江苏近海风暴潮增水数值模拟研究

何顺之, 王新怡, 徐腾飞, 汪一航, 王永刚



江苏近海风暴潮增水数值模拟研究

何顺之1, 王新怡2, 3, 徐腾飞2, 3, 汪一航1, 王永刚2, 3

(1. 宁波大学理学院, 浙江 宁波 315211; 2. 国家海洋局第一海洋, 山东 青岛 266061; 3. 青岛海洋科学与技术国家实验室 区域海洋动力学和数值模拟功能实验室, 山东 青岛 266071)

为研究江苏近海海域风暴潮的特性以及为该海域风暴潮增水变化机理及后报做铺垫, 本文基于FVCOM(Finite Volume Coast and Ocean Model)海洋模式和Jelesnianski圆形台风风场模型, 建立了江苏近海风暴潮数值模型, 并对江苏近海的天文潮以及1109号台风和1210号台风引起的风暴潮进行模拟。结合验潮站水位观测, 研究了连云港站和吕泗站的天文潮和风暴潮增水过程。我们将风暴潮与天文潮非线性作用下的风暴潮增水和纯风暴潮增水过程进行对比, 讨论了天文潮与1109号和1210号台风风暴潮之间的非线性作用引起的增水特征。结果均表明, 在天文潮高潮时, 天文潮和风暴潮之间的非线性作用可以抑制增水, 在天文潮低潮时, 天文潮和风暴潮之间的非线性作用有利于增水。除了气象因子以及天文潮和风暴潮之间的非线性作用外, 该海区的地理环境也对台风风暴潮增水产生影响。因此对江苏近海的海岸线变化和浅滩地形变化进行敏感性试验, 结果表明, 本文所设计的海岸线变化对该海域的风暴潮增水影响较小, 江苏沿海岸线的向外推移使得江苏海域风暴潮的增水略微上涨, 而本文所设计的地形的变化对风暴潮增水影响较大。

江苏近海; 非线性作用; 风暴潮增水; 浅滩地形

风暴潮是指由于强烈的大气扰动, 如强风和气压骤变引起的海面升高现象, 是最主要的海洋灾害之一。1875年以来, 全球范围内由风暴潮导致的直接和间接经济损失超过1 000亿美元, 至少有150万人丧生, 这还不包括与风暴潮相关联的海岸和土地侵蚀所产生的长期影响[1]。台风历史资料统计表明, 我国沿海遭受的台风风暴潮灾害最频繁、最严重。江苏东濒黄海, 南倚长江, 有超过1 000 km的海岸线, 易受到台风的影响。江苏近海海域地貌以辐射沙洲为主, 由70多个沙脊组成。整个辐射沙洲北起射阳河口, 南至长江口北岸, 南北长约200 km, 东西宽约90 km, 总面积达22 470 km2, 大部分沙洲在海平面以下, 并以弶港外侧蒋家沙的沙脊线为界, 分为南北两不对称部分。这一特殊地貌主要在潮流和波浪与外来沙源的共同作用下形成的[2]。江苏近海海域潮差的变化各岸段不同, 潮波辐合区小洋口海域潮差最大, 最大潮差可达6 m以上[3]。由于江苏近海天文潮潮差和风暴潮增水均十分典型, 二者之间的非线性作用会对该海域的水位产生不可忽视的影响。例如, 在渤海海域的风暴潮增水模拟结果表明, 当增水处在当地天文潮的低潮至涨潮时期, 天文潮与风暴潮耦合作用使增水值增大, 反之, 使增水减小[4]; 在美国路易斯安那州, 飓风在低潮和高潮时登陆的情况下, 天文潮与风暴潮耦合引起的非线性效应分别对风暴潮潮位起到削弱和增强的作用[5]; 在上海沿岸, 天文潮与风暴潮之间的非线性作用所引起的增水具有潮周期振荡[6]; 姜兆敏等[7]利用摄动方法讨论了浅水效应、非线性效应在风暴潮与天文潮非线性相互作用中的作用, 指出浅水效应对增水水位起主要作用, 非线性效应对增水的作用取决于波幅与水深比值的量阶。在实际应用中,通过考虑天文潮和风暴潮之间的非线性作用还能够得到更准确的潮位和波浪的预报[8]。除了天文潮与风暴潮之间的非线性作用会影响风暴潮增水之外, 沿海地区围填海工程和海平面变化会改变沿海的地形和岸线, 导致沿海的海洋动力环境改变, 从而也会影响风暴潮增水。在浙江南部沿海, 历史上的大规模围垦工程明显改变近岸海域的海洋动力环境, 且导致围垦后的浙南沿海高潮时风暴潮增水达120~150 cm, 持续2~ 3 h[9]。在未来平均海平面上升的背景下, 东中国海风暴潮增水的数值模拟显示, 东中国海风暴潮增水存在被削弱趋势[10]。现有研究虽然揭示了非线性作用和地理因素在不同海域对风暴潮潮位和增水的均有影响, 但前人对非线性作用的数值模拟的岸线分辨率相对较低, 对江苏近海局部地形和岸线变化影响的风暴潮增水也鲜有研究报道。

