徐 瑾曹玉晗楊永增董昌明王 錦朱偉軍*

(1.氣象災害教育部重點實驗室,江蘇 南京210044;2.南京信息工程大學 海洋科學學院,江蘇 南京210044;3.自然資源部 第一海洋研究所,山東 青島266061)

江蘇北部地區(qū)(簡稱蘇北)海洋資源豐富,是我國重要的沿海經濟帶之一。蘇北海域(圖1)隸屬于南黃海,其水下地貌是我國特有的輻射沙洲地形[1-2]。該海域的季風影響是不容忽視的[3];此外,由于海洋和陸地的熱容量的不同,海陸熱力性質差異導致蘇北地區(qū)的風場具有明顯的日變化特征;同時,由于其他復雜的地質因素以及氣象因素使得該海域存在季節(jié)內[4]等多時間尺度變化。風是產生和驅動海浪的主要動力,風場的多時間尺度變化又會引起波浪場的多時間尺度變化[5-6]。因此,深入研究蘇北近海的風場和波浪場的多時間尺度變化,對沿海工程建設、海洋環(huán)境保護以及該地區(qū)經濟發(fā)展均有重要的指導意義。

由于蘇北特殊的地理位置以及經濟發(fā)展戰(zhàn)略的需求,前人對蘇北近海的風場和波浪場開展了很多方面的研究工作。對于蘇北近海的風場和波浪場的觀測研究,陳燕[7]利用合成孔徑雷達(Advanced Synthetic Aperture Radar,ASAR)資料研究蘇北近海風場,并將衛(wèi)星反演風場同化至數值模式,改進海上風場模擬效果。齊義泉和施平[8]以1987—1988年的衛(wèi)星高度計遙感資料為主,分析了海面風和波浪基本統計特征及季節(jié)分布特征。對于蘇北近海的風場和波浪場的數值模擬研究,梅嬋娟等[9]利用第三代海浪模式WAVEWATCH-III和SWAN(Simulating Waves Nearshore)模式,分別對黃海海區(qū)進行了理想模擬和實際海浪場的模擬,通過與實測資料對比,SWAN 模式能更好地模擬該海區(qū)的波浪的基本要素。譚鳳[5]采用中尺度大氣模式WRF(Weather Research and Forecast)來模擬高精度風場數據,采用FVCOM(Finite Volume Coastal Ocean Model)二維潮流模式模擬近岸流場,采用第三代淺水波浪數值模型SWAN 海浪模式模擬波浪場,建立了大氣-海洋-海浪模型系統,對臺風及溫帶風暴過程中的近岸波浪進行模擬。對于蘇北近海風場和波浪場的過程研究,姚琪等[10]利用QSCAT/NECP(Quick Scatterometer/National Centers for Environmental Prediction)混合風場數據驅動第三代海浪模式WAVEWATCH-III,對2009-01-12前后的一次冷空氣所致的中國海海浪場進行數值模擬,并在國內首次利用來自朝鮮半島的觀測資料對模擬數據的有效性進行檢驗。譚鳳等[11]建立了WRF-SWAN 大氣海浪模式,以WRF模式計算所得的海面以上10 m 高度處的臺風風場過程作為驅動風場,提供給第三代淺水波浪數值模型SWAN 模型進行波浪計算,并模擬了韋帕臺風作用下的波浪過程。徐福敏等[12]將第三代淺水波浪數值模型SWAN 模式嵌套于東中國海范圍內的WAVEWATCH-III模型,模擬了東中國海至長江口的臺風浪。對于蘇北近海風場和波浪場的季節(jié)變化研究,邱桔斐[13]根據江蘇省沿岸各測站實測的多年風資料,分析了江蘇沿海風特性,并對江蘇海岸風浪數值模式進行了研究,根據風浪相關關系確定了深水區(qū)波浪要素,通過第三代淺水波浪數值模型SWAN 模擬了江蘇沿海風浪場,并對江蘇沿海的波浪場季節(jié)特征進行了分析研究。陳國光等[14]利用第三代海浪數值模式SWAN,研究了黃海海浪有效波高的季節(jié)變化特征及相關的物理過程。對于蘇北近海風場和波浪場的年際變化研究,He和Xu[15]對黃海和渤海進行了1988—2002年的風和波浪的后報,并分析了區(qū)域波浪波候特征,模式結果與衛(wèi)星數據得到的結果一致。Zhi等[16]利用NECP/NCAR (National Centers for Environmental Prediction/National Center For Atmospheric Research)再分析資料和JMA (Japan Meterological Agency),NECP-GFS(Global Forecast System)模式模擬資料分析了渤海和黃海地區(qū)的風場,結果顯示其具有明顯的年際變化和季節(jié)變化。范飛和朱志夏[17]以WRF風場為驅動,運用第三代波浪模型SWAN 采用嵌套結構,模擬研究了1990年1月至2011年12月蘇北海域的波浪場,并考慮潮位對波浪的影響,提高了近岸波浪模擬的精度。從以上文獻回顧中,我們可以看到前人對蘇北近海的風場和波浪場進行了大量的數值模擬和觀測研究,對該區(qū)域波浪和風場時空變化及其相互關系取得了較深入的了解,但是前人的研究多集中于過程研究、季節(jié)變化和年際變化,而對日變化研究較少,從多時間尺度角度研究該區(qū)域風場和波浪場的變化也較少。

本文利用WRF和SWAN 模式對蘇北近海風場和波浪場進行數值模擬,并將此高精度數據用于研究蘇北近海的多時間尺度變化:季節(jié)變化、日變化和季節(jié)內變化,從而加強對蘇北近海的風浪變化規(guī)律的認識。

1 研究方法和資料

1.1 研究方法

本研究利用數值模擬的方法來研究蘇北近海的風場和波浪場的多時間尺度變化。研究范圍選取為(119°～124°E,31°～36°N),見圖1。綜合考慮前人的經驗,選擇WRF 和SWAN 模式來模擬該海區(qū)的風場和波浪場的多時間尺度變化:季節(jié)變化、日變化和季節(jié)內變化。

圖1 江蘇北部近海地區(qū)的地形水深Fig.1 Bathymetry of the offshore area to the north of Jiangsu Province

