郭文云，安佰超，裘誠，李鋮，李丕學(xué)，葛建忠，丁平興

（1.上海海事大學(xué)海洋科學(xué)與工程學(xué)院，上海201300；2.上海市海洋監(jiān)測預(yù)報(bào)中心，上海200062；3.華東師范大學(xué)河口海岸學(xué)國家重點(diǎn)實(shí)驗(yàn)室，上海200062）

1 引言

臺風(fēng)引起的風(fēng)暴潮災(zāi)害每年都給我國造成大量經(jīng)濟(jì)損失[1-2]。開展風(fēng)暴潮預(yù)報(bào)是防止（減少）風(fēng)暴潮災(zāi)害并且保障人民生命財(cái)產(chǎn)安全的有效手段。隨著SPLASH（Special Program to List Amplitudes of Surges from Hurricanes）、SLOSH（Sea，Lake，and Overland Surges from Hurricanes model）和ADCIRC（The ADvanced CIRCulation model）等模型的應(yīng)用，數(shù)值模型已成為風(fēng)暴潮預(yù)報(bào)的重要方法[3-9]。風(fēng)暴增水強(qiáng)度對臺風(fēng)路徑和強(qiáng)度等參數(shù)很敏感，但臺風(fēng)路徑和強(qiáng)度預(yù)報(bào)存在很大的不確定性。據(jù)統(tǒng)計(jì)，2016年中央氣象臺臺風(fēng)24 h、48 h和72 h預(yù)報(bào)的平均路徑誤差分別為76.2 km、147.3 km和244.7 km，平均風(fēng)速誤差分別為5.4 m/s、7.3 m/s和7.6 m/s[10]。這些臺風(fēng)預(yù)報(bào)誤差給風(fēng)暴潮數(shù)值預(yù)報(bào)工作帶來挑戰(zhàn)。充分考慮臺風(fēng)預(yù)報(bào)中的誤差，進(jìn)行多個臺風(fēng)可能路徑及可能強(qiáng)度的風(fēng)暴潮集合數(shù)值預(yù)報(bào)，從而提供更多更全面的預(yù)報(bào)信息，可以有效彌補(bǔ)這一不足[11-15]。對集合預(yù)報(bào)中樣本的發(fā)生概率進(jìn)行仔細(xì)估計(jì)，稱為概率預(yù)報(bào)。

目前，多個國家的風(fēng)暴潮業(yè)務(wù)化預(yù)報(bào)系統(tǒng)已經(jīng)開始采用集合（概率）預(yù)報(bào)技術(shù)。美國國家颶風(fēng)中心（National Hurricane Center）使用的P_surge風(fēng)暴潮概率預(yù)報(bào)模型考慮了臺風(fēng)路徑、臺風(fēng)中心附近最大風(fēng)速和臺風(fēng)大小的不確定性，根據(jù)歷史預(yù)報(bào)誤差統(tǒng)計(jì)生成27個臺風(fēng)樣本來進(jìn)行風(fēng)暴潮概率預(yù)報(bào)[16]。澳大利亞氣象局（Bureau of Meteorology Australia）則基于特定方法生成1 000條可能的臺風(fēng)路徑，然后從中隨機(jī)選取200條來進(jìn)行風(fēng)暴潮集合預(yù)報(bào)[17]。

我國在風(fēng)暴潮集合預(yù)報(bào)研究上也取得不少進(jìn)展。國家海洋環(huán)境預(yù)報(bào)中心已經(jīng)開發(fā)了一套風(fēng)暴潮概率預(yù)報(bào)模式，并實(shí)現(xiàn)了業(yè)務(wù)化運(yùn)行。該模式主要考慮了臺風(fēng)路徑的不確定性，計(jì)算最大可能情況下的風(fēng)暴增減水極值。利用該集合預(yù)報(bào)模式已對0814號強(qiáng)臺風(fēng)“黑格比”進(jìn)行數(shù)值預(yù)報(bào)實(shí)驗(yàn)[18]。王培濤等[12]基于預(yù)報(bào)路徑衍生偏快、偏慢、偏左和偏右4條路徑對福建沿海進(jìn)行了風(fēng)暴潮集合預(yù)報(bào)。陳永平等[19]在5條可能路徑（包括預(yù)報(bào)路徑）的基礎(chǔ)上進(jìn)一步考慮了3個可能的最大風(fēng)速，使用15個臺風(fēng)樣本進(jìn)行風(fēng)暴潮集合計(jì)算。以上結(jié)果都顯示，采用集合預(yù)報(bào)技術(shù)可以有效降低風(fēng)暴潮預(yù)報(bào)誤差。目前我國的研究大多還停留在集合預(yù)報(bào)上，只是通過構(gòu)造不同臺風(fēng)樣本來進(jìn)行多個情景的預(yù)報(bào)，并通過分析預(yù)報(bào)增水平均值來給出預(yù)報(bào)增水幅度，在統(tǒng)計(jì)學(xué)上缺乏實(shí)際概率意義，并未達(dá)到真正的概率預(yù)報(bào)。事實(shí)上，不同臺風(fēng)樣本的發(fā)生概率應(yīng)該有所不同。