本文基于无结构三角网格和有限体积法区域海洋模式FVCOM(Finite Volume Coast and Ocean Model)[11],通过建立模型台风的气压场和风场并作为模型输入条件, 构建覆盖渤黄东海的风暴潮增水数值模型, 对1109号“梅花”台风和1210号“达维”过境时江苏近海的风暴潮增水过程进行了数值模拟。研究天文潮与风暴潮非线性作用对风暴潮增水的影响; 同时通过改变地形和岸线, 研究浅滩地形变化和围垦后岸线变化对风暴潮增水过程的影响。

1 FVCOM数值模式介绍及配置

1.1 FVCOM模式介绍

FVCOM数值模式是由麻省大学(University of Massachusetts)大学陈长胜教授和伍兹霍尔海洋研究所 (Woods Hole Oceanographic Institution)罗伯特C.比尔兹利教授等人合作开发, 可以对三维的自由海表面流动和物质输运问题求解, 模拟海洋、近岸与河口的水位、流场等。FVCOM基于有限元方法, 采用可任意局部灵活加密的无结构网格, 可以更好地拟合特征复杂的不规则海岸线和地形。FVCOM已成功用于风暴潮相关研究工作[12-13]。

1.2 FVCOM模式参数设置

本文的研究区域为中国渤黄东海近海海域(24°~ 41°N, 117°~130°E)。网格水平分辨率在岛屿附近海域约为1/20°, 靠近陆地边界海域为1/10°, 并在江苏沿海进行网格加密, 最大水平分辨率约200 m, 共包含41 303个网格点, 78 070个三角形单元(见图1)。模式垂向分为11层。计算的初始条件为===0, 采用正压模式, 模拟区域的温度和盐度都为常数, 其中温度取18℃, 盐度取33。模拟海域的开边界水位由T-tide程序预报得到, 其中8个主要分潮M2、S2、N2、K2、K1、O1、P1、Q1的调和常数来自DTU10[14]数据。模式积分的外模时间步长取6 s, 内外模时间步长比率取10。

本文收集了海军司令部航海保证部出版的能够覆盖研究区域的多张海图, 通过对这些海图进行数字化处理和基准面订正, 提取得到了江苏近海研究区域的水深资料, 其他区域采用etopo1地形数据(见图2)。

