一种用于气候变化适应中设计极端海平面预测的新工程方法

《Applied Ocean Research》：A new engineering approach for prediction of design extreme sea levels for climate change adaptation

　　

摘要

台风诱发的极端沿海海平面（total sea level, TSL）对沿海城市居民生命与资产安全构成严重威胁，且此类风险预计将随气候变化而加剧。沿海防护结构的设计需要可靠的设计极端海平面估算值，通常通过对总海平面的长期后报模拟获取。标准工程方法采用Holland（1980）参数化模型重建台风风场与气压场，并驱动水动力模型模拟总海平面。尽管该方法应用广泛，Holland模型对关键参数高度敏感，尤其是最大风速半径（radius of maximum wind, R_w），该参数通常在台风路径数据库中不可得，需要进行率定。此外，基于实测风场与气压数据的传统率定方法受限于长期记录的稀缺性，以及气象站周围测量高度、时间平均和局部地形影响所带来的不确定性。

为克服上述局限性，本研究提出了一种基于历史最大总海平面（maximum total sea level, TSL）观测的创新型率定框架。TSL数据更易获取且不确定性较小，同时直接利用TSL观测进行模型率定更为简便，从而提高了工程设计应用的可靠性与效率。研究选取香港作为率定区域，因其在粤港澳大湾区（Guangdong-Hong Kong-Macao Greater Bay Area, GBA）中具有重要战略地位，且拥有历史台风期间长期海平面记录。研究人员从鲗鱼涌（Quarry Bay）潮位站提取了1954年至2025年间选定台风事件的最大总海平面，并对每次台风事件的R_w进行调整，使模拟的最大总海平面与观测值达到最优匹配。基于率定结果，提出了R_w与最大风速V_max之间的经验关系。经率定的模型在鲗鱼涌潮位站预测的最大TSL相对平均绝对误差（Relative Mean Absolute Error, RMAE）为0.146，Willmott一致性指数（Willmott’s Index of Agreement, d）为0.892，表明相对预测误差较低，模拟与观测的最大TSL值具有良好的一致性。随后，将率定后的Holland模型应用于香港沿岸六个潮位站的水动力模拟中风场与气压场的生成，并进行极值分析（Extreme Value Analysis, EVA）以推导设计极端海平面。结果表明，在多个重现期下，模型预测值与参考设计值总体吻合良好，开阔站点与遮蔽河口位置的平均差异为0.14 m。此外，利用率定模型生成的台风“Ragasa”（2025）、“Hato”（2017）和“Saola”（2023）期间的风场与气压场与观测数据高度吻合，验证了该框架的稳健性。该方法可推广至更广泛的粤港澳大湾区，并为其他台风易发沿海地区的设计海平面估算提供了实用基础。

论文解读：基于最大总海平面率定的Holland参数化模型用于设计极端海平面预测的新工程框架

一、研究背景与科学问题

台风诱发的总海平面（total sea level, TSL）由风暴增水与天文潮共同组成，是许多沿海城市面临的重大致灾因素，常引发严重的城市内涝和波浪越顶，威胁近岸居民与关键基础设施的安全。粤港澳大湾区（Greater Bay Area, GBA）平均每年经历约2.6个强台风，香港地处珠江口（Pearl River Estuary, PRE）核心区域，该区域复杂的水动力条件——包括南海北部浅海陆架、强潮影响以及显著的非线性潮汐-风暴潮相互作用——进一步放大了沿海洪水风险。随着气候变化下台风强度与平均海平面的预期增加，香港沿海洪水风险预计将进一步加剧。

沿海防护结构的设计通常需要通过长期后报模拟或观测记录估算设计极端海平面。广泛采用的工程方法基于Holland（1980）参数化模型重建台风风场与气压场，进而驱动水动力模型模拟TSL。然而，该方法的准确应用面临两方面关键制约：其一，Holland模型中最大风速半径（radius of maximum wind, R_w）是关键敏感参数，但历史台风路径数据库一般不包含该参数，需要进行率定；其二，传统的风场与气压场率定方法依赖于气象站的长期风压观测记录，这些记录往往稀缺，且存在测量高度、时间平均和气象站周围局地地形影响等多种不确定性来源。这两方面限制导致难以建立可靠的长期率定策略，阻碍了参数化台风模型在区域尺度设计研究中的应用。为此，本研究提出了一种基于历史最大TSL观测的替代性率定方法——TSL数据更易获取且不确定性较小，同时相对于先率定风场再评估水动力模拟的传统方法，直接利用TSL观测进行率定更为简便，从而为工程设计应用提供更可靠和高效的解决途径。

