《Journal of Marine Science and Engineering》:Multi-Horizon Significant Wave Height Forecasting Along Guangdong–Hong Kong Coast Using Tropical Cyclone Trajectory Information
编辑推荐:
热带气旋(TC)期间的有效波高(SWH)准确预报对沿海风险管理至关重要。本研究开发了一个多时相TC感知序列到序列(MH-TCSeq2Seq)框架,用于广东-香港八个站点的12小时和24小时提前期预报,利用海洋和历史TC数据作为基线输入。研究人员进一步建立了一个
热带气旋(TC)期间的有效波高(SWH)准确预报对沿海风险管理至关重要。本研究开发了一个多时相TC感知序列到序列(MH-TCSeq2Seq)框架,用于广东-香港八个站点的12小时和24小时提前期预报,利用海洋和历史TC数据作为基线输入。研究人员进一步建立了一个增强变体,整合了6–24小时未来TC轨迹信息(MH-TCSeq2Seq-FutureTC),使用回顾性最佳路径数据作为理想化上界基准。与ERA5再分析数据的评估表明,MH-TCSeq2Seq-FutureTC实现了最低的总体均方根误差(RMSE),在12小时达到0.207米,24小时达到0.307米。与MH-TCSeq2Seq基线相比,TC相关RMSE降低了9.6%和7.3%。统计验证证实了该预报改进在TC事件中的整体稳健性。将相同的未来TC预测变量添加到分位数双向门控循环单元(Q-BiGRU)和TC门控双向门控循环单元(TG-BiGRU)中会降低性能,表明这种益处具有架构依赖性。用来自自动热带气旋预报系统(ATCF)的运营预报描述符替换这些轨道输入,仍使TC相关RMSE相对于MH-TCSeq2Seq降低了6.1%和4.7%。可解释性分析确认了模型对未来TC信息改善SWH预报的依赖。
热带气旋(TC)引起的极端波浪对南海及广东-香港沿海的海洋安全、海岸基础设施和海上作业构成重大威胁,有效波高(SWH)是描述波浪强度的重要参数。尽管第三代数值波模型广泛使用,但粗网格风场和简化参数化导致预报偏差。数据驱动方法可补充,但现有研究多侧重整体性能,缺乏TC关联与非TC条件下的分层评估,多站点空间变异性研究不足,且未来TC轨迹信息在预报窗口内的价值及架构依赖性尚未充分探索。因此,需要专门针对TC影响期的多时相SWH预报框架。
为此,研究人员开发了多时相TC感知序列到序列(MH-TCSeq2Seq)框架,并进一步整合未来TC轨迹信息,构建MH-TCSeq2Seq-FutureTC变体,用于广东-香港沿海8个站点的12小时和24小时SWH预报。该研究通过对比多种模型和输入配置,发现未来TC轨迹信息能显著改善TC相关SWH预报,且该增益依赖于模型架构和特征集成方式。该研究为沿海风险管理、海上风电运营和灾害预警提供了技术参考。
主要关键方法:利用2008-2023年中国气象局(CMA)TC最佳路径数据和ERA5再分析数据,按时间划分为训练(2008-2018)、验证(2019-2020)和测试(2021-2023)集,测试期含23个TC。模型采用独立编码器分别处理局部海洋变量和历史TC特征,通过多头交叉注意力融合,并由TC门控调制;FutureTC分支提供6-24小时未来TC距离、方位、强度和发生标志。对比模型包括持续性预报、分位数双向门控循环单元(Q-BiGRU)和TC门控双向门控循环单元(TG-BiGRU)。评估使用RMSE、MAE和R
2,采用配对移动块bootstrap(5000次,块长24h)检验差异,并运用SHAP和组排列归因分析。
3.1 总体性能与模型配置效应(Overall Performance and Model Configuration Effects)
多模型对比显示,MH-TCSeq2Seq-FutureTC在12小时和24小时取得最低总体RMSE,分别为0.207米和0.307米,相对于MH-TCSeq2Seq将TC相关RMSE降低9.6%和7.3%,而非TC样本RMSE基本不变。将相同的未来TC预测变量加入Q-BiGRU和TG-BiGRU反而使性能下降,表明未来TC信息的价值依赖模型架构。
3.2 跨站点预报误差的空间变异性(Spatial Variability of Forecast Errors Across Stations)
站点级分析表明,FutureTC模块在大多数站点-预报时相组合中带来改进,但幅度非均匀。例如,12小时时D站RMSE降低9.6%,G站降低6.3%;24小时时E站相对改善最大(5.4%),而B站出现轻微退化。F站尽管平均SWH最高,其24小时TC相关RMSE降低最明显(0.096米)。
3.3 TC事件间的稳健性与时间依赖性(Robustness Across TC Events and Temporal Dependence)
事件级分析涵盖23个TC,FutureTC在12小时和24小时分别对15/23(65.2%)和17/23(73.9%)个事件取得更低RMSE。配对移动块bootstrap显示总体和TC相关RMSE差异显著,但事件簇bootstrap置信区间更宽,表明不同风暴间改善程度差异大。
3.4 对未来TC预报轨道输入的敏感性(Sensitivity to TC Forecast Track-Derived FutureTC Inputs)
用自动热带气旋预报系统(ATCF)在初始化时可获得的预报轨道替换最佳路径输入,构成MH-TCSeq2Seq-FutureATCF。该配置的TC相关RMSE在12小时和24小时较MH-TCSeq2Seq仍分别降低6.1%和4.7%,但略高于最佳路径上界。
3.5 广东-香港沿海极端TC波浪事件案例研究(Case Studies of Extreme TC Wave Events Along the Guangdong–Hong Kong Coast)
对KOMPASU(2021)、MA-ON(2022)和TALIM(2023)三个极端事件,MH-TCSeq2Seq-FutureTC和FutureATCF均优于MH-TCSeq2Seq,但改善幅度不一。KOMPASU的24小时RMSE降低40.3%,MA-ON降低26.1%,而TALIM仅降低5.0%,说明改善依赖TC特性。
3.6 TC相关时期的特征归因(Feature Attribution During TC-Associated Periods)
SHAP分析显示,集成FutureTC后,未来TC-站点距离(F_Distance)和未来最大风速(F_Vmax)在12小时和24小时均排名靠前。组排列分析进一步表明,置换FutureTC分支会使RMSE增加,且24小时增幅(0.185米)大于12小时(0.097米),说明未来TC信息在长预报时相中更重要。
3.7 局限性(Limitations)
预报以ERA5再分析SWH为参照,而非独立站点观测