基于ce风场数值模拟的台风危险性分析方法研究

《基于ce风场数值模拟的台风危险性分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

硕士学位论文基于CE风场数值模拟的台风危险性分析方法研究STUDYOFTYPHOONHAZARDANALYSISMETHODSBASEDONCEWINDFIELDNUMERICALSIMULATION王宁娟哈尔滨工业大学2013年6月 国内图书分类号：X43学校代码：10213国际图书分类号：624密级：公开工学硕士学位论文基于CE风场数值模拟的台风危险性分析方法研究硕士研究生：王宁娟导师：肖仪清教授申请学位：工学硕士学科：结构工程所在单位：深圳研究生院答辩日期：2013年6月授予学位单位：哈尔滨工业大学 ClassifiedIndex：X43U.D.C：624DissertationfortheMasterDegreeinEngineeringSTUDYOFTYPHOONHAZARDANALYSISMETHODSBASEDONCEWINDFIELDNUMERICALSIMULATIONCandidate：WangNingjuanSupervisor：Prof.XiaoYiqingAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：StructuralEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：June,2013Degree-Conferring-Institution：HarbinInstituteofTechnology 哈尔滨工业大学工学硕士学位论文摘要深圳、香港和上海等中国东南沿海城市经济发达且人口集中，但遭受热带气旋影响频率较高，台风灾害大大增加了沿海城市和建筑物的灾害易损性与灾害链的易发性，使得抵抗热带气旋风荷载成为结构设计中的主控荷载。因此，台风影响区的风危险性分析尤为重要，而我国缺乏高质量的台风观测数据，不足以根据记录资料进行台风危险性分析。本文对theU.SArmyCorpsofEngineers（即CE）台风风场模型进行改进及适用性研究，采用国外学者普遍应用的MonteCarlo数值模拟方法，预测深圳、香港和上海不同重现期的极值风速并进行台风危险性分析，为台风区设计风速的确定和抗风减灾提供合理依据。具体有以下主要内容：根据近年来学者对台风物理结构的进一步研究以及大量精确数据统计分析得出的结论，考虑温度对台风的影响以及台风中心气压随高度发生变化，研究了参数化数值台风风场和边界层等模型中参数的选定和标定，如Holland气压参数B、最大风速半径Rmax、摩擦阻力系数CD、边界层厚度h等，采用边界层平均风速随高度变化的经验模型，对CE台风风场模型进行了改进研究。并根据台风黑格比(Hagupit)、灿都(Chanthu)和韦森特(Vicente)近地观测数据对改进的CE台风风场模型的适用性进行验证，得到了较好的模拟结果，表明改进的CE台风风场模型可以较好地模拟东南沿海的台风风场。通过1949-2011年台风年鉴数据，应用模拟圆法选用了模拟圆半径为250km计算所有数据和500km只计算模拟圆内数据两种情况分别提取台风数据，2利用χ检验法和K-S检验法，统计得到中国东南沿海城市中的深圳、香港和上海遭遇台风的关键参数概率分布及参数，提出了移动速度VT和中心气压差Δp服从Gamma分布。同时分析了台风最大风速半径、中心气压差和纬度的相关性，以及台风衰减模型。结合改进的CE台风风场模型，深圳、香港和上海地区的台风关键参数概率分布及相关性和台风衰减模型，采用MonteCarlo模拟方法计算得到台风极值风速序列，然后采用Weibull分布和Gumbel分布拟合极值风速的概率分布及参数，并预测了深圳、香港和上海不同重现期的极值风速。同时分析了Holland气压参数B、模拟圆半径及数据样本选取对极值风速的影响，认为参数B模型采用Vickery08模型，极值风速概率分布选用Gumbel分布，并给出相应的参数估计。-I- 哈尔滨工业大学工学硕士学位论文关键词：极值风速预测；CE台风风场模型；台风关键参数；Holland气压参数-II- 哈尔滨工业大学工学硕士学位论文AbstractChina'ssoutheasterncoastalcity,suchasShenzhen,HongKong,Shanghaiandsoon,sufferedahigherfrequencyoftropicalcyclones.Thepopulationwasconcentratedinthesedevelopedcities.Thetyphoonhasgreatlyincreaseddisastervulnerabilityanddisasterchainsusceptibilityofthecoastalcitiesandbuilding,whichmadethetropicalcycloneloadbecomemasterloadinthedesignofsuchstructures.Sowindhazardanalysiswasveryimportantintyphoon-affectedzone.InChina,thelackofhigh-qualityobservationaltyphoondataandinsufficientdatamadeusnottoapplystatisticalmethodstoanalysisthetyphoonhazard.FurtherimprovementandapplicationoftheU.S.ArmyCorpsofEngineers(CE)typhoonwindfieldmodel,appliedMonteCarlonumericalsimulationtostudyofdifferentreturnperiodofextremewindspeedpredictionandriskanalysisinShenzhen,HongKongandShanghaiencounteredtyphoon.Providedareasonablebasisfortheengineeringdesignofstructuralsafetyandriskassessment.Accordingtofurtherstudyofthephysicalstructureofthetyphoonandtheconclusionsfromstatisticalanalysisofalargenumberofaccuratedataonthetyphoonstudiedbythescholarsinrecentyears,consideringtheimpactoftemperatureonthetyphoon,andtyphooncentralpressurechangeswithaltitude,researchparameterizedvaluesoftheselectedparametersandfillingmodelofparametrictyphoonwindfieldandboundarylayermodel,suchasHollandpressureparameterB,maximumwindradiusRmax,frictioncoefficientCDandboundarylayerthicknessh.UsedempiricalmodelthattheboundarylayeraveragewindspeedvariedwithheighttoimprovedtheCEtyphoonwindfieldmodel.AccordingtotyphoonHagupit,ChanthuandVicentenear-Earthobservationdata,verifiedtheapplicabilityofimprovedCEtyphoonwindfieldmodel.GotanidealsimulationresultsandshownthattheimprovedCEtyphoonwindfieldmodelcansimulatethetyphoonwindfieldofthesoutheastcoast.Throughthe1949-2011yearsTyphoonYearbookdataandtheapplicationofanalogcirclemethod,selectedthe250kmcalculationalldataand500kmcountingonlyanalogcircledata.Appliedtwokindsofthesituation,respectively,toextract2thetyphoondata.UsingχtestandK-Stest,statisticallyinferredprobability-III- 哈尔滨工业大学工学硕士学位论文distributionmodelofthekeyparametersoftyphoonsencounteredbytheChina’ssoutheastcoastcity,Shenzhen,HongKongandShanghai.AnalyzedmovementspeedVTandcentralpressuredifferenceΔpobeytheGammadistribution.Simultaneouslyanalyzedthecorrelationbetweenthetyphoonmaximumwindspeedradius,centralpressuredifferenceandlatitude,andresearchedtyphoonfillingmodel.UsingMonteCarlosimulationmethod,togetherwiththeimprovedCEtyphoonwindfieldmodel,theprobabilitydistributionoftyphoonkeyparametersofShenzhen,HongKongandShanghai,andtyphoonsattenuationmodel,calculatedextremetyphoonwindsequence,andthenusingtheWeibulldistributionandtheGumbeldistributionfittingextremewindspeedprobabilitydistributionandrelatedparameters,andforecastextremewindspeedindifferentreturnperiodinShenzhen,HongKongandShanghai.AnalysistheimpactofHollandpressureparameterB,groundroughnesslengthz0,analogcircleradiusandthedataselectedforextremewindspeed.ThoughttheparameterBmodelwithVickery08model,annualextremewindspeedprobabilitydistributionselectedGumbeldistribution,andgavethecorrespondingparametersestimated.Keywords:extremewindspeedprediction,CEtyphoonwindfieldmodel,keyparametersoftyphoon,theHollandpressureprofileparameters-IV- 哈尔滨工业大学工学硕士学位论文目录摘要.......................................................................................................................IABSTRACT............................................................................................................III第1章绪论.............................................................................................................11.1课题来源及研究的目的和意义.................................................................11.1.1课题来源..................................................................................................11.1.2课题研究的目的和意义..........................................................................11.2国内外研究现状及分析............................................................................21.2.1台风风场模型..........................................................................................21.2.2台风关键参数概率特性研究...................................................................61.2.3台风极值风速预测及危险性分析..........................................................71.3主要研究内容..........................................................................................8第2章CE台风风场模型的改进研究....................................................................92.1引言.........................................................................................................92.2CE台风风场模型的求解..........................................................................92.3CE台风风场模型的改进........................................................................132.3.1中心气压随高度变化及温度影响.........................................................132.3.2摩擦阻力系数CD...................................................................................182.3.3边界层台风风速剖面............................................................................222.3.4CE台风风场模型关键参数确定...........................................................252.4台风灿都和韦森特实测数据验证...........................................................332.5本章小结................................................................................................36第3章台风关键参数概率分布及相关性............................................................383.1引言.......................................................................................................383.2数据来源及数据处理.............................................................................383.3台风关键参数概率分布..........................................................................393.3.1备选概率分布........................................................................................393.3.2深圳遭遇台风的关键参数概率分布.....................................................403.3.3香港和上海遭遇台风的关键参数........................................................453.4台风关键参数相关性分析......................................................................513.5台风衰减模型........................................................................................54-V- 哈尔滨工业大学工学硕士学位论文3.6本章小节................................................................................................55第4章东南沿海若干城市台风危险性分析........................................................564.1引言.......................................................................................................564.2MonteCarlo模拟方法............................................................................564.2.1模拟生成台风过程................................................................................564.2.2极值风速概率分布................................................................................584.3深圳、香港和上海台风极值风速预测....................................................604.3.1参数B对台风极值风速预测的影响....................................................604.3.2不同重现期极值风速预测....................................................................614.4深圳、香港和上海台风危险性分析........................................................644.5本章小结................................................................................................67结论.....................................................................................................................69参考文献.................................................................................................................71哈尔滨工业大学学位论文原创性声明和使用权限...............................................75致谢.....................................................................................................................76-VI- 哈尔滨工业大学工学硕士学位论文第1章绪论1.1课题来源及研究的目的和意义1.1.1课题来源本课题来源于国家自然科学基金面上项目“台风近地层风场特性实测网络以及风场特性研究”（项目批准号：51278161）。