劉子洲, 陳國光, 陸 雪
?
黃海海浪天氣時間尺度變化的數(shù)值模擬研究
劉子洲1, 陳國光2, 陸 雪3
(1. 中國海洋大學(xué) 海洋與大氣學(xué)院, 山東 青島 266100; 2. 國家海洋局北海環(huán)境監(jiān)測中心, 山東 青島 266033; 3. 青島市氣象局, 山東 青島 266003)
利用第三代海浪數(shù)值模式(SWAN)系統(tǒng)研究了黃海海浪有效波高的天氣時間尺度變化的時空分布特征和相關(guān)動力學(xué)過程。結(jié)果表明黃海海浪有效波高的天氣變化強(qiáng)度(W)具有顯著的時間變化特征和空間分布特征。其多年平均值在黃海的中東部存在由南向北延伸的高值區(qū), 同時向兩側(cè)近海區(qū)域逐漸減小。W在冬季最大, 夏季最小。從11月到翌年5月,W月氣候態(tài)平均值的空間分布與其年平均值的空間分布類似; 從6月到同年10月,W的月氣候態(tài)平均值在黃海與東海的分界處存在較強(qiáng)的由黃海到東海的空間梯度。進(jìn)一步分析表明黃海海域的W以風(fēng)浪占主, 涌浪的貢獻(xiàn)遠(yuǎn)小于風(fēng)浪貢獻(xiàn)。數(shù)值實驗表明, 黃海海浪有效波高的天氣時間尺度變化主要是由大于天氣變化周期的海面風(fēng)強(qiáng)迫通過四波非線性相互作用產(chǎn)生的。
黃海; 海浪; 有效波高; 天氣時間尺度變化; 第三代海浪數(shù)值模式(SWAN)
黃海是位于太平洋西部、我國大陸和朝鮮半島之間的一個陸架淺海, 南以長江口-濟(jì)州島一線為界與東海相鄰, 西以渤海海峽與渤海相接。由于黃海海槽的存在, 黃海的地形大體分布特征是: 中部較深, 向兩邊逐漸變淺(圖1)。該海域主要受東亞季風(fēng)系統(tǒng)的控制, 夏季盛行偏南的夏季風(fēng), 冬季盛行偏北的冬季風(fēng)。同時由于黃海暖流等的存在, 黃海水文狀況還受到黑潮的顯著影響[1]。
在東亞季風(fēng)和黑潮等大氣和海洋環(huán)流的影響下, 黃海水動力環(huán)境場的時間變化和空間分布均比較復(fù)雜?;谟^測數(shù)據(jù)和數(shù)值模式模擬結(jié)果等資料, 前人對黃海環(huán)流和溫鹽場的季節(jié)變化[2]和年際及年代際變化[3-4]等作了大量研究。但是前人對黃海水動力環(huán)境場的另一方面——海表面波浪作的研究卻相對較少。在國內(nèi)外的基礎(chǔ)和應(yīng)用研究中, 海表面波浪和波能流密度等的空間分布、時間變化及其動力學(xué)過程一直是物理海洋學(xué)家關(guān)注的重點[5]。海浪不僅對海洋環(huán)流和海氣相互作用等具有非常重要的影響[6],而且是海上工程威脅、海洋災(zāi)害和新型能源的重要來源[7]。
到目前為止, 前人對黃海海浪有效波高時空變化的研究主要集中在其季節(jié)變化、年際變化和長期趨勢等低頻變化。對于季節(jié)變化, 陳紅霞等[8]根據(jù)衛(wèi)星觀測資料指出黃海海域海浪的有效波高于冬季最大, 夏季最小。該觀測結(jié)果與李訓(xùn)強(qiáng)等[9]的數(shù)值模擬結(jié)果并不一致, 但卻與陳國光等[10]的數(shù)值模擬結(jié)果一致。對于年際及更長周期的變化, 鄭崇偉等[11]基于WAVEWATCH-III的模擬結(jié)果認(rèn)為黃海海浪有效波高的年際變化主要與厄爾尼諾-南方濤動有關(guān)。Zheng等[12]指出黃海海浪在過去30年間存在顯著地長期變化趨勢。除此之外, 也有部分工作研究了黃海海浪由臺風(fēng)過程引起的短期變化。Cheon等[13]利用海洋數(shù)值模式研究了布拉萬臺風(fēng)經(jīng)過黃海海域時產(chǎn)生的大浪的時空特征和動力學(xué)過程。
盡管前人的研究工作極大增進(jìn)了我們對黃海海浪場時空變化特征的認(rèn)識, 但是仍存在諸多不足。近期通過對黃海海浪場衛(wèi)星觀測資料的分析, 作者發(fā)現(xiàn)黃海海浪有效波高存在顯著的天氣時間尺度的變化。因此本文擬利用第三代海浪數(shù)值模式系統(tǒng)地研究黃海海浪有效波高在天氣時間尺度上的變化特征和動力學(xué)過程。
圖1 模式計算區(qū)域水深(m)分布圖