1.1.1 WRF模式以及參數設置

WRF模式是由美國大氣研究中心(National Center for Atmospheric Research,NCAR)、美國大氣海洋局(National Oceanic and Atmospheric Administration,NOAA)等研究部門共同參與開發(fā)研究的新一代中尺度預報模式和數據同化系統,在全球得到了廣泛地研究和應用[18]。WRF 為完全可壓的非靜力原始方程模式,垂直坐標采用追隨地形高度和質量坐標(也稱為靜壓坐標),水平網格采用Arakawa C-grid[19],可用于數值天氣預報的研究與業(yè)務化,數據同化、區(qū)域和全球范圍的氣候模擬和大氣-海洋模式的耦合模擬[20-21]等。

WRF模式的模擬區(qū)域為(117°～130°E,28°～38°N),見圖2?？臻g分辨率設置為dx=dy=8000 m。數值模擬范圍比研究區(qū)域(119°～124°E,31°～36°N)稍大,其原因是考慮涌浪對近岸波浪的影響。WRF 模式時間積分步長為30 s,時間積分跨度為2015-12-27T00:00—2016-12-31T23:00,這是由于SWAN 模式需要積分一段時間才能達到穩(wěn)定,前人經驗表明提前計算5 d模式趨于穩(wěn)定,所以分析數據是從2016-01-01T00:00開始的1 a數據。由于需要考慮風場的日變化,WRF 模式模擬設置的輸出時間間隔為1 h。模式中的三維大氣初始條件以及隨時間變化的邊界條件是由美國環(huán)境預報中心提供的FNL(Final Operational Global Analysis data)數據[22]。

圖2 WRF和SWAN 模式模擬區(qū)域Fig.2 Simulation domains of WRF and SWAN models

1.1.2 SWAN 海浪模式以及參數設置

荷蘭的Delft理工大學針對近岸波浪計算的應用,總結了歷年波浪能量的輸入,耗散和轉化的研究成果,對已有的第三代波浪模型特別是基于WAM(Wave Modelling)模型進行了修改,建立了適用于海岸和河口地區(qū)的SWAN 模型[23]。第三代海浪模式SWAN 是目前國際上最通用的波浪數值模式之一[24],采用譜作用量平衡方程描述風浪生成及其在近岸區(qū)的演化過程[25-26]:

式中,N為譜作用量;C x和C y為波浪在x方向和y方向的空間傳播速度;Cσ和Cθ為波浪在σ和θ方向的傳播速度;方程左邊第1項表示N在時間上的變化率,第2,3項為N在空間x方向和y方向上的傳播,第4,5項為波浪受地形及海流作用在σ和θ方向的傳播變形;Stot為控制物理過程的源函數項。在淺水中,6個物理過程決定了源項[27]:

式中,Sin為由風能輸入引起的波能增加,Snl3為三波非線性相互作用項,Snl4為四波非線性相互作用項,Sds,w為白帽破碎引起的波浪衰減,Sds,b,Sds,br分別為底摩擦耗散和深度變化誘導的波能損耗。

SWAN 模式模擬的區(qū)域為(117°～124°E,31°～36°N),如圖2所示。模式空間分辨率為0.01°×0.01°。所選用的蘇北近海的地形水深數據由華東師范大學提供。風場數據采用的是本文運行的WRF模式模擬的10 m高處風場,模式設置的時間步長為1 min,時間積分是1 a,2015-12-27T00:00—2016-12-31T23:00,模式輸出的時間間隔為1 h。模式邊界場資料為美國大氣海洋局NOAA 提供的WAVEWATCH-III模擬的全球波浪數據集。初始和邊界譜形為JONSWAP譜[28],考慮非線性四波相互作用、水深變化造成的破碎以及底摩擦效應,其波浪破碎指數取為0.68;選擇的數值方案為非穩(wěn)定的2維數值計算,風與波浪方向選擇航海公約確定的方向,即來向;離散頻率范圍為0.04～1.00 Hz。

1.2 資料收集

1)浮標站點的實測資料

本文收集了圖1所示的浮標站點A 和B的風速和有效波高實測資料,驗證大氣和波浪模式模擬的風速和有效波高結果的準確性。資料采樣的時間間隔為1 h。

2)衛(wèi)星高度計資料

本文使用衛(wèi)星高度計資料驗證SWAN 模擬的有效波高。作為研究海洋海面特征以及其變化的新手段,近年來衛(wèi)星高度計資料在海洋波浪研究中的應用日漸增多。衛(wèi)星高度計是一種指向星下的主動式雷達,通常工作在Ku波段或者C波段,高度計垂直向下發(fā)射脈沖信號經過地球表面反射后回到接受天線,通過測量脈沖的往返時間可以確定衛(wèi)星質心到星下點的距離,進而計算星下點的海平面高度,通過分析雷達后向散射截面和波形,可以獲取海面風速和有效波高信息。海平面高度、海面風速和有效波高是衛(wèi)星測量的3個基本參數,而波浪跨零周期、譜峰周期和波齡是由衛(wèi)星測量基本參數雷達散射截面、海面風速和有效波高的衍生量。

3)衛(wèi)星遙感風場資料

本文使用ASCAT 衛(wèi)星散射計資料驗證大氣模式模擬的風場。ASCAT 海洋風場產品是通過獲取后向散射系數來探測海洋表面的粗糙度,再根據海洋表面粗糙度通過地球物理模型來反演海洋表面的風速和風向,所得到的風場產品為10 m 高度的風。ASCAT 的工作頻率為C波段(5.255 GHz),C波段的海面后向散射系數對于海面風矢量的變化和降水都較為敏感,但是C 波段的散射計性能受降雨的影響要小于Quick-SCAT 所使用的工作頻率Ku波段的散射計[29]。ASCAT 衛(wèi)星遙感風資料時間分辨率為12 h,空間分辨率為0.25°×0.25°。

4)NECP再分析產品

本文使用再分析產品FNL數據作為WRF模式的初始條件和邊界條件。FNL數據包含27個大氣層與地面層,每日有4個時次數據,分別是00:00,06:00,12:00和18:00,空間分辨率為1°×1°。