1.1.2课题研究的目的和意义热带气旋是热带海洋上强烈的灾害性天气系统之一。我国对发生在北太平洋西部和南海的热带气旋，采用国际热带气旋名称和等级的标准，依据其中心最大风力分为热带低压、热带风暴、强热带风暴、台风、强台风和超强台风。台风是发生在热带洋面上的一种具有暖中心结构的强烈气旋性涡旋，最大风速12~13级，32.7m/s~41.4m/s，我国和东亚地区称为台风，欧洲北美一带称为飓风。台风能量巨大，并伴有泥石流、山体滑波及洪涝等次生灾害，其经过的海域和地区遭受强风、暴雨和巨浪的袭击，严重威胁人民的生命财产安全，同时也对建筑结构的抗风性能带来极大考验。2008年9月第14号台风“黑格比”在广东省电白县登陆，最大阵风17级，随之而来的大风、暴雨造成了严重的破坏和人员伤亡，海陵大堤也遭到严重摧毁，对海陵岛造成严重影响。2010年7月第三号台风“灿都”在广东吴川登陆，造成广东、广西和云南三省六百多万人受灾，直接经济损失达五十多亿。2012年第8号台风“韦森特”在广东省台山市赤溪镇沿海登陆，使广东受灾人口达82.3万人，倒塌房屋近千间，直接经济损失近十亿。2012年8月14号和15号台风“天秤”和“布拉万”双双来袭，“天秤”将兰屿摧残得满目疮痍，百年罕见，全台湾农林渔牧业产物和设施毁损共有两亿多。受“布拉万”影响，辽宁、吉林和黑龙江共六百多万人受灾，大面积农作物受灾，直接经济损失上百亿元。西北太平洋是全球台风发生频率最高、强度最大的海域。我国是世界上受热带气旋影响最严重的国家之一，从海南到辽宁广阔的海岸线上均有热带气旋[1]登陆，且以广东、台湾和福建等省受热带气旋影响的频率最高。台风登陆后所袭击的中国东南沿海地区往往也是中国经济最发达、人口最集中的地区，超高层建筑和超大跨度风敏感结构较多，如深圳、香港和上海等城市，台风灾害大大增加了沿海地区的灾害易损性与灾害链的易发性。因此，中国东南沿海区-1- 哈尔滨工业大学工学硕士学位论文的台风危险性分析显得愈发重要。由于我国台风观测资料的研究数据较少并且因观测设备和记录精度等存在误差，数量和质量不能满足具有统计特性的风危险性分析的要求，目前我国结构设计规范并未对台风引起的设计风速作明确的规定，所以对东南沿海主要城市进行系统的台风危险性分析就显得尤为重要。因此采用国外学者普遍应用的基于合理的台风风场模型的MonteCarlo数值模拟方法选取足够多样本进行台风危险性分析。本文将对基于数值模拟的CE台风风场模型进行改进及适用性研究，统计分析中国东南沿海若干城市深圳、香港和上海台风关键参数概率特性并预测不同重现期的极值风速，这将为沿海地区重大工程抗风设计和防台减灾提供科学依据，为我国的可持续性发展提供防灾减灾方面的基础信息。1.2国内外研究现状及分析1.2.1台风风场模型1.2.1.1台风风场模型的发展台风的水平和竖向结构是台风风场建模的根本。台风的范围很大，水平方向可以分为外围大风区、漩涡风雨区和台风眼区三个区域；竖直方向可以分为低空流入层（约在1km以下）、中间上升气流层和高空流出层三个层次，如图1-1。台风特殊结构带有明显的流体力学和空气动力学特性，因此成熟的台风风[2]场数值模型大多以Navier-Stokes流体公式为基础。葛耀君等指出一个完整的台风风场模型至少包括风场内空气微团的运动平衡方程、气压分布、边界层内的风速剖面等特征。外围大风区漩涡风雨区漩涡风雨区外围大风区台风眼图1-1台风结构示意图气象学中的台风数值模拟，全面考虑台风大气环流演变过程、温度场以及-2- 哈尔滨工业大学工学硕士学位论文能量平衡等复杂的物理因素，以热力学和流体动力学为基础，其模拟预测的风场更为真实，为台风的行成与发展的数值预报作准备。台风是具有强烈天气（强风和暴雨）的中尺度现象，近年来气象学中涌现了MM5、MMS、RAMS、WRF[3]和ARPS等等很多著名的中尺度模式。WRF模式系统是由美国研究部门及科学[4]家共同参与研究的新一代中尺度预报模式和同化系统，ARPS模式是美国Oklahoma大学的风暴分析和预报中心(CAPS)研发的非静力高分辨率区域预报系统。但将上述模型应用于工程区域关于台风风速的统计与预测计算量极大，过于宏观复杂。工程应用中，需要发展一种主要模拟大气边界层内风速场的分布与变化，且计算简便但具有足够精度得台风数值模型。随着先进观测仪器的引入，对台风数据的记录也日益精确可靠，台风观测数据的质量和数量有很大提高，各国学者进一步研究台风数值模拟的准确性和可靠性，相继提出了一系列解析公式或二维数值模拟，使得台风风场模型越来越精细复杂，更准确的描述台风结构。[5][6][7][8][9]从70年代开始，Chow、Gomes&Vickery、Battsetal.、Shapiro、Georgiou、[10][11][12]Vickery&Twisdale、YanMengetal.、Vickeryetal.和Thompson&[13]Cardone等研究了台风风场模型并通过模拟后报若干台风进行验证，得到了工程适用的风场模型。Russell、Tryggrason、Fuji和Matsui研究和探索了基于风[14]场数值模拟的MonteCarlo模拟方法对台风极值风速的预测。Vickeryetal拟合了美国东海岸台风风场概率模型，并基于MonteCarlo模拟方法指定台风多发地区的风荷载规范。[15][16][17,18][2]在国内，肖仪清、段忠东、赵林、葛耀君以及其他学者对Batts模型、Shapiro模型、YanMeng模型、CE模型等在我国进行了一系列的适用性研究。其中，肖仪清、段忠东等采用不同的台风风场模型对我国东南沿海地区的台风风场进行了数值模拟，验证风场的可行性，并得出不同重现台风期极值[19][20]风速预测。陈孔沫，盛立芳、吴增茂等人对风场也进行了大量的系统的研[21]究。佘军和袁业立等人对CE风场进行改进，提出了适应于海浪后报的动力学[22]边界层风场模式。肖玉凤等人应用CE风场模型研究东南沿海地区台风危险性分析，对台风“黑格比”、“鹦鹉”和“灿都”在不同观测站点的风速和风向模拟，但具体站点的台风风速的模拟结果与实测值存在不小的偏差。1.2.1.2CE台风风场模型及其局限性CE台风风场模型是一种离散化数值风场模型，最初发展于美国纽约大学，[5]70年代早期被美国海军广泛采用。Chow最早提出CE台风风场模型的基本方程。CE台风风场模型基于水平运动方程，假设垂直对流动量相比于水平对流项很小-3- 哈尔滨工业大学工学硕士学位论文而忽略，大气边界层顶部的剪力消失。在以大地为参考系的动量方程可以用边界层竖向平均的公式表示：dVˆ1C+´´=-Ñ+Ñ×Ñ-fKVˆP()KVˆˆDVVˆ(1-1)Hdtrh1hVv=ò()zdz(1-2)h0式中ddt/——质点倒数¶¶+×Ñ/;tVˆ¶¶/t——固定坐标系下的局部时间倒数；^——代表固定坐标系；K——垂直方向单位矢量；Ñ——二维导数算子符号；P——大气压；V——垂直平均的水平风速矢量；f——科氏力参数；r——空气平均密度；K——横向涡旋粘滞系数；HC——摩擦阻力系数；Dh——行星边界层厚度(m);z——距离地面的高度(m)。引入两个关系式：ìPpp=+cïïí1(1-3)ïfKV´=-ˆÑPgïîr式中p——代表台风非轴对称压力场；cp——球自转引起的大气流动有关的大尺度压力场；Vg——地球自转风速。将(2-13)转化为dVˆ1C+´´-=-Ñ+Ñ×Ñ-fKVV()ˆˆˆP()KVDVVˆˆ(1-4)gcHdtrh引入VVV=+将(1-4)转换为原点固连于台风中心的笛卡尔坐标系，cdV1CD+´´-=-Ñ+Ñ×Ñ-fKVV()P()KVVVVV+()+(1-5)gcHccdtrh[24]采用Holland气压场，离台风中心距离为r处的表面气压P(r)为-4- 哈尔滨工业大学工学硕士学位论文éùBPrP()=+0mDPexpêúëû-(Rax/r)(1-6)式中P——中心气压；0B——Holland气压剖面参数；DP——中心气压,D=-Ppp¥c。[13]Thompson&Cardone在Chow提出的基本方程的基础上发展了CE风场模型，采用数值后报的方法分析了墨西哥湾历史上发生的台风。通过分析气象学[23]家的研究结果，选取边界层厚度为常数650m；其采用了Arya对Deardorff模型改进后的理论边界层模型，求解阻力系数；分析了Holland剖面参数B对风速的[24][14]敏感性，结合Holland气压场求解台风风场。Vickery在2000年基于CE数值模型，用有限差分法和傅里叶级数拟合求解台风风场；将网格尺寸与最大风速半径关联，边界条件取为气压梯度力与科氏力平衡；边界层模型考虑了海面温度差和跟风速关联的海面粗糙度变化。Vickery表明台风运动速度较低时，CE模型比Shapiro模型结果很接近，但对于高速运动的台风，CE模型比Shapiro模型较好的模拟台风风场的非对称性。根据近年来学者对台风物理结构的进一步研究以及对大量的台风精确数据统计分析得出的结论，发现CE台风风场模型还存在以下局限性：(1)台风发展过程中，动能的粘性耗散是台风的一个重要热源，这部分动能最终以分子尺度耗散成热量，然而在台风的理论和数值模拟中耗散热一直被忽略。以全球定位系统GPS为基础的下投式风速仪(Dropsonde)数据观测结果表明台风中心气压随高度的增加而减小，假设台风中心气压不随高度发生变化，带入风场模型进行求解时气压梯度项将会产生误差，影响风速预测值。(2)摩擦阻力系数CD一定程度上影响了热带气旋的强度、路径等，对阻力[5][8]系数模拟的准确性将直接影响台风风场的模拟结果。Chow和Shapiro采用阻[13][23]力系数随风速变化的经验公式，Thompson&Cardone采用了Arya对Deardorff模型改进后的理论边界层模型，求解阻力系数。需要进一步研究阻力系数对风场求解的影响。(3)风速剖面表征了平均风速随高度的变化规律，联系着结构的静力风荷[25]载。Vickery等人分析从1997年起由GPS得到的热带气旋在大气边界层的强风风剖面数据进行分析，得出200m以下平均风速以对数律增长，500m处出现最[26]大风速，然后风速逐渐减小直到3km处。国内李利孝博士论文中提出，工程边界层风速剖面由三部分组成：常流层、中间层和递减层。常流层介于50m至150m之间，该层由下垫面摩擦作用形成，满足指数律分布；中间层介于150m至梯度风高度之间，该层受下垫面摩擦和台风风场结构特征以及湍流特性的共-5- 哈尔滨工业大学工学硕士学位论文同作用，该层的剖面也基本上服从指数律的分布；递减层的高度范围介于梯度风高度至工程边界层顶部之间，该层主要受台风风场暖心结构的作用，除了50m高度平均风速介于10m/s至20m/s两个等级外该层平均风速均是随着高度的增加而减小。因此无论是对数律剖面还是指数律剖面亦或是DeavesHarris剖面描述风速剖面都存在一定的缺陷性。(4)台风风场模型中重要参数的选定和标定影响风场数值求解的结果，如Holland气压参数B、最大风速半径Rmax、地面粗糙度长度z0、边界层厚度h等。最大风速半径Rmax，对大多数台风不能通过观测的方法直接得到，因此许[29]多学者提出了经验公式，李小莉给出了最大风速半径与六级风速半径、六级[30]风速和最大风速的关系式。江志辉等于2008年根据1949～2002年的台风数据，得出的热气旋中心气压和最大风速半径的统计平均关系式，虽然实际情况中，同样的中心气压所对应的最大风速半径不尽相同，但是这样的一条曲线符合统计意义，有较好检验结果。应进一步研究最大风速半径对风场求解的影响。地面粗糙长度z0是地面上湍流漩涡尺寸的量度，反应下垫面形态的一个重要指标。对于陆地情况z0依赖于表面性质和风速，由于不同地貌局部气流的不均一性，不同测试中z0的结果相差很大，故z0的大小一般由经验确定。z0的经验取值对台风风场模拟结果有影响。大气边界层厚度h随风速的增大而减小，但在数值模拟中大气边界层厚度h是指定的独立变量，Thompson&Cardone对墨西哥湾台风研究，应用CE台风风场模型将边界层高度取650m，Vickery将边界层厚度取为1000m且便于计算。Holland气压剖面参数B的取值，通过拟合实测数据得到或者通过经验公式给出参数B的样本，并拟合得到B与最大风速半径Rmax、中心压差Dp和纬度y的相关关系。Vickery&Wadhera利用1977-2004年大量侦察飞行勘测气压数据以及*由飓风观测部门飓风风场Hwind快照得到的信息，分析拟合得到具有统计意义的参数B的模型。目前我国没有通过飞机勘测得到的基于观测的气压径向剖面数据和实测表面风速数据，因此不能通过比较模拟值和实测值得到最优的B值。[25]肖玉凤等利用读取天气图气压剖面数据来估计参数B，但人工读取不够精确。[25][28][25]而经验公式模型，如Holland&Harper、Hubbert等和Holland提出的参数B模型都不是针对我国东南沿海得到的，因此存在误差。1.2.2台风关键参数概率特性研究应用Monte-Carlo方法模拟台风取决于两方面的因素：a)台风关键特征参数的概率分布；b)台风特征参数记录。因此台风关键参数的概率特性研究对极值-6- 哈尔滨工业大学工学硕士学位论文风速预测有很大影响。台风风场可以由台风关键参数来模拟，如台风年发生率λ、台风移动速度VT、台风中心压差Δp、最大风速半径Rmax、台风移动方向θ和台风移动路径与模拟点间的最小距离Dmin。Batts、Georgiou和Vickery等学者对台风关键参数统计检验得出的备选概率分布类型见表1-1。根据台风年鉴数据提取影响某地点的各关键参数样本，用概率统计方法通过假设检验，选取各关键参数的最优概率分布。表1-1台风关键参数及备选概率分布台风关键参数备选概率分布台风年发生率λ二项分布、泊松分布、马尔可夫链台风移动方向θVonMises分布、双正态分布、正态分布模拟点间最小距离Dmin均匀分布、多项式分布、梯形分布台风移动速度Vc对数正态分布，正态分布最大风速半径Rmax对数正态分布台风中心压差Δp对数正态分布、Weibull分布目前应用的提取影响研究点的台风数据样本的方法有海岸线分割法和模拟圆。模拟圆法是以模拟的城市为圆心，设定半径的圆为基准，进入模拟圆的台风研究点有影响，提取这些台风数据作为数据样本，进而对台风关键参数进行统计分析。模拟圆半径的确定以及只提取进入模拟圆台风的部分数据和提取进入模拟圆台风的所有数据对结果均有影响。通过对比研究250km、500km和750km半径的模拟圆，比较模拟圆半径的选取，以及模拟圆内外数据对关键参数概率分布的影响。应用比较普遍的是半径为250km的模拟圆统计进入模拟圆台风的所有数据。1.2.3台风极值风速预测及危险性分析由于我国台风观测资料的研究数据较少并且因观测设备和记录精度等存在误差，因此采用目前国际上普遍接受的MonteCarlo模拟方法进行台风危险性分析。美国(ASCE7-10)和澳大利亚(SAA,1989)风荷载规范中利用风风场模型和台[31]风关键关键参数的概率分布，采用MonteCarlo模拟方法得到足够多虚拟台风[32]进行风危险性分析。美国的Russell于1971年最早提出用MonteCarlo随机方法模拟产生台风。台风极值风速预测是指通过MonteCarlo数值模拟得到足够多样本的台风极值风速序列，利用得到广泛应用的Weibull三参数分布（即极值Ⅲ型分布）和-7- 哈尔滨工业大学工学硕士学位论文我国规范中的Gumbel分布（即极值Ⅰ型分布）以及Frechet分布（即极值Ⅱ型分布）通过概率统计方法估计台风最大风速概率分布，当样本足够时可以直接采用经验分布。中国最早使用的年极值风速概率分布为Weibull分布，后改为极值[14]I型分布。大部分国家采用的是Gumbel分布，如加拿大等国的规范。Vickery[33][7]和Rosowsky都采用非参数的经验分布拟合台风极值风速序列。Batts和[9]Georgiou等研究表明Weibull分布的拟合效果比Gumbel分布更好。1.3主要研究内容本文将对CE台风风场模型进行改进研究，并对中国东南沿海若干城市进行台风危险性分析，主要研究内容有如下三个方面：(1)根据近年来学者对台风物理结构的进一步研究以及对大量的台风精确数据统计分析得出的结论，将对CE台风风场模型进行改进研究。将考虑温度对台风的影响以及台风中心气压随高度发生变化，研究参数化数值台风风场和边界层等模型中参数的选定和标定，如B、Rmax、CD、h等，采用边界层平均风[12]速随高度变化的经验模型，使CE台风风场模型更精细准确。结合Vickery有限差分法的数值方法求解风场，利用登陆广东省的2008年台风“黑格比”、2010年台风“灿都”和2012年台风“韦森特”相关数据和气象台站观测记录资料，对改进的CE台风风场适用性进行验证。(2)利用1949-2011年台风年鉴数据，将选用模拟圆半径为250km计算所有数据和500km只计算模拟圆内数据两种情况分别提取台风年鉴数据进行研究，统计推断深圳、香港和上海遭遇台风的关键参数概率分布,分析最大风速半径与中心压差及纬度的相关性。根据1949-2011年台风年鉴数据，研究登陆以后的台风强度衰减情况，根据台中心气压的记录数据拟合不同城市的台风衰减模型及参数。(3)采用MonteCarlo模拟方法，基于改进的CE台风风场模型及台风衰减模型，结合深圳、香港和上海的台风关键参数概率分布及相关性，模拟台风极值风速序列并预测不同重现期深圳、香港和上海的极值风速。选定模拟的样本长度年份为1000年，基于模拟点的年发生率λ确定模拟台风的总数m=1000λ，得到样本容量为m的极值风速序列vi(i=1，2，…，m)。然后用Weibull分布和Gumbel分布拟合极值风速的概率分布及相关参数，得到深圳、香港和上海不同重现期的极值风速。将本文的结果与规范推荐风速进行比较，给出相应的建议，为台风区设计风速的确定和抗风减灾提供参考。-8- 哈尔滨工业大学工学硕士学位论文第2章CE台风风场模型的改进研究2.1引言大气边界层内的台风风场模型直接决定MonteCarlo数值模拟技术的可行性和准确性。