楊萬康 馮興如 尹寶樹 楊青瑩

鐵山灣內天文潮對風暴潮水位的影響研究*

楊萬康1, 2馮興如3①尹寶樹3楊青瑩1

(1. 自然資源部第二海洋研究所 浙江杭州 310012; 2. 自然資源部海洋空間資源管理技術重點實驗室 浙江杭州 310012; 3. 中國科學院海洋研究所海洋環(huán)流與波動重點實驗室 山東青島 266071)

作為半封閉狹長海灣, 鐵山灣受風暴潮災害的影響較為嚴重。根據(jù)多年觀測資料和數(shù)值模型對鐵山灣內的風暴潮水位特征進行了研究。觀測資料表明海灣內風暴潮峰值水位受天文潮相位影響較為顯著, 然后基于ADCIRC風暴潮模型和1409號“威馬遜”臺風參數(shù), 定量評估了天文潮對風暴潮水位的影響。模擬結果表明當考慮天文潮作用時, 會顯著提高模擬結果精度, 然后通過數(shù)值實驗研究了風暴潮與不同相位天文潮相互作用時的水位變化特征。數(shù)值實驗結果表明天文潮-風暴潮相互作用引起的非線性水位在漲潮階段不明顯, 在高潮位時非線性水位達到負值最大; 在落潮時達到正值最大。風暴潮增水峰值由于受到這種非線性效應的影響, 在高潮位時數(shù)值最小。海灣內非線性作用要遠大于外部, 非線性效應越強, 總水位峰值相對于天文潮高潮位的延遲時間也就越長。

風暴潮模型; “威馬遜”臺風; 天文潮相位; 非線性水位

風暴潮通常是指由強烈的氣象擾動(強風和低氣壓等)所引起的海水異常升高或下降現(xiàn)象。近些年來由于氣候變化的影響, 風暴潮災害的強度和造成的危害越來越嚴重。中國每年由于海洋災害造成的直接經濟損失超過了17億美元, 其中93%是由風暴潮災害造成的。由于氣候變化、海平面上升和人類活動的增加, 風暴潮災害造成的影響更加嚴重(Syvitski, 2005; Pasquali, 2019)。風場驅動和低氣壓強迫是引起風暴潮極端水位的主要因素, 尤其是在近岸河口地區(qū), 風驅動作用更加顯著, 會造成較強的水位抬升。在近岸地區(qū)潮汐效應同樣比較明顯, 由于潮汐無時無刻都在按照一定的周期運動, 因此臺風引起的風暴潮水位總是會疊加天文潮。風暴潮和天文潮之間會存在復雜的相互作用, 這種相互作用會影響總水位的空間分布和出現(xiàn)時間。有學者認為風暴潮和天文潮相互作用的核心機制是相位偏移: 當發(fā)生風暴潮增水時會加快潮汐的傳播速度, 使得峰值水位向高潮位偏移, 而當發(fā)生風暴潮減水時則會抑制潮汐波動的傳播速度, 兩者的相位差會造成風暴潮余水位(Rossiter, 1961)。Prandle 等(1978)發(fā)現(xiàn)無論初始狀態(tài)時天文潮和風暴潮相位差有多少, 北海區(qū)域的風暴潮峰值增水多發(fā)生于漲潮時刻。天文潮和風暴潮的相互作用在天文潮漲潮時會抬升增水峰值水位, 而在高潮位時則會降低峰值水位。Horsburgh等(2007)對北海地區(qū)歷史上的風暴潮水位進行統(tǒng)計分析, 結果表明風暴潮增水峰值出現(xiàn)在高潮位時的頻率較低, 漲潮時刻發(fā)生增水峰值的概率最大, 并利用數(shù)值模型進行了簡單分析。一些研究發(fā)現(xiàn)當不考慮天文潮和風暴潮的非線性作用時, 會高估了總水位, 誤差可以占到增水峰值振幅的70% (Sinha, 2008; Xing, 2011)。Idier等(2012)對英吉利海峽的兩場臺風過程進行數(shù)值模擬后發(fā)現(xiàn)天文潮-風暴潮非線性作用引起的水位達到了0.74 m, 并且自東南向西部沿岸逐漸減小, 近岸強潮汐特征增強了這種非線性作用。在河口等狹長水道中, 單純風暴潮引起的流速與潮流流速幅度相當, 這種相互作用不僅會改變水位, 也會形成較強的旋轉流(Lynge, 2013)。數(shù)值模擬作為常用的研究手段, 在風暴潮水位預報及機制研究中得到廣泛應用(Yin, 2009; Zhang, 2015)。通過數(shù)值模型敏感性實驗發(fā)現(xiàn), 影響天文潮-風暴潮相互作用的主要因素為淺水效應、對流效應和底摩擦(Tang, 1996; Rego, 2010)。張西琳等(2020)對天文潮在風暴潮增水過程中的作用進行了研究, 研究發(fā)現(xiàn)潮高越高, 非線性作用越明顯, 半日潮的非線性作用較全日潮更明顯。王凱等(2020)利用ADCIRC耦合模型, 利用風暴潮增水極大值疊加天文高潮位, 對福建沿岸進行了漫堤風險評估。

