CN113468773B - 全球台风浪数值模拟方法及系统 - Google Patents
全球台风浪数值模拟方法及系统 Download PDFInfo
- Publication number
- CN113468773B CN113468773B CN202110462043.1A CN202110462043A CN113468773B CN 113468773 B CN113468773 B CN 113468773B CN 202110462043 A CN202110462043 A CN 202110462043A CN 113468773 B CN113468773 B CN 113468773B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- wave
- global
- data
- wind speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004088 simulation Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 238000012876 topography Methods 0.000 claims abstract 2
- 239000003570 air Substances 0.000 claims description 69
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000013178 mathematical model Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 239000012080 ambient air Substances 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 8
- 229920001917 Ficoll Polymers 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000010187 selection method Methods 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 229910052731 fluorine Inorganic materials 0.000 claims description 2
- 125000001153 fluoro group Chemical group F* 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 abstract description 4
- 238000013524 data verification Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- VJJPUSNTGOMMGY-NBJJDLTASA-N (8aR,9R)-5-[[(2R,4aR,6R,7R,8R,8aS)-7,8-dihydroxy-2-methyl-4,4a,6,7,8,8a-hexahydropyrano[3,2-d][1,3]dioxin-6-yl]oxy]-9-(4-hydroxy-3,5-dimethoxyphenyl)-5a,6,8a,9-tetrahydro-5H-isobenzofuro[6,5-f][1,3]benzodioxol-8-one Chemical compound COC1=C(O)C(OC)=CC([C@@H]2C3=CC=4OCOC=4C=C3C(O[C@H]3[C@@H]([C@@H](O)[C@@H]4O[C@H](C)OC[C@H]4O3)O)C3[C@@H]2C(OC3)=O)=C1 VJJPUSNTGOMMGY-NBJJDLTASA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 241000345998 Calamus manan Species 0.000 description 2
- 235000012950 rattan cane Nutrition 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种全球台风浪数值模拟方法及系统，具体包括如下步骤：建立历史台风信息数据库；建立全球实测气象及海浪数据库；利用MIKE‑CMAP的基础岸线及地形数据制作区域地形，作为全球台风及台风浪模型的地形输入数据；形成全球台风数据库；形成全球台风浪数据库。本发明所述的全球台风浪数值模拟方法及系统，引入了多源的台风路径数据保证每一场台风路径的完整性与正确性，并将路径数据统一至1小时的精度。同时风场采用非对称性台风场，修正了模型参数经过大量数据验证提高了模型计算的准确性。引入大量的工程实测数据，并进行了岸线的精细化处理，保证台风浪模型的准确性。