1.3 台风风场和气压场模型

由于台风的路径难以观测、风速强且伴随强降雨等问题, 实测台风风场资料匮乏, 风场再分析资料通常比实测结果小, 因此本文采用台风模型建立台风模型风场。台风模型一般分为经验台风模型、理论台风模型和半经验半理论台风模型, 如藤田[15]、高桥[16]、Myers[17]、Jelesnianski[18]和Holland[19]等, 分别适用于不同海域的台风风场的建立。试验对比[20]结果表明: 在0<<2时, 采用藤田公式得到的结果能更好地符合台风气压的变化; 在2≤<∞时, 高桥公式更具有代表性。因此, 本文气压场采用藤田公式和高桥公式嵌套来模拟台风的气压分布, 风场采用Jelesnianski圆形风场模型。

图1 计算区域及网格

图2 江苏海域水深(单位: m)示意图及观察站分布

藤田公式为

高桥公式为

Jelesnianski圆形风场模型为

背景风场叠加公式为

其中,∞和0为背景气压和台风中心气压,为台风最大风速半径,max是台风最大风速,是与台风中心的距离。TY和EC分别为合成、模型和欧洲中期预报风场,1为7级风圈的半径, 此处设置2=1.21。

文中所需台风中心基本参数来自于中国台风网(http: //www.typhoon.gov.cn)的西北太平洋热带气旋最佳路径(图3)数据集(包括6 h一次的台风中心位置、台风中心气压和最大风速)。

图3 1109号和1210号台风路径示意图

2 模式验证

2.1 天文潮校验

台风期间的总水位由天文潮和风暴潮构成, 所以模拟好总水位首先需要较好地模拟天文潮。天文潮模拟计算的时间段为2012年5月10日—2012年6月10日, 模式提前2 d起算。本文选取了2个位于江苏沿岸的验潮站: 连云港站和吕泗站, 对5月21日~30日的结果进行检验, 这段时间没有显著的天气过程影响江苏沿海。图4为计算得到连云港和吕泗站位潮位与观测的对比。由图4可见, 计算结果与实测符合较好。2个站点9 d内的潮位平均绝对误差分别为18.6 cm和19.5 cm, 最大高潮绝对误差分别为20 cm和13 cm, 最大低潮绝对误差分别为8 cm和10 cm。

模式模拟4个主要分潮M2、S2、K1、O1, 同潮图见图5, 在长江口北-废黄河口一带海域, M2分潮和S2分潮在弶港岸外振幅最大, 达到220 cm和80 cm左右, 同时向南北方逐渐降低。在废黄河口-石臼所一带海域, 在连云港外振幅最大, 达到160 cm和60 cm左右, 且向南北方逐渐降低。M2分潮和S2分潮均在黄海南部存在一个无潮点, 与王永刚等[21]模拟出来的情况较为一致。在江苏海域K1、O1分潮的振幅和迟角分布与王永刚等[21]和朱学明等[22]的结果非常接近。本文关注点为江苏海域, 在该海域模拟的振幅和迟角分布与王永刚等[21]和朱学明等[22]的结果较为一致。表1为四个主要分潮在吕泗站和连云港站模拟值和实测值的绝均差, 两个观测站点的M2、S2、K1和O1分潮振幅/迟角的偏差绝对值得平均值分别为6 cm/4°, 9.5 cm/10°, 3 cm/5.5°, 4.5 cm/12.5°。模式模拟的江苏海域潮位与实测值符合良好, 模拟海域主要分潮的调和常数得到了合理再现。

图4 连云港和吕泗测站的计算水位与实测水位对比图

图5 计算区域同潮图

表1 四个主要分潮模拟值和实测值的绝均差(D: 振幅绝均差(单位: cm),D: 迟角绝均差(单位: °))

Tab.1 Mean absolute deviation of computation and observation on harmonic constants for four principal constituents (H: amplitude(unit: cm), G: phase-lag(unit: °))

2.2 风暴潮增水的检验

本文所采用实测增水曲线资料来自于观测站点的长期观测和文献[23]。1210号台风“达维”和1109号台风“梅花”的计算模拟时间分别是从北京时间2012年8月1日0时—2012年8月3日12时和从2011年8月6日0时—2011年8月9日8时。