郭文云等[1]建立了一個臺風(fēng)集合構(gòu)造方案。該方案可構(gòu)造27個臺風(fēng)樣本（9條可能路徑和3個可能最大風(fēng)速），并基于歷史預(yù)報(bào)誤差的統(tǒng)計(jì)分布來確定不同臺風(fēng)樣本的發(fā)生概率。該集合構(gòu)建方案可以較為全面地覆蓋可能的情景。本文基于這一臺風(fēng)集合構(gòu)造方案，采用中尺度天氣預(yù)報(bào)（Weather Research and Forecasting，WRF）模式和有限體積海岸海洋模式（Finite Volume Coastal Ocean Model，F(xiàn)VCOM）建立長江口臺風(fēng)風(fēng)暴潮集合預(yù)報(bào)系統(tǒng)，并以1909號臺風(fēng)“利奇馬”為例，詳細(xì)說明了概率預(yù)報(bào)提供的豐富的風(fēng)暴潮概率預(yù)報(bào)信息。這些信息可以為風(fēng)暴潮防災(zāi)減災(zāi)工作提供詳細(xì)的數(shù)據(jù)參考。

2 長江口風(fēng)暴潮數(shù)值模型系統(tǒng)

臺風(fēng)是一種局地的強(qiáng)非線性氣象系統(tǒng)，其最大風(fēng)速半徑一般為幾十公里，對風(fēng)暴潮進(jìn)行數(shù)值模擬需要精細(xì)地刻畫臺風(fēng)的風(fēng)場。臺風(fēng)中心具有快速移動性，因此需要較大的模型區(qū)域來準(zhǔn)確模擬風(fēng)暴增水過程。本文采用高分辨率臺風(fēng)風(fēng)場疊加大尺度背景風(fēng)場的方法來提供風(fēng)暴潮模型所需的表面風(fēng)應(yīng)力輸入。其中臺風(fēng)風(fēng)場使用經(jīng)典的藤田公式來描述，大尺度背景風(fēng)場由三重嵌套的WRF中尺度氣象模型提供，而風(fēng)暴潮模型則選用國際先進(jìn)的FVCOM三維模型進(jìn)行兩重嵌套。該模型采用無結(jié)構(gòu)網(wǎng)格，可以精確地刻畫長江口復(fù)雜的岸線和地形條件。

2.1 WRF氣象模型

WRF模式具有計(jì)算高效、可移植性強(qiáng)、方便且易于維護(hù)等優(yōu)點(diǎn)，適合于大氣動力學(xué)研究和業(yè)務(wù)化預(yù)報(bào)等工作。為提高WRF的計(jì)算效率，同時保證計(jì)算范圍足夠大，以涵蓋臺風(fēng)風(fēng)暴潮的生成、發(fā)展和消亡的全過程，因此采用三重嵌套和雙向數(shù)據(jù)交換的方法。模式的計(jì)算區(qū)域如圖1所示。WRF大區(qū)覆蓋從15°～51°N，109°～149°E的區(qū)域；中區(qū)覆蓋從23°～41°N，117°～129°E的區(qū)域；而小區(qū)覆蓋長江口和杭州灣沿海地區(qū)及江浙滬部分地區(qū)。各區(qū)域的分辨率分別為81 km、27 km和9 km。

