• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

渤海风场的概率预测模型研究

陈晓亮, 沈永明, 崔雷, 姜恒志, 石峰

陈晓亮, 沈永明, 崔雷, 姜恒志, 石峰. 渤海风场的概率预测模型研究[J]. 海洋环境科学, 2019, 38(1): 93-99. DOI: 10.12111/j.mes20190115
引用本文: 陈晓亮, 沈永明, 崔雷, 姜恒志, 石峰. 渤海风场的概率预测模型研究[J]. 海洋环境科学, 2019, 38(1): 93-99. DOI: 10.12111/j.mes20190115
CHEN Xiao-liang, SHEN Yong-ming, CUI Lei, JIANG Heng-zhi, SHI Feng. Study on probabilistic forecasting model of wind field in the Bohai Sea[J]. Chinese Journal of MARINE ENVIRONMENTAL SCIENCE, 2019, 38(1): 93-99. DOI: 10.12111/j.mes20190115
Citation: CHEN Xiao-liang, SHEN Yong-ming, CUI Lei, JIANG Heng-zhi, SHI Feng. Study on probabilistic forecasting model of wind field in the Bohai Sea[J]. Chinese Journal of MARINE ENVIRONMENTAL SCIENCE, 2019, 38(1): 93-99. DOI: 10.12111/j.mes20190115

渤海风场的概率预测模型研究

基金项目: 

国家自然科学基金项目 51579030

国家重点基础研究发展计划项目 2013CB430403

国家海洋局海洋灾害预报技术研究重点实验室开放基金课题资助 LOMF1704

中国博士后科学基金面上资助项目 2015M581358

详细信息
    作者简介:

    陈晓亮(1981-), 男, 吉林长春人, 研究生, 从事海洋溢油预报模拟研究, E-mail:chenxiaoliang10000@126.com

    通讯作者:

    崔雷(1978-), 男, 博士后, 助理研究员, 主要从事近岸水环境数值模拟研究, E-mail:lcui@nmemc.org.cn

  • 中图分类号: P731.2

Study on probabilistic forecasting model of wind field in the Bohai Sea

  • 摘要:

    风是海上溢油迁移扩散的关键动力因素之一,溢油区风场的精确预报是油膜漂移轨迹预测的基础。本文对渤海的历史风资料进行了相关分析,根据不同区域风的相关性和不同时段风的差异性,分别进行了渤海风的区域划分和时段划分;根据风在每两个指定方向转换的概率和风的平均持续时间,建立了渤海风场的概率预测模型。该预测模型生成的随机风时间序列能体现出历史风场的能量水平、周期性和方向变化,且与相应历史时期风资料的统计参数吻合良好,可为高精度海面溢油预报提供动力基础,也可为其他相关海洋动力学计算提供参考。

    Abstract:

    Wind is one of the key dynamic factors for the drift and diffusion of oil spill in ocean.Accurate prediction of the wind field in the oil spill area is the basis of the forecast of oil slick transport.This paper analyzes the historical wind data of the Bohai Sea.According to the correlation of different regional wind and the difference of wind in different periods, the regional division and time division of Bohai wind are respectively carried out.According to the probability with which the wind changed between two specified directions and the mean duration of a wind event, the probability prediction model of wind field in Bohai Sea is established.The statistical parameters of the stochastic wind time series generated by the prediction model that contained a similar energy level, periodicity, and direction variability to the archived wind data are in good agreement with that of the wind data of corresponding historical period.It is a good foundation for increasing the accuracy of oi1 spill predicting and modeling, and is also a reference for other computing in ocean hydrodynamics.