本文利用的觀測數(shù)據(jù)是由衛(wèi)星高度計觀測的有效波高數(shù)據(jù), 該觀測數(shù)據(jù)融合了ERS-1/2, TOPEX, Jason-1/2, GEOSAT和ENVISAT等多個衛(wèi)星的觀測結(jié)果并處理成格點化資料, 空間分辨率為1.0°×1.0°, 時間分辨率是1 d。衛(wèi)星觀測結(jié)果在外海海域與海表面浮標(biāo)觀測結(jié)果具有較好的一致性[14], 但是在淺水區(qū)誤差仍較大[15]。觀測數(shù)據(jù)的下載網(wǎng)址是http: // www.aviso.altimetry.fr/en/home.html。
為了研究海浪有效波高天氣時間尺度變化的動力學(xué)過程, 本文采用第三代海浪數(shù)值模式SWAN (Simulating WAves Nearshore)[16]版本41.01進(jìn)行了后報模擬和多項數(shù)值實驗。SWAN模式采用波作用量(,)來描述隨機(jī)海浪場, 其中波作用量滿足如下方程
其中,為海浪的相對頻率,為其傳播方向;C和C分別是在方向和方向上的傳播速度, 而和則是在譜空間(,)上的傳播速度。右側(cè)代表能量源匯, 其表達(dá)式為
其中右側(cè)各項依次代表海面風(fēng)輸入的能量、四波非線性相互作用傳輸?shù)哪芰?、白冠耗散的能量、三波非線性相互作用傳輸?shù)哪芰?、底摩擦耗散的能量、深度誘導(dǎo)破碎的能量。后3項主要是在淺水中起作用, 因此可稱為淺水過程項。
本文中SWAN的模擬區(qū)域為117°~132°E, 26°~ 41°N(圖1), 空間分辨率為0.2°×0.2°, 時間步長為1 h, 結(jié)果每4 h輸出一次。模式的地形數(shù)據(jù)來自全球陸地海洋1′高程數(shù)據(jù)[17], 海面10 m風(fēng)場數(shù)據(jù)來自歐洲中期天氣預(yù)報中心(European Center for Medium-Range Weather Forecasts) Interim大氣再分析資料(ERA- Interim)[18]。模擬的時間范圍是2009年1月1日—2015年6月30日, 本文選取2009年10月以后的模擬結(jié)果進(jìn)行分析。
圖2首先比較了衛(wèi)星觀測與模式后報模擬的黃海平均的海浪有效波高的天平均時間序列。從圖中可以看出, 兩者吻合很好, 其同期相關(guān)系數(shù)為0.74 (高于95%的置信檢驗)。除了呈現(xiàn)出顯著的季節(jié)變化外[10],黃海海浪的有效波高還呈現(xiàn)出強(qiáng)烈的高頻變化。之后圖中分別給出了兩時間序列的功率譜密度。功率譜顯示衛(wèi)星觀測和模式后報模擬的有效波高均呈現(xiàn)出周期短于12 d的天氣時間尺度變化。為了查看該高頻變化的強(qiáng)度, 我們對有效波高的時間序列進(jìn)行了高通濾波, 提取出周期小于12 d的信號, 記為有效波高天氣異常。圖2最后分別給出了衛(wèi)星觀測和后報模擬的有效波高天氣異常的標(biāo)準(zhǔn)差。從圖中可以看出, 兩者均從南往北逐漸減小。但同時, 兩者之間也有較大差別。一方面, 衛(wèi)星觀測的結(jié)果比模式模擬的結(jié)果偏小, 這可能是因為模式模擬所使用的海表面10 m風(fēng)速比實際風(fēng)速偏大[19]; 另一方面, 模式后報模擬結(jié)果顯示有效波高天氣異常的標(biāo)準(zhǔn)差從黃海中東部向沿岸區(qū)域逐漸減小, 而該現(xiàn)象在衛(wèi)星觀測結(jié)果中并不明顯, 這應(yīng)該與衛(wèi)星觀測結(jié)果在淺海區(qū)域誤差較大有關(guān)[15]。