Description
技术领域
本发明属于台风预防领域，尤其是涉及一种全球台风浪数值模拟方法及系统。
背景技术
台风及台风浪是海岸工程建设及运营维护中考虑的重要因素，它对海岸工程建筑物的安全、船舶作业等产生直接影响，进而影响港口建设及运营的经济效益和安全性。因此准确模拟台风及台风浪，并提供精确的建设期波浪条件和运营期波浪条件，对中国沿海及海上“丝绸之路”的海岸工程建设、运营有着非常重要的经济及安全意义。中国企业在涉海工程建设时经常面临海况复杂的自然条件，例如孟加拉湾及阿拉伯海受台风浪及印度洋涌浪的联合作用。这些项目多面临获取波浪基础数据困难的问题。国际上应用较多的波浪数据库有美国NOAA风浪模型(Wind Wave Model；WAVEWATCH III)、欧洲ECMWF的海浪数值模型(Wave Modelling Project；WAM)及丹麦DHI的全球波浪模型(Global Wave Model；GWM)。根据使用经验，这些数据均存在台风浪要素被低估的问题，可以进行海域海况的基本特征分析并不直接用来进行工程设计。迫切需要建立一套集合全球台风基础信息库、实测台风及海浪数据库、全球台风及台风浪数据库的全球台风及台风浪数据系统，为港口的运营和生产提供技术支撑。
发明内容
有鉴于此，本发明旨在提出一种全球台风浪数值模拟方法及系统，以解决上述的不足之处。
为达到上述目的，本发明的技术方案是这样实现的：
一方面，本发明提供了一种全球台风浪数值模拟方法，具体包括如下步骤：
(1)通过搜集历史台风资料，建立历史台风信息数据库，作为台风计算的基础资料；
(2)基于全球浮标、全球卫星及工程实测获取气象波浪数据，建立全球实测气象及海浪数据库；
(3)利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球非对称台风场数学模型及SWAN海浪模型的地形输入数据；
(4)利用非对称台风场数学模型，结合步骤(1)中搜集的历史台风信息数据，推算得到海域任意时刻的台风风速与风向数值，并将推算得到的结果与实测结果对比，对非对称台风场数学模型进行验证优化，形成全球台风数据库；
(5)将步骤(2)中搜集的实测气象波浪数据，利用SWAN海浪模型，计算过去历史台风浪形成过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数，并得到相应的波谱参数，对SWAN海浪模型进行优化，得到各个海域的所有台风浪形成过程，形成全球台风浪数据库。
进一步的，所述步骤(1)中，历史台风信息数据包括台风路径数据。
进一步的，所述步骤(2)中，全球实测气象海浪数据库所包含的数据包括深海海域海浪数据和近岸海域海浪数据；
深海海域海浪数据包括风速、风向、波高、波周期及波向参数；
近岸海域海浪数据包括风速、风向、波高、波周期及波向参数。
进一步的，所述步骤(3)中，地形数据包含区域的岸线信息及海洋的水深信息。
进一步的，所述步骤(4)中的非对称台风场数学模型包括气压分布模型、环流风速模型和移行风速模型；
移行风速模型的创建公式如下：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
气压分布模型创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
进一步的，所述步骤(4)中，全球台风数据库根据步骤(1)中搜集的历史台风信息数据，采用非对称台风参数模型并结合步骤(3)中制作的区域地形推算区域中各节点的风速及风向。
进一步的，所述步骤(5)中，全球台风浪数据库，是根据步骤(4)中计算的台风风速与风向数据，驱动海浪模式SWAN推算步骤(3)制作的区域地形中各节点的波浪信息，波浪参数将分为全波，涌浪和风浪输出，参数类型包括有效波高Hm0、谱峰周期TP、跨零平均周期T02、波能平均周期T-10、主波向PWD、平均波向MWD、波方向标准差DSD，波浪谱输出包括频谱及方向谱。
另一方面，本发明提供了一种全球台风浪数值模拟系统，包括：
全球台风路径信息基础数据库模块，用于存储历史台风资料，作为台风计算的基础资料；
全球实测气象和海浪资料数据模块，基于全球浮标、全球卫星及工程实测获取气象波浪数据，建立全球实测气象及海浪数据库；
全球台风多发区域地形模块，利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球非对称台风场数学模型及SWAN海浪模型的地形输入数据；
全球台风风场数据库模块，利用非对称台风场数学模型，结合全球台风路径信息基础数据库模块中的历史台风信息数据，推算得到海域任意时刻的台风风速与风向数值；
全球台风浪数据库模块，利用SWAN海浪模型，计算过去历史台风浪形成过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数。
进一步，所述全球台风风场数据库模块还包括非对称台风场数学模型子模块；
