台风影响期间养殖海湾的盐度特征分析及预报.pdf

第 46 卷第 5 期气象与环境科学Vol.46 No.52023 年 9 月Meteorological and Environmental SciencesSep.2023收稿日期:2020-07-07;修订日期:2021-08-31基金项目:华 东 区 域 气 象 科 技 协 同 创 新 基 金 合 作 项 目(QYHZ201808);宁 波 市 科 技 局 项 目(2014C50024);宁 波 市 自 然 科 学 基 金(2019A610450);江北区科技局项目(2022C06)资助作者简介:金靓(1989),女,浙江宁波人,高级工程师,学士,从事台风与海洋气象研究.E-mail:通信作者:钱燕珍(1968),女,浙江宁波人,正研级高工,学士,从事灾害性天气预报服务技术研究.E-mail:qian-y-金靓,王立超,钱燕珍,等.台风影响期间养殖海湾的盐度特征分析及预报J.气象与环境科学,2023,46(5):51-58.Jin Liang,Wang Lichao,Qian Yanzhen,et al.Characteristic Analysis and Forecast of Salinity in Cage Embayment During Typhoon PeriodJ.Meteorologi-cal and Environmental Sciences,2023,46(5):51-58.Doi:10.16765/ki.1673-7148.2023.05.007台风影响期间养殖海湾的盐度特征分析及预报金靓1,王立超2,钱燕珍3,申子彬2,赵昶昱4(1.宁波市江北区气象局,浙江 宁波 315000;2.宁海县气象局,浙江 宁海 315600;3.宁波市气象服务中心,浙江 宁波 315012;4.宁波市气象台,浙江 宁波 315012)摘要:利用2012 2018年海湾养殖区盐度、附近的潮汐和气象资料,对台风影响期间海湾盐度变化进行特征分析和预报。结果表明:(1)无台风影响期间,盐度月相变化与潮差具有显著的时滞相关性,盐度与1 2个月之前的降水量和蒸发量相关性最好,进而基于2阶谐波和最优子集回归方程建立日常日均/最高/最低盐度预报模型。(2)强降水型台风影响期间,台风暴雨是导致盐度下降的主要因素,日均/最高/最低盐度变量与日累积降水量呈显著负相关;非强降水型台风影响期间,台风增水作用是导致盐度上升的主要因素,盐度变量与日均潮位增量呈显著正相关。(3)用日累积降水量建立强降水型台风日均/最高/最低盐度变量预报模型,用日均潮位增量建立非强降水型台风盐度变量预报模型,将其与无台风影响期间盐度预报模型叠加,最终得到完整的台风影响期间盐度预报模型。经检验,模拟值和观测值的相关系数在0.9以上,绝对误差不超过1,可用于业务实践。关键词:台风;盐度;降水;蒸发;潮位中图分类号:P731.12文献标志码:A文章编号:1673-7148(2023)05-0051-08引言 水温、盐度等水环境要素与养殖产品的生长发育、产量品质等密切相关1-2,盐度的精细化预报是气象服务的关注点。针对台风影响期间盐度特征变化已有 研 究。许 东 峰 等3利 用 西 太 平 洋 暖 池 区Argo 资料研究发现,台风经过海面时,海表盐度变化取决于降雨、蒸发、混合层内混合增强和跃层涌升4 个效应的最终结果,其中台风降水可能抑制强风带来的混合加剧效果,盐度在大多数台风经过时都会下降。郭卫东等4初步探究了台风暴雨期间厦门湾表层海水盐度的变化特征,发现盐度受台风期间巨大的集中降水影响而急剧下降。赵聪蛟等5利用象山港内的海洋监测浮标资料,分析了“海葵”台风期间盐度变化特征,发现此次台风增水加上周边山体径流一起汇入象山港,使港内水量增加,盐度在台风登陆 5 h 左右降至最低。海表盐度受台风影响的机制较为复杂,对不同台风的响应也有着明显差异。如 1323 号“菲特”台风影响期间,当地养殖海湾盐度从 28骤降至 20以下,2018 年 78 月多个台风影响期间,该地区盐度均维持在 28左右。因此需分析模拟不同类型台风影响期间盐度变化特征。目前常用的预报方法主要包括物理方法6-7和统计方法8-9。物理方法机理性强,但参数较多,且各参数存在较大不确定性,实际应用时难度大;统计方法计算相对简单,在盐度模拟中得到了广泛应用,但多集中于大尺度空间和时间的盐度预报,针对台风期间单点预报较为气象与环境科学第 46 卷少见。基于宁波地区海湾养殖区盐度资料及附近的潮汐和气象资料,利用谐波分析等方法,探究日常盐度变化特征,在此基础上通过典型相关分析法,对不同类型台风分别建立相应的预报模型,尝试预报台风影响期间该海湾盐度变化,为海水养殖气象服务引入新方法。