鐵山灣位于北部灣灣頂處, 處于西南經濟圈和東盟經濟圈的中心樞紐位置, 航運交通優(yōu)勢明顯。鐵山灣為狹長的半封閉型海灣, 口門外較寬, 超過了10 km, 然后進入灣內后變窄, 灣內平均寬度為4 km, 整個海灣近似呈南北走向。灣內主要有石頭埠、沙田等港口, 灣外東臨安鋪灣, 平均水深為8 m, 具體位置和水深分布如圖1所示。石頭埠站最大潮差為6.25 m, 屬于強潮海灣。鐵山灣因地理形狀近似于喇叭口, 水體容易堆積, 且位于臺風登陸最為頻繁的北部灣頂, 風暴潮災害較為嚴重(蔣昌波等, 2017)。因此對鐵山灣海域的風暴潮水位變化規(guī)律進行研究具有重要的現(xiàn)實意義, 且之前關于北部灣海域風暴潮和天文潮相互作用的研究較少, 本文基于ADCIRC數(shù)值模式建立鐵山灣高精度風暴潮模型, 選取1409號“威馬遜”臺風風暴潮作為研究對象, 研究風暴潮與不同相位天文潮相互作用時的水位變化特征。提高海灣內風暴潮預報和預警能力。

圖1 鐵山灣地理位置和水深分布

1 數(shù)據(jù)和方法

1.1 潮位及風暴潮水位

潮位數(shù)據(jù)主要采用石頭埠站和W1臨時潮位站的數(shù)據(jù), 其中石頭埠站的潮位數(shù)據(jù)范圍為1969～ 2014年, W1臨時站數(shù)據(jù)為2014年周年觀測潮位數(shù)據(jù), 將實測潮位數(shù)據(jù)減去調和分析得到的預報值得到風暴潮水位。

1.2 天文潮-風暴潮模型

本文采用的天文潮-風暴潮模型為北卡羅來納大學開發(fā)的ADCIRC海洋模型(Advanced Circulation Model)。該模式采用非結構三角形網格, 能夠較好地擬合河口海岸地區(qū)的復雜岸線, 在空間上采用有限元方法, 時間上采用有限差分法, 既可以滿足計算精度和穩(wěn)定性的要求, 又能保證計算效率(Westerink, 1994), 在國內外得到了廣泛應用(夏波等, 2006; 劉永玲等, 2016)。本文計算區(qū)域包含了整個北部灣及南海北部海域(圖2), 在近岸及鐵山灣等區(qū)域通過加密網格來擬合復雜岸線地形, 鐵山灣內網格尺度為100～150 m, 海灣外部及其他岸線區(qū)域網格尺度逐步增加, 在開邊界附近網格尺度為8 000～9 000 m左右, 水深采用GEBCO全球水深數(shù)據(jù)集, 分辨率為30″×30″。在近岸海灣地區(qū)采用海圖數(shù)據(jù)(海圖編號為C1616722、C1516721、C1516711), 以保證水深地形的準確性。外海開邊界采用從OTPS數(shù)據(jù)集提取的潮汐調和常數(shù), 包含了M2、S2、N2、K2、K1、O1、P1、Q1、M4等9個分潮。模型采用冷啟動, 初始水位和初始流場設為0, 淺灘地區(qū)采用動邊界干濕網格技術。

