基于ERA5海浪再分析数据的风浪涌浪分离方法.pdf

第 44 卷第 8 期2023 年 8 月哈 尔 滨 工 程 大 学 学 报Journal of Harbin Engineering UniversityVol.44.8Aug.2023基于 ERA5 海浪再分析数据的风浪涌浪分离方法万勇1,沈培1,范陈清2(1.中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580;2.自然资源部第一海洋研究所 海洋物理与遥感研究室,山东 青岛 266061)摘 要:为了探究和分析海浪中的主要成分,本文基于 ERA5 海浪再分析数据,依据能量因子分离风、涌浪的原理,研究了风、涌浪的平均波周期与风速的分布规律。利用最小二乘拟合方法,提出了一种分离风、涌浪的方法,并将其命名为 TU 方法。通过将 TU 方法与波龄方法进行比较分析,验证 TU 方法的可行性和可靠性。结果显示:在本文的研究区域中,TU 方法与波龄方法识别风浪的正确率为 98.57%和 98.55%,TU 方法与波龄方法识别涌浪的正确率为 78.9%和 65.1%,表明根据风速与平均波周期 2 个参数识别涌浪,TU 方法效果比波龄方法更好。对高度计等缺少风向信息情况下分离风浪与涌浪有着重要的意义。关键词:风浪;涌浪;混合浪;风涌浪分离;ERA5 再分析数据;平均波周期;风速;波龄DOI:10.11990/jheu.202203037网络出版地址:https:/ 文献标志码:A 文章编号:1006-7043(2023)08-1283-06Separation method for wind waves and swells based on ERA5WAN Yong1,SHEN Pei1,FAN Chenqing2(1.College of Oceanography and Space Information,China University of Petroleum,Qingdao 266580,China;2.Lab of Marine Physics and Remote Sensing,First Institute of Oceanography,Ministry of Natural Resources,Qingdao 266061,China)Abstract:Ocean waves involve complex stochastic processes comprising wind waves and swells.Marine accidents easily emerge owing to the highly destructive power of swells.Therefore,the distribution law of the average wave period of wind and surge and wind speed is studied on the basis of reanalysis data of ERA5 waves and the principle of separating winds and surges by energy factor to explore and analyze the principal components in ocean waves.A separation method for wind and swell using the least squares fitting method is proposed and named the TU method.The feasibility and reliability of the TU method are verified by comparing and analyzing the proposed method with the wave age method.The results show that in the study area of this paper,the accuracy rates of identifying wind waves using the TU and wave age methods are 98.57%and 98.55%,respectively,while those of identifying swells using the TU and wave age methods are 78.9%and 65.1%,respectively.These findings indicate that the TU method performs better than the wave age method in identifying swells based on the two parameters of wind speed and average wave period.Separation of wind waves and swells in the absence of wind direction information,such as an altimeter,is considerably important.Keywords:wind wave;swell;mixed wave;separation of wind waves and swells;ERA-5 wave reanalysis data;average wave period;wind speed;wave age收稿日期:2022-03-02.