1资料与方法1.1资料盐度资料为宁波西沪港养殖区 ZQZ-A 特种温盐观测站监测的2.5 m 盐度小时数据。潮汐资料为象山大目涂站小时潮位数据,按照地面气象观测规范10的相关规定,将小时数据换算为日数据。通常宁波市9个国家站中有一个出现过程降水量50 mm 或阵风8级,即定为“影响台风”11。影响宁波时间最早的台风为2006年5月17 18日(阴历4月2021日)0601号“珍珠”,最晚的是2004年12月34日(阴历10月22 23日)0428号“南玛都”。有针对性地选择试验期间(2012 2018年,每年阴历4月20日10月23日,2014年因仪器问题全年缺测)有完整盐度和潮位日数据的台风作为研究案例。由于盐度变化和降雨及蒸发之间存在非同期关系12,常规气象要素选择20122013年及20152018年全年的外高泥自动站和象山国家站日数据,包括气温、相对湿度、降水量、风速、蒸发量和日照时数。图 1为养殖区及附近观测站分布。图 1西沪港养殖区及附近观测站(a)和西沪港特种温盐观测站照片(b)黄线表示观测站之间的直线距离1.2蒸发量计算FAO 的 Penman-Monteith 方法13-14是计算参考作物蒸散量的标准方法,计算公式为ET0=0.408(Rn-G)+900T+273u2(ea-ed)+(1+0.34u2)(1)式中,ET0为参考作物蒸散量(mm/d),Rn为净辐射MJ/(m2d),G 为土壤热通量密度MJ/(m2d),u2为 2 m 高处风速(m/s),T 为日平均气温(),ea和 ed分别为 饱 和 水 汽 压 与 实 际 水 汽 压(kPa),为水汽压曲线斜率(kPa/),为湿度计算常量(kPa/)。当地蒸发量观测数据分两个阶段:1979 年 7 月1 日至 2013 年 12 月 31 日 AM3 小型蒸发器(即蒸发皿)的人工观测资料和之后 WHSH-PBV 大型蒸发传感器的自动观测资料。经质控,蒸发皿的人工观测资料比较可靠,WHSH-PBV 大型蒸发传感器的自动观测资料稳定性较差。故本研究利用试验期间的蒸发皿数据和 ET0进行相关性分析。结果表明,2012 年和 2013 年两者的相关系数分别为 0.94 和0.92,均通过极显著检验,故采用 P-M 公式计算所得的参考作物蒸散量代表当地的蒸发量。1.3谐波方法利用谐波方法统计分析试验期间剔除台风影响后的盐度特征,寻找其变化周期和趋势15。由于潮汐月变 化 与 阴 历 对 应16,盐 度 随 潮 位 升 降 而 增减17,故盐度也存在着月相变化。朔望月为相同月相重现一次的时间,是 29 日 12 时 44 分 3 秒。对盐度资料按朔望月排列,整理出初一到三十的日均/最高/最低序列的统计平均值,并用正弦函数表示:f(t)=a0+mk=1(akcoskkt+bksinkkt)(2)a0=1nnt=1f(t)ak=2nnt=1f(t)coskk(t-1)bk=2nnt=1f(t)sinkk(t-1)(3)25第 5 期金靓等:台风影响期间养殖海湾的盐度特征分析及预报S2k=12(a2k+b2k)(4)gl=nS2lki=1nS2il=1,2,3,k (5)式中,t 为时间序列,k 为谐波次数(取值范围 1,2,3,15),a0为样本序列的平均值,ak和 bk为傅里叶系数,k=2k/T 为第 k 次谐波的频率,T 为基本周期,n 为样本序列数(30),S2k为第 k 次谐波方差,gl为第 l 个谐波周期的方差在总方差中的贡献。2盐度的气候变化特征 台风影响期间盐度变化分为两方面:首先是受潮汐等影响日常的盐度变化,其次是由于台风的存在引起的盐度变化。因此要作台风影响期间盐度变化预报,需先分析没有台风影响时盐度变化规律,建立预报模型,再分析台风引起的盐度变化,建立预报模型。两种模型叠加,才是台风影响期间盐度的预报模型。2.1盐度的月相变化对无台风影响期间日均/最高/最低盐度进行谐波分析,得到第 2 谐波有最大的方差贡献,方差贡献率在 45%以上,第 1 谐波有次大的方差贡献,方差贡献率在 34%以上,均通过=0.01 的显著性检验,故选择 2 阶谐波模拟盐度月相变化(表 1)。盐度拟合的月相效应曲线如图 2 所示:盐度随月相的变化具有一定规律性,在一个朔望月内有两个极大值和极小值,其主极大、主极小、次极大、次极小值出现时间基本与望(十六)、下弦(廿三)、朔(初一)、上弦(初八)时间吻合,并提前于潮差极值时间 2 4 d,且提前 4 d 时日均/最高/最低盐度与其相关系数分别为0.72、0.77 和 0.67,均通过极显著检验,表明盐度月相变化与潮差具有较好的时滞相关性。