工程应用中，需要发展一种主要模拟大气边界层内风速场的分布与变化，计算简便且具有足够精度得台风数值模型。国内外一些学者相继提出了一系列解析公式或二维数值模拟，采用经验与理论结合的风场模型。其中CE台风风场模型建立在沿边界层垂直平均的动量平衡方程之上，通过求解风场的非线性动量方程得到行星边界层内的表面应力、平均风速和风向，计算精度较高。本文先结合有限差分介绍CE台风风场的求解方法，然后根据近年来学者对台风物理结构的进一步研究和通过大量精确的台风数据统计分析得出的结论，对CE台风风场模型进行了四个方面的改进研究，并通过模拟求解登录广东省的三个台风，与不同气象站点实测数据进行对比，验证改进的CE台风风场模型在中国东南沿海城市的适用性。2.2CE台风风场模型的求解第1章1.2.1.2已经给出CE风场的基本方程，以下将介绍风场的求解过程。先将风场模型(1-5)转换成x方向和y方向的标量表达式：uuvfvuvPHFuuutxy(2-1)vvufuuvPHFtxyvvv1pPfvugx1pPfuvgy(2-2)..HK.KHHxxyyC2212DFu..uccvvc.h-9- 哈尔滨工业大学工学硕士学位论文122222xuvvuK2(2-3)H2xyxy式中u,v——台风竖向平均水平风速V在x,y方向的分量；u,v——台风竖向平均中心水平地转风速Vg在x,y方向的分量；ggu,v——台风中心的移动速度Vc在x,y方向的分量。cc由Holland气压场模型(1-6)得到：BBpBRRmaxmaxpexpcosxrrr(2-4)BBpBRRmaxmaxpexpsinyrrr式中f——网格点与台风中心连线和正东方向的夹角。采用有限差分法在时间上积分进行迭代数值求解。采用矩形粗细网格嵌套的差分方法求解上述时间和空间的非线性偏微分方程组，即从台风中心向外网格间距逐渐增大，可以较好解决计算精度和计算效率的矛盾。采用7套网格，从台风中心开始网格间距尺寸依次2km、4km、8km、16km、32km、64km和128km，且每一组网格的节点数目从台风中心算起均为10，这样形成一个以台风中心为中心的边长为2560km的正方形网格。对时间的一阶倒数采用向前差分格式，对空间的一阶倒数采用迎风差分格式，对空间的二阶倒数采用中心差分格式。风场初始条件的梯度风项由气压梯度方程得到，最外层网格的边界条件是忽略加速度和水平粘性项，由式(2-1)得到：uu0=fvuvPFuuxy(2-5)vv0=-fuuvPFxyvv在每个节点，式(2-1)在时间上向前积分直到加速度足够小，迭代的时间步长取最内层网格间距的10倍，即20s。[23]采用Arya理论边界层模型计算得到表面风参数u*、CD和β。大气边界层的参数相关性应尽可能应用大气环流的变化和空气质量模型，即用参数表示大气边界层中平均风和温度剖面，竖向惯性流量，热量和湿度，速度波动的差异和长度与时间尺度。Arya理论边界层模型考虑了上述因素，并将大气边界层分为表层(hs=0.1h)和外层，外层又分为混合层和顶部的稳定过渡层。这种模型用台风边界层的参数化的解析方法表现大气环流性质，能更充分体现大气边界层-10- 哈尔滨工业大学工学硕士学位论文特性。参数化的关系表示如下：ku=-(lnzA+)(2-6)0mu*kvf=-B(2-7)muf*k(qqv-0)=-(lnzC+)(2-8)0mq*式中u——摩擦速度；*k——VonKarman常数；z——地面粗糙长度，zzh=；000ff——f的符号；A,B,C——无量纲相似参数；mmmq——z高度处的位温；00q——平均边界层内指定高度处的位温；vq-q——空气与海水的温度差，一般在-4~2℃之间；v0q——位温尺度。*Hq=(2-9)*rcup*32-ucqr-uq*vp*vL==(2-10)kgHkgq*式中H——热量流；L——Honin-obkhov比例长度。将式(2-9)和(2-10)带入(2-8)得到：2hhgk(qqv-0)=(2-11)2Lu*qvm(lnzC0+)无量纲相似参数的函数表示如下：h当£-2时，处于非稳态L=-+æöç÷hfæöç÷h+=æöç÷fh0.2hL=-+æöç÷hABlnln1.5;1.8e;Cln3.7(2-12)mmç÷ç÷ç÷mç÷èøLuèø**èøuèøLh当³2时，处于稳态L-11- 哈尔滨工业大学工学硕士学位论文hhhABC=-0.96+2.5;=0.80+1.1;=-2.00+4.7(2-13)mmmLLLh当-22££时对(2-12)和(2-13)进行线性插值确定A,B,CmmmL[13]2Thompson&Cardone应用在Arya理论边界层模型中利用tr=CV，V是D大气边界层竖向平均风速：uéùfVu=+=-ivj*êúln(zAiB+)-j(2-14)êú0mmkfëû同时得到阻力系数为摩擦速度和大气边界层内的平均风速的平方比，得到表面风速和边界层内平均风速的夹角即流入角：22uk*C==(2-15)D222V(lnzAB0++mm)æöv-1b=tanç÷ç÷(2-16)èøu根据上述条件，假设边界层竖向平均风速值V以0.8m/s的间距从0.8m/s线性增长到80m/s，通过迭代计算求解确定未知的表面风参数u*、CD和β，用于求解运动方程(1-5)得到边界层内的平均风速。[35]根据Cardone,为了避免在风场模型每个网格点迭代计算(2-1)-(2-5)的复杂的计算耗费，假设经过海洋的台风空气与海水的温度差和边界层高度在台风范围内是不变的常数值，θv-θ0=-2℃，由边界层模型计算得到表面风参数u*、CD和β；处理卫星观测的台风发生和发展不同时刻中心经纬度、气压和风速等关键参数得到Vc、Δp、B和Rmax，将以上参数与初始条件一起带入偏微分方程组迭代求解得到台风边界层风场内每个网格节点的风速u、v；再根据近地观测站点和台风中心经纬度，线性插值得到此观测站点处边界层竖向平均风速w1：2212wuv=+()(2-17)111式中u，v——观测站点处边界层竖向平均风速沿x和y方向的风速分量。11再结合CD，V计算得到摩擦速度u，近地观测站点测风仪高度处的风速w2*根据对数率求解得到：wukzz=/ln(/)(2-18)2*10为了避免测风仪高度处的风速大于边界层竖向平均风速，近地观测站点测风仪高度处的风速w取w1和w2中的较小者。-12- 哈尔滨工业大学工学硕士学位论文近地观测站点风向以正北方向顺时针算起的风向角为正方向，由下式得到：q=arctan(--uv)(2-19)11最初CE模型应用于处于西经的海域，而我国东南沿海处于东经，因此相差180°，因此得到风向表达式：q=180arctan(--uv-)(2-20)11对于粗糙度长度z0，陆地情况下根据实际地貌类型确定；海面情况下，根据Charnock-type粗糙度定律求解：2au*z=(2-21)0g式中a——Charnock常数，取值范围0.011-0.035。台风是在海面地貌下形成的，受具体地貌影响对于不同站点的模拟比较复杂。因此在CE风场求解时，对于海面或海边站点，直接以海面粗糙度为基础[35][14,36]求解风场。对于陆地站点，根据Cardone和Vickery求解陆地站点风速的方法，先以海面地貌粗糙度长度z0为基础求解CE台风风场，得到风场内部没[23]个网格节点的边界层竖向平均风速V，然后结合Aray边界层模型采用陆地实际粗糙度求解得出具体站点处的摩擦速度u，根据大气边界层风剖面的近似对*数律模型计算出站点高度处的风速。2.3CE台风风场模型的改进本节将针对CE风场模型的局限性，考虑温度对台风的影响以及台风中心气压随高度发生变化，研究参数化数值台风风场和边界层等模型中参数的选定和标定，如CD、Rmax、h、B等，采用边界层平均风速随高度变化的经验模型，对CE台风风场模型进行了改进研究。并与肖玉凤博士论文中利用CE台风风场模型，采用海陆风场转换方法对台风“黑格比”在三个气象台站（电白，上川岛和阳江）模拟结果进行对比。2.3.1中心气压随高度变化及温度影响台风发展过程中，摩擦引起的动能损失是强度预测考虑的重要因素，另外，动能的粘性耗散是台风的一个重要热源，这部分动能最终以分子尺度耗散成热量。然而在台风的理论和数值模拟中耗散热一直被忽略，研究者表明应充分考[37]虑有摩擦产生的的耗散热引起的温度变化对台风强度预测造成的影响。台风的中心气压作为台风强度的表征，台风中心气压越大，台风强度越低。以全球定位系统GPS为基础的下投式风速仪(Dropsonde)数据观测结果表明台风中心气-13- 哈尔滨工业大学工学硕士学位论文压随高度的增加而减小。假设台风中心气压不随高度发生变化，带入风场模型进行求解时气压梯度项将会产生误差，影响风速预测值。为了考虑摩擦产生的的耗散热引起的温度变化对台风的影响以及台风气压随高度发生变化，引入大气运动基本方程，结合原CE风场模型进行改进。大气运动的基本方程有：运动方程（含三个分量方程）、连续方程、热力学方程和状态方程等，即dV1=-Ñp-W´++2VgN(2-22)dtrpV0(2-23)tRTcdT-=dpJdt(2-24)pppR=rT(2-25)Rc/pæöpq=Tç÷0(2-26)ç÷èøp式中V——x，y，z三个方向分量的矢量风速(m/s)；2g——重力加速度，地心引力与惯性力离心力的合力：g=+gRW；aN——空气分子黏性力；c——定压比热容(kJ/(kg·k))；pR——普适气体常数(kJ/(kg·k))；T——空气温度(k)；J——绝热热源；q——科氏力参数。其余参数已在第1.2.1.2节中叙述，此处不再赘述。在大气边界层内，以地球为参考系，将公式(2-22)所示的运动方程在水平和垂直方向进行分解。由大气运动的尺度分析可知垂直方向的科式力远小于水平方向的科式力，因此，垂直方向的科式力可以忽略不计。经过简化，式(2-2)可表示为：dv1=-Ñ-´+pfkvF(2-27)dtrdw1pgF(2-28)vdtz-14- 哈尔滨工业大学工学硕士学位论文其中(2-27)式用在台风大气边界层内的垂直平均的水平动量方程(1-1)代替，转换成式(1-5)原点固连于台风中心的笛卡尔坐标系，其中由于台风的垂直尺寸远小于其水平尺寸，故在推导过程中采用流体静力学近似，将公式(2-7)简化为：1pg0(2-29)z将公式(2-3)，(2-4)，(2-5)，(2-14)进行合并，可推导得到如下的表达式：RcpæöpP=cç÷(2-30)pç÷pèø0g(2-31)z[38]引入初值条件，当z=0时，p=p0，参考黄文锋博士得到的气压P随高度变化的表达式：cRppz()=-p(1gzcq)(2-32)0p由式(2-17)体现出中心气压随高度的变化及温度的影响，由台风风场模型[14]得到的大气边界层高度垂直平均的水平风速大概在500m左右（vickery），此时气压值p(500)=0.9441p；取气压P在大气边界层内的垂直平均值：01hpc0qpéùcRp+1pp==ò0(z)dzêú1-(1-ghqcp)=0.9466p0(2-33)hgh(1cR+)ëûp当大气边界层厚度为1km时，p=0.9446p，与500m高度处的气压值接近，0而500m只是近似值，因此取气压P在大气边界层内的垂直平均值较为合理。其他参数不变情况下，只考虑摩擦产生的的耗散热引起的温度变化对台风的影响以及台风气压随高度发生变化，引入公式(2-33)进行求解，即改进Ⅰ。利用改进Ⅰ的风场模型对台风“黑格比”在三个气象台站（电白，上川岛和阳江）十分钟平均风速风向进行模拟，并与观测记录数据进行对比。2008年第14号强台风“黑格比”(Hagupit)于2008年9月24日早晨6时45分在广东省电白县陈村镇沿海地区登陆。登陆时中心气压950百帕，中心附近最大平均风速15级，最大阵风17级。这个强台风具有路径稳定、移速较高、强度较强和破坏力大等特点，是继1996年台风“Sally”（9615号台风）以来登陆广东最强的台风，给广东造成严重破坏和人员伤亡。由香港天文台提供的台风“黑格比”行进路径如图2-1所示。-15- 哈尔滨工业大学工学硕士学位论文30°NHagupit20°N10°N00°N100°E110°E120°E130°E140°E图2-1黑格比(0812)在2008年9月19日至25日的路径图电白国家气候观象台在茂港区七迳镇南山埇（郊外），东经110°59′，北纬21°32′，测风仪高度为10.4m；上川岛国家气象观测站位于台山市上川岛深水湾獭山的山顶（海岛），东经112°46′，北纬21°44′，测风仪高度为10.0m；阳江地面气象观测站在阳江市江城区市郊髻山的山顶（郊外），东经111°[39]58′，北纬21°50′，测风仪高度为10.7m。肖玉凤博士论文中采用澳大利亚规范B类地貌粗糙长度为0.02，C类地貌粗糙长度为0.2。不同气象台站的经纬度，站点高度和地面粗糙长度列于表2-1。表2-1不同气象站点数据观测站点经纬度站点高度(m)地面粗糙长度(m)电白110.98E，21.53N10.40.2上川岛112.77E，21.37N11.00.02阳江111.97E，21.83N10.70.02将台风“黑格比”在不同气象站点（电白，上川岛和阳江）十分钟平均风速和风向改进Ⅰ的结果和文献[39]的结果及观测数据进行对比，如图2-2、2-3和2-4，横轴为北京时间，从2008年9月23日13时到24日14时。-16- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-2台风“黑格比”在电白站点的改进Ⅰ模拟值，文献[39]模拟值和观测值对比200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-3台风“黑格比”在上川岛站点的改进Ⅰ模拟值，文献[39]模拟值和观测值对比-17- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-4台风“黑格比”在阳江站点的改进Ⅰ模拟值，文献[39]模拟值和观测值对比表2-2是不同气象台站的“黑格比”十分钟平均风速最大值的改进Ⅰ模拟值，观测值与文献[39]模拟值及误差。表2-2台风“黑格比”十分钟平均风速最大值的改进Ⅰ模拟值，文献[39]模拟值和观测值文献结果改进Ⅰ结果观测站点观测值(m/s)模拟值(m/s)误差模拟值(m/s)误差电白20.4033.1762.59%31.5254.51%上川岛28.8034.118.14%32.3112.19%阳江31.5035.914.03%34.8910.76%注：误差=（模拟值－观测值）/观测值由图2-2、2-3、2-4和表2-2的结果看出，考虑摩擦产生的的耗散热引起的温度变化对台风影响以及台风中心气压随高度发生变化，改进Ⅰ的结果更接近观测值。2.3.2摩擦阻力系数CD在热带气旋风场中，热带气旋的形成、发展和增强需要不断地从海面吸收-18- 哈尔滨工业大学工学硕士学位论文温暖潮湿水蒸气通过冷凝释放潜热来供应必须的能量。阻力系数一定程度上影响了热带气旋的强度、路径等，对阻力系数模拟的准确性将直接影响对热带气旋的预报、灾害风险的预估以及风荷载的计算等，是通过模式来模拟热带气旋风场的重要参数化输入参数。在海洋气象学上中阻力系数C是表征海气动量交互作用的重要指标,描述D[40]了海面在大气流过时所受的牵引力大小。Makin&Kudryavtsev利用大量空气动力学方程将表面剪力t和10m高度处的平均风速U通过表面阻力系数C联010D系起来，得到广泛应用，较准确地描述阻力系数CD22trr=uC=U(2-34)01*D0式中U——海面10m高度处的平均风速；10t——海面切应力；0[5]根据Chow提出的原始公式(1-1)中，摩擦阻力项与相对于地球的总风速的平方成正比，与总风速的方向平行且相反。其中阻力系数C随着海面粗糙度和风D速的增大而增大。采用标准高度10米处的海洋风速数据根据阻力定律得出C：DCDFv=v(2-35)h-3Cv=+´0.50.610(2-36)D()[8]Shapiro在台风风场模拟中C线性关系式为D-3Cv=+1.10.04´10(2-37)D()[42]在Vickery中，根据大量边界层风速数据分析拟合得到C的结果表明，D当U10小于24-28m/s时，阻力系数C随着风速的增长而增大；之后随风速的增D[43]长开始减小，和Powell基于实测的飓风风场数据计算的阻力系数结果一致。同时C的最大值随最大风速半径的减小而变小。在陆地条件下，采用常数D0.0047；在海面条件下，应用Large&Pond分析得出的理论公式(2-26)，得到较好的模拟结果。-4Cr=+(0.088117.66)10,0.0019´£C£0.0025(2-38)DDmaxmaxì1.210(4´££-3Um11/)sï10C=í(2-39)D-3ïî(0.490.065+´UU)10(11££25/)ms1010[13]2Thompson&Cardone应用在Arya理论边界层模型中利用tr=CV，V是D-19- 哈尔滨工业大学工学硕士学位论文大气边界层竖向平均风速，此时通过计算得到当V在0~60m/s范围时对应的摩擦阻力系数CD范围是0.00083~0.00128，与Vickery和Shapiro风场模型中CD值相比偏小，不能充分体现摩擦阻力的作用。结合风场模拟结果，采用与10m高度处[44]的平均风速U对应的表面阻力系数C。根据Vickery的结论，竖向平均的风10D速V近似等于上部边界层高度500m处的风速，对于台风边界层内风速折减因子[43]应用Powell取值UV/0500».78，因此采用：10222uuk**C===(2-38)DUV22(0.78)0.7822lnzAB210((0++mm))ììüïuïïïïlnzA+ïCC==íý0mCïDiDïïéù12DV22ïïîïïêúëû(lnzAB0++mm)þí(2-39)ïìüïvïïïïBmïCC==íýCDjD12DïVïïéùlnzAB++22ïîïïîþêúëû(0mm)经过计算，此时得到的阻力系数C在0.00136~0.00211范围内，和VickeryD和Powell等人根据飓风实测风场拟合得到的C值的范围相符。D其他参数不变情况下，只引入改进的阻力系数CD，引入公式(2-38)进行求解，即改进Ⅱ，利用改进Ⅱ的风场模型对台风“黑格比”在三个气象台站（电白，上川岛和阳江）十分钟平均风速风向进行模拟，并与观测记录数据，文献[39]结果进行对比，如图2-5、2-6和2-7，横轴为北京时间，从2008年9月23日13时到24日14时。表2-3是不同气象台站的“黑格比”十分钟平均风速最大值的观测值与文献[39]模拟值，改进Ⅱ模拟值对比及误差。表2-3台风“黑格比”十分钟平均风速最大值的改进Ⅱ模拟值，文献[39]模拟值和观测值文献结果改进Ⅱ结果观测站点观测值(m/s)模拟值(m/s)误差模拟值(m/s)误差电白20.4033.1762.59%33.6564.95%上川岛28.8034.118.14%31.539.48%阳江31.5035.914.03%34.499.49%注：误差=（模拟值－观测值）/观测值-20- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-5台风“黑格比”在电白站点的改进Ⅱ模拟值，文献[39]模拟值和观测值对比200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-6台风“黑格比”在上川岛站点的改进Ⅱ模拟值，文献[39]模拟值和观测值对比-21- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-7台风“黑格比”在阳江站点的改进Ⅱ模拟值，文献[39]模拟值和观测值对比由图2-5、2-6、2-7和表2-3的结果看出，应用改进的阻力系数CD，引入公式(2-38)进行求解，即改进Ⅱ，充分考虑了地面摩擦阻力的影响，模拟结果更接近观测值，对于上川岛和阳江站点，改进Ⅱ的误差比文献中误差的小。2.3.3边界层台风风速剖面由于地面摩擦使空气水平运动产生阻力，到达某一高度后可以忽略摩擦作用，这一高度为大气边界层厚度。