网络出版日期:2023-06-14.基金项目:国家重点研发计划(2016YFA0600102).作者简介:万勇,男,副教授.通信作者:万勇,E-mail:wanyong .近年来,随着中国经济的快速发展,我国海洋政策重心的不断调整,海洋工程建设及海洋能源的开发利用在持续进行中1。在海洋中作业主要受海浪影响,实际的海浪大部分是以不同成份的风浪与涌浪混合而成。其中,风浪是指由局地风直接引起的海浪;涌浪是指随着风速的陡然降低、风向的骤然改变传出风区的海浪。由于风浪和涌浪的成长、消衰、传播、破坏力机制都不同2,根据复杂海浪状况中的海浪信息,深入研究风浪与涌浪的相关特性,详细描述当前海浪状态,有助于海洋科学的研究,避免海洋事故的发生,保证海上作业以及沿海民众生产生活的安全进行3。迄今为止,风涌分离方法大致可分为波型方法、有向海浪谱方法和无向海浪谱方法4。其中,波型哈 尔 滨 工 程 大 学 学 报第 44 卷方法通过海浪的外表特征判别风浪与涌浪,由于该方法是通过海表面判断海浪状态,所以准确率较低;有向海浪谱是根据风与海洋表面相互作用产生能量生成海浪的原理,利用海浪方向谱和风速矢量信息来判断风浪与涌浪。因此,也被认为可以给出准确可靠的分离结果,通常被认定是风涌浪分离的标准方法。但需要考虑的信息量繁多,且在实践中不易获取,从而导致有向海浪谱风涌分离方法目前仍难以普及5-12。相比之下,无向风涌分离方法更适用于解决实际问题13。Earel14基于 PM 谱提出了分割频率和当地风速之间的经验性公式,根据分割频率分离风浪与涌浪。汪炳祥15利用波要素提出了一种在深水海浪与浅水海浪中识别涌浪的方法。Wang 等16提出了风浪和涌浪的分割频率和波陡函数的峰值频率之间的关系式。Wang17基于 PM 谱修改了波陡函数的峰值频率跟分割频率之间的规律,提出了 WH 方法。Portilla18基于 Sutherland 提出的风浪成长所特有的超射现象,将海浪谱的各个峰值看作独立的波浪系统,实现风、涌浪的分离。李水清19对 PM 方法中分割频率的比例系数进行了调整,提高了风涌分离的准确性。Hwang20在波陡函数的方法基础上进行改进。Vincent21认为非线性相互作用机制与光谱中涌浪和海洋成分之间的能量转移有联系。综上所述,无向海浪谱比有向海浪谱风涌分离方法更适用于实际应用22-25。无向海浪谱风涌分离中波龄方法是普遍应用的方法,但是由于波龄方法门限值的不确定性,存在准确性无法保证的缺陷。因此,有必要研究并建立风涌分离方法,解决目前无向海浪谱风涌分离精确度低的问题,为缺少风向信息的海域高效地分离海浪中风浪与涌浪、精确地描述海浪状态提供可靠的参考方法。本文基于 ERA5 海浪再分析数据,利用有向海浪谱风涌分离方法得到了 2018 年印度洋海域风浪和涌浪作为本文建模数据集。分析了风浪与涌浪的平均波周期随风速的变化规律,利用最小二乘法定义了分离风浪与涌浪的新判别函数。基于 2020 年印度洋海域与南海海域的 ERA5 海浪再分析数据,对比分析波龄方法与 TU 方法的效果,验证了本文所提出的风涌分离方法的优势。1 数据源1.1 研究区域概述 本文的研究区域为中国南海海域(105 E 120E,0N 24N)和印度洋海域(30E 100E,5S30N),选择印度洋海域的数据进行方法的建模,选择印度洋和南海海域的数据验证平均波周期与网速,本文提出的风涌分离方法的可行性,探究各方法分离风、涌浪的效果是否受海域的影响26-29。如图 1 所示,波龄值的大小表示涌浪的强度,因此说明研究区域中不同经纬度的涌浪强度具有明显差异,即研究区域中包含了不同的海浪状态,选择的区域适合于开展本文的研究工作。图 1 2018 年研究区域的涌浪强度分布Fig.1 Global distributions of swell index of the study area in 20181.2 ERA5 数据 ERA5 是 ECMWF 对全球气候的第五代大气再分析 数 据(the fifth generation ecmwf reanalyses,ERA5),几乎包含了描述风场和波浪场的所有参数,风场的数据包括海面 10 m 高度处的风速,波浪场的数据包括风浪、涌浪和混合浪的平均波周期等参数,能够提供比较精准的风浪、涌浪和混合浪的基础参数信息,为后续方法的建模与验证提供了数据源。考虑海浪场中波要素有着显着的季节性变化特征29,本文首先提取了研究海域 2018 年一月、四月、七月以及十月的海浪数据,分析了不同月份以风浪为主和以涌浪为主的 2 组海浪数据中混合浪的平均波周期随风速变化的分布趋势,从而实现 TU 方法的建模。然后,选取 2020 年研究海域 12 个月份的 ERA5 海浪再分析数据,分析了不同月份波龄方法与 TU 方法判断风涌的正确率,并对 TU 方法的精度进行了验证。