因此可基于2 阶谐波特征参量,构建盐度谐波模型:Save=23.66+-0.02cos15t+0.12sin15t()+0.10cos415t-0.08sin415t()Smax=23.91+-0.01cos15t+0.11sin15t()+0.11cos415t-0.08sin415t()Smin=23.36+-0.04cos15t+0.12sin15t()+0.06cos415t-0.10sin415t()(6)式中,Save、Smax、Smin为日均/最高/最低盐度,t 为阴历日期。表 1不同波次谐波对日均/最高/最低盐度变化的方差贡献率平均波次方差贡献率/%最高波次方差贡献率/%最低 波次方差贡献率/%20.4520.5620.45 10.4410.3410.41 50.0130.0490.04注:表示方差贡献通过=0.01 水平的显著性检验。图 2日均/最高/最低盐度(彩色实线)和潮差(黑线)的月相变化及盐度谐波拟合(彩色虚线)2.2盐度季节变化与降水和蒸发的关系研究表明,大洋表面盐度同降水量与蒸发量之差的分布规律具有较好一致性16,气候上盐度变化与降水和蒸发之间存在滞后相关性12。本文研究海湾盐度与降水和蒸发之间的相关性及滞后规律。定义滑动阴历月份:4 月为 4 月 20 日至 5 月 20 日、4月 21 日至 5 月 21 日4 月 29 日至 5 月 29 日(每月 30 d,以开始时间为月份定义),以此类推。对月均盐度与月降水量和蒸发量进行滞后相关分析可见(图 3):盐度与降水变化存在负相关关系,相关系数35气象与环境科学第 46 卷为-0.2-0.9,盐度滞后降水 1 4 个月,其中滞后12 个月相关性最好,相关系数最大为-0.9;盐度与蒸发变化存在正相关关系,相关系数为 0.30.8,盐度滞后蒸发 14 个月,其中滞后 12 个月相关性最好,相关系数最大为 0.8。以上相关系数均通过=0.1 水平的显著性检验。此外,月最高/最低盐度与降水量和蒸发量也存在着较好的相关性。以给定日期前 12 个月的降水量和蒸发量为自变量,计算所有可能的子集回归,并按 CSC 准则18从中确定 1 个最优子集回归,建立月均/最高/最低盐度预报模型:S-ave=17.8-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.078 m月(t-1)日i=(m-1)月t日EiS-max=18.2-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.077 m月(t-1)日i=(m-1)月t日EiS-min=17.4-0.005 m月(t-1)日i=(m-1)月t日Pi-0.006(m-1)月(t-1)日i=(m-2)月t日Pi+0.080 m月(t-1)日i=(m-1)月t日Ei(7)将方程组(7)代入(6),建立日常日均/最高/最低盐度预报模型:Save=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.078 m月(t-1)日i=(m-1)月t日Ei+-0.02cos15t+0.12sin15t()+0.10cos415t-0.08sin415t()+17.8Smax=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.077 m月(t-1)日i=(m-1)月t日Ei+-0.01cos15t+0.11sin15t()+0.11cos415t-0.08sin415t()+18.2Smin=-0.005 m月(t-1)日i=(m-1)月t日Pi-0.006(m-1)月(t-1)日i=(m-2)月t日Pi+0.080 m月(t-1)日i=(m-1)月t日Ei+-0.04cos15t+0.12sin15t()+0.06cos415t-0.10sin415t()+17.4(8)式中,Save、Smax、Smin为日均/最高/最低盐度,m、t 分别为阴历月份和日期,Pi和 Ei分别为日降水量和蒸发量。图 3降水量(a)与蒸发量(b)和月均盐度的时滞相关性红、蓝色块分别为相关系数通过 0.001 和 0.1 水平的显著性检验3台风影响期间盐度预报与检验 由于不同台风降水对盐度影响存在着较大差别,因此将宁波市 9 个国家站中有一个出现台风过程降水量超 100 mm 且最大日降水量超 50 mm 的台风定义 为 强 降 水 型 台 风19,其 他 为 非 强 降 水 型台风。3.1盐度及相关要素变化特征挑选 1323 号“菲特”和 1810 号“安比”分别作为强降水型和非强降水型台风代表个例,分析盐度和气象水文要素变化特征。为了研究台风增水特征,定义台风影响期间实际观测潮位与常年同期(阴历)平均潮位之差为潮位增量。