發布時間：2020-02-05所屬分類：農業論文瀏覽：1次
摘 要： 摘 要: 首先基于 1951 - 2014 年中國地面氣象站點歷史風速觀測數據和 CMA - STI 熱帶氣旋最佳路徑數據集，提取了站點歷史臺風過程影響風速; 其次，利用極大似然法估計 Gumbel 分布、Frechet 分布以及 Weibull 3 種分布模型參數，優選出最適模型進行站點極值
摘 要: 首先基于 1951 - 2014 年中國地面氣象站點歷史風速觀測數據和 CMA - STI 熱帶氣旋最佳路徑數據集，提取了站點歷史臺風過程影響風速; 其次，利用極大似然法估計 Gumbel 分布、Frechet 分布以及 Weibull 3 種分布模型參數，優選出最適模型進行站點極值風速年最大值風速擬合，計算不同重現期風速值并利用 bootstrap 方法對各重現期計算結果的不確定性進行量化，得到典型重現期下中國臺風大風風速的 90% 置信區間; 最后，根據包括克里金法、反距離權重法、自然鄰域法、最近鄰法在內的 4 種空間插值方法對于臺風大風的插值效果得到中國東部沿海 1km 網格不同重現期臺風風速分布及其 90% 置信區間。結果表明: 東南沿海地區是臺風極值大風影響最嚴重的區域，典型重現期臺風風速估計的不確定性較大，不確定性的高值區域也主要分布在東南沿海地區。
關鍵詞: 臺風大風; 極值分布; 危險性評估; 不確定性量化; 空間插值
中國是遭受臺風災害最嚴重的國家之一，常因臺風造成嚴重的人員傷亡和巨大的經濟損失。例如，2006 年第 8 號臺風“桑美”在浙江省蒼南縣登陸，引起了狂風巨浪，共造成 483 人死亡，千余條船沉沒，直接經濟損失達 196. 5 億元人民幣[1]， 2014 年 10 號臺風“威馬遜”登陸風速達到 17 級，造成海南省 216 個鄉鎮( 街道) 受災，受災人口 325. 8 萬人，直接經濟損失 108. 28 億元[2]。近年來我國沿海臺風易發區經濟快速發展，對于臺風致災因子的暴露程度不斷增加; 而沿海橋梁、鐵路、石油石化以及核電站等重大工程的選址及設計需要對局地風速進行評估。因此，面向臺風災害風險管理及工程設計需求，采取有效手段對中國臺風大風危險性進行評估具有重要意義。
目前學界對于臺風大風危險性評估方法主要有三類，其中第一類一般通過極值分布模型對歷史臺風風速序列進行模擬從而計算單點的風速重現期; 第二類通常針對某個區域，通過統計該區域歷史臺風參數概率分布，并結合風場模型和極值分布模型計算該小區域的風速重現期[3]; 第三類一般采用全路徑模擬的方法生成大樣本臺風隨機事件，然后結合風場模型和極值分布模型計算臺風影響區域的風速重現期[3]。與第二類和第三類方法相比，第一類方法在歷史風速觀測時間序列較長時，可充分利用歷史樣本信息得到較為準確的風速重現期計算結果，其缺點在于當歷史數據不足時，重現期計算結果存在一定不確定性。國外利用第一種方法即歷史觀測數據進行臺風大風危險性評估采用的數據類型主要包括臺風近中心歷史風速觀測數據及氣象站點歷史風速觀測數據兩類。一些學者利用臺風近中心歷史風速觀測數據采用韋伯分布( Weibull Distribution) 、廣義帕累托分布( General Pareto Distribution，GPD) 等極值分布函數對美國區域最大風速進行擬合，并計算了一定空間尺度的年發生超越概率[4，5]，此類方法可以滿足臺風綜合危險性評估需要，但其不足之處在于臺風近中心歷史風速數據無法反映整個區域的空間差異性，因此不適宜用于大區域范圍臺風災害危險性評估; 另外一些學者采用氣象站點歷史風速觀測數據，同樣利用極值模型對強風危險性進行評估[3]，此類方法可以較好地反應風速分布的空間差異性，缺點在于氣象站點歷史風速觀測數據往往存在數據量不足的問題。
中國大風危險性研究多是針對小區域或臺站進行的不同分布模型對比研究或大風重現期推算實證研究[6 - 9]，如綜合島嶼站觀測、臺風記錄、船舶報告以及數值模式計算風速，組成大風年最大值序列，利用矩估計法擬合大風序列，通過檢驗選定最適風速序列及分布模型，繪制中國近海 50 年一遇和 100 年一遇大風極值等值線[10]，此類研究的缺點在于面向區域較小，且缺少對評估結果不確定性的討論。利用氣象站點歷史風速觀測數據計算重現期，數據不足、數據一致性問題、測量誤差是結果不確定性的 3 個最主要來源。為了提高結果可靠性，需要對不確定性進行量化，目前國內已有研究采用廣義極值分布模型，利用極大似然法及漸進分布理論推導出不同年遇水平設計風速和一定置信度下的置信區間，并通過氣象站點年最大風速資料進行實證研究[11]，該研究對單個站點重現期計算結果的不確定性進行了刻畫，對于工程的選址設計具有一定意義，而為了反映整個中國東部沿海臺風大風危險性分布特征及不確定性大小，還需對站點計算結果進行插值，從而得到整個空間連續的重現期評估結果。