台风“达维”于2012年7月28日在关岛东北海域生成, 朝西北偏西方向移动并进入东中国海, 影响吕泗的时间要早于连云港。吕泗附近海域在“达维”的作用下, 不断有海水流向岸边并堆积, 使得吕泗水位上升, 发生第一次增水峰值。当“达维”在吕泗东北方向时, 吕泗离岸风作用下, 水位不断下降, 增水不断减小。当台风“达维”中心移到盐城东北方向40 km海域时, 引发向南的沿岸潮流, 不断使海水流向吕泗海域, 引发了二次增水。从图6可见, 吕泗站模拟最大增水值为80 cm, 比该站实测最大增水小12 cm, 连云港站模拟最大增水值为161 cm, 时间上基本一致, 比实测最大增水小16 cm。

1109号台风“梅花”于2011年7月28日生成在菲律宾以东洋面, 之后向偏北方向移动, 强度迅速增强, 两度升级为超强台风, 并于8月3日20时转向西北方向移动, 强度持续为强台风, 于8月7日9时左右到达江苏省南通市偏东方向大约240 km的东海海面上, 中心气压为965 hPa, 中心附近最大风力达到13级(38 m/s), 随后继续向偏北方向移动, 强度逐渐减弱, 消失在我国吉林省吉林市境内。从图5可见, 吕泗站在44 h出现最大实测增水, 增水量为139 cm,在47 h出现模拟最大增水为119 cm。模拟增水在1~44 h徘徊增长, 在45~60 h处于高峰72~139 cm, 在60~70 h, 模拟增水与实测增水偏差较大, 这可能没有加入海浪的因素。在“梅花”的影响下, 连云港附近海域产生向岸风, 使得海水在海岸持续堆积, 发生第一次增水, 然后在离岸风的作用下, 增水下降。随后, 台风中心继续向东北方向移动, 引发向东南的沿岸潮流, 在连云港附近海域发生海水堆积。连云港站最大增水的模拟值比实测值高出19 cm, 时间上提前1 h。“梅花”和“达维”的模拟最大增水与实测最大增水误差在20 cm以内, 整体模拟增水发展趋势基本和实测增水曲线一致。Oraton等[24]指出: 远程天气状况、海浪作用和沿海径流都会对风暴潮增水产生影响。本文误差在20%以内, 我们认为模式具备模拟风暴潮增水能力。

图6 “梅花”和“达维”期间模拟风暴潮增水与实测风暴潮增水对比

3 结果分析

3.1 风暴潮与天文潮非线性相互作用分析

对于风暴潮增水来说, 除气象因子外, 天文潮和风暴潮之间的非线性作用是影响风暴潮增水的一个重要影响因子。为分析江苏近海海域天文潮与风暴潮之间的非线性作用, 我们分别对台风期间无潮水位情况下的纯风暴潮增水和包含非线性作用的风暴潮增水进行模拟, 我们分析北京时间2012年8月1日12时—2012年8月3日12时“达维”模拟的增水结果, 以及2011年8月7日0时—2011年8月9日8时“梅花”模拟增水结果, 然后将结果进行比较(图7)。在“达维”和“梅花”期间, 两次台风在吕泗站纯风暴潮最大增水与包含非线性作用的风暴潮最大增水的绝均差分别为30 cm和18 cm, 在连云港站纯风暴潮最大增水与包含非线性作用的风暴潮最大增水的绝均差分别为10 cm和3 cm。在两次台风数值试验中, 纯风暴潮增水与包含非线性作用的风暴潮增水在吕泗站的绝均差要大于连云港站的绝均差。这是由于在观测站风暴潮和天文潮的非线性作用, 与观测站附近海区的水深和台风路径与观测站的相对位置有关。在台风期间, 当天文潮到达高潮位时, 非线性作用使得纯风暴增水水位大于包含非线性作用的风暴潮增水水位, 当天文潮到达低潮位时, 非线性作用使得纯风暴增水水位小于包含非线性作用的风暴潮增水水位。也就是说, 天文潮高潮削弱了风应力对增水的影响, 从而使风暴潮增水减弱, 而低潮时则恰恰相反[25]。