所述非对称台风场数学模型子模块包括气压分布模型单元、环流风速模型单元和移行风速模型单元；
所述移行风速模型单元的创建公式如下：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
气压分布模型单元创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型单元创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
相对于现有技术，本发明所述的全球台风浪数值模拟方法具有以下优势：
(1)本发明所述的全球台风浪数值模拟方法，引入了多源的台风路径数据保证每一场台风路径的完整性与正确性，并将路径数据统一至1小时的精度。同时风场采用非对称性台风场，修正了模型参数经过大量数据验证提高了模型计算的准确性。引入大量的工程实测数据，并进行了岸线的精细化处理，保证台风浪模型的准确性。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的全球台风浪数值模拟方法流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，全球台风浪数值模拟方法，具体包括如下步骤：
(1)通过搜集中国气象局和美国JTWC发布的历史台风资料，建立历史台风信息数据库，得到1945年～2019年在全球各个海域发生的台风数据，作为台风计算的基础资料。
(2)通过搜集全球浮标、全球卫星及工程短期实测气象波浪数据，建立全球实测气象及海浪数据库，得到全球不同海域的风速、波浪监测资料。与模型模拟结果对比，修正台风及台风浪模型参数。
(3)全球台风高发海域的地形制作。利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球台风及台风浪模型的地形输入数据。
(4)建立全球台风数据库。利用经过验证的非对称台风场数学模型，计算过去历史台风过程，得到海域任意时刻的台风风速与风向数值。得到1945-2019年各个海域的所有台风过程，形成实用型数据库。
(5)建立全球台风浪数据库。利用SWAN海浪模型，计算过去历史台风浪过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数，并得到相应的波谱参数。得到1945-2019年各个海域的所有台风浪过程，形成实用型数据库。
步骤(1)中获取的历史台风信息包含台风中心位置、中心最大风速、中心气压值。目前常用的台风数据主要有：美国联合台风警报中心(Joint Typhoon Warning Center,简称JTWC)最佳台风路径数据(1950～2017年)和日本气象厅(Japan MeteorologicalAgency,简称JMA)最佳台风路径观测资料整编(1951～2017年)等。以下以JTWC台风数据为例来说明台风数据的下载方法：首先选择需要数据的区域，主要有西北太平洋、南半球和北印度洋的台风数据；下载台风路径文件和台风轨迹，分别为txt格式和kml格式，台风路径文件主要是给出了某一场台风运行轨迹的经纬度坐标、最大台风半径、最大风速、台风中心气压等台风参数；台风轨迹主要是加载入google.earth中，以便于直观的观察台风的运行轨迹。台风路径的时间精度时6小时，模型计算时实现路径数据插值至1小时精度。
步骤(2)中全球实测气象海浪数据库包含了日本、某地区及中国公开的长期深海实测风速、风向、波高、波周期及波向参数。全球部分近岸海域短期的实测的风速、风向、波高、波周期及波向参数。
步骤(3)中全球台风高发海域包含四个分别为西北太平洋海域、北印度洋海域、东非海域及墨西哥湾海域。地形数据包含区域的岸线信息及海洋的水深信息。
步骤(4)中的非对称台风场数学模型包括气压分布模型、环流风速模型和移行风速模型；
移行风速模型的创建公式如下：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
台风云墙附近最大风速出现处与台风中心的径向距离被定义成最大风速半径R，R是台风气压场、风场模型中最关键的参数之一。最大风速半径R的选取直接影响到风场的尺度和风速(气压)的分布，亦即影响到风场的真实性。即使一个很好的风场模式，假如R的值选取不当，也会造成不好的结果；反之，即使风场模式不太好，通过适当调整R值，也会使结果得到改善。
但是在我国由于各方面的原因，一般的气象台站台风参数实况分析并不包括最大风速半径R，而代之以近中心最大风速和某一风速的风圈半径，因此需要寻求最大风速半径与已知变量之间的关系。
气压分布模型创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
步骤(4)中，全球台风数据库根据步骤(1)中搜集的历史台风信息数据，采用非对称台风参数模型并结合步骤(3)中制作的区域地形推算区域中各节点的风速及风向。
本文理论模型模拟采用的压差修正系数α大约在0.75-0.85之间。
