莊 圓紀(jì)棋嚴(yán)左軍成李直龍羅鳳云

(浙江海洋大學(xué) 海洋科學(xué)與技術(shù)學(xué)院,浙江 舟山316022)

極值水位是指若干年內(nèi)才有可能出現(xiàn)的高水位或低水位[1]。極值水位在海岸工程、海上工程、防洪防潮工程中有著重要的作用,是決定海洋工程能否滿足安全需求的重要參考依據(jù)。在港口等海洋工程建設(shè)中,需對(duì)正常條件(即作業(yè)條件)和極端條件(即惡劣環(huán)境條件)下的極值水位做出估計(jì)。觀測(cè)資料的長短不同,所采用的極值水位估計(jì)方法也不同[2-5],我國《港口與航道水文規(guī)范》[6]指出,在擁有長期水位觀測(cè)資料的情況下可采用極值分布法;在擁有數(shù)年水位觀測(cè)資料時(shí)可采用同步差比法;當(dāng)僅有短期水位資料時(shí),則需先求出設(shè)計(jì)水位再加減一個(gè)由附近驗(yàn)潮站長期資料得出的常數(shù)從而得出校核水位。但是這些方法需要驗(yàn)潮站本身或者臨近的驗(yàn)潮站具有完整的長期觀測(cè)資料,該條件比較苛刻通常難以滿足,因此很難利用這些方法估計(jì)極值水位。為了解決觀測(cè)資料時(shí)間不夠長的困難,Pugh和Vassie[7]提出了用聯(lián)合概率的方法計(jì)算極值水位,僅用短期實(shí)測(cè)數(shù)據(jù)便能求出極值水位,基于此,我國的方國洪等[1]對(duì)聯(lián)合概率法進(jìn)行改進(jìn),提出了條件分布聯(lián)合概率法計(jì)算極值水位。但聯(lián)合概率方法和條件分布聯(lián)合概率方法在計(jì)算極值水位時(shí)都忽略了海平面長期變化對(duì)極值水位的影響。Marcos和Rohmer[8]研究表明,隨著海平面上升,百年一遇的極值水位至少會(huì)縮短至50 a一遇。此外,研究表明,較長時(shí)間段內(nèi)(比如50 a或者100 a)平均水位的長期變化也會(huì)對(duì)該時(shí)間段內(nèi)的極值水位有一定的貢獻(xiàn)[9-11]。因此在估計(jì)50 a一遇或者100 a一遇的極值水位時(shí)應(yīng)當(dāng)考慮海平面的變化以及平均水位的長期變化。

由溫室效應(yīng)產(chǎn)生的全球氣候變暖將引起海平面上升,對(duì)沿海國家和地區(qū)居民、財(cái)產(chǎn)及生態(tài)系統(tǒng)的安全造成巨大的威脅。IPCC(Intergovernmental Panel on Climate Change)第五次氣候評(píng)估報(bào)告中用典型濃度路徑(Representative Concentration Pathway,RCP)來代表不同濃度的溫室氣體排放情景,按由低至高分別為RCP2.6、RCP4.5、RCP6.0和RCP8.5的四種情景,分別對(duì)不同情景下的海平面上升做出了預(yù)測(cè)[12-14]。

基于我國沿海10個(gè)驗(yàn)潮站資料,將利用皮爾森Ⅲ型(P-Ⅲ)模型探討不同RCP情景下海平面上升對(duì)我國沿海地區(qū)極值水位重現(xiàn)期的影響,以期為我國沿海地區(qū)未來的海岸工程建設(shè)和防洪、防潮等海洋工程的建設(shè)提供參考,以更好地應(yīng)對(duì)全球氣候變化。