  • 风是海上突发溢油事故中油膜传输与风化的重要驱动力[1-2],更是影响溢油模拟精度的重要参数[3]。油膜在海面上除了由表面流驱动外,油膜的上边界还会直接受风的切应力作用而影响油膜漂移。研究表明,海面油膜以风速的1%到5%移动[4-5],在10 m/s的风场下溢油以大约0.3 m/s的速度漂移[6]。溢油预测计算中需要快速获得风的信息[7],风场预报的准确性关系到海洋溢油预报的可靠性。

    当海上溢油事故发生时,通常缺乏可靠的海面风场。已有研究多利用历史风场或风玫瑰图对溢油事故中的油膜迁移进行模拟再现[8-9],很少关注事故海域风场的分析与预测。传统风玫瑰图不包含风随时间变化的信息,不能确定某种风的持续时间和一种特定风之后的其它各种可能方向的风发生的概率。而历史风资料或传统的风玫瑰图所提供的风场统计描述是溢油应急计算所必须的要素之一。2004年油粒子法溢油模型的提出者Elliot [1]对英国利物浦海湾的历史风资料进行了概率描述,给出了用来描述跟随任何一种特定风之后的其它各种可能方向的风发生的概率矩阵。此种方法导出的随机风时间序列弥补了风玫瑰图的不足。

    为了弥补在突发溢油模拟方面传统的风玫瑰图法的不足并获得适用于不同海域特点的随机风时间序列,本文将在分析相关研究区域历史风资料风场特性的基础上,根据不同海域风的相关性进行渤海风的区域划分。同时,为了精细研究突发事故应急响应时期海面风的统计特征,将对年周期内的风时间序列进行时段划分,筛选出突发事故相应影响时段的历年风资料后,再依据Elliott [1]的方法,由历年相应时段的历史风场导出的风向转移矩阵,构建适用于本海域突发溢油事故后能快速精确预报溢油轨迹所需的随机风时间序列。

    近年来溢油污染事故频发,溢油污染应急和风险防范方面更是受到了重视[10]。而溢油输运中占主导地位的驱动力通常是风[11-12]。本文选定的研究区域范围是37°N~41°N、117.5°E~124°E的渤海及其周边海域。

    历史风资料来源于美国大学大气研究联盟(UCAR)网站提供的科罗拉多研究协会的QSCAT/NCEP空间混合海洋表面风(网址:http://dss.ucar.edu/datasets/ds744.4/)。该风矢量栅格数据是由高分辨率卫星数据(Quik SCAT卫星海风仪器提供)和全球气候中心再分析数据(NCEP提供)在空间融合得到的海面以上10m再分析风场,空间分辨率为0.5°×0.5°,时间分辨率为6 h。此资料数据始于1999年7月,终于2009年7月,共计10 a的时间序列。

    虽然渤海冬夏季风场具有各自的主宰模式,但单点观测的风对大范围区域不一定具有代表性。在计算统计参数前分析不同站点风场的相关性,可以检验研究区域内风的连续分布情况。在研究区域内,分别考察各个地理格点风资料uv的时间序列,选择其线性相关系数进行分析,表达式为:

    (1)

    式中:ρAB是A和B两个地理格点风的时间序列线性相关系数,反映两个空间点风的相关性;M是各个格点的风的数据时间点总数;VAVBSASB分别为AB两个格点风的时间序列数据的均值和标准差。

    图 1显示了1999~2009年渤海风场每个格点和与其相隔0.5°的四围临近点分别在uv两个方向上的平均相关系数RuRv。X轴分量u在每个格点和其周围临近点的平均相关系数Ru均超过0.91,而Y轴分量v在每个格点和其周围临近点的平均相关系数Rv均超过0.94。由图 1可以看出,在渤海海峡附近Ru低于0.94,主要原因是渤海海峡处的风受到了附近大陆地形的影响,海峡处急剧的岸线空间变化可能改变了风运动的方向和大小。但总体上,从各格点和其临近点的风场时间序列线性相关系数来看,小范围区域内各点风场都具有很好的相关性。

    图  1  1999~2009年渤海风场各格点和其临近点分别在X轴分量u(左图)、Y轴分量v(右图)的平均相关系数
    Fig.  1  Mean correlation coefficient of wind signal at all points for Bohai during the period 1999-2009.X-component (left panel); Y-component (right panel)

