留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

舟山渔港风暴潮模拟分析

孙志林 钟汕虹 王辰 涂文荣 纪汗青

孙志林,钟汕虹,王辰,等. 舟山渔港风暴潮模拟分析[J]. 海洋学报,2020,42(1):136–143,doi:10.3969/j.issn.0253−4193.2020.01.014
引用本文: 孙志林,钟汕虹,王辰,等. 舟山渔港风暴潮模拟分析[J]. 海洋学报,2020,42(1):136–143,doi:10.3969/j.issn.0253−4193.2020.01.014
Sun Zhilin,Zhong Shanhong,Wang Chen, et al. Simulation and analysis of storm surge at Zhoushan fishing port[J]. Haiyang Xuebao,2020, 42(1):136–143,doi:10.3969/j.issn.0253−4193.2020.01.014
Citation: Sun Zhilin,Zhong Shanhong,Wang Chen, et al. Simulation and analysis of storm surge at Zhoushan fishing port[J]. Haiyang Xuebao,2020, 42(1):136–143,doi:10.3969/j.issn.0253−4193.2020.01.014

舟山渔港风暴潮模拟分析

doi: 10.3969/j.issn.0253-4193.2020.01.014
基金项目: 国家自然科学基金重大研究计划项目(91647209);国家重点研发计划(2016YFC0402305-02)。
详细信息
    作者简介:

    钟汕虹:孙志林(1956—),男,教授,主要从事水动力数值模拟研究。E-mail:21634090@zju.edu.cn

  • 中图分类号: P731.2

Simulation and analysis of storm surge at Zhoushan fishing port

  • 摘要: 渔港风暴潮研究对防灾减灾具有重要意义。本文构建了舟山海域嵌套网格的风暴潮模型,经天文潮与风暴潮实测资料验证效果良好。设计5个方向共14条台风路径,计算了2017年8月8−12日大潮期12~17级台风下舟山渔港的风暴潮位。结果表明,由于向岸风作用南侧SE向比北侧E向登陆台风所造成的最高风暴潮位高35.7%,差值可达82 cm;对于两端通海的舟山渔港,南侧0.5R处登陆的SE向台风,风向与东口门朝向一致而跟渔港走向斜交,有利于水体进入并滞留,此时风暴潮位最高。南侧12级台风下ESE、SE、SSE发生漫堤,而北侧登陆台风无漫堤风险,沉降等原因造成海堤防台能力两头低于中段;数值试验显示,若在小干岛东侧设置丁坝,可将17级台风作用下的漫堤概率由26.23%减为10.66%。
  • 我国东部沿海渔港众多,频发的台风灾害对渔港造成了严重威胁。舟山渔港是浙江省中心渔港之一,风暴潮位剧烈抬升可能造成漫堤灾害,分析渔港风暴潮,对防灾减灾具重要意义。

    数值模拟是计算风暴潮的主要方法,常用的数值模型包括FVCOM、ADCIRC、POM[1-6]等,此外Delft-3D也在风暴潮、台风致灾、漫滩范围上有着良好的模拟结果[7-9]。对海湾地区,Hope等[10]和Kennedy等[11]模拟了飓风Ike登陆德克萨斯州海岸的风暴潮过程,指出高强度台风与海岸口袋式结构共同导致了台风登陆前巨浪的出现,Liu等[12]研究了湛江港浅水湾的风暴潮,发现台风路径通过强迫外部水域影响了最大风暴潮发生的时间,Wang等[13]探索了台风登陆位置、参数组合在海南省产生的最大可能风暴潮,Wang等[14]研究了渤海莱州湾风暴潮的主要作用气旋类型,Luo等[15]用多变量极端统计方法模拟了半封闭海湾的风暴潮情况,刘永玲等[16]指气旋资料长度也影响着风暴潮危险性评估效果。在河口地区,除台风地形因素外,还需考虑围海工程、径流变化以及外海涌浪等对风暴潮的影响,修正河口风暴潮预报过程的误差,可以降低灾害防治中的不确定性[17-21]

    以往关于风暴潮的模拟多集中于海岸河口等半封闭区域,对于两头连通外海的港区研究较少。本文模拟了舟山渔港风暴潮,分析不同路径登陆台风的港内风暴潮位特征以评估漫堤风险,计算了不同丁坝方案对渔港漫堤概率的削弱效果,为渔港防台提供参考。

    采用基于结构化网格的Delft-3D-FLOW模块进行水动力模型建模,使用ADI法对坐标下的控制方程进行离散求解[22],风暴潮模型的控制微分方程包括:

    (1)$\xi $方向动量方程

    $$\begin{split} & \frac{{\partial u}}{{\partial t}} + \frac{u}{{\sqrt {{G_{\xi \xi }}} }}\frac{{\partial u}}{{\partial \xi }} + \frac{v}{{\sqrt {{G_{\eta \eta }}} }}\frac{{\partial u}}{{\partial \eta }} + \frac{w}{H}\frac{{\partial u}}{{\partial \sigma }} \\ & + \frac{{uv}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \sqrt {{G_{\xi \xi }}} }}{{\partial \eta }} - \frac{{{v^2}}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \sqrt {{G_{\eta \eta }}} }}{{\partial \xi }} - fv \\ &= - \frac{1}{{{\rho _0}\sqrt {{G_{\xi \xi }}} }}{P_\xi } + {F_\xi } + \frac{1}{{{H^2}}}\frac{\partial }{{\partial \sigma }}\left( {{V_V}\frac{{\partial u}}{{\partial \sigma }}} \right) + {M_\xi }. \end{split} $$ (1)

    (2)$\eta $方向动量方程

    $$\begin{split} & \frac{{\partial v}}{{\partial t}} + \frac{u}{{\sqrt {{G_{\xi \xi }}} }}\frac{{\partial v}}{{\partial \xi }} + \frac{v}{{\sqrt {{G_{\eta \eta }}} }}\frac{{\partial v}}{{\partial \eta }} + \frac{w}{H}\frac{{\partial v}}{{\partial \sigma }} \\ & + \frac{{uv}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \sqrt {{G_{\eta \eta }}} }}{{\partial \xi }} - \frac{{{u^2}}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \sqrt {{G_{\xi \xi }}} }}{{\partial \eta }} + fu \\ & = - \frac{1}{{{\rho _0}\sqrt {{G_{\eta \eta }}} }}{P_\eta } + {F_\eta } + \frac{1}{{{H^2}}}\frac{\partial }{{\partial \sigma }}\left( {{V_V}\frac{{\partial v}}{{\partial \sigma }}} \right) + {M_\eta } . \end{split}$$ (2)

    (3)$\sigma $方向速度

    $$\begin{split} W =& w + \frac{1}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\left[u\sqrt {{G_{\eta \eta }}} \left( {\sigma \frac{{\partial H}}{{\partial \xi }} + \frac{{\partial \zeta }}{{\partial \xi }}} \right) \right. \\ & +\left. v\sqrt {{G_{\xi \xi }}} \left( {\sigma \frac{{\partial H}}{{\partial \eta }} + \frac{{\partial \zeta }}{{\partial \eta }}} \right)\right] + \left( {\sigma \frac{{\partial H}}{{\partial t}} + \frac{{\partial \zeta }}{{\partial t}}} \right) . \end{split} $$ (3)

    $w$根据连续方程求出:

    $$ \begin{split} & \frac{{\partial \zeta }}{{\partial t}} + \frac{1}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \left( {Hu\sqrt {{G_{\eta \eta }}} } \right)}}{{\partial \xi }} \\ & +\frac{1}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\frac{{\partial \left( {Hv\sqrt {{G_{\xi \xi }}} } \right)}}{{\partial \eta }} + \frac{{\partial w}}{{\partial \sigma }} = 0. \end{split}$$ (4)

    式中,$\sqrt {{G_{\xi \xi }}} $$\sqrt {{G_{\eta \eta }}} $为曲线坐标系转换为直角坐标系的转换系数;$\zeta $为水位;$H$为水深;$W$$\sigma $方向的平均流速;$u$$v$$w$分别是水流在$\xi $$\eta $$\sigma $方向的速度;柯氏力系数$f = 2\Omega \sin \phi $$\Omega $为地球自转角度,$\phi $为纬度;${F_\xi }$${F_\eta }$分别为$\xi $$\eta $方向的紊动动量通量;${P_\xi }$${P_\eta }$分别为$\xi $$\eta $方向的压强梯度;${M_\xi }$$M_\eta $分别为$\xi $$\eta $方向由水工建筑、出入流和波浪等引起的动量变化;${V_V}$为垂向黏滞系数;$\,{\rho _0}$为水密度。