黃海海浪有效波高在天氣時間尺度上的變化有沒有季節(jié)差異呢?為此我們定義了有效波高在天氣時間尺度上的變化強(qiáng)度W(), 其定義如下: 對于某一有效波高時間序列, 首先進(jìn)行截斷周期為12 d的高通濾波以獲得天氣時間尺度上的異常值, 然后以某一時刻為中心取前后共31 d的異常值時間序列計算其標(biāo)準(zhǔn)差作為有效波高在該時刻的天氣時間尺度變化強(qiáng)度。因此W()在統(tǒng)計意義上描述了有效波高在天氣時間尺度上的變化強(qiáng)弱。圖3首先分別給出了整個黃海、北黃海(37°N以北)和南黃海(37°N以南)分別平均的W時間序列??傮w而言, 南黃海的W始終大于北黃海, 這與圖2最后描述的多年平均的W由南向北逐漸減小的空間分布特征一致。北黃海和南黃海分別平均的W與整個黃海平均的W之間的相關(guān)系數(shù)分別為0.92和0.99, 而它們的同期相關(guān)系數(shù)為0.87, 說明整個黃海海域的W呈現(xiàn)基本一致的時間變化。從圖中可以看出W的低頻變化主要以季節(jié)變化為主, 基本上在冬季最大, 而于夏季最小。同時我們也注意到這三個區(qū)域分別平均的W均在2011年8月、2012年9月和2014年8月等非冬季月份出現(xiàn)較大值, 從而表明W還具有其他時間尺度的變化。之后圖3進(jìn)一步給出了整個研究時間段內(nèi)W的標(biāo)準(zhǔn)差, 其空間分布與其平均值(圖2)類似, 均在黃海中東部最大, 并向沿岸區(qū)域逐漸減小。
圖2 衛(wèi)星觀測和模式后報模擬得到的有效波高天氣異常
隨后本文計算了W的月氣候態(tài)平均值, 結(jié)果如圖4所示, 其中粉紅色點和灰色點分別指示W(wǎng)的最大值與最小值發(fā)生的月份。在黃海內(nèi),W的最大值在大部分海域出現(xiàn)在12月, 而在少數(shù)沿岸海域出現(xiàn)在11月;W的最小值在大部分海域發(fā)生在6月, 而在江蘇—山東沿岸的部分海域則出現(xiàn)在7月。因為缺少觀測資料的支持,W極大值發(fā)生的月份在部分近海海域與深海并不一致的現(xiàn)象還需要在將來進(jìn)一步的深入研究。W月氣候態(tài)平均值的空間分布也呈現(xiàn)出顯著地季節(jié)變化。從11月到翌年5月,W的月氣候態(tài)平均值均在黃海的中東部存在自南向北延伸的高值區(qū), 與其年平均值的空間分布類似(圖2)。從6月到同年的10月,W的月氣候態(tài)平均在黃海與東海的分界處存在較強(qiáng)的由黃海指向東海的空間梯度, 其等值線大致與長江口-濟(jì)州島連線平行。在5月和6月, 南黃海的中東部區(qū)域和北部區(qū)域分別存在一個局地極大值區(qū)。
圖3 黃海海浪SW的時間變化及其標(biāo)準(zhǔn)差的空間分布
按照定義, 實際海洋中的波浪可以分為風(fēng)浪和涌浪兩部分, 那么風(fēng)浪和涌浪有效波高在天氣時間尺度上又有怎樣的變化呢?為此本文分別計算了風(fēng)浪和涌浪的W, 結(jié)果如圖5所示??傮w而言, 混合浪有效波高的天氣變化主要是由風(fēng)浪占主, 這與其季節(jié)變化的特征類似[10]。涌浪在南黃海的貢獻(xiàn)要大于在北黃海的貢獻(xiàn), 這應(yīng)該是由于南黃海受到來自東海及太平洋海域傳來的較強(qiáng)涌浪的影響。另外, 涌浪在夏天的部分月份也存在極大值, 如前面提到的2011年8月、2012年9月和2014年8月, 這可能是與臺風(fēng)浪有關(guān)[13]。
海表面波浪都是由海面風(fēng)強(qiáng)迫產(chǎn)生的, 因此有必要探討W與海表面風(fēng)場的天氣時間尺度變化強(qiáng)度之間的關(guān)系。為此本文也按照類似的方法利用ERA-Interim風(fēng)場資料計算了海面10 m風(fēng)速的天氣時間尺度變化強(qiáng)度, 記為W。經(jīng)過比較,W的季節(jié)變化和空間分布與W的季節(jié)變化和空間分布存在很大差別, 如圖6所示(其中粉紅色點和灰色點分別指示W(wǎng)的最大值與最小值發(fā)生的月份), 因此海面風(fēng)的天氣時間尺度變化可能不是導(dǎo)致海浪有效波高天氣時間尺度變化的直接原因。
圖4 黃海海浪SW的逐月氣候態(tài)平均
為了探討黃海海浪有效波高天氣時間尺度變化的動力學(xué)過程, 本文設(shè)計了6個數(shù)值實驗, 每個實驗的模式配置如表1所示。圖7給出了利用不同數(shù)值實驗?zāi)M結(jié)果計算得到的W時間序列。為了便于比較, 圖7中實驗4的結(jié)果為真實結(jié)果的1/3。
