中国近海冷空气浪的参数化判别标准研究

陈汨梨 ，潘志刚 ，徐啸 ，戴炜 ，钟嬛予

（1.河海大学港口海岸与近海工程学院，江苏 南京 210024；2.中国港湾西部非洲区域公司，科特迪瓦 阿比让 06BP6687；3.河海大学海岸灾害及防护教育部重点实验室，江苏 南京 210024；4.浙江省电力设计院，浙江 杭州 310012）

0 引言

我国是一个海洋灾害频发的海洋大国。根据《中国海洋灾害公报》（以下简称《公报》）的数据，2000—2016年间，我国共有2 659人因海洋灾害死亡或失踪，其中海浪灾害导致的人员死亡或失踪占到了66.7%，可见海浪灾害是对民众生命安全威胁最大的海洋灾害类型。在中国近海，海浪灾害主要有3种类型：台风浪、冷空气浪、气旋浪。根据《公报》的统计数据，2004—2016年间，我国因海浪灾害导致的人员死亡或失踪达到1 248人，其中由冷空气浪、气旋浪、台风浪造成的人员损失分别占58.3%、27.0%、14.7%。可以看出，冷空气浪对我国沿海居民的生命安全构成了严重威胁，对中国近海的冷空气浪进行研究具有重要的现实意义。

然而相对台风浪而言，对于我国冷空气浪的研究还非常薄弱[1-3]。王祥涛等[4]统计了波高≥6 m的冷空气浪灾害事件在我国近海的分布，指出我国的渤海、黄海、东海、南海均有冷空气浪灾害发生。戴炜等[5]的研究表明：由于海域面积、水深和冷空气强度的不同，我国各海域的冷空气浪特性也有所不同。总体而言，冷空气浪的浪高从渤海至东海呈上升趋势。郑崇伟等[6]分析了2013年3月一次强冷空气过程过境期间的浮标观测数据，结果显示黄海、东海都出现了有效波高超过4 m的大浪。刘志宏等[7]基于NFS风场驱动SWAN模式对2012年1月的一次强冷空气过境影响下的中国近海波浪进行了后报模拟，发现渤海、黄海、东海均出现了有效波高3 m左右的大浪区。虽然前人的研究都已经明确冷空气浪是由寒潮大风引起的海浪，并探讨了典型冷空气浪案例的时空分布特性和短期演变规律，但是尚未有人给出参数化的冷空气浪定义，导致关于冷空气浪的数据处理以及大尺度长时间的特性分析工作难以展开。

为了填补我国在冷空气浪定义方面的空白，本文通过分析冷空气浪灾害存在时的中国近海波要素以及风要素的规律特点，总结出中国近海冷空气浪的参数化判定标准，可作为建立中国近海冷空气浪数据集的依据，也可为中国近海冷空气浪的进一步研究提供参考。

1 数据来源

本研究使用的风速数据是美国国家海洋和大气管理局（NOAA）提供的CFSR风场，时间分辨率6 h，空间分辨率0.5°×0.5°。波浪数据来源于Shi等[8]建立的中国近海波浪数据集，该波浪数据集是通过TOMAWAC波浪数学模型计算得到的。TOMAWAC是EDF R&D国家水力和环境实验室（LNHE）开发的波浪计算子程序，在全世界范围内已经有多名学者使用它进行波浪数值模拟且模拟结果与实测数据对比良好[9-10]。Shi等建立的TOMAWAC海浪模型的计算区域包含整个太平洋，以便充分考虑外海波浪对中国近海的影响。该模型在中国近海空间分辨率最小为10 km，时间步长取5 min，驱动风场是CFSR风场。模型计算的时间跨度是1979年1月1日—2016年12月31日，模型输出的波浪数据时间分辨率达到1 h。本文从中选取时间范围是2004—2016年，空间范围是 0°N—45°N、100°E—130°E 的波浪数据，在空间尺度上足以涵盖中国海四大海域——东海、渤海、黄海、南海。

