中國近海冷空氣浪的參數化判別標準研究

陳汨梨 ，潘志剛 ，徐嘯 ，戴煒 ，鐘嬛予

（1.河海大學港口海岸與近海工程學院，江蘇 南京 210024；2.中國港灣西部非洲區域公司，科特迪瓦 阿比讓 06BP6687；3.河海大學海岸災害及防護教育部重點實驗室，江蘇 南京 210024；4.浙江省電力設計院，浙江 杭州 310012）

0 引言

我國是一個海洋災害頻發的海洋大國。根據《中國海洋災害公報》（以下簡稱《公報》）的數據，2000—2016年間，我國共有2 659人因海洋災害死亡或失蹤，其中海浪災害導致的人員死亡或失蹤占到了66.7%，可見海浪災害是對民眾生命安全威脅最大的海洋災害類型。在中國近海，海浪災害主要有3種類型：臺風浪、冷空氣浪、氣旋浪。根據《公報》的統計數據，2004—2016年間，我國因海浪災害導致的人員死亡或失蹤達到1 248人，其中由冷空氣浪、氣旋浪、臺風浪造成的人員損失分別占58.3%、27.0%、14.7%?？梢钥闯?，冷空氣浪對我國沿海居民的生命安全構成了嚴重威脅，對中國近海的冷空氣浪進行研究具有重要的現實意義。

然而相對臺風浪而言，對于我國冷空氣浪的研究還非常薄弱[1-3]。王祥濤等[4]統計了波高≥6 m的冷空氣浪災害事件在我國近海的分布，指出我國的渤海、黃海、東海、南海均有冷空氣浪災害發生。戴煒等[5]的研究表明：由于海域面積、水深和冷空氣強度的不同，我國各海域的冷空氣浪特性也有所不同?？傮w而言，冷空氣浪的浪高從渤海至東海呈上升趨勢。鄭崇偉等[6]分析了2013年3月一次強冷空氣過程過境期間的浮標觀測數據，結果顯示黃海、東海都出現了有效波高超過4 m的大浪。劉志宏等[7]基于NFS風場驅動SWAN模式對2012年1月的一次強冷空氣過境影響下的中國近海波浪進行了后報模擬，發現渤海、黃海、東海均出現了有效波高3 m左右的大浪區。雖然前人的研究都已經明確冷空氣浪是由寒潮大風引起的海浪，并探討了典型冷空氣浪案例的時空分布特性和短期演變規律，但是尚未有人給出參數化的冷空氣浪定義，導致關于冷空氣浪的數據處理以及大尺度長時間的特性分析工作難以展開。

為了填補我國在冷空氣浪定義方面的空白，本文通過分析冷空氣浪災害存在時的中國近海波要素以及風要素的規律特點，總結出中國近海冷空氣浪的參數化判定標準，可作為建立中國近海冷空氣浪數據集的依據，也可為中國近海冷空氣浪的進一步研究提供參考。

1 數據來源

本研究使用的風速數據是美國國家海洋和大氣管理局（NOAA）提供的CFSR風場，時間分辨率6 h，空間分辨率0.5°×0.5°。波浪數據來源于Shi等[8]建立的中國近海波浪數據集，該波浪數據集是通過TOMAWAC波浪數學模型計算得到的。TOMAWAC是EDF R&D國家水力和環境實驗室（LNHE）開發的波浪計算子程序，在全世界范圍內已經有多名學者使用它進行波浪數值模擬且模擬結果與實測數據對比良好[9-10]。Shi等建立的TOMAWAC海浪模型的計算區域包含整個太平洋，以便充分考慮外海波浪對中國近海的影響。該模型在中國近?？臻g分辨率最小為10 km，時間步長取5 min，驅動風場是CFSR風場。模型計算的時間跨度是1979年1月1日—2016年12月31日，模型輸出的波浪數據時間分辨率達到1 h。本文從中選取時間范圍是2004—2016年，空間范圍是 0°N—45°N、100°E—130°E 的波浪數據，在空間尺度上足以涵蓋中國海四大海域——東海、渤海、黃海、南海。