2 TU 方法的建模 本文根据能量因子的概念,处理了 2018 年印度洋海域 ERA5 海浪再分析数据,提取了以风浪为主和以涌浪为主 2 组海浪数据的平均波周期和风速作为本文研究的建模数据集。根据海浪是由高频风浪与低频涌浪组成原理,分析建模数据集中风浪数据与涌浪数据的分布规律。应用最小二乘法建立风涌分离方法。因本文根据平均波周期与风速的分布规律,建立了风涌分离方法。且一般情况下,用 T 表示平均波周期,U 表示风速,本文将提出的风涌分离方法命名为 TU 方法。2.1 数据集的建立 郭佩芳等6通过风浪谱和混合海浪谱的零阶4821第 8 期万勇,等:基于 ERA5 海浪再分析数据的风浪涌浪分离方法矩,提出了混合浪能量成分因子的概念,并将其作为风、涌浪划分判据7。本文主要利用风浪、涌浪以及混合浪的有效波高信息和 10 m 风速,从海浪谱能量因子的角度出发,对研究海域的风、涌浪状况进行了初步的划分。其中零阶矩与特征参量有效波高 H关系以及混合浪能量成分因子分别为:M=H2/16(1)G=MoMow=1+MosMow(2)式中:M 表示零阶矩;G 表示能量因子;Mow、Mos和Mo分别为风浪、涌浪以及混合浪的零阶矩。当 G-0.02U210+1.115U10-2 时,表示此时的海浪以涌浪为主,否则以风浪为主。如图 3 所示,曲线表示基于 TU方法的线性函数,曲线左部分的测量结果大多以涌浪为主,曲线右部分的测量结果大多以风浪为主。图 3 2018 年印度洋海域 TU 方法划分风、涌浪效果Fig.3 TU method divides wind sea and swell in the Indi-an Ocean in 20183 方法的验证与比较 本文从判断风、涌浪的正确率和稳定性 2 个角度对 TU 方法与波龄法的分离效果进行了对比与分析,通过不同海域、不同月份的对比。3.1 波龄方法 波龄是风浪成长率的指标,当波龄达到门限值时,标志着风浪达到了充分发展的海浪状态,即此时的海浪从以风浪为主的海浪转变为以涌浪为主的海浪。波龄门限值 为:=gT2U10(4)一般波龄的门限设置在 1.41.732。为保证波龄方法判定涌浪的效果,将波龄设置为门限范围内的最低值,即 1.4 的情况下,认为此时海面的海浪以涌浪为主,否则以风浪为主。波龄方法使用平均波周期和风速 2 个参数识别风、涌浪状况,是目 前应用较为广泛的无向海浪谱风涌分离方法。根据得到的建模数据集,可见风浪与涌浪数据有明显分布规律,但波龄方法划分风、涌浪数据时存在较多风浪误判成涌浪的现象,如图 4 所示。且波龄目前没有固定的门限值,导致识别风浪与涌浪的效果具有不确定性。针对以上问题,接下来将通过比较 TU方法和波龄方法识别风浪与涌浪数据的正确率和稳定性,说明拟合提出 TU 方法的优越性。图 4 2018 年印度洋海域中波龄方法划分风、涌浪效果图Fig.4 Wave age method divides wind sea and swell in the Indian Ocean in 20183.2 TU 方法的验证 根据基于能量因子的风涌分离方法介绍,利用ERA5 海浪再分析数据,对 2020 年南海海域与印度洋海域进行风、涌浪分离,得到了风、涌浪的分离结果作为验证数据集。然后分别计算 TU 方法和波龄方法分离风、涌浪的正确率和方差为:P=x1/x2(5)D(p)=n1(M-pn)2/n(6)式中:P 表示正确率;x1表示正确判别的涌浪样本数;x2表示验证数据集中涌浪样本数;D(p)表示涌浪方差;M 表示正确率的平均数;n 为 12,即 12 个月。根据计算得出正确率和方差,得到折线图,如图5 所示,y1和 y2分别表示波龄方法和 TU 方法判断风浪的正确率,y3和 y4分别表示波龄方法和 TU 方法判断涌浪的正确率。图 5 2020 年研究海域中波龄方法与 TU 方法判定风、涌浪数据的正确率Fig.5 The accuracy of wave age method and TU method divides wind and swell data in the sea area in 20206821第 8 期万勇,等:基于 ERA5 海浪再分析数据的风浪涌浪分离方法 可以看出尽管 TU 方法和波龄方法判断风浪的正确率相近,但是 TU 方法判断涌浪的正确率80%90%左右,明显高于波龄方法。且印度洋海域y1、y2、y3和 y4的方差分别为 1.50、1.44、3.9 和3.1,南海海域 y1、y2、y3和 y4的方差分别为 8.9、5.4、12.2 和 5.48,方差越小说明该方法在各种情况下的精度表现更稳定,方法的适用性更好,因为 TU方法的方差远小于波龄方法,所以适用性比波龄方法更好。根据以上对比分析,综合考虑 2 种方法识别涌浪的准确率和方差,可得出结论:TU 方法判断涌浪的准确性和稳定性皆优于波龄方法,在分离风、涌浪方面可以取得更好的效果。4 结论 1)本文提出的 TU 方法判断涌浪的准确性和稳定性皆优于波龄方法,可作为风涌分离的判据。2)本文提出的风涌分离 TU 方法,在风浪和涌浪成分分离方面有一定的局限性,即只能判断海浪是风浪主导还是涌浪主导。3)与先前的研究工作不同的是,本文利用了平均波周期与风速实现风流涌浪的分离,先前的波要素风涌分离方法以有效波高和风速分离风浪与涌浪较多。