    由于海陆分布会局部调整风的模式,特殊海岸走向附近的风场在大范围区域可能不再保持很好的均一性。为了进一步确定研究区域内具有风场均一性区域的大小,选出研究海域内部每隔1度的15个控制点(如图 2),把渤海区域内的风在各控制格点彼此间在uv两个方向上的时间序列的平均相关系数即(ρu +ρv)/2定义为彼此间的相关距离[13],如表 1所示,临近控制点之间的相关距离都大于0.8,说明在1°范围内的区域内部风还是相当规则的。因为溢油影响区域通常不会大于风场的相关尺度,故可以假设模拟区域的风场在空间一致。

    图  2  渤海风的区域划分(A代表大连湾位置)
    Fig.  2  Division of wind area for Bohai Sea(A represents the location of the Dalian bay)
    表  1  渤海区域15点的风速时间序列之间的相关距离
    Tab.  1  Correlation distance of wind speed time series of 15 points in Bohai
    下载: 导出CSV 
    | 显示表格

    另外,结合研究海区的海陆分布特点,将具有相似风时间序列的格点划分为一类(表 1中下划线所示),从而可以以风场相关性为基础,将整个海区分为几个各自具有较高相似性的区域。根据表 1将整个海区划分为4个子区域,如图 2所示。虽然各区域的盛行风向可能不尽相同,风向频率分布也会有所差异,但在每个区域的内部风还是保持了较好的均一性。

    由于溢油事故计算通常需要风的预报时间范围在数十天左右。而我国地处季风显著的东亚区域,风速风向变化大体上以1 a为周期,冬夏季风差距明显。为了便于分析风在年周期中不同时间段内的统计规律,对10 a内的风资料进行各年间相互对应的年内时间分段,可计算出各年内不同时间分段的风uv分量平均值的变异系数CV,以表征不同时间段长对年与年之间风的相似性的影响。年周期内风的不同时间分段的CV绝对值的平均值E公式如下:

    (2)

    式中:N为风数据的年数;kt为每年共1460个风数据点的离散时间分段段数;jt为分别与不同kt所对应的时间段长度(j*kt=1460),可分别按不同的时间段长度jt(jt=1,2,4,5,10,20,73,146,292,365,730)把每年的1460个风数据点离散为与之对应的kt段(kt=1460,730,365,292,146,73,20,10,5,4,2),由此绘制出渤海区域和大连海域年周期风的不同时间分段的CV绝对值的平均值曲线(如图 3)。其中渤海区域的风数据由区域内所有站点的平均值求得,大连区域的风数据由图 2中A点站位(122°E,39°N)得到。

    图  3  风的不同时间分段的|CV|的平均值
    Fig.  3  The average value of |CV| in different time segments of the wind

    图 3显示出:当时间段长取为0.25 d到5 d范围内时,时间分段上逐步增加段长的划分使得段内平均风的年际间差异急剧变小。渤海海域和大连区域风的时间系列在年周期内的这一特点一方面表明:当风时间序列的时间段长小于5 d时,各种分段使得各段内平均值在年际相应时段上的差异性较大;另一方面也表明:划分的时间段越长,各段内风场平均值在10 a间的差异性越小。而时间段长由5到90 d的逐步划分使风场年际差异缓慢变小,而90 d后风场年际差异趋于稳定,符合本区域季风明显的特点。大连海域时间段长超过30 d的风时间系列年际差异明显低于时间段长不足30 d的差异,故得出大连海域风时间系列时段划分在30 d以上年际差异区别不大。

    以东部区域的大连海域为例,取图 2中A点10 a的风资料做进一步分析,把风分别按速度大小2 m/s、方向范围30°进行离散统计。下面按不同月份把10 a风资料以风速风向联合概率分布函数的形式画成依速度/方向变化的等值线图(图 4),图 4显示4~9月风速大多不会超过15 m/s,且不同月份高频风差异较大,高频风向随月份更替大体呈逆时针循环变化。冬季风大而且频繁、盛行偏北风;而夏季多偏南风,体现了我国季风的显著特点。