图7 “梅花”和“达维”期间天文潮对风暴潮增水的影响

3.2 地理因素对增水影响

在江苏沿海辐射沙脊群海域地形地貌、岸线变化大, 随着时间的推移, 风暴潮数值模型中水深和岸线也需要进行相应的调整。海陆边界和地貌随时间发生变化, 导致不同时期警戒潮位、海洋灾害危险性、脆弱性及风险区域会产生一定的差异。为了对比在台风期间地理因素对增水的影响, 我们选择2012年8月2日8时—2012年8月3日12时的“达维”模拟增水结果和2011年8月7日0时—2011年8月9日8时的“梅花”模拟增水结果进行对比分析。

3.2.1 浅滩地区地形变化试验

从连云港到长江口北支的岸段是软性海岸, 缺乏硬质节点, 容易受到侵蚀。但随着海堤和岸滩防护工程的加强, 各个等深线向岸移动, 这意味着海床被不断侵蚀。张忍顺等[26]指出, 在河口附近岸外15 m等深线以浅的海底, 其下蚀速度可以达到0.25 m/a以上; 而在江苏浅滩, 杜家笔等[27]认为冲淤在水深20 m以上的地形变化十分微弱。本文对江苏近海海域20 m以下的水深加深处理(见图8), 然后进行模拟(简称试验1)。从图9中可以得到, 在“达维”期间, 试验1在在吕泗站的最大增水达到68 cm, 比正常模拟分别小15 cm, 最大增水的时间晚于正常模拟最大增水的时间, 在连云港站的最大增水达到145 cm, 比正常模拟小16 cm。在“梅花”期间, 试验1在吕泗站的最大增水比正常模拟小13 cm, 最大增水的时间晚于正常模拟最大增水的时间, 试验1的风暴潮最大减水比正常模拟风暴潮最大减水大14 cm。在连云港站的试验1最大增水比正常模拟小10 cm, 最大减水比正常模拟小6 cm。“达维”和“梅花”台风期间, 在连云港站, 试验1的风暴潮最大减水值小于正常模拟风暴潮最大减水值, 而在吕泗站, 试验1的风暴潮最大减水值大于正常模拟风暴潮最大减水值。在本文所设计的地形的基础上, 进行风暴潮增水的数值模拟。从图9可见, 在吕泗站风暴潮最大增水往后平移, 在连云港站风暴潮最大增水的时间点基本没变。这可能是由于吕泗站附近海域地形较复杂, 在该海域风暴潮增水相对于连云港附近海域对地形变化的反应比较强烈。

图8 江苏近海水深变化

图9 “梅花”和“达维”期间正常模拟和试验1的风暴潮增水对比

3.2.2 浅滩地区新岸线下试验

大滩涂围垦工程的实施(图10), 改变了海岸线的轮廓, 引起沿海水动力和海岸冲淤总体格局的变化, 同时也会对海岸带环境造成一定影响。因此对江苏沿海大规模滩涂围垦引起的江苏近海风暴潮增水进行相应的研究十分必要。本文基于江苏沿海2010—2020年规划围垦后的滩涂, 然后进行风暴潮增水模拟(简称试验2)。从图11可见, 在“达维”期间, 吕泗站试验2的最大增减水分别为86 cm和25 cm, 比正常模拟的最大增减水高出8 cm和6 cm, 连云港站模拟最大增减水分别为164 cm和19 cm, 比正常模拟高出3cm和1cm。在“梅花”期间, 吕泗站试验2的最大增减水分别为127 cm和39 cm, 比正常模拟的最大增减水高出8 cm和3 cm, 连云港站模拟最大增减水分别为122 cm和100 cm, 比正常模拟高出1 cm和2 cm。从整体上来看, 在“达维”和“梅花”期间, 在吕泗站和连云港, 试验2与正常模拟的最大增减水的差值均在10 cm以内。从整体来看, 在连云港和吕泗沿海岸线变化前后增水过程基本一致。此次围垦造成的海岸线变化对吕泗站和连云港的风暴潮增水有略微上涨的影响。