大气边界层的平均厚度约为地面以上1km范围内，主要是由于地球表面的摩擦而形成的，同时也存在着热力作用，是人类日常生活密切相关的区域。无论是对数律剖面还是指数律剖面亦或是DeavesHarris剖面都存[43]在一定的缺陷性，而且只能描述离地300m高度以内的风速剖面特征。Vickery等对从1997年起由GPS得到的热带气旋在大气边界层的强风风剖面数据进行分析，得出200m以下平均风速以对数律增长，500m处出现最大风速，然后逐渐减小直到3km。热带气旋做为一个中尺度环流系统，具有其独特的垂直剖面特征。在垂直剖面上热带气旋可以简单的划分为下部流入层，中间螺旋层以及上部流出层，所以热带气旋的风剖面特征必将展示与其自身结构特征相关的一些特征。[44][45]Vickery利用下投式风速仪数据计算得到的平均风速剖面，和Kepert中描-22- 哈尔滨工业大学工学硕士学位论文述的简化的线性理论台风边界层模型的变化组合得到新的台风边界层模型。[45]Kepert文章中，较低层高度处的最大风速的产生即有近地激流层的存在，激流层的强度定义为最大风速和梯度平衡风速的比。激流层的高度或边界层高度H和惯[44]性稳定度I的平方根成反比例函数。Vickery根据统计数据回归分析得到大气边界*[45]层高度尺度参数H和惯性稳定度I的平方根成反比，和Kepert的分析一致。在大气边界层较低层300m以内，平均风速随高度的变化可以充分的用对数律剖面表示；随着高度的增长，对数律不再适用，风速反而随着高度的增大而减小，对数律不在适用。描述平均水平的风速的高度和其达到最大值的高度有关。台风边界层模型可以用下式表示：uzéùæöæöz2Uz()=-*êúlnç÷0.4ç÷(2-34)êúç÷ç÷*kzëûèø0èøH*H=343.70.260/+I(2-35)2VVVIff(2-36)rrr**式中H——边界层高度参数，随着惯性稳定度的增大而减小，基于观测的H*值，取值范围为300mH££1200m；V——方位角的平均切向梯度风度；lI——惯性稳定度；k——Von-Karman常数，取0.4。[44]其他参数不变情况下，采用Vickery平均风速剖面模型更精确地表达了台风垂直剖面特征，带入公式(2-34)-(2-36)进行求解，即改进Ⅲ。利用改进Ⅲ的风场模型对台风“黑格比”在三个气象台站（电白，上川岛和阳江）十分钟平均风速风向进行模拟，并与观测记录数据，文献[39]结果进行对比，如图2-8、2-9和2-10，横轴为北京时间，从2008年9月23日13时到24日14时。表2-4是不同气象台站的“黑格比”十分钟平均风速最大值的观测值与文献[39]模拟值，改进Ⅲ模拟值对比及误差。[44]由图2-8、2-9、2-10和表2-4的结果看出，采用Vickery平均风速剖面模型，即改进Ⅲ更精确地表达了台风垂直剖面特征，因此使CE风场模型更精细准确，结果更接近观测值，改进Ⅲ的误差比文献中误差的小。-23- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-8台风“黑格比”在电白站点的改进Ⅲ模拟值，文献[39]模拟值和观测值对比200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-9台风“黑格比”在上川岛站点的改进Ⅲ模拟值，文献[39]模拟值和观测值对比-24- 哈尔滨工业大学工学硕士学位论文200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-10台风“黑格比”在阳江站点的改进Ⅲ模拟值，文献[39]模拟值和观测值对比表2-4台风“黑格比”十分钟平均风速最大值的改进Ⅲ模拟值，文献[39]模拟值和观测值文献结果改进Ⅲ结果观测站点观测值(m/s)模拟值(m/s)误差模拟值(m/s)误差电白20.4033.1762.59%28.0837.65%上川岛28.8034.118.14%28.78-0.07%阳江31.5035.914.03%31.09-1.30%注：误差=（模拟值－观测值）/观测值2.3.4CE台风风场模型关键参数确定最大风速度半径R和Holland气压剖面参数B影响台风风场模型精确度，max国内外学者通过理论公式或者大量观测数据分析拟合得到参数的经验公式。地面粗糙度长度z0和大气边界层厚度h一般按照经验值选取。本文根据风场求解结果选择最适合的参数模型及取值。2.3.4.1最大风速半径Rmax[30]本文最大风速半径采用江志辉的经验公式。他首先以中国1949-2002年的《热带气旋年鉴》数据为基准，再引用LAGFD(LaboratoryofGeophysicalFluid-25- 哈尔滨工业大学工学硕士学位论文Dynamics)的计算方法来获取部分数据及计算结果，得到如下的热带气旋的中心气压与最大风速半径Rmax的统计平均关系式：3-0.805Rpmax=´1.11910´-(10100)(2-37)虽然对于不同的台风，同样的中心气压所对应的最大风速半径不尽相同，但是这样的一条曲线具有统计意义，能较好的表示登陆我国台风最大风度半径特征，[39][29]并且经过验证有较好检验结果。肖玉凤博士论文中最大风速半径采用李小莉给出的一种调整台风参数的方法，即：kRRmax=6(V6/Vmax)(2-38)式中R6——六级风速半径(km);V6——六级风速，取10.8m/s；k——无量纲参数，取1/0.5~1/0.7。其他参数不变的情况下，只改变最大风速半径引入式(2-37)即改进Ⅳ的模拟值对比及误差。利用改进Ⅳ的风场模型对台风“黑格比”在三个气象台站（电白，上川岛和阳江）十分钟平均风速最大值的观测值与文献[39]模拟值，改进Ⅳ模拟值对比及误差见表2-5。表2-5台风“黑格比”十分钟平均风速最大值的改进Ⅳ模拟值，文献[39]模拟值和观测值文献结果改进Ⅳ结果观测站点观测值(m/s)模拟值(m/s)误差模拟值(m/s)误差电白20.4033.1762.59%32.1857.75%上川岛28.8034.118.14%34.2218.82%阳江31.5035.914.03%36.5516.03%注：误差=（模拟值－观测值）/观测值由表2-5的结果可知，最大风速半径采用江志辉的经验公式即改进Ⅳ的结果与文献中应用六级风速半径的经验公式计算结果接近。因此在缺少六级风速半径数据时最大风速半径Rmax可以采用江志辉的经验公式。2.3.4.2地面粗糙度长度z0和边界层厚度h的选取地面粗糙度长度z0是地面上湍流漩涡尺寸的量度，反应下垫面形态的一个重要指标。对于陆地情况z0依赖于表面性质和风速，一般由经验确定。表2-6是结合我国地面粗糙度类别得到的不同地貌的地面粗糙长度及取值范围。对于海面情况，本文采用修正的Charnock模型即式(2-21)来计算粗糙度长度；对于陆地站点，根据具体站点的地形地貌特征，参考规范中不同地貌地面粗糙度长度的[46]范围和表2-6及李军的文献，并带入改进的CE台风风场模型试算结果确定站-26- 哈尔滨工业大学工学硕士学位论文点粗糙度长度z0值。表2-6不同地貌的地面粗糙长度及取值范围场地类别下垫面性质地面粗糙长度z0(m)Ⅰ海面、泥滩、冰雪覆盖的平原，无障碍海岸地区等0.0005-0.003Ⅱ平坦开阔的田野、乡村及丛林等(气象学标准)0.003-0.2Ⅲ丘陵和房屋比较稀疏的乡镇及城市郊区0.2-1Ⅳ密集建筑群的城市1-2Ⅴ密集建筑群且房屋较高的城市2-4大气边界层厚度随风速的增大而减小，但在数值模拟中大气边界层厚度h是指定的独立变量，Thompson&Cardone对墨西哥湾台风研究，应用CE台风风场模型将边界层高度取650m；Vickery将边界层厚度取为1000m且便于计算。本文采用650m和1000m两种情况，基于以上对于CE风场模型进行的四个方面的改进，利用改进的CE风场模型模拟台风“黑格比”在三个气象台站（电白，上川岛和阳江）的台风过程。Holland气压剖面参数B先采用文献[39]中天气图拟合得到的结果，之后会对参数B的敏感性进行分析。200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-11台风“黑格比”在电白站点的改进模拟值，文献[39]模拟值和观测值对比-27- 哈尔滨工业大学工学硕士学位论文200观测值150文献模拟值本文模拟值(°)100风向50013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-12台风“黑格比”在上川岛站点的改进模拟值，文献[39]模拟值和观测值对比200观测值文献模拟值100本文模拟值(°)风向0-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值30文献模拟值本文模拟值(m/s)20风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-13台风“黑格比”在阳江站点的改进模拟值，文献[39]模拟值和观测值对比-28- 哈尔滨工业大学工学硕士学位论文表2-7是不同气象台站的“黑格比”十分钟平均风速最大值的改进的CE台风风场模拟值，观测值与文献[39]模拟值对比及误差。从表2-7的结果可知，改进的CE台风风场模型模拟结果与观测结果很接近，h取1000m比取650m模拟结果更精确，因此边界层厚度采用h=1000m。总之，利用改进的CE台风风场模型能更好的估计台风的风速和风向。利用改进的CE台风风场模型对台风“黑格比”在三个气象台站（电白，上川岛和阳江）十分钟平均风速风向进行模拟，并与观测记录数据，文献[39]结果进行对比，如图2-11、2-12和2-13，横轴为北京时间，从2008年9月23日13时到24日14时。表2-7台风“黑格比”十分钟平均风速最大值的改进模拟值，文献[39]模拟值和观测值文献结果h=650m改进结果h=1000m改进结果观测观测站值模拟值模拟值模拟值点(m/s)误差误差误差(m/s)(m/s)(m/s)电白20.4033.1762.59%25.7326.13%22.8812.16%上川岛28.8034.1018.14%29.512.47%29.923.89%阳江31.5035.9014.03%31.921.33%31.25-0.79%注：误差=（模拟值－观测值）/观测值2.3.4.3Holland气压剖面参数B敏感性分析Holland气压参数B是影响台风风场模型精度的重要参数之一，最大梯度平衡风速与参数B的平方根成正比，因此参数B的模型对模拟结果有重要影响。目前通过拟合实测数据或推导经验公式得到参数B的模型。[36]在Vickery&Wadhera中，利用1977-2004年大量侦察飞行勘测气压数据*以及由飓风观测部门飓风风场Hwind快照得到的信息，分析拟合得到具有统计意义的参数B的模型。通过37个不同飓风数据分析表示B随着最大风速半径Rmax和台风中心纬度的增大而减小，同时B与台风中心气压差Dp和海洋表面温度有弱正相关性。综合以上参数，引进一个新的无量纲参数A，B与A的平方根成线性关系，即Vickery08模型：BA=1.761.21-(2-39)Rf×maxA=(2-40)æöDp2lRT×+nç÷1sç÷peèøc-4式中R——干燥气体常数，取2.867×10N·m/(kg·K)；Ts——海洋表面温度，取27℃。[47]Powell等对于登陆美国佛罗里达的飓风，利用NOAA-HRD数据和飞行勘-29- 哈尔滨工业大学工学硕士学位论文测气压数据得到一个统计模型，参数B与纬度lat，最大风速半径Rmax有相关性，即Powell05模型：B=1.8810.00557--Rl0.01295at(2-41)max[25]Harper&Holland对于登陆澳大利亚的热带气旋给出经验公式，即H&H99模型：Bp=--2(900)/160(2-42)0[28]Hubbert给出经验公式，即Hubbert91模型：Bp=--1.5(980)/120(2-43)0[48]Holland利用北大西洋气象数据得到参数B模型，即Holland08模型：2vmgBb1.6bssvm52pcxbps4.4100.01p0.030.014lat0.15vc1.0(2-44)tpx0.61215200观测值模拟值(WM)100模拟值(Vickery08)(°)模拟值(Powell05)风向0模拟值(H&H99)模拟值(Hubbert91)模拟值(Holland08)-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值模拟值(Hubbert91)30模拟值(WM)模拟值(Holland08)模拟值(Vickery08)(m/s)20模拟值(Powell05)模拟值(H&H99)风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-14基于不同参数B模型模拟和实测的台风“黑格比”在电白站点的风速风向过程-30- 哈尔滨工业大学工学硕士学位论文200观测值150模拟值(WM)模拟值(Vickery08)(°)100模拟值(Powell05)风向模拟值(H&H99)50模拟值(Hubbert91)模拟值(Holland08)013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40模拟值(H&H99)观测值30模拟值(Hubbert91)模拟值(WM)模拟值(Holland08)模拟值(Vickery08)(m/s)20模拟值(Powell05)风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-15基于不同参数B模型模拟和实测的台风“黑格比”在上川岛站点的风速风向过程200模拟值(H&H99)模拟值(Hubbert91)100模拟值(Holland08)(°)观测值风向0模拟值(WM)模拟值(Vickery08)模拟值(Powell05)-10013:0018:0023:0004:0009:0014:00时间a)十分钟平均风向40观测值模拟值(H&H99)30模拟值(WM)模拟值(Hubbert91)模拟值(Vickery08)模拟值(Holland08)(m/s)20模拟值(Powell05)风速10013:0018:0023:0004:0009:0014:00时间b)十分钟平均风速图2-16基于不同参数B模型模拟和实测的台风“黑格比”在阳江站点的风速风向过程-31- 哈尔滨工业大学工学硕士学位论文基于上述不同参数B模型通过改进的CE台风风场模型模拟得到台风“黑格比”在三个气象站点的十分钟平均风速和风向和实测值比较如图2-14、2-16和2-16，横轴为北京时间，从2008年9月23日13时到24日14时。表2-8是不同气象台站的“黑格比”十分钟平均风速最大值的观测值与文献[39]模拟值，改进模拟值对比及误差。表2-8不同参数B模拟与实测得到三个气象台站的台风黑格比十分钟平均最大风速文献[39]结果改进结果观测站点观测值参数B模拟值(m/s)误差模拟值(m/s)误差(m/s)WM33.1762.59%22.8812.16%Vickery08－－30.1847.94%Powell05－－31.0652.25%电白20.40H&H9944.71>63%34.80>63%Hubbert9145.04>63%35.47>63%Holland0845.82>63%34.53>63%WM34.118.14%29.923.89%Vickery08－－30.335.31%Powell05－－30.305.21%上川岛28.80H&H9931.59.33%29.582.71%Hubbert9130.97.18%29.251.56%Holland0829.42.09%30.153.16%WM35.914.03%31.25-0.79%Vickery08－－34.892.51%Powell05－－35.113.14%阳江31.50H&H9937.418.94%35.6613.21%Hubbert9137.017.56%35.6113.05%Holland0835.211.79%35.5311.74%注：WM=weathermap天气图，误差=（模拟值－观测值）/观测值从表2-8结果可以看出，采用天气图模拟得到的参数B模型在三个气象台站误差相对较小，其次是Vickery08和Powell05模型。但是天气图数据是某个具体台风固定时间卫星拍摄，读取数据计算工作量庞大繁杂，也不能直接应用到MonteCarlo模拟大量虚拟台风得到不同重现期台风极值风速序列。因此选用-32- 哈尔滨工业大学工学硕士学位论文Vickery08和Powell05参数B模型进行极值风速预测。另外，台风是在海面地貌下形成的复杂气象结构，受陆地地貌影响对于陆地站点台风的模拟比较复杂。一种方法将下垫面看成均匀的陆地地貌，以陆地地貌粗糙度为基础求解CE风场模型，直接模拟得到陆地观测站点的风速。表2-9是完全以陆地地貌求解台风风场，将不同参数B模型带入改进的CE台风风场模[39]型模拟台风“黑格比”十分钟平均风速最大值，并与肖玉凤博士论文模拟结果作比较。改进的模拟结果整体比观测值小，由于风场求解过程中完全以陆地地貌求解，而台风实际上是在海面地貌下行成并发展的，陆地地貌粗糙度比海面地貌大，导致模拟结果偏小。当然完全以陆地地貌求解台风风场不符合实际，也存在一定的偶然和误差不建议采用。表2-9不同参数B模拟与实测得到三个气象台站的台风“黑格比”十分钟平均最大风速文献结果改进结果观测值观测站点参数B模拟值(m/s)模拟值(m/s)误差误差(m/s)WM22.5510.54%17.09-16.22%电白20.40Vickery08－－24.1518.38%Powell05－－24.7221.17%WM29.281.67%26.69-7.32%上川岛28.80Vickery08－－26.09-9.41%Powell05－－26.04-9.58%WM31.29-0.67%28.81-8.54%阳江31.50Vickery08－－31.00-1.58%Powell05－－31.21-0.92%注：误差=（模拟值－观测值）/观测值2.4台风灿都和韦森特实测数据验证2010年第3号台风“灿都”7月19日生成，22日13时45分在广东吴川登陆，登陆时中心附近最大风力12级，中心最低气压970百帕。由香港天文台提供的台风“灿都”的路径如图2-17。利用改进的CE台风风场模型基于Vickery08参数B模拟1003号台风“灿都”在峙仔岛观测塔的十分钟平均风速和风向。峙仔岛为西北侧离海面约4.4km的无人小岛，东经111°22′，北纬21°26′测风仪高度为60m。峙仔岛观测站在-33- 哈尔滨工业大学工学硕士学位论文海面或海岛上，直接以海面粗糙度为基础求解风场。峙仔岛2010年7月22日记录的台风“灿都”十分钟平均风速和风向观测值，与本文模拟值和文献[39]结果进行对比见图2-18，横轴为北京时间，从2010年7月22日00时到22时。35°N30°N25°N20°N15°N灿都Chanthu10°N5°N100°E105°E110°E115°E120°E125°E130°E135°E140°E图2-17灿都(1003)在2010年7月22日的路径图200观测值150文献模拟值本文模拟值(°)100风向50000:0005:0010:0015:0020:00时间a)十分钟平均风向50观测值40文献模拟值本文模拟值(m/s)30风速201000:0005:0010:0015:0020:00时间b)十分钟平均风速图2-18台风“灿都”在峙仔岛站点改进模拟值，文献[39]模拟值和观测值对比-34- 哈尔滨工业大学工学硕士学位论文2012年第8号台风“韦森特”于7月20日生成，24日04时15分前后“韦森特”在广东省台山市赤溪镇沿海登陆，登陆时中心附近最大风力有13级（40米/秒），中心最低气压为955百帕。韦森特是香港天文台在1999年9月台风约克袭港以来首次发出十号飓风信号。由香港天文台提供的台风“韦森特”的路径见2-19。