1.3 “威馬遜”臺風及風場模型

1409號臺風“威馬遜”(Rammasun)起源于西北太平洋面上, 生成以后就開始向西移動。2014年7月16日穿越菲律賓進入南海, 其強度也在不斷增強。登陸海南島前臺風強度進一步加大, 在第一次登陸海南島時臺風中心氣壓為888 hPa, 瞬時風速更是超過了60 m/s, 是1949年以后登陸中國臺風里的最低氣壓值, 隨后 “威馬遜”臺風穿越雷州半島, 進入北部灣。進入北部灣后臺風強度有所降低, 中心氣壓也有所回升, 達到了945 hPa, 穿過北部灣后在廣西防城港登陸, 強度不斷減弱, 進入云南后徹底消失, 具體路徑如圖2所示?！巴R遜”臺風強度之大也創(chuàng)造了1949年以來的新紀錄, 根據(jù)石頭埠站的潮位記錄數(shù)據(jù), “威馬遜”臺風引起的風暴潮增水極值達到2.76 m, 增水值達到了200年一遇的強度。由于1409號“威馬遜”臺風強度大, 路徑也具有一定的代表性, 因此本文選取1409號“威馬遜”臺風引起的風暴潮過程作為研究對象, 探討典型海灣內的天文潮相位對風暴潮水位的影響。

臺風風場采用Holland(1980)經驗臺風模型進行重構(Willoughby, 2004; 孫瑞等, 2013), 臺風中心坐標、中心氣壓值、最大風速等參數(shù)選用中國臺風網的CMA最佳路徑數(shù)據(jù)集資料。將臺風路徑等參數(shù)代入Holland風場模型進行計算, 得到氣壓和風速分布, 然后將氣壓和風速結果插值到對應的模型網格點上。

2 結果與討論

2.1 鐵山灣風暴潮水位統(tǒng)計特征

由于風暴潮增水在現(xiàn)實中造成的危害較為嚴重, 因此本文重點統(tǒng)計了鐵山灣內的風暴潮增水結果?？紤]到風暴潮增水分離過程中的誤差, 篩選了最大增水值超過0.5 m的臺風及熱帶氣旋過程進行分析, 通過對路徑進行統(tǒng)計分析, 影響鐵山灣的臺風路徑主要分為三類: 一種是穿越雷州半島進入北部灣, 在廣西或越南登陸, 該類臺風強度大, 頻率高, 對北部灣沿岸的影響最為嚴重; 第二種是穿越海南島后進入北部灣中部區(qū)域并在越南北部登陸; 第三種是繞過海南島后突然向北偏轉, 在廣西沿岸登陸, 具體的路徑類型如圖3所示。然后對石頭埠站風暴潮增水峰值相對于天文潮的發(fā)生時刻進行了統(tǒng)計, 統(tǒng)計結果如圖4所示, 其中RT表示增水峰值出現(xiàn)在漲潮時(rising tide), HT為峰值出現(xiàn)在高潮位(high tide), FT為峰值出現(xiàn)在落潮時(falling tide), LT為峰值出現(xiàn)在低潮位(low tide)。經統(tǒng)計造成石頭埠站增水較為顯著的路徑基本為第Ⅰ類臺風路徑, 即西北向登陸臺風。西北向登陸的臺風普遍先引起風暴潮減水, 然后再引起風暴潮增水。