    舟山渔港为长7 km、宽300~700 m的ESE向狭长水域,北岸舟山岛与南岸小干岛、蛇山对峙形成东口门、西口门和中口门3个口门,并与海洋连通。东口门宽700 m朝向东南,西口门宽300 m朝向西北,中口门500 m朝向西南。台风影响范围与渔港尺度相差悬殊,为提高风暴潮模拟精度,本文采用双层嵌套结构化网格模型,计算区域网格见图1,其中大模型范围23.89°~33.61°N,118.06°~126.39°E,分辨率为1 400 m。小模型范围29.61°~30.69°N,121.50°~122.86°E,最小网格长度20 m。涡动黏滞系数的取值由网格分辨率控制,当分辨率大于100 m,涡动黏滞系数的取值范围为10~100 ${{\rm{m}}^{\rm{2}}}{\rm{/s}}$,分辨率为20 m左右,则黏滞系数的取值范围为1~10 ${{\rm{m}}^{\rm{2}}}{\rm{/s}}$。低分网格区域曼宁系数取为0.015 ${{\rm{m}}^{{\rm{ - 1/3}}}} \cdot {\rm{s}}$,涡动黏滞系数取为80 ${{\rm{m}}^{\rm{2}}}{\rm{/s}}$,高分网格区岛屿众多岸线边界复杂,曼宁系数由0.015 ${{\rm{m}}^{{\rm{ - 1/3}}}} \cdot {\rm{s}}$缓慢过渡为0.045 ${{\rm{m}}^{{\rm{ - 1/3}}}} \cdot {\rm{s}}$,涡动粘滞系数取为1 ${{\rm{m}}^{\rm{2}}}{\rm{/s}}$。时间步长设为1 min,模型采用冷启动,初始水位和流场设为0,外海水位开边界潮位数据由Tidal Model driver工具包调和分析预报得出[23],考虑M2、S2、N2、K2、K1、O1、P1和Q1共8个分潮。

    图  1  计算区域网格
    Figure  1.  Grid of computational area

    采用自然资源部第二海洋研究所2017年3月实测天文潮数据对嵌套网格模型进行验证,测点A位置见图1。天文大潮验证时间从13日9时至14日10时,小潮从20日7时至22日0时,计算结果与实测值对比见图2图3,98%的点天文潮位误差不大于10 cm,流速相对误差小于10%的点占80%,天文潮模拟精度良好。

    图  2  测点A天文大潮验证
    Figure  2.  Verification of astronomic spring tide at Station A
    图  3  测点A天文小潮验证
    Figure  3.  Verification of astronomic neap tide at Station A

    台风场由梯度风和移行风组成。梯度风场${\overrightarrow W _s}$选择Fujita-Takahashi模式[24]

    $$\left\{ \begin{split} & \frac{{{p_r} - {p_0}}}{{{p_\infty } - {p_0}}} = 1 - \frac{1}{{\sqrt {1 + 2{{\left( {{r / R}} \right)}^2}} }}\;\;\;\;\left( {0 \leqslant r \leqslant 2R} \right) \\ & \frac{{{p_r} - {p_0}}}{{{p_\infty } - {p_0}}} = 1 - \frac{1}{{1 + {r / R}}} \;\;\;\;\;\;\;\;\;\;\quad \left( {2R \leqslant r \leqslant \infty } \right) \end{split} \right. ,$$ (5)
    $$\left\{ \begin{split} & \overrightarrow {{W_s}} = \left[ { - \frac{f}{2} + \sqrt {\frac{{{f^2}}}{4} + {{10}^2}\frac{{2\left( {{p_\infty } - {p_0}} \right)}}{{{\rho _{\rm{a}}}{R^2}}}{{\left( {1 + \frac{{2{r^2}}}{{{R^2}}}} \right)}^{ - \frac{3}{2}}}} } \right] \\ & \times \left( { - A\vec i + B\vec j} \right) \qquad \qquad\qquad\qquad\;\; \left( {0 \leqslant r \leqslant 2R} \right) \\ & \overrightarrow {{W_s}} = \left[ { - \frac{f}{2} + \sqrt {\frac{{{f^2}}}{4} + {{10}^2}\frac{{2\left( {{p_\infty } - {p_0}} \right)}}{{{\rho _{\rm{a}}}Rr{{\left( {1 + {r / R}} \right)}^2}}}} } \right] \\ & \times \left( { - A\vec i + B\vec j} \right) \quad\;\;\;\;\qquad\qquad\qquad \left( {2R \leqslant r \leqslant \infty } \right) \end{split} \right. ,$$ (6)
    $$\left\{ \begin{split} & A = - \left( {x - {x_0}} \right)\sin \theta + \left( {y - {y_0}} \right)\cos \theta \\ & B = \left( {x - {x_0}} \right)\cos \theta - \left( {y - {y_0}} \right)\sin \theta \\ \end{split} \right. .$$ (7)