35°N30°N25°N20°N韦森特Vicente15°N10°N5°N100°E105°E110°E115°E120°E125°E130°E135°E140°E图2-19韦森特(1208)在2012年7月20日至25日的路径图200观测值150模拟值(°)100风向50012:0017:0022:0003:0008:0013:00时间a)十分钟平均风向40观测值30模拟值(m/s)20风速10012:0017:0022:0003:0008:0013:00时间b)十分钟平均风速图2-20台风“韦森特”在长洲站点模拟与实测的十分钟平均风速和风向过程-35- 哈尔滨工业大学工学硕士学位论文根据2012年7月23日至4日长洲自动气象站录得的十分钟平均风速和风向，读取图中数据得到整点时刻的十分钟平均风速和风向作为观测值。利用改进的CE台风风场模型基于Vickery08参数B模拟1208号台风“韦森特”在香港长洲自动气象站的十分钟平均风速和风向。香港长洲自动气象站位于长洲岛山顶道西的山头，东经114°02′，北纬22°13′，测风仪高度约为10.4m。长洲观测站在海面或海岛上，直接以海面粗糙度为基础求解风场。根据2012年7月23日至24日长洲自动气象站录得的台风“韦森特”十分钟平均风速和风向观测值与模拟值进行比较见图2-20，横轴为北京时间，从2012年7月23日12时到24日13时。表2-10是台风“灿都”和台风“韦森特”基于Vickery08模型和Powell05参数B模型模拟得到的的十分钟平均最大风速模拟值与观测值的比较，误差在11%以内，模拟结果较合理。表2-10台风“灿都”和台风“韦森特”基于不同参数B的十分钟平均最大风速及误差观测站站点高度(m)台风观测值(m/s)参数B模拟值(m/s)误差点（经纬度）60(21°26′N，Vickery0842.226.34%灿都峙仔岛39.7111°22′E)Powell0543.8210.38%韦森10.4(21°13′N，Vickery0834.147-5.43%长洲36.11特114°02′E)Powell0534.153-5.41%注：误差=（模拟值－观测值）/观测值综合分析以上三个台风在不同气象台站利用改进的CE台风风场模拟结果与近地观测值比较，可以看出风速和风向的整体趋势模拟较好，基于不同参数B模型模拟台风时，误差各不相同，其中Vickery08和Powell05参数B的模型在三个台风模拟过程中误差都比较小，整体趋势也吻合较好。因此，选取Vickery08和Powell05参数B的模型适合中国东南沿海台风风场的模拟，可以应用于MonteCarlo数值模拟。2.5本章小结本章以CE风场模型为基础，根据近年来学者对台风物理结构的进一步研究以及对台风的大量精确数据统计分析得出的结论，对CE风场模型从四个方面进行了改进。结合有限差分法的风场数值求解方法，利用登陆广东省的2008年台风“黑格比”、2010年台风“灿都”和2012年台风“韦森特”相关数据和气象台站观测数据，对改进的CE台风风场进行验证，主要得到以下几点结论：-36- 哈尔滨工业大学工学硕士学位论文(1)最大风速度半径Rmax和Holland气压剖面参数B是影响参数化台风风场模型精度的两个重要参数。Rmax采用江志辉的具有统计意义的公式与应用六级风速半径的李小莉经验公式计算的风速风向结果接近；B采用具有统计意义的Vickery08和Powell05参数B的模型，得到较好的模拟结果，可以应用于MonteCarlo模拟。(2)陆地地貌粗糙度对模拟结果有较大影响，对于陆地站点没有具体的经验公式，根据具体站点的地形地貌特征并参考规范中不同地貌地面粗糙度长度的范围，以及带入改进的CE台风风场模型试算结果确定站点粗糙度长度z0值。(3)在利用台风“黑格比”、“韦森特”和“灿都”对改进的CE风场模型验证中，选取离台风路径较近的不同站点的观测值和模拟值进行比较，最终结果均比较合理，改进的CE台风风场模型可以较好地模拟东南沿海的台风风场。-37- 哈尔滨工业大学工学硕士学位论文第3章台风关键参数概率分布及相关性3.1引言目前台风危险性分析最常用的方法是根据台风年鉴数据资料，统计分析得出台风关键参数的概率分布及参数估计，再利用MonteCarlo模拟方法估计研究点台风年极值风速概率分布。其中台风关键参数概率分布的合理性有着重要作用，台风风场可以由台风关键参数来模拟，如台风年发生率λ、台风移动速度VT、台风中心压差Δp、最大风速半径Rmax、台风移动方向θ和台风移动路径与模拟点间的最小距离Dmin。深圳、香港和上海是我国东南沿海的地区经济中心，人口密度大，超高层建筑和超大跨度风敏感结构较多，同时处于台风影响区域，因此有必要研究其工程结构设计使用年限内台风极值风速。本章通过1949-2011年台风年鉴数据统计推断中国东南沿海深圳、香港和上海遭遇台风的关键参数概率分布模型及其相关性。3.2数据来源及数据处理对深圳、香港和上海遭遇台风的关键参数进行统计分析，地理位置见表3-1。表3-1中国东南沿海深圳、香港和上海经纬度城市东经北纬深圳E114°11′N22°55′香港E114°16′N22°28′上海E121°45′N31°23′本文所用数据来源于中国台风网(www.typhoon.gov.cn)“CMA-STI热带气旋最佳路径数据集”中的1949-2011年西北太平洋（含南海，赤道以北，东经180°以西）海域热带气旋每6小时(00、06、12、18)的位置和强度数据。国家海洋局第一海洋所提供的1949-2002年包含六级风速半径台风数据，用于计算最大[29]风速半径，根据李小莉建议的一种调整台风参数的方法对于1970年以前偏大的最大风速进行修正，并剔除热带低压，从而更合理的确定最大风速半径。采用模拟圆法提取影响研究点的台风数据。模拟圆法是以模拟的城市为圆心，设定半径的圆为基准，进入模拟圆的台风研究点有影响，提取这些台风数-38- 哈尔滨工业大学工学硕士学位论文据作为研究样本，进而对台风关键参数进行统计分析。关于模拟圆法的应用，模拟圆半径的确定，以及只提取进入模拟圆台风的部分数据和提取进入模拟圆台风的所有数据对结果均有影响。国外和国内大部[49]分采用进入模拟圆内台风的所有数据，魏巍硕士论文中分析了250km，500km计算所有数据和只计算模拟圆内数据，指出对于极值风速的影响。4种情况模拟结果从大到小依次是模拟圆半径250km计算所有数据，半径500km只计算模拟圆内数据，半径250km只计算模拟圆内数据，半径250km计算所有数[9]据。根据Georgiou的建议，进入模拟圆的台风个数和风场输入参数对地理位置的敏感性影响模拟圆尺寸，选用半径为250km的模拟圆。模拟圆半径过大会选取对模拟点影响很小或没有影响的台风数据，半径过小则会遗漏数据；提取进入模拟圆台风的所有数据时，如果某个台风只有个别数据进入模拟圆，其他大部分数据对模拟点无影响，则选取台风的所有数据作为样本造成偏差。据研究表明，观测到西北太平洋台风的平均尺寸有逐渐增大的趋势，本文选用了250km计算所有数据和500km只计算模拟圆内数据两种情况分别提取台风数据进行研究。3.3台风关键参数概率分布3.3.1备选概率分布以国际上学者对于大西洋地区的台风关键参数概率分布的统计检验结果为基础，选取各台风关键参数的概率分布。在对台风样本进行统计分析之前，为了避免出现过高或过低数据与实际不符应对台风关键参数的范围作出合理的假[7]定，根据Batts的建议以及对中国东南沿海的台风样本进行观察，假定各参数的取值范围如表3-2。表3-2台风各关键参数备选概率分布及参数取值范围台风关键参数概率分布密度函数各参数取值范围λ二项分布，泊松分布，马科夫链—VT(km/h)正态分布，对数正态分布2~65km/hΔp(hpa)对数正态分布，Weibull分布0~135hpaRmax(km)对数正态分布8~150kmθ(°)正态分布，双正态分布，Vonmises分布-180°~180°Dmin(km)均匀分布，梯形分布，多项式分布|Dmin|〈模拟圆半径-39- 哈尔滨工业大学工学硕士学位论文选用模拟圆半径为500km只计算模拟圆内数据和250km计算所有数据两种情况在对台风数据进行取样，剔除热带低压数据，并根据表3-2关键参数的范围提取各个参数的样本作为经验分布，利用相应的备选概率分布和样本的经2验分布进行χ检验和K-S检验，通过检验的某种分布作为该台风关键参数的最优概率分布，并统计相应分布参数；备选概率分布都没有通过检验时，则采用经验分布描述此关键参数。同时根据概率统计方法分析其他最优概率分布模型。台风关键参数的概率分布存在地域差别，数据年份的多少也对分布参数有影响。本文选用从1949到2011年63年间的台风年鉴数据，对每个关键参数的经验分布直方图与表3-2中备选概率分布曲线进行比较，并分析其他的概率分布模型，通过假设检验统计分析得出最优概率分布。3.3.2深圳遭遇台风的关键参数概率分布3.3.2.1台风年发生率λ某地遭遇台风的概率较小，台风年发生率λ是指影响某地台风的年发生次数，选取从1949年到2011年的63年间影响深圳的台风数据，备选概率分布选用均匀泊松分布，马可夫链，二项分布，深圳地区台风年发生率如图3-1。0.40.4观测数据观测数据泊松分布泊松分布0.30.3马科夫链马科夫链二项分布二项分布0.20.2概率密度概率密度0.10.10002468051015深圳发生的台风(T=63年，R=250km)N(次)深圳发生的台风(T=63年，R=500km)N(次)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-1深圳地区台风年发生率λ当R=250km时，从1949年到2011年影响深圳的台风共175次，平均年发生率为2.9167次；半径为500km时，影响深圳的台风共348次，平均年发生率为5.5238次。从图3-1可以看出马科夫链结果与观测值最吻合但不具有预测的特性。泊松分布比二项分布吻合的好，因此选用泊松分布。3.3.2.2台风移动速度VT根据台风中心每个时刻的经纬度计算台风移动速度VT，由于台风年鉴数据-40- 哈尔滨工业大学工学硕士学位论文是间隔6h的台风位置和强度数据，则22bD+latDlonV=(3-1)T6式中V——台风移动速度；TDlat——台风中心前后两个时刻的纬度差；Dlon——台风中心前后两个时刻的经度差；b——纬度对应的距离参数，纬度为16~22时，b取110.7，纬度为23~29时，b取110.8。台风移动速度VT的备选概率分布选用对数正态分布，正态分布和Gamma分布。其中Gamma分布是本文经过统计分析提出的概率分布，经过分析发现2Gamma分布的概率密度曲线与经验分布直方图吻合最好，通过卡方χ检验，因此选用Gamma分布。Gamma分布的概率密度函数为：ìx-ïa-1bxｅïfxX()=a(x³0)ïbaG()ïïí¥--ua1(3-2)ïG(ae)=ò0uduïïG(aa)=-(1!)ïïîGG(aa+=1)()a22式中k，l——分布参数，均值m=ab，方差s=ab。XX台风移动速度经验分布直方图与备选概率分布曲线如图3-2。0.055对数正态分布0.055对数正态分布0.05正态分布0.05正态分布0.0450.045Gamma分布Gamma分布0.040.040.0350.0350.030.030.0250.025概率密度0.02概率密度0.020.0150.0150.010.010.0050.00500010203040506070010203040506070移动速度(km/h)移动速度(km/h)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-2深圳地区台风移动速度VT概率分布3.3.2.3台风中心压差Δp台风中心压差Δp等于台风外围气压与台风中心气压的差值，是描述台风-41- 哈尔滨工业大学工学硕士学位论文强度的物理参数。备选概率分布选用对数正态分布，极值Ⅱ型分布，Gamma2分布和Weibull分布。其中Gamma分布与Weibull分布均通过卡方χ检验,但Gamma分布曲线图更接近Δp经验分布直方图，因此选用Gamma分布。台风中心气压差经验分布直方图与备选概率分布曲线如图3-3。0.050.050.045对数正态分布0.045对数正态分布0.04极值Ⅱ型分布0.04极值Ⅱ型分布0.035Gamma分布0.035Gamma分布0.03Weibull分布0.03Weibull分布0.0250.0250.020.02概率密度概率密度0.0150.0150.010.010.0050.00500020406080100120140020406080100中心压差(hPa)中心压差(hPa)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-3深圳地区台风中心压差Δp概率分布3.3.2.4台风最大风速半径Rmax台风最大风速半径Rmax指水平结构内台风中心到最大风速处的距离，描述台风的水平尺度参数。备选概率分布选用对数正态分布和正态分布。Rmax不能[29]直接观测得到，根据李小莉文献中提出通过最大风速推算kRRmax=6(V6/Vmax)(3-3)0.5951970年以前Vp=D8.08(3-4)max0.6341970年以后Vp=D6.68(3-5)max式中R6——六级风速半径(km);V6——六级风速，取10.8m/s；k——无量纲参数，取1/0.5~1/0.7。国家海洋局第一海洋所提供的1949-2002年台风数据包含六级风速半径，利用此数据得出台风最大风速半径Rmax经验分布直方图与备选分布曲线如图23-4。对数正态分布通过卡方χ检验，选用对数正态分布。[30]江志辉以中国1949至2002年的《热带气旋年鉴》数据为基准，得出热带气旋中心气压和最大风速半径的统计平均关系式30-.805Rp=´1.11910´D(3-6)max-42- 哈尔滨工业大学工学硕士学位论文0.014对数正态分布对数正态分布0.012正态分布0.016正态分布0.0140.010.0120.0080.0100.0060.008概率密度概率密度0.0060.0040.0040.0020.00200.00003060901201501800306090120150180最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-4深圳地区1949-2002年数据得出的台风最大风速半径Rmax概率分布选用中国台风网“CMA-STI热带气旋最佳路径数据集”中的1949-2011年西北太平洋海域热带气旋每6小时的位置和强度台风数据，采用式(3-6)得出台风最大风速半径Rmax经验分布直方图与备选概率分布曲线如图3-5。对数正态分2布通过卡方χ检验，选用对数正态分布。0.0140.0180.0120.0160.0140.0100.0120.0080.010.0060.008概率密度概率密度0.0060.004对数正态分布0.004对数正态分布0.002正态分布0.002正态分布0.000003060901201500306090120150最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-5深圳地区1949-2011年数据得出的台风最大风速半径Rmax概率分布3.3.2.5台风移动方向θ由台风中心前后两次时刻的经纬度计算得到台风移动方向θ，描述台风移动路径。以正北为零度，顺时针为正。备选概率分布选取双峰分布和正态分布，双峰分布通过K-S检验。台风移动方向θ经验分布直方图与备选概率分布曲线如图3-6。-43- 哈尔滨工业大学工学硕士学位论文0.0080.014双正态分布双正态分布0.0070.012正态分布正态分布0.0060.0100.0050.0080.0040.006概率密度概率密度0.0030.0040.0020.0020.0010.0000.000-200-150-100-50050100150200-200-150-100-50050100150200移动方向(°)移动方向(°)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-6深圳地区台风移动方向θ概率分布3.3.2.6台风移动路径与模拟点间的最小距离Dmin由各时刻台风中心与模拟点的经纬度计算得到最小距离Dmin，当模拟点在台风中心的移动路径右侧时取正直。备选概率分布选取梯形分布和均匀分布，梯形分布和均匀分布均未通过K-S检验，选用经验分布。最小距离Dmin的经验分布直方图与备选概率分布的曲线如图3-7。0.0025均匀分布0.00200.0016梯形分布0.00140.00150.00120.00100.00100.0008概率密度概率密度0.00060.0005均匀分布0.0004梯形分布0.00020.00000.0000-400-2000200400-400-2000200400600最小距离(km)最小距离(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-7深圳地区台风最小距离Dmin概率分布综上所述，通过1949-2011年台风年鉴数据，选取模拟圆半径250km计算所有数据和500km只计算模拟圆内数据两种情况分别提取台风数据，得出影响深圳地区台风的关键参数的最优概率分布模型及相应参数。台风年发生率λ服从泊松分布，移动方向θ服从双峰分布，最小距离Dmin采用经验分布，最大风速半径Rmax服从对数正态分布，这几个关键参数的分布模型基于其他学者提-44- 哈尔滨工业大学工学硕士学位论文出的备选概率分布，分布参数估计有差别。本文提出了移动速度VT和中心气压差Δp服从Gamma分布，与经验分布直方图吻合较好。表3-3是不同模拟圆半径选取样本确定的影响深圳的台风关键参数概率分布及参数估计。表3-3不同模拟圆半径取样确定的影响深圳的台风关键参数概率分布及参数估计台风关键参R=250kmR=500km关键参数分布数分布参数估计分布参数估计λ泊松分布λ=2.9167λ=5.5238VTGamma分布a=3.9879,b=4.7286a=3.7216,b=4.4248ΔpGamma分布a=1.7655,b=12.8345a=3.2434,b=7.1307Rmax（49-02)μ=4.0911,σ=0.5235μ=4.0913,σ=0.4917对数正态分布Rmax（49-11)μ=4.3652,σ=0.4147μ=4.4285,σ=0.3267μ1=-70.6736,σ1=28.0677μ1=-71.4405,σ1=35.6533θ双正态分布μ2=61.4195,σ2=45.3970μ2=65.5152,σ2=49.6897a1=0.7879,a2=0.7924a1=0.6597,a2=0.6591Dmin梯形分布——3.3.3香港和上海遭遇台风的关键参数香港和上海遭遇台风的关键参数概率分布，基于选用了500km只计算模拟圆内数据和250km计算所有数据两种情况分别提取台风数据，得出香港和上海台风关键参数的最优概率分布和参数估计。图3-8至图3-14是影响香港的台风关键参数的经验分布直方图与备选概率分布的曲线图。