4)本文只需风速与平均波周期 2 个海浪参数,即可实现风、涌浪的分离,为一些需要判断涌浪的研究提供了便捷的方法,如海浪建模,卫星算法的验证,海岸工程和船舶航线等,对高度计等无风向信息的海浪遥感探测复杂海域也具有重要的意义。参考文献:1 周延东,雷震名,孙国民,等.涌浪基本理论研究综述J.水道港口,2016,37(1):1-6.ZHOU Yandong,LEI Zhenming,SUN Guomin,et al.A review on basic theory research of swellJ.Journal of wa-terway and harbor,2016,37(1):1-6.2 ZHENG C,LI C,WU H,et al.Wind-sea,swell and mixed wave energy M.Beijing:The Ocean Publishing Company,2019.3 贾楠,赵栋梁.大洋中涌浪对风浪能量的影响J.中国海洋大学学报(自然科学版),2019,49(6):1-6.JIA Nan,ZHAO Dongliang.The influence of swell on wind wave energy in the oceanJ.Periodical of Ocean Univer-sity of China,2019,49(6):1-6.4 TAO Aifeng,YAN Jin,PEI Ye,et al.Swells of the East China Sea J.Journal of Ocean University of China,2017,16(4):674-682.5 张龙刚.S 波段多普勒雷达海浪提取关键技术研究D.武汉:武汉大学,2016.ZHANG Longgang.Ocean wave extracting technology using S-band Doppler radar D.Wuhan:Wuhan University,2016.6 YOUNG I R,RIBAL A.Multiplatform evaluation of global trends in wind speed and wave heightJ.Science,2019,364(6440):548-552.7 YANG Qingxuan,NIKURASHIN M,SASAKI H,et al.Dissipation of mesoscale eddies and its contribution to mix-ing in the northern South China SeaJ.Scientific reports,2019,9:556.8 CHU Xiaoqing,CHEN Gengxin,QI Yiquan.Periodic me-soscale eddies in the South China SeaJ.Journal of geo-physical research:oceans,2020,125(1):25-35.9 PORTILLA-YANDN J,CAVALERI L,VAN VLEDDER G P.Wave spectra partitioning and long term statistical distributionJ.Ocean modelling,2015,96:148-160.10 张顺.基于波数谱的风涌分离算法研究D.哈尔滨:哈尔滨工程大学,2018.ZHANG Shun.Research on wind sea and swell separation algorithm based on wave number spectrumD.Harbin:Harbin Engineering University,2018.11 FUJIKI T,MORI N,KAWAGUCHI K,et al.Automated partitioning of directional wave spectrum with gaussian mix-ture modelJ.Journal of Japan society of civil engineers ser B2(coastal engineering),2018,74(2):103-108.12 UMA G,SANNASIRAJ S A.Swell and sea characteristics along the south-west coast of India during the monsoonJ.Ocean engineering,2021,237:109572.13 朱寿建,李慧,吴迪,等.基于风涌浪分离理论的波浪能短期预测J.人民长江,2018,49(7):77-80.ZHU Shoujian,LI Hui,WU Di,et al.Short-term prediction on marine wave based on theory of wind-wave and swell sep-arationJ.Yangtze River,2018,49(7):77-80.14 EARLE M D.Development of algorithms for separation of sea and swellJ.National data buoy center Tech Rep MEC,Hancock County,1984,53:1-53.15 汪炳祥,常瑞芳,王一飞.