    移行风场${\overrightarrow W _m}$由下式计算[25]

    $${\overrightarrow W_m} = \exp \left( { - \frac{{\text π}}{4}\frac{{\left| {r - R} \right|}}{R}} \right)\left( {{v_x}\vec i + {v_y}\vec j} \right).$$ (8)

    台风最大风速半径R用黄冠鑫根据美国15年实测资料建立的经验公式计算:

    $$R = {R_{{k}}} - 0.4 \times \left( {{P_{\rm{0}}} - 900} \right) + 0.01 \times {\left( {{P_0} - 900} \right)^2} .$$ (9)

    式中,$r$为计算点到台风中心的距离;${P_r}$为距离台风中心$r$处的气压;${P_0}$为台风中心气压;${P_\infty }$为台风外围环境气压,取值为1 010~1 013 hPa;${R_{{k}}}$为经验常数,取40 km;${\rho _{\rm{a}}}$为空气密度;$\theta $为梯度风吹入角;${x_0}$${y_0}$为台风中心坐标;xy为距台风中心$r$处的坐标;${v_x}$${v_y}$为台风移行速度在$x$$y$方向上的分量。

    1211号台风于2012年8月8日在宁波市象山县登陆时中心气压960 hPa,近中心风力为14级,舟山渔港离登陆点较近,受影响严重。将计算生成的台风场文件加入嵌套模型,选取跟渔港相近的定海站潮位数据进行验证如图4,模拟值与实测值对比,误差不超过30 cm,效果良好。

    图  4  1211号台风期间定海站风暴潮位验证
    Figure  4.  Verification of storm tide at Dinghai Station during Typhoon 1211

    中国台风网提供的历史台风统计资料显示,在影响舟山渔港的台风中,9711造成最大风暴潮位,故以其登陆等级12级作为台风代表强度,中心气压、最大风速分别为965 hPa与35 m/s,此强度下,移行风速多分布在5~15 km/h之间,故取10 km/h、13 km/h、15 km/h 3种速度计算,影响舟山的台风大多发生在东至南90°夹角内,选取E、ESE、SE、SSE和S共5个方向各2条路径进行模拟,以渔港为中心,与台风路径的距离分别取R、–R,负值表示南侧登陆台风,正值为北侧登陆台风,由此计算得到渔港风暴潮位特征及漫堤概率,具体模拟路径见图5,台风中心初始位置为图中红线最东南端。

    图  5  台风模拟路径
    Figure  5.  Typhoon simulation paths

    计算以上10条路径的风暴潮位,移行风速取慢速10 km/h,台风强度为12级,计算时间为2017年8月8日0:00至8月12日0:00天文大潮时,选取计算结果中最高潮位值进行分析。

    在12级台风作用下,对于北侧登陆台风,模型计算所得的港内风暴潮位峰值范围为2.26~2.30 m,最低值出现于ER路径,当登陆点位于渔港南侧时港内最高风暴潮位为2.84~3.12 m,SE-R向台风出现最高值;南侧比北侧登陆台风所造成的最高风暴潮位高35.7%,差值可达82 cm。

    风应力是潮位增长的主要驱动力,在靠近陆地的海湾地区,离岸风作用使内部水体流向外海,部分地区出现风暴减水,但舟山渔港两头与外海连通,港内风暴潮是风向、口门大小及朝向共同作用的结果,向岸风与离岸风均会使水流进入,造成风暴增水,台风在南侧登陆时风向分布于北至西的90°夹角内,渔港受向岸风作用,大量外海水体从东口门、中口门进入,此时港内水量增加达13.9$ \times {10^6}$ m3,风暴潮位显著抬高;台风在北侧登陆时渔港受离岸风作用,近岸海水被吹向外海,水体主要从开口较小的西口门、中口门流入,东口门流出,近岸来水相较于外海水量少,且渔港位于舟山东南角,西北方分布着长峙岛、岙山等众多岛屿,提供了良好的遮蔽作用,从西口门进入的水量小于东口门与中口门,故南侧登陆时进入港内水体约为北侧的1.3倍。此外台风场不对称性也是造成潮位差的原因,在北半球,台风呈逆时针旋转,加入移行风场使得最大风速半径域内形成东北高西南低的不对称漏斗形风速分布,台风南侧登陆时,风场的最大风速区掠过渔港上空,而当登陆点在北侧时,渔港处于低风区,外加舟山岛对渔港有遮蔽作用,使港内风速比南侧登陆时低20.3%。