图10 江苏省滩涂围垦规划示意图

图11 “梅花”和“达维”期间正常模拟和试验2的风暴潮增水对比

4 结语

[1] 于福江, 董剑希, 叶琳. 中国风暴潮灾害史料集: 1949-2009年[M]. 北京: 海洋出版社, 2015: 1-3.

Yu Fujiang, Dong Jianxi, Ye Lin. Collection of Storm Surge Disasters Historical Data in China: 1949-2009[M].Beijing: Ocean Press, 2015: 1-3.

[2] 陈橙, 王义刚, 黄惠明, 等. 潮动力影响下辐射沙脊群的研究进展[J]. 水运工程, 2013, 8: 17-24.

Chen Cheng, Wang Yigang, Huang Huiming, et al. Advances in the study of radiation sand ridges under tidal power[J]. Port & Waterway Engineering, 2013, 8: 17-24.

[3] 丁贤荣, 康彦彦, 茅志兵, 等. 南黄海辐射沙脊群特大潮差分析[J]. 海洋学报, 2014, 36(11): 12-20.

Ding Xianrong, Kang Yanyan, Mao Zhibing, et al. Analysisof largest tidal range in radial sand ridges southern Yellow Sea[J]. Acta Oceanologica Sinica, 2014, 36(11): 12-20.

[4] 张延廷, 王以娇. 8114台风暴潮与天文潮非线性耦合作用的初步探讨[J]. 海洋学报: 中文版, 1986, 8(3): 283-290.

Zhang Yanyan, Wang Yijiao. Preliminary study on nonlinear coupling between No.8114 storm surges and astronomical tides[J]. Acta Oceanologica Sinica: Chinese version, 1986, 8(3): 283-290.

[5] Rego J L, Li C. Nonlinear terms in storm surge predictions: Effect of tide and shelf geometry with case study from Hurricane Rita[J]. Journal of Geophysical Research Oceans, 2010, 115 (C6): 1-19.

[6] 端义宏, 秦曾灏. 上海沿岸天文潮与风暴潮非线性相互作用的数值研究[J]. 海洋与湖沼, 1997, 28(1): 80-87.

Duan Yihong, Qin Zenghao. Numerical study of nonlinear interactions between astronomical tides and storm surges along the coast of Shanghai[J]. Chinese Journal of Oceanology and Limnology, 1998, 28(1): 80-87.

[7] 姜兆敏, 王如云, 黄金城. 风暴潮与天文潮非线性相互作用的理论分析[J]. 河海大学学报(自然科学版), 2004, 32(4): 447-450.

Jiang Zhaomin, Wang Ruyun, Huang Jincheng. Theoretical analysis of nonlinear interaction between storm surge and astronomical tide[J]. Hohai University Press (Natural Sciences), 2004, 32(4): 447-450.

[8] Kim S Y, Yasuda T, Mase H. Numerical analysis of effects of tidal variations on storm surges and waves[J]. Applied Ocean Research, 2008, 30(4): 311-322.

[9] 聂会, 孙志林, 黄森军, 等. 新岸线下近期台风暴潮模拟[J]. 浙江大学学报(理学版), 2015, 42(2): 205-211.

Nie Hui, Sun Zhilin, Huang Senjun, et al. Simulation of storm surge under the new coastline during recent typhoons[J]. Journal of Zhejiang University(Science Edition), 2015, 42(2): 205-211.