為了增加近岸波浪模擬精度，Shi等建立的波浪模型網格是不規則的三角形，近岸處網格密度較高，遠岸處網格密度較低，但是這樣的大小、密度不統一的網格不利于對海域的海浪特征做統計分析。因此本研究將Shi等建立的中國近海波浪數據集在新的規則矩形網格上重新插值，插值分辨率設定為0.125°×0.125°，采用的插值方法為三角形線性內插法。表1展示了四大海域插值前后的網格點數量，可見插值之后各個海域的網格點數量基本與海域面積成正比，這意味著每個格點代表的海域面積大致相同，有利于后續的數據分析工作。

表1 各海域插值前后格點數量Table 1 Number ofgrid points before and after interpolation in each sea area

2 中國近海冷空氣浪特性分析

分析冷空氣浪的外在表現特征有助于更好地建立冷空氣浪的判別標準。

本研究基于中國近海波浪數據集的有效波高數據以及CFSR風場數據，繪制出了2004—2016年《公報》收錄的各冷空氣浪發生日的每6 h平均有效波高圖、每6 h海平面10 m高度北向風速圖和每6 h海平面10 m高度東向風速圖。

通過對冷空氣浪發生當日的波高圖、風速圖的分析，發現冷空氣浪發生時海域呈現如下特點：各海域波高顯著增大，海域內出現有效波高不低于3 m的大浪區；各海域海平面10 m高度處南北向風速明顯增加，海域內產生超過10 m/s甚至超過15 m/s的北向大風。值得注意的是，冷空氣浪發生時，海平面10 m高度處的東西向風速并未顯著增大，這是因為影響我國近海的冷空氣團是自北向南移動的，一般產生北向或偏北向的大風，因此可以近似忽略冷空氣對東西向風速的影響，以下提到的風速均指北向風速。

3 冷空氣浪判別標準

冷空氣浪是冷空氣團南下帶來的大風所掀起的海浪，因此冷空氣浪的判別標準應當考慮波要素和風要素兩方面的影響。

3.1 冷空氣浪的波要素判別標準

波要素判別標準主要考慮大浪區占比，大浪區占比的含義是有效波高≥某一特定值H的大浪區與所在海域面積（渤海、黃海、東海和南海其中一個）的比值。

α=a/A （1）

式中：α為大浪區面積占比；a為某時刻海域內有效波高≥H的格點數量，根據上述對冷空氣浪發生時波要素特征的分析，H取有效波高3 m；A為0.125°×0.125°分辨率下海域內格點總數。

由于模型每小時輸出1筆數據，因此每個網格點每天有24筆波浪數據，若在這24 h的數據中，有任何一個時刻海域內的大浪區面積占比α≥設定的閾值，則認為該日該海域滿足了波要素判別標準。

為了確定α閾值，首先定義如下4個指標以評價α閾值的優劣性：1）波要素判別標準下全年滿足該標準的天數；2）全年中被《公報》冷空氣浪災害收錄的天數；3）重合天數，即全年中既滿足波要素標準，又被《公報》冷空氣浪災害收錄的天數；4）重合度，即重合天數與《公報》收錄天數的比值。

取0.05、0.1、0.15、0.2四個特征值，從中篩選出最為合適的閾值。統計結果顯示，當α閾值取0.05時，重合度最高，但此閾值下滿足波要素標準的天數太多，平均每年超過200 d，不利于分析冷空氣浪的典型特征。當α閾值取0.15、0.2時，滿足波要素標準的天數下降到年均200 d以內，但兩者對應的平均重合度偏低，均低于70%。而閾值取0.1時，滿足波要素標準的天數低于年均200 d，平均重合度也達到76.64%。綜合考量下，本研究設定α閾值為0.1。因此，冷空氣浪的波要素判定條件即：若某個海域1 d內任一時段出現α≥0.1，則認為該海域該日滿足了發生冷空氣浪的波要素標準。α=0.1時的篩選結果如表2所示。

表2 α=0.1時的篩選結果Table 2 Screening results whenα=0.1

在α的閾值取0.1的條件下，有些日期沒有滿足冷空氣浪的波要素判定條件，但也被《公報》收錄。這是因為海洋災害是多方面因素綜合作用的結果，不僅與致災因子（如波浪、強風）的破壞力有關，也與承災體（如船只、堤壩）的脆弱性有關[11]。即使是在海浪很小、氣象溫和的情況下，人為失誤也可能引發海洋災害。因此本研究認為被《公報》收錄但不滿足波要素判定標準的冷空氣浪記錄代表性不足，僅將既達到波要素判定標準又被《公報》收錄的日期作為有效記錄。