步骤(5)中全球台风浪数据库，是根据(4)中计算的台风风场数据，驱动第三代海浪模式SWAN推算(3)中计算区域中各节点的波浪信息。波浪参数将分为全波(Total Wave)，涌浪(Swell)，和风浪(Wind Sea)输出，参数类型包括有效波高Hm0、谱峰周期TP、跨零平均周期T02、波能平均周期T-10、主波向PWD、平均波向MWD、波方向标准差DSD，波浪谱输出包括频谱及方向谱。
全球台风浪数值模拟系统，包括：
全球台风路径信息基础数据库模块，用于存储历史台风资料，作为台风计算的基础资料；
全球实测气象和海浪资料数据模块，基于全球浮标、全球卫星及工程实测获取气象波浪数据，建立全球实测气象及海浪数据库；
全球台风多发区域地形模块，利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球非对称台风场数学模型及SWAN海浪模型的地形输入数据；
全球台风风场数据库模块，利用非对称台风场数学模型，结合全球台风路径信息基础数据库模块中的历史台风信息数据，推算得到海域任意时刻的台风风速与风向数值；
全球台风浪数据库模块，利用SWAN海浪模型，计算过去历史台风浪形成过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数。
全球台风风场数据库模块还包括非对称台风场数学模型创建子模块；
所述非对称台风场数学模型创建子模块包括气压分布模型单元、环流风速模型单元和移行风速模型单元；
所述移行风速模型单元的创建公式如下：
式中：Px和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
气压分布模型单元创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型单元创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
具体实施流程：搜集全球历史台风路径数据，建立全球台风路径信息基础数据库，其中台风路径信息包含台风发生时间、中心位置、台风中心气压、台风中心最大风速等，此外台风数据的来源包含三种：JTWC美国飓风中心提供了全球三个区域的台风路径信息，分别是西北太平洋区域、北印度洋区域、大西洋区域；中国气象局(CMA)提供了西北太平洋海域的路径信息；日本气象局(JMA)提供了西北太平洋海域的路径信息。
建立全球实测气象和海浪数据库。数据库内容包含浮标及卫星实测风速风向资料和浮标及卫星实测海浪资料。资料的搜集过程包含三个部分：
①卫星高度计气象风速数据的搜集：卫星高度计的波浪数据是指由卫星测得的波浪数据，包括波高、波周期和波向。目前常用的卫星高度计的数据有Jason-1、Jason-2和Jason-3卫星测得的波浪数据，其中Jason-1卫星高度计的波浪数据的时间区间为2002年1月～2013年6月，循环周期为10天左右，轨迹带为254条；Jason-2卫星高度计的波浪数据的时间区间为2008年～2019年9月，循环周期为10天左右，轨迹带为254条；Jason-3卫星高度计的波浪数据的时间区间为2019年10月～至今，循环周期为10天，轨迹带为254条。
②公开的浮标数据资料：搜集到公开的浮标数据目前包括日本沿海的深水波浪实测、某地沿海的浮标实测、中国黄海海域的浮标实测及美国的国际浮标数据。其中日本公开沿海78个浮标站的波浪资料，本发明选取了其中深水18个浮标站的波浪资料，数据的年限是2008年～2020年。某地气象局公布了沿海25个浮标站的数据，每月更新且覆盖之前的数据信息，本发明下载数据年限是2017年07月～至今。中国黄海海域公布了3个海洋测站的波浪及气象实测资料，数据年限是1996年～至今，该数据可通过国家海洋信息中心网站进行下载。美国国家浮标数据中心公布了美国在全球部署的100个左右的锚定浮标和60个左右的C-MAN(Coastal Marine Automated Network)站点，浮标站点主要涵盖了太平洋和大西洋区域，而印度洋区域站点较少，浮标站公布的波浪资料时间分辨率为一小时，可通过美国国家浮标数据中心官网进行数据下载。
③工程实测资料。研究搜集了全球海外工程的部分短期实测海浪数据，该数据由发明单位进行海外工程项目时，自行购买或者测量的气象海浪数据。包括波高、波周期和波向。此类数据的优点在于精度较高，缺点在于部分海域缺乏该实测资料。
全球台风多发区域的地形制作。本发明采用SWAN模型进行台风浪的计算，所采用的网格为非结构化的三角形网格，与结构化网格相比，模型计算的效率较高且三角形网格对边界刻画的效果更优。在网格文件制作过程中采用向岸线区域多级加密的网格划分方式，以增强网格对近岸地形刻画的准确性同时兼顾计算的效率。网格文件的绘制方法：首先将收集到的地形边界数据，采用SMS-ADCIRC实现网格的划分，然后对模拟的区域进行分区处理：深水区，近岸浅水区和过渡水深区；对每个区域分别设置网格的大小，近岸区域网格最细致；深水区最大；最后结合网格生成器即可生成分区块的非结构化的三角形网格，研究选取了四个海域分别进行划分。地形边界的数据来源为美国国家环境信息中心公布的全球海岸线数据，采用GE0DAS数据提取软件进行提取。地形水深数据采用C-MAP是MIKE21软件中自带的地形数据库，集成了全球地形的电子海图数据，主要用于提取近岸区域的水深和陆域边界的数据；深海的水深数据来源为美国公布的ETOP地形数据，ETOP数据有很多数据库，如ETOPO5、ETOPO2和ETOPO1等，目前最新的ETOP数据是分辨率为1’的ETOPO1全球地形模型，包含了陆地地形和海洋水深数据。