为了增加近岸波浪模拟精度，Shi等建立的波浪模型网格是不规则的三角形，近岸处网格密度较高，远岸处网格密度较低，但是这样的大小、密度不统一的网格不利于对海域的海浪特征做统计分析。因此本研究将Shi等建立的中国近海波浪数据集在新的规则矩形网格上重新插值，插值分辨率设定为0.125°×0.125°，采用的插值方法为三角形线性内插法。表1展示了四大海域插值前后的网格点数量，可见插值之后各个海域的网格点数量基本与海域面积成正比，这意味着每个格点代表的海域面积大致相同，有利于后续的数据分析工作。

表1 各海域插值前后格点数量Table 1 Number ofgrid points before and after interpolation in each sea area

2 中国近海冷空气浪特性分析

分析冷空气浪的外在表现特征有助于更好地建立冷空气浪的判别标准。

本研究基于中国近海波浪数据集的有效波高数据以及CFSR风场数据，绘制出了2004—2016年《公报》收录的各冷空气浪发生日的每6 h平均有效波高图、每6 h海平面10 m高度北向风速图和每6 h海平面10 m高度东向风速图。

通过对冷空气浪发生当日的波高图、风速图的分析，发现冷空气浪发生时海域呈现如下特点：各海域波高显著增大，海域内出现有效波高不低于3 m的大浪区；各海域海平面10 m高度处南北向风速明显增加，海域内产生超过10 m/s甚至超过15 m/s的北向大风。值得注意的是，冷空气浪发生时，海平面10 m高度处的东西向风速并未显著增大，这是因为影响我国近海的冷空气团是自北向南移动的，一般产生北向或偏北向的大风，因此可以近似忽略冷空气对东西向风速的影响，以下提到的风速均指北向风速。

3 冷空气浪判别标准

冷空气浪是冷空气团南下带来的大风所掀起的海浪，因此冷空气浪的判别标准应当考虑波要素和风要素两方面的影响。

3.1 冷空气浪的波要素判别标准

波要素判别标准主要考虑大浪区占比，大浪区占比的含义是有效波高≥某一特定值H的大浪区与所在海域面积（渤海、黄海、东海和南海其中一个）的比值。

α=a/A （1）

式中：α为大浪区面积占比；a为某时刻海域内有效波高≥H的格点数量，根据上述对冷空气浪发生时波要素特征的分析，H取有效波高3 m；A为0.125°×0.125°分辨率下海域内格点总数。

由于模型每小时输出1笔数据，因此每个网格点每天有24笔波浪数据，若在这24 h的数据中，有任何一个时刻海域内的大浪区面积占比α≥设定的阈值，则认为该日该海域满足了波要素判别标准。

为了确定α阈值，首先定义如下4个指标以评价α阈值的优劣性：1）波要素判别标准下全年满足该标准的天数；2）全年中被《公报》冷空气浪灾害收录的天数；3）重合天数，即全年中既满足波要素标准，又被《公报》冷空气浪灾害收录的天数；4）重合度，即重合天数与《公报》收录天数的比值。

取0.05、0.1、0.15、0.2四个特征值，从中筛选出最为合适的阈值。统计结果显示，当α阈值取0.05时，重合度最高，但此阈值下满足波要素标准的天数太多，平均每年超过200 d，不利于分析冷空气浪的典型特征。当α阈值取0.15、0.2时，满足波要素标准的天数下降到年均200 d以内，但两者对应的平均重合度偏低，均低于70%。而阈值取0.1时，满足波要素标准的天数低于年均200 d，平均重合度也达到76.64%。综合考量下，本研究设定α阈值为0.1。因此，冷空气浪的波要素判定条件即：若某个海域1 d内任一时段出现α≥0.1，则认为该海域该日满足了发生冷空气浪的波要素标准。α=0.1时的筛选结果如表2所示。

表2 α=0.1时的筛选结果Table 2 Screening results whenα=0.1

在α的阈值取0.1的条件下，有些日期没有满足冷空气浪的波要素判定条件，但也被《公报》收录。这是因为海洋灾害是多方面因素综合作用的结果，不仅与致灾因子（如波浪、强风）的破坏力有关，也与承灾体（如船只、堤坝）的脆弱性有关[11]。即使是在海浪很小、气象温和的情况下，人为失误也可能引发海洋灾害。因此本研究认为被《公报》收录但不满足波要素判定标准的冷空气浪记录代表性不足，仅将既达到波要素判定标准又被《公报》收录的日期作为有效记录。