二、研究内容与主要结论

研究人员开发了一种确定设计极端海平面的工程框架，核心思路是基于历史最大TSL观测对Holland模型中的关键参数R_w（通过率定系数C_v）进行率定。研究选取香港作为率定区域，从鲗鱼涌（Quarry Bay）潮位站提取了1954年至2025年间56场中心经过香港200 km半径范围内的台风事件的最大TSL数据。研究人员利用Delft3D Flexible Mesh（FM）水动力模型和Holland参数化模型构建台风风场与气压场，对每场台风事件系统变化C_v值（从0.5到1.9，增量为0.2），通过比较模拟与观测的最大TSL确定最优C_v值。基于56组（C_v, V_max）数据对，采用分段区间方法建立了C_v与最大风速V_max之间的经验关系。该关系使得仅需台风路径数据库中普遍可得的V_max数据即可估算R_w，从而避免了传统风压观测率定方法的数据局限性。

基于率定结果的模型在鲗鱼涌潮位站的最大TSL预测中实现了相对平均绝对误差（Relative Mean Absolute Error, RMAE）为0.146和Willmott一致性指数（Willmott’s Index of Agreement, d）为0.892，表明模型具有良好的预测精度和一致性。该经验关系还克服了1977年以前JMA数据集中V_max缺乏的问题：研究人员推导了V_max与气压差P_drop之间的经验关系（R2=0.95），可基于气压数据估算早期台风的V_max。此外，率定后的模型对三个代表性台风（Hato 2017、Saola 2023和Ragasa 2025）的风速、气压和TSL时间序列进行了对比验证，模拟与观测结果在峰值出现时间和结构上均吻合良好，峰值风速差异为0.44–7.18 m/s，最大TSL绝对差异为0.08–0.22 m，验证了率定框架的稳健性。

这一研究成果为台风易发沿海地区的设计极端海平面估算提供了实用性强的工程工具。该框架不仅克服了传统风压观测率定方法的数据稀缺和不确定性局限，还建立了可直接从常规台风预报产品（仅包含路径、P_drop和V_max）估算R_w的桥梁，显著提升了参数化台风模型在工程设计中的可操作性。该研究发表于《Applied Ocean Research》。

三、主要技术方法

本研究采用的主要技术方法包括：（1）Holland（1980）参数化台风模型，用于重建台风期间的风场与气压场；（2）Delft3D Flexible Mesh（FM）二维深度平均水动力模型（由Deltares开发），用于模拟台风诱发的总海平面（TSL），模型覆盖南海北部区域，网格从近海约40 km逐级细化至香港沿岸50 m，天文潮采用9个分潮（O1、Q1、K1、P1、N2、M2、S2、K2和Sa）驱动；（3）基于实测最大TSL的Holland模型率定方法，通过系统变化率定系数C_v并优化模拟与观测最大TSL的匹配；（4）分段区间（binning）方法建立C_v–V_max经验关系；（5）基于区块最大值方法的极值分析（Extreme Value Analysis, EVA），使用Python库pyextremes拟合广义极值（GEV）与Gumbel分布并采用校正后赤池信息准则（AICc）选择最优分布。样本数据来源为香港鲗鱼涌（Quarry Bay）潮位站长时序记录（1954–2025年），模型验证使用了香港六个潮位站的设计基准值（来自香港Port Works Design Manual, PWDM），气象验证数据来自香港自动气象站气候观测数据库。