實驗1和實驗2比較了天氣時間尺度風(fēng)場(周期小于12 d)和低頻風(fēng)場(周期大于12 d)對W的影響。如圖7中灰色線和紅色線所示, 不管是在南黃海還是北黃海實驗1的結(jié)果均遠(yuǎn)小于后報模擬結(jié)果, 而實驗2的結(jié)果則與后報模擬結(jié)果非常接近。兩者得到的W與后報模擬得到的W之間的相關(guān)系數(shù)分別為0.5和0.8左右(表1), 這說明黃海海浪有效波高在天氣時間尺度上的變化主要是由海面風(fēng)場中較長周期(大于天氣變化周期)的信號引起的, 而風(fēng)場中天氣時間尺度的信號則起次要作用。
實驗3—實驗6進(jìn)一步探討了公式(2)中的不同物理過程對W的影響。實驗3得到的W與后報模擬得到的W不僅大小一致, 而且同期相關(guān)系數(shù)非常高(≈0.98)。因此, 淺水過程項對南黃海或者北黃海區(qū)域平均的W均影響較小, 這是因為淺水過程項主要在近海起作用[10], 而南黃?;蛘弑秉S海區(qū)域平均的W主要體現(xiàn)深水區(qū)域的有效波高天氣時間尺度變化強(qiáng)度特征。如果同時忽略四波非線性相互作用和白冠耗散等兩個深水過程, 那么實驗4得到的W不僅在數(shù)值上較大于后報模擬結(jié)果(前者約為后者的3倍), 而且兩者的相關(guān)性也較低(≈0.1~0.4)。實驗5的結(jié)果不僅在數(shù)值上遠(yuǎn)小于后報模擬結(jié)果, 而且與后者的同期相關(guān)性也非常低(≈0.2~0.3), 這說明四波非線性相互作用對有效波高的W非常重要。實驗6得到的結(jié)果總體上比較接近后報模擬結(jié)果, 而且兩者之間的同期相關(guān)系數(shù)也相對較高(≈0.87), 這表明白冠耗散過程起次要作用。
圖5 風(fēng)浪和涌浪的SW時間序列
衛(wèi)星觀測表明黃海海浪的有效波高呈現(xiàn)出顯著地天氣時間尺度的變化(周期小于12 d), 為此本文利用第三代海浪數(shù)值模式SWAN系統(tǒng)研究了該變化的時空分布特征和相關(guān)動力學(xué)過程, 具體結(jié)論如下:
1) 黃海海浪有效波高的天氣變化強(qiáng)度W具有顯著的時間變化特征和空間分布特征。其多年平均值在黃海的中東部存在由南向北延伸的高值區(qū), 同時向兩側(cè)近海區(qū)域逐漸減小。W的低頻變化以季節(jié)變化為主, 基本是冬天最大, 夏天最小。W的空間分布也具有明顯的季節(jié)差異。從11月到翌年5月,W月氣候態(tài)平均值的空間分布與其年平均值的空間分布類似; 從6月到同年的10月,W的月氣候態(tài)平均值在黃海與東海的分界處存在較強(qiáng)的空間梯度:W由東海向黃海迅速減小, 其等值線大致與長江口-濟(jì)州島連線平行。在5月和6月, 南黃海的中東部區(qū)域和北部區(qū)域分別存在一個極大值區(qū)。W以風(fēng)浪占主, 涌浪的貢獻(xiàn)遠(yuǎn)小于風(fēng)浪貢獻(xiàn)。
2) 數(shù)值實驗表明黃海海浪有效波高的天氣時間尺度變化并不是由海面風(fēng)場的天氣時間尺度變化導(dǎo)致的, 而是由較大變化周期的風(fēng)場主導(dǎo)的。進(jìn)一步的數(shù)值實驗表明在影響深水區(qū)域波浪能量源匯的6個物理過程中, 四波非線性相互作用具有主導(dǎo)作用, 而白冠耗散起次要作用。因此, 黃海海浪有效波高的天氣時間尺度變化主要是由大于天氣變化周期的海面風(fēng)強(qiáng)迫通過四波非線性相互作用產(chǎn)生的。
圖6 黃海海面10 m風(fēng)速WW的逐月氣候態(tài)平均
表1 后報模擬和數(shù)值實驗設(shè)置及結(jié)果
圖7 后報模擬及數(shù)值實驗得到的區(qū)域平均的有效波高的SW的時間序列
[1] 臧家業(yè), 湯毓詳, 鄒娥梅, 等. 黃海環(huán)流的分析[J]. 科學(xué)通報, 2001, 46(增): 7-15.Zang Jiaye, Tang Yuxiang, Zou Emei, et alAnalysis of Yellow Sea circulation[J]. Chinese Science Bulletin, 2001, 46(S): 7-15.