圖1 長江口風(fēng)暴潮預(yù)報(bào)系統(tǒng)中的三重嵌套WRF氣象模式區(qū)域

WRF模型在進(jìn)行后報(bào)時采用美國國家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）提供的經(jīng)過同化后的FNL（Final Operational Global Analysis）數(shù)據(jù)，空間分辨率為1°×1°，時間間隔為6 h；預(yù)報(bào)時則采用NCEP提供的全球預(yù)報(bào)產(chǎn)品GFS（Global Forecast System），空間分辨率為0.5°×0.5°，時間間隔為3 h。

2.2 臺風(fēng)模型

本文采用對稱臺風(fēng)氣壓場模型。模型需要用到的臺風(fēng)參數(shù)包括臺風(fēng)位置、臺風(fēng)中心氣壓P0、臺風(fēng)中心附近最大風(fēng)速Vmax和最大風(fēng)速半徑Rmax。其中最大風(fēng)速半徑無法在預(yù)報(bào)臺風(fēng)中給出，因此使用經(jīng)驗(yàn)公式[20]進(jìn)行估計(jì)：

臺風(fēng)氣壓場使用藤田公式[21]來估計(jì)：

式中：P0為臺風(fēng)中心氣壓；P∞為臺風(fēng)外圍氣壓；r是計(jì)算點(diǎn)至氣壓中心的距離；R0是表征臺風(fēng)系統(tǒng)特征的參數(shù)，可根據(jù)最大風(fēng)速半徑調(diào)整。

氣旋的風(fēng)速分布根據(jù)梯度風(fēng)關(guān)系[22-23]參照氣壓分布給出：

式中：f=2Ωsinφ為柯氏參數(shù)；Ω為地球自轉(zhuǎn)角速度；φ為緯度；ρa(bǔ)為空氣密度。臺風(fēng)移行產(chǎn)生的風(fēng)場采用宮崎正衛(wèi)公式[24-25]：

式中：Vx和Vy分別是臺風(fēng)中心移動速度的正東分量和正北分量。

2.3 風(fēng)場融合

合成后的臺風(fēng)風(fēng)場可以表示為：

W→=c1W1[-sin(?+β),cos(?+β)]+c2W→2（5）

式中：?是計(jì)算點(diǎn)與臺風(fēng)中心連線與正東方向的夾角；β是梯度風(fēng)與海面風(fēng)的夾角；c1和c2是訂正系數(shù)。

由對稱模型風(fēng)場計(jì)算所得的風(fēng)場與背景風(fēng)場之間的合成，根據(jù)計(jì)算點(diǎn)與臺風(fēng)中心的距離r與判別距離R1和R2的關(guān)系進(jìn)行插值合成：

式中：a=(r-R1)/(R2-R1)。

表面風(fēng)應(yīng)力的計(jì)算采用二次率參數(shù)化形式：

式中：ρa(bǔ)為空氣密度，取1.23 kg/m3；W→為風(fēng)矢量；CD為拖曳系數(shù)，隨風(fēng)速大小而變化：

2.4 風(fēng)暴潮模型

長江口風(fēng)暴潮模型采用葛建忠等[26-27]建立的東中國海-長江口FVCOM嵌套模型（見圖2）。東中國海大區(qū)模型覆蓋我國渤海、黃海、東海及其鄰近海域。長江口精細(xì)化模型覆蓋了長江各個入?？谝约昂贾轂澈椭凵饺簫u。長江口上界取至潮流界江陰以上200 km左右的大通；錢塘江上界取至老鹽倉附近；外海開邊界東至124.5°E，北至34.5°N，南至28.5°N。網(wǎng)格分辨率在外海陸架海域?yàn)?.5～5 km，在長江口則精細(xì)到200 m左右。模型開邊界基于葛建忠等[26]的數(shù)據(jù)調(diào)整得到，在8個主要分潮（M2、S2、K1、O1、N2、K2、P1和Q1）的基礎(chǔ)上，加入兩個長周期分潮（Mf和Mm）和3個淺水分潮（M4、MS4和MN4）。所加入的分潮都是在OSU TOPEX/POSEIDON全球海洋潮汐模式[28]的基礎(chǔ)上進(jìn)行適當(dāng)調(diào)整后的結(jié)果。