5)ECMWF(European Centre for Medium Range Weather Forecasts)再分析資料

ECMWF 再分析資料ERA5(ECMWF Reanalysis 5)是由歐盟資助、ECMWF運營的哥白尼氣候變化服務(Copernicus Climate Change Service,C3C)打造的最新一代再分析資料。ERA5 數據水平分辨率為31 km,包含從地表至0.01 h Pa(距地面約80 km)共137個模式層,時間分辨率為3 h。ERA5將更多的歷史觀測數據尤其是衛(wèi)星數據利用到先進的數據同化和模式系統中,用以估計更為準確的大氣狀況。ERA5提供的變量240種,其中包括耦合的海浪模式所提供的波高、波向等變量,方便用戶更準確地分析過去大氣至海洋的狀態(tài)[30]。在本文中,ERA5數據用于驗證WRF和SWAN 模式模擬結果。

6)WAVEWATCH-III數據

本文使用美國大氣海洋局NOAA 提供的WAVEWATCH-III模擬的波向、波周期以及有效波高作為SWAN 模式的邊界條件。WAVEWATCH-III是NOAA/NECP在WAM 模式的基礎上發(fā)展的第三代海浪模式,使用了能量平衡方程,可以應用于任意淺水區(qū)[31]。該數據時間分辨率為1 h,空間分辨率為0.5°×0.5°,可提供區(qū)域或全球范圍內的有效波高、波向和峰值波周期等波浪參數。

2 模式結果驗證

2.1 與衛(wèi)星遙感資料和再分析資料的比較

為了證明模式結果的準確性,本文選取了衛(wèi)星散射計資料ASCAT 的風場、衛(wèi)星高度計資料的有效波高以及再分析ERA5的風場和波浪場資料與WRF 和SWAN 模式分別模擬的風場和波浪場結果進行比較。圖3為WRF模式模擬的12個月月平均風場、ASCAT 的12個月月平均風場以及ERA5再分析風場資料12個月月平均風場。在時間分布上,WRF模式模擬的風速1月、2月、10月、11月、12月偏大,而3—9月的風速偏小,這與ASCAT 遙感資料和ERA5 再分析資料在12 個月風速的時間變化一致;在空間分布上,WRF模式模擬的1月、2月、3月、9月、10月、11月、12月風速自西向東逐漸增大,而4—8月風速在岸線附近較大,在外海風速較小,這與ASCAT 遙感資料和ERA5 再分析資料在12 個月風速的空間分布一致;WRF模式模擬的風向在1月、2月、12月為西北向,3月、8月、9月、10月、11月為東北向和偏北向,4月、5月、6月、7月、8月為東南向,這與ASCAT 遙感資料和ERA5再分析資料在12個月風向分布一致。圖4為SWAN 模式模擬的12個月月平均波浪場、衛(wèi)星高度計的12個月月平均有效波高以及ERA5再分析風場資料12個月月平均波浪場。該圖表明在時間分布上,SWAN 模式模擬的1月、2月、3月、9月、10月、11月、12月有效波高偏大,而4—8月的有效波高偏小,這與衛(wèi)星高度計及ERA5再分析資料的有效波高時間變化一致;在空間分布上,SWAN 模式模擬的有效波高自西向東逐漸增大,這與衛(wèi)星高度計及ERA5再分析資料在12個月有效波高的空間分布一致;由于衛(wèi)星高度計遙感資料沒有波向數據,模式波向結果的對比只能與ERA5再分析資料進行對比,SWAN 模式模擬的波向在1月、2月、12月為西北向,3月、8月、9月、10月、11月為東北向和偏北向,4月、5月、6月、7月為東南向,8月為東向,與ERA5再分析資料在12個月波向分布大致一致。因此,通過以上將WRF和SWAN 模式模擬的風場和波浪場的結果與ASCAT 衛(wèi)星散射計風場資料、衛(wèi)星高度計遙感的有效波高資料和ERA5再分析資料的風場和波浪場進行比較,可以得到結論:模式模擬的高精度風場和波浪場的結果是可靠的。

圖3 WRF,ASCAT 和ERA5蘇北近海2016年12個月月平均風場對比Fig.3 Comparison of monthly wind fields of WRF,ASCAT and ERA5 in offshore areas to the north of Jiangsu Province in the year 2016

圖4 SWAN、衛(wèi)星高度計和ERA5蘇北近海12個月月平均波浪場對比Fig.4 Comparison of monthly wave fields of WRF,Satellite Altimeter and ERA5 in offshore areas to the north of Jiangsu Province in the year 2016

2.2 與實測浮標資料的比較

為進一步證明模式結果的可靠性,本文收集了浮標站點A 和B的實測資料,用于和模式結果進行比較。圖5和圖6分別為浮標站點A 和B的風場和波浪場的觀測值和模擬值對比圖,該圖表明,2個浮標站點的風速和有效波高變化趨勢一致,風速和有效波高的最大值較為接近,差別主要體現在浮標站點B 的實測有效波高峰值普遍比模擬結果的有效波高峰值要大?？傮w上結果較好,但是模擬結果還是存在一定的誤差,這主要是由于模式邊界條件和物理過程的參數化以及地形精度等因素所致。表1展示了實測的2個浮標站點和模式資料對比后的相關系數、平均值、誤差和標準差,從圖中可以看出,浮標站點A 的風速和模式結果的相關系數為0.43,浮標站點A 的有效波高、浮標站點B 的風速和有效波高的相關系數都超過0.6,結果較好。從平均值上看,模擬的風速和有效波高在浮標站點B與實測資料較為接近,在浮標站點A 的風速與實測資料較為接近,有效波高的誤差偏大。從標準偏差上看,模擬的風速和有效波高在浮標站點B標準偏差較小,在浮標站點A 的風速和有效波高的標準偏差偏大。綜上所述,通過與浮標站點A 和B的實測資料比較,可以看到在浮標站點B模擬結果與實測較為接近,在浮標站點A 模擬結果誤差偏大。圖7為浮標實測資料的觀測結果與模式模擬結果的相關性散點圖,該圖表明實測結果與模擬結果相關性較好,尤其是實測風速與模擬風速的相關性,這進一步驗證了模式模擬的高精度風場和波浪場的結果是可靠的。

圖5 浮標站點A 的實測資料與WRF、SWAN 模擬資料的時間序列對比Fig.5 Comparison of wave height between observations and WRF and SWAN simulations at the buoy station A