1 研究區(qū)域與數(shù)據(jù)來源

為了更準(zhǔn)確地計(jì)算中國沿海的極值水位重現(xiàn)期的變化,本文選取了葫蘆島、秦皇島、青島、連云港、長涂、坎門、廈門、汕尾、北海及東方共10個(gè)驗(yàn)潮站的資料,各驗(yàn)潮站較為均勻地分布于我國渤海、黃海、東海和南海四個(gè)海區(qū)(圖1),各站點(diǎn)數(shù)據(jù)的時(shí)間間隔均為1 h,但數(shù)據(jù)的時(shí)間范圍及各驗(yàn)潮站所代表的潮汐類型各有不同(表1)。本文選取的站點(diǎn)具有較好的代表性,如汕尾站是南海受陸架影響較大的代表站點(diǎn),東方站則是南海開闊海區(qū)的代表站點(diǎn),北海站是北部灣沿岸的代表站點(diǎn),廈門站則是臺(tái)灣海峽的代表站點(diǎn)。此外,Santamaria和Vafeidis[15]指出不同的潮汐類型會(huì)對(duì)極值水位產(chǎn)生不同的影響,因此各驗(yàn)潮站的潮汐類型也涵蓋了規(guī)則半日潮、規(guī)則全日潮、不規(guī)則半日潮和混合全日四種類型。

圖1 中國沿海地區(qū)10個(gè)驗(yàn)潮站的位置Fig.1 Locations of the 10 tide gauge stations along the coast of China

表1 10個(gè)驗(yàn)潮站數(shù)據(jù)年份與潮汐類型Table 1 Data period and tidal type of the 10 tidal stations

采用的海平面上升數(shù)據(jù)是基于CMIP5(Coupled Model Inter-comparison Project Phase 5)并結(jié)合溫室氣體排放得到的。4種RCP情景(RCP2.6,RCP4.5,RCP6.0和RCP8.5)下2050年和2100年的未來海平面上升值如表2所示[12-14]。

表2 不同RCP情景下海平面的上升值[12-14]Table 2 Sea level rise under different RCP scenarios cm

2 研究方法

為研究不同RCP情景下海平面上升對(duì)中國沿海地區(qū)極值水位重現(xiàn)期的影響,首先需要得到RCP情景下的極值水位,其次再利用皮爾森Ⅲ型(P-Ⅲ)模型對(duì)極值水位重現(xiàn)期進(jìn)行預(yù)測(cè)。RCP情景下的極值水位(Scenario Extreme Water Level,SEWL)被定義為未來海平面上升(Sea Level Rise,SLR)與當(dāng)前極值水位(Current Extreme Water Level,CEWL)的結(jié)合。

2.1 天文高潮的計(jì)算方法

本文將潮汐采用調(diào)和分潮表示式:

式中,t為時(shí)間,f為交點(diǎn)因子,i代表分潮,H和g為調(diào)和常數(shù)即振幅和遲角,ω為分潮角速度,V為分潮初相角,u為相角的交點(diǎn)訂正。

驗(yàn)潮站的實(shí)際潮位由天文潮位和非天文潮水位兩部分組成,非天文潮水位主要是風(fēng)暴引起風(fēng)暴增水。本文參考方國洪等[1]提出的天文潮位與非天文潮位分離方法將實(shí)際潮位分離得到天文潮和風(fēng)暴增水兩部分。首先對(duì)驗(yàn)潮站的資料逐年進(jìn)行調(diào)和分析求出該驗(yàn)潮站各年的潮汐調(diào)和常數(shù),再利用各年的潮汐調(diào)和常數(shù)對(duì)應(yīng)后報(bào)各年的天文潮位,最后將后報(bào)的天文潮組成一個(gè)長時(shí)間序列并取最大值即為天文高潮,將驗(yàn)潮站的實(shí)際潮位減去天文潮位即可得風(fēng)暴增水的值。例如,葫蘆島潮位數(shù)據(jù)的時(shí)間范圍為1960—1986年,該潮位由天文潮和非天文潮位組成,要得到葫蘆島1960—1986年的天文潮的做法是:先對(duì)1960年的數(shù)據(jù)進(jìn)行調(diào)和分析,得到1960年的潮汐調(diào)和常數(shù),再后報(bào)出1960年的天文潮;依次類推,分別得到1961年和1962年直到1986年的每年的天文潮,最后將每年的天文潮按時(shí)間先后排列得到1960—1986年的天文潮。之所以用每年分析所得潮汐調(diào)和常數(shù)后報(bào)當(dāng)年潮汐,而不用多年平均潮汐調(diào)和常數(shù)后報(bào),是因?yàn)閷?shí)際上各年分析所得潮汐調(diào)和常數(shù)有一定變化,用當(dāng)年分析結(jié)果后報(bào)有利于更好消除潮汐部分的影響[1]。