    台风移行速度对港内风暴潮有不可忽视的影响,模拟移行速度不同的各来向风暴潮位,令台风于同一时刻过境,发现台风移行速度由10 km/h增大到13 km/h,减少了台风停留在渔港上空的时间,风暴潮位最多减小29 cm;而当台风移行速度由13 km/h增大为15 km/h时,移行风速的叠加使台风整体风速值升高,带来了更多外海的表层水体,潮位最多增大35 cm。说明移行风速增大具有两种作用,即减少渔港上方台风停留时间使潮位降低和驱动表层水体令潮位增高。

    E向12级台风作用下,南侧登陆台风在距离东口门西侧2 000 m附近形成风暴潮位下凹面,比港区小干岛一侧最高风暴潮位低8 cm,而北侧登陆台风形成上凸面,比港区最低风暴潮位高12 cm。S向台风南侧登陆时,西口门至中口门段风暴潮位高于两侧,比港内东口门附近最低风暴潮位高10 cm;北侧登陆台风将水吹至外海,中口门附近风暴潮位低于两侧,从中口门至东口门风暴潮位逐渐升高,比港内最高处低7 cm。ESE、SE、SSE向台风作用下渔港风暴潮位分布情况相似,南侧登陆时,中口门附近风暴潮位最高,而东口门附近流速较大,没有岸线的遮挡导致水快速进入港区而形成了最低风暴潮位,潮位最高比最低值高7 cm;台风北侧登陆时,大量水流从中、西口门进入,港内风暴潮位值在西口门附近略有抬高,经过中口门的风暴潮最低区域后逐渐增高,并在距东口门1 000 m的附近海域形成最高潮位区,中口门附近风暴潮位值比最大值要小8 cm。

    总的来看,台风期间水体分布受到的影响表现为两个方面:一方面海域上空气压场变化引起水体发生位移,在台风模型中,气压场改变,引起水域高压区水体流向低压区,使得高压区水位降低、低压区水位抬升;另一方面,Fujita-Takahashi参数化台风模式中风梯度场通过梯度风公式求得,风为气压导数的函数,因此气压的变化改变了风场,引起水体逆风速梯度方向流动,进而影响了水位分布。但台风影响范围面积约为舟山中心渔港面积的数千倍,渔港上空气压变化不大,同侧登陆台风引起的港内风暴潮位分布差异主要与风向有关,相同走向南、北登陆台风,离岸风的作用使水向东口门流动,随着水面宽度收窄,无法及时流出的水体在口门附近形成堆积;而向岸风则造成了中口门进入的水流撞击岸线后分为两股,一侧与东口门进水相聚,一侧被西口门狭窄的水面宽度阻碍,分别形成风暴潮位高值。各路径登陆12级台风下渔港最高潮位与风向分布见图6

    图  6  港内风暴潮位与风速
    Figure  6.  Storm tide and wind velocity at the fishing port

    漫堤是指水位高于堤防并持续产生漫溢,渔港北侧为舟山市城区,风暴潮期间的漫堤威胁居民与财产安全,在长约7 km岸堤紧邻网格上取123个观察点,绘制观察点风暴潮位连线与海堤高程连线,前者高于后者的岸段长度即为漫堤长度,这里定义渔港的漫堤概率等于漫堤岸线长度/岸线总长度,以此计算漫堤概率,来反映风暴潮灾害的危险程度。

    对北侧登陆的12级台风,风暴潮位均低于岸线最低高程,不会出现漫堤。12级台风南侧登陆,S-R、E-R路径也不发生漫堤;ESE、SE和SSE向的漫堤概率分别为0.45%、0.46%和0.43%。南侧登陆台风的漫堤风险要高于北侧登陆。蓝焰燃气厂外侧的海堤高程最低,仅为3.1 m,处于漫堤高发区,与最近的房屋相距不足100 m,应重点提防漫堤灾害。

    根据不同路径下风暴潮在港内的分布特点可推断,随着台风等级的增加,ESE、SE、SSE向北侧登陆以及E向台风作用下,距东口1~2 km的高风暴潮位区延伸至海堤东端,该段海堤的低点临城工业园区高程仅为3.3 m,需加强风暴潮防治;ESE、SE、SSE向南侧登陆和S向台风作用下,港内最高风暴潮出现区域覆盖了蓝焰燃气厂外侧的海堤最低点,极易在该处出现漫堤险情。

    海堤各段高程差异较大,范围从3.1~6 m,为计算分析10种路径中形成最高风暴潮位的SE-R路径12~17级台风作用下漫堤情况,得到海堤极限防台等级,定义渔港防台级别为海堤出现漫堤时的台风等级。海堤防台等级见图7

