孫倩倩 王 迪 孫顏薇
(山東省威海市氣象局,山東 威海 264200)
黃渤海是山東半島航線的主要分布區(qū)域,也是專業(yè)氣象服務(wù)的重要部分。此區(qū)域中來往船只較多,因大風(fēng)引起的災(zāi)害性海浪會給船舶交通運輸造成巨大的經(jīng)濟(jì)損失和人員傷亡。同時,對于船舶航行停泊和裝卸作業(yè)情況,需要對未來一段時間的波浪參數(shù)有確切的掌握,才能保證沿海作業(yè)的安全穩(wěn)定運行,而波高極值是波浪參數(shù)中最為重要的資料。
目前獲得一定區(qū)域內(nèi)長期波浪數(shù)據(jù)的方法有很多,除了直接使用NOAA 浮標(biāo)測量數(shù)據(jù)的方法外,還可以通過觀測船、衛(wèi)星高度計、根據(jù)風(fēng)場數(shù)據(jù)模擬方法。其中,利用波浪模型再現(xiàn)歷史波高這種研究方法在波候分析研究中應(yīng)用廣泛,可以得到任何有風(fēng)場數(shù)據(jù)的水域內(nèi)連續(xù)長期的波高數(shù)據(jù),比較主流的模型有WAMC4、WW3、SWAN,根據(jù)前人的研究可見,WAMC4 和WW3 模型多用于計算深水情況,而SWAN對于近岸波浪的模擬較好。[1]
黃渤海地區(qū)現(xiàn)有的測站多位于沿岸,不能完全表示出整個黃渤海海域地區(qū)的長期波浪分布情況,因此采用第三代近岸波浪模型SWAN 模擬追算長期波浪,趙嘉靜等人通過對比評選發(fā)現(xiàn),在中國海域地區(qū),使用歐洲天氣預(yù)報中心(ECMWF)風(fēng)場模擬的極端波情況更接近真實值,因此本文SWAN 模擬的風(fēng)場來源也使用了ECMWF 風(fēng)場。
本文的研究目的在于,通過ECMWF 風(fēng)場數(shù)據(jù),利用SWAN 數(shù)值模型,實現(xiàn)黃渤海海域波高的模擬再現(xiàn),并與現(xiàn)有海岸上實測波高的驗證,論述黃渤海海域根據(jù)實時或者預(yù)報風(fēng)場資料進(jìn)行波高預(yù)測的可行性。最后根據(jù)波高模擬結(jié)果,利用Gumbel 型分布函數(shù)Person Ⅲ型分布函數(shù)來進(jìn)行極端波高的預(yù)測預(yù)報,為后續(xù)與波高有關(guān)的工程建設(shè)、民商互動和船舶作業(yè)提供參考決策。
為了預(yù)測黃渤海海域波高情況,利用歐洲天氣預(yù)報中心(ECMWF)風(fēng)場數(shù)據(jù)驅(qū)動模型,該中心于1979年首次做出了實時的天氣預(yù)報,其使用的模式充分利用四維同化資料,可提供全球在65 公里高度內(nèi)60 層的40公里網(wǎng)格密度共兩千萬個點的風(fēng)、氣溫、濕度預(yù)報。借此我們使用了2017-2019 年風(fēng)場數(shù)據(jù),數(shù)據(jù)間隔為6小時。使用第三代近岸波浪模型(SWAN)模擬了3 年中每小時波高,計算區(qū)域位于中國黃渤海,經(jīng)度范圍117°E-123°E,緯度范圍35°N-41°N,地形水深數(shù)據(jù)來源于海圖的實測精確數(shù)據(jù)。計算網(wǎng)格為三角形網(wǎng)格,共計15369 個,最大精度為0.5km 考慮了包括白蓋、破波、底摩擦在內(nèi)的波能耗散機制,波浪高度和波浪周期具有更高精確度。
為證明模擬結(jié)果的可信性,與國家海洋信息中心聯(lián)系,取得了成山頭測站(122.69°E,37.38°N)的2017 年2-4 月、2018 年2-4 月、2019 年2-4 月的實測波高數(shù)據(jù),與模擬結(jié)果進(jìn)行對比,除了實測數(shù)據(jù)有缺失的部分,模擬波高和實測數(shù)據(jù)擬合較好。為了量化模擬性能,結(jié)合了兩者的相關(guān)性分析,相關(guān)系數(shù)(R)為0.81,均方根誤差(RMSE)也較小,說明SWAN 模型能夠較準(zhǔn)確地模擬本地區(qū)波高的時間變化。
Gumbel 分布的基本方法為:對于一系列的k 個隨機變量(如波高值),其原始分布函數(shù)為G(x),如果在同一條件下(如黃渤海地區(qū)的氣象要素),作n 次取樣,能得到n 組隨機變量,每組變量的最大項便可以組成一個波高極值分布。最大項的極值分布函數(shù)F(x)和原始分布函數(shù)的關(guān)系為:
其中,原始分布G(x)為指數(shù)分布,近似寫作:
當(dāng)變量數(shù)充分大,即k 趨近于∞時,式子(1)變?yōu)椋?/p>
其中,Sn為樣本標(biāo)準(zhǔn)差,σn和yn與累積頻率P 有關(guān),是項目n 的函數(shù),所以當(dāng)n 確定后,由P=m/(n+1)可以求得σn和yn的值,m 為k 個變量按照遞減次序排列的序號,最后可以求得對于一定重現(xiàn)期頻率的P,其對應(yīng)的重現(xiàn)波高xp為:
根據(jù)上述Gumbel 分布的方法,對于波高模擬值結(jié)果,選擇了成山頭測站位置點處連續(xù)31 天的數(shù)據(jù)進(jìn)行極值分析,得到的波高極值分布如圖1 所示,黑色點表示的是波高模擬結(jié)果,藍(lán)色曲線表示了根據(jù)Gumbel分布函數(shù)得到的預(yù)測曲線,兩條線的擬合程度的相關(guān)系數(shù)(R)為0.79,均方根誤差(RMSE)為0.21,表明Gumbel 分布對于本地波高極大值的擬合程度較好,可以作為預(yù)測預(yù)報的參考。需要注意的是,圖中表示的是某一預(yù)測時間段內(nèi)的波高預(yù)測值得最大值,例如:x 軸上預(yù)測天數(shù)為100 天表示的是未來100 天內(nèi)出現(xiàn)的最大波高值約為1.59m,是一個統(tǒng)計概念,而并非指未來第100 天的波高值為1.59m。[2]
圖1 模擬波高與Gumbel 分布擬合結(jié)果
Person Ⅲ型分布最初由英國K·Person 在生物學(xué)統(tǒng)計分析中提出,他發(fā)現(xiàn)概率密度曲線的圖形是單峰式的,即只有一個眾值,在峰頂兩旁的出現(xiàn)概率密度逐漸減小,且曲線的兩端或者一端與橫軸漸近相切,基于此,他建立了概率密度曲線的微分方程式:
如果將坐標(biāo)原點移動至波高序列變量的實際零點,則可以得到Person Ⅲ型曲線的常見形式:
式中α、β、a0為待定參數(shù),他們與統(tǒng)計分析量均
根據(jù)上述Person Ⅲ型分布的方法,對于波高模擬值結(jié)果,使用與上述Gumbel 分布擬合所用相同的數(shù)據(jù),得到的擬合結(jié)果如圖2 所示。圖中黑色點表示的是波高模擬結(jié)果,紅色曲線表示根據(jù)Gumbel 分布函數(shù)得到的預(yù)測曲線,兩條線的擬合程度的相關(guān)系數(shù)(R)為0.83,均方根誤差(RMSE)為0.20,表明Person Ⅲ型分布對于本地波高極大值的擬合程度較好,同樣可以作為預(yù)測預(yù)報的參考。其橫縱坐標(biāo)的含義同圖2 的Gumbel 分布是一致的。
圖2 模擬波高與Person Ⅲ型分布擬合結(jié)果
綜合Gumbel 和Person Ⅲ型兩種分布來看,兩種方法均能較好地擬合波高的模擬值情況,但是有所區(qū)別:對于預(yù)測時間較長的情況下(如30 天以上),Gumbel方法預(yù)測的極端大值更貼合于實際的模擬結(jié)果,曲線形狀更為上揚,這也決定了其對于較短預(yù)測天數(shù)情況下(如30 天以下)的波高極端值會偏大。而Person Ⅲ型分布方法恰好相反,其曲線特征腹部與實際模擬結(jié)果更為貼合,對于短預(yù)測天數(shù)情況下(如30 天以下)的波高極端值擬合更好,對于長期(如30 天以上)的預(yù)測結(jié)果會偏小一些。
本文首先使用歐洲天氣預(yù)報中心(ECMWF)風(fēng)場,利用SWAN 數(shù)值模型再現(xiàn)了黃渤海海域的波高分布情況,然后與成山頭測站的實測波浪值進(jìn)行對比,相關(guān)性表明模擬的結(jié)果較好,肯定了在黃渤海海域根據(jù)實時風(fēng)場或者預(yù)報風(fēng)場進(jìn)行波高預(yù)測的可行性。
由于氣象風(fēng)場預(yù)測的時長有限性,結(jié)合測站測點覆蓋的局部性,因此使用統(tǒng)計學(xué)的方法,對于黃渤海海域全局模擬的波高進(jìn)行統(tǒng)計學(xué)分析,利用Gumbel 型分布函數(shù)Person Ⅲ型分布函數(shù)來進(jìn)行極端波高的預(yù)測預(yù)報,并根據(jù)擬合的結(jié)果,判定當(dāng)需要預(yù)測的波高天數(shù)大于30 天時,推薦使用Gumbel 分布,當(dāng)需要預(yù)測的波高天數(shù)小于30 天時,推薦使用Person Ⅲ型分布。這種綜合判斷分析預(yù)報的方法,可以更好地為后續(xù)與波高有關(guān)的工程建設(shè)、民商互動和船舶作業(yè)提供參考決策。