謝建斌 萬(wàn)緯祺 馮興如 尹寶樹(shù) 劉亞豪

北印度洋風(fēng)暴潮特征及其對(duì)氣候信號(hào)的響應(yīng)研究*

謝建斌1, 2, 4, 5萬(wàn)緯祺1, 2, 4, 5馮興如1, 2, 3, 4, 5①尹寶樹(shù)1, 2, 3, 4, 5劉亞豪1, 2, 3, 4

(1. 中國(guó)科學(xué)院海洋研究所 山東青島 266071; 2. 中國(guó)科學(xué)院海洋環(huán)流與波動(dòng)重點(diǎn)實(shí)驗(yàn)室 山東青島 266071; 3. 青島海洋科學(xué)與技術(shù)試點(diǎn)國(guó)家實(shí)驗(yàn)室 山東青島 266237; 4. 中國(guó)科學(xué)院海洋大科學(xué)研究中心 山東青島 266071; 5. 中國(guó)科學(xué)院大學(xué) 北京 100049)

北印度洋是我國(guó)“海上絲綢之路”的重要通道, 其每年熱帶氣旋活動(dòng)引起的風(fēng)暴潮等嚴(yán)重威脅著船舶航行安全和沿岸國(guó)家人民生命財(cái)產(chǎn)安全。分析研究北印度洋風(fēng)暴潮的特征, 對(duì)我國(guó)經(jīng)濟(jì)發(fā)展及北印度洋沿岸國(guó)家防災(zāi)減災(zāi)具有重要的現(xiàn)實(shí)意義。利用美國(guó)聯(lián)合預(yù)警中心(the Joint Typhoon Warning Center, JTWC)公布的1950～2020年熱帶氣旋資料、美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)公布的1950～2020年熱帶氣旋資料與1950～2020年的Ni?o3.4指數(shù)、夏威夷大學(xué)海平面中心(University of Hawaii Sea Level Center, UHSLC)公布的北印度洋每小時(shí)的水位數(shù)據(jù)進(jìn)行分析, 結(jié)果表明:(1) 北印度洋大于1 m的風(fēng)暴潮主要分布在孟加拉灣北部, 少量分布在孟加拉灣其他區(qū)域與阿拉伯海; (2) 孟加拉灣北部區(qū)域的年際最大熱帶風(fēng)暴潮(annual maximum tropical cyclone storm surge, AMTSS)與當(dāng)月Ni?o3.4指數(shù)、南方濤動(dòng)指數(shù)(southern oscillation index, SOI)相關(guān)性較高、受厄爾尼諾-南方濤動(dòng)(EI Ni?o-Southem Oscillation, ENSO)的影響明顯; (3) 北印度洋AMTSS月際分布呈現(xiàn)雙峰分布, 與熱帶氣旋(tropical cyclone, TC)的月際分布基本一致; (4) La Ni?a期間影響孟加拉灣北部的熱帶氣旋在數(shù)量與強(qiáng)度方面均超過(guò)El Ni?o期間影響孟加拉灣的熱帶氣旋, 是La Ni?a期間風(fēng)暴潮極值大于EI Ni?o期間風(fēng)暴潮極值的重要原因。研究表明, AMTSS對(duì)ENSO信號(hào)的響應(yīng)可能為AMTSS提供了潛在的可預(yù)測(cè)性, 這對(duì)早期預(yù)警和減少風(fēng)暴潮災(zāi)害具有重要意義。

熱帶氣旋; 風(fēng)暴潮; 厄爾尼諾-南方濤動(dòng)

北印度洋孟加拉灣海域是世界上風(fēng)暴潮災(zāi)害最嚴(yán)重的區(qū)域之一, 其中熱帶氣旋引起的風(fēng)暴潮具有移動(dòng)速度快, 災(zāi)害強(qiáng)度大的特點(diǎn)。例如1970年的熱帶氣旋“Bhola”引起的風(fēng)暴潮直接奪去了孟加拉灣沿海約25萬(wàn)人(Wahiduzzaman, 2020)的生命。北印度洋連接大西洋與太平洋, 同時(shí)該海域位于我國(guó)的“海上絲綢之路”沿線, 是我國(guó)“海上絲綢之路”的必要通道。因此對(duì)北印度洋風(fēng)暴潮的研究具有十分重要的現(xiàn)實(shí)意義。

作為風(fēng)暴潮產(chǎn)生的主要原因, 北印度洋氣旋在起源位置、登陸位置、持續(xù)時(shí)間、移動(dòng)軌跡、累積能量和強(qiáng)度等方面都具有獨(dú)特的特點(diǎn)。在移動(dòng)軌跡方面, 西向和西北向的熱帶氣旋占總氣旋數(shù)的近一半(韓曉偉等, 2010)。由于地形的影響, 孟加拉灣產(chǎn)生的氣旋多在孟加拉國(guó)和緬甸南部登陸, 而阿拉伯海產(chǎn)生的氣旋多沿西高止山脈向西北方向運(yùn)動(dòng), 最終在巴基斯坦南部登陸(吳風(fēng)電等, 2011)。另外, 熱帶氣旋產(chǎn)生的時(shí)間具有明顯的年周期變化, 呈現(xiàn)雙峰分布, 在5～6和11～12月之間頻次較高, 與海溫密切相關(guān)。7、8月北印度洋海水溫度降低, 熱帶氣旋出現(xiàn)頻率環(huán)比呈現(xiàn)下降趨勢(shì), 而9月的熱帶氣旋出現(xiàn)頻率增加了20% (Singh, 2001)。除了熱帶氣旋的強(qiáng)度, 風(fēng)暴潮受正面登陸的熱帶氣旋影響較大, 更與其自身有利的地理位置及海岸地形密不可分(張海燕, 2019)。在熱帶氣旋的空間分布方面, 氣旋總頻數(shù)呈現(xiàn)增加趨勢(shì), 強(qiáng)烈氣旋風(fēng)暴(風(fēng)速≥64節(jié))主要生成在孟加拉灣海域的中東部和阿拉伯海海域的中部海域; (強(qiáng))氣旋風(fēng)暴(風(fēng)速范圍34～63節(jié))主要集中在孟加拉灣海域的西部海域和阿拉伯海海域的東部海域; 熱帶低壓(風(fēng)速≤33節(jié))主要集中在孟加拉灣海域的西部和北部海域(梁梅等, 2020)。

鑒于北印度洋熱帶氣旋與海溫之間密切的相關(guān)程度, 而厄爾尼諾-南方濤動(dòng)(EI Ni?o-Southem Oscillation, ENSO)等大尺度氣候指數(shù)作為體現(xiàn)海表溫度與氣壓震蕩的重要指標(biāo), 在此基礎(chǔ)上可以假設(shè)北印度洋的年際最大熱帶風(fēng)暴潮(annual maximum tropical cyclone storm surge, AMTSS)可能表現(xiàn)出與大尺度氣候指數(shù)相關(guān)的年際變化。如要驗(yàn)證該假設(shè)成立, 需要首先利用可靠的觀測(cè)記錄檢驗(yàn)各指數(shù)與風(fēng)暴潮之間的統(tǒng)計(jì)關(guān)系。前人做過(guò)一些類似的研究, 例如Colle等(2010)通過(guò)分析紐約市1959～2007年的風(fēng)暴潮事件, 發(fā)現(xiàn)在El Ni?o事件期間發(fā)生的弱風(fēng)暴潮事件多于La Ni?a事件; Oey等(2016)通過(guò)對(duì)西北太平洋熱帶氣旋所引起的風(fēng)暴潮研究發(fā)現(xiàn), 其所用的風(fēng)暴潮變量與ENSO、太平洋年代際振蕩(Pacific Decadal Oscillation, PDO)之間的聯(lián)系很弱且在統(tǒng)計(jì)上不顯著; Feng等(2021)用中國(guó)沿岸23個(gè)驗(yàn)潮站的水位數(shù)據(jù)研究 AMTSS對(duì)大尺度海洋信號(hào)的響應(yīng)發(fā)現(xiàn), 在中國(guó)大陸東南部北部, 只有強(qiáng)臺(tái)風(fēng)風(fēng)暴潮事件受到ENSO的顯著調(diào)節(jié), 弱風(fēng)暴潮事件與ENSO事件之間沒(méi)有顯著的相關(guān)性, 等等。

盡管已有上述研究, 但北印度洋風(fēng)暴潮與大尺度氣候指數(shù)的關(guān)系卻尚未明確。為了解其中潛在的物理過(guò)程, 需要進(jìn)行更深層次的探究。本研究利用北印度洋阿拉伯海與孟加拉灣共23個(gè)驗(yàn)潮站的水位記錄, 首先分析北印度洋熱帶風(fēng)暴潮的時(shí)空分布特征, 之后進(jìn)一步分析了AMTSS與大尺度氣候指數(shù)的關(guān)系, 并探討了其相關(guān)性的原因。旨在研究風(fēng)暴潮對(duì)氣候變化的響應(yīng), 從而對(duì)風(fēng)暴潮的長(zhǎng)期預(yù)測(cè)提供參考。

1 北印度洋熱帶風(fēng)暴潮的時(shí)空分布特征

為了探究北印度洋熱帶氣旋風(fēng)暴潮的分布規(guī)律, 利用美國(guó)聯(lián)合預(yù)警中心(the Joint Typhoon Warning Center, JTWC)公布的1950～2020年熱帶氣旋資料、美國(guó)國(guó)家海洋和大氣管理局(NOAA)公布的1950～2020年熱帶氣旋資料、夏威夷大學(xué)海平面中心(University of Hawaii Sea Level Center, UHSLC)公布的北印度洋各個(gè)站點(diǎn)每小時(shí)的水位數(shù)據(jù)(圖1a)分別在風(fēng)暴潮的時(shí)間與空間分布方面進(jìn)行了探索, 并從北印度洋熱帶氣旋的產(chǎn)生及分布方面給出了解釋。

圖1 北印度洋各驗(yàn)潮站每小時(shí)潮位數(shù)據(jù)起止年份(a)以及風(fēng)暴潮大于1 m的總小時(shí)數(shù)(b)

1.1 ATMSS與熱帶氣旋影響位置的相關(guān)性

在北印度洋熱帶氣旋與強(qiáng)風(fēng)暴潮事件的空間分布上, 分別對(duì)兩者進(jìn)行統(tǒng)計(jì)分析。各站位風(fēng)暴潮大于1 m小時(shí)數(shù)如圖1b所示。結(jié)果顯示, 大于1 m的風(fēng)暴潮事件全部集中在孟加拉灣, 其中絕大部分在孟加拉灣北部發(fā)生。

為了對(duì)上述結(jié)果進(jìn)行解釋, 將各熱帶氣旋軌跡半徑3°以內(nèi)設(shè)置為氣旋有效影響區(qū)域, 以此計(jì)算1950～2020年北印度洋所有熱帶氣旋對(duì)該海域的影響時(shí)間(圖2)。研究發(fā)現(xiàn), 孟加拉灣在熱帶氣旋影響時(shí)間方面明顯高于阿拉伯海; 而在孟加拉灣內(nèi), 北部區(qū)域受熱帶氣旋影響更大。正是因?yàn)闊釒庑植嫉牟町悓?dǎo)致了孟加拉灣北部(S12至S16驗(yàn)潮站)風(fēng)暴潮大于1 m時(shí)間多于其他站位。

1.2 北印度洋AMTSS月際分布特征

北印度洋23個(gè)驗(yàn)潮站共統(tǒng)計(jì)到341次年際最大熱帶風(fēng)暴潮值?；谠摂?shù)據(jù)統(tǒng)計(jì)了AMTSS發(fā)生時(shí)間的月際分布特征, 結(jié)果見(jiàn)圖3。結(jié)果顯示, 北印度洋風(fēng)暴潮發(fā)生時(shí)間多集中在5～6月與11～12月、1月, 其他月份也有少量分布。由風(fēng)暴潮發(fā)生頻次的月際分布特征(圖3a)可見(jiàn), 11～12月、1月風(fēng)暴潮發(fā)生頻次最多, 占全年總頻次的30.79%; 5～6月風(fēng)暴潮發(fā)生頻次占全年總頻次的28.45%。其他月份AMTSS發(fā)生的比重明顯減小, 各在2.9%～10%。

圖2 北印度洋(a)和孟加拉灣(b)各驗(yàn)潮站站位分布及編號(hào)及熱帶氣旋對(duì)2個(gè)海域影響時(shí)長(zhǎng)

圖3 北印度洋熱帶氣旋形成時(shí)間月際分布與年際最大熱帶風(fēng)暴潮發(fā)生時(shí)間月際分布(a)以及北印度洋熱帶氣旋形成時(shí)間月際分布與各月熱帶氣旋強(qiáng)度分布(b)

注:為相關(guān)系數(shù),為顯著水平

為解釋風(fēng)暴潮的這種月際分布特征, 統(tǒng)計(jì)了北印度洋熱帶氣旋個(gè)數(shù)的月際變化, 從圖3a可以看出, 熱帶氣旋出現(xiàn)頻次的月際分布與AMTSS發(fā)生月份的分布呈現(xiàn)正相關(guān), 相關(guān)系數(shù)達(dá)到0.65, 顯著性為98%。陳聯(lián)壽(2010)研究表明, 海水表面溫度(sea surface temperature, SST) ≥26.5 °C是熱帶氣旋生成所需的條件。根據(jù)梁梅等(2020)的研究, 4～5月北印度洋海域海表溫度有利于熱帶氣旋的生成。7～9月高溫區(qū)相對(duì)偏南, 整個(gè)北印度洋海域海表溫度較5～6月低。11月整個(gè)北印度洋的海表溫度再次升高, 對(duì)熱帶氣旋的生成起到促進(jìn)作用。這可能是北印度洋的熱帶氣旋與風(fēng)暴潮均呈現(xiàn)雙峰型結(jié)構(gòu)的分布的原因之一。

為了進(jìn)一步理解AMTSS強(qiáng)度與熱帶氣旋強(qiáng)度的關(guān)系, 通過(guò)對(duì)熱帶氣旋強(qiáng)度的月際分布分析(圖3b)發(fā)現(xiàn), 4～6月生成的熱帶氣旋平均最大風(fēng)速分別為40.29、39.13、29.94 m/s; 10～12月生成的熱帶氣旋月平均最大風(fēng)速分別為37.18、35.23、28.5 m/s。由于4～6月生成的熱帶氣旋的強(qiáng)度普遍大于10～12月生成的熱帶氣旋的強(qiáng)度, 因此, 雖然5～6月生成的熱帶氣旋相比11～12月、1月較少, 但風(fēng)暴潮極值出現(xiàn)在5～6月的頻次較高。

簡(jiǎn)而言之, 5～6月與11～12月、1月是北印度洋風(fēng)暴潮頻發(fā)期, 且5～6月風(fēng)暴潮的強(qiáng)度更強(qiáng)。這主要取決于北印度洋產(chǎn)生的熱帶氣旋的強(qiáng)度。

2 AMTSS對(duì)大尺度信號(hào)的響應(yīng)

大尺度海洋信號(hào)是全球氣候預(yù)測(cè)中的重要影響因子, 其中ENSO (EI Ni?o-Southern Oscillation)、IOD (Indian Ocean Dipole)、NAO (North Atlantic Oscillation)、ONI (Ocean Ni?o Index)等是全球范圍內(nèi)年際、年代際氣候變化的顯著信號(hào), 對(duì)全球氣候具有重要影響(Santoso, 2012; 呂學(xué)珠等, 2012; 馮興如等, 2018; Sinha, 2020; Saha, 2021)。利用NCAR網(wǎng)站(https://climatedataguide.ucar.edu/data- type/climate-indices)各研究機(jī)構(gòu)發(fā)布的大尺度氣候指數(shù)數(shù)據(jù), 分析北印度洋AMTSS與大尺度氣候指數(shù)的關(guān)系, 對(duì)于風(fēng)暴潮的長(zhǎng)期預(yù)測(cè)具有參考價(jià)值。

2.1 AMTSS對(duì)ENSO信號(hào)的響應(yīng)

一些研究人員通過(guò)研究ENSO事件對(duì)熱帶氣旋頻率的影響(Kuleshov, 2008; Ramsay, 2008), 發(fā)現(xiàn)熱帶氣旋的年頻率相對(duì)渦度和垂直切變密切相關(guān)。為了研究ENSO對(duì)AMTSS的影響, 對(duì)北印度洋各個(gè)驗(yàn)潮站AMTSS及AMTSS出現(xiàn)月份的Ni?o3.4值進(jìn)行相關(guān)性分析(圖4a, 圖5)。

由圖4可知, 北印度洋AMTSS與Ni?o3.4指數(shù)具有顯著相關(guān)性, 阿拉伯海驗(yàn)潮站的AMTSS與對(duì)應(yīng)月份的Ni?o3.4指數(shù)大多呈正相關(guān), 而孟加拉灣驗(yàn)潮站的AMTSS與對(duì)應(yīng)月份的Ni?o3.4指數(shù)大多呈負(fù)相關(guān)。在阿拉伯海海域與孟加拉灣海域各選取相關(guān)系數(shù)較高的三個(gè)驗(yàn)潮站, 相關(guān)系數(shù)為分別達(dá)到0.79、0.38、0.73、-0.61、-0.48、-0.63, 顯著性分別達(dá)到99%、65%、99%、100%、92%、98% (圖5)。也就是說(shuō), 孟加拉灣北部在La Ni?a事件期間更容易有較強(qiáng)的AMTSS出現(xiàn)。以S12驗(yàn)潮站為例, 在1988年La Ni?a事件與1997年超級(jí)EI Ni?o事件期間, AMTSS分別為294.7和77 cm, 具有明顯差異。

圖4 北印度洋(a)和孟加拉灣北部(b)各驗(yàn)潮站AMTSS與Ni?o3.4指數(shù)相關(guān)性與顯著性

注: 圓形為顯著性大于90%, 三角形為顯著性小于90%

圖5 北印度洋部分驗(yàn)潮站AMTSS與當(dāng)月Ni?o3.4指數(shù)對(duì)比及其相關(guān)性

注:為相關(guān)系數(shù),為顯著水平

由于熱帶氣旋登陸位置的不確定性, 采用整個(gè)孟加拉灣北部驗(yàn)潮站的最大風(fēng)暴潮值來(lái)計(jì)算與Ni?o3.4指數(shù)的相關(guān)性, 以此規(guī)避熱帶氣旋登陸位置的隨機(jī)性帶來(lái)的誤差。結(jié)果顯示, 孟加拉灣北部AMTSS與Ni?o3.4指數(shù)的相關(guān)性達(dá)到-0.6, 顯著性達(dá)到100% (圖6)。這進(jìn)一步說(shuō)明ENSO事件對(duì)孟加拉灣北部風(fēng)暴潮的影響是比較顯著的。

為進(jìn)一步了解孟加拉灣北部AMTSS與Ni?o3.4指數(shù)呈負(fù)相關(guān)的原因, 選取JTWC提供的熱帶氣旋資料(圖7)進(jìn)行數(shù)量統(tǒng)計(jì)、NCAR網(wǎng)站的ONI指數(shù), 作為EI Ni?o、La Ni?a事件判別標(biāo)準(zhǔn)(圖8), 進(jìn)行更深入的探究。圖7所示區(qū)域在EI Ni?o事件、正常年份與La Ni?a事件期間每月平均生成0.323 0、0.303 3、0.380 9個(gè)熱帶氣旋, 所產(chǎn)生的熱帶氣旋最大風(fēng)速分別為23.73、25.33、26.68 m/s。La Ni?a期間產(chǎn)生的熱帶氣旋數(shù)量與最大風(fēng)速分別比EI Ni?o期間多17.8%、12.43%, 與以往的研究結(jié)論一致(Nath, 2015; Wahiduzzaman2019)。在登陸位置方面, 逆時(shí)針旋轉(zhuǎn)的熱帶氣旋更多的在孟加拉灣北部偏西的位置登陸, 而該區(qū)域存在許多河口以及半封閉式海灣(圖2b), 特殊的地形導(dǎo)致了海水在河口與海灣內(nèi)聚集, 帶來(lái)了更強(qiáng)的風(fēng)暴潮, 這可能部分解釋了孟加拉灣北部地區(qū)普遍存在的AMTSS與Ni?o3.4的負(fù)相關(guān)性。

圖6 孟加拉灣北部年最大風(fēng)暴潮值與當(dāng)月Ni?o3.4指數(shù)對(duì)比及其相關(guān)性

圖7 不同氣候模式期間經(jīng)過(guò)孟加拉灣北部熱帶氣旋路徑

圖8 1950～2021年海洋尼諾指數(shù) (Ocean Ni?o Index, ONI)分布

注:0.5

我們?cè)诮y(tǒng)計(jì)風(fēng)暴潮極值與Ni?o3.4指數(shù)的相關(guān)性時(shí)發(fā)現(xiàn), 孟加拉灣北部S12至S15驗(yàn)潮站的AMTSS與Ni?o3.4的相關(guān)性較顯著, 而其他站則不顯著。出現(xiàn)這個(gè)現(xiàn)象的原因可能是:(1) 風(fēng)暴潮的形成比較復(fù)雜, 除了受熱帶氣旋強(qiáng)度影響外, 還受地形以及站位與熱帶氣旋路徑間相對(duì)位置的影響; (2) 部分熱帶氣旋過(guò)程中, 有些站位數(shù)據(jù)缺測(cè), 這也會(huì)對(duì)統(tǒng)計(jì)結(jié)果造成影響。

2.2 AMTSS和SOI、IOD、NAO指數(shù)相關(guān)性分析

之前的一些研究表明, 印度洋環(huán)境氣候與SOI、IOD、NAO也有不同程度的聯(lián)系。例如, Goswami等(2006)通過(guò)NAO建立了北大西洋和印度夏季風(fēng)之間的聯(lián)系; Li等(2015)研究發(fā)現(xiàn)負(fù)IOD主要影響東南印度洋熱帶氣旋數(shù)量的增加與減少; Sinha等(2020)通過(guò)研究SOI與印度洋風(fēng)速的關(guān)系發(fā)現(xiàn), 印度西海岸南部的風(fēng)速與SOI呈負(fù)相關(guān)?？紤]到SOI、IOD、NAO對(duì)印度洋氣候的較大影響, 因此, 本節(jié)還統(tǒng)計(jì)研究了這三種信號(hào)與北印度洋AMTSS的關(guān)系。

通過(guò)對(duì)AMTSS與SOI指數(shù)進(jìn)行相關(guān)性分析發(fā)現(xiàn), 位于孟加拉灣北部的S12、S13、S14、S15驗(yàn)潮站的AMTSS都與SOI指數(shù)有很強(qiáng)的相關(guān)性(圖9)。相關(guān)系數(shù)為分別達(dá)到0.68、0.47、0.55、0.59、顯著性分別達(dá)到100%、91%、99%、96%。SOI指數(shù)與Ni?o3.4指數(shù)均同孟加拉灣北部的AMTSS有極強(qiáng)的相關(guān)性和極好的顯著性, 而風(fēng)暴潮主要由熱帶氣旋引起, 這也反映出ENSO對(duì)孟加拉灣氣候有較大的影響, 進(jìn)而影響到熱帶氣旋和風(fēng)暴潮的產(chǎn)生及強(qiáng)度。在與Ni?o3.4系數(shù)有較好正相關(guān)性的S1、S2、S7驗(yàn)潮站, AMTSS與SOI的相關(guān)性不高, 這可能與兩片海域的地理位置以及東、西高止山脈阻礙了ENSO信號(hào)的緯向傳播有關(guān)。

在統(tǒng)計(jì)IOD與AMTSS的相關(guān)性(圖10a)時(shí)發(fā)現(xiàn)S18、S23驗(yàn)潮站與IOD的相關(guān)性都具有95%以上的顯著性(圖10a); 在S16、S17站位處, AMTSS與NAO指數(shù)的有較強(qiáng)的負(fù)相關(guān)(圖10b), 相關(guān)性分別為-0.814 1、-0.5233, 顯著性分別為99%、91%。說(shuō)明IOD、NAO信號(hào)對(duì)研究區(qū)的風(fēng)暴潮有一定影響。

圖9 北印度洋(a)與孟加拉灣北部(b)各驗(yàn)潮站AMTSS與SOI指數(shù)相關(guān)性與顯著性

注:圓形表示顯著性大于90%, 三角形表示顯著性小于90%

圖10 北印度洋各驗(yàn)潮站AMTSS與IOD指數(shù)(a)和NAO指數(shù)(b)的相關(guān)性與顯著性

注:圓形表示顯著性大于90%, 三角形表示顯著性小于90%

3 結(jié)論

本文利用北印度洋沿岸23個(gè)驗(yàn)潮站小時(shí)序列的水位資料及1950～2020年的熱帶氣旋資料, 統(tǒng)計(jì)分析了北印度洋熱帶氣旋風(fēng)暴潮的時(shí)空分布特征與北印度洋AMTSS對(duì)Ni?o3.4、PDO、IOD等信號(hào)的響應(yīng)。結(jié)果表明:在北印度洋區(qū)域, 孟加拉灣海域相較于阿拉伯海海域受熱帶氣旋影響更頻繁。在孟加拉灣內(nèi),熱帶氣旋的影響區(qū)域多集中在偏西、偏北海域, 逆時(shí)針旋轉(zhuǎn)的熱帶氣旋以及眾多的河口、海灣也導(dǎo)致位于孟加拉灣北部的地區(qū)受風(fēng)暴潮影響最為嚴(yán)重; 北印度洋AMTSS多發(fā)生在每年5～6月與11～12月、1月, 兩者分別占總AMTSS的28.45%, 30.79%, 但4～6月生成的熱帶氣旋的平均強(qiáng)度大于其他月份。較高的出現(xiàn)頻次及熱帶氣旋強(qiáng)度是5～6月AMTSS的出現(xiàn)頻次更高的重要原因; 北印度洋AMTSS與Ni?o3.4、SOI相關(guān)性較高并具有極高的顯著性, 其中孟加拉灣北部S12至S15驗(yàn)潮站位置的AMTSS與Ni?o3.4、SOI指數(shù)的顯著性均達(dá)到90%以上, 但Ni?o3.4指數(shù)與阿拉伯海AMTSS多與呈正相關(guān)、與孟加拉灣AMTSS多呈負(fù)相關(guān), 可能與兩片海域的地理位置以及東、西高止山脈阻礙了ENSO信號(hào)的緯向傳播有關(guān)。AMTSS也受到IOD、PDO信號(hào)的影響, 但影響不大。

目前對(duì)ENSO的預(yù)報(bào)可以提前幾個(gè)月(Zhou, 2009), 這對(duì)提高風(fēng)暴潮的概率預(yù)測(cè)相當(dāng)有用, 并為預(yù)警、預(yù)防和緩解措施的準(zhǔn)備提供寶貴的時(shí)間窗口, 但ENSO只是調(diào)節(jié)熱帶氣旋和風(fēng)暴潮的眾多過(guò)程之一, 若要更詳盡地了解ENSO對(duì)風(fēng)暴潮的影響, 在未來(lái)的研究中, 用可靠的數(shù)值模擬來(lái)獲得更多更詳盡的風(fēng)暴潮數(shù)據(jù), 從而進(jìn)一步了解風(fēng)暴潮對(duì)ENSO信號(hào)的響應(yīng)。

馮興如, 楊德周, 尹寶樹(shù), 等, 2018. 中國(guó)浙江和福建海域臺(tái)風(fēng)浪變化特征和趨勢(shì)[J]. 海洋與湖沼, 49(2): 233-241, doi: 10.11693/hyhz20180200036.

呂學(xué)珠, 劉玉光, 李軼斐, 等, 2012. 孟加拉灣海平面異常的年際變化及其對(duì)ENSO的響應(yīng)[J]. 海洋與湖沼, 43(6): 1076-1082, doi: 10.11693/hyhz201206007007.

吳風(fēng)電, 羅堅(jiān), 2011. 1977-2008年北印度洋熱帶氣旋統(tǒng)計(jì)特征分析[J]. 氣象與環(huán)境科學(xué), 34(3): 7-13, doi: 10.3969/j.issn. 1673-7148.2011.03.002.

張海燕, 2019. 南海區(qū)臺(tái)風(fēng)風(fēng)暴潮時(shí)空分布特征[J]. 海洋預(yù)報(bào), 36(6): 1-8, doi: 10.11737/j.issn.1003-0239.2019.06.001.

陳聯(lián)壽, 2010. 熱帶氣象災(zāi)害及其研究進(jìn)展[J]. 氣象, 36(7): 101-110, doi: 10.7519/j.issn.1000-0526.2010.07.017.

梁梅, 林卉嬌, 徐建軍, 等, 2020. 1990-2018年北印度洋熱帶氣旋統(tǒng)計(jì)特征[J]. 廣東海洋大學(xué)學(xué)報(bào), 40(4): 51-59, doi: 10.3969/j.issn.1673-9159.2020.04.008.

韓曉偉, 周林, 梅勇, 等, 2010. 1975～2008年北印度洋熱帶氣旋特征分析[J]. 海洋預(yù)報(bào), 27(6): 5-11, doi: 10.11737/j.issn. 1003-0239.2010.06.002.

COLLE B A, ROJOWSKY K, BUONAITO F, 2010. New York City storm surges: climatology and an analysis of the wind and cyclone evolution [J]. Journal of Applied Meteorology and Climatology, 49(1): 85-100, doi: 10.1175/ 2009JAMC2189.1.

FENG X R, LI M J, LI Y L,, 2021. Typhoon storm surge in the southeast Chinese mainland modulated by ENSO [J]. Scientific Reports, 11(1): 10137, doi: 10.1038/s41598- 021-89507-7

GOSWAMI B N, MADHUSOODANAN M S, NEEMA C P,, 2006. A physical mechanism for North Atlantic SST influence on the Indian summer monsoon [J]. Geophysical Research Letters, 33(2): L02706, doi: 10.1029/ 2005GL024803.

KULESHOV Y, QI L, FAWCETT R,, 2008. On tropical cyclone activity in the Southern Hemisphere: trends and the ENSO connection [J]. Geophysical Research Letters, 35(14): L14S08, doi: 10.1029/2007GL032983.

LI Z, YU W D, LI K P,, 2015. Modulation of interannual variability of tropical cyclone activity over Southeast Indian Ocean by negative IOD phase [J]. Dynamics of Atmospheres and Oceans, 72: 62-69, doi: 10.1016/j.dynatmoce.2015.10. 006.

NATH S, KOTAL S D, KUNDU P K, 2015. Application of fuzzy clustering technique for analysis of North Indian Ocean tropical cyclone tracks [J]. Tropical Cyclone Research and Review, 4(3/4): 110-123.

OEY L Y, CHOU S, 2016. Evidence of rising and poleward shift of storm surge in western North Pacific in recent decades [J]. Journal of Geophysical Research Oceans, 121(7): 5181-5192, doi: 10.1002/2016JC011777.

RAMSAY H A, LESLIE L M, LAMB P J,, 2008. Interannual variability of tropical cyclones in the Australian region: role of large-scale environment [J]. Journal of Climate, 21(5): 1083-1103, doi: 10.1175/2007JCLI1970.1.

SAHA K, GUHA A, BANIK T, 2021. Indian summer monsoon variability over North-East India: impact of ENSO and IOD [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 221: 105705, doi: 10.1016/j.jastp.2021.105705.

SANTOSO A, ENGLAND M H, CAI W, 2012. Impact of indo-pacific feedback interactions on ENSO dynamics diagnosed using ensemble climate simulations [J]. Journal of Climate, 25(21): 7743-7763, doi: 10.1175/JCLI-D-11-00287.1.

SINGH O P, KHAN T M A, RAHMAN M S, 2001. Has the frequency of intense tropical cyclones increased in the north Indian Ocean? [J]. Current Science, 80(4): 575-580.

SINHA M, JHA S, CHAKRABORTY P, 2020. Indian Ocean wind speed variability and global teleconnection patterns [J]. Oceanologia, 62(2): 126-138, doi: 10.1016/j.oceano.2019. 10.002.

WAHIDUZZAMAN M, YEASMIN A, 2019. Statistical forecasting of tropical cyclone landfall activities over the North Indian Ocean rim countries [J]. Atmospheric Research, 227: 89-100, doi: 10.1016/j.atmosres.2019.04.034.

WAHIDUZZAMAN M, YEASMIN A, LUO J J, 2020. Seasonal movement prediction of tropical cyclone over the North Indian Ocean by using atmospheric climate variables in statistical models [J]. Atmospheric Research, 245: 105089, doi: 10.1016/j.atmosres.2020.105089.

ZHOU X B, TANG Y M, DENG Z W, 2009. Assimilation of historical SST data for long-term ENSO retrospective forecasts [J]. Ocean Modelling, 30(2/3): 143-154, doi: 10.1016/j.ocemod.2009.06.015.

CHARACTERISTICS OF STORM SURGE IN THE NORTHERN INDIAN OCEAN AND ITS RESPONSE TO CLIMATE SIGNALS

XIE Jian-Bin1, 2, 4, 5, WAN Wei-Qi1, 2, 4, 5, FENG Xing-Ru1, 2, 3, 4, 5, YIN Bao-Shu1, 2, 3, 4, 5, LIU Ya-Hao1, 2, 3, 4

(1. Institute of Oceanology, Chinese Academy of Science, Qingdao 266071, China; 2. Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China; 3. Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266237, China; 4. Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao 266071, China; 5. University of Chinese Academy of Sciences, Beijing 100049, China)

The northern Indian Ocean is an important passage of China’s “Maritime Silk Road”. The annual storm surge caused by tropical cyclones is a serious threat to the safety of navigation of ships and people’s lives and property in coastal countries. In this study, tropical cyclone data from 1950 to 2020 published by the United States Joint Warning Center (JTWC), tropical cyclone data from 1950 to 2020 published by the National Oceanic and Atmospheric Administration (NOAA), Nino3.4 index from 1950 to 2020, and North Sea Level data published by the University of Hawaii Sea Level Center (UHSLC) were used. Analyses of hourly water level data in the Indian Ocean shows that: (1) the storm surge of more than 1m in the northern Indian Ocean is mainly distributed in the northern part of the Bay of Bengal, and a small amount is distributed in other parts of the Bay of Bengal and the Arabian Sea. (2) The annual maximum tropical storm surge (AMTSS) in the northern part of the Bay of Bengal has a high correlation with Nino3.4 index and SOI index, and is obviously influenced by ENSO. (3) The monthly distribution of AMTSS in the northern Indian Ocean shows a bimodal distribution, which is basically consistent with the monthly distribution of tropical cyclones (TC). (4) The number and intensity of tropical cyclones affecting the northern Bay of Bengal during La Ni?a are greater than those affecting the Bay of Bengal during EI Ni?o. It is an important reason that the extreme value of storm surge during La Ni?a is greater than that during EI Ni?o. It is suggested that AMTSS response to ENSO signals may provide potential predictability for AMTSS, which is important for early warning and storm surge mitigation.

tropical cyclone; storm surge; ENSO

* 中科院先導(dǎo)專項(xiàng)經(jīng)費(fèi), XDA19060502號(hào); 國(guó)家重點(diǎn)研發(fā)計(jì)劃, 2016YFC1401500號(hào)。謝建斌, 碩士研究生, E-mail: xiejianbin@qdio.ac.cn

馮興如, 碩士生導(dǎo)師, 副研究員, E-mail: fengxingru07@qdio.ac.cn

2021-12-24,

2022-03-09

P731

10.11693/hyhz20211200342