2.2 風(fēng)暴增水累積概率分布

從每個(gè)驗(yàn)潮站的觀測(cè)時(shí)間序列數(shù)據(jù)中減去天文潮位便可得到風(fēng)暴增水。每年的風(fēng)暴增水年最大值構(gòu)成一個(gè)風(fēng)暴增水極值序列,利用該序列在P-Ⅲ模型的基礎(chǔ)上擬合概率分布函數(shù),依次得到所有觀測(cè)站的風(fēng)暴增水極值曲線。

f(x)是P-Ⅲ的概率密度函數(shù):

式中,Γ(α)為Gamma函數(shù);x為風(fēng)暴增水值;α,β和α0為形狀、尺度和位置參數(shù)其中,為風(fēng)暴增水的平均值,Cv和Cs分別為分散系數(shù)和偏態(tài)系數(shù),Cv=為驗(yàn)潮站數(shù)據(jù)時(shí)間序列的長度;Cs/Cv的值在每個(gè)站都是恒定的。

極值水位發(fā)生的概率p的計(jì)算公式為

式中,x p為在特定的p下的風(fēng)暴增水極值,F(x)為風(fēng)暴增水的累積概率分布函數(shù)。

2.3 CEWL和SEWL的累積概率分布

當(dāng)前極值水位(CEWL,g p)指風(fēng)暴增水極值與天文高潮相疊加的水位,計(jì)算方法為

式中,t為天文高潮的高度,F(g)為CEWL的累積概率分布函數(shù)。

氣候變化和海平面上升對(duì)風(fēng)暴潮的強(qiáng)度和發(fā)生頻率都可能產(chǎn)生影響,但是這種影響目前很難定量化,因此在一些氣候變化背景下的風(fēng)暴潮相關(guān)研究中,通常假設(shè)風(fēng)暴潮強(qiáng)度和發(fā)生頻率在統(tǒng)計(jì)上是不變的[17-19]。本文采取類似的做法,我們認(rèn)為在各RCP情景下,風(fēng)暴潮的強(qiáng)度和發(fā)生的頻率是不變的,即不考慮氣候變化和海平面上升對(duì)風(fēng)暴潮強(qiáng)度和發(fā)生頻率的影響。因此,RCP情景下的極值水位(SEWL,h p)可以認(rèn)為是當(dāng)前極值水位和不同RCP情景海平面上升高度的線性疊加,即:

式中,r為海平面上升的高度,F(h)為SEWL的累積概率分布函數(shù)。

2.4 極值水位重現(xiàn)期的計(jì)算方法

通常來說,極值水位的重現(xiàn)期是沿海風(fēng)險(xiǎn)評(píng)估與國防決策的重要指標(biāo)。計(jì)算極值水位的重現(xiàn)期T公式為:T=1/p。

3 結(jié) 果

3.1 各驗(yàn)潮站的天文高潮

利用調(diào)和分析法對(duì)所搜集的驗(yàn)潮站資料進(jìn)行處理,計(jì)算出本研究選取的10個(gè)驗(yàn)潮站的天文高潮值,如圖2所示。結(jié)果表明:10個(gè)站的天文高潮值為94～326 cm,平均值為232 cm。其中廈門站的天文高潮值最大,為326 cm;秦皇島站的天文高潮值最小,為94 cm。不同驗(yàn)潮站所處海區(qū)的地形差異是引起天文潮高度差異的重要原因。

圖2 10個(gè)驗(yàn)潮站的天文高潮高度Fig.2 High tidal heights recorded at the 10 tide gauge stations