    图  4  大连湾1999-08至2009-07每相同月份风的速度/方向联合概率分布(百分数表示)
    Fig.  4  Joint wind direction and speed probability distribution (expressed as percentages) for Dalian bay for the individual same months from 1999-08 to 2009-07

    风的概率预测模型是指通过历史风资料,采用离散统计分析预测方法,得到需要的随机风时间序列。该法导出的风向转移矩阵(DT)量化了风在每两个指定方向转换的概率。根据DT和风的平均持续时间可计算出随机风的时间序列,该时间序列能体现出历史风场的能量水平、周期性和方向变化。

    本文概率模型计算所必须的三个统计参数:联合风速风向概率分布矩阵(SD),风向转移矩阵(DT)和时间尺度(Te)。

    SD包含的信息等同于风玫瑰图,方向离散数值代表以此为中心的一部分方向(比如0°代表 345°~15°的范围)。风速分区离散间隔视当地风速大小波动情况而定(本文按2 m/s间隔分区)。

    DT量化了风在每两个指定方向相继出现的概率。能确定一种特定风之后的下一时刻其它各种可能方向的风发生的概率,反映了一种海况影响下一海况的可能性。

    Te反映每种风的持续时间尺度,表达了一种风的平均持续时间。

    海上漂浮物漂移预测需要在事故发生时得到较长时间的风场精确预报,3 d以内的可靠风场或许可以由天气预报提供,3 d之后的预测可用以下的概率模型。

    (1) 概率模型的初始状态可以给定,或根据SD选择概率模型的初始风向;

    (2) 伴随此风向的风速可由SD分布的相应行中的概率随机选择出来;

    (3) 概率p定义为:

    (3)

    式中:dt是时间步长。一个均匀分布的随机数RAN被选择。通过考虑当RANp时认为事件结束,这样持续时间过程被随机的模拟;

    (4) 当RANp时,重复步骤(2)~(3);

    (5)当RANp,通过TD中的信息重新选择新的风向,然后再重复步骤(2)~(3)。

    经过前面的风场分析,已得出大连海域10 a的风有明显的以年为周期的变化特点,秋冬季风速大于春夏季,为了进一步精准统计风的特性,把大连海域风的历史数据依速度/方向分区绘制成以百分数表示的联合风速风向概率分布矩阵(表 2),表 2显示常风向为北风,而且北风出现频率超过东北风出现频率的2倍。西北风比东南风出现频率高;5 m/s的风速最为常见,南风无大风,风速最大为13 m/s。此表可用来确定风速和风向的一个特定组合的概率。用均匀分布可以随机地选择任意时间的随机风的特定组合。这些信息等同于一个来自气候图集的标准风玫瑰制表。

    表  2  1999-08至2009-07风历史数据在(122°E, 39°N)的联合风速风向概率分布矩阵(以百分数表示)
    Tab.  2  The joint wind speed and direction probability distribution (expressed as percentages) derived from the 1999.08-2009.07 wind data of (122°E, 39°N)风速(m/s)
    下载: 导出CSV 
    | 显示表格

    从前一节可知,风场每个月都有各自的统计特性并且和全年的都大不相同,因此我们可以分月制出每个月的风玫瑰制表。由于风玫瑰制表预测风的传统方法将风的速度和方向保持恒定不变,然而在现实中,风速、风向都会随时变化。而适用于预测模型的概率随机风要优于风玫瑰图,因为它具有和长期历史风情况相似的能量水平、周期和方向变化。

    为了得到大连海域的概率随机风场,先把大连区域相隔6 h的风的数据点中的每一个分配到12个方向之中,然后统计出风向转移矩阵(DT)(见表 3),得到连续两种指定风向相随的概率描述,即DT量化了两个指定方向之间风变化的概率[14]。从表 3中可以看出:每种风结束后,下一时刻的风转移概率最高的通常发生在它的临近方向(表 3中下划线所示)。

    表  3  1999-08~2009-07风历史数据在(122°E, 39°N)的风向转移矩阵(DT)(概率以百分数表示)
    Tab.  3  The transition matrix for wind direction (DT) derived from the 1999-08~2009-07 wind data(122°E, 39°N)
    下载: 导出CSV 
    | 显示表格