全球台风风场数据库的建立。
全球台风风场采用(1)中搜集的台风路径信息，主要包含全球台风的发生时间、中心位置、中心气压、最大风速及台风移速为输入参数。利用非对称台风模型实施计算。在一个完整构建的台风参数模型中，包含气压分布模型、环流风速模型和移行风速模型的合理组合.
其中，移行风速W2用Veno Takeo(1981)的公式(1)表示：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离。
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布取以下形式：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数。台风云墙附近最大风速出现处与台风中心的径向距离被定义成最大风速半径R。
最大风速半径是台风气压场、风场模型中最关键的参数之一。最大风速半径的取值直接影响到风场的尺度和风速(气压)的分布，亦即影响到风场的真实性。即使一个很好的风场模式，假如R的值选取不当，也会造成不好的结果；反之，即使风场模式不太好，通过适当调整R值，也会使结果得到改善。
但是在我国由于各方面的原因，一般的气象台站台风参数实况分析并不包括最大风速半径R，而代之以近中心最大风速和某一风速的风圈半径，因此需要寻求最大风速半径与已知变量之间的关系。
利用改进的藤田(Fujita)公式，确定最大风速半径。改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径。
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，一般台风报文可以提供；R为未知数，表示最大风速半径。
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
本发明理论模型模拟采用的压差修正系数α大约在0.75-0.85之间。
全球台风浪的模拟计算及数据库的建立。
本发明采用SWAN模型进行台风浪的计算，计算时考虑的物理现象及模型参数的设置如下：
台风场驱动台风浪的计算
由于海平面上方空气拖拽作用，风能转化为波能，风能输入方程如下：
Sin(f，θ)＝max[α，γE(f，θ)]
γ＝εβσx2
式中，α，β分别表示线性和非线性成长率，ε指空气与海水的密度比；σ指相对圆频率；c指相速度；θ，θW分别指波向和风向。
2)潮位对波浪的作用
潮位在深水海域对波浪的影响并不显著，对近岸波浪的运动影响显著。本发明利用各个海域天文潮潮位，作为模型的输入项。
3)非线性波波相互作用
Sn1项为三波相互作用或者四波相互作用，采用DIA法计算，计算式如下：
snl(σ，θ)＝Snl+(σ，θ)+Snl-(σ，θ)
Snl+(σ，θ)＝mas[0，2παEBcxJ2|sinβ|(cE(σ_，θ))-2c_E(σ_，θ)E(σ，Snl-(σ，θ)＝-2Snl+(σ，θ)
式中，αEB指调和参数；J指相互作用参数。
4)白帽能量耗散项
白帽破碎引起的能量损失表达式如下：
5)底摩阻的作用
波浪由深水向近岸的传播过程中，引起海洋水体的运动，水体运动与海底产生的摩擦会导致波能的损失，计算公式如下：
式中，Cf指摩阻系数。
6)波浪破碎项
波浪传播至近岸水浅海域时，水深变浅引起波浪的破碎，破碎产生的波能损失的影响需考虑，波浪破碎项的计算公式如下：
7)模型的验证与参数的率定，对照实测气象海浪数据库在四个计算区域中选取典型的台风过程，并提取典型台风过程中实测点的风速风向和台风浪。利用上述模型计算典型台风过程的台风场和台风浪场，提取实测位置处模拟的风速与风向、台风浪。将实测数据与模拟数据进行对比分析，包含相对误差、离散度、相关性的分析。若代表点处的实测值与模型值之间的误差较大，则修改模型参数，重新进行模型的率定，直至误差在允许的范围之内；若代表点处的实测值与模型值之间的误差在允许范围之内，则进行下一步操作。
8)利用经过验证的台风场及台风浪模型，进行历史台风过程的持续性计算。计算时进行逐年台风风场和风浪的计算，并建立后处理程序，方便对计算区域内任意点进行提取。
9)将波浪数据进行后处理，得到定期更新的波浪时间序列。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.全球台风浪数值模拟方法，其特征在于：具体包括如下步骤：
(1)通过搜集历史台风资料，历史台风信息数据包括台风路径数据，将不同来源的时间间隔的台风路径数据统一至1小时的精度，建立历史台风信息数据库，作为台风计算的基础资料；