本文的研究目標為利用氣象站點歷史風速觀測資料，評估不同重現期下中國東部臺風風速空間分布并給出一定置信度下的風速置信區間。具體過程為，首先，基于中國地面氣象站點歷史風速觀測數據，提取每個站點歷史臺風過程影響風速的年最大值; 其次，針對每個站點利用極大似然法估計 3 種經典極值分布模型的參數估計值，分別選擇最適模型進行站點臺風年最大值風速擬合; 然后，利用 bootstrap 重采樣方法，得到 90% 置信度下的的風速置信區間; 最后，從 4 種空間插值方法中選擇最優者插值得到不同重現期及 90% 置信度下的中國臺風大風空間分布并對中國臺風大風危險性區域分布及不確定性特征進行分析。
1 數據
1. 1 地面氣象站點觀測數據及研究區
本文采用的風速資料來自中國 756 個一般氣象觀測站 1951 - 2014 年日值風速觀測值，指標為日極大風速( 3 s 瞬時風速的日最大值) 。由于中國東部沿海地區是受臺風影響的主要地區，因此選取中國東部、中部、南部 13 個省、直轄市、自治區作為本文的研究區，考慮到研究區邊緣插值風速的準確性及連續性，故保留中國東部、中部、南部 21 個省、直轄市、自治區的 359 個一般氣象觀測站的氣象觀測數據，359 個一般氣象觀測站站點空間分布如圖 1 所示。
1. 2 臺風路徑數據
本文采用中國氣象局上海臺風研究所( CMA - STI) 整編的西北太平洋熱帶氣旋最佳路徑數據[12]，包括 1949 - 2014 年共 2182 場臺風，其中登陸中國臺風共計 611 場。數據具體指標包括: 國際熱帶氣旋編號、中國熱帶氣旋編號、英文名稱、每個臺風路徑點的年、月、日、時、等級、經度、緯度、近中心最低氣壓以及最大持續風速等，記錄時間間隔為 6 h。
2 方法
2. 1 風速提取
臺風大風重現期計算的前提是提取每個氣象站點受臺風影響風速，其提取方法簡述如下: ①基于站點經緯度信息，提取一定空間范圍內歷史臺風的路徑點; ②獲得歷史臺風對該站點影響的起止時間，并提取該時間范圍對應的站點觀測風速，作為歷史臺風對該站點的影響風速。這種方法的關鍵在于臺風影響范圍的界定，由于臺風是由比較均勻的熱帶海洋氣團發展起來，因此臺風氣壓場、風場分布具有一定的對稱性，可近似將臺風看作圓對稱的渦旋，其半徑變化范圍小到上百公里，大到上千公里[13]�？苫谂_風中心位置，經驗地設定臺風影響半徑從而劃定影響范圍。若半徑設定太小，則無法獲取臺風外圍大風信息，可能導致獲取的格點風速樣本不足; 若半徑設定過大，雖可獲得完整的臺風大風序列，但可能將其他天氣系統引起的局地大風誤認為臺風大風[14]，在本研究中，經驗性地將臺風影響范圍設定為距臺風中心 500 km。
利用上述氣象站點臺風影響風速提取方法，對 359 個氣象站點的歷史臺風影響風速進行提取，對部分歷史樣本小于 15 個的站點予以剔除，最終得到風速數據提取結果。圖 2 為站點歷史臺風過程影響風速最大值統計圖，從圖中可以看出，臺風風速樣本數超過 15 個的站點共有 275 個，且空間分布相對較廣泛，其最大值出現在浙江大陳島站，為 59. 5 m / s，站點臺風風速高值區主要分布在東南沿海地區，部分內陸地區也出現了風速高值，如山東泰山站及安徽黃山站，體現了地形對于風速的影響作用。
2. 2 風速空間插值空間插值
方法主要包括點插值和面插值兩種，已知某點數據推求空間區域內任一點數值應采用點插值方法進行插值[15]，點插值方法又包括了克里金法、多項式回歸法、最近鄰法、反距離權重法等。為確定最適用中國東部臺風大風風速插值的方法，以 2. 1 中得到的站點歷史臺風風速最大值作為檢驗樣本，選用克里金法、反距離權重法、自然鄰域法以及最近鄰法 4 種點插值方法對站點風速進行空間插值，然后通過交叉驗證法確定最適插值方法。各插值模型主要參數設置如下: 最大搜索半徑設為 500 km，搜索范圍內的最小樣本數設為 15，其中反距離權重法采用固定搜索半徑，冪參數設為 3，克里金插值法的半變異函數采用指數模型。
2. 3 極值大風重現期估計及不確定性量化