0.40.25观测数据观测数据泊松分布0.2泊松分布0.3马科夫链马科夫链二项分布0.15二项分布0.20.1概率密度概率密度0.10.050002468051015香港发生的台风(T=63年，R=250km)N(次)香港发生的台风(T=63年，R=500km)N(次)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-8香港地区台风年发生率λ-45- 哈尔滨工业大学工学硕士学位论文0.060.08对数正态分布对数正态分布0.070.05正态分布正态分布0.06Gamma分布Gamma分布0.040.050.030.04概率密度0.02概率密度0.030.020.010.0100010203040506070010203040506070移动速度(km/h)移动速度(km/h)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-9香港地区台风移动速度VT概率分布0.050.05对数正态分布对数正态分布0.04极值Ⅱ型分布0.04极值Ⅱ型分布Gamma分布Gamma分布0.03Weibull分布0.03Weibull分布0.020.02概率密度概率密度0.010.0100020406080100120140020406080100中心压差(hPa)中心压差(hPa)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-10香港地区台台风中心气压差Δp概率分布0.014对数正态分布0.018对数正态分布0.012正态分布0.016正态分布0.0140.010.0120.0080.010.0060.008概率密度概率密度0.0060.0040.0040.0020.0020003060901201501800306090120150180最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-11香港地区1949-2002年数据得出的台风最大风速半径Rmax概率分布-46- 哈尔滨工业大学工学硕士学位论文0.0140.0180.0120.0160.0140.0100.0120.0080.010.0060.008概率密度概率密度0.0060.004对数正态分布0.004对数正态分布0.0020.002正态分布正态分布0.0000020406080100120140020406080100120140最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-12香港地区1949-2011年数据得出的台风最大风速半径Rmax概率分布0.0080.014双正态分布双正态分布0.0070.012正态分布正态分布0.0060.0100.0050.0080.0040.006概率密度概率密度0.0030.0040.0020.0020.0010.0000.000-200-150-100-50050100150200-200-150-100-50050100150200移动方向(°)移动方向(°)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-13香港地区台风移动方向θ概率分布0.00250.0018均匀分布0.00200.0016梯形分布0.00140.00150.00120.00100.00100.0008概率密度概率密度0.00060.0005均匀分布0.0004梯形分布0.00020.00000.0000-400-2000200400-400-2000200400600最小距离(km)最小距离(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-14香港地区台风移动路径与模拟点间的最小距离Dmin概率分布-47- 哈尔滨工业大学工学硕士学位论文表3-4是不同模拟圆半径选取样本确定的影响香港的台风关键参数概率分布及参数统计。综上分析，影响香港地区台风的关键参数的最优概率分布及相应参数估计如下：台风年发生率λ服从泊松分布，移动方向θ服从双峰分布，最小距离Dmin采用经验分布，最大风速半径Rmax服从对数正态分布，这几个关键参数的分布模型基于备选概率分布，分布参数估计和其他学者有差别，主要由于台风年鉴数据年份不同，本文选用从1949年到2011年63年间的数据样本容量充足。移动速度VT和中心气压差Δp服从Gamma分布，与经验分布直方图吻合较好。表3-4不同模拟圆半径取样确定的影响香港的台风关键参数模型统计台风关键参R=250kmR=500km关键参数分布数分布参数估计分布参数估计λ泊松分布λ=3.0820λ=5.5238VTGamma分布a=4.0294,b=4.7067a=3.8108,b=4.2733ΔpGamma分布a=1.7672,b=12.7165a=3.8108,b=7.1307Rmax（49-02)μ=4.1120,σ=0.5245μ=4.0983,σ=0.4927对数正态分布Rmax（49-11)μ=4.3668,σ=0.4116μ=4.4225,σ=0.3286μ1=-70.7907,σ1=28.2251μ1=-71.7117,σ1=35.9329θ双正态分布μ2=61.4171,σ2=44.9813μ2=65.0831,σ2=49.4699a1=0.7838,a2=0.7940a1=0.6654,a2=0.6674Dmin梯形分布——图3-15至图3-21是影响上海的台风关键参数的经验分布直方图与备选概率分布的曲线图。0.80.4观测数据观测数据泊松分布泊松分布0.60.3马科夫链马科夫链二项分布二项分布0.40.2概率密度概率密度0.20.100012340246上海发生的台风(T=63年，R=250km)N(次)上海发生的台风(T=63年，R=500km)N(次)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-15上海地区台风年发生率λ-48- 哈尔滨工业大学工学硕士学位论文0.050.05对数正态分布0.045对数正态分布0.04正态分布0.04正态分布Gamma分布0.035Gamma分布0.030.030.0250.020.02概率密度概率密度0.0150.010.010.00500010203040506070010203040506070移动速度(km/h)移动速度(km/h)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-16上海地区台风移动速度VT概率分布0.040.04对数正态分布对数正态分布0.035极值Ⅱ型分布极值Ⅱ型分布0.030.03Gamma分布Gamma分布Weibull分布0.025Weibull分布0.020.02概率密度概率密度0.0150.010.010.00500020406080100120140020406080100中心压差(hPa)中心压差(hPa)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-17上海地区台台风中心气压差Δp概率分布0.014对数正态分布0.018对数正态分布0.012正态分布0.016正态分布0.0140.010.0120.0080.010.0060.008概率密度概率密度0.0060.0040.0040.0020.0020003060901201501800306090120150180最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-18上海地区1949-2002年数据得出的台风最大风速半径Rmax概率分布-49- 哈尔滨工业大学工学硕士学位论文0.0140.0140.0120.0120.0100.010.0080.0080.0060.006概率密度概率密度0.0040.004对数正态分布对数正态分布0.0020.002正态分布正态分布0.0000020406080100120140020406080100120140最大风速半径(km)最大风速半径(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-19上海地区1949-2011年数据得出的台风最大风速半径Rmax概率分布0.005双正态分布双正态分布0.0070.004正态分布正态分布0.0060.0030.0050.0040.0020.003概率密度概率密度0.0020.0010.0010.0000.000-200-150-100-50050100150200-200-150-100-50050100150200移动方向(°)移动方向(°)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-20上海地区台风移动方向θ概率分布0.0030均匀分布0.0018均匀分布0.0025梯形分布0.0016梯形分布0.00140.00200.00120.00150.00100.0008概率密度0.0010概率密度0.00060.00040.00050.00020.00000.0000-400-2000200400-400-2000200400600最小距离(km)最小距离(km)a)R=250km计算所有数据b)R=500km只计算模拟圆内数据图3-21上海地区台风移动路径与模拟点间的最小距离Dmin概率分布-50- 哈尔滨工业大学工学硕士学位论文表3-5是不同模拟圆半径选取样本确定的影响上海的台风关键参数概率分布及参数估计。基于以上分析，对于影响上海地区台风，台风年发生率λ服从泊松分布，移动方向θ服从双峰分布，最小距离Dmin对于模拟圆半径为250km选用梯形分布，500km采用经验分布，最大风速半径Rmax服从对数正态分布，移动速度VT服从Gamma分布，中心气压差Δp，对于模拟圆半径为250km选用Gamma分布，500km采用经验分布。表3-5不同模拟圆半径取样确定的影响上海的台风关键参数模型统计台风关键参R=250kmR=500km关键参数分布数分布参数估计分布参数估计λ泊松分布λ=1.5909λ=2.6167VTGamma分布a=3.6376,b=6.1474a=3.5496,b=6.3665ΔpGamma分布a=1.8396,b=13.9585a=2.7320,b=9.7418Rmax（49-02)μ=4.1976,σ=0.4687μ=4.2791,σ=0.3671对数正态分布Rmax（49-11)μ=4.3101,σ=0.4261μ=4.3899,σ=0.3651μ1=-59.9977,σ1=33.6611θ双正态分布μ2=51.8319,σ2=38.1134—a1=0.6531,a2=0.6319Dmin梯形分布a=0,b=0.0019—3.4台风关键参数相关性分析Vickery08和Powell05参数B的模型已经考虑了参数B与最大风速半径、中心压差、纬度的相关性。对于最大风速半径与与中心压差、纬度的相关性，由台风年鉴数据分析得到。最大风速半径由式(3-3)确定，采用国家海洋局第一海洋所提供的1949-2002年包含六级风速半径的台风数据。国内外研究表明最大风速半径和中心气压差及纬度存在相关性，本文对深圳、香港和上海遭遇的台风进行参数相关性分析，具体拟合函数关系式如下：lnRbb=+D+pblat+e(3-7)max012式中e——残差，服从均值为0，方差为s的正态分布。e拟合深圳、香港和上海最大风速半径与中心压差及纬度的相关性，误差分布和三维拟合见图3-22至图3-24。深圳、香港和上海遭遇台风的最大风速半径和中心气压差及纬度关系式中的相关系数值列于表3-6。-51- 哈尔滨工业大学工学硕士学位论文1.0000.900正态分布0.900正态分布0.8000.8000.7000.7000.6000.6000.5000.5000.4000.400概率密度概率密度0.3000.3000.2000.2000.1000.1000.0000.000-2-10123-2-101211a)R=250km误差项ε的概率分布b)R=500km误差项ε的概率分布8877665544RmaxRmaxln3ln32211003040500020253060902030406020120150010801001015纬度lat纬度lat气压差ΔP气压差ΔPc)R=250km三维拟合图d)R=500km三维拟合图图3-22深圳遭遇台风关键参数相关性示意图1.0001.0000.900正态分布0.900正态分布0.8000.8000.7000.7000.6000.6000.5000.5000.4000.400概率密度概率密度0.3000.3000.2000.2000.1000.1000.0000.000-2-10123-2-101211a)R=250km误差项ε的概率分布b)R=500km误差项ε的概率分布-52- 哈尔滨工业大学工学硕士学位论文8877665544RmaxRmaxln3ln32211040500020402530030609020306080100101520120150010纬度lat纬度lat气压差ΔP气压差ΔPc)R=250km三维拟合图d)R=500km三维拟合图图3-23香港遭遇台风关键参数相关性示意图1.0001.0000.900正态分布0.900正态分布0.8000.8000.7000.7000.6000.6000.5000.5000.4000.400概率密度概率密度0.3000.3000.2000.2000.1000.1000.0000.000-2-1012-2-1012311a)R=250km误差项ε的概率分布b)R=500km误差项ε的概率分布88776655RmaxRmaxln4ln433203040502020354060902030406030120150010801002025纬度lat纬度lat气压差ΔP气压差ΔPc)R=250km三维拟合图d)R=500km三维拟合图图3-24上海遭遇台风关键参数相关性示意图-53- 哈尔滨工业大学工学硕士学位论文表3-6台风关键参数相关性系数相关性系数城市半径(km)b0b1b2se2505.5535-0.0232-0.03060.4732深圳5006.8350-0.0297-0.09100.40922505.4742-0.0239-0.02560.4713香港5006.9292-0.0302-0.09480.40522505.50509-0.0205-0.00240.4020上海5005.1744-0.0256-0.00180.40663.5台风衰减模型[7][9][10]台风登陆以后强度降低风速减小，Batts，Georgiou和Vickery等采用中心气压差描述台风的衰减。他们利用台风中心气压差和登陆时间或登陆以后[10]向内陆移动的距离的相关性表述衰减规律。其中Vickery由实测数据拟合得到的的指数率模型应用比较广泛，本文利用1949-2011年台风数据，采用指数模型描述台风登陆以后的衰减规律：ïìDpt()=Dp0exp(-+atb)í(3-8)ïîaaap=+D+e0101式中a——拟合系数；e——残差，服从均值为0，方差为s的正态分布；1e1Dp——登陆时刻的中心气压差。0深圳、香港和上海遭遇台风的衰减模型相关系数列于表3-7。表3-7台风衰减模型相关系数相关性系数城市半径(km)aasms01e1bb2500.01240.00070.02340.00970.1554深圳5000.00770.00080.0242-0.03610.14732500.01340.00070.02420.01220.1424香港5000.00610.00080.0269-0.02000.11482500.00170.00070.01400.06350.1333上海5000.00320.00070.01320.02660.0493-54- 哈尔滨工业大学工学硕士学位论文3.6本章小节本章完成了MonteCarlo模拟方法估计特定地点台风年最大风速概率分布的第一个步骤，即分析台风年鉴数据，分别得到影响深圳、香港和上海的台风各关键参数的概率分布，并研究了关键参数之间的相关性，同时统计分析了台风登陆后的衰减模型，得到以下结论：(1)本文选用了500km只计算模拟圆内数据和250km计算所有数据两种情况分别提取台风数据进行研究，台风年发生率λ服从泊松分布，移动方向θ服从双峰分布，最小距离Dmin采用经验分布，最大风速半径Rmax服从对数正态分布，这几个关键参数的分布模型基于其他学者提出的备选概率分布，分布参数估计有差别。本文提出了移动速度VT和中心气压差Δp服从Gamma分布，与经验分布直方图吻合较好。(2)分析台风关键参数的相关性表明，最大风速半径Rmax取自然对数后分别与中心气压差Δp、纬度lat之间存在负相关，满足线性关系。-55- 哈尔滨工业大学工学硕士学位论文第4章东南沿海若干城市台风危险性分析4.1引言本章采用MonteCarlo模拟方法，结合第2章改进的CE台风风场模型，基于第3章得到的深圳、香港和上海的台风关键参数概率分布及相关性和台风衰减模型，计算得到台风极值风速序列。利用得到广泛应用的Weibull三参数分布（即极值Ⅲ型分布）和我国规范中的Gumbel分布（即极值Ⅰ型分布）通过概率统计方法估计台风最大风速概率分布，并预测重现期为10年、30年、50年、100年和200年的深圳、香港和上海的极值风速，进行台风危险性分析，为台风区设计风速的确定和抗风减灾提供参考。4.2MonteCarlo模拟方法由于我国台风观测资料的研究数据较少并且因观测设备和记录精度等存在误差，因此采用目前国际上普遍接受的MonteCarlo模拟方法进行台风危险性分析。此方法主要受两个因素的影响即台风关键特征参数的概率分布和台风风场模型的精确性。[31]MonteCarlo模拟方法主要以下有4个步骤：1)应用台风历史数据，分析拟合得到影响研究点的台风关键参数的概率分布及其相关性；2)然后随机抽样产生一组关键参数值，组成一个新的模拟台风；3)采用成熟的台风物理模型及衰减模型,模拟计算出研究点遭遇虚拟台风的极值风速，重复2、3步模拟足够多台风，得到研究点的台风极值风速序列；4)以模拟得到的台风极值风速序列，通过概率统计方法估计台风极值风速概率分布。4.2.1模拟生成台风过程模拟一个虚拟台风的过程如下：已知选定模拟点的经纬度，根据移动方向θ、移动速度VT和最小距离Dmin的概率分布随机抽取一组值视为不变的常数；由θ和Dmin得到的台风移动的直线路径与模拟圆的交点作为台风的起始点，再由VT计算得到间隔为1小时的台风中心经纬度,台风中心到模拟点的距离大于模拟圆半径认为消失；随机抽取的中心气压差Δp将随台风登陆而衰减，最大风速半径Rmax由中心气压差和台风中心纬度确定，Holland气压参数B采用Powell05和Vickery08模型，由最大风速半径及台风中心纬度推到得到；最后-56- 哈尔滨工业大学工学硕士学位论文各个关键参数一起就形成了一个虚拟台风，带入改进的CE台风风场模型，计算出模拟点遭遇此台风的最大风速。选定模拟的样本长度年份为1000年，基于模拟点的台风年发生率λ确定虚拟台风的总数m=1000λ，计算出每个虚拟台风在模拟点处产生的最大风速，得到样本容量为m的极值风速序列vi(i=1，2，…，m)。利用MonteCarlo模拟方法对于台风危险性进行分析，预测得到的深圳、香港和上海B类地貌下10分钟平均风速、10m高度处遭遇台风的极值风速预测。以深圳为模拟点，选取模拟圆半径为250km计算所有数据得出的台风关键参数概率分布为例，说明极值风速模拟过程如下：(1)模拟年份为nmmont=1000年；number_annual=20，每年的台风发生的最多的个数，与具体城市有关；time=30，持续时间最长的一个登陆的台风的时间长度，与具体城市有关。(2)台风关键参数概率分布；R=250km时，从1949年到2011年影响深圳的台风共175次，平均年发生率为λ=2.9167次，服从泊松分布；台风移动速度VT服从Gamma分布a=3.9879，b=4.7286；台风中心气压差Δp服从Gamma分布a=1.7655，b=12.8345；台风移动方向θ服从双正态分布，μ1=-70.6736，σ1=28.0677，μ2=61.4195，σ2=45.3970，a1=0.7879，a2=0.7924；台风移动路径与模拟点间的最小距离Dmin，不能通过K-S假设检验，采用经验分布。(3)随机产生一年的台风发生个数；根据λ=2.9167，泊松分布随机产生这一年台风发生个数IR（0~20）。