圖6 浮標站點B的實測資料與WRF、SWAN 模擬資料的時間序列對比Fig.6 Comparison of wave height between observations and WRF and SWAN simulations at the buoy station B

表1 兩個浮標站點與模式資料模擬的風速和有效波高對比Table 1 Comparisons between measured data and model simulated results of two buoy stations

圖7 實測資料與模式結果對比驗證Fig.7 Comparisons between the measured data and model simulated results

3 結果分析

3.1 年平均態(tài)

對研究區(qū)域的風場和波浪場兩個矢量場進行年平均。矢量的時間平均有2種計算方法:一種是標量平均法,分別計算速度大小和方向的平均值;另一種是矢量平均法,即先對東分量(u)和北分量(v)進行平均,然后計算平均風速的大小和方向[32]。本文采用第一種方法,即標量平均。2016年蘇北近海的風場、波浪場、涌浪場和波周期的年平均空間分布如圖8所示,結果表明,蘇北近海海域全年平均風速自西北向東南逐漸增加,最大平均風速不超過7.5 m/s,全年平均風向為東北向,呈順時針旋轉。蘇北近海海域全年平均有效波高自西北向東南逐漸增加,最大平均有效波高不超過2 m,全年平均波向為東北向,呈順時針旋轉;將全年平均的風場和波浪場進行比較,全年平均的風速和有效波高的分布以及風向和波向的分布特征一致,原因為風是驅動波浪運動的主要動力。涌浪場自東向西逐漸升高,大值區(qū)位于東南部的外海海域,涌浪的平均有效波高不超過0.5 m。波周期的變化自西向東逐漸增加,且平均波周期不超過8 s,且波周期多在4～8 s,表明蘇北近海的波浪多為風生浪。

圖8 蘇北近海2016年年平均風場、波浪場、涌浪場和平均波周期Fig.8 Annual averaged wind field,wave field,swell field and average wave period in 2016

3.2 季節(jié)變化

由于蘇北近海處于東亞季風區(qū),風場、波浪場和涌浪場存在著明顯的季節(jié)變化。圖9為2016年蘇北近海的季節(jié)平均風場圖。由圖10可見,蘇北近海海域冬季盛行西北風,風速最大,這是由于海陸熱力性質的差異導致冬季亞洲大陸上生成了一個強大的冷性高壓(蒙古高壓),而蘇北近海地區(qū)位于高壓的頂前部以及前部,盛行西北風及北風;蘇北近海海域春季盛行東風以及偏東風,風速較低;蘇北近海海域夏季盛行東風和東南風,這是由于地球的公轉導致夏季太陽直射點集中在北半球,太平洋上的副熱帶高壓加強,從海上向大陸西伸北抬,蘇北近海海域位于副熱帶高壓的底后部,夏季風速較小,在陸地和近海的交界處存在著大值區(qū),原因是夏季大陸和海洋的溫差較大,從而溫度及氣壓梯度在岸線處大導致近岸風速較大;蘇北近海海域秋季盛行東北風,風速較大,自西向東逐漸增加。對比4個季節(jié)的平均風場圖,可以得到如下結論:冬季風速最大,且冬季風速梯度也最大,其次秋季的風速較大,而春季和夏季風速較小,且風速梯度也較小。原因是冬季極渦分裂南下造成中緯度地區(qū)斜壓性比夏季更強,因此冬季更多的斜壓能轉為動能,導致冬季溫度梯度大、氣壓梯度大,從而風速及其梯度大,而夏季則相反。

圖9 蘇北近海地區(qū)2016年季節(jié)平均的風場圖Fig.9 Seasonal wind fields of 2016

圖10為2016年蘇北近海的季節(jié)平均波浪場。由圖10可見,2016年蘇北近海4個季節(jié)的有效波高自西向東逐漸增大;冬季的有效波高最高,秋季次之,春季和夏季的有效波高最小;最大季節(jié)平均有效波高不超過2 m;冬季和秋季的有效波高梯度較大,春季和夏季的有效波高梯度較小。冬季的常浪向為北向,春季的常浪向為偏東向,夏季的常浪向為東南向,秋季的常浪向為東北向。

圖10 蘇北近海地區(qū)2016年季節(jié)平均的波浪場Fig.10 Seasonal wave fields of 2016

圖11為2016蘇北近海的季節(jié)平均涌浪場。由圖11可見,涌浪場的有效波高自近海至外海逐漸增大,在蘇北近海的東南海域存在著大值區(qū);冬季和秋季的涌浪較高,夏季和春季的涌浪較低。原因為冬季北半球的極渦分裂南下導致等壓線密集,大氣的斜壓性增強從而導致風的梯度增加,北半球海域上空局地風場的增大,會導致傳播至蘇北近海的涌浪場增大。

圖11 蘇北近海地區(qū)2016年季節(jié)平均涌浪場Fig.11 Seasonal swell fields of 2016

為了進一步研究蘇北近海海域風場和波浪場的季節(jié)變化特征,本文選取了連云港、射陽港、洋口港和呂四港作為主要研究站點,分別展示了這4個站點風場和波浪場的風玫瑰圖,見圖12和13。圖12為4個港口風場的玫瑰圖,結果表明,冬季的風速偏大,夏季的風速偏小;冬季4個港口盛行偏西風,也有東風分量存在,但出現的頻次較少;夏季4個港口盛行東南風,北風出現的頻次較少,這與圖9的風場季節(jié)平均圖結果一致。圖13為4個港口波浪場的玫瑰圖,該圖表明,冬季的有效波高較大,夏季的有效波高較小;冬季的常浪向為偏西向,有部分東南向存在,但出現頻次較少,夏季的常浪向為東南向,出現頻次最高,次常浪向為南向,這與圖10的波浪場季節(jié)平均圖一致。

圖12 蘇北近海地區(qū)4個港口1月和7月的風玫瑰圖Fig.12 Rose maps of wind in January and July at the four ports

圖13 蘇北近海地區(qū)4個港口1月和7月的波浪玫瑰圖Fig.13 Rose maps of waves in January and July at the four ports