氣候統計學中，通常采用經典極值理論對氣象要素極值進行擬合[16]，經典極值理論包括 Gumbel 模型，Frechet 模型以及 Weibull 模型 3 種，其累積概率分布函數分別如式( 3) ～ 式( 5) 所示，其中 μ 為位置參數，σ 為尺度參數，α 為形狀參數，x 為連續型隨機變量，超過定值 x 則表示極端事件發生。根據歷史樣本年最大值分布計算極端事件的重現期( Return Period，RP) 是極值統計最重要的應用之一，由式( 6) 可知每一個重現期對應一個極值分位數，表示極端事件的極值變量的數值大小。同時，對于給定重現期，極值分位數越大說明超越概率越小，則極端事件發生的可能性也就越小。
3 結果
對 359 個氣象站點，利用 2. 3 中的站點大風重現期估計方法，提取臺風影響期間站點風速的年最大值 作 為 極 值 擬 合 的 樣 本，利 用 Gumbel、 Frechet 以及 Weibull 函數進行擬合。計算過程中，為了減小因數據量不足導致的參數估計的不確定性及滿足極值分布函數對擬合樣本數量的要求，對極值擬合樣本數少于 15 個的站點予以剔除，最終得到臺風極大風速數據達標站點及其對應的最適極值分布( 如圖 4 所示) �？梢钥闯�: ① 359 個站點 中 共 計 133 個站點滿足擬合樣本數量需求，最適極值分布確定為 Gumbel、Frechet 以 及 Weibull 的站點個數分別為 60 個，27 個 以 及 46 個，即對于不同站點的風速極值，應采用不同極值分布函數進行擬合; ② 359 個站點中位于研究區外符合樣本數量要求的站點較少，這是因為這些區域的站點受臺風影響頻次較少，影響時長較短; ③ 359 個站點中位于研究區內江西省、福建省的站點滿足擬合樣本數量要求的數量偏少，江西 18 個站點中僅 3 個站點滿足要求，福建省 22 個站點中僅 5 個站點滿足要求，造成這一結果的主要原因是盡管此區域臺風影響頻次較多，影響時間 較 長，但未達標站點歷史臺風觀測數據較少。
推薦閱讀：影響海南島臺風的時空特征分析
利用各達標站點最適極值分布模型，分別計算各站點 20 年一遇及 50 年一遇的臺風風速期望值及 90% 置信區間; 然后，利用克里金法插值得到中國 1 km 網格分辨率的 20 年一遇及 50 年一遇重現期風速期望值及 90% 置信區間，計算結果如圖 5 所示。從圖 5 可以看出: ① 臺風極值大風高值區主要分布在我國東部地區，尤其是東南沿海地區，該區域是我國歷史上受臺風災害影響最嚴重的地區，發生臺風大風極端事件的可能性也最大; ② 部分內陸地區也出現了風速高值區，主要原因是由于歷史臺風影響的觀測風速樣本不足; ③ 典型重現期臺風風速估計的不確定性較大，20 年一遇的臺風風速 90% 置信區間約 49 m / s，50 年一遇的臺風風速 90% 置信區間近 61 m / s，置信區間的高值區主要分布在中國東南沿海，置信區間整體由東南沿海向內陸遞減。
4 結論與討論
本文基于中國地面氣象站點歷史風速觀測數據，提取了每個站點歷史臺風過程影響風速，在此基礎上優選出最適極值分布以及空間插值模型，計算了不同重現期下，中國東部地區空間上連續分布的臺風風速及 90% 置信度下的風速區間，并對其區域分布特征及不確定性進行了分析。主要結論如下:
( 1) 采用交叉檢驗的方法比較了 4 種空間插值方法對于站點極大風速的插值總誤差，結果表明，對于站點臺風極大風速插值，克里金法插值效果最優。
( 2) 由于歷史樣本數量不足、數據一致性問題及測量誤差等原因，基于站點歷史風速觀測數據的臺風大風重現期估計結果不確定性較大，為了保證評估結果的可靠性，需要對其進行不確定性量化。
( 3) 結合極值分布模型以及空間插值方法評估中國臺風大風危險性，相較于傳統小區域或臺站尺度的評估有一定改進，但仍存在一些局限性，包括: ① 氣象站點歷史風速觀測樣本不足可能影響極值風速評估精度及區域插值效果; ② 本文經驗地將臺風影響范圍確定為 500 公里，主觀性較強，今后的研究可通過敏感性分析方法對臺風影響最適范圍進行評估[14]; ③ 由于臺風登陸后下墊面情況比較復雜，局地地形以及地表粗糙度的變化對于近地表風速影響較大，僅依靠空間插值的方法難以精確刻畫該影響機制。后續的臺風大風危險性研究可基于大樣本臺風路徑事件集，結合臺風風場模型得到空間上連續分布并且樣本充足的臺風風速序列[7 - 9]，在此基礎上進行不同重現期極值風速評估將更具可靠性[19]。
SCISSCIAHCI
