王宇星，杨学联，蔡琼琼，韩振宇，郑腾飞

(1. 国家海洋局 海洋减灾中心，北京 100194；2. 国家海洋环境预报中心，北京 100081；3. 国家气候中心，北京 100081；4. 中国气象局广州热带海洋气象研究所，广东 广州 510080)

一种台风风场动力学订正方法的研究*

王宇星1，杨学联2，蔡琼琼2，韩振宇3，郑腾飞4

(1. 国家海洋局 海洋减灾中心，北京 100194；2. 国家海洋环境预报中心，北京 100081；3. 国家气候中心，北京 100081；4. 中国气象局广州热带海洋气象研究所，广东 广州 510080)

结合模型风场和数值风场的优点，通过对台风速度场进行涡度场和散度场的动力学分解和合成，提出一种台风风场的动力学订正方法。利用南海海域4场典型的台风个例，检验订正后的合成风场较之于模型风场和数值风场的优势，结果表明：合成风场的模拟结果得到明显改进，既能对台风中心进行精确定位，准确模拟台风眼附近的风场，又保留了数值风场在台风外围的优势；不仅对极值风速、极值时间的模拟非常准确，对弱风的模拟也与观测吻合良好。合成风场与观测风速的多台站统计分析表明，合成风场对实际风场的相位和大小模拟较好，对强风持续时间和极值时间的模拟准确性有显著提高，满足风暴潮等海洋灾害的模拟对于大气强迫场的精度要求。

台风；风场；动力学订正；合成风场；涡度场速度；散度场速度

准确的风场强迫是台风风暴潮和漫滩模拟的重要前提。目前台风风场的模拟有两种方式：①利用MM5、WRF等中尺度大气模式进行模拟(简称“数值风场”)，其动力学机制清晰，但误差较大，甚至无法准确反映台风的中心位置；②利用台风参数化模型进行模拟(简称“模型风场”)，如Jelesnianski模型[1]、Holland模型[2]、Yan Meng模型[3]等，能反映台风风场基本特征，计算简便，但外围风场误差较大。两种风场均可用于风暴潮模拟的强迫场[4-8]在实用性和准确性方面各有优劣。目前台风强迫风场通常选取一种可靠的模型风场[4]，或利用观测资料对模型风场、数值风场进行订正[6]。单独采用模型风场难以规避模型缺点导致的误差，而模型风场、数值风场和观测资料的简单叠加缺乏动力学依据，其准确性有待考证。

台风速度场可分解成非对称涡旋流场和无旋流场[9]，本文将无旋流场分解为有辐散场和无辐散场，基于此提出一种台风风场的动力学订正方法。通过台风风场的动力学分解，利用模型风场对数值风场进行订正得到新的“合成风场”，该合成风场兼具两种模拟风场的优点。

1 资料来源

1.1 观测资料

本文以1213号“启德”、1306号“温比亚”、1409号“威马逊”和1415号“海鸥”为典型案例，所用资料是四个台风登陆点附近的广东省和海南省19个气象站和海洋站的风场观测资料(图1)，以及中国气象局上海台风研究所提供的台风最佳路径资料。

图1 台风路径及观测台站位置(注：1409“威马逊”—紫色圆点，1415“海鸥”—蓝色圆点，1213“启德”—红色圆点，1306“温比亚”—绿色圆点)

1.2 Holland台风模型风场

台风模型风场的建立分四步：①梯度风模型建立；②边界层模型建立；③阵风模型建立；④利用观测资料对参数进行优化。

梯度风采用Holland模型[2]，运动台风距台风中心径向距离r处的梯度风风速可表示为[10]：

(1)

式中：VG为距离台风中心r处的梯度风速；Δp=p∞-pc，pc表示台风中心气压，p∞表示台风外围气压，取1 010 hPa；Rmax为最大风速半径；B为Holland拟合参数；f=2ωsinφ为科氏参数，ω为地球自转角速度，φ为所处地理纬度；vT为台风移动速度；α是该点与台风中心连线与台风移动方向的夹角；ρ为空气密度。

边界层模型采用Monin-Obukhov边界层理论[11]：

(2)

式中：u(z)表示高度z处的水平风速，文中z取值10 m；u*表示摩擦速度，文中取与梯度风成正比u*=0.025×VG；k表示卡曼系数，取值0.4；z0表示下垫面粗糙度，水面取值0.001 3 m，陆地取值0.03 m[12]。

阵风模型采用ESDU(Engineering Sciences Data Unit, 工程科学数据组织)方法[13-14]，对10 min平均风速的阵风因子进行计算，结合10 m高度边界层平均风速，得到10 min平均的10 m高度台风风场。

