“台风致灾因子模拟分析” 栏目所有文章列表

(按年度、期号倒序)

  • 一年内发表的文章
  • 两年内
  • 三年内
  • 全部

Please wait a minute...
  • 全选
    |
  • 台风致灾因子模拟分析
    胡晓, 方伟华
    热带地理. 2024, 44(6): 1001-1015. doi: 10.13284/j.cnki.rddl.20231003

    中国岛礁数量众多,地形复杂,受热带气旋灾害影响大。高空间分辨率热带气旋风场模拟有助于表达风速空间异质性,对面积相对较小的岛礁地区开展高分辨率模拟具有重要意义。文章利用热带气旋路径、岛礁分布、土地覆盖以及数字高程数据,按照1 000、90和30 m分辨率风场模型模拟了中国岛礁区历史热带气旋风速,分地形类型对比分析了各分辨率下岛礁模拟风速大小的差异性,并比较了不同空间分辨率热带气旋100 a一遇风速的差异。结果表明:1)30 m空间分辨率风速模拟准确率更高,模拟风速与8个站点实测风速的均方根误差为4.28 m/s,比90和1 000 m模拟结果误差分别降低了0.08和1.04 m/s;2)不同空间分辨率模拟风速误差与地形类型相关,浙江省舟山市朱家尖岛90和1 000 m模拟风速与30 m模拟风速的对比表明,平均风速模拟差异比例在山峰地形下分别为6.57%和7.61%,山谷地形下分别为21.28%和17.35%,峭壁地形下分别为22.85%和23.37%,且30 m模拟风速对于迎风坡与背风坡地形转换更敏感;3)对于100 a一遇热带气旋风速,30 m模拟风速会出现最大的风速值且空间差异更大。以浙江省舟山市朱家尖岛为例,1 000、90、30 m分辨率下的模拟风速最大值分别为71.13、73.18和79.97 m/s,标准差分别为3.88、3.72和7.18 m/s。

  • 台风致灾因子模拟分析
    魏国振, 任明磊, 孙琳, 夏志昌, 陈智洋, 尤再进
    热带地理. 2024, 44(6): 1016-1024. doi: 10.13284/j.cnki.rddl.20230994

    在全球气候急剧变化的背景下,沿海地区风暴潮发生的频率与受灾程度逐渐增加,特别是受风暴潮与上游流域洪水共同影响下的河口感潮河段区域。尽管现有风暴潮模型也引入多种不同的边界设置,但提供的边界条件有限,且无法满足当前国内复杂水工程的概化需求。为此,文章以飞云江流域为研究对象,通过耦合上游流域水动力模型IFMS与海洋风暴潮模型ADCIRC模式,充分发挥二者各自的优势,构建河口感潮河段洪水演进模型,实现飞云江感潮河段潮水位时空模拟。该模型不仅有效地考虑了河口海洋处风暴潮上溯对感潮河段区域洪水演进的影响,也考虑了流域上游洪水对该区域的影响。首先,采用2016年台风“鲇鱼”对模型进行验证,模拟结果与实测系列吻合度较高,误差满足基本要求。然后,对台风“杜苏芮”和“卡奴”影响下的瑞安、马屿、碧山六桥及洞头4个潮位站的洪水过程进行模拟,结果显示4个站点的洪峰误差值均低于0.30 m,纳什系数大于0.80,表明该模型能较好地反映高低潮位变化,可应用于河口感潮河段防灾减灾中。最后,还分析了上、下游边界的驱动作用对感潮河段3个站点(瑞安、马屿、碧山六桥)潮水位预测的影响,证明了下边界对3个站点的潮水位预报影响比上边界的影响大。研究成果不仅为河口感潮河段洪水模拟提供了一种新方法,而且通过分析给出提升模型模拟精度的方向。

  • 台风致灾因子模拟分析
    吴国凤, 刘青, 许瀚卿, 魏旭辰, 王军
    热带地理. 2024, 44(6): 1025-1035. doi: 10.13284/j.cnki.rddl.20230854
    PDF全文 (105) HTML (2618)   可视化   收藏

    以海口市为例,利用1960—2017年的66场台风资料,包括台风日降雨和风暴潮的极值水位,建立复合洪涝组合情景。基于多个情景,对海口市在海平面上升背景下极端雨潮复合洪涝灾害的潜在风险进行深入研究。结果表明:1)在台风事件中,风暴潮为复合洪涝灾害的关键致灾因子,受灾最严重的地区主要位于南渡江入海口和北部滨海地区;2)在最大雨潮复合洪涝组合情景中,海口市受淹面积估计为148 km2,相较于最小雨潮复合洪涝组合情景增加了约15倍,淹没区域中一半以上的区域积水深度超过1 m;3)在极端雨潮复合情景下,海甸岛、新埠岛及江东新区一带的滨海地区受到海平面上升影响最显著。根据RCP8.5情景预测,到2100年,海口市受极端复合洪涝灾害的影响区域预计达到约203 km2

  • 台风致灾因子模拟分析
    周子滢, 杨赛霓, 刘晓燕, 唐继婷, 石永国
    热带地理. 2024, 44(6): 1036-1046. doi: 10.13284/j.cnki.rddl.20230928

    现有台风灾害链研究大多采用高维对称Copula模型建立多个致灾因子的联合分布,对致灾因子之间非线性、非对称的复杂关联结构探究不足。文章以浙江岛屿城市舟山为例,通过C-Vine Copula函数刻画当地台风灾害链“风-雨-潮”之间的复杂依赖关系,利用1979—2018年逐日的最大持续风速、累积降雨量以及最大风暴增水数据估算三者的联合概率分布以及重现期。研究表明:1)风速与降雨量在常规数值区间(非极端情况)具有较强的相关性,最佳联合分布为Frank Copula;风速与风暴增水具有上尾依赖的特征,最佳联合分布为Gumbel Copula;2)降雨量分布在风速条件下显示2处峰值,风暴增水分布在风速条件下近似于均匀,两者之间的最佳联合分布为Gumbel Copula;3)以单变量100 a重现期为例,风速-降雨量与风速-风暴增水组合事件的二维联合重现期分别缩短至29和30 a,而风速-降雨量-风暴增水组合事件的三维联合重现期缩短至17 a。综上,C-Vine Copula函数能准确有效地刻画台风灾害链“风-雨-潮”之间的复杂依赖关系,深化对于台风灾害链内在作用机制的理解,为台风灾害风险管理和工程设计提供科学支持。