2.5 模型驗(yàn)證

2018年7月18日20時（北京時，下同），臺風(fēng)“安比”（1810）在西北太平洋洋面上生成（見圖3a）。2018年7月22日12時30分前后，臺風(fēng)“安比”在上海市崇明島沿海登陸，登陸時中心附近最大風(fēng)力達(dá)10級（28 m/s），中心最低氣壓為982 hPa，成為1949年以來第三個直接登陸上海的臺風(fēng)。2018年7月24日夜間，臺風(fēng)“安比”（熱帶風(fēng)暴級）減弱變性為溫帶氣旋，之后強(qiáng)度持續(xù)減弱，中央氣象臺于25日02時對其停止編號。

圖2 長江口風(fēng)暴潮模型的東中國海-長江口嵌套網(wǎng)格

2019年8月4日，臺風(fēng)“利奇馬”（1909）生成（見圖3b），并于2019年8月10日01時45分左右在浙江省溫嶺市城南鎮(zhèn)沿海登陸，登陸時中心附近最大風(fēng)力16級（52 m/s），屬超強(qiáng)臺風(fēng)，是1949年以來登陸我國的第五個超強(qiáng)臺風(fēng)。隨后臺風(fēng)“利奇馬”縱穿浙江和江蘇兩省并移入黃海海面，又于8月11日20時50分許在山東省青島市黃島區(qū)沿海再次登陸，此后其移入渤海海面并不斷減弱，最終于8月13日14時被中央氣象臺停止編號。截至2019年8月14日10時，臺風(fēng)“利奇馬”共造成我國57人死亡，直接經(jīng)濟(jì)損失537.2億元。金山嘴潮位站的水位觀測數(shù)據(jù)顯示，臺風(fēng)“利奇馬”造成該站最大增水超過1.0 m。

采用本文構(gòu)建的風(fēng)暴潮模型對臺風(fēng)“安比”和“利奇馬”進(jìn)行后報(bào)檢驗(yàn)，所得南門、堡鎮(zhèn)、蘆潮港和金山嘴4站的增水過程對比如圖4所示。本文構(gòu)建的風(fēng)暴潮模型不僅可以準(zhǔn)確地刻畫臺風(fēng)“安比”和“利奇馬”引起的增水過程，對臺風(fēng)過后的減水過程也能準(zhǔn)確模擬。南門、堡鎮(zhèn)和蘆潮港的平均增水誤差都小于15 cm。根據(jù)觀測數(shù)據(jù)，金山嘴站在兩個臺風(fēng)過后都存在較強(qiáng)余振（振幅超過40 cm），本文的模擬結(jié)果雖然也能體現(xiàn)余振效果，但對余振的刻畫還不夠精細(xì)，使得該站的平均誤差超過20 cm。這可能是由于臺風(fēng)登陸后風(fēng)場發(fā)生變形，而本文所采用的對稱臺風(fēng)模型難以刻畫這種變形。模型模擬的最大增水時間與觀測基本一致，最大增水幅度比觀測稍強(qiáng)，從預(yù)報(bào)安全性角度上是可以接受的。此外，臺風(fēng)“利奇馬”引起的長江口增水都帶有雙峰特征，本文的模型也能反映出類似的特征。

3 預(yù)報(bào)實(shí)驗(yàn)

本文的主要目的是建立長江口概率預(yù)報(bào)系統(tǒng)。相對于單一預(yù)報(bào)，概率預(yù)報(bào)系統(tǒng)能提供更多的風(fēng)暴增水預(yù)報(bào)結(jié)果。如何從這些結(jié)果中挖掘出所需的風(fēng)暴增水信息，也是風(fēng)暴潮概率預(yù)報(bào)的一項(xiàng)重要工作。

仍然以臺風(fēng)“利奇馬”為例，選取蘆潮港站最大增水發(fā)生前24 h左右（2019年8月9日14時）為預(yù)報(bào)時刻進(jìn)行虛擬預(yù)報(bào)實(shí)驗(yàn)。采用郭文云等[1]的臺風(fēng)集合構(gòu)造方案，先根據(jù)中國中央臺、中國香港臺、中國臺灣臺、美國臺、日本臺和韓國臺的預(yù)報(bào)路徑生成一條誤差更小的分析路徑（見圖3中紅色線），然后基于分析路徑及其統(tǒng)計(jì)誤差生成兩個概率圓上的8條衍生路徑（見圖3），路徑集合覆蓋了實(shí)測路徑的運(yùn)移范圍。類似方法可以得到預(yù)報(bào)臺風(fēng)最大風(fēng)速集合（見表1）。其中48 h和72 h預(yù)報(bào)時效最大風(fēng)速都覆蓋到了實(shí)測最大風(fēng)速，但24 h預(yù)報(bào)最大風(fēng)速沒有覆蓋到實(shí)測最大風(fēng)速，實(shí)測風(fēng)速弱于概率偏小的預(yù)報(bào)最大風(fēng)速。