3.3 日變化

蘇北近海海域不僅由于季風而存在著明顯的季節(jié)變化,還由于海陸熱力性質差異,導致白天和夜晚的海陸熱力分布不均勻。因此在近岸附近海域存在著很強的斜壓性,導致冬季白天吹陸風、晚上吹海風,而夏季白天吹海風、晚上吹陸風,風場存在著日變化。海陸風的存在會對波浪場產生影響,波浪場也存在日變化。

本文首先研究蘇北近海風速和有效波高的日變化。選取蘇北海域4個重要港口:連云港、射陽港、洋口港以及呂四港,參照Hughes[33]的做法,將一天分為24個時刻得到每個時刻的年平均風速(圖14a)。由圖14a可見,風速有明顯的日變化。4個港口的年平均風速在24個時刻的變化中,連云港和呂四港的變化十分接近,射陽港和洋口港的變化相似。連云港和呂四港的日變化年平均風速明顯大于射陽港和洋口港的日變化年平均風速。連云港和呂四港的年平均風速最大時刻為16:00—18:00,射陽港和洋口港的年平均風速最大時刻為14:00—16:00;連云港和呂四港的年平均風速最小時刻為00:00—02:00,洋口港和呂四港的年平均風速最小時刻為02:00—04:00。最大日變化的年平均風速處的變化較劇烈,而最小日變化的年平均風速處的變化較緩。出現這種現象的原因為日出時太陽的短波輻射作用于海表面,太陽的短波輻射和下墊面的長波輻射加熱大氣使得大氣迅速升溫,從而海陸間溫度梯度增大,根據理想氣體公式P=ρRT可得,溫度梯度的增大會導致氣壓梯度的增大,從而使得風速增大;日落后太陽短波輻射消失,海表面的長波輻射加熱大氣,但不足以抵消掉大氣冷卻的熱量,因此日落后溫度梯度會緩慢減小,風速也緩慢降低。

選取蘇北地區(qū)4個重要港口,將一天分為24個時刻得到每個時刻的年平均有效波高(圖14b)。該圖表明,有效波高也存在著日變化,但并沒有風速的日變化明顯。4個港口的年平均有效波高在24個時刻的變化中,連云港和洋口港的變化十分相近,射陽港和呂四港的變化相似。連云港和洋口港日變化的年平均有效波高最大,其次為射陽港,日變化的年平均有效波高最小為呂四港。連云港和洋口港日變化的年平均有效波高最大時刻在16:00—18:00,射陽港和呂四港日變化的年平均有效波高最大時刻在14:00—16:00;連云港和洋口港日變化的年平均的有效波高最小時刻在04:00—06:00,射陽港和呂四港日變化的年平均有效波高最小時刻在00:00—02:00。最大日變化的年平均有效波高處的變化較劇烈,而最小日變化的年平均有效波高處的變化較緩,與年平均風速的日變化特征一致。

圖14 蘇北近海地區(qū)2016年4個港口年平均風速和有效波高24個時刻的變化Fig.14 Diurnal variations of wind speed and significant wave height at the four ports

由于蘇北近海的風場和波浪場存在著季節(jié)變化,蘇北近海風速和有效波高的日變化也會存在季節(jié)變化。如圖15,將4個港口(連云港、射陽港、洋口港以及呂四港)一天分為24個時刻得到每個時刻的四季平均風速和有效波高。連云港春季和夏季的季節(jié)平均風速在16:00存在極大值,08:00存在極小值;秋季和冬季的季節(jié)平均風速在09:00—10:00存在極大值,15:00—16:00存在極小值;圖中明顯表明連云港春夏季的季節(jié)平均日變化強于秋冬季。射陽港和洋口港的風速日變化相似,射陽港和洋口港春季和夏季的季節(jié)平均風速在18:00存在極大值,08:00存在極小值;冬季和秋季的季節(jié)平均風速在16:00存在極大值,00:00存在極小值;圖中明顯表明射陽港和洋口港的春夏季的季節(jié)平均日變化強于秋冬季。呂四港春季和夏季的季節(jié)平均風速在16:00—17:00存在極大值,9:00存在極小值;秋季和冬季的季節(jié)平均風速日變化不明顯;圖中明顯表明呂四港的春夏季的季節(jié)平均日變化強于秋冬季。綜上所述,蘇北近海四個港口的風速日變化存在著季節(jié)變化,春季和秋季的風速日變化劇烈,秋冬季的日變化較緩。連云港和射陽港的季節(jié)平均有效波高變化相似,連云港和射陽港夏季的季節(jié)平均有效波高在19:00—20:00存在極大值,極小值不明顯;其余季節(jié)的季節(jié)平均有效波高的日變化不明顯;洋口港和呂四港春季和夏季的季節(jié)平均有效波高在17:00—18:00存在極大值,極小值不明顯;秋季和冬季的季節(jié)平均有效波高的日變化不明顯。對于有效波高,蘇北近海四個港口的有效波高日變化存在著季節(jié)變化,夏季的有效波高的日變化最劇烈,其次為秋季,秋冬季的日變化較緩。風速和波高的日變化存在季節(jié)變化的原因是春夏季北半球溫度升高,導致下墊面升溫從而會破壞穩(wěn)定大氣的“上熱下冷”結構,導致春夏季的大氣層結不穩(wěn)定,天氣系統活動頻繁,因此風速和有效波高會隨著天氣系統活躍產生劇烈的變化,秋冬季與之相反,因此日變化也較為平緩。

圖15 蘇北近海地區(qū)2016年分別在4個港口4個季節(jié)的24個時刻風速和有效波高變化Fig.15 Diurnal variations of wind speed and significant wave height at the four ports in four seasons

蘇北近海的風向和波向也存在著日變化和日變化的季節(jié)變化。圖16為2016-12-16和2016-07-15的風和波的羅盤圖,圖中表明,2016-12-16一天中風向的旋轉不超過60°,波向的旋轉不超過40°;2016-07-15一天中風向的旋轉為180°,波向的旋轉為180°。按照這個例子的方法,分別統計了在4個港口冬季(1月,2月和12月)和夏季(6月,7月和8月)在一天中風向和波向的轉向在不同角度下出現的天數,見圖17。

圖16 2016-12-16與2016-07-15的風和波向羅盤圖Fig.16 Wind and wave compass on December 16,2016 and July 15,2016