本文结合台站观测数据，通过调整Holland B对台风结构进行调整，使模拟结果与观测尽可能接近。参数B的调整综合考虑台风尺度等典型特征，并遵循以下原则[2]：①增大B会使能量更集中在最大风速半径附近；②台风登陆前后B会减小；③1≤B≤2.5。

图2 “威马逊”和“海鸥”台风登陆时刻的海表风速大小(填色图)及风场(矢量图)(单位：m/s)

图3 “启德”和“温比亚”台风登陆时刻的海表风速大小(填色图)及风场(矢量图)(单位：m/s)

在台风最佳路径资料中提取台风各时刻的中心气压、台风移动速度以及移动方向等关键参数，输入参数化台风模型，可以重建各时刻的台风风场。“威马逊”(图2a)、“海鸥”(图2d)、“启德”(图3a)和“温比亚”(图3d)在登陆时刻的模型风场分布显示，台风中心的定位精准，可模拟出台风中心附近的不对称结构，模拟的最大风速与观测数据相符；但外围区域台风风场分布较单一。

1.3 数值风场

“威马逊”和“海鸥”采用的数值风场来自国家海洋环境预报中心，其水平分辨率和时间分辨率分别是 0.1°×0.1°和1 h；“启德”和“温比亚”采用的数值风场来自欧洲中期天气预报中心的ERA-Interim再分析数据[15]，其水平分辨率和时间分辨率分别是 0.125°×0.125°和3 h。采用两种数值风场，用以说明订正方法的普适性。

图2b和图2e分别展示了“威马逊”(2014年7月18日15时，北京时间，下同)和“海鸥”(2014年9月16号09时)在海南登陆时刻的数值风场，可见台风外围风场及海陆差异的模拟较好，但是对台风中心的定位及强度模拟存在误差。“启德”(2012年8月17日11时，图3b)和“温比亚”(2013年7月2日05时，图3e)在广东登陆时刻的数值风场，不仅对台风中心附近的风场强度模拟明显偏弱，而且对台风中心的定位存在较大偏差。

2 风场订正方法

(3)

；；；

(4)

进而得到：

×Vv；

(5)

由此可见，台风的速度场又可以看成三部分贡献的叠加：第一部分是涡度场速度的贡献，第二部分是散度场速度的贡献，第三部分则是除去流体涡度速度和散度速度后的背景场的贡献。速度分解法，即是利用模型风场对数值风场进行订正的物理和数学基础。

将数值风场进行分解，在台风中心区域采用数值风场的背景风场和模型风场的融合，外围区域直接采用数值风场，所得到的合成风场兼取两种风场的优点。其中，台风中心区域和外围区域的划分以平均最大风速半径的两倍作为界限。具体来说，台风中心区域的合成风场计算分两步：

(6)

(7)

图2c、图2f、图3c和图3f分别展示了“威马逊”、“海鸥”、“启德”和“温比亚”在登陆时刻的合成风场。直观来看，该合成风场既能对台风中心进行准确定位，又保留了数值风场在台风外围的优势，体现了海陆差异及台风结构的非对称性，兼具两种风场的优点。

3 订正结果分析

本节以四场强台风为典型个例，利用观测资料对模拟结果进行评估，详细分析合成风场较之于模型风场、数值风场的模拟特点。

3.1 风速时间演变

各场台风选取距台风路径较近的5个台站，对风速的时间演变模拟进行对比分析。“威马逊”(图4a～图4e)和“海鸥”(图4f～图4j)选取博鳌、清澜、秀英、徐闻、湛江5个台站，“启德”(图5a～图5e)和“温比亚”(图5f～图5j)选取上川、阳江、茂名、徐闻、湛江5个台站，对三种模拟风场进行评估

总体来看，模型风场(灰色点线)在风速极值附近与观测吻合较好。在清澜站(图4b)、秀英站(图4h)和徐闻站(图4d和图4i)准确模拟出台风眼区经过台站时，风速“减小-增大”的变化过程。模型风场对台风极值风速的模拟，除个别台站外，多数台站的误差不超过5 m/s。对极值相位的模拟，多数台站非常精准，只有少数台站(如湛江站，图4e)模拟较差，但误差值不超过3 h。模型风场在风速较小的时间段变化较为平缓单一，与实测资料相差较大(如图4c～图4e等)。