圖3 兩個臺風(fēng)的實(shí)測路徑和臺風(fēng)路徑樣本構(gòu)建（注：臺風(fēng)強(qiáng)度標(biāo)注只用于實(shí)測路徑）

以上路徑集合和最大風(fēng)速集合相互交叉形成27個臺風(fēng)樣本，每個臺風(fēng)樣本的發(fā)生概率都根據(jù)分析臺風(fēng)的誤差分布確定。對以上27個臺風(fēng)樣本分別進(jìn)行風(fēng)暴潮預(yù)報(bào)，可得到27個風(fēng)暴潮預(yù)報(bào)結(jié)果。

圖4 兩個臺風(fēng)過程中4站的實(shí)測和后報(bào)增水過程對比

3.1 最大和最小可能增水分布

將以上27個預(yù)報(bào)中的水位數(shù)據(jù)輸出，那么對于任意時刻任意空間點(diǎn)，都存在27個可能的風(fēng)暴水位。同時進(jìn)行只考慮天文潮汐而不考慮臺風(fēng)過程的模擬，相減即可得到27個不同的增水場。其中最大增水值屬最壞情況，最小增水值屬最好情況。從預(yù)報(bào)24 h后即2019年8月10日14時的最大和最小可能增水分布圖上可以看到（見圖5），此時長江口4條分支和杭州灣內(nèi)的最大可能增水都超過2.0 m，但最小可能增水還不到0.5 m；長江口門附近甚至還有可能出現(xiàn)減水情況。最大和最小可能增水之間存在巨大差異，充分說明臺風(fēng)預(yù)報(bào)中的路徑和風(fēng)速等參數(shù)的誤差會使風(fēng)暴潮預(yù)報(bào)增水產(chǎn)生巨大偏差，也體現(xiàn)了建立風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)的重要性。若采用確定性的風(fēng)暴潮單一預(yù)報(bào)系統(tǒng)，以上信息都無法提供。

3.2 平均增水及其標(biāo)準(zhǔn)偏差分布

結(jié)合以上27個臺風(fēng)樣本的風(fēng)暴潮預(yù)報(bào)結(jié)果及其發(fā)生概率，可以計(jì)算不同時刻不同空間點(diǎn)的平均增水值及其標(biāo)準(zhǔn)差：

式中：ηi為第i個數(shù)值預(yù)報(bào)實(shí)驗(yàn)的增水值；pi為該數(shù)值實(shí)驗(yàn)所用臺風(fēng)樣本的發(fā)生概率。

圖6為24 h預(yù)報(bào)時效（即2019年8月10日14時）的平均增水分布及其標(biāo)準(zhǔn)差。圖中可以看出，此時東中國海的增水并不明顯，一般在0.5 m以下；沿長江口向陸以及沿杭州灣向內(nèi)，平均增水值不斷增大，長江口4條分支和杭州灣內(nèi)的平均增水都超過1.5 m，但實(shí)測增水為1.0 m左右，這與臺風(fēng)預(yù)報(bào)最大風(fēng)速較實(shí)際最大風(fēng)速顯著偏大有關(guān)。即使是概率偏弱（20%）的臺風(fēng)最大風(fēng)速都比實(shí)測最大風(fēng)速更大（見表1）。該時刻的預(yù)報(bào)增水標(biāo)準(zhǔn)偏差也呈現(xiàn)外海較小近岸較大的空間分布特征，在長江口內(nèi)和杭州灣內(nèi)，大部分區(qū)域的標(biāo)準(zhǔn)偏差大于0.5 m，表明該時刻預(yù)報(bào)增水的不確定性較大。這些信息對于風(fēng)暴潮的防災(zāi)減災(zāi)工作都具有重要的參考價值。