风浪与涌浪的划分判据J.黄渤海海洋,1990,8(1):16-24.WANG Bingyang,CHANG Ruifang,WANG Yifei.Criteria of differentiating swell from wind wavesJ.Journal of O-ceanography of Huanghai&Bohai Seas,1990,8(1):16-24.16 WANG D,GILHOUSEN D.Separation of seas and swells from NDBC buoy wave dataC/Fifth Int.Workshop on Wave Hindcasting and Forecasting.Environment Canada Melbourne,Florida,FL,ASCE,1998:155-162.17 WANG D W,HWANG P A.An operational method for separating wind sea and swell from ocean wave spectraJ.Journal of atmospheric and oceanic technology,2001,18(12):2052-2062.18 SUTHERLAND A J.Growth of spectral components in a wind-generated wave trainJ.Journal of fluid mechan-ics,1968,33(3):545-560.19 LI Shuiqing,ZHAO Dongliang.Comparison of spectral partitioning techniques for wind wave and swellJ.Ma-rine science bulletin,2012,14(2):24-36.20 HWANG P A,OCAMPO-TORRES F J,GARCA-NAVA H.Wind Sea and swell separation of 1D wave spectrum by a spectrum integration methodJ.Journal of atmospheric and oceanic technology,2012,29(1):116-128.(下转第 1312 页)7821哈 尔 滨 工 程 大 学 学 报第 44 卷动建模的影响J.中国造船,2011,52(3):46-51.ZHANG Xinguang,ZOU Zaojian.The effect of SVR in-sensitive factor on modeling of motionJ.Shipbuilding of China,2011,52(3):46-51.26 PERERA L P,OLIVEIRA P,GUEDES SOARES C.Sys-tem identification of vessel steering with unstructured un-certainties by persistent excitation maneuversJ.IEEE journal of oceanic engineering,2016,41(3):515-528.27 ZHU Man.Identification-based simplified model of large container ships using support vector machines and artifi-cial bee colony algorithmJ.Applied ocean research,2017,68:249-261.28 张秀凤,王晓雪,孟耀,等.船舶运动建模与仿真研究进展及未来发展趋势J.大连海事大学学报,2021,47(1):1-8.ZHANG Xiufeng,WANG Xiaoxue,MENG Yao,et al.Research progress and future development trend of ship motion modeling and simulation J.Journal of Dalian Maritime University,2021,47(1):1-8.29 陈颖,张灿,肖春艳,等.基于 GWO-SVR 的土壤镉元素含量含水率校正预测模型研究J.光学学报,2020,40(10):1030002.CHEN Ying,ZHANG Can,XIAO Chunyan,et al.Study on correction and prediction model of soil cadmium con-tent and moisture content based on GWO-SVRJ.Acta optica sinica,2020,40(10):1030002.本文引用格式:孟耀,张秀凤,陈雨农.基于改进灰狼算法的船舶数学模型参数辨识J.