    图  7  海堤的防台等级
    Figure  7.  The defense level of sea dike

    位于海堤最西端300 m岸段平均高程为3.3 m,最低点仅为3.1 m,在12~13级台风下就已发生漫堤;海堤东端高程起伏变化,台风等级由14级升为15级,靠岸潮位超过3.8 m,导致漫堤概率升高明显,由8.2%增至22.13%,当受到17级台风影响时,港内部分风暴潮位高度达到4 m,此时漫堤风险为26.23%。总之,中口门所对海堤段的防台能力较好,可满足于防御17级台风造成的风暴潮,但位于渔港东、西口门处的部分岸段高程较低,海堤西端防台等级仅为12~13级,海堤东端高、低防台能力交替出现,最低防台等级为13级。

    通过上述分析可知台风期间剧烈的风吹流作用使渔港内水位显著抬高而发生漫堤,造成舟山市严重的经济损失。如前所述,在5种来向中,以SE-R向台风造成的渔港风暴潮位最大,漫堤概率最高。为此在SE向增加4条平行模拟路径,以进一步分析登陆位置与港内风暴潮位的关系。相邻路径间距为0.25R,5条路径见图8,其中登陆点在渔港记为0。

    图  8  东南向路径
    Figure  8.  The southeast path

    计算了5条路径12级台风过程中舟山渔港的风暴潮位。渔港位于登陆点北侧1个最大风速半径R时,风暴潮位3.116 m,比0.5R路径台风时最大风暴潮位3.172 m低5.6 cm,而高于其他路径台风的潮位峰值。

    一般而言,最大风暴潮位出现在R路径台风作用时,然而舟山渔港两端通海,东口门与西口门正向相对,岸线接近直线,最大风速与渔港走向一致时会加快水体流出港区,从而降低风暴潮位。0.5R路径台风与东入口流向一致,有利于加大入港涨潮流,同时渔港走向与入口潮流向呈一定夹角,有利于水体在港内滞留。因此0.5R路径台风造成了渔港最高风暴潮位,此时漫堤的可能性最大,台风登陆时刻渔港潮流与风速见图9

    图  9  台风登陆时刻渔港流速与风向
    Figure  9.  Tide and wind velocity at the typhoon landing moment

    经上述分析,改变渔港走向与入口潮流方向是降低漫堤概率的关键。在东口门小干岛东侧设置1 200 m或鲁家峙西侧设置1 300 m的丁坝,走向均为东西向,出口留有200 m的距离供渔船进出,通过计算对比17级台风作用下各方案与未设丁坝时港内风暴潮位高度,分析其对港内风暴潮的削弱作用。丁坝设置前后的风暴潮位差值见图10

    图  10  丁坝对风暴潮位的削弱效果
    Figure  10.  The weakening effect of the spur dike on the storm tide level

    当坝头设置于鲁家峙西侧,口门朝向与渔港走向的交角没有改变,坝体阻挡了部分水流进入但未能加长水流进入渔港的路径,削弱作用有限;当坝头设置在小干岛东侧时,东口门方向改变为正东向,与渔港走向的交角变大,水体从开口进入,先撞击舟山岛再流向港池,水流速度相较于没有设置防波堤时减慢了10.7%,港内整体潮位比未设防波堤时均有减小,最大减小了8 cm,潮位削弱效果是坝头设置在鲁家峙西侧时的5倍,在17级台风的作用下,防波堤可使得漫堤概率降低至10.66%,将原概率削减一半。

    (1)在2017年8月8−12日大潮期间,SE-R向台风引起的港内风暴潮位峰值最大,台风南侧比北侧登陆造成的风暴潮高35.7%,漫堤风险更大。渔港北侧岸线在17级台风作用下的最高漫堤概率为26.23%。移行风速增大即可减少台风停留时间使风暴潮位降低又会驱动表层水体令潮位增高,其与参数化风场一起影响了港内风暴潮位分布,综合考虑了高程与风暴潮位的分布得到两端海堤防台等级低于中部。

    (2)对两端通海的舟山渔港,SE-0.5R路径台风作用下,风速与入口流速方向一致,涨潮流量增大,而渔港走向与风速呈一定交角有利于水体滞留,港内潮位最高。将坝头设置在小干岛东侧的丁坝对港内风暴潮削弱作用良好,此时北侧岸线漫堤风险为10.66%,相较于未设堤防时降低了一半。