3.2 冷空气浪的风要素判别标准

冷空气浪发生时海域内的风场一般呈现2种状态：存在影响范围较大、风速也较大的大风区，存在影响范围较小但是风速极大的强风，后者的出现更难以预测。因此风要素标准要从2个方面考虑，其一是作为大风判定标准的风速阈值，其二是大风区占比，即风速≥上述阈值的大风区面积与海域总面积的比值。根据上述对冷空气浪发生时风要素特征的分析，建议取10 m/s（记作U1）和15 m/s（记作U2）两个特征值，从中筛选出最合适的风速阈值，U1和U2对应的大风区面积占比β1、β2可按式（2）、式（3）计算：

式中：β1、β2为2种不同风速标准下大风区面积占比；b1为某时刻海域内风速≥U1的格点数量；b2为某时刻海域内风速≥U2的格点数量；B为CFSR风场空间分辨率（0.5°×0.5°）下的海域内格点总数。

由于本研究所用的CFSR风场具有6 h的时间分辨率，因此每个网格点每天都有4笔数据，分别代表4个时刻。若某海域某天的任意时刻β1或β2的值≥其阈值，则认为该海域该日满足冷空气浪的风要素条件。为了充分考虑大风速情况的危险性，β2的阈值选为0，意味着海域内只要出现风速≥U2的格点，就判定满足风要素条件。

为了确定β1阈值，首先建立5个指标以评价β1阈值的优劣：1）全年中满足波要素判别标准的天数；2）全年中同时满足波要素和风要素判别标准的天数；3）全年中被《公报》冷空气浪灾害收录的有效天数；4）重合天数，即全年中既满足风要素、波要素标准，又是《公报》中有效记录的天数；5）保留率，即重合天数与《公报》收录的天数的比值。

取0.1、0.2、0.3、0.4四个特征值，从中筛选出最合适的阈值。统计结果显示：β1阈值取0.3或0.4时，各年份的平均保留率较低，不足72%，因此排除这2个特征值。β1阈值取0.1时，各年份的平均保留率为83.04%，同时满足波要素和风要素的天数占满足波要素的天数的67.40%。β1阈值取0.2时，各年份的平均保留率为75.84%，同时满足波要素和风要素的天数占满足波要素的天数的49.61%。许富翔[3]曾经做过统计，在中国近海，冷空气浪发生次数约占灾害性海浪发生次数的47.0%。因此，综合考量后将β1阈值取为0.2。β1阈值取0.2时的筛选结果如表3所示。

表3 β1=0.2时的筛选结果Table 3 Screening results whenβ1=0.2

3.3 波要素标准与风要素标准独立性检验

为了验证波要素标准和风要素标准在筛选冷空气浪的过程中是否各自起到了独立的作用，对2004—2016年的波浪、风数据分别按照3种标准进行筛选：1）同时考虑波要素标准和风要素标准筛选； 2）仅按照波要素标准筛选； 3）仅按照风要素标准筛选。结果由表3可知：平均每年有88 d既符合波要素标准也符合风要素标准，明显小于平均每年符合波要素标准的天数（177 d）和平均每年符合风要素标准的天数（114 d）。这说明本研究采用的波要素标准和风要素标准形成了互补关系，将两者同时纳入冷空气浪的判别标准中是很有必要的。

4 结语

本文从波要素标准和风要素标准两个方面建立了中国近海冷空气浪的参数化判别标准，在一定程度上弥补了我国在冷空气浪定义方面的空白。判别标准具体表述为：针对中国海域，若在1 d内的任意时段同时满足大浪区面积占比α≥0.1且大风区面积占比β1≥0.2或β2≥0的条件，则认为该海域当日发生了冷空气浪。

由于前人的研究并未涉及冷空气浪的参数化定义，因此本文的研究属于探索性研究，有待于进一步补充和完善。本文提出的冷空气浪定义只局限于中国近海范围内，若要建立普适性更强的冷空气浪参数化标准，需要进一步分析世界其他海域的冷空气浪数据。同时，本文在订立波要素标准、风要素标准时，只考虑了有效波高和北向风速2个变量，后续还可以引入更多的波浪、气象参数，如波向、波周期、风区、风时等，以获得更为准确的冷空气浪判定标准。