(2)基于全球浮标、全球卫星及工程实测获取气象波浪数据，建立全球实测气象及海浪数据库；
(3)全球台风高发海域的地形制作；利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球非对称台风场数学模型及SWAN海浪模型的地形输入数据；全球台风高发海域包含四个分别为西北太平洋海域、北印度洋海域、东非海域及墨西哥湾海域；地形数据包含区域的岸线信息及海洋的水深信息；
(4)利用非对称台风场数学模型，结合步骤(1)中搜集的历史台风信息数据，推算得到海域任意时刻的台风风速与风向数值，并将推算得到的结果与实测结果对比，对非对称台风场数学模型进行验证优化，形成全球台风数据库；
(5)将步骤(2)中搜集的实测气象波浪数据，利用SWAN海浪模型，计算过去历史台风浪形成过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数，并得到相应的波谱参数，对SWAN海浪模型进行优化，得到各个海域的所有台风浪形成过程，形成全球台风浪数据库。
2.根据权利要求1所述的全球台风浪数值模拟方法，其特征在于：步骤(2)中，全球实测气象海浪数据库所包含的数据包括深海海域海浪数据和近岸海域海浪数据；
深海海域海浪数据包括风速、风向、波高、波周期及波向参数；
近岸海域海浪数据包括风速、风向、波高、波周期及波向参数。
3.根据权利要求1所述的全球台风浪数值模拟方法，其特征在于：步骤(4)中的非对称台风场数学模型包括气压分布模型、环流风速模型和移行风速模型；
移行风速模型的创建公式如下：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
气压分布模型创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
4.根据权利要求1所述的全球台风浪数值模拟方法，其特征在于：步骤(4)中，全球台风数据库根据步骤(1)中搜集的历史台风信息数据，采用非对称台风参数模型并结合步骤(3)中制作的区域地形推算区域中各节点的风速及风向。
5.根据权利要求1所述的全球台风浪数值模拟方法，其特征在于：步骤(5)中，全球台风浪数据库，是根据步骤(4)中计算的台风风速与风向数据，驱动海浪模式SWAN推算步骤(3)制作的区域地形中各节点的波浪信息，波浪参数将分为全波，涌浪和风浪输出，参数类型包括有效波高Hm0、谱峰周期TP、跨零平均周期T02、波能平均周期T-10、主波向PWD、平均波向MWD、波方向标准差DSD，波浪谱输出包括频谱及方向谱。
6.全球台风浪数值模拟系统，基于权利要求1-5任一所述的全球台风浪数值模拟方法，其特征在于，包括：
全球台风路径信息基础数据库模块，用于存储历史台风资料，作为台风计算的基础资料；
全球实测气象和海浪资料数据模块，基于全球浮标、全球卫星及工程实测获取气象波浪数据，建立全球实测气象及海浪数据库；
全球台风多发区域地形模块，利用MIKE-CMAP的基础岸线及地形数据制作区域地形，作为全球非对称台风场数学模型及SWAN海浪模型的地形输入数据；
全球台风风场数据库模块，利用非对称台风场数学模型，结合全球台风路径信息基础数据库模块中的历史台风信息数据，推算得到海域任意时刻的台风风速与风向数值；
全球台风浪数据库模块，利用SWAN海浪模型，计算过去历史台风浪形成过程，得到海域任意时刻的台风浪波高、波周期与波浪数值参数。
7.根据权利要求6所述的全球台风浪数值模拟系统，其特征在于：全球台风风场数据库模块还包括非对称台风场数学模型子模块；
所述非对称台风场数学模型子模块包括气压分布模型单元、环流风速模型单元和移行风速模型单元；
所述移行风速模型单元的创建公式如下：
式中：Vx和Vy为台风移速在x和y方向的分量；R为最大风速半径；r为空气质点距台风中心点的距离；
若将坐标原点取在固定计算域，则台风域中的中心对称风场分布选取方法如下：
当0≤r≤2R时，
当2R＜r＜∞时，
式中：Wx和Wy分别代表风速在x和y方向的分量；ΔP＝P∞-P0代表台风外围气压和中心气压的压差；xc、yc代表台风中心位置；
为质点到台风中心的距离；ρa为空气密度；θ为流入角；C1、C2为常数；f是地转科氏系数；
气压分布模型单元创建方法如下：
公式中引入了环境气压与台风中心气压的压差修正系数α，故Rmax公式如下式所示：
环流风速模型单元创建方法如下：
利用改进的藤田公式，确定最大风速半径，改进的藤田公式为：
P＝P∞-(P∞-PC)[1+2(r/R)2]-1/2[1-(r/R∞)2]
式中：R∞为P＝P∞时距台风中心的距离，即环境气压半径，
将上式对r求导：
式中：