四、研究结果

（一）模型预测的珠江口水动力验证

研究人员首先将模型预测的潮位与FES2014全球潮汐模型数据进行了全年比较，均方根误差（Root-Mean-Square Error, RMSE）约为13 cm，在季风期和季风过渡期的选定弹簧潮周期中RMSE分别约为11 cm和13 cm，表明模型具备令人满意的潮汐预测能力。模型进一步利用Liu等（2016）在珠江口伶仃洋的现场实测水位和流速数据进行了验证，水位RMSE范围为0.17–0.30 m，流速RMSE范围为0.10–0.35 m，总体符合河口模型验证指南（Evans, 1993）的精度要求，证实了模型对珠江口复杂水动力条件的模拟能力。

（二）Holland模型的率定

通过系统变化C_v值（0.5–1.9，增量为0.2）并比较模拟与观测的最大TSL，对56场台风事件逐一确定了最优C_v值。基于这些率定结果，采用分段区间方法建立了C_v–V_max经验关系：V_max<15 m/s时C_v=0.5；[15,25) m/s时C_v=0.6；[25,35) m/s时C_v=0.9；[35,45) m/s时C_v=0.7；[45,55) m/s时C_v=0.8；[55,65) m/s时C_v=1.1；V_max≥65 m/s时C_v=1.9。模型预测与观测的最大TSL对比显示，R2=0.71，RMAE=0.146，Willmott指数d=0.892，表明基于该经验关系的率定模型对最大TSL具有可靠的预测能力。此外，对于1977年以前缺乏V_max记录的台风事件，推导了V_max=0.27·P_drop^0.57的经验关系（R2=0.95），可基于气压差数据估算早期台风的V_max。

（三）率定模型的风场与气压场验证

选取Ragasa（2025）、Hato（2017）和Saola（2023）三个代表性台风，在长洲（Cheung Chau）和横澜岛（Waglan Island）气象站进行风场和气压场对比验证。结果表明，尽管在峰值风速和事件后期恢复阶段存在微小偏差，模拟的风速和气压时间序列在时机与结构上与观测值吻合良好。峰值风速差异在横澜岛站为0.44–4.38 m/s，长洲站为0.49–7.18 m/s。三个台风期间的最大TSL模拟值与观测值绝对差异为0.08–0.22 m，表明率定模型能够准确再现不同类型台风的TSL响应。

（四）设计极端海平面

采用区块最大值方法从56场台风事件中提取年最大TSL样本，对香港水域六个潮位站（Tai Po Kau、Tsim Bei Tsui、Waglan Island、Chi Ma Wan、Tai O、Quarry Bay）进行EVA分析。在所有站点中Gumbel分布均被选为最优分布。与香港Port Works Design Manual（PWDM）参考设计值比较，5年重现期的绝对差异为0.01–0.19 m，200年重现期为0.04–0.45 m，平均差异为0.14 m，总体吻合良好。在开阔站点（Waglan、Tai O）和遮蔽河口位置（Tai Po Kau、Quarry Bay、Tsim Bei Tsui）均验证了模型的有效性。Chi Ma Wan站的偏差相对较大，可能归因于该站观测记录较短（1963–1997）。

五、讨论与结论

讨论部分指出，所提出的C_v–V_max关系可直接利用气象机构常规发布的台风预报产品（路径、P_drop和V_max）推算R_w，为实时风暴潮预报提供了可行的技术路径。以台风Hato（2017）为例，基于该关系估计的C_v=0.7略高于Guo等（2024）通过事后风压场率定得到的C_v=0.58，差异可能源于率定目标不同——前者基于实测TSL而后者基于风压场。在气候变化影响方面，研究以台风Ragasa（2025）为例展示了极端风速增加10%（对应SSP5-8.5情景下香港2090年预估）时，C_v从0.8增至1.1，R_w相应变化，从而可量化气候变化对设计海平面的潜在影响。研究结论可归纳为：（1）提出了确定沿海工程设计极端设计海平面的工程框架，EVA分析得到的香港水域极值海平面与观测数据推算值吻合良好；（2）建立了V_max–C_v显式关系，可利用台风预报数据实时确定R_w，无需事后率定，为实时TSL预报提供了基础；（3）该框架能够评估极端风速变化对风暴增水的影响，适用于气候变化适应相关的工程设计问题。该方法可推广至更广泛的粤港澳大湾区及其他台风易发沿海地区。