一项基于长期海洋观测数据的海平面回溯分析（1900–2015年），用于研究北大西洋极端海浪的变异性及其发展趋势

《Ocean Modelling》：A secular sea level hindcast (1900–2015) to investigate extreme surges variability and trends in the North Atlantic

风暴潮 hindcast 模型研究：基于 TUGO 模型和 20CR 大气再分析数据，开发了覆盖 1900-2015 年的 ClimEx 北大西洋风暴潮 hindcast。模型在 34 个潮汐站验证中表现良好（平均 RMSE 9.3 cm），但极端事件存在低估。揭示了风暴潮的季节性（冬季为主北欧，秋季主南美）、NAO 依赖性（北纬50°以上正相关，以南负相关）及长期趋势（模型显示普遍正值，但可能受 20CR 数据早期不完整影响）。指出模型未考虑辐射应力、河流 discharge 等局限性。

　　在全球范围内，极端海平面变化与沿海人口增长已成为评估沿海洪水风险的关键因素。沿海地区的极端海平面事件，如风暴潮，对这些风险评估具有重要意义，因此研究风暴潮的变异性及其长期趋势对于制定有效的沿海防护政策至关重要。本文介绍了一项针对北大西洋的创新研究，开发了一个覆盖整个20世纪（1900-2015年）的小时级风暴潮回溯模型，称为ClimEx回溯模型。该模型基于全球大气再分析数据20CR（20世纪再分析），并采用0.1°的规则网格进行输出，实现了对北大西洋区域的全面覆盖。为了验证模型的性能，研究团队使用了34个长期潮汐观测站的数据，结果表明模型在平均风暴潮方面表现出色，而在极端风暴潮方面也显示出良好的性能，尽管仍存在一定程度的低估。

### 数据与方法

在研究中，使用了来自全球海平面数据集GESLA-3的34个潮汐观测站数据，这些站点具有至少75年的完整数据记录。数据的处理包括移除潮汐和平均海平面，以提取风暴潮信号。由于部分站点存在数据缺失，研究团队对数据进行了质量控制，并通过移除不可靠数据来确保模型的准确性。此外，研究团队采用了改进的风应力参数化方法，以提高模型对极端风暴潮的模拟精度。该方法基于Charnock参数，而非传统的多项式函数，使模型能够更好地捕捉极端事件。

在大气数据方面，20CR版本3提供了从1836年至2015年的数据，包括每3小时一次的海平面压力和10米高度的风速。该数据集的空间分辨率为1°，但由于其时间跨度较长，模型在早期数据的处理上可能存在一定的偏差。研究团队通过敏感性分析优化了Charnock参数，最终确定其最佳值为0.041，以提高模型的性能。通过这种方式，模型在模拟极端风暴潮时的峰值误差（MPE）得到了显著改善，平均降低了约22.5%。

为了分析极端风暴潮的变异性，研究团队采用了非平稳的广义极值（GEV）分布方法，考虑了季节性变化、北半球大西洋振荡（NAO）的影响以及长期趋势。GEV分布用于描述极端风暴潮的高度，并通过月度最大值来计算。研究团队假设每月的极端事件之间至少有72小时的独立性，并确保每个月份至少有70%的小时数据可用。此外，模型中的位置参数（μ）和尺度参数（σ）被设定为随时间变化，以捕捉不同区域的极端风暴潮特征。形状参数（ξ）则被固定为一个常数，因为其变化较为缓慢且难以准确拟合。

### 模型性能与验证

ClimEx回溯模型在多个潮汐观测站上得到了验证，结果显示模型在平均风暴潮方面的表现总体良好，平均均方根误差（RMSE）为9.3厘米，相对误差为10.9%。在极端风暴潮方面，模型的均方根误差为24.7厘米，相对误差为29.4%。这些数值与近期的数值模型表现相似，例如全球潮汐和风暴潮再分析（GTSR）在1979-2014年的平均RMSE为11厘米，而泛欧洲高分辨率风暴潮回溯模型在1979-2018年的平均RMSE为10厘米。尽管模型在极端风暴潮方面仍存在低估现象，但其整体性能优于其他回溯模型，尤其是在欧洲和北美的沿海地区。