圖17 4個港口冬季和夏季風向和波向在不同轉向角度下出現的天數Fig.17 Statistical chart of the number of days with different wind and wave directions at the four ports in winter and summer

本文參照季風的冬季與夏季盛行風向的變化超過120°的標準,根據此標準定義一天中風向或者波向轉向角度超過120°時,認為其存在著明顯的日變化。圖中4個港口冬季和夏季出現120°以上風向和波向轉向的天數較多,從而表明蘇北近海風向和波向在冬季和夏季存在著日變化。通過比較一天中風向和波向轉向的不同角度出現的天數可知,夏季風向和波向出現120°以上轉向的天數大于冬季,說明風向和波向的日變化在夏季較為明顯,因此風向和波向的日變化存在季節(jié)變化且夏季的日變化明顯,冬季日變化較不明顯。在冬季,風向轉向出現120°以上的天數大于波向轉向出現120°以上的天數,夏季亦然,說明風向的日變化比波向的日變化更明顯。風向和波向存在日變化的原因是海陸風,風向和波向的日變化存在季節(jié)變化的原因是夏季天氣系統活躍,日變化明顯,冬季則相反。

為了進一步研究蘇北近海波向的日變化,分別對蘇北近海4個港口及其同一緯度上向外海方向每隔3經度取一個點,即同一緯度上包括港口共4個點,使用SWAN 模式模擬所取點的1月和7月的波浪方向譜,見圖18和圖19。圖18所取點的方向譜能量集中于0°附近即波向為偏西向,越向外海方向,向西方向的譜能量越強且越向0°收縮。圖19所取點的方向譜能量大部分位于180°附近即波向為偏東向,但在4個港口處,在0°附近即波向為西存在能量分布,越向外海方向,向西方向的譜能量逐漸減小,向東方向的譜能量逐漸增強且向180°收縮。通過比較圖18和19,可以得到結論:蘇北近海的波向存在日變化;波向的日變化存在季節(jié)變化:夏季波向的日變化明顯,冬季相反;波向的日變化在近岸處明顯,在外海處不明顯。其原因為在近岸附近,海陸熱力性質導致的溫度梯度差會使波向的日變化在近岸處較為明顯,但越遠離近岸,海陸熱力性質差異的影響變小,波向的日變化也會逐漸不明顯。

本文選取了蘇北近海的從北到南四個重要港口(連云港、射陽港、洋口港和呂四港)研究蘇北近海風場和波浪場日變化的在時間上的變化,又選取了4個港口及其同一緯度上向外海方向的3個站點研究蘇北近海波向的日變化的在空間上變化。從時間上看,由于海陸風的影響,風場和波浪場存在日變化;由于季節(jié)變化的影響,風場和波浪場的日變化存在季節(jié)變化:春秋季節(jié)日變化劇烈,秋冬季節(jié)日變化不明顯。從空間上看,由于海陸熱力性質差異的影響,離岸越近日變化越明顯,離岸越遠日變化會逐漸減弱。

圖18 1月四個港口以及在同一緯度上其余3個點的方向譜Fig.18 Directional spectrum analysis of the four ports and the other three points in the same latitude in January

圖19 7月四個港口以及在同一緯度上其余3個點的方向譜Fig.19 Directional spectrum analysis of the four ports and the other three points in the same latitude in July

3.4 季節(jié)內變化

蘇北近海海面風場和波浪場不僅具有季節(jié)變化和日變化,還經歷天氣過程的影響,這種天氣過程的影響為幾天的持續(xù)時間。我們?yōu)閰^(qū)別季節(jié)變化和日變化,定義這種變化為季節(jié)內變化。本文選取了2016-09-14T00:00—2016-09-19T12:00的雙臺風個例以及2016-01-22T12:00—2016-01-24T00:00的寒潮個例分別進行分析。

3.4.1 臺風下的風場和波浪場的變化

本文選取的雙臺風個例為2016年14號臺風“莫蘭蒂”以及16號臺風馬勒卡。14號臺風“莫蘭蒂”在2016-09-16T12:00由陸地進入蘇北近海,并在2016-09-17T12:00轉為溫帶氣旋;16號臺風馬勒卡的臺風中心并未進入蘇北近海,但外圍大風區(qū)影響了蘇北近海。因此在16到19日期間蘇北近海存在雙臺風個例,如圖20所示。

圖20 2016年第14號臺風“莫蘭蒂”和16號臺風“馬勒卡”的路徑Fig.20 Routines of typhoon Moranti and Maleka in 2016

圖21 為2016-09-14T00:00—2016-09-19T12:00風場和波浪場每隔12 h 的時間變化圖。圖中表明,14日,蘇北近海風場和波浪場沒有出現極大值區(qū);15日,即將進入蘇北近海的14號臺風“莫蘭蒂”的風場與16號臺風“馬勒卡”的外圍大風在研究海域交匯,在(120°E,31°N )至(124°E,35°N )這兩點間的斜線兩側分別存在2個風速和有效波高的大值區(qū);16日,“莫蘭蒂”進入蘇北近海,斜線北部的風速和有效波高的大值區(qū)隨著“莫蘭蒂”的移動逐漸增大且范圍也不斷擴大;17 日,“莫蘭蒂”的風場和波浪場逐漸減弱,2個風速和有效波高大值區(qū)逐漸合并,隨著“莫蘭蒂”風力等級的下降,蘇北近海的風場逐漸被“馬勒卡”臺風風場占據,風速和有效波高的大值區(qū)隨著“馬勒卡”逐漸向東南方向移動;18日,蘇北近海的風場受“馬勒卡”控制,風速和有效波高大值區(qū)繼續(xù)向東南移動,風場和波浪場逐漸減弱;19日,天氣過程結束。綜上所述,臺風經過的海域特別是外圍大風區(qū),風速大值區(qū)對應有效波高大值區(qū),且在風速最大值超過18 m/s處,有效波高最大值超過了4 m。因此,在出現臺風過程時,蘇北近海的風場會受臺風影響,波浪場也會響應風場,在風速大值區(qū),有效波高值也會迅速增加,具有強大的破壞性。

3.4.2 寒潮下的風場和波浪場的變化

2016年1月由于全球溫度的正異常導致2個大洋的溫度脊北伸,擠壓北極極渦使其南下且在西伯利亞地區(qū)積聚了強大的冷空氣,1月下旬冷空氣南下,寒潮爆發(fā)。