[10] 高志刚, 韩树宗, 刘克修, 等. 平均海平面上升对东中国海台风风暴潮影响的数值模拟[J]. 海洋通报(英文版), 2008, 10(2): 36-49.

Gao Zhigang, Han Shuzong, Liu Kexiu, et al. Numerical simulation of the influence of mean sea levelrise on typhoon storm surge in the East China Sea[J].Marine Science Bulletin, 2008, 10(2): 36-49.

[11] Chen C, Liu H, Beardsley R C. An Unstructured Grid, Finite-Volume, Three-Dimensional, Primitive Equations Ocean Model: Application to Coastal Ocean and Estuaries[J]. Journal of Atmospheric & Oceanic Technology, 2003, 20(20): 159-186.

[12] 曹丛华, 白涛, 高松, 等. 胶州湾高分辨率三维风暴潮漫滩数值模拟[J]. 海洋科学, 2013, 37(2): 118-125.

Cao Conghua, Bai Tao, Gao Song, et al. High resolution 3D storm surge and inundation numerical model used in the Jiaozhou Bay[J]. Marine Sciences, 2013, 37(2): 118-125.

[13] Yoon J J, Shim J S. Numerical experiments of storm surge and coastal inundation by unstructured grid finite volume model FVCOM[J]. Journal of Korean Society of Hazard Mitigation, 2013, 13(5): 337-346.

[14] Cheng Y, Andersen O B. Multimission empirical ocean tide modeling for shallow waters and polar seas[J]. Journal of Geophysical Research Oceans, 2011, 116(C11): 1130-1146.

[15] 陈孔沫. 台风气压场和风场模式[J]. 海洋学报, 1981, 3(1): 47-59.

Chen Kongmo. Typhoon pressure filed and wind filed model[J]. Acta Oceanologica Sinnica, 1981, 3(1): 47-59.

[16] Fujita T. Pressure distribution within typhoon[J]. Geophysical Magazine, 1952, 23(4): 437-451.

[17] Miller B I. Characteristics of hurricanes[J]. Science, 1967, 157(3795): 1389-1399.

[18] Jelesnianski C P. a numerical calculation of storm tides induced by a tropical storm impinging on a continental shelf[J]. Monthly Weather Review, 1965, 93(6): 343-358.

[19] Holland G J. An analytic model of the wind and pressure profiles in hurricanes[J]. Monthly Weather Review, 1980, 108(8): 1212-1218.

[20] 王喜年. 第三讲风暴潮数值模式计算中气压场和风场的处理[J]. 海洋预报, 1986, 4: 60-68.

Wang Xinian. Lecture 3 treatment of pressure field and wind field in numerical model of storm surge[J]. Marine Forecasts, 1986, 4: 60-68.

[21] 王永刚, 方国洪, 曹德明, 等. 渤、黄、东海潮汐的一种验潮站资料同化数值模式[J]. 海洋科学进展, 2004, 22(3): 253-274.

Wang Yonggang, Fang Guohong, Cao Deming, et al. Tides of the Bohai, Yellow and East China Seas by assimilating gauging station data into a hydrodynamic model[J]. Advances in Marine Science, 2004, 22(3): 253-274.

[22] 朱学明, 鲍献文, 宋德海, 等. 渤、黄、东海潮汐、潮流的数值模拟与研究[J].海洋与湖沼, 2012, 43(6): 1103-1113.

Zhu Xueming, Bao Xianwen, Song Dehai, Numerical study on the tides and tidal currents in Bohai Sea, Yellow Sea and East China Sea.[J]. Oceanologiaet Limnologia Sinica, 2012, 43(6): 1103-1113.

[23] 韩雪, 盛建明,罗锋, 等. 1210号台风“达维”风暴潮分析与数值模拟[J]. 安徽农业科学, 2014, (27): 9448-9451.