圖3 影響鐵山灣的臺風路徑分類

圖4 風暴潮增水峰值相對于天文潮發(fā)生時刻統(tǒng)計

注: RT為漲潮時; HT為高潮位; FT為落潮時; LT為低潮位

由圖4可知, 風暴潮增水峰值在漲潮和落潮過程中出現(xiàn)頻率基本相同, 但在高潮位和低潮位時出現(xiàn)次數(shù)相差較大, 風暴潮增水峰值出現(xiàn)在低潮位時的次數(shù)要遠大于高潮位, 可以用以下簡單公式來解釋(Rego, 2010):

=2/, (1)

式中,為風暴潮增水,為風速,=+,為靜水深,為潮位,為經驗常數(shù), 包含了拖曳系數(shù)、海水密度、重力加速度等效應,為陸架長度。由公式可知在其他因子相同的前提下, 在低潮位時數(shù)值較小, 風應力的作用更加明顯, 因此會引起更強幅度的增水。同時也可以看出, 由于近岸天文潮潮差較大, 且灣內水深較淺, 潮位與水深相比不可忽略, 因此不同相位下的天文潮對風暴潮增水影響較大。

2.2 “威馬遜”臺風風暴潮數(shù)值模擬

首先對天文潮模擬結果進行驗證, 在ADCIRC模型開邊界只考慮潮汐水位驅動, 暫不考慮風場驅動力的影響計算得到純天文潮位。模型計算起始時間為2014年6月1日, 計算時間長度為2個月, 并與石頭埠站和W1浮標站的預報天文潮位進行比較, 時間序列對比如圖5所示, 由圖5可見, 兩者結果較為吻合。驗證結果表明模型對于天文潮的計算較為準確, 能夠滿足下一步風暴潮計算的需求。

圖5 天文潮模擬結時間序列對比

注: a. 石頭埠站; b. W1站

對風暴潮水位的計算, 本文采用兩種計算方案以研究天文潮對風暴潮結果的影響。第一種是只考慮氣象驅動, 在模型里只輸入風場和氣壓場數(shù)據(jù)進行模擬計算, 得到的結果設為純臺風風暴潮水位S; 第二種是在開邊界加入潮位驅動, 海平面加入氣象驅動進行模擬計算, 得到的總水位結果設為T+S, 然后減去前面計算得到的純天文潮位T, 得到實際風暴潮水位SI。各水位時間序列對比如圖6所示, 在只考慮大氣驅動時, 石頭埠站和W1站的增水峰值誤差分別為0.35 m和0.26 m, 而減水峰值誤差則比較顯著, 分別為0.85 m和0.65 m; 考慮了天文潮后模擬結果有所改善, 石頭埠站和W1站的增水誤差分別為0.02 m和0.07m, 誤差占比小于5%, 而減水誤差分別為0.04 m和0.19 m, 誤差統(tǒng)計如表1所示。由表1可知: 只考慮純大氣驅動時, 模擬結果減水值會偏大,增水值卻偏小。在考慮了天文潮-風暴潮相互作用后, 模擬精度有了很大提高。數(shù)值模擬結果表明, 鐵山灣內天文潮對風暴潮水位影響較為顯著, 不可忽略。然后根據(jù)“威馬遜”臺風風暴潮模擬結果統(tǒng)計了鐵山灣海域風暴潮最大增水的空間分布如圖7所示。由圖7可知, 鐵山灣口門外風暴潮最大增水為0.8～1.2 m左右, 增水值由灣外向灣內逐步增加, 在灣頂處最大增水超過了3.5 m, 與口門處相比, 增加幅度超過了1.5 m。這是由于鐵山灣岸線為漏斗形狀, 水體進入灣容易形成堆積, 使得灣內增水顯著變大, 對灣內周邊區(qū)域形成潛在威脅。

2.3 天文潮對風暴潮峰值水位的影響研究

由于潮汐過程是不間斷的周期性運動, 臺風或熱帶氣旋造成的風暴潮增水總是會與天文潮疊加, 但是在天文潮的不同相位, 天文潮-風暴潮相互作用的強度有所不同, 這種相互作用產生的非線性水位會隨之變化。本文以2014年“威馬遜”臺風路徑及風場參數(shù)為基礎, 設置多組數(shù)值實驗, 研究風暴潮與不同相位天文潮相互作用時的水位變化特征。根據(jù)前文不同的風暴潮模擬方案, 定義ζ為天文潮與風暴潮由于非線性效應產生的水位, 那么ζ=ζ–ζ– ζ。若天文潮和風暴潮之間是純粹的線性關系, 那么非線性水位ζ的數(shù)值則為0。但在真實的風暴潮過程中, 由于非線性效應的存在, 非線性水位并不為0, 此數(shù)值反映了非線性效應的強度。

圖6 風暴潮模型計算結果與實測數(shù)據(jù)對比曲線

表1 不同方案下風暴潮模擬結果誤差統(tǒng)計

Tab.1 Statistics of the errors from different model results

圖7 “威馬遜”臺風期間鐵山灣最大風暴潮增水分布(m)

鐵山灣潮汐性質為非正規(guī)全日潮, 在大潮期間為全日潮, 小潮為半日潮, 以往復流為主。石頭埠站大潮和小潮過程中的潮位及流速曲線如圖8所示。由圖8可知, 在大潮漲潮初始階段, 隨著潮位上漲潮流流速也逐步增強, 隨后潮位暫時達到一個停滯狀態(tài), 流速也隨之減小, 大約持續(xù)2 h后潮位繼續(xù)上漲, 流速也隨之增強, 達到了高潮位后, 潮流開始轉向, 變?yōu)槁涑绷? 潮位也隨之降低。小潮期間潮位潮流過程曲線比較規(guī)則, 潮位由低潮開始上漲, 流速隨之增加, 達到高潮位后, 流速變?yōu)榱? 然后轉向變?yōu)槁涑绷? 潮位也不斷降低。

圖8 石頭埠站潮位潮流過程曲線

以石頭埠站潮位曲線作參考設置了多組實驗, 大、小潮振幅分別采用2014年平均大潮振幅和平均小潮振幅, 數(shù)值分別為2.56 m和1.30 m。然后通過改變 “威馬遜”臺風路徑參數(shù)使得風暴潮增水峰值分別出現(xiàn)在潮汐過程的不同相位上。由于大潮為全日潮, 小潮為半日潮, 因此大潮設置了24組數(shù)值實驗, 以低潮位作為初始時刻使得增水峰值間隔1 h出現(xiàn)在整個大潮過程中。同樣道理小潮設置了12組實驗。具體數(shù)值計算方案如表2所示。

表2 模型實驗方案設置

Tab.2 Schemes of the numerical experiments

由于鐵山灣岸線復雜, 因此選取P1～P3等代表性計算點來反映整個海灣內外的水位變化規(guī)律, 代表點位置如圖1所示。各種方案下的水位結果如圖9和圖10所示, 由計算結果可知:

圖9 風暴潮峰值水位疊加天文大潮不同相位時的各種水位變化

(1) 當風暴潮峰值水位與大潮不同相位水位疊加時, 非線性水位在漲潮階段并不明顯, 在高潮位時非線性水位達到負值最大; 在落潮時, 非線性水位變?yōu)檎? 而且數(shù)值較大, 最大值出現(xiàn)在落潮中間時刻, 較強的正值非線性水位從落潮一直持續(xù)到低潮位, 尤其是在海灣內部的P1和P2點, 這種現(xiàn)象更加明顯, 而灣外的P3點非線水位數(shù)值則相對偏小。當風暴潮峰值水位與小潮不同相位水位疊加時, 規(guī)律與大潮基本一致, 只是非線性水位的數(shù)值有所減小。

(2)風暴潮增水峰值由于這種非線性效應的影響, 出現(xiàn)在漲潮階段和高潮位時結果明顯要小于落潮階段和低潮位, 其中增水峰值在高潮位時數(shù)值最小。

(3) 天文潮和風暴潮總水位結果表明大潮時P1和P2點總水位的最大值出現(xiàn)在天文潮高潮位后2 h, P3點總水位的最大值出現(xiàn)在高潮位后1 h; 在小潮時, P1和P2點總水位的最大值出現(xiàn)在高潮位后1 h, P3點總水位的最大值出現(xiàn)在高潮位上。這種現(xiàn)象表明海灣內非線性作用越強, 總水位最大值的延遲時間就越長。

圖10 風暴潮峰值水位疊加天文小潮不同相位時的各種水位變化

3 結論

本文根據(jù)多年潮位數(shù)據(jù)首先對鐵山灣歷史上的風暴潮增水過程進行了統(tǒng)計分析, 結果表明西北向登陸臺風對海灣影響最大, 普遍表現(xiàn)為先減水后增水。風暴潮增水峰值在漲潮和落潮過程中出現(xiàn)頻率基本相同, 但在低潮位的發(fā)生頻率要遠大于高潮位。然后基于ADCIRC數(shù)值模型對1409號“威馬遜”風暴潮過程進行了數(shù)值模擬, 模擬結果表明鐵山灣內天文潮對風暴潮水位影響較為顯著, 不可忽略, 只考慮純臺風影響時, 計算結果會低估風暴潮增水值高估了減水值, 對預報結果造成較大的誤差, 由于海灣的特殊形狀導致海灣內部的增水要遠大于灣外。然后以 “威馬遜”臺風參數(shù)為基礎, 設置多組數(shù)值實驗研究風暴潮與不同相位天文潮相互作用時的水位變化特征。數(shù)值實驗結果表明天文潮-風暴潮非線性水位在漲潮階段不明顯, 在高潮位時非線性水位達到負值最大; 在落潮時達到正值最大。風暴潮增水峰值由于受到這種非線性效應的影響, 在高潮位時數(shù)值最小, 海灣內部非線性作用要遠大于外部, 總水位峰值相對于天文潮高潮位的延遲時間也越長。

王凱, 侯一筠, 馮興如, 等, 2020. 福建沿海浪潮耦合漫堤風險評估: 以臺風天兔為例[J]. 海洋與湖沼, 51(1): 51-58.

劉永玲, 馮建龍, 江文勝, 等, 2016. 熱帶氣旋資料長度對風暴潮危險性評估結果的影響[J]. 海洋學報, 38(3): 60-70.

孫瑞, 侯一筠, 李健, 等, 2013. 南海北部一次臺風浪過程的數(shù)值模擬[J]. 海洋科學, 37(12): 76-83.

張西琳, 楚棟棟, 張繼才, 等, 2020. 東南沿海臺風風暴潮增水過程中非線性機制和地形的作用研究: 以1509號臺風“燦鴻”為例[J]. 海洋與湖沼, 51(6): 1320-1331.

夏波, 張慶河, 楊華, 2006. 水動力時空變化對近岸風浪演化的影響——以渤海灣西南岸為例[J]. 海洋通報, 25(5): 1-8.

蔣昌波, 趙兵兵, 鄧斌, 等, 2017. 北部灣臺風風暴潮數(shù)值模擬及重點區(qū)域風險分析[J]. 海洋預報, 34(3): 32-40.

HOLLAND G J, 1980. An analytic model of the wind and pressure profiles in hurricanes [J]. Monthly Weather Review, 108(8): 1212-1218.

HORSBURGH K J, WILSON C, 2007. Tide-surge interaction and its role in the distribution of surge residuals in the North Sea [J]. Journal of Geophysical Research: Oceans, 112(C8): C08003.

IDIER D, DUMAS F, MULLER H, 2012. Tide-surge interaction in the English Channel [J]. Natural Hazards and Earth System Sciences, 12(12): 3709-3718.

LYNGE B K, HJELMERVIK K, GJEVIK B, 2013. Storm surge and tidal interaction in the Tjeldsund channel, northern Norway [J]. Ocean Dynamics, 63(7): 723-739.

PASQUALI D, BRUNO M F, CELLI D,, 2019.A simplified hindcast method for the estimation of extreme storm surge events in semi-enclosed basins [J]. Applied Ocean Research, 85: 45-52.