圖21為2016-01-22T12:00—2016-01-24T00:00 風場、波浪場和涌浪場每隔12 h 的時間變化圖。21日,寒潮過程沒有到達蘇北近海,風向和波向為偏北向和東北向,風速和有效波高較小,沒有明顯的涌浪大值區(qū);22日,寒潮過程到達蘇北近海,該海域風場轉為強大的西北風,波向轉為西北向和偏北向,風速和有效波高迅速增加,蘇北近海的東部涌浪開始出現大值區(qū);23日,整個蘇北近海上空被強大的西北氣流控制,波向為西北向,大部分海域風速超過了18 m/s,有效波高超過了4 m,蘇北近海的東南部存在涌浪大值區(qū),涌浪的有效波高超過了2 m;24日,冷空氣離開蘇北近海,蘇北近海上空為較弱的西北風,波向為西北向,風速和有效波高大值區(qū)向東南移動且逐漸減弱,涌浪的有效波高也逐漸降低。綜上所述,此次寒潮過程中的強風過程,波浪場會迅速響應,風速達到20 m/s以上,有效波高達到5 m 以上,具有強大的破壞性。

4 結 論

本文將WRF模式模擬的10 m 風場資料作為SWAN 模式的驅動風場,模擬蘇北近海海域的2016年的波浪場,數值模擬得到的高精度的結果用于分析蘇北近海地區(qū)風場和波浪場的年平均態(tài)和多時間尺度變化:季節(jié)變化、日變化、季節(jié)內變化。得到如下結論:

1)蘇北近海的年平均風場和波浪場分布特征一致:年平均風速和有效波高自西北向東南逐漸增加,年平均風向和波向為東北向;年平均涌浪場自動向西逐漸增加,涌浪的年平均有效波高不超過0.5 m;年平均波周期自西向東逐漸增加,平均波周期不超過8 s。

2)蘇北近海海域風場、波浪場和涌浪場存在著季節(jié)變化。風速、有效波高和涌浪有效波高季節(jié)變化特征一致:冬季最大,春秋季次之,夏季最小;風向和波向的季節(jié)變化特征一致:冬季為西北向,春季為偏東向,夏季為東南向,秋季為東北向。

3)蘇北近海4個重要港口(連云港、射陽港、洋口港和呂四港)風場和波浪場日變化研究結果表明:風場和波浪場存在著日變化;風場和波浪場日變化存在季節(jié)變化,夏季和春季的日變化劇烈,冬季和秋季的日變化平緩。四個港口及其同一緯度上向外海方向的點研究蘇北近海波向的日變化:波向存在日變化研究結果表明;波向的日變化存在季節(jié)變化:夏季日變化明顯,冬季日變化不明顯;離岸越近日變化越明顯,離岸越遠日變化會逐漸減弱。

4)蘇北近海在經歷強天氣過程(如臺風和寒潮)時存在季節(jié)內變化,強天氣過程中波浪場會快速響應風場,在強風過程風速能達到20 m/s,有效波高能達到4～5 m,涌浪達到2.5 m,具有強大的破壞性。

參考文獻(References):

[1]YANG B,FENG W B,YU D J.Analysis on the relationship between wind and waves in the northern sea area of radial sandbank in Jiangsu Province[J].Waterway Port,2014(6):578-581.楊斌,馮衛(wèi)兵,虞丹君.江蘇輻射沙洲北部海域風浪關系分析[J].水道港口,2014(6):578-581.

[2]PAN X S,SHENG J M,HAN X,et al.A study on the refined prediction model of sea waves in the radial sand ridges of Jiangsu Province[J].Journal of Huaihai Institute of Technology(Natural Science Edition),2017(3):85-92.潘錫山,盛建明,韓雪,等.江蘇輻射沙脊群海域海浪精細化預報模型研究[J].淮海工學院學報(自然科學版),2017(3):85-92.

[3]HE X Y,HU T,WANG Y P,et al.Spatiotemporal distribution characteristics of Hydrometeorological elements in Jiangsu coastal waters[J].Marine science,2010,34(9):44-54.何小燕,胡挺,汪亞平,等.江蘇近岸海域水文氣象要素的時空分布特征[J].海洋科學,2010,34(9):44-54.

[4]BAOREN Z,DANYA X,YULING Y,et al.Characteristics of current and temperature variations in the west part of the Southern Yellow Sea under strong wind action of the cold waves in the late autumn[J].Studia Marina Sinica,2000(42):48-54.

[5]WANG J,DONG C M,HE Y.Wave climatological analysis in the East China Sea[J].Continental Shelf Research,2016,120:26-40.

[6]TAN F.Wave simulation of Gale Process Based on WRF atmospheric model[D].Tianjin:Tianjin University,2012.譚鳳.基于WRF大氣模式的大風過程波浪模擬[D].天津:天津大學,2012.

[7]CHEN Y,XU X Z,HUANG J F,et al.Preliminary study on the application of ENVISAT satellite borne synthetic aperture radar inversion wind field in the study of Jiangsu Offshore Wind Field[J].Plateau Meteorology,2017(3):268-280.陳燕,許遐禎,黃敬峰,等.ENVISAT 星載合成孔徑雷達反演風場在江蘇近海風場研究中的應用初探[J].高原氣象,2017(3):268-280.

[8]QI Y Q,SHI P.A preliminary analysis of wind and wave characteristics in the central Yellow Sea[J].Ocean Bulletin,1997,16(6):1-6.齊義泉,施平.黃海中部風、浪特征的初步分析[J].海洋通報,1997,16(6):1-6.

[9]MEI CJ,ZHAO D L,SHIJ.Comparison of wave height simulation capabilities of two wave models in the Yellow Sea of China[J].Ocean prediction,2008,25(2):92-98.梅嬋娟,趙棟梁,史劍.兩種海浪模式對中國黃海海域浪高模擬能力的比較[J].海洋預報,2008,25(2):92-98.