    根据前面提到的模型方法可以预测出大连海域(122°E, 39°N)不同时段的随机风时间序列。为了验证预测得到的此海域随机风时间序列的合理性,图 5分别给出了大连海域4个不同时段历史样本与用本文方法得到的风时间序列的速度/方向联合概率分布的对比。从图 5中得出:时段为月的联合概率分布对比相似性较好(见上下6、7月份各自的对比图),时段为季度的联合概率分布对比相似性比时段为月的相似性更好(见中间的4帧图),此结果的规律也同时正符合图 3得到的结论。

    图  5  大连湾不同时段实测样本(a)和本文预测的风(b)速度/方向联合概率分布对比
    Fig.  5  Comparison of the joint wind speed-direction probability distributions for Dalian Bay of the measured data(a) with those of this paper generated data (b) for different duration

    (1) 通过对渤海附近海域的历史风资料进行离散统计分析,提出了一种风向随时间变化的渤海随机风的预测方法,可获得适用于快速预报溢油轨迹所需的随机风时间序列。这种随机风包含了和长期历史风情况相似的能量水平、周期和方向变化,在突发溢油模拟预报方面弥补了传统的风玫瑰图法的不足。

    (2) 基于对研究区域内不同地点、不同时间段风场的相关性分析,将十年风资料按不同时段分别进行离散统计,得出不同固定时段的随机风时间序列,能更好地体现海上事故应急响应期间的表面风场变化。进一步完善了随机风的时间序列预测模型。该方法具有通用性、有效性和合理性,可为相关研究提供参考。

  • 图  1   1999~2009年渤海风场各格点和其临近点分别在X轴分量u(左图)、Y轴分量v(右图)的平均相关系数

    Fig.  1.   Mean correlation coefficient of wind signal at all points for Bohai during the period 1999-2009.X-component (left panel); Y-component (right panel)

    图  2   渤海风的区域划分(A代表大连湾位置)

    Fig.  2.   Division of wind area for Bohai Sea(A represents the location of the Dalian bay)

    图  3   风的不同时间分段的|CV|的平均值

    Fig.  3.   The average value of |CV| in different time segments of the wind

    图  4   大连湾1999-08至2009-07每相同月份风的速度/方向联合概率分布(百分数表示)

    Fig.  4.   Joint wind direction and speed probability distribution (expressed as percentages) for Dalian bay for the individual same months from 1999-08 to 2009-07

    图  5   大连湾不同时段实测样本(a)和本文预测的风(b)速度/方向联合概率分布对比

    Fig.  5.   Comparison of the joint wind speed-direction probability distributions for Dalian Bay of the measured data(a) with those of this paper generated data (b) for different duration

    表  1   渤海区域15点的风速时间序列之间的相关距离

    Tab.  1   Correlation distance of wind speed time series of 15 points in Bohai

    下载: 导出CSV

    表  2   1999-08至2009-07风历史数据在(122°E, 39°N)的联合风速风向概率分布矩阵(以百分数表示)

    Tab.  2   The joint wind speed and direction probability distribution (expressed as percentages) derived from the 1999.08-2009.07 wind data of (122°E, 39°N)风速(m/s)

    下载: 导出CSV

    表  3   1999-08~2009-07风历史数据在(122°E, 39°N)的风向转移矩阵(DT)(概率以百分数表示)

    Tab.  3   The transition matrix for wind direction (DT) derived from the 1999-08~2009-07 wind data(122°E, 39°N)

    下载: 导出CSV
  • [1]

    ELLIOTT A J.A probabilistic description of the wind over Liverpool Bay with application to oil spill simulations[J].Estuarine, Coastal and Shelf Science, 2004, 61(4):569-581. doi: 10.1016/j.ecss.2004.06.022

    [2]

    MORONI D, PIERI G, SALVETTI O, et al.Sensorized buoy for oil spill early detection[J].Methods in Oceanography, 2016, 17:221-231. doi: 10.1016/j.mio.2016.10.002