数值风场(灰色虚线)在“威马逊”和“海鸥”两场台风中对极值风速的模拟整体偏高，尤其在博鳌、清澜两个台站偏差较大(图4a～图4b,图4f～图4g)；且“威马逊”期间，秀英(图4c)、徐闻(图4d)两个台站的极值相位模拟较差。在“启德”、“温比亚”台风期间，数值风场对极值的模拟整体偏弱，且未模拟出多个台站的极值风速(图5a～图5e，图5h～图5j)。数值风场的优势在于对较小的实测风速模拟准确。如台风“威马逊”在17日00时-18日00时(图4a～图4e)、“海鸥”在15日00时-16日00时(图4f～图4j)、“启德”在15日02时-17日02时(图5a～图5e)、“温比亚”在1日02时-20时(图5f～图5j)的观测风速均较小，在此时间段数值风场与观测资料的一致性明显优于模型风场。

在时间演变上，合成风场(灰色实线)融合了模型风场和数值风场的优势，在风速极值附近趋近于模型风场，而在弱风阶段趋近于数值风场。除个别台站风速模拟偏差较大外，合成风场对极值风速、极值时间的模拟都非常准确，且在风速较小的时间段与台站观测较为一致。同时，合成风场模拟的风向能捕捉到观测风向随时间的变化特征，平均角度误差在±30°范围内，符合风场模拟的准确性要求(图略)。

3.2 统计分析

我们收集了广东、海南沿海若干个受台风影响的气象站、海洋站风速观测资料，对模型风场、数值风场和合成风场的模拟结果进行统计分析。由于“启德”和“温比亚”采用的ERA-Interim数值风场时间分辨率较低(3 h)，序列样本太少，因此只对“威马逊”和“海鸥”的结果进行评估，其中用于“威马逊”风场评估的观测台站有19个，用于“海鸥”的台站有13个。评估量包括模拟风速与观测的平均相对误差([模拟风速-观测风速]/观测风速×100%)、模拟风速与观测的时间相关系数、强风持续时间和风速极值时刻的模拟误差。

图4 “威马逊”和“海鸥”台风期间风速时间序列

“威马逊”和“海鸥”模拟风速的平均相对误差如图6a和图7a所示。数值风场对风速的模拟整体偏高，模型风场模拟整体偏低，台站平均中两者对观测的高估和低估均接近50%。合成风场的误差远小于前两种模拟风场，不存在模拟偏大或偏小的趋势。“威马逊”期间70%的台站合成风场的相对误差不超过30%，博鳌、秀英、徐闻等距台风路径较近的台站相对误差大多在20%左右，台站平均误差接近于0。“海鸥”台风的相对误差与“威马逊”相比较大，其台站平均误差约10%，与另两种风场相比优势明显。

合成风场对风速演变相位的模拟也有所改进。图6b和图7b分别给出了“威马逊”和“海鸥”台风登陆前后72 h内，三种模拟风场与观测的相关系数。 “威马逊”台风期间(图6b)，数值风场和合成风场与观测的相关性较高，其在19个台站的相关系数平均值都达到0.7，通过99%的显著性检验。在博鳌、清澜、徐闻等距台风路径较近的台站，合成风场的相关系数均高于其他两种风场；在徐闻站和湛江站，合成风场与观测的相关系数甚至接近1。“海鸥”台风期间(图7b)，多数台站的数值风场与观测相关性更高，但在秀英、徐闻等靠近台风中心的台站，模型风场对实际风场的相位模拟更好。合成风场与观测的相关性略逊于前两者，但其台站平均值也达到0.6，在近台风眼的台站相关系数均超过0.7，与其它两种模拟风场的差异较小，均通过99%的显著性检验(图7b)。

图5 “启德”和“温比亚”台风期间风速时间序列

图6 “威马逊”台风登陆前后72 h内，各台站的模拟风速平均相对误差、模拟与观测风速的时间相关系数(注：图b中的横线表示99%信度水平)，以及模拟风场与观测值在所有台站的风速散点分布图

图7 “海鸥”台风登陆前后72 h内，各台站的模拟风速平均相对误差、模拟与观测风速的时间相关系数(注：图7b中的横线表示99%信度水平)，以及模拟风场与观测值在所有台站的风速散点分布图

图8 “威马逊”和“海鸥”台风登陆附近时段内，强风持续时间及极值时刻的模拟误差

平均误差只表征了台风发展过程中的风速平均模拟误差，无法显示不同等级风力的模拟性能。图6c～图6e和图7c～图7e给出了三种模拟风场与观测的散点图，可以显示在不同等级风力上模拟对观测的拟合特征。对比“威马逊”和“海鸥”两场台风，合成风场模拟-观测的散点较均匀地分布在对角线两侧(图6c，图7c)，即无论对于较小风速，还是强风风速，模拟结果不存在趋势性的偏差。模型风场较小风速的散点主要分布在对角线的右侧(图6d，图7d)，数值风场(图6e，图7e)的散点分布在左侧，说明模型风场低估了弱风风速，数值风场对不同等级风力的风速均有高估。综上所述，合成风场对实际台风风场的描述更准确。