  • 图  1  计算区域网格

    Fig.  1  Grid of computational area

    图  2  测点A天文大潮验证

    Fig.  2  Verification of astronomic spring tide at Station A

    图  3  测点A天文小潮验证

    Fig.  3  Verification of astronomic neap tide at Station A

    图  4  1211号台风期间定海站风暴潮位验证

    Fig.  4  Verification of storm tide at Dinghai Station during Typhoon 1211

    图  5  台风模拟路径

    Fig.  5  Typhoon simulation paths

    图  6  港内风暴潮位与风速

    Fig.  6  Storm tide and wind velocity at the fishing port

    图  7  海堤的防台等级

    Fig.  7  The defense level of sea dike

    图  8  东南向路径

    Fig.  8  The southeast path

    图  9  台风登陆时刻渔港流速与风向

    Fig.  9  Tide and wind velocity at the typhoon landing moment

    图  10  丁坝对风暴潮位的削弱效果

    Fig.  10  The weakening effect of the spur dike on the storm tide level

  • [1] Sebastian A, Proft J, Dietrich J C, et al. Characterizing hurricane storm surge behavior in Galveston Bay using the SWAN + ADCIRC model[J]. Coastal Engineering, 2014, 88: 171−181. doi: 10.1016/j.coastaleng.2014.03.002
    [2] Dietrich, J C, Zijlema M, Westerink J J, et al. Modeling hurricane waves and storm surge using integrally-coupled, scalable computations[J]. Coastal Engineering, 2011, 58(1): 45−65. doi: 10.1016/j.coastaleng.2010.08.001
    [3] Xie Dongmei, Zou Qingping, Cannon J W. Application of SWAN+ADCIRC to tide-surge and wave simulation in Gulf of Maine during Patriot’s Day storm[J]. Water Science and Engineering, 2016, 9(1): 33−41. doi: 10.1016/j.wse.2016.02.003
    [4] Rego J L, Li Chunyan. Nonlinear terms in storm surge predictions: effect of tide and shelf geometry with case study from Hurricane Rita[J]. Journal of Geophysical Research, 2010, 115(C6): C06020.
    [5] Zhou Jifu, Liu Jinlong. Estimation of extreme hydrodynamic environments of Puti Island wind farm in Bohai Sea[J]. Procedia IUTAM, 2017, 25: 74−81. doi: 10.1016/j.piutam.2017.09.012
    [6] Xie Lian, Liu Huiqing, Peng Machuan. The effect of wave-current interactions on the storm surge and inundation in Charleston Harbor during Hurricane Hugo 1989[J]. Ocean Modelling, 2008, 20(3): 252−269. doi: 10.1016/j.ocemod.2007.10.001
    [7] 孙志林, 纪汗青, 方诗标, 等. 台风过境方位对洞头渔港增水的影响[J]. 水力发电学报, 2018, 37(1): 70−78. doi: 10.11660/slfdxb.20180108

    Sun Zhilin, Ji Hanqing, Fang Shibiao, et al. Influence of typhoon moving directions on storm surges at Dongtou fishing port[J]. Journal of Hydroelectric Engineering, 2018, 37(1): 70−78. doi: 10.11660/slfdxb.20180108
    [8] 匡翠萍, 宋竑霖, 顾杰, 等. 黄骅港风生流及紊动的三维特性[J]. 浙江大学学报: 工学版, 2017, 51(1): 38−45, 67.

    Kuang Cuiping, Song Honglin, Gu Jie, et al. Three-dimensional characteristics of wind-induced current and turbulence at Huanghua Harbor[J]. Journal of Zhejiang University: Engineering Science, 2017, 51(1): 38−45, 67.
    [9] Luijendijk A P, Ranasinghe R, de Schipper M A, et al. The initial morphological response of the sand engine: a process-based modelling study[J]. Coastal Engineering, 2017, 119: 1−14. doi: 10.1016/j.coastaleng.2016.09.005
    [10] Hope M E, Westerink J J, Kennedy A B, et al. Hindcast and validation of Hurricane Ike (2008) waves, forerunner, and storm surge[J]. Journal of Geophysical Research: Oceans, 2013, 118(9): 4424−4460. doi: 10.1002/jgrc.20314
    [11] Kennedy A B, Gravois U, Zachry B C, et al. Origin of the Hurricane Ike forerunner surge[J]. Geophysical Research Letters, 2011, 38(8): L08608.
    [12] Liu Xing, Jiang Wensheng, Yang Bo, et al. Numerical study on factors influencing typhoon-induced storm surge distribution in Zhanjiang Harbor[J]. Estuarine, Coastal and Shelf Science, 2018, 215: 39−51. doi: 10.1016/j.ecss.2018.09.019
    [13] Wang Yuxing, Duan Yihong, Guo Zhixing, et al. Deterministic-probabilistic approach for probable maximum typhoon-induced storm surge evaluation over Wenchang in the South China Sea[J]. Estuarine, Coastal and Shelf Science, 2018, 214: 161−172. doi: 10.1016/j.ecss.2018.09.025
    [14] Wang Yanping, Mao Xinyan, Jiang Wensheng. Long-term hazard analysis of destructive storm surges using the ADCIRC- SWAN model: a case study of Bohai Sea, China[J]. International Journal of Applied Earth Observation & Geoinformation, 2018, 73: 52−62.
    [15] Luo Yao, Shi Hui, Wang Dongxiao. Multivariate analysis of extreme storm surges in a semi-enclosed bay[J]. Ocean Science Discussions, 2017, 14(2): 1−18.
    [16] 刘永玲, 冯建龙, 江文胜, 等. 热带气旋资料长度对风暴潮危险性评估结果的影响[J]. 海洋学报, 2016, 38(3): 60−70.