    [3]

    WANG S D, SHEN Y M, GUO Y K, et al.Three-dimensional numerical simulation for transport of oil spills in seas[J].Ocean Engineering, 2008, 35(5/6):503-510. https://www.sciencedirect.com/science/article/pii/S0029801807002582

    [4]

    LARGE W G, POND S.Open ocean momentum flux measurements in moderate to strong winds[J].Journal of Physical Oceanography, 1981, 11(3):324-336. doi: 10.1175/1520-0485(1981)011<0324:OOMFMI>2.0.CO;2

    [5]

    ELLIOTT A J.EUROSPILL:Oceanographic processes and NW European shelf databases[J].Marine Pollution Bulletin, 1991, 22(11):548-553. doi: 10.1016/0025-326X(91)90894-X

    [6]

    JONES B.The use of numerical weather prediction model output in spill modelling[J].Spill Science & Technology Bulletin, 1999, 5(2):153-159. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=d9d5a5f651e91f4db7c10ffa5e4878d7

    [7]

    DE DOMINICIS M, BRUCIAFERRI D, GERIN R, et al.A multi-model assessment of the impact of currents, waves and wind in modelling surface drifters and oil spill[J].Deep Sea Research Part Ⅱ:Topical Studies in Oceanography, 2016, 133:21-38. doi: 10.1016/j.dsr2.2016.04.002

    [8]

    GUO W J, WANG Y X, XIE M X, et al.Modeling oil spill trajectory in coastal waters based on fractional Brownian motion[J].Marine Pollution Bulletin, 2009, 58(9):1339-1346. doi: 10.1016/j.marpolbul.2009.04.026

    [9] 王金华, 沈永明.适用于复杂地形海域的溢油模拟系统[J].中国科学:技术科学, 2010, 40(11):1367-1377.
    [10]

    GUO W J, WANG Y X.A numerical oil spill model based on a hybrid method[J].Marine Pollution Bulletin, 2009, 58(5):726-734. doi: 10.1016/j.marpolbul.2008.12.015

    [11] 匡翠萍, 谢华浪, 苏平, 等.蓬莱19-3溢油运移与归宿数值模拟和分析[J].同济大学学报:自然科学版, 2016, 44(10):1585-1594. http://d.old.wanfangdata.com.cn/Periodical/tjdxxb201610017
    [12] 濮鸣锋, 杨红, 张午.东吾洋关门渔港邻近海域溢油模拟分析[J].海洋环境科学, 2017, 36(1):121-128. doi: 10.13634/j.cnki.mes20170120
    [13] 石慧, 蔡旭晖, 宋宇.中国近海海面风场的分类[J].北京大学学报:自然科学版, 2011, 47(2):353-362. http://d.old.wanfangdata.com.cn/Thesis/Y2023694
    [14] 季亮, 谭洪卫, 王亮.基于马尔可夫链的自然风风向建模[J].中南大学学报:自然科学版, 2012, 43(8):3274-3279. http://d.old.wanfangdata.com.cn/Periodical/zngydxxb201208056
  • 期刊类型引用(2)

    1. 陈秋良,蔡学石,姜倩,崔雷,李德鹏,陈兆林,姜恒志,梁淼. 曹妃甸甸头海域溢油行为数值模拟研究. 海洋环境科学. 2022(01): 85-93 . 本站查看
    2. 唐衍力,解涛,于浩林,虎琦,刘岳,张萌萌,方光杰. 环境与摄食对山东省近海鱼礁区不同体长许氏平鲉分布的影响. 水产学报. 2020(06): 924-935 . 百度学术

    其他类型引用(1)

图(5)  /  表(3)
计量
  • 文章访问数:  2092
  • HTML全文浏览量:  2129
  • PDF下载量:  22
  • 被引次数: 3
出版历程
  • 收稿日期:  2017-06-15
  • 修回日期:  2017-07-06
  • 刊出日期:  2019-02-19

目录

/

返回文章
返回
x 关闭 永久关闭