风能输入参数对珠江口波浪模拟的影响

李少钿; 李毅能; 李骏旻; 张志旭; 刘春霞; 彭世球

doi:10.16032/j.issn.1004-4965.2022.049

风能输入参数对珠江口波浪模拟的影响

doi: 10.16032/j.issn.1004-4965.2022.049

李少钿^{1, 2},
李毅能^{1, 2},
李骏旻^{1, 2},
张志旭¹,
刘春霞³,
彭世球^{1, 2, 4, ,}

1.
中国科学院南海海洋研究所/热带海洋环境国家重点实验室和中国科学院科学与技术应用实验室，广东广州 511458
2.
南方海洋科学与工程广东省实验室（广州），广东广州，511458
3.
中国气象局广州热带海洋气象研究所，广东广州，510641
4.
北部湾大学/广西北部湾海洋灾害研究重点实验室，广西钦州，535011

基金项目:

广东省重点领域研发计划项目 2019B111101002

南方海洋科学与工程广东实验室（广州） GML2019ZD0303

南方海洋科学与工程广东实验室（广州） 2019BT2H594

国家自然科学基金项目 41890851

国家自然科学基金项目 41931182

国家自然科学基金项目 41676016

国家自然科学基金项目 41776028

国家自然科学基金项目 U20A20105

国家自然科学基金项目 U21A6001

中国科学院空间科学战略性先导科技专项 XDA19060503

中国科学院空间科学战略性先导科技专项 XDA15020901

中国科学院科技项目 ZDRW-XH-2019-2

中国科学院科技项目 ISEE2018PY05

中国科学院科技项目 133244KYSB20180029

广西重点研发计划桂科AB18294047

详细信息

通讯作者:
彭世球，男，广西壮族自治区人，研究员，博士，主要从事海洋数值模式与资料同化研究。E-mail: speng@scsio.ac.cn

中图分类号: P435
计量
- 文章访问数: 49
- HTML全文浏览量: 7
- PDF下载量: 5
- 被引次数: 0
出版历程
- 收稿日期: 2022-01-12
- 修回日期: 2022-05-08
- 网络出版日期: 2022-10-25
- 刊出日期: 2022-08-20

IMPACT OF WIND INPUT PARAMETERIZATIONS ON WAVE SIMULATION IN PEARL RIVER ESTUARY REGION

LI Shaotian^{1, 2},
LI Yineng^{1, 2},
LI Junmin^{1, 2},
ZHANG Zhixu¹,
LIU Chunxia³,
PENG Shiqiu^{1, 2, 4
, ,}

1.
State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology and Key Laboratory of Science and Technology on Operational Oceanography, Chinese Academy of Sciences, Guangzhou 511458, China
2.
Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
3.
Guangzhou Institute of Tropical and Marine Meteorology, China Meteorological Administration, Guangzhou 510641, China
4.
Guangxi Key Laboratory of Marine Disaster in the Beibu Gulf, Beibu Gulf University, Qinzhou, Guangxi 535011, China

摘要

摘要: 珠江口是粤港澳大湾区的核心区域，台风、风暴潮和巨浪等海洋灾害频发，对沿岸人民的生命财产安全构成严重威胁。准确的高分辨率波浪模拟/预报对区域经济建设和防灾减灾具有重要意义。波浪预报/模拟的质量很大程度上取决于风能输入的误差。本研究基于WAVEWATCH Ⅲ（WW3）的南海-珠江口双重嵌套精细化海浪模式，探讨不同的风场产品与风能输入参数方案组合对珠江口波浪动力过程模拟的影响，确定最优的风场和参数方案组合。ERA5风场更适合珠江口海域的风浪模拟，其模式结果略优于采用CFSR风场的模式结果。ERA5风场+T500方案的组合对珠江口波高变化过程的模拟效果最好，ERA5风场+T471方案的组合次之，ERA5风场+ST6方案再次之。CFSR风场与T471f参数方案最为适配，其结果稍差于ERA5风场+ST6参数方案。T500方案调整高风速下的风能输入和涌浪对风能输入的反馈作用，并考虑水深引起的波浪破碎效应，更适合水深限制的珠江口浅水区域。另外，WW3模式开关ST4的参数方案的表现优于开关ST6的参数方案。
- 波浪 /
- 风能输入参数方案 /
- 珠江口 /
- WAVEWATCH Ⅲ
Abstract: The Pearl River Estuary (PRE) locates in the core region of the Guangdong-Hong Kong-Macao Greater Bay Area, where typhoons, storm surge, and huge wave occur frequently and bring great threats to human life and property. Accurate high-resolution wave forecasting / simulation is crucial to regional economic development and disaster prevention and mitigation. The quality of wave forecasting/simulation depends largely on wind input parameterization. Thus, we build up a nested South China Sea-PRE wave model using the WAVEWATCH Ⅲ model v6.07 to evaluate the performance of different wind reanalysis and wind input parameterization on the wave simulation in the PRE region. Compared with the CFSR wind data, ERA5 wind data can help better simulate the surface wave in the PRE region. ERA5 wind data combined with the T500 parameterization provides the best results, followed by the ERA5 + T471 combination. The T500 parameterization tunes the wind input for high winds and includes depth-induced breaking, and thus may be more appropriate for depth-limited conditions. For the CFSR wind data, T471f appears to be the optimal parameterization. However, the results produced by the CFSR + T471f combination are not better than those of ERA5+ST6 combination in terms of both root mean squared error and mean absolute error. Moreover, the ST4 source package performs better than the ST6 source package.
- ocean surface wave /
- wind input parameterization /
- Pearl River Estuary /
- WAVEWATCH Ⅲ

HTML全文

图 1 模式计算区域水深分布

单位：m，含波浪观测站点位。

下载: 全尺寸图片幻灯片

图 2 2014年超强台风“威马逊”（a）和台风“海鸥”（b）期间ERA5和CFSR再分析风场与香港站风速观测对比

下载: 全尺寸图片幻灯片

图 3 2014年台风“威马逊”期间，不同风场产品与风能输入参数方案组合模拟的有效波高（Hsig，a）、平均波向（DIRMN，b）和平均波周期（TMN，c）在观测站位P1的时间变化曲线

下载: 全尺寸图片幻灯片

图 4 2014年台风“威马逊”期间，不同风场产品与风能输入参数方案组合的模拟的有效波高（Hsig，a）、平均波向（DIRMN，b）和平均波周期（TMN，c）在观测站位P2的时间变化曲线

下载: 全尺寸图片幻灯片

图 5 2014年台风“海鸥”期间，不同风场产品与风能输入参数方案组合的模拟的有效波高（Hsig，a）、平均波向（DIRMN，b）和平均波周期（TMN，c）在观测站位P1的时间变化曲线

下载: 全尺寸图片幻灯片

图 6 2014年台风“海鸥”期间，不同风场产品与风能输入参数方案组合的模拟的有效波高（Hsig，a）、平均波向（DIRMN，b）和平均波周期（TMN，c）在观测站位P2的时间变化曲线

下载: 全尺寸图片幻灯片

图 7 台风“海鸥”过境期间（2014年9月15日18:00:00），不同风场和参数方案组合模拟的珠江口海域有效波高（等值线）和平均波向（矢量）空间分布

a. ERA5+T471; b. CFSR+T471f; c. ERA5+T500; d. CFSR+T500; e. ERA5+ST6; f. CFSR+ST6。

下载: 全尺寸图片幻灯片

表 1 WW3模式风能输入项参数方案参数表

参数	WW3变量名	T471	T471f	T500
z_u	ZWND	10.0	10.0	10.0
α₀	ALPHA0	0.009 5	0.009 5	0.009 5
β_max	BETAMAX	1.43	1.33	1.52
p_in	SINTHP	2	2	2
z_α	ZALF	0.006	0.006	0.006
S_u	TAUWSHELTER	0.3	0.3	1.0
S₁	SWELLF	0.66	0.66	0.8
S₂	SWELLF2	-0.018	-0.018	-0.018
S₃	SWELLF3	0.022	0.022	0.015
Re_c	SWELLF4	1.5×10⁵	1.5×10⁵	1.0×10⁵
S₅	SWELLF5	1.2	1.2	1.2
S₆	SWELLF6	0.0	0.0	0.0
S₇	SWELLF7	3.6×10⁵	3.6×10⁵	0.0
z_r	Z0RAT	0.04	0.04	0.04
z_{0, max}	Z0MAX	1.002	1.002	1.002

下载: 导出CSV

表 2 不同的风场产品与风能输入参数方案组合敏感性试验设置

试验名称	试验内容
试验1 ERA5+T471	以ERA5风场驱动WW3模式，风能输入和耗散参数方案为T471
试验2 CFSR+T471f	以CFSR风场驱动WW3模式，风能输入和耗散参数方案为T471f
试验3 ERA5+ST6	以ERA5风场驱动WW3模式，风能输入和耗散参数方案采用开关ST6的默认参数方案
试验4 CFSR+ST6	以CFSR风场驱动WW3模式，风能输入和耗散参数方案采用开关ST6的默认参数方案
试验5 ERA5+T500	以ERA5风场驱动WW3模式，风能输入和耗散参数方案为T500
试验6 CFSR+T500	以CFSR风场驱动WW3模式，风能输入和耗散参数方案为T500

下载: 导出CSV

表 3 ERA5和CFSR再分析风场与2014年7—9月香港站和澳门站风场观测对比

站位	分量	再分析产品	平均偏差/m	均方根误差/m	相关系数
香港站	纬向	ERA5	1.766	2.307	0.810
	风速	CFSR	1.877	2.407	0.791
	经向	ERA5	1.505	1.909	0.678
	风速	CFSR	1.621	2.095	0.634
澳门站	纬向	ERA5	1.270	1.715	0.855
	风速	CFSR	1.363	1.845	0.848
	经向	ERA5	1.301	1.696	0.787
	风速	CFSR	1.508	2.003	0.720

下载: 导出CSV

表 4 不同风场与参数方案组合在珠江口海域的有效波高模拟结果与观测对比

试验	平均偏差/m		平均绝对误差/m		均方根误差/m		相关系数
试验	P1	P2	P1	P2	P1	P2	P1	P2
试验1 ERA5+T471	-0.105 6	-0.089 3	0.257 5	0.198 0	0.281 5	0.245 1	0.950 0	0.970 0
试验2 CFSR+T471f	-0.026 0	-0.002 3	0.256 3	0.213 8	0.320 5	0.325 1	0.945 1	0.954 9
试验3 ERA5+ST6	-0.189 3	-0.179 8	0.302 7	0.252 1	0.312 9	0.291 3	0.951 3	0.968 4
试验4 CFSR+ST6	-0.080 7	-0.067 5	0.305 3	0.248 3	0.380 7	0.359 4	0.940 5	0.952 2
试验5 ERA5+T500	-0.064 9	-0.052 9	0.240 7	0.182 8	0.267 9	0.235 0	0.952 1	0.971 1
试验6 CFSR+T500	0.037 2	0.055 7	0.256 1	0.219 6	0.342 4	0.350 2	0.946 1	0.955 6

下载: 导出CSV

参考文献(31)

[1]	SEMEDO A, SUŠELJ K, RUTGERSSON A, et al. A global view on the wind sea and swell climate and variability from ERA-40[J]. J Climate, 2011, 24(5): 1 461-1 479. doi: 10.1175/2010JCLI3718.1
[2]	SOLOMON S. IPCC (2007): Climate change the physical science basis[Z]. 2007: U43D-01
[3]	魏晓琳, 李江南, 姚才, 等. 台风Krovanh(0312)及其台风浪的数值模拟[J]. 热带气象学报, 2007, 23(6): 673-678. doi: 10.3969/j.issn.1004-4965.2007.06.023
[4]	王欣睿, 娄安刚, 孙波涛. 珠江口近海海域海浪预报方法研究[J]. 海洋通报, 2009, 28(3): 113-6. doi: 10.3969/j.issn.1001-6392.2009.03.017
[5]	伍志元, 蒋昌波, 邓斌, 等. 基于WRF-SWAN耦合模式的台风"威马逊"波浪场数值模拟[J]. 海洋科学, 2018, 42(9): 64-72. https://www.cnki.com.cn/Article/CJFDTOTAL-HYKX201809009.htm
[6]	张洪生, 辜俊波, 王海龙, 等. 利用WAVEWATCH和SWAN嵌套计算珠江口附近海域的风浪场[J]. 热带海洋学报, 2013, 32(1): 8-17. doi: 10.3969/j.issn.1009-5470.2013.01.002
[7]	邱文博, 张永合, 胡轶群, 等. 珠江口附近海域波浪场的数值计算与特征分析[J]. 海洋湖沼通报, 2019, 4: 14-21. https://www.cnki.com.cn/Article/CJFDTOTAL-HYFB201904002.htm
[8]	ALDAY M, ACCENSI M, ARDHUIN F, et al. A global wave parameter database for geophysical applications. Part 3: Improved forcing and spectral resolution[J]. Ocean Modelling, 2021, 166: 101848. doi: 10.1016/j.ocemod.2021.101848
[9]	KALOURAZI M Y, SIADATMOUSAVI S M, YEGANEH-BAKHTIARY A, et al. WAVEWATCH-Ⅲ source terms evaluation for optimizing hurricane wave modeling: A case study of Hurricane Ivan[J]. Oceanologia, 2021, 63(2): 194-213. doi: 10.1016/j.oceano.2020.12.001
[10]	KAZEMINEZHAD M H, SIADATMOUSAVI S M. Performance evaluation of WAVEWATCH Ⅲ model in the Persian Gulf using different wind resources[J]. Ocean Dynamics, 2017, 67(7): 839-855. doi: 10.1007/s10236-017-1063-2
[11]	The WAMDI Group T W. The WAM Model—A Third Generation Ocean Wave Prediction Model[J]. Journal of Physical Oceanography, 1988, 18(12): 1775-1810. doi: 10.1175/1520-0485(1988)018<1775:TWMTGO>2.0.CO;2
[12]	The WAVEWATCH Ⅲ^® Development Group (WW3DG). User manual and system documentation of WAVEWATCH ⅢR version 6.07. Tech. Note 333[R]. 2019, NOAA/NWS/NCEP/MMAB, College Park, MD, USA. https://raw.githubusercontent.com/wiki/NOAA-EMC/WW3/files/manual.pdf.
[13]	冯芒, 张文静, 李岩, 等. 台湾海峡及近岸区域精细化海浪数值预报系统[J]. 海洋预报, 2013, 30(2): 42-8. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201302007.htm
[14]	LI S T, LI Y N, PENG S Q, et al. The inter-annual variations of the significant wave height in the Western North Pacific and South China Sea region[J]. Climate Dynamics, 2021, 56(9-10): 3 065-3 080. doi: 10.1007/s00382-021-05636-9
[15]	ZHENG C W, LI C Y. 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. doi: 10.1016/j.rser.2014.11.001
[16]	陈璇, 郑崇伟, 刘晓光, 等. 最新版WAVEWATCH海浪模式机理简介及个例[J]. 海洋科学前沿, 2016, 3(2): 8-11.
[17]	MIRZAEI A, TANGANG F, JUNENG L, et al. Wave climate simulation for southern region of the South China Sea[J]. Ocean Dynamics, 2013, 63(8): 961-977. doi: 10.1007/s10236-013-0640-2
[18]	HERSBACH H, BELL B, BERRISFORD P, et al. The ERA5 global reanalysis[J]. Quart J Roy Meteor Soc, 2020, 146(730): 1 999-2 049. doi: 10.1002/qj.3803
[19]	BELMONTE RIVAS M, STOFFELEN A. Characterizing ERA-Interim and ERA5 surface wind biases using ASCAT[J]. Ocean Sci, 2019, 15(3): 831-852. doi: 10.5194/os-15-831-2019
[20]	SAHA S. The NCEP Climate Forecast System Reanalysis[J]. Bull Amer Meteor Soc, 2010, 91: 1 015-1 057. doi: 10.1175/2010BAMS3001.1
[21]	SAHA S, MOORTHI S, WU X, et al. The NCEP Climate Forecast System Version 2[J]. J Climate, 2014, 27(6): 2 185-2 208.
[22]	SU H, WEI C, JIANG S, et al. Revisiting the seasonal wave height variability in the South China Sea with merged satellite altimetry observations[J]. Acta Oceanol Sin, 2017, 36(11): 38-50.
[23]	ARDHUIN F, ROGERS E, BABANIN A V, et al. Semiempirical Dissipation Source Functions for Ocean Waves. Part Ⅰ: Definition, Calibration, and Validation[J]. Journal of Physical Oceanography, 2010, 40(9): 1 917-1 941.
[24]	LIU Q, BABANIN A V, ROGERS W E, et al. Global Wave Hindcasts Using the Observation-Based Source Terms: Description and Validation[J]. Journal of Advances in Modeling Earth Systems, 2021, 13(8): e2021MS002493.
[25]	FILIPOT J F, ARDHUIN F, BABANIN A V. A unified deep-to-shallow water wave-breaking probability parameterization[J]. J Geophy Res: Oceans, 2010, 115: co4022, doi: 10.1029/2009JC005448.
[26]	ROGERS W E, BABANIN A V, WANG D W. Observation-Consistent Input and Whitecapping Dissipation in a Model for WindGenerated Surface Waves: Description and Simple Calculations[J]. Journal of Atmospheric and Oceanic Technology, 2012, 29(9): 1 329- 1 346.
[27]	ZIEGER S, BABANIN A V, ERICK ROGERS W, et al. Observation-based source terms in the third-generation wave model WAVEWATCH [J]. Ocean Modelling, 2015, 96: 2-25.
[28]	The SWAN team. User MANUAL SWAN Cycle Ⅲ version 41.31A[R]. 2020, Delft University of Technology, Delft
[29]	AMAROUCHE K, AKPıNAR A, SORAN M B, et al. Spatial calibration of an unstructured SWAN model forced with CFSR and ERA5 winds for the Black and Azov Seas[J]. Applied Ocean Research, 2021, 117: 102962.
[30]	KAISER J, NOGUEIRA I C M, CAMPOS R M, et al. Evaluation of wave model performance in the South Atlantic Ocean: a study about physical parameterization and wind forcing calibration[J]. Ocean Dynamics, 2022, 72(2): 137-150.
[31]	KALOURAZI M Y, SIADATMOUSAVI S M, YEGANEH-BAKHTIARY A, et al. Simulating tropical storms in the Gulf of Mexico using analytical models[J]. Oceanologia, 2020, 62(2): 173-189.