哈尔滨工程大学学报,2023,44(8):1304-1312.MENG Yao,ZHANG Xiufeng,CHEN Yunong.Parameter identification of a ship mathematical model based on the modified grey wolf algorithmJ.Journal of Harbin Engineering University,2023,44(8):1304-1312.(上接第 1287 页)21 林伊楠,陶爱峰,李雪丁,等.台湾海峡风涌浪分离方法研究J.海洋学报,2019,41(11):25-34.LIN Yinan,TAO Aifeng,LI Xueding,et al.Study on separation method of wind-wave and swell in the Taiwan Strait J.Haiyang Xuebao,2019,41(11):25-34.22 徐嘉.大型浅水湖泊近岸波浪的风、涌分离及其演化机制:以太湖为例 D.南京:南京信息工程大学,2021.XU Jia.Wind-surge separation and its evolution mecha-nism of nearshore waves in large shallow lakesa case study of Taihu LakeD.Nanjing:Nanjing University of Information Science&Technology,2021.23 朱绍华,于文太,李广帅,等.基于双峰海浪谱的风浪和涌浪分离应用研究J.中国造船,2017,58(4):160-167.ZHU Shaohua,YU Wentai,LI Guangshuai,et al.Sepa-ration of wind wave and swell based on double peak spec-trum J.Shipbuilding of China,2017,58(4):160-167.24 WANG Jichao,WANG Yue.Evaluation of the ERA5 sig-nificant wave height against NDBC buoy data from 1979 to 2019J.Marine geodesy,2022,45(2):151-165.25 ZHU S,WENTAI Y U,GUANGSHUAI L I,et al.Sepa-ration of Wind Wave and Swell Based on Double Peak SpectrumJ.Shipbuilding of China,2017.26 VINCENT C L,THOMSON J,GRABER H C,et al.Im-pact of swell on the wind-sea and resulting modulation of stressJ.Progress in oceanography,2019,178:102164.27 陆恒星,东海台风涌浪的空间分布特征及其衰减率估计D.上海:上海海洋大学,2021:1-44.LU Hengxing.Spatial distribution characteristics and at-tenuation rate estimation of typhoon swell in the East China Sea D.Shanghai:Shanghai Ocean University,2021:1-44.28 郑崇伟,李崇银,李训强,等.印度洋的风浪、涌浪和混合浪的时空特征J.解放军理工大学,2016,17(4):379-385.ZHENG Chongwei,LI Chongyin LI Xunqiang,et al.Tem-poralandspatialdistributionof windsea,swellandmixed-waveinIndianOceanJ.Journal of Army Engineering Uni-versity of PLA,2016,17(4):379-385.29 XU Fumin,YU Maoling,XING Tian,et al.Simulation study of disastrous waves along indonesian offshore and coast un-der roaring forties and tropical cyclonesJ.Journal of ma-rine science and application,2022,(1):80-91.本文引用格式:万勇,沈培,范陈清.基于 ERA5 海浪再分析数据的风浪涌浪分离方法J.哈尔滨工程大学学报,2023,44(8):1283-1287,1312.WAN Yong,SHEN Pei,FAN Chenqing.Separation method for wind waves and swells based on ERA5J.Journal of Harbin Engineering University,2023,44(8):1283-1287,1312.2131