3.2 風(fēng)暴增水的累計(jì)概率分布

將長期觀測(cè)記錄的水位數(shù)據(jù)減去調(diào)和分析得到的天文潮數(shù)據(jù)后得到的風(fēng)暴增水?dāng)?shù)據(jù)擬合到P-Ⅲ模型,可得風(fēng)暴增水的累計(jì)概率分布曲線,如圖3所示。由圖3可知,當(dāng)p=0.01%時(shí),連云港站的風(fēng)暴增水極值最大,為313 cm;坎門站次之,為295 cm;東方站最小,為192 cm。當(dāng)p=99.9%時(shí),連云港站的風(fēng)暴增水極值最大,為90 cm;廈門站次之,為79 cm;東方站最小,為41 cm。這表明本研究中使用的站點(diǎn)之間的累積概率分布曲線存在明顯差異。利用圖3的數(shù)據(jù),我們可以求得極端風(fēng)暴增水的重現(xiàn)期,如表3所示。

圖3 驗(yàn)潮站記錄的風(fēng)暴增水累積概率分布曲線Fig.3 Cumulative probability distribution curves for the storm surges recorded at the 10 tide gauge stations

Katherine等[20]指出,沿海水位是由確定性(如天文潮)和隨機(jī)性過程(如波浪、風(fēng)暴潮和海平面異常)共同驅(qū)動(dòng)產(chǎn)生的。每個(gè)過程對(duì)水位的貢獻(xiàn)取決于氣候和地質(zhì)的區(qū)域差異,以及海灘形態(tài)、海岸方向和大陸架水深的局部尺度變化。中國沿海海岸線較長,所研究的10個(gè)驗(yàn)潮站的地理環(huán)境有差異,受到不同的水文與氣象環(huán)境因素影響,故各個(gè)驗(yàn)潮站的風(fēng)暴增水極值不同。由表3可以看出,當(dāng)風(fēng)暴增水極值重現(xiàn)期為100 a時(shí),本研究中的風(fēng)暴增水116～202 cm,其中連云港站百年一遇的風(fēng)暴增水極值最大,為202 cm;東方站的最小,為98 cm。

表3 代表性重現(xiàn)期的風(fēng)暴增水極值Table 3 Storm surge extreme values corresponding to representative recurrence periods cm

3.3 研究站位的CEWL和SEWL累積概率分布

將每個(gè)驗(yàn)潮站的風(fēng)暴增水的最大值分別與其天文高潮相結(jié)合,疊加的高度數(shù)據(jù)擬合到P-Ⅲ模型,可以得到當(dāng)前極值水位的累計(jì)概率分布曲線,如圖4所示。由圖4可知,所有驗(yàn)潮站的當(dāng)前極值水位累計(jì)概率分布曲線和風(fēng)暴增水累計(jì)概率分布曲線相比均增加。當(dāng)p=0.01%時(shí),坎門站的當(dāng)前極值水位的極值最大,為626 cm;廈門站次之,為625 cm;汕尾站最小,為324 cm。當(dāng)p=99.9%時(shí),廈門站的當(dāng)前極值水位的極值最大,為425 cm;坎門站次之,為383 cm;秦皇島站最小,為160 cm。

圖4 10個(gè)潮汐站的CEWL累積概率分布曲線Fig.4 Cumulative probability distribution curves for the CEWLs at the 10 tide gauge stations

將不同RCP情景下的海平面上升高度值疊加到當(dāng)前極值水位,疊加的高度數(shù)據(jù)擬合到P-Ⅲ模型,可得到不同RCP情景下極值水位發(fā)生的概率。以汕尾站和坎門站為例,分析2個(gè)站在4個(gè)RCP情景下(每個(gè)RCP中最低值、平均值和最高值三個(gè)級(jí)別)2050年和2100年極值水位發(fā)生的概率以說明海平面上升對(duì)極值水位的影響,結(jié)果如圖5所示。為了體現(xiàn)海平面上升對(duì)極值水位重現(xiàn)期的影響,當(dāng)前極值水位累計(jì)頻率概率曲線也包括在圖5中。由圖5可知:海平面上升導(dǎo)致相同概率下RCP情景下的極值水位顯著高于當(dāng)前極值水位;4種RCP情景相比,相同概率下RCP8.5的極值水位最高,RCP4.5和RCP6.0次之,RCP2.6情景下的極值水位最低;相同概率下2100年的RCP情景下極值水位顯著高于2050年的RCP情景下極值水位。