[2] Pang Chongguang, Bai Xuezhi, BaiHong, et alSeasonal evolution of circulation and thermal structure in the Yellow Sea[J]. Chinese Journal of Oceanology and Limnology, 2005, 23(3): 269-274.
[3] Han Guoqi, Huang Weigen. Pacific Decadal Oscillation and sea level variability in the Bohai, Yellow, and East China Seas[J]. Journal of Physical Oceanography, 2005, 38(12): 2772-2783.
[4] Zhang Liping, Wu Lixin, Lin Xiaopei, et al. Modes and mechanisms of sea surface temperature low-frequency variations over the coastal China seas[J]. Journal of Geophysical Research-Oceans, 115: C08031.
[5] 管長龍. 我國海浪理論及預(yù)報研究的回顧與展望[J]. 青島海洋大學(xué)學(xué)報, 2000, 30(4): 549-556. Guan Changlong. A review of history and prospect for study of sea wave theory and its forecast in China[J]. Journal of Ocean University of Qingdao, 2000, 30(4): 549-556.
[6] Qiao Fangli, Ma Jian, Xia Changshui, et al. Influence of the surface wave-induced mixing and tidal mixing on the vertical temperature structure of the Yellow and East China Seas in summer[J]. Progress in Natural Science, 2006, 16(7): 739-746.
[7] 許富祥, 余宙文. 中國近海及其鄰近海域災(zāi)害性海浪監(jiān)測和預(yù)報[J]. 海洋預(yù)報, 1998, 15(3): 63-68. Xu Fuxiang, Yu Zhouwen. Monitoring and prediction of disastrous sea waves in the coastal waters of China and its adjacent areas[J]. Marine Forecasts, 1998, 15(3): 63-68.
[8] 陳紅霞, 華鋒, 袁業(yè)立. 中國近海及鄰近海域海浪的季節(jié)特征及其時間變化[J]. 海洋科學(xué)進(jìn)展, 2006, 24(4): 407-415. Chen Hongxia, Hua Feng, Yuan Yeli. Seasonal characteristics and temporal variations of ocean wave in the Chinese offshore waters and adjacent sea areas[J]. Advances in Marine Science, 2006, 24(4): 407-415.
[9] 李訓(xùn)強(qiáng), 鄭崇偉, 蘇勤, 等. 1988-2009年中國海波候、風(fēng)候統(tǒng)計分析[J]. 中國海洋大學(xué)學(xué)報, 2012, 42(S1): 1-9. Li Xunqiang, Zheng Chongwei, Su Qin, et al. Wave climate and wind climate analysis in the China Sea from 1988 to 2009[J]. Periodical of Ocean University of China, 2012, 42: 1-9.