作为台风风暴潮等区域性海洋灾害数值模拟的大气强迫场，风场的质量不仅体现在相位和风速大小的准确性，其引起风暴增水等灾害的强风持续时间，以及极值出现时间的精确性同等重要。“威马逊”和“海鸥”期间强风(大于3 m/s)持续时间的模拟偏差如图8a和8c所示。总体来看，数值风场模拟的强风持续时间偏长(平均误差约10 h)，而模型风场模拟的偏短(平均误差约30 h)，对应于前者对平均风速的整体高估，后者对平均风速的低估。合成风场模拟的强风持续时间与观测最贴近，台站平均的持续时间误差仅5 h左右。

两场台风之间极值时间的模拟差异较大(图8b，图8d)。“威马逊”台风期间，多数台站模拟的极值风速时间落后于观测，其中模型风场的误差较大，合成风场和数值风场误差较小。在极值风速最大的秀英、徐闻、湛江等台站，合成风场的极值时间与观测值非常吻合(图8b)。“海鸥”台风期间，模型风场和数值风场误差普遍较小。合成风场在个别台站的极值时间误差较大，但这些台站均分布在离台风中心较远区域且极值风速较小(如揭阳、上川、汕尾等)，而在秀英、徐闻、湛江等靠近台风路径且极值风速显著的台站，合成风场对极值时间的模拟误差不超过1 h(图8d)。强风持续时间、强风极值时间的准确模拟，表明合成风场可以捕捉到灾害风险较大区域的风场特征，其准确性和实用性优于数值风场和模型风场。

4 结论与讨论

本文以动力学原理为依据，旨在利用模型风场对数值风场进行订正，得到兼取两种风场优点的合成风场。合成风场通过对数值风场进行涡度风、散度风和背景风场的提取，在台风中心附近采用模型风场和数值风场的融合，实现对台风中心的精准定位。订正后的合成风场能成功再现台风中心区域的实际风场强度和台风外围风场的变化特征，且基于动力学机制，使风场的订正具有空间上的连贯性。

利用台站观测资料对三种模拟风场进行对比评估，结果表明：①在极值风速附近，模型风场对风速模拟较准确，对极值时间的模拟误差不超过1 h，且能够捕捉到台风眼区经过站点时，风速“减小-增大”的剧烈变化过程；而数值风场模拟的风速极值存在较大的相位和数值偏差。②在弱风阶段，数值风场能够较好地拟合观测风速，模拟误差明显低于模型风场。③合成风场融合了数值风场和模型风场的优点，模拟的风速极值相位误差不超过1 h，振幅误差不超过15%，且能模拟出弱风风速的变化特征。④多台站统计分析表明，数值风场对风速的模拟整体偏高，模型风场的模拟整体偏低，而合成风场的站点平均风速误差接近于0，且在不同等级风力上不存在明显的系统误差；合成风场与观测的相关系数平均达到0.7，且在距台风路径较近的站点相关系数更高。⑤合成风场的强风持续时间与观测最贴近，极值时间与实际风场偏差极小，其准确性优于数值风场和模型风场。综上所述，合成风场满足风暴潮等海洋灾害的模拟对于强迫大气场的精度要求。本文介绍的台风风场订正方法动力学依据清晰，计算简单快捷，对于提高台风风场的模拟准确性具有借鉴意义，可用于台风风暴潮灾害的风险评估和快速评估工作。

[1] Jelesnianski C P. A numerical calculation of storm tides induced by a tropical storm impinging on a continental shelf[J]. Monthly Weather Review, 1965, 93(6): 343-358.

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

[3] Yan M, Matsui M and Hibi K. An analytical model for simulation of the wind field in a typhoon boundary layer[J]. Journal of Wind Engineering and Industrial Aerodynamics, 1995, 56(2-3): 291-310.

[4] 端义宏，朱建荣，秦曾灏，等. 一个高分辨率的长江口台风风暴潮数值预报模式及其应用[J]. 海洋学报, 2005, 27(3): 11-19.

[5] CHEN W B, LIU W C and HSU M H. Computational investigation of typhoon-induced storm surges along the coast of Taiwan[J]. Natural Hazards, 2012, 64(64): 1161-1185.