然而，模型在南美沿岸的表现相对较弱，尤其是佛罗里达州的费尔南迪纳海滩（Fernandina Beach），其极端风暴潮的低估现象较为明显。这可能是由于该地区热带气旋在大气再分析中的低估，以及其在早期数据中的稀疏性。此外，研究团队发现，20CR数据集在1950年之前的数据质量可能存在不一致性，这可能导致模型在早期时期对极端风暴潮的模拟误差较大。因此，在分析长期趋势时，需要特别注意这一因素。

### 极端风暴潮的变异性

研究结果显示，极端风暴潮在北大西洋的季节性变化存在显著差异。在北欧地区（高于40°N），风暴潮季节主要集中在12月至1月，这与冬季极地气旋的活动密切相关。而在西南地区（如法国南部和美国东南部），风暴潮季节则集中在9月至10月，这与热带气旋的活动周期相吻合。这种季节性差异表明，不同区域的风暴潮受不同气候模式的影响。

此外，风暴潮的变异性还与NAO指数密切相关。NAO指数的正负值对风暴潮的高度有显著影响，高于50°N的地区表现出正相关，而低于50°N的地区则为负相关。这种依赖关系不仅存在于沿海地区，还延伸至深海区域。研究团队通过非平稳的GEV分析发现，这种模式在多个潮汐观测站中得到了验证，表明NAO在风暴潮变化中的重要作用。

### 极端风暴潮的趋势分析

在分析极端风暴潮的长期趋势时，研究团队发现，观测数据中显示的趋势多为非显著或非常微小（通常小于±1毫米/年），而模型在大多数地区表现出正趋势。这种差异可能源于20CR数据集在1950年之前存在不一致性，导致模型在早期时期的模拟误差较大。然而，在更近期的时期（如1960-2015年），模型的趋势与观测数据更为一致，尤其是在北欧和北美的沿海地区。

值得注意的是，尽管模型在某些地区表现出显著的正趋势，但这些趋势可能受到大气再分析数据中不一致性的影响。因此，在解释这些趋势时，需要谨慎对待，尤其是在1900-1950年期间。此外，研究团队还发现，模型的趋势在某些地区（如大西洋沿岸）与观测数据中的趋势一致，而其他地区（如美国东海岸和墨西哥湾）则存在差异，这可能与区域性的气候特征有关。

### 未来研究方向与模型局限性

尽管ClimEx回溯模型在北大西洋的风暴潮模拟方面表现出色，但仍存在一些局限性。首先，大气再分析数据在极端天气事件（尤其是热带气旋）的模拟中可能存在低估现象，这限制了模型对极端风暴潮的准确性。其次，模型未考虑波浪设涨（wave setup）的影响，而波浪设涨在风暴潮中可能起到重要作用，尤其是在浅水区域。为了提高模型的精度，未来的研究可以考虑将TUGO模型与波浪模型耦合，以更全面地模拟风暴潮。

此外，研究团队指出，目前的潮汐观测站分布不均，特别是在加勒比海、西非沿岸以及英国和爱尔兰周围地区缺乏足够的数据。这限制了模型在这些区域的验证能力，也影响了对极端风暴潮的全面理解。因此，未来的研究需要进一步扩展观测数据的覆盖范围，以提高模型的准确性。

最后，研究团队建议采用更先进的统计方法，如广义可加模型（GAMs），以更好地捕捉极端风暴潮与NAO之间的非平稳依赖关系。这些方法可以使用平滑函数来描述预测变量（如季节性、趋势和NAO）的影响，从而提高模型的解释能力和预测精度。此外，研究团队还提到，ClimEx回溯模型目前仅覆盖了1900-2015年的数据，未来可以进一步扩展到更长的时间范围，以更好地理解极端风暴潮在气候变化背景下的演变趋势。

总之，这项研究为理解北大西洋极端风暴潮的变异性及其长期趋势提供了重要的数据支持和模型分析，同时也指出了未来研究的方向和模型的局限性。通过进一步优化模型和扩展观测数据，可以更准确地评估沿海地区的洪水风险，并为沿海防护政策提供科学依据。