P∞和R∞可由海平面气压场资料确定；PC代表中心气压，台风报文提供；R为未知数，表示最大风速半径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110462043.1A CN113468773B (zh) | 2021-04-27 | 2021-04-27 | 全球台风浪数值模拟方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110462043.1A CN113468773B (zh) | 2021-04-27 | 2021-04-27 | 全球台风浪数值模拟方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113468773A CN113468773A (zh) | 2021-10-01 |
| CN113468773B true CN113468773B (zh) | 2023-02-03 |
Family
ID=77870500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110462043.1A Active CN113468773B (zh) | 2021-04-27 | 2021-04-27 | 全球台风浪数值模拟方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113468773B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581043B (zh) * | 2022-02-21 | 2023-01-31 | 国家海洋环境预报中心 | 跨网络模块化多源多要素海浪实况分析系统 |
| CN114386294B (zh) * | 2022-03-23 | 2022-07-19 | 北京弘象科技有限公司 | 一种台风环境模型生成方法和装置 |
| CN114676600B (zh) * | 2022-05-27 | 2022-08-23 | 中交第四航务工程勘察设计院有限公司 | 全球波浪数学模型中边界处波浪的联通方法和装置 |
| CN116595913B (zh) * | 2023-07-17 | 2023-09-22 | 自然资源部第一海洋研究所 | 一种提高海洋模型精度的台风风场模拟仿真系统及方法 |
| CN116611270B (zh) * | 2023-07-20 | 2023-10-03 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种台风浪实时集合预报方法、介质及系统 |
| CN116702656B (zh) * | 2023-08-03 | 2023-12-15 | 深圳市广汇源环境水务有限公司 | 一种海堤波浪数学模型的构建方法及消浪系统 |
| CN117909666B (zh) * | 2024-03-19 | 2024-07-02 | 青岛哈尔滨工程大学创新发展中心 | 一种融合数值模式及深度学习的海浪智能订正方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108920877A (zh) * | 2018-08-02 | 2018-11-30 | 中交第四航务工程勘察设计院有限公司 | 一种基于mike21-sw模型的全球波浪数值模拟方法 |
| CN112001069A (zh) * | 2020-08-10 | 2020-11-27 | 广州大学 | 一种轴非对称台风风场模拟的方法 |
| CN112016226A (zh) * | 2020-08-13 | 2020-12-01 | 中国地质大学深圳研究院 | 一种海上溢油的三维模拟方法及装置 |
| CN112632792A (zh) * | 2020-12-30 | 2021-04-09 | 中交第一航务工程局有限公司 | 一种基于实测数据和数值模拟的近岸波浪再分析模拟系统 |
-
2021
- 2021-04-27 CN CN202110462043.1A patent/CN113468773B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108920877A (zh) * | 2018-08-02 | 2018-11-30 | 中交第四航务工程勘察设计院有限公司 | 一种基于mike21-sw模型的全球波浪数值模拟方法 |
| CN112001069A (zh) * | 2020-08-10 | 2020-11-27 | 广州大学 | 一种轴非对称台风风场模拟的方法 |
| CN112016226A (zh) * | 2020-08-13 | 2020-12-01 | 中国地质大学深圳研究院 | 一种海上溢油的三维模拟方法及装置 |
| CN112632792A (zh) * | 2020-12-30 | 2021-04-09 | 中交第一航务工程局有限公司 | 一种基于实测数据和数值模拟的近岸波浪再分析模拟系统 |
Non-Patent Citations (3)
| Title |
|---|
| 南海台风特征及台风场数值改进研究;张泽方;《水道港口》;20170430;第38卷(第2期);第150-155页 * |
