共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
3.
近年来,在美国风暴潮数值预报中,Jelesnianski提出了一个剖面预报模式(以下简称杰氏模式),在作业上是很独特的。这一模式在某种合理规定的限度内,充分显示出预报基本风暴潮的技巧,并已成功地对美国东海岸及墨西哥湾沿岸的风暴潮进行了预报。因此,目前已被美国国家天气服务局确定为风暴潮的业务预报工具。
杰氏模式源于风暴潮的流体动力学方程组的数值解。与其他研究者不同的是:它在业务预报实践中,只要利用事先算好的一个在“标准海域”中、由“标准风暴”引起的内边界增水剖面,然后,通过预报海域的风场订正因子和深度订正因子进行修正,使其与实际海域和实际风暴相一致,就可作出预报。由于用这种方法所给出的结果是一条沿海域内边界的风暴潮剖面图,故称为风暴潮剖面预报方法。应用这种方法所需的基本资料是:风暴移行速度、风暴相对于海岸线的移动方向、最大风速半径、风暴中心气压及风暴登陆点附近的海域水深。因此,只要深度剖面订正值为已知,台风强度及登陆点预报得准确,利用杰氏模式就可以很快作出离风暴登陆点不同距离的沿岸增水高度及最大增水出现位置的预报。为此,我们进行了杰氏风暴潮剖面预报方法在我国的应用试验和研究。应该指出,这种方法不仅对台风暴潮的预报有用,而且对确定港工建筑,防潮工程等极值水位的设计也有其重要的应用价值。
杰氏模式能否应用到我国台风暴潮预报业务中的问题,关键在于如何确定最大风速半径以及我国沿岸的深度订正因子。实践表明:当我们确定了这两个参数后,应用杰氏方法对我国东南沿海登陆型台风进行后报,获得满意的结果。本文中,我们将着重讨论如何确定最大风速半径和给出深度订正因子问题。并简单介绍其他参数的选取方法及怎样预报台风暴潮剖面,对杰氏模式则不拟过多涉及。 相似文献
4.
为研究江苏近海海域风暴潮的特性以及为该海域风暴潮增水变化机理及后报做铺垫,本文基于FVCOM(Finite Volume Coast and Ocean Model)海洋模式和Jelesnianski圆形台风风场模型,建立了江苏近海风暴潮数值模型,并对江苏近海的天文潮以及1109号台风和1210号台风引起的风暴潮进行模拟。结合验潮站水位观测,研究了连云港站和吕泗站的天文潮和风暴潮增水过程。我们将风暴潮与天文潮非线性作用下的风暴潮增水和纯风暴潮增水过程进行对比,讨论了天文潮与1109号和1210号台风风暴潮之间的非线性作用引起的增水特征。结果均表明,在天文潮高潮时,天文潮和风暴潮之间的非线性作用可以抑制增水,在天文潮低潮时,天文潮和风暴潮之间的非线性作用有利于增水。除了气象因子以及天文潮和风暴潮之间的非线性作用外,该海区的地理环境也对台风风暴潮增水产生影响。因此对江苏近海的海岸线变化和浅滩地形变化进行敏感性试验,结果表明,本文所设计的海岸线变化对该海域的风暴潮增水影响较小,江苏沿海岸线的向外推移使得江苏海域风暴潮的增水略微上涨,而本文所设计的地形的变化对风暴潮增水影响较大。 相似文献
5.
浙江海洋经济飞速发展,突显了研究沿海地区台风暴潮等自然灾害的重要性.本研究采用无结构三角形网格有限体积海洋数值模型,模拟了宁波近海台风暴潮可能最大增水.首先选取0407号强台风“蒲公英”的增水过程进行宁波近海可能最大增水的后报分析,其结果与东海的4个地面台站水位资料相比显示后报结果的平均绝对误差为0.075 m,平均相对误差为1.32%.然后,利用该模式对1997 ~ 2012年期间影响宁波近海的15个典型台风进行了台风暴潮可能最大增水的后报,误差统计显示后报的水位平均绝对误差为0.160 m,相对误差为2.95%.最后,通过引入风暴潮集合预报技术,利用假想台风进行了预报试验,结果表明宁波近海台风暴潮的可能最高水位为7.735 m.这些研究结果可为宁波近海重点工程海域的风险评估与区划提供重要的参考. 相似文献
6.
7.
《应用海洋学学报》2015,(4)
在准直角坐标下建立了粗细矩形网格嵌套的宁波市台风暴潮数值模式,模式细网格空间分辨率为2',对影响宁波市1949~2007年间的41次台风过程的风暴潮增水进行了后报模拟,将模拟的94个站次的风暴潮增水峰值前后2 d的数据与实测值进行了对比和误差统计,平均绝对误差为23.6 cm,平均相对误差27.6%,说明模式是成功的.进而,引入福建省风暴潮漫堤预警辅助决策模式"一种基于台风路径预报概率圆的风暴潮集合预报模式和基于假想台风增水数据库的风暴潮增水快速预报算法",并集成地理信息系统,建立了宁波市风暴潮漫堤预警辅助决策系统,系统可对宁波市的海塘在台风期间进行风暴潮漫堤预警报.系统于2012年在宁波市水文气象站投入试运行,1209号台风"苏拉"和1211号台风"海葵"的预报结果表明,集合预报结果比单一路径预报结果有不同程度的改善,该集合预报技术可以有效的解决由于台风路径预报偏差引起的风暴潮预报漏报和误报问题,证明模式在宁波市的应用是成功的,为其在更多区域的推广应用提供参考. 相似文献
8.
风暴潮增水是风暴潮与天文潮相互作用理论研究的基本内容,也是风暴潮预报中的重要问题。最大余水位的产生机制对于提高预报精度及海岸带防护有着重要意义。为研究全日潮海域风暴潮增水中的全日扰动和半日扰动,对Horsburgh与Wilson的风暴潮余水位模型进行了改进和扩展,建立了包括多个分潮的余水位分解方法并将其应用于防城港站,对台风"启德"和"山神"影响下的潮位过程进行了分析。结果显示,建立的余水位的分解方法对于全日分潮和半日分潮有良好的适用性。由于高频分潮产生机制的复杂性,该方法对高频分潮应用尚需进一步研究。在全日潮的防城港海域,全日扰动与半日扰动具有相同的量级,二者的和约占总增水的15%~19%。台风过程不同,相位变化项和局地变化项对增水的贡献有较大差异。 相似文献
9.
10.
11.
覆盖中国沿海地区的精细化台风风暴潮模型的研究及适用 总被引:1,自引:1,他引:0
精细化风暴潮预报是目前风暴潮预报重点发展方向之一,本文首次建立起了一个覆盖整个中国沿海地区的精细化台风风暴潮数值模型,克服了以往分区域数值模型的不足,该模型在中国沿海地区的分辨率达到300m左右。模型采用了并行计算,并对2012年和2013年灾害性台风风暴潮过程进行了数值检验,计算精度和计算所用时间都能够满足业务化运行的要求。本文同时还根据中国气象局、美国国家气象局等5家主要台风预报机构给出的24h台风预报,对2013年度灾害性台风风暴潮过程进行了24h数值预报检验,检验结果表明:根据中国气象局台风登陆前24h预报可以得到更准确的风暴潮预报结果,其预报结果优于其他各家预报结果。该结论可以为今后的台风风暴潮预报中台风路径的选取提供重要的参考。 相似文献
12.
广东省沿海防潮减灾研究概述 总被引:5,自引:0,他引:5
广东濒临南海,海岸线长,热带气旋活动频繁,历史风暴潮灾害严重。例如1969年7月28日的6903号风暴潮在粤东造成严重的灾害;1980年7月22日的8007号台风造成粤西的南渡站最高风暴潮达594cm,是我国有验潮记录以来的最大值(也是西太平洋沿岸国家的最大值),居世界第5位。针对广东沿海风暴潮灾的主要特点,本文就其防潮减灾提出以下3个观点:(1)深入了解和研究广东省沿海潮灾史,对做好防潮减灾工作具有十分重要的现实意义,同时对防潮减灾规划的制定与沿海防潮工程的设计也具有不可代估的参考价值:(2)做好广东省沿海防潮减灾的工程措施有着同样重要性,一般的防潮工程,甚至高标准防潮堤,在灾难性风暴潮袭击下也会产生一定的风暴潮灾害;(3)加强广东省的非工程防潮措施方面工作和研究,准确及时的风暴潮预报是预防和减轻灾害的主要非工程措施:要求作业人员对经验预报能熟练运用及掌握;普遍推广风暴潮数值预报;开展业务化高分辨率风暴潮漫滩数值预报研究工作。 相似文献
13.
台风预报的准确性在风暴潮预报中起着重要作用。台风强度和路径的不确定性意味着使用集合模式来预报风暴潮。本文利用中央气象台的最优路径台风参数驱动国家海洋环境预报中心业务化的水动力学模型,开展华南沿海的风暴潮模拟,模式模拟结果与实测吻合较好。为了改进计算效率,采用CUDA Fortran 语言对模型进行了改造,改造后的模型在计算结果与原模型基本一致的基础上,计算时间缩短了99%以上。通过融合欧洲中期天气预报中心(ECWMF)的50条路径与3种可能台风强度构造出了150个台风事件,并用150个台风事件驱动改进的风暴潮数值模型,计算结果可以提供集合预报产品和概率预报产品。通过“山竹”台风风暴潮过程可以发现集合平均预报结果和概率预报结果与实测吻合较好。改进的数值模型可以运行普通工作站上,非常适合风暴潮集合预报,并且可以提供更好的决策产品。 相似文献
14.
15.
16.
17.
18.
作为破坏性最强的海洋灾害,风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失,运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系,由于评估指标数据高度非线性,采用核主成分分析(KPCA)对高维非线性数据进行降维优化,并利用径向基函数(RBF)神经网络对降维后的数据进行训练,从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试,结果表明,KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势,预测结果精度高,学习收敛速度快,对风暴潮灾害数据序列有较好的非线性拟合能力。 相似文献
19.
台风的风暴潮是台风引发的一种重要次生灾害,对沿海城市带来的威胁是多方面的。及时准确地预报风暴潮,对沿海地区采取合理措施减少人员伤亡和经济损失具有重要意义。本文利用长短期记忆神经网络 (LSTM) 模型,综合考虑风速、
风向、气压等气象因素和前时序的潮位数据,建立了风暴潮的临近预报模型。结果表明,基于 LSTM 的临近预报模型具有相当的预报技巧,利用前时序的风速和风向数据以及潮位数据建立的模型可对风暴潮潮位进行准确地预测。研究还表明,仅考虑前时序潮位的预测模型误差最大,考虑气压后的模型预测能力有一定进步,而考虑风的要素以后,预测的效果提升更为明显。 相似文献