参数化方法、基于物理的方法以及混合方法在风暴潮、海浪和洪水建模中对飓风大气强迫效应的模拟性能

《Ocean Modelling》：Performance of Parametric, Physics-based, and Blended Approaches for Hurricane Atmospheric Forcing in Storm Surge, Wave, and Flood Modelling

　　艾哈迈德·埃尔库特|史丰燕|凯西·迪特里希|延斯·菲格卢斯|乌梅·苏莱姆·利马|杰克·A·普莱奥
美国特拉华大学土木、建筑与环境工程系，纽瓦克，DE

**摘要**
大气强迫的准确性是预测总水位（TWL）和飓风期间沿海洪水管理的关键因素。本研究在2018年10月的迈克尔飓风期间，评估了三类大气输入数据：参数化模型（霍兰德模型；HM）、基于物理的模型（ECMWF-ERA5、全球预报系统（GFS）和北美中尺度预报系统（NAM）以及它们的混合模型。使用Delft3D FM进行了有波耦合和无波耦合的模拟，以量化波浪诱导力对廷德尔空军基地（TAFB）和墨西哥海滩水位和洪水的影响。霍兰德模型能够捕捉飓风核心风速，但低估了远场风速；而基于物理的模型则将风速超过20 m/s的情况低估了50%以上。混合模型通过降低归一化均方根误差（RMSE）至0.05来纠正这些偏差，其中基于NAM的混合模型由于具有更精细的空间分辨率（约12公里），其性能优于基于ERA5和GFS的模型。基于物理的模型低估了峰值显著波高（SWH），而霍兰德模型则高估了峰值波高并低估了较小波高。混合模型平衡了这些误差，使Delft3D FM能够再现大波高和小波高，并捕捉到飓风路径西侧的一维/二维波谱，仅存在与相位偏移相关的轻微能量偏差。总体而言，将高分辨率的基于物理的模型与参数化核心风速相结合可以提高涌浪预测的准确性。虽然空间分辨率主要控制混合效果，但效率取决于具体区域和事件。混合的必要性仍受风暴强度、规模、路径和地理位置之间非线性相互作用的影响。

**引言**
飓风，也称为热带气旋，是影响沿海地区最具破坏性的自然灾害之一。每年6月至11月（飓风季节），美国墨西哥湾和东海岸都面临飓风引发的风暴潮、严重沿海洪水和基础设施及人员伤亡的风险（Anarde等人，2018；Resio和Westerink，2008；Shankar等人，2025）。过去二十年里，卡特里娜（2005年）、古斯塔夫（2008年）、艾萨克（2012年）、迈克尔（2018年）、艾达（2021年）和米尔顿（2024年）等重大飓风影响了墨西哥湾地区。这些事件产生了极端的风暴潮和波浪条件，导致沿海地区广泛淹没和破坏（Bilskie等人，2022；Dietrich等人，2018；Shankar等人，2025）。自1980年以来，热带气旋造成的灾害损失占美国所有灾害损失的50%以上，总损失超过1.5万亿美元，年均损失340亿美元（NOAA，2025a）。准确模拟飓风涌浪和风诱导波浪对于提高飓风期间沿海洪水事件的预测准确性至关重要（Bennett和Mulligan，2017；Oladejo等人，2025；Shankar等人，2025）。流体动力学和波浪模型提供了高分辨率和高保真度的模拟能力，这对于应急规划和风险缓解至关重要（Bilskie等人，2022；Dietrich等人，2018；Elkut等人，2025）。然而，模型准确性在很大程度上取决于大气强迫的质量，尤其是在极端事件期间。在所有模型输入中，海气界面的风场和压力场的不确定性是模拟极端事件水位和波浪时最重要的误差来源之一（Bennett和Mulligan，2017；Oladejo等人，2025；Shankar等人，2025）。

许多运行中的飓风洪水模型使用参数化风模型，如霍兰德模型（HM）（Holland，2008，1980；Holland等人，2010）和广义非对称霍兰德模型（GAHM）（Gao等人，2018），这些模型通过几个关键参数（如最大持续风速Vmax、最大风半径Rmax和中心气压降CPD）来近似风暴风场和压力场。这些模型简单且可定制为高空间分辨率，可以实时生成，并能有效捕捉从飓风眼延伸至Rmax几公里外的飓风核心风速。然而，它们难以解析更广泛的远场风结构（背景风延伸至飓风核心数百公里外），这些结构也会影响涌浪和波浪生成（Liria等人，2018；Oladejo等人，2025）。相比之下，一些基于物理的大气产品，如ECMWF-ERA5、全球预报系统（GFS）和北美中尺度预报系统（NAM），能够捕捉大尺度风动力学和随时间演变的风暴结构。这些模型在远场表现良好，但由于相对较粗的空间分辨率（12-28公里），在飓风中心附近低估了强风速。因此，这些基于物理的大气强迫无法准确捕捉飓风核心风场的演变（Vmax、Rmax、路径）。这种权衡带来了一个主要挑战：单独使用参数化或基于物理的方法都无法提供准确的水位、波浪和洪水预测所需的大气强迫完整图景。为解决这一差距，最近的研究探索了结合风暴中心附近的参数化风场与远场基于物理数据的方法（Bilskie等人，2022；Cardone和Cox，2009；Shao等人，2018）。尽管前景广阔，但大多数研究主要集中在波浪建模的性能上，对风强迫对水位和洪水模式的下游影响关注较少。