| 基于WRF与MIKE-SW模式的连云港海域台风浪数值模拟;齐庆辉，等.;《水运工程》;20150731(第7期);第36-41页 * |
| 藤田公式改进及其在台风预报中的应用;陈超辉，等.;《气象科技》;20110228;第39卷(第1期);第1-8页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113468773A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113468773B (zh) | 全球台风浪数值模拟方法及系统 | |
| Gerritsen et al. | The Dutch continental shelf model | |
| CN108920877A (zh) | 一种基于mike21-sw模型的全球波浪数值模拟方法 | |
| Suursaar | Locally calibrated wave hindcasts in the Estonian coastal sea in 1966-2011 | |
| Woodworth | Differences between mean tide level and mean sea level | |
| CN111292214B (zh) | 一种计算高精度中国近海海浪特征分布的方法 | |
| CN111680408A (zh) | 一种用于海上风电的风资源图谱绘制方法及装置 | |
| CN115423955B (zh) | 一种基于多源数据的最优深度基准面大地高模型构建方法 | |
| Dunkle et al. | Pacwave wave resource assessment | |
| Lanerolle et al. | The second generation Chesapeake Bay operational forecast system (CBOFS2) model development and skill assessment | |
| CN117150944A (zh) | 一种跨海桥梁高精度波浪后报与预报模拟方法 | |
| CN115586591A (zh) | 风暴潮的自动预报方法以及装置 | |
| Boretti | An alternative procedure to compute the sea-level acceleration from long-term-trend tide gauge records | |
| Gastón et al. | Wind resources map of Spain at mesoscale. Methodology and validation | |
| Myers et al. | VDatum and strategies for national coverage | |
| Myers et al. | Development of a National VDatum, and its application to sea level rise in North Carolina | |
| NOAA | Technical Considerations for Use of Geospatial Data in Sea Level Change Mapping and Assessment | |
| Stepek et al. | Validation of KNW atlas with publicly available mast observations (Phase 3 of KNW project) | |
| CN118424213B (zh) | 基于多源卫星测高数据的深度基准面大地高模型构建方法 | |
| CN111368474A (zh) | 海流流速预报方法、装置及电子设备 | |
| Feyen et al. | Development of a continuous bathymetric/topographic unstructured coastal flooding model to study sea level rise in North Carolina | |
| Arab | Simulating Wave Dynamics in the Northern Gulf of Mexico and Barataria Pass | |
| CN116204836B (zh) | 一种河口滩涂红树林宜林区筛选方法 | |
| CN111695250B (zh) | 一种内潮波特征提取方法 | |
| Hallé | Predicting Runoff for a Drinking Water Catchment in Southwest Greenland |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |