星期三 25 1月 2017
Fontsize: [-] Text [+]

减少海岸洪灾分析中的数据局限性:使用气象代理重建风暴潮。

风暴潮相关的洪灾是全世界很多地方的一个重要问题。可参见在1953年欧洲北海(尤其是荷兰)发生的巨大洪灾案列。中国的黄河三角洲因洪灾和防洪而闻名。近30年内,黄河三角洲经济发展强势。它包括了容易受风暴潮影响的胜利油田和城市面积的扩张。然而,尚还缺乏黄河三角洲的灾害分析。因此,在黄河三角洲项目框架下,在黄河三角洲地区的极值统计分析基础上,GFZ试图进行多变量概率洪灾分析。

该研究对数据的要求较高:数十年的长时间和完整时间序列的高频率的潮汐计数据,以及大气压数据等,且这些数据最好来自研究区域的不同站台。然而,邻近黄河三角洲的潮汐数据是有限的,不足以支持灾害统计分析研究。直到今天,唯一的长时间的时间序列数据是关于渤海东部的(位于大连-老虎滩)。但在研究兴趣范围内,时间长度为10年,每小时的时间序列数据能很快获得。

对于洪灾分析,数据不足是一个常见问题。我们的解决办法是,结合潮汐计数据和气象数据,选择统计方法,重建在黄河河口湾的过去极限低水位事件。这是一个具有挑战性的课题,因为洪灾是一个多参数和缺乏认识的问题。我们的分析基础是,重大的风暴会导致洪灾,相关的风场和大气压会低于某一个临界值。然而,这个分析过程中的很多细仍然不清楚,主要因为世界范围内的很多洪灾受灾区域数据缺乏。

为了解决这个问题,我们提出了一个新的方法,其目的在于确定隐藏在多参数数据背后的因果关系。该方法包括三个方面:

  • • 对风暴潮时间序列和气象数据进行峰后临界值分析;
  • • 结合主成分分析方法对渤海区域进行压力-风场分析;
  • • 大连-老虎滩地区的风暴模型建立成功后,运用世界范围内气体站台的数据对该模型进行验证。

检验模型的第一个站是大连-老虎滩,因为它离研究区域最近。为了从总水位时间序列中获得决定性的潮汐信号和获得随机性的风暴时间序列(它是谐波分析后得到的残余时间序列),在已有很多分析方法中(小波分析、快速傅里叶变化和滤波应用)选择了谐波分析。从全球重分析数据集EAR-Interim中提取了渤海湾气象数据。运用最优法获得临界值。该临界值是指当大于该临界值时,风暴时间序列和风速,或者大气压的相关性最好。风向是该模型的限制条件。这些临界值是十分有用的,因为它们能给重建风暴时间序列提供边界条件。图1显示了双峰值后临界值与风暴潮和大气压时间序列之间的关系。当风暴潮的临界值大于 2.4 米时,可以得到一个重要的负的相关系数 (|r| >0.5)。

图1 风暴潮和大气压值超过某一临界值后的相关系数. 随着相关性的增加,因果关系越明显。

 

为了分辨导致极端风暴事件的气象成分类型,第2种方法是在渤海区域风场和压力场进行时空分析。鉴于此,选择了20个风暴潮事件,以及在风暴潮浪高最大值发生前和发生后的一段时间内的气象场。如图2所示,这些场似乎遵循某些规律。因此,采用主成分分析法揭示这种规律。


图2 (顶部)1980至1989年在大连-老虎滩观察到最大风暴潮前3个小时的压力场;(底部)相同时间和空间内20个最强风暴潮之前的平均压力场. 在压力场中存在一种系统性规律,即以正峰的风暴潮为主。

 

第一个结果是振奋人心的。因此,这个方法将会继续用来重建过去的风暴潮事件,并最终进行灾害分析。如果风暴潮和气象成分之间存在一种统计关系,将选用与黄河河口湾相同特征(纬度、深度等)的10各气象站台对该方法进行验证。因此,运用这种统计关系就可以重建过去发生在黄河三角洲的极端灾害事件。

该研究不仅对黄河河口湾有用,也适用于在数据缺乏情况下其他区域相似的问题。

Copyright © 2014 German Aerospace Center (DLR)