[6] Weisberg R H and Zheng L. Hurricane storm surge simulations comparing three-dimensional with two-dimensional formulations based on an Ivan-like storm over the Tampa Bay, Florida region[J]. Journal of Geophysical Research Atmospheres, 2008, 113(C12): 186-203.

[7] 王亮, 陆汉城, 潘晓滨，等. 台风模拟中QuikSCAT风场的非对称加强订正及同化应用[J]. 热带气象学报, 2008, 24(6), 658-664.

[8] 杨晓君, 何金海, 吕江津，等. 海面风场订正对风暴潮数值模拟的影响[J]. 气象, 2011, 37(3): 270-275.

[9] 黄思训，蔡其发，项杰，等. 台风风场分解[J]. 物理学报, 2007, 56(5):3022-3027.

[10] Georgiou P N, Davenport A G, and Vickery B J. Design wind speeds in regions dominated by tropical cyclones[J]. Journal of Wind Engineering and Industrial Aerodynamics, 1983, 13(1-3): 139-152.

[11] Monin A S and Obukhov A M F. Basic laws of turbulent mixing in the surface layer of the atmosphere[J]. Contrib. Geophys. Inst. Acad. Sci. USSR, 1954, 151(163): e187.

[12] Vickery P J, Wadhera D, Powell M D et al. A hurricane boundary layer and wind field model for use in engineering applications[J]. Journal of Applied Meteorology and Climatology, 2009, 48(2): 381-405.

[13] ESDU. Strong winds in the atmospheric boundary layer, part 1: mean hourly wind speed [M]. Engineering Sciences Data Unit Item No. 82026, London, England, 1982.

[14] ESDU. Strong winds in the atmospheric boundary layer, part 2:discrete gust speeds [M]. Engineering Sciences Data Unit Item No. 83045, London, England, 1983.

[15] Uppala S, Dee D, Kobayashi S, et al. Towards a climate data assimilation system: Status update of ERA-Interim[J]. ECMWF Newsletter, 2008, 115: 12-18.

[16] 庄礼贤，尹协远，马晖扬. 流体力学[M]. 合肥：中国科学技术大学出版社, 2009: 55-60.

Abstract:Accurate atmospheric forcing field is critical to the simulation of storm surge and other marine disasters. We combine the advantages of empirical and numerical wind fields, and presents a new method of wind field correction through dynamical decomposition of vorticity velocity and divergence velocity from the typhoon wind field. Four typical typhoon cases over South China Sea are used to compare the accuracy between synthetic wind field and empirical or numerical wind fields, the results show that the wind field simulation in synthetic model is improved significantly. The synthetic model could locate the typhoon center precisely and simulate the wind field around typhoon eyes accurately, as well as maintain the predominance of numerical wind field over typhoon periphery. Both of the extreme wind speeds and peak time of wind sequences are simulated exactly, and the modellings of weak wind are also consistent with observation. The multi-site analysis shows that, the phases and magnitudes of wind field simulation in synthetic model are consistent with observation, and the simulation performances of wind duration and peak time simulation are improved significantly in synthetic model, which satisfy the accuracy requirements of atmospheric forcing field in marine disaster simulation.

Key words:wind field correction; synthetic wind field; vorticity velocity; divergence velocity

Investigation on a Dynamical Correction Method of Wind Field in Typhoons

WANG Yuxing1, YANG Xuelian2, CAI Qiongqiong2, HAN Zhenyu3and ZHENG Tengfei4

(1.NationalMarineHazardMitigationService,SOA,Beijing100194,China; 2.NationalMarineEnvironmentalForecastingCenter,SOA,Beijing100081,China; 3.NationalClimateCenter,Beijing100081,China；4.InstituteofTropicalandMarineMeteorology,CMA,Guangzhou510080,China)

王宇星，杨学联，蔡琼琼，等. 一种台风风场动力学订正方法的研究[J]. 灾害学，2017，32(4)：51-59. [WANG Yuxing, YANG Xuelian, CAI Qiongqiong, et al. Investigation on a Dynamical Correction Method of Wind Field in Typhoons[J]. Journal of Catastrophology，2017，32(4)：51-59.

10.3969/j.issn.1000-811X.2017.04.009.]

X43; P435; P413

A

1000-811X(2017)04-0051-09

2017-03-20

2017-06-30

海洋公益性行业科研专项经费项目(201505018)；国家自然科学基金项目(41405075，41405101)

王宇星(1987- )，女，山西静乐人，副研究员，主要从事风暴潮灾害数值模拟、气候变化的研究.E-mail: yuxing.wang@foxmail.com

10.3969/j.issn.1000-811X.2017.04.009