    Liu Yongling, Feng Jianlong, Jiang Wensheng, et al. Effects of a tropical cyclone data sets length on the result of risk assessment of storm surge[J]. Haiyang Xuebao, 2016, 38(3): 60−70.
    [17] 孙志林, 黄森军, 焦建格, 等. 河口区径流对台风暴潮影响研究[J]. 天津大学学报: 自然科学与工程技术版, 2017, 50(5): 519−526.

    Sun Zhilin, Huang Senjun, Jiao Jiange, et al. Effect of runoff on typhoon storm surge in estuaries[J]. Journal of Tianjin University: Science and Technology, 2017, 50(5): 519−526.
    [18] Sun Zhilin, Huang Senjun, Jiao Jiange, et al. Effects of cluster land reclamation projects on storm surge in Jiaojiang Estuary, China[J]. Water Science and Engineering, 2017, 10(1): 59−69. doi: 10.1016/j.wse.2017.03.003
    [19] Lyddon C, Brown J M, Leonardi N, et al. Uncertainty in estuarine extreme water level predictions due to surge-tide interaction[J]. PLoS ONE, 2018, 13(10): e0206200. doi: 10.1371/journal.pone.0206200
    [20] 刘睿哲, 朱庆勇, 倪培桐. 珠江河口地区风暴潮增水过程数值模拟[J]. 广东水利水电, 2018(4): 6−10. doi: 10.11905/j.issn.1008-0112.2018.04.002

    Liu Ruizhe, Zhu Qingyong, Ni Peitong. Numerical simulation of storm surge process in Pearl River Estuary[J]. Guangdong Water Resources & Hydropower, 2018(4): 6−10. doi: 10.11905/j.issn.1008-0112.2018.04.002
    [21] Lyddon C, Brown J M, Leonardi N, et al. Flood hazard assessment for a hyper-tidal estuary as a function of tide-surge-morphology interaction[J]. Estuaries & Coasts, 2018, 41(6): 1565−1586.
    [22] Deltares. Delft3D FLOW User Manual[M]. The Netherlands: Deltares, 2014.
    [23] Deltares. Delft3D TIDE User Manual[M]. The Netherlands: Deltares, 2014.
    [24] 王喜年. 风暴潮预报知识讲座第五讲: 风暴潮预报技术(2)[J]. 海洋预报, 2002, 19(2): 64−70. doi: 10.3969/j.issn.1003-0239.2002.02.010

    Wang Xinian. The lecture of storm surge forecast fifth: the storm surge forecasting technology (2)[J]. Marine Forecasts, 2002, 19(2): 64−70. doi: 10.3969/j.issn.1003-0239.2002.02.010
    [25] 王喜年. 风暴潮讲座第三讲: 风暴潮数值模式计算中气压场和风场的处理[J]. 海洋预报, 1986, 3(4): 56−64. doi: 10.11737/j.issn.1003-0239.1986.04.008

    Wang Xinian. The lecture of storm surge forecast third: treatment of pressure field and wind field in storm surge numerical model calculation[J]. Marine Forecasts, 1986, 3(4): 56−64. doi: 10.11737/j.issn.1003-0239.1986.04.008
  • 期刊类型引用(1)

    1. 罗佳敏,姜云鹏,庞亮,冯钰栋. 基于参数化风场的浙江沿海风暴潮数值模拟. 海洋学报. 2022(10): 20-34 . 本站查看

    其他类型引用(2)

  • 加载中
图(10)
计量
  • 文章访问数:  421
  • HTML全文浏览量:  99
  • PDF下载量:  116
  • 被引次数: 3
出版历程
  • 收稿日期:  2018-11-10
  • 修回日期:  2019-03-02
  • 网络出版日期:  2021-04-21
  • 刊出日期:  2020-01-25

目录

/

返回文章
返回