(4)开始一个台风的模拟；a)根据关键参数概率分布，随机产生一组关键参数θ、Dmin、VT和Δp，判断参数在合理范围内θ（-180~180）、Dmin≤250km、VT(2~65)和Δp(0~135)；确定台风发生时刻t0的经纬度lat，lon，以θ、Dmin确定的直线与模拟圆的第一个交点为台风发生的起始点；根据lnRbb=+D+pblat+e和Δp，lat得到Rmax(8~150)；根据Powell2005经验公max012式B=1.8810.00557--+Rl0.01295ate得到B(0.7~2.2)；b)根据θ和VT得到下max一时刻台风中心经纬度，lat1，lon1；由海岸线方程判断是否登陆，登陆后应用衰减模型，则Δp衰减得到Δp1，根据Δp1和lat1得到新的Rmax1，B1；依次得到台风过程中不同时刻的关键参数并判断在合理范围内，直到台风中心离开模拟圆范围认为台风消失。这样不同时刻的每一组关键参数形成台风过程，便形成虚拟台风的关键参数序列；c)将虚拟台风的关键参数序列带入CE风场模型，计算不同时刻模拟点的风速风向。利用snap子程序以海面粗糙度为基础求解CE台风风场计算出风场内部各个网格点的边界层竖向平均风速V；再利用hist-57- 哈尔滨工业大学工学硕士学位论文[23]子程序，结合Aray边界层模型采用陆地实际粗糙度求解得出具体模拟点点处[44]的摩擦速度u，根据Vickery大气边界层风剖面的近似对数律模型计算出模*拟点10m高度处的一小时平均风速。根据澳大利亚规范B类地貌地面粗糙度长度取0.02m。(5)选取这个虚拟台风得到的最大风速及风向作为年极值风速的一个样本，最后得到样本长度为1000λ的年极值风速序列。利用转换因子1.06将1小时平均风速转换成10分钟平均风速，然后用K-S检验法检验Weibull分布和Gumbel分布是否吻合极值风速的经验分布，从而得到不同重现期的极值风速。4.2.2极值风速概率分布基于MonteCarlo模拟得到的样本容量为m的极值风速序列vi(i=1，2，…，m)，TRP重现期极值风速保证率为11/-=-TFRPexp(l(1-vi))(4-1)式中TRP——重现期；λ——年发生率；Fvi——任何台风风速V小于vi的概率。任意一年内台风最大风速V0；h——尺度参数，h>0；g——位置参数，g³0。Weibull分布参数估计如下，X的样本(x1，x2，…，xi，…，xn)按从小到大排列。ln2b=(4-7)M-M12lnM-M24M-g0h=(4-8)éùæöMM-2Gêúlnç÷01/ln2êúèøç÷MM-2ëû132MMM-412g=(4-9)M-+2MM124kn-1æö1Mxki=-åç÷ç÷1(+10-==xi),x0,k1,2,4(4-10)i=0èøn由式(4-1)、(4-2)和(4-5)推导出Weibull分布重现期为TRP的风速表达式：1/bvTiR=+--gh{lnéùëûln11/(-P)/l}(4-11)Gumbel分布的累积分布函数及概率密度函数分别为：Fx()=----exp{expéùëûam(x)},(¥£x£+¥)(4-12)fx()=×aexp{-expéùëû-am(x-)}×expéùëû-am(x-)(4-13)式中a，m——分布参数。Gumbel分布的参数估计如下：21.28251nn2æö1as==-,xiiååxç÷ç÷x(4-14)sxnnii==11èø0.57721nmm=-x,mxi=åx(4-15)ani=1式中m——位置参数；a——尺度参数；m——x的均值；xs——x的均值。x-59- 哈尔滨工业大学工学硕士学位论文由式(4-1)、(4-2)和(4-12)推导出Gumbel分布重现期为TRP的风速表达式：vTiR=--mln{ln1ln11/ëûéù+(-P)/la}/(4-16)4.3深圳、香港和上海台风极值风速预测4.3.1参数B对台风极值风速预测的影响Holland气压剖面参数B是影响台风风场模型精确度的重要输入参数，我国沿海台风目前还没有统一标准的适用模型。通过2.5.2的分析得出B采用具有统计意义的Vickery08模型和Powell05模型，改进的CE台风风场模型具有较好的模拟结果，因此采用这两种参数B模型进行MonteCarlo模拟。为了比较参数B对极值风速的影响，选用2.5.2中Hubbert91模型、H&H99模型，两者统计意义上累似，参数B只与中心气压差有关。基于250km计算所有数据的台风关键参数概率分布，采用不同参数B模拟得到深圳B类地貌下10m高度处、10分钟平均的不同重现期极值风速序列，用Weibull分布和Gumbel分布拟合并分布参数，结果列于表4-1。表4-1不同参数B模型的深圳地区不同重现期的极值风速不同重现期极值风速(m/s)参数B模型概率分布10年30年50年100年200年经验分布23.9728.5831.5334.0134.92Powell05模型Weibull分布23.5927.8629.7032.0934.38Gumbel分布23.4828.3130.5033.4536.39经验分布24.1829.7531.3435.0037.73Vickery08模型Weibull分布23.9428.0129.7532.0034.15Gumbel分布24.0328.8331.0133.9536.87经验分布24.0329.7031.9436.3739.69Hubbert91模型Weibull分布24.3428.9330.9133.5036.00Gumbel分布24.2129.1231.3934.4437.47经验分布24.9329.8732.1134.2535.45H&H99模型Weibull分布24.4828.9230.8333.3035.67Gumbel分布24.3429.4031.6934.7837.85由表4-1可知，基于Hubbert模型和Harper&Holland模型预测的风速比基-60- 哈尔滨工业大学工学硕士学位论文于Powell05模型和Vickery08模型预测的风速稍大，但差别不是很大。并且在2.5.2中参数B采用具有统计意义的Vickery08模型和Powell05模型，改进的CE台风风场得到较好的模拟结果，因此MonteCarlo模拟中参数B选用Vickery08和Powell05模型预测风速结果较合理。4.3.2不同重现期极值风速预测根据第二章改进CE风场模型的研究，Holland气压剖面参数B采用具有统计意义的Vickery08模型和Powell05模型，根据澳大利亚规范B地貌地面粗糙长度z0取0.02m。根据第三章台风关键参数选取类型，500km只计算模拟圆内数据和250km计算所有数据两种情况进行极值风速预测。表4-2、4-3和4-4分别是不同情况下预测得到的深圳、香港和上海B类地貌下10m高度处、10分钟平均的不同重现期极值风速。图4-1,4-2和4-3分别是深圳、香港和上海基于250km计算所有数据的台风关键参数概率分布模拟出的年极值风速经验分布直方图与备选概率分布曲线图，分Vickery08和Powell05参数B模型两种模拟情况。表4-2深圳地区不同重现期的极值风速不同重现期极值风速(m/s)参数B模型数据类型极值分布10年30年50年100年200年经验分布23.9728.5831.5334.0134.92250km所有Weibull分布23.5927.8629.7032.0934.38数据Gumbel分布23.4828.3130.5033.4536.39Powell05经验分布21.0525.0727.2629.1732.46500km圆内Weibull分布21.0324.9826.7429.0731.34数据Gumbel分布未通过K-S检验经验分布24.1829.7531.3435.0037.73250km所有Weibull分布23.9428.0129.7532.0034.15数据Gumbel分布24.0328.8331.0133.9536.87Vickery08经验分布21.1725.0827.4229.9134.49500km圆内Weibull分布21.6325.6427.4129.7632.05数据Gumbel分布未通过K-S检验-61- 哈尔滨工业大学工学硕士学位论文表4-3香港地区不同重现期的极值风速不同重现期极值风速(m/s)参数B模型数据类型极值分布10年30年50年100年200年经验分布23.6428.1930.7832.7536.16250km所有Weibull分布23.0127.1528.9431.2733.51数据Gumbel分布22.9427.5929.7032.5435.37Powell05经验分布22.4426.6828.8433.2737.68500km圆内Weibull分布22.5626.7828.6531.1233.54数据Gumbel分布未通过K-S检验经验分布24.1529.4331.1432.3937.84250km所有Weibull分布23.7127.6929.3931.5933.70数据Gumbel分布23.8628.5830.7233.6036.47Vickery08经验分布22.1426.0627.5431.9434.53500km圆内Weibull分布22.1026.1827.9930.3832.71数据Gumbel分布未通过K-S检验表4-4上海地区不同重现期的极值风速不同重现期极值风速(m/s)参数B模型数据类型极值分布10年30年50年100年200年经验分布21.9227.1128.5430.9534.67250km所有Weibull分布21.7425.8027.5029.6731.73数据Gumbel分布21.7226.5528.7331.6534.56Powell05经验分布18.5722.3823.5626.0227.24500km圆内Weibull分布18.6422.3323.9326.0228.04数据Gumbel分布18.1422.1423.9626.4028.83经验分布23.8729.5031.9135.4037.51250km所有Weibull分布23.7628.0329.8032.0734.20数据Gumbel分布23.7729.0031.3634.5337.68Vickery08经验分布19.5423.4224.6226.2926.98500km圆内Weibull分布19.2923.1924.8827.1029.24数据Gumbel分布18.7922.9224.7927.3129.82-62- 哈尔滨工业大学工学硕士学位论文0.10.10.09Gumbel分布0.09Gumbel分布0.08Weibull分布0.08Weibull分布0.070.070.060.060.050.050.040.04概率密度概率密度0.030.030.020.020.010.0100010203040010203040极值风速(m/s)极值风速(m/s)a)Powell05模型极值风速概率分布图b)Vickery08模型极值风速概率分布图图4-1深圳遭遇台风的极值风速概率分布图0.10.10.09Gumbel分布0.09Gumbel分布0.08Weibull分布0.08Weibull分布0.070.070.060.060.050.050.040.04概率密度概率密度0.030.030.020.020.010.0100010203040010203040极值风速(m/s)极值风速(m/s)a)Powell05模型极值风速概率分布图b)Vickery08模型极值风速概率分布图图4-2香港遭遇台风的极值风速概率分布图0.10.10.09Gumbel分布0.09Gumbel分布0.08Weibull分布0.08Weibull分布0.070.070.060.060.050.050.040.04概率密度概率密度0.030.030.020.020.010.0100010203040010203040极值风速(m/s)极值风速(m/s)a)Powell05模型极值风速概率分布图b)Vickery08模型极值风速概率分布图图4-3上海遭遇台风的极值风速概率分布图-63- 哈尔滨工业大学工学硕士学位论文由表4-2、4-3和4-4结果表明，采用250km计算所有数据的台风关键参数概率分布模拟出的三个城市遭遇台风的年极值风速都服从Weibull分布和Gumbel分布，并以0.01的显著水平通过K-S假设检验，Gumbel分布的结果大于经验分布的结果。采用500km只计算模拟圆内数据的台风关键参数概率分布模拟出的深圳和香港遭遇台风的年极值风速服从Weibull分布，但不服从Gumbel分布，上海的台风的年极值风速两种分布都服从。500km只计算模拟圆内数据模拟得出的风速部分不服从Gumbel分布，并且比250km计算所有数据的风速明显小，因此建议采用250km计算所有数据的台风关键参数概率分布；Vickery08参数B的模型的结果比Powell05参数B的模型模拟得到的极值风速稍大，但相差不大，建议采用Vickery08参数B的模型的结果；对于年极值极值风速，Weibull分布的风速比Gumbel分布的风速偏小，Gumbel分布的结果与极值风速经验分布更吻合，我国规范也采用Gumbel分布，因此建议采用Gumbel分布。表4-5是不同城市台风极值风速概率分布及参数。表4-5台风极值风速概率分布及参数估计Weibull分布Gumbel分布城市参数B模型数据类型βηγμα250km所有数据1.4368.1634.7659.5580.237Powell05500km圆内数据1.2045.4254.0116.1550.282深圳250km所有数据1.5078.5255.04110.1860.239Vickery08500km圆内数据1.2225.7624.1326.5660.276250km所有数据1.4107.6704.8309.3180.246Powell05500km圆内数据1.2115.8734.0656.4560.263香港250km所有数据1.5068.3494.98410.0170.243Vickery08500km圆内数据1.2145.7084.1796.7450.274250km所有数据1.6038.9395.07210.5340.240Powell05500km圆内数据1.3446.1354.0157.0140.287上海250km所有数据1.67910.1845.29911.6510.221Vickery08500km圆内数据1.3256.3004.0847.3010.278对于陆地情况z0依赖于表面性质和风速，由于不同地貌局部气流的不均一[50]性，不同测试中的结果相差很大。赵林等在上海地区台风风特性MonteCarlo随机模拟研究中z0取0.05m，计算得到上海台风气候模式下B类地貌下离地面高度10m处百年设计平均风速为32.0m/s。z0取0.05时得到上海不同重现期的-64- 哈尔滨工业大学工学硕士学位论文极值风速见表4-6。由表4-6可知，上海地区地面粗糙长度z0取0.02m模拟的不同重现期风速比0.05m的极值风速稍小，但总体差别不大。表4-6z0取0.05m时上海地区不同重现期的极值风速参数B模地面粗糙长不同重现期极值风速(m/s)极值分布型度z0(m)10年30年50年100年200年经验分布20.5526.9129.0530.3534.64Powell050.05Weibull分布20.8024.9526.7028.9631.10模型Gumbel分布20.7425.5027.6530.5333.40经验分布21.8626.2028.1930.1336.96Vickery080.05Weibull分布21.9225.5927.1029.0230.82模型Gumbel分布21.9526.6328.7431.5834.404.4深圳、香港和上海台风危险性分析[51]建筑结构荷载规范GB50009-2012中给出了B类场地，重现期为10年、50年和100年，深圳、香港、上海的基本风压。其他重现期R为30年，200年的基本风压由式(4-11)确定，结果列于表4-7。æölnRXXXXR=+-10(10010)ç÷ç÷-1(4-17)èøln10式中X——重现期为R时的基本风压；RX——重现期为10时的基本风压；10X——重现期为100时的基本风压。100表4-7规范[51]中基本风压2不同重现期基本风压(kN/m)城市名海拔(m)10年30年50年100年200年深圳18.20.450.66470.750.901.0355香港50.00.800.87160.900.950.9952上海2.80.400.49540.550.600.6602规范中基本风速与基本风压的关系式(4-18)，然后根据式(4-12)，由规范中基本风压计算出深圳、香港和上海不同重现期的基本风速。v=2/wr(4-18)00-0.0001zr=0.00125e(4-19)-65- 哈尔滨工业大学工学硕士学位论文3式中r——空气密度(t/m)；z——海拔高度(m)。基于以上分析，MonteCarlo极值风速模拟选取模拟圆半径为250km计算所有数据的台风关键参数概率分布，参数B模型采用Vickery08模型，地面粗糙长度z0取0.02m，极值极值风速概率分布选用Gumbel分布。将规范推荐风[39]速与本文模拟得到的极值风速和肖玉凤博士论文模拟得到的风速列于表4-8。表4-8深圳和上海不同重现期10m高度处10分钟平均的极值风速比较城市不同重现期极值风速(m/s)方法名10年30年50年100年200年规范[51]27.2433.1135.1738.5341.32经验分布24.1829.7531.3435.0037.73深圳Gumbel分布24.0328.8331.0133.9536.87文献[39]25.9632.2035.0538.8942.72规范[51]25.6628.5630.0931.4332.97经验分布23.8729.5031.9135.4037.51上海Gumbel分布23.7729.0031.3634.5337.68文献[39]27.6635.1737.3841.0646.73表4-9香港不同重现期10m高度处10分钟平均的极值风速比较城市不同重现期极值风速(m/s)方法名20年30年50年100年200年规范[51]36.8637.9738.5939.6440.58Holms[52]32.25—36.21—42.01香港经验分布27.7029.4331.1432.3937.84Gumbel分布26.8628.5830.7233.6036.47文献[39]26.6133.0435.9839.9443.88[52]根据Holmes等利用香港横澜岛观测到的1953-2006年台风历史记录数据的研究，提供了香港200m高度处，不同重现期的1小时平均风速，利用对数律转化成10m高度处、10分钟平均风速，即0.11vv10_RR=´´1.06200_(10200)(4-20)式中R——重现期，v=42.3m/s，v=47.5m/s，v=55.1m/s；200_20200_50200_200-66- 哈尔滨工业大学工学硕士学位论文1.06——将1小时平均风速转化为10分钟平均风速；[53]0.11——香港规范B类地貌对应的指数律参数a=0.11。香港不同重现期10m高度处10分钟平均的极值风速比较见表4-9。从表[52]4-9可以看出，本文模拟得到的风速比Holmes等根据历史观测数据得到的风速偏小。[34]根据Simiu的研究，因为经验分布不需要对极值风速分布的尾部形状做任何假定，当模拟的台风极值风速样本足够多时选经验分布，但其是非参数的，不能方便应用于解析推广。而Weibull分布和Gumbel分布简化了极值风速分布的尾部形状，参数化概率模型便于解析推广应用。表4-10是深圳、香港和上海遭遇台风影响的极值风速概率分布的参数估计。表4-10台风极值风速概率分布的参数估计Gumbel分布城市μα深圳10.1860.239香港10.0170.243上海11.6510.2214.5本章小结本章根据MonteCarlo模拟方法，预测重现期为10年、30年、50年、100年和200年的深圳、香港和上海的极值风速，并由建筑结构荷载规范GB50009-2012给出的基本风压推导出不同重现期深圳、香港和上海的规范推荐风速。