3.2 冷空氣浪的風要素判別標準

冷空氣浪發生時海域內的風場一般呈現2種狀態：存在影響范圍較大、風速也較大的大風區，存在影響范圍較小但是風速極大的強風，后者的出現更難以預測。因此風要素標準要從2個方面考慮，其一是作為大風判定標準的風速閾值，其二是大風區占比，即風速≥上述閾值的大風區面積與海域總面積的比值。根據上述對冷空氣浪發生時風要素特征的分析，建議取10 m/s（記作U1）和15 m/s（記作U2）兩個特征值，從中篩選出最合適的風速閾值，U1和U2對應的大風區面積占比β1、β2可按式（2）、式（3）計算：

式中：β1、β2為2種不同風速標準下大風區面積占比；b1為某時刻海域內風速≥U1的格點數量；b2為某時刻海域內風速≥U2的格點數量；B為CFSR風場空間分辨率（0.5°×0.5°）下的海域內格點總數。

由于本研究所用的CFSR風場具有6 h的時間分辨率，因此每個網格點每天都有4筆數據，分別代表4個時刻。若某海域某天的任意時刻β1或β2的值≥其閾值，則認為該海域該日滿足冷空氣浪的風要素條件。為了充分考慮大風速情況的危險性，β2的閾值選為0，意味著海域內只要出現風速≥U2的格點，就判定滿足風要素條件。

為了確定β1閾值，首先建立5個指標以評價β1閾值的優劣：1）全年中滿足波要素判別標準的天數；2）全年中同時滿足波要素和風要素判別標準的天數；3）全年中被《公報》冷空氣浪災害收錄的有效天數；4）重合天數，即全年中既滿足風要素、波要素標準，又是《公報》中有效記錄的天數；5）保留率，即重合天數與《公報》收錄的天數的比值。

取0.1、0.2、0.3、0.4四個特征值，從中篩選出最合適的閾值。統計結果顯示：β1閾值取0.3或0.4時，各年份的平均保留率較低，不足72%，因此排除這2個特征值。β1閾值取0.1時，各年份的平均保留率為83.04%，同時滿足波要素和風要素的天數占滿足波要素的天數的67.40%。β1閾值取0.2時，各年份的平均保留率為75.84%，同時滿足波要素和風要素的天數占滿足波要素的天數的49.61%。許富翔[3]曾經做過統計，在中國近海，冷空氣浪發生次數約占災害性海浪發生次數的47.0%。因此，綜合考量后將β1閾值取為0.2。β1閾值取0.2時的篩選結果如表3所示。

表3 β1=0.2時的篩選結果Table 3 Screening results whenβ1=0.2

3.3 波要素標準與風要素標準獨立性檢驗

為了驗證波要素標準和風要素標準在篩選冷空氣浪的過程中是否各自起到了獨立的作用，對2004—2016年的波浪、風數據分別按照3種標準進行篩選：1）同時考慮波要素標準和風要素標準篩選； 2）僅按照波要素標準篩選； 3）僅按照風要素標準篩選。結果由表3可知：平均每年有88 d既符合波要素標準也符合風要素標準，明顯小于平均每年符合波要素標準的天數（177 d）和平均每年符合風要素標準的天數（114 d）。這說明本研究采用的波要素標準和風要素標準形成了互補關系，將兩者同時納入冷空氣浪的判別標準中是很有必要的。

4 結語

本文從波要素標準和風要素標準兩個方面建立了中國近海冷空氣浪的參數化判別標準，在一定程度上彌補了我國在冷空氣浪定義方面的空白。判別標準具體表述為：針對中國海域，若在1 d內的任意時段同時滿足大浪區面積占比α≥0.1且大風區面積占比β1≥0.2或β2≥0的條件，則認為該海域當日發生了冷空氣浪。

由于前人的研究并未涉及冷空氣浪的參數化定義，因此本文的研究屬于探索性研究，有待于進一步補充和完善。本文提出的冷空氣浪定義只局限于中國近海范圍內，若要建立普適性更強的冷空氣浪參數化標準，需要進一步分析世界其他海域的冷空氣浪數據。同時，本文在訂立波要素標準、風要素標準時，只考慮了有效波高和北向風速2個變量，后續還可以引入更多的波浪、氣象參數，如波向、波周期、風區、風時等，以獲得更為準確的冷空氣浪判定標準。