圖5 臺風(fēng)“利奇馬”24 h預(yù)報(bào)時效的可能增水（預(yù)報(bào)時間為2019年8月9日14時；單位：m）

圖6 臺風(fēng)“利奇馬”24 h預(yù)報(bào)時效結(jié)果（預(yù)報(bào)時間為2019年8月9日14時，單位：m）

為方便對比，本文同時也將分析路徑的預(yù)報(bào)增水結(jié)果（代表確定性單一預(yù)報(bào)結(jié)果）呈現(xiàn)于圖6c。其總體增水場分布與預(yù)報(bào)平均增水分布相似，但在長江口內(nèi)和杭州灣內(nèi)的增水值略微更大。只根據(jù)這單一預(yù)報(bào)結(jié)果，我們無從得知該時刻增水的不確定性。由于預(yù)報(bào)臺風(fēng)路徑存在明顯誤差，勢必導(dǎo)致預(yù)報(bào)風(fēng)暴潮增水的不確定性。相對于單一預(yù)報(bào)系統(tǒng)，概率預(yù)報(bào)系統(tǒng)則可以提供這些信息，充分體現(xiàn)了建立風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)的必要性。

3.3 概率增水值和增水概率值

風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)可以得到某個站點(diǎn)在未來某個時刻的多個增水值及其發(fā)生概率。將這些增水值從大到小排列并計(jì)算其累積可得到該站點(diǎn)在某時刻的增水概率圖。圖7為24 h預(yù)報(bào)時效的蘆潮港站臺風(fēng)增水累積概率圖，在所有可能情況中，該時刻蘆潮港站都處于增水狀態(tài)。對于某個固定的概率，其增水值可以達(dá)到多大，此為概率增水值。蘆潮港站在該時刻的20%概率增水值為1.65 m（見圖7a）。

風(fēng)暴潮可以根據(jù)其最大增水值來劃分等級，一般以1.0 m、1.5 m、2.0 m和2.5 m為界將風(fēng)暴潮分為一般、中等、較大、大和特大5個等級[29]。我們同樣希望得到對于某個固定的增水值，其發(fā)生概率如何，此為增水概率值。根據(jù)圖7b可以確定蘆潮港站（高于）1.0 m增水概率為84.9%。

依據(jù)以上對概率增水值和增水概率值的定義，我們可以根據(jù)概率預(yù)報(bào)結(jié)果得到未來某個時刻的概率增水分布及增水概率分布。圖8a為2019年8月10日14時預(yù)報(bào)的20%概率增水分布。圖中可以看到外海的增水值與平均增水沒有太大差別，表明臺風(fēng)預(yù)報(bào)誤差對外海的風(fēng)暴增水影響較小，而在長江口內(nèi)及杭州灣內(nèi)，20%概率增水超過2.0 m。

圖8b為1.0 m增水概率分布，即預(yù)報(bào)該時刻增水高于1.0 m的概率。在外海，這一概率都為0，表明外海增水不可能超過1.0 m；一旦進(jìn)入河道或杭州灣內(nèi)，由于地形縮窄，潮能匯聚，1.0 m增水概率迅速增加，直至達(dá)到100%。

3.4 站點(diǎn)時間序列

將以上27個模擬中的重要站點(diǎn)數(shù)據(jù)輸出，可以得到27條不同的風(fēng)暴過程水位線（見圖9a）。結(jié)合不同臺風(fēng)樣本的發(fā)生概率，可以計(jì)算站點(diǎn)在指定發(fā)生概率范圍內(nèi)的增水范圍。圖9b呈現(xiàn)了蘆潮港站預(yù)報(bào)的100%和70%概率范圍的增水，其中垂向虛線指示預(yù)報(bào)時刻。圖中可以看到隨著預(yù)報(bào)時效的延伸，預(yù)報(bào)的增水100%范圍先隨著臺風(fēng)預(yù)報(bào)誤差的增長逐漸加大；然后臺風(fēng)逐漸遠(yuǎn)離預(yù)報(bào)區(qū)域，即使臺風(fēng)預(yù)報(bào)誤差更大，但由于臺風(fēng)對預(yù)報(bào)區(qū)域的水位影響逐漸減小，增水100%范圍也逐漸減小。2019年8月11日00時，由于臺風(fēng)運(yùn)動到離長江口較近的位置，臺風(fēng)預(yù)報(bào)誤差也較為顯著，此時的增水100%范圍達(dá)到最大。蘆潮港站最大可能增水幾乎可以達(dá)到2 m，最小可能增水卻只有-1.80 m，顯示出顯著的風(fēng)暴潮預(yù)報(bào)的不確定性。預(yù)報(bào)增水70%范圍同樣也呈現(xiàn)先增大后減小的特征，但其最大范圍比100%范圍顯著減小，其發(fā)生的時間也與100%范圍的略有差異。