得到以下结论：(1)深圳和香港模拟得到的极值风速低于规范推荐风速，上海的计算风速和规范推荐风速接近。(2)模拟圆半径和圆内外数据的选取对极值风速有影响。模拟圆半径500km只计算模拟圆内数据计算出的极值风速明显小于采用250km计算所有数据计算出的极值风速。采用250km计算所有数据的台风关键参数概率分布模拟出的三个城市遭遇台风的年极值风速都服从Weibull分布和Gumbel分布，500km只计算模拟圆内数据模拟得出的风速都服从服从Weibull分布，部分不服从Gumbel分布，并且比250km计算所有数据的风速明显小，因此建议采用250km计算所有数据的台风关键参数概率分布。(3)Holland气压剖面参数B对极值风速预测有影响。Vickery08参数B的模型的结果比Powell05参数B的模型模拟得到的极值风速稍大，但相差不大，建-67- 哈尔滨工业大学工学硕士学位论文议采用Vickery08参数B的模型。(4)采用250km计算所有数据的台风关键参数概率分布，极值极值风速均服从Weibull分布和Gumbel分布，Weibull分布的风速比Gumbel分布的风速偏小，而Gumbel分布的结果与极值风速经验分布更吻合，我国规范也采用Gumbel分布，建议台风极值风速采用Gumbel分布及其参数估计。-68- 哈尔滨工业大学工学硕士学位论文结论本文以CE台风风场模型为基础，根据近年来学者对台风物理结构的进一步研究以及对台风的大量精确数据统计分析得出的结论，对CE风场模型进行了改进研究，并根据台风黑格比、灿都和韦森特台风记录和近地观测数据对改进的CE台风风场模型适用性进行验证。利用1949-2011年台风年鉴数据统计推断深圳、香港和上海遭遇台风的关键参数概率分布及其相关性，统计得到台风衰减模型。利用改进的CE台风风场模型，台风衰减模型结合Monte-Carlo模拟方法预测深圳、香港和上海不同重现期的极值风速，为台风区设计风速的确定和抗风减灾提供参考。本文研究得到的结论如下：(1)基于改进的CE台风风场模型，模拟登陆广东省的3个台风在不同观测站点风速和风向与观测结果整体局势吻合较好。选用Vickery08和Powell05参数B模型进行极值风速预测。在缺乏六级风速半径数据时，最大风速半径Rmax采用江志辉的具有统计意义的公式具有较好的模拟结果。(2)选用了500km只计算模拟圆内数据和250km计算所有数据两种情况，对于深圳、香港和上海分别提取从1949-2011年台风数据进行研究。本文提出了移动速度VT和中心气压差Δp服从Gamma分布，与经验分布直方图吻合较好。分析台风关键参数的相关性表明，最大风速半径Rmax取自然对数后分别与中心气压差Δp、纬度lat之间存在负相关。(3)在MonteCarlo模拟中采用模拟圆法，直线路径模型。每个台风移动方向θ、移动速度VT和最小距离Dmin视为不变的常数，台风登陆时中心气压差Δp发生变化，每个时刻Rmax和B都会发生变化，充分考虑了台风关键参数的的随机性。建议采用250km计算所有数据的台风关键参数概率分布，Vickery08参数B模型，极值风速概率分布选用Gumbel分布，深圳和香港模拟得到的极值风速低于规范推荐风速，上海的计算风速比规范推荐风速偏大。台风是随机性强受诸多因素影响的复杂自然现象，目前的数值模拟还需进一步研究：(1)台风风场求解过程中，Holland气压参数B对风速风向结果影响较大。本文采用登陆美国的飓风数据拟合得到的Vickery08和Powell05参数B模型求解我国东南沿海台风风场，具有较好的模拟结果。对于登陆我国的台风还需要更多的台风观测数据拟合参数B模型。(2)由于台风数据年限偏少，导致台风关键参数概率分布统计分析中样本-69- 哈尔滨工业大学工学硕士学位论文容量偏小，进而概率分布参数也不够精确。(3)在台风数值模拟过程中，在不同时刻、不同经纬度台风关键参数Δp、Rmax和B都按照统计的变化规律改变，但为了计算简化采用直线路经每个台风移动方向θ、移动速度VT和最小距离Dmin视为不变的常数，与实际台风的随机性有差异，应根据大量台风数据选取与实际接近的台风路径模型。-70- 哈尔滨工业大学工学硕士学位论文参考文献[1]袁娟娟,丁治英,王莉.1949—2007年登陆我国变性热带气旋的特征统计及合成分析[J].热带气象学报,2011(4):530-531.[2]葛耀君,赵林,项海帆.结构风工程中的台风数值模拟研究进展[C]//第十一届全国结构风工程学术会议,中国海南三亚,2004:48-49.[3]章国材.美国WRF模式的进展和应用前景[J].气象,2004,(12):27-31.[4]鄢俊一,王洪庆,张焱,等.卫星资料在中尺度模式ARPS中的应用[J].北京大学学报（自然科学版）,2006,(6):791-795.[5]ChowS.AStudyoftheWindFieldinthePlanetaryBoundaryLayerofaMovingTropicalCyclone[D].NewYork:NewYorkUniversity,1971.[6]GomesL,VickeryB.OnthePredictionofTropicalCycloneGustSpeedsaongtheNorthernCoast[J].1976:40-49.[7]BattsME,SimiuE,RussellLR.HurricaneWindSpeedsintheUnitedStates[J].JournaloftheStructuralDivision,1980,106(10):2001-2016.[8]ShapiroLJ.TheAsymmetricBoundaryLayerFlowUnderaTranslatingHurricane[J].JournaloftheAtmosphericSciences,1983,40(8):1984-1998.[9]GeorgiouPN.DesignWindSpeedsinTropicalCyclone-ProneRegions[D].London:TheUniversityofWesternOntario,1985.[10]VickeryPJ,TwisdaleLA.Wind-fieldandFillingModelsforHurricaneWind-SpeedPredictions[J].JournalofStructuralEngineeringNewYork,N.Y.,1995,121(11):1700-1709.[11]MengY,MatsuiM,HibiK.AnAnalyticalModelforSimulationoftheWindFieldinaTyphoonBoundaryLayer[J].Journalofwindengineeringandindustrialaerodynamics,1995,56(2):291-310.[12]VickeryPJ,SkerljPF,SteckleyAC,etal.HurricaneWindFieldModelforUseinHurricaneSimulations[J].JournalofStructuralEngineering,2000,126(10):1203-1221.[13]ThompsonEF,CardoneVJ.PracticalModelingofHurricaneSurfaceWindFields[J].JournalofWaterway,Port,Coastal,andOceanEngineering,1996,122(4):195-205.[14]VickeryPJ,SkerljPF,TwisdaleLA.SimulationofHurricaneRiskintheUS-71- 哈尔滨工业大学工学硕士学位论文usingEmpiricalTrackModel[J].JournalofStructuralEngineering,2000,126(10):1222-1237.[15]肖仪清,李利孝,宋丽莉,等.基于近海海面观测的台风黑格比风特性研究[J].空气动力学学报,2012,(3):380-387.[16]段忠东,肖玉凤,肖仪清,等.基于数值模拟的台风危险性分析综述(Ⅱ)——随机抽样模拟与极值风速预测[J].自然灾害学报,2012,(2):1-8.[17]赵林,葛耀君,项海帆.台风风场随机参数敏感性分析[J].同济大学学报(自然科学版),2005,(6):727-731.[18]赵林,葛耀君,宋丽莉,等.广州地区台风极值风特性蒙特卡罗随机模拟[J].同济大学学报(自然科学版),2007,(8):1034-1038.[19]陈孔沫.台风气压场和风场模式[J].海洋学报(中文版),1981,(1):44-56.[20]盛立芳,吴增茂.一种新的台风海面风场的拟合方法[J].热带气象学报,1993,(3):265-271.[21]佘军,袁业立,潘增弟.一个台风海面风场的数值模式及其后报检验[J].海洋学报(中文版),1995,(3):24-31.[22]肖玉凤,肖仪清,段忠东,等.CE风场模型在中国华南沿海地区的适用性研究[J].工程力学,2010,(10):251-256.[23]AryaSPS.SuggestedRevisionstoCertainBoundaryLayerParameterizationSchemesUsedinAtmosphericCirculationModels[J].MonthlyWeatherReview,1977,105(2):215-227.[24]HollandGJ.AnAnalyticModeloftheWindandPressureProfilesinHurricanes[J].MonthlyWeatherReview,1980,108(8):1212-1218.[25]李利孝.热带气旋边界层风场剖面特性及工程湍流特性研究[D].哈尔滨:哈尔滨工业大学深圳研究生院,2012:54-58.[26]LoveG,MurphyK.TheOperationalAnalysisofTropicalCycloneWindFieldsintheAustralianNorthernRegion[J].NorthrenTerritoryRegion:ButeauofMeteorology,1985.125-132.[27]HubbertGD,HollandGJ,LeslieLM.AReal-TimeSystemforForecastingTropicalCycloneStormSurges[J].WeatherandForecasting,1991,6(1):86-97.[28]HarperBA,HollandGJ.AnUpdatedParametricModeloftheTropicalCyclone[C].TheTwenty-ThirdConferenceonHurricanesandTropicalMeteorology,Dallas,1999:104-115.[29]李小莉,潘增弟,佘军.一种调整台风参数的方法[J].黄渤海海洋,1995,(2):11-15.-72- 哈尔滨工业大学工学硕士学位论文[30]江志辉,华锋,曲平.一个新的热带气旋参数调整方案[J].海洋科学进展,2008,(1):1-7.[31]陶立英,严济远,徐家良.Monte-Carlo模拟方法在风工程中的应用[J].南京气象学院学报,2001,(3):410-414.[32]RussellLR.ProbabilityDistributionsforHurricaneEffects[J].JournaloftheWaterways,HarborsandCoastalEngineeringDivision,1971,97(1):139-154.[33]LeeKH,RosowskyDV.SyntheticHurricaneWindSpeedRecords:DevelopmentofaDatabaseforHazardAnalysesandRiskStudies[J].NaturalHazardsReview,2007,8(2):23-33.[34]SimiuE.PrivateCommunicationwithSimiuE[J].2008.128-135.[35]CardoneVJ,GreenwoodCV,GreenwoodJA.UnifiedProgramfortheSpecificationofHurricaneBoundaryLayerWindsOverSurfacesofSpecifiedRoughness[R].Oceanweather,1992.65-70.[36]VickeryPJ,WadheraD.StatisticalModelsofHollandPressureProfileParameterandRadiustoMaximumWindsofHurricanesfromFlight-LevelPressureandH*Winddata[J].JournalofAppliedMeteorologyandClimatology,2008,47(10):2497-2517.[37]JinY,ThompsonWT,WangSP,etal.ANumericalStudyoftheEffectofDissipativeHeatingonTropicalCycloneIntensity.JournalofWeatherandForecasting,2007,22:950-966.[38]黄文锋.台风数值模拟及其作用下大跨桥梁非平稳抖振响应分析[D].哈尔滨:哈尔滨工业大学,2012:19-23.[39]肖玉凤.基于数值模拟的东南沿海台风危险性分析及轻钢结构风灾易损性研究[D].哈尔滨:哈尔滨工业大学深圳研究生院,2011:32-62.[40]MakinVK,KudryavtsevVN,MastenbroekC.DragoftheSeaSurface[J].Boundary-LayerMeteorology,1995,73(1-2):159-182.[41]WindStressonaWaterSurface[J].1995(Q.J.R.Met.Soc.81):639-640.[42]VickeryPJ,MastersFJ,PowellMD,etal.HurricaneHazardModeling:Thepast,present,andfuture[J].JournalofWindEngineeringandIndustrialAerodynamics,2009,97(7):392-405.[43]PowellMD,VickeryPJ,ReinholdTA,etal.ReducedDragCoefficientforHighWindSpeedsinTropicalCyclones[J].Nature,2003,422(6929):279-283.[44]VickeryPJ,WadheraD,PowellMD,etal.AHurricaneBoundaryLayerandWindFieldModelforUseinEngineeringApplications[J].JournalofApplied-73- 哈尔滨工业大学工学硕士学位论文MeteorologyandClimatology,2009,48(2):381-405.[45]KepertJ.TheDynamicsofBoundaryLayerJetsWithintheTropicalCycloneCore.PartI:Lineartheory[J].JournaloftheAtmosphericSciences,2001,58(17):2469-2484.[46]李军,游松财,黄敬峰.基于GIS的中国陆地表面粗糙度长度的空间分布[J].上海交通大学学报（农业科学版）,2006,(02):186-189.[47]PowellM,SoukupG,CockeS,etal.StateofFloridaHurricaneLossProjectionModel:AtmosphericScienceComponent[J].JournalofWindEngineeringandIndustrialAerodynamics,2005,93(8):651-674.[48]HollandG.ARevisedHurricanePressure-WindModel[J].MonthlyWeatherReview,2008,136(9):3432-3445.[49]魏巍.深圳市台风风场数值模拟与危险性分析[D].哈尔滨：哈尔滨工业大学硕士学位论文，2009:48-58.[50]赵林,朱乐东,葛耀君.上海地区台风风特性Monte-Carlo随机模拟研究[J].空气动力学学报,2009,(01)25-31.[51]中华人民共和国国家标准.《建筑结构荷载规范》GB50009-2012[S].中国建筑工业出版社.2012:100-102.[52]HolmesJD,KwokKCS,HitchcockP.ExteemeWindSpeedsandWindLoadFactorsforHongKong[C].TheSeventhAsia-PacificConferenceonWindEngineering,Taipei,2009:801-804.[53]香港风力效应作业守则-2004年说明资料[S].香港特别行政区政府,2004:2-3.-74- 哈尔滨工业大学工学硕士学位论文哈尔滨工业大学学位论文原创性声明和使用权限学位论文原创性声明本人郑重声明：此处所提交的学位论文《基于CE风场数值模拟的台风危险性分析方法研究》，是本人在导师指导下，在哈尔滨工业大学攻读学位期间独立进行研究工作所取得的成果，且学位论文中除已标注引用文献的部分外不包含他人完成或已发表的研究成果。对本学位论文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。作者签名：日期：2013年7月4日学位论文使用权限学位论文是研究生在哈尔滨工业大学攻读学位期间完成的成果，知识产权归属哈尔滨工业大学。学位论文的使用权限如下：(1)学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文，并向国家图书馆报送学位论文；(2)学校可以将学位论文部分或全部内容编入有关数据库进行检索和提供相应阅览服务；(3)研究生毕业后发表与此学位论文研究成果相关的学术论文和其他成果时，应征得导师同意，且第一署名单位为哈尔滨工业大学。保密论文在保密期内遵守有关保密规定，解密后适用于此使用权限规定。本人知悉学位论文的使用权限，并将遵守有关规定。作者签名：日期：2013年7月4日导师签名：日期：2013年7月4日-75- 哈尔滨工业大学工学硕士学位论文致谢本本文是在导师肖仪清教授的悉心指导下完成的，从选题、开题、中期到最终的完成倾注了导师大量的心血。肖老师知识渊博，科研态度严谨，对待我们和蔼可亲，不厌其烦的讲解讨论课题内容，这对我论文的顺利完成起到至关重要的作用。肖老师耐心的指引使我走出了课题难点的困惑，培养了我不断创新的科研精神和认真严谨的做事态度。在论文完成之际，谨向导师表示深深的感谢和由衷的敬意。感谢肖玉凤师姐给我提供了珍贵的资料并解答了不少问题，使我的论文在此基础上能够顺利完成。感谢李利孝师兄在课题期间对的我帮助和指导，不仅帮我查找资料，还和我讨论分析课题的困惑难点。同时感谢土木工程学科其他老师的无私帮助，在此表示深深的谢意。感谢远在西安的父母这么多年来含辛茹苦的养育之恩，感谢姐姐、姐夫和妹妹对我的关心和支持，在你们的精神鼓励下我克服困难，最终顺利完成课题的研究工作。感谢所有帮助关心我的同学和朋友，在两年的研究生求学过程中，陪我走过快乐与艰辛并存的时光。本文的研究得到了国家自然科学基金面上项目“台风近地层风场特性实测网络以及风场特性研究”（项目批准号：51278161)的资助，在此表示感谢。王宁娟2013年6月-76-