Han Xue, Sheng Jianming, Luo Feng, et al. Numerical simulation and analysis of 1210 typhoon “Damrey” storm surge[J]. Journal of Anhui Agricultural Sciences, 2014, (27): 9448-9451.

[24] Orton P, Georgas N, Blumberg A, et al. Detailed modeling of recent severe storm tides in estuaries of the New York City region[J]. Journal of Geophysical Research Oceans, 2012, 117(C9): 771-782.

[25] 吴辉, 黄君宝. 风暴潮中风与水位非线性作用效应研究[J]. 海洋通报, 2009, 28(3): 16-21.

Wu Hui, Huang Junbao. Research on the effects of nonlinear interaction between astronomical tides and storm surges[J]. Marine Science Bulletin, 2009, 28(3): 16-21.

[26] 张忍顺, 陆丽云, 王艳红. 江苏海岸侵蚀过程及其趋势[J]. 地理研究, 2002, 21(4): 469-478.

Zhang Renshun, Lu Liyun, Wang Yanhong.The mechanism and trend of coastal erosion of Jiangsu Province in China[J]. Geographical Research, 2002, 21(4): 469-478.

[27] 杜家笔, 汪亚平. 南黄海辐射沙脊群地貌演变的模拟研究[J]. 南京大学学报(自然科学), 2014, 50(5): 636-645.

Du Jiabi, Wang Yaping. A simulation study on the geomorphic evolution of the radiation sand ridges in the South Yellow Sea[J]. Journal of Nanjing University (Natural Sciences), 2014, 50(5): 636-645.

Numerical simulation and analysis of storm surge in the near- shore of Jiangsu Province

HE Shun-zhi1, WANG Xin-yi2, 3, XU Teng-fei2, 3, WANG Yi-hang1, WANG Yong-gang2, 3

(1. Faculty of science, Ningbo university, Ningbo 315211, China; 2. The First Institute of Oceanography, SOA, Qingdao 266061, China; 3. Laboratory for Regional Oceanography and Numerical Modeling, Qingdao National Laboratory for Marine Science, Qingdao 266071, China)

This study establishes a numerical model of storm surge by using the FVCOM and the Jelesnianski circular typhoon wind field model. The storm surge processes of Lianyungang station and Lvsi station were obtained and this research discusses the characteristics of storm surge. The results show that the nonlinear interaction between astronomical tide and storm tide can suppress the storm surge and help the growth of the storm surge at the climax of the astronomical tide and the ebb of astronomical tide, respectively. The geographical environment of the sea area was also an important influence factor of the storm surge. Therefore, sensitivity experiments were performed to determine the coastal change of Jiangsu Province and the topography change of the shoal area of Jiangsu Province. The results also showed that the coastal change of Jiangsu Province had a small effect on the storm surge. When the coastline went toward open sea, the typhoon storm surge slightly increased, and the results showed that the topography change of the sea area of Jiangsu Province had a great effect on storm surge.

the coast of Jiangsu Province; nonlinear interaction; storm surge; shoal area

(本文编辑: 李晓燕)

[The National Key Research and Development Program of China, No. 2016YFC1402404, No. 2017YFC1404201; NSFC-Shandong Joint Fund for Marine Science Research Centers, No. U1606405]

Oct. 13, 2017

何顺之(1992-), 男, 浙江象山人, 硕士, 主要从事潮汐潮流的数值模拟计算, 风暴潮数值研究, 电话: 18892625320, E-mail: fio_szhe@fio.org.cn; 王永刚,通信作者, 研究员, 主要从事潮汐潮流和海洋环流方面研究, E-mail: ygwang@fio.org.cn

O141.4; P444

A

1000-3096(2017)12-0086-10

10.11759/hykx20171013001

2017-10-13;

2017-11-29

国家重点研发计划(2016YFC1402404, 2017YFC1404201); 国家自然科学基金项目委员会-山东省人民政府联合资助海洋科学研究中心项目(U1606405)