圖7 2019年8月9日14時蘆潮港站的臺風(fēng)增水累積概率圖

圖8 臺風(fēng)“利奇馬”24 h預(yù)報(bào)時效結(jié)果（預(yù)報(bào)時間為2019年8月9日14時)

圖9 臺風(fēng)“利奇馬”影響下不同站點(diǎn)的預(yù)報(bào)結(jié)果（預(yù)報(bào)時間為圖中虛線所示的2019年8月9日14時）

圖9顯示本次預(yù)報(bào)的最大增水值比實(shí)測的最大增水顯著偏大，這是由于臺風(fēng)預(yù)報(bào)的最大風(fēng)速顯著偏大所致；特別是在24 h預(yù)報(bào)時效，即使是概率偏小的最大風(fēng)速，依然大于實(shí)測的最大風(fēng)速。

表2 4個潮位站概率預(yù)報(bào)結(jié)果統(tǒng)計(jì)檢驗(yàn)（概率預(yù)報(bào)為平均值加1個標(biāo)準(zhǔn)差）

3.5 集合預(yù)報(bào)精度檢驗(yàn)

采用圖4中臺風(fēng)“利奇馬”期間南門、堡鎮(zhèn)、蘆潮港和金山嘴4個潮位站的逐時觀測數(shù)據(jù)對本文建立的概率預(yù)報(bào)系統(tǒng)進(jìn)行檢驗(yàn)。最大增水及其發(fā)生時刻是風(fēng)暴潮預(yù)報(bào)的重要參數(shù)。本文對其誤差進(jìn)行統(tǒng)計(jì)，同時將分析路徑作為確定性單一預(yù)報(bào)的代表，所得結(jié)果見表2。

臺風(fēng)“利奇馬”活動期間，南門、堡鎮(zhèn)、蘆潮港和金山嘴4站的實(shí)測最大增水分別為0.84 m、0.66 m、0.84 m和1.28 m。9日14時對臺風(fēng)“利奇馬”近中心最大風(fēng)速的24 h預(yù)報(bào)風(fēng)速顯著偏大，對于24 h預(yù)報(bào)，即使是概率偏弱的風(fēng)速（30.4 m/s）也比實(shí)測風(fēng)速（28 m/s）更大（見表1），因此，預(yù)報(bào)實(shí)驗(yàn)所得最大增水的估計(jì)也較實(shí)測最大增水顯著偏大。27個集合樣本所得到的4站最大增水分別為0.80～3.33 m、0.73～2.88 m、1.24～2.47 m和1.73～3.11 m。集合平均增水過程的最大值（見圖9紅線）分別為1.87 m、1.50 m、1.90 m和2.56 m，都較實(shí)測最大增水偏大約1.0 m。相對于確定性單一預(yù)報(bào)，本文建立的概率預(yù)報(bào)系統(tǒng)對最大增水的估計(jì)都更接近實(shí)測最大增水，表明本文建立的概率預(yù)報(bào)系統(tǒng)可以通過集合消減來提高風(fēng)暴潮的預(yù)報(bào)精度。不僅如此，概率預(yù)報(bào)系統(tǒng)還能夠提供更多的可用信息，如表2中所示的各站最大增水的標(biāo)準(zhǔn)誤差。誤差越大，表明臺風(fēng)路徑和強(qiáng)度等參數(shù)中的預(yù)報(bào)誤差對該站的最大增水影響越顯著。對于這些海域，實(shí)際業(yè)務(wù)中需要特別注意臺風(fēng)實(shí)際路徑變化的影響。