利用單一的RCP情景下極值水位發(fā)生的概率可以估算出其極值水位與其相應(yīng)的重現(xiàn)期。以汕尾站為例:RCP4.5情景下,2050年的極值水位為210～350 cm,到2100年極值水位增加為240～390 cm。同樣,在RCP8.5情景下,2050年的極值水位為220～360 cm,2100年極值水位增加到240～410 cm。

圖5 4個(gè)RCP情景下的坎門站和汕尾站的SEWL頻率曲線Fig.5 SEWLs for Shanwei and Kanmen Stations under the four RCP scenarios

3.4 海平面變化下重現(xiàn)期的變化

不同程度的海平面上升對(duì)極值水位的重現(xiàn)期影響也不一樣。本文計(jì)算了從當(dāng)前極值水位到RCP情景下極值水位重現(xiàn)期的變化,并且對(duì)比了相同極值水位下當(dāng)前極值水位重現(xiàn)期與RCP情景下極值水位的變化,如表4所示。由表4可以看出,隨著海平面的上升,RCP情景下極值水位的重現(xiàn)期相比于當(dāng)前極值水位重現(xiàn)期會(huì)顯著縮短,2100年的下降趨勢(shì)比2050年更為顯著。在RCP8.5(高水平)情景下,當(dāng)前極值水位重現(xiàn)期為50 a的水位在2050年將變?yōu)? a一次,到2100年將會(huì)變?yōu)? a一次。同樣,當(dāng)前極值水位重現(xiàn)期為100 a的水位在2050年將變?yōu)?7 a一次,到2100年將會(huì)變?yōu)? a一次。對(duì)于當(dāng)前極值水位重現(xiàn)期為1000 a的水位在2050年將變?yōu)?72 a一次,到2100年將會(huì)變?yōu)?5 a一次。此外,其他RCP情景下的不同3個(gè)級(jí)別的重現(xiàn)期變化也將顯著縮短,這意味著隨著海平面的上升,重現(xiàn)期較長的極值水位將更加頻繁地發(fā)生。

表4 SEWL的平均重現(xiàn)期Table 4 Averaged recurrence periods of the SEWLs a

4 結(jié) 論

將未來的海平面上升高度與當(dāng)前極值水位相結(jié)合,通過P-Ⅲ模型重新計(jì)算極值水位,并計(jì)算其重現(xiàn)期,將當(dāng)前極值水位的重現(xiàn)期與RCP情景下極值水位的重現(xiàn)期進(jìn)行對(duì)比,分析海平面上升對(duì)極值水位重現(xiàn)期的影響。以中國沿海為例,研究結(jié)果表明:由于氣候變化引起的海平面上升,極端水位的重現(xiàn)期明顯縮短;具體來說,當(dāng)前極值水位和RCP情景下極值水位在不同時(shí)間尺度的RCP情景和每個(gè)RCP情景中的水位之間的變化表明了海平面上升對(duì)極值水位的變化有顯著的影響。重現(xiàn)期在RCP8.5情景下縮短最為顯著;例如,對(duì)RCP8.5下的高水平的預(yù)測(cè),即使是目前概率很低的當(dāng)前極值水位千年一遇事件,在RCP8.5(高水平)情景下2050年將會(huì)變成172 a一遇;這表明由海平面上升導(dǎo)致的極值水位重現(xiàn)期的顯著縮短將會(huì)使沿海地區(qū)的風(fēng)險(xiǎn)將顯著增加。

本文計(jì)算極值水位的方法仍有一些可以改進(jìn)的地方,在計(jì)算RCP情景下極值水位時(shí)使用的海平面上升數(shù)據(jù)為全球海平面上升高度數(shù)據(jù),由于海平面上升的全球分布在空間上是不均勻的,在研究特定區(qū)域的極值水位重現(xiàn)期受海平面上升的影響時(shí),使用特定海域的海平面上升數(shù)據(jù)能夠得到更為精確的結(jié)果。