[10] 陳國光, 翟方國, 李培良, 等. 黃海海浪季節(jié)變化的數(shù)值模擬研究[J]. 海洋科學(xué), 2016, 40(11): 155-168. Chen Guoguang, Zhai Fangguo, Li Peiliang, et al. Numerical study of wave height seasonality in the Yellow Sea[J]. Marine Sciences, 2016, 40(11): 155-168
[11] 鄭崇偉, 劉鐵軍, 錢粵海. 中國海海表風(fēng)場、海浪場與El Ni?o的相關(guān)性分析[J]. 云南大學(xué)學(xué)報, 2014, 36(2): 214-223. Zheng Chongwei, Liu Tiejun, Qian Yuehai. The relationship between sea surface wind field, wave field and El Nino in the China sea[J]. Journal of Yunnan University, 2014, 36(2): 214-223.
[12] Zheng Chongwei, Li Chongyin. Variation of the wave energy and significant wave height in the China Sea and adjacent waters[J]. Renewable and Sustainable Energy Reviews, 2015, 43: 381-387.
[13] Cheon J K, Mu J W, Yong C J, et al. Simulation of the extreme waves generated by typhoon Bolaven (1215) in the East China Sea and Yellow Sea[J]. Acta Oceanol Sin, 2015, 34(12): 19-28.
[14] Hwang P A, Bratos S M, Teague W J, et al. Wind and waves in the Yellow and East China Seas: A comparison of spaceborne altimeter measurements and model results[J]. Journal of Oceanography, 1999, 55(2): 307-325.
[15] 楊樂. 衛(wèi)星雷達(dá)高度計在中國近海及高海況下遙感反演算法研究[D]. 南京: 南京理工大學(xué), 2009. Yang Le. Study on satellite radar altimeter retrieval algorithms over coastal seas and under high sea state events[D]. Nanjing: Nanjing University of Science and Technology, 2009.
[16] Booij N, Ris R, Holthuijsen L. A third-generation wave model for coastal regions. Part I, Model description and validation[J]. Journal of Geophysical Research, 1999, 104(4): 7649-7666.
[17] Smith W, Sandwell D. Global sea floor topography from satellite altimetry and ship depth soundings[J]. Science, 1997, 277: 1956-1962.
[18] Dee D, Uppala S, Simmons A, et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.
[19] Song Lina, Liu Zhiliang, Wang Fan. Comparison of wind data from ERA-Interim and buoys in the Yellow and East China Seas[J]. Chinese Journal of Oceanology and Limnology, 2015, 33(1): 282-288.
(本文編輯: 劉珊珊)
Numerical study on the variability of wave height on the weather time scale in the Yellow Sea
LIU Zi-zhou1, CHEN Guo-guang2, LU Xue3
(1. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China; 2. North China Sea Environment Monitoring Center, State Oceanic Administration, Qingdao266033, China; 3. Qingdao Meteorological Administration, Qingdao 266003, China)
Satellite observations indicate that the significant wave height (SWH) in the Yellow Sea (YS) exhibits significant variations in periods shorter than 12 days. The current study intends to investigate in detail the characteristics of the temporal and spatial variations in the weather with respect to the SWH in the YS as well as the associated dynamic processes based on Simulating WAves Nearshore (SWAN), a third-generation wave model. The results indicate that the strength of the weather variations in the SWH (denoted asW) shows strong characteristics in its temporal variations and spatial distributions. There is a high-value tongue ofWextending from the south to north in the eastern–central part of the YS. Meanwhile,Wdecreases shoreward. It is largest in winter and smallest in summer. From November to May in the following year, the monthly climatology ofWshows a spatial distribution similar to that of its annual mean. From June to October, however, there is a strong gradient in the monthly climatology ofWperpendicular to the border between the YS and the East China Sea. Further analysis indicates that theWin the YS is dominated by windsea, with secondary contributions from swell. Numerical experiments prove that the weather variations in the SWH are caused by wind forcing with longer periods via four-wave nonlinear interactions.
the Yellow Sea; ocean wave; significant wave height; weather variation; Simulating WAves Nearshore (SWAN)
Nov. 17, 2016
P731
A
1000-3096(2017)10-0077-09
10.11759/hykx20161117001
2016-11-17;
2016-12-20
青島市博士后資助項目(86160504003)
[Qingdao Postdoctoral Funding Project , No.86160504003]
劉子洲(1987-), 男, 山東淄博人, 碩士, 實驗師, 主要研究方向為近海精細(xì)化預(yù)報及海洋調(diào)查, E-mail: lzz2013@ouc.edu.cn; 陳國光, 通信作者, 學(xué)士, E-mail: 13808960499@163.com