臺風(fēng)“利奇馬”期間，南門和堡鎮(zhèn)站的實(shí)測增水在8月10日17時達(dá)到最大，蘆潮港和金山嘴站則在14時達(dá)到最大。概率預(yù)報(bào)和確定性預(yù)報(bào)對最大增水時刻（約24 h預(yù)報(bào)時效）的估計(jì)誤差為2 h左右（見表2）。概率預(yù)報(bào)和確定性預(yù)報(bào)的最大增水時刻誤差沒有顯著差異，但采用概率預(yù)報(bào)技術(shù)可以得到更多的信息。例如：雖然預(yù)報(bào)南門和堡鎮(zhèn)站的最大增水時刻與實(shí)測只相差約1.5 h，但其標(biāo)準(zhǔn)差分別為5.14 h和6.38 h，比蘆潮港和金山嘴的標(biāo)準(zhǔn)誤差明顯更大。因此，如果臺風(fēng)的移動路徑、移動速度和臺風(fēng)強(qiáng)度等參數(shù)出現(xiàn)偏差，這兩站的最大增水時刻有可能變化更大。

4 結(jié)論與展望

本文采用郭文云等[1]的臺風(fēng)集合構(gòu)造方案，基于WRF氣象模型和FVCOM三維海洋模型，建立了一套適用于長江口的風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)。為兼顧臺風(fēng)風(fēng)速空間變化強(qiáng)烈和移動范圍大的特點(diǎn)，WRF模型采用三重嵌套模式，F(xiàn)VCOM海洋模型采用兩重嵌套，在保證精度的前提下提高計(jì)算效率。系統(tǒng)采用9條可能路徑和3個可能最大風(fēng)速進(jìn)行27個風(fēng)暴過程模擬。每個模擬風(fēng)暴過程的發(fā)生概率都根據(jù)歷史預(yù)報(bào)誤差分布進(jìn)行確定。

風(fēng)暴潮概率預(yù)報(bào)較單一預(yù)報(bào)的優(yōu)點(diǎn)是提供了多個可能的預(yù)報(bào)增水值及各種豐富的預(yù)報(bào)信息。本文建立了一套詳細(xì)分析風(fēng)暴潮概率預(yù)報(bào)結(jié)果的產(chǎn)品，如最大和最小可能增水值、平均增水值及其標(biāo)準(zhǔn)偏差、概率增水值及增水概率值等?；谝陨戏治觯覀兛梢詮娘L(fēng)暴潮概率預(yù)報(bào)結(jié)果中得到更全面的信息，為防災(zāi)減災(zāi)工作提供更多數(shù)據(jù)參考。當(dāng)然，本文所建立的長江口概率預(yù)報(bào)方案還存在一些可改進(jìn)之處。其一，預(yù)報(bào)方案只考慮了預(yù)報(bào)臺風(fēng)的路徑及最大風(fēng)速誤差，沒有考慮預(yù)報(bào)臺風(fēng)中心氣壓的誤差，而臺風(fēng)中心氣壓直接影響到臺風(fēng)的最大風(fēng)速半徑（見式（1）），是決定臺風(fēng)大小的重要參數(shù)，因此，臺風(fēng)中心氣壓的預(yù)報(bào)誤差也應(yīng)該在風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)中加以考慮；其二，本文所建立的概率預(yù)報(bào)系統(tǒng)采用了9條可能路徑，使得預(yù)報(bào)系統(tǒng)運(yùn)行過程中需要用到較多的計(jì)算資源，需要進(jìn)一步做不同臺風(fēng)集合方案的對比，在計(jì)算資源與預(yù)報(bào)精度上取得合理的平衡；其三，本文所采用的概率預(yù)報(bào)方案是基于歷史統(tǒng)計(jì)得來的，實(shí)際預(yù)報(bào)過程中，不同臺風(fēng)的預(yù)報(bào)誤差也有所不同（如對于轉(zhuǎn)向臺風(fēng)及走向異常的臺風(fēng)，其預(yù)報(bào)誤差往往更大）。所以，加強(qiáng)與臺風(fēng)預(yù)報(bào)部門的合作，爭取采用實(shí)時的臺風(fēng)預(yù)報(bào)誤差數(shù)據(jù)是改進(jìn)風(fēng)暴潮概率預(yù)報(bào)系統(tǒng)的根本途徑。