许多研究评估了大气强迫的敏感性和表示方法。然而，大多数研究集中在飓风期间的波浪预测和波谱演变上（Bennett和Mulligan，2017；Oladejo等人，2025；Roldán等人，2023；Shankar等人，2025）。其他研究探讨了水位和波浪预测对大气强迫空间和时间分辨率的敏感性（Randresihaja等人，2025；Weaver等人，2016）以及不同大气强迫对耦合流体动力学和波浪模型的扰动（Andrée等人，2022；Dietrich等人，2018）。此外，还有一些研究关注不同基于物理的气象产品的性能（Shankar等人，2025），或比较了参数化和基于物理的大气强迫在水位和波浪预测中的性能（Dietrich等人，2018；Oladejo等人，2025）。只有少数研究评估了不同风强迫方法在飓风事件期间捕捉近场风暴动力学和更广泛风结构的能力（Bilskie等人，2022；Shao等人，2018）。Shao等人（2018）开发了一种结合ERA-interim和HM风场的方法，使用SWAN模型模拟飓风波场。与单独使用两种风场相比，该混合方法提高了预测准确性。尽管研究结果很有前景，但它使用了较旧的ECMWF风产品ERA-interim，其空间和时间分辨率低于后续的ERA5产品。Bilskie等人（2022）使用ADCIRC+SWAN模型研究了墨西哥湾地区的近实时风暴潮和波浪预测。该研究重点评估了在国家飓风中心（NHC）预警期间使用GAHM和NAM风力的混合方法的预测准确性。使用远场风力改进了预测结果，并建议进一步探索利用远场风数据的方法，以改进流体动力学和波浪模型的混合方法。

目前缺乏研究探讨大气强迫表示对沿海洪水预测的敏感性，特别是在像墨西哥湾这样的半封闭盆地中，那里的风设置、波浪设置和涌浪相互作用非常复杂。关于飓风活动期间最有效的大气强迫表示方法尚无共识。因此，选择能够准确解析背景风场和飓风核心的风产品仍然是一个知识空白，这给操作建模和应急响应决策带来了困难。本研究旨在通过评估模拟水位、波浪和沿海洪水对大气强迫表示的敏感性来改进飓风驱动的洪水预测。该研究比较了参数化（HM）、基于物理的（ERA5、GFS、NAM）和混合风强迫方法，在独立（仅流体动力学）和耦合（流体动力学+波浪）模型配置中的性能，并分析了2018年迈克尔飓风期间墨西哥湾地区的水位、波浪条件和洪水的影响。这项研究为如何在沿海模型中最佳表示飓风风提供了新的见解，并支持灾害准备的稳健预测。

**研究区域**
墨西哥湾的特点是拥有大面积浅水区域，其中38%的水深小于20米。大陆架深度为180米，占总面积的22%（Roldán等人，2023）。这些浅水条件使该海湾更容易受到更高风暴潮的影响，因此在飓风期间容易发生沿海洪水。过去二十年里，墨西哥湾地区经历了多次飓风（Dietrich等人，2018；Kalourazi等人，2020）。2018年，佛罗里达狭长地带受到了飓风的影响……

**模型描述**
Delft3D FM是一个开源的、灵活的集成建模套件，可以模拟一维（1D）、二维（2D，水平或垂直平面）和三维（3D）流动、沉积物输送和形态、波浪、水质和生态，并能处理这些过程之间的相互作用。Delft3D Flexible Mesh Suite（Delft3D FM）是结构化Delft3D 4 Suite的继任者，由Deltares Netherlands开发和维护。

**风强迫的表示**
在迈克尔飓风路径附近的最接近站点（阿帕拉契科拉、巴拿马城和巴拿马城海滩），比较了独立（HM、ERA5、GFS、NAM）和混合（B_ERA5、B_GFS、B_NAM）风强迫的准确性（图6）。巴拿马城的天气站在2018年10月10日17:18 UTC停止了记录。霍兰德模型在所有站点都高估了峰值风速，最高达9 m/s。然而，风速从峰值后的衰减……

**总结与结论**
本研究评估了2018年迈克尔飓风期间不同风表示方法的性能，使用了参数化（HM）、基于物理的大气产品（ERA5、GFS和NAM）以及混合参数化和基于物理的产品。评估了不同风产品对水位、波浪和洪水范围预测的影响。为此，使用不同的风产品在独立（SA）模式（仅流动）下进行了多次模拟……

**CRediT作者声明**
艾哈迈德·埃尔库特：概念化、方法论、软件、正式分析、数据管理、可视化、写作——初稿；史丰燕：方法论、写作——审阅与编辑；凯西·迪特里希：可视化、写作——审阅与编辑；延斯·菲格卢斯：可视化、写作——审阅与编辑；乌梅·苏莱姆·利马：写作——审阅与编辑；杰克·A·普莱奥：概念化、方法论、可视化、写作——初稿、写作——审阅与编辑、监督、资金支持。

**未引用参考文献**
Salama等人，2024

**CRediT作者贡献声明**
艾哈迈德·埃尔库特：写作——审阅与编辑、写作——初稿、可视化、软件、方法论、正式分析、数据管理。史丰燕：写作——审阅与编辑、方法论、概念化。凯西·迪特里希：写作——审阅与编辑、可视化、方法论。延斯·菲格卢斯：写作——审阅与编辑、可视化。乌梅·苏莱姆·利马：写作——审阅与编辑、方法论。杰克·A·普莱奥：写作——审阅与编辑、写作——初稿、可视化、监督。

**利益冲突声明**
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：艾哈迈德·埃尔库特报告称获得了环境安全技术认证计划（ESTCP）的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文所述的工作。

**致谢**
我们感谢环境安全技术认证计划（ESTCP，项目编号：NH21-5028）的资助支持。