[10]YAO Q,ZHENG C W,SU Q,et al.Simulation of wave field in a cold air process based on WAVEWATCH-Ⅲmodel[J].Ocean prediction,2013,30(2):49-54.姚琪,鄭崇偉,蘇勤,等.基于WAVEWATCH-Ⅲ模式的一次冷空氣過程海浪場模擬研究[J].海洋預報,2013,30(2):49-54.

[11]TAN F,ZHANG Q H,PANG Q X.Wave field simulation of typhoon Vespa based on WRF-SWAN model[J].Waterway Port,2012,33(1):14-18.譚鳳,張慶河,龐啟秀,等.基于WRF-SWAN 模式的韋帕臺風波浪場模擬[J].水道港口,2012,33(1):14-18.

[12]XU F M,HUANG Y F,SONG Z Y.Numerical simulation of typhoon wave characteristics from the East China Sea to the Yangtze River Estuary[J].Hydrodynamic Research and Progress,2008,23(6):12-19.徐福敏,黃云峰,宋志堯.東中國海至長江口海域臺風浪特性的數值模擬研究[J].水動力學研究與進展,2008,23(6):12-19.

[13]QIU J F.A study on the characteristics of wind and wave in Jiangsu coastal area[D].Nanjing:Hohai University,2005.邱桔斐.江蘇沿海風、浪特征研究[D].南京:河海大學,2005.

[14]CHEN G G,QU F G,LI P L,et al.Numerical simulation of wave seasonal variation in the Yellow Sea[J].Marine Science,2016(11).陳國光,翟方國,李培良,等.黃海海浪季節(jié)變化的數值模擬研究[J].海洋科學,2016(11):155-168.

[15]HE H,XU Y.Wind-wave hindcast in the Yellow Sea and the Bohai Sea from the year 1988 to 2002[J].Acta Oceanologica Sinica,2016,35(3):46-53.

[16]ZHI X F,ZHU H,YU Y Q.Statistical features of strong wind over the Bohai and Yellow Sea and its multi-model ensemble prediction during boreal summer[C].IEEE Fifth International Conference on Advanced Computational Intelligence.IEEE,2012.

[17]FAN F,ZHU Z X,et al.Numerical simulation of waves in Jiangsu sea area[J].Ocean Limnology Bulletin,2014(3):22-28.范飛,朱志夏,等.江蘇海域波浪數值模擬研究[J].海洋湖沼通報,2014(3):22-28.

[18]TANG H,JIA L H.A brief introduction of American ARW model system[J].Desert and Oasis Meteorology,2006,29(6):24-26.湯浩,賈麗紅.美國ARW 模式系統簡介[J].沙漠與綠洲氣象,2006,29(6):24-26.

[19]KLEPSOVA O,PIETRZAK J D,STELLING G S.On the accurate and stable reconstruction of tangential velocities in C-grid ocean models[J].Ocean Modelling,2009,28(1):118-126.

[20]TOLMAN H L,CHALIKOV D.Source terms in a third-generation wind wave model[J].Journal of Physical Oceanography,1996,26(26):2497-2518.

[21]LIU B.Physical basis and numerical study of coupled atmosphere wave model[D].Qingdao:Ocean University of China,2007.劉斌.大氣-海浪耦合模式的物理基礎以及數值研究[D].青島:中國海洋大學,2007.

[22]DENG W,CHEN H B,MA Z S,et al.Decoding and graphical display of NCEP FNL global analysis data[J].Meteorological and Environmental Sciences,2009(3):82-86.鄧偉,陳海波,馬振升,等.NCEP FNL全球分析資料的解碼及其圖形顯示[J].氣象與環(huán)境科學,2009(3):82-86.

[23]AKPNAR A,VLEDDER G P V,MURAT HSAN KMURCU,et al.Evaluation of the numerical wave model(SWAN)for wave simulation in the Black Sea[J].Continental Shelf Research,2012(50-51):80-89.

[24]LI Y.Third generation shallow water wave numerical prediction model and its application in the yellow and Bohai Sea area[C].Annual meeting of China Meteorological Society,2004.李燕.第三代淺水波浪數值預報模式及其在黃渤海域的應用[C].中國氣象學會年會,2004.

[25]LI J,YUAN J Z.Study on the application of wind wave spectrum model in the radiated sandbank area of Northern Jiangsu[J].Water conservancy economy,2012,30(4):53-56.李杰,袁建忠.風浪譜模型在蘇北輻射沙洲海域的應用研究[J].水利經濟,2012,30(4):53-56.

[26]SIADATMOUSAVI M,STONE F J W.The effects of bed friction on wave simulation:implementation of an unstructured third-generation wave model,SWAN[J].Journal of Coastal Research,2011,27(1):140-152.

[27]KATSARDI V,SWAN C.The evolution of large waves in shallow water[C].Proceedings of the 29th International Conference on Coastal Engineering,ICCE2004,2004.

[28]KHARIF C,PELINOVSKY E.Physical mechanisms of the rogue wave phenomenon[J].European Journal of Mechanics,B/Fluids,2003,22(6):603-634.

[29]JIANG H Y.A comparative analysis of the wind field retrieved by ASCAT and predicted by numerical model[D].Lanzhou:Langzhou university,2017.姜皓嚴.ASCAT 洋面衛(wèi)星反演風場資料與數值模式10米預報風場的對比分析[D].蘭州:蘭州大學,2017.

[30]MENG X G,GUO J J,HAN Y Q.Preliminary evaluation of applicability of reanalysis data of ERA5[J].Journal of Oceanography and Meteorology,2018,38(1):91-99.孟憲貴,郭俊建,韓永清.ERA5再分析數據適用性初步評估[J].海洋氣象學報,2018,38(1):91-99.

[31]MONDON E,WARNER P.Synthesis of a validated nearshore operational wave database using the archived NOAA Wave Watch III ocean model data and SWAN nearshore model[J].Journal of Coastal Research,2009,45(10):1015-1019.

[32]QIU S Y,LIANG C J,DONG C M.Analysis of the temporal and spatial variation characteristics of the sea surface wind and wave field in the South China Sea and their relationship[J].Oceanographic research,2013(4):3-11.裘沙怡,梁楚進,董昌明,等.南海海面風、浪場時空變化特征及其關系分析[J].海洋學研究,2013(4):3-11.

[33]HUGHES M R A.Mesoscale dynamics of southern California′s climate[D].Los Angeless:University of California,2008.