhao Wei. Research on similarity measurement and best similarity coefficient[C]//Chinese Meteorological Society. Branch Field of Weather Forecast Accuracy and Public Meteorological Service, Annual Symposium of Chinese Meteorological Society in 2008. Beijing: Chinese Meteorological Society, 2008: 373- 392.

[29] Powell M D, Reinhold T A. Tropical cyclone destructive potential by integrated kinetic energy[J]. Bulletin of the American Meteorological Society, 2007, 88: 513-526.

Similar tropical cyclone retrieval method for rapid potential storm surge and wave disaster loss assessment based on multiple hazard indictors

LI Jian1, 2, FANG Wei-hua1, 2, ZHANG Xiao-ning1, 2, CAO Shi-jia1, 2, YANG Xing-mei3, LIU Xing4, 5, SUN Jing4, 5

(1. Key Laboratory of Environmental Change and Natural Disaster, Ministry of Education of China, Beijing Normal University, Beijing 100875, China; 2. Academy of Disaster Reduction and Emergency Management, Ministry of Civil Affair / Ministry of Education, Beijing 100875, China; 3. School of Mathematical Sciences, Beijing Normal University, Beijing 100875, China; 4. The Key Laboratory of Physical Oceanography, Ministry of Education, Ocean University of China, Qingdao 266003, China; 5. College of Physical and Environmental Oceanography, Ocean University of China, Qingdao 266100, China)

In coastal areas of China, storm surges and waves induced by tropical cyclones can cause a large number of casualties and economic loss. Thus, it is extremely necessary to develop a method that can provide pre-event rapid loss assessment in a timely manner prior to the landing of a tropical cyclone. It is knownthat tropical cyclones with similar tracks, wind speeds, sizes, forward speeds, and directions flood nearly the same coastal locations and have significant wave heights and similar depths; hence, they cause similar disaster lossess. In this study, a similar tropical cyclone retrieval method based on multiple hazard indicators is proposed to analyze pre-event storm surge and wave disaster. The method can use the location, central pressure, maximum wind speed, radius of maximum wind, and forward speed of a typhoon as the only input dataset or detailed simulated wind fields, storm surges, and waves as input. First, track similarity is measured via similarity deviation, considering only the locations of cyclone tracks. Second, a best-similarity coefficient is used to measure the similarity in central pressure, the radius of maximum wind, maximum wind speed, moving speed, wind field, storm surge, and wave intensity indices. A secondary retrieval is then conducted using an integrated wind field-storm surge-wave similarity coefficient when simulated wind field, storm surge, and wave data are available and an integrated track-intensity coefficient when they are not available. Finally, a similarity ranking of historical tropical cyclones is obtained using the integrated similarity coefficient. Taking Cyclone Utor, which hit the Zhanjiang area in 2013as an example, five of the most similar historical tropical cyclones are retrieved from 112 historical tropical cyclone records. The method is flexible for rapid disaster-loss assessment because it provides a relatively satisfactory result using two scenarios of input dataset availability.

tropical cyclone; similarity; track and intensity; storm surge-wave; rapid potential loss assessment

(本文编辑: 李晓燕)

[Public science and technology research funds projects of ocean, No. 201305020]

Nov. 4, 2015

P457.8

A

1000-3096(2016)08-0049-12

10.11759/hykx20151104001

2015-11-04;

2016-01-27

海洋公益性行业科研专项(201305020)

栗健(1989-), 男, 黑龙江牡丹江人, 博士研究生, 主要从事台风灾害风险评估研究, 电话: 010-58805461, E-mail: jian.li@mail.bnu. edu.cn; 方伟华, 通信作者, 教授, 主要从事自然灾害风险评估研究, 电话: 010-58805461, E-mail: weihua.fang@bnu.edu.cn