PRANDLE D, WOLF J, 1978. The interaction of surge and tide in the North Sea and River Thames [J]. Geophysical Journal International, 55(1): 203-216.

REGO J L, LI C Y, 2010. Nonlinear terms in storm surge predictions: effect of tide and shelf geometry with case study from Hurricane Rita [J]. Journal of Geophysical Research: Oceans, 115(C6): C06020.

ROSSITER J R, 1961. Interaction between tide and surge in the thames [J]. Geophysical Journal International, 6(1): 29-53.

SINHA P C, JAIN I, BHARDWAJ N,, 2008. Numerical modeling of tide-surge interaction along Orissa coast of India [J]. Natural Hazards, 45(3): 413-427.

SYVITSKI J P M, V? R? SMARTY C J, KETTNER A J,, 2005. Impact of humans on the flux of terrestrial sediment to the global coastal ocean [J]. Science, 308(5720): 376-380.

TANG Y M, GRIMSHAW R, SANDERSON B,, 1996. A numerical study of storm surges and tides, with application to the North Queensland coast [J]. Journal of Physical Oceanography, 26(12): 2700-2711.

WESTERINK J J, BLAIN C A, LUETTICH R A JR,, 1994. ADCIRC: an advanced three-dimensional circulation model for shelves, coasts, and estuaries. Report 2. User's manual for ADCIRC-2DDI [R]. Washington: US Army Corps of Engineers.

WILLOUGHBY H E, RAHN M E, 2004. Parametric representation of the primary hurricane vortex. Part I: observations and evaluation of the Holland (1980) model [J]. Monthly Weather Review, 132(12): 3033-3048.

XING J X, JONES E, DAVIES A M,, 2011. Modelling tide-surge interaction effects using finite volume and finite element models of the Irish Sea [J]. Ocean Dynamics, 61(8): 1137-1174.

YIN B S, XU Z H, HUANG Y,, 2009. Simulating a typhoon storm surge in the East Sea of China using a coupled model [J]. Progress in Natural Science, 19(1): 65-71.

ZHANG H, SHENG J Y, 2015. Examination of extreme sea levels due to storm surges and tides over the northwest Pacific Ocean [J]. Continental Shelf Research, 93: 81-97.

THE TIDAL EFFECT ON STORM SURGE LEVEL IN TIESHAN BAY, SOUTH CHINA SEA

YANG Wan-Kang1, 2, FENG Xing-Ru3, YIN Bao-Shu3, YANG Qing-Ying1

(1. Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou 310012, China; 2. Key Laboratory of Ocean Space Resource Management Technology, Ministry of Natural Resources, Hangzhou 310012, China; 3. Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Science, Qingdao 266071, China)

As a semi-enclosed narrow bay, the Tieshan Bay, Guangdong, South China suffers from storm surge seriously. The characteristics of storm surge level in the bay were investigated based on years of observational data by numerical modeling. Observational data show that the storm surge peak level was significantly affected by tide. Based on the ADCIRC storm surge model and the parameters of No.1409 typhoon Rammasun, the impact of the astronomical tide on the storm surge peak level is quantitatively evaluated. The simulation results indicate that when astronomical tides were considered, the accuracy of the model could be greatly improved. Numerical experiments were conducted to study the surge peak level superimposed with different phase of tidal levels. Numerical experiment results suggest that nonlinear level reaches the maximum negative value at high tide and maximum positive value at falling tide. Due to the effect of tide-surge interaction, the peak level of storm surge is the smallest at high tide level. The nonlinear effect inside the bay is much greater than those outside. The lag time of the maximum total level relative to the high tide lengthens when the nonlinear effect increases.

storm surge model; typhoon Rammasun; phase of tide; nonlinear level

* 浙江省自然科學基金資助項目, LQ20D060003號; NSFC-山東省政府聯(lián)合基金, U1806227號。楊萬康, 高級工程師, E-mail: yangwankang@126.com

馮興如, 副研究員, E-mail: fengxingru07@qdio.ac.cn

2021-11-22,

2021-12-27

P731.2

10.11693/hyhz20211100288