由两例台风影响期间盐度、降水量和潮位增量的逐时变化特征45第 5 期金靓等:台风影响期间养殖海湾的盐度特征分析及预报(图 4)可见:强降水型台风降雨前 36 h 潮位开始上升,降雨后 24 h 内显著升高并出现“响应高峰”(达到本次观测最高值),盐度波动不大;降雨后2460 h出现巨大的集中降水,盐度大幅下降并于第 48 h 左右出现“响应高峰”(达到本次观测最低值),说明台风暴雨是导致盐度降低的主要因素。非强降水型台风降雨前 36 h 潮位和盐度上升,并于降雨后 12 24 h 出现“响应高峰”(达到本次观测最高值),之后逐渐恢复,盐度变化略滞后于潮位变化,表明弱降水时影响盐度变化的主要因素是台风增水作用。图 4台风影响期间盐度(红线)、降水量(蓝柱)和潮位增量(绿线)逐时变化特征(a)1323 号“菲特”,(b)1810 号“安比”;盐度和潮位增量的滑动平均以 12 h 为周期,0 h 为降雨开始时间3.2盐度预报模型将两类台风按照降水特征分为强降水型和非强降水型两组。第一组变量取日均/最高/最低盐度变量,记为 Save、Smax、Smin;第二组变量取日累积降水量(台风影响首日到当天的降水总量)和日均潮位增量,记为 X1、X2。通过典型相关方法,对以上两组变量分别作线性组合,构成新的一对变量 U1、V1,使其之间有最大相关系数 R1,再分别作与 U1、V1正交的线性组合 U2、V2,使其之间有次大相关系数R2,直至合适。强降水型台风样本数 n=47,第一典型相关系数 R1=0.81,通过=0.01 的显著性检验,则计算第一对典型变量与原 2 组变量的相关系数得到 GU(1)=-0.97,通过=0.01 的显著性检验,即盐度变量与累积降水量呈显著负相关;非强降水型台风样本数 n=31,第一典型相关系数 R1=0.85,通过 =0.05 的显著性检验,则计算第一对典型变量与原 2组变量的相关系数得到 GU(2)=0.88,通过 =0.01 的显著性检验,即盐度变量与潮位增量呈显著正相关。综上,两类台风盐度变化影响因素不同,降水强度强、过程雨量大时,雨水对盐度显著下降作用更凸显,使台风增水作用显得不是很重要。故日均/最高/最低盐度变量 Save、Smax、Smin为因变量,强降水型台风选日累积降水量 X1为自变量,得到盐度变化量回归模型为Save=0.0650-0.0102X1Smax=0.0065-0.004X1Smin=0.2500-0.018X1(9)非强降水型台风选日均潮位增量 X2为自变量,得到盐度变化量回归模型为Save=-0.133+1.45X2Smax=0.014+0.22X2Smin=0.013+1.46X2(10)55气象与环境科学第 46 卷将方程组(9)代入(8),得到强降水型台风影响期间盐度预报模型:Save=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.078 m月(t-1)日i=(m-1)月t日Ei+-0.02cos15t+0.12sin15t()+0.10cos415t-0.08sin415t()-0.0102X1+17.865Smax=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.077 m月(t-1)日i=(m-1)月t日Ei+-0.01cos15t+0.11sin15t()+0.11cos415t-0.08sin415t()-0.0040X1+18.200Smin=-0.005 m月(t-1)日i=(m-1)月t日Pi-0.006(m-1)月(t-1)日i=(m-2)月t日Pi+0.080 m月(t-1)日i=(m-1)月t日Ei+-0.04cos15t+0.12sin15t()+0.06cos415t-0.10sin415t()-0.0180X1+17.650(11)将方程组(10)代入(8),得到非强降水型台风影响期间盐度预报模型:Save=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.078 m月(t-1)日i=(m-1)月t日Ei+-0.02cos15t+0.12sin15t()+0.10cos415t-0.08sin415t()+1.45X2+17.667Smax=-0.004 m月(t-1)日i=(m-1)月t日Pi-0.007(m-1)月(t-1)日i=(m-2)月t日Pi+0.077 m月(t-1)日i=(m-1)月t日Ei+-0.01cos15t+0.11sin15t()+0.11cos415t-0.08sin415t()+0.22X2+18.214Smin=-0.005 m月(t-1)日i=(m-1)月t日Pi-0.006(m-1)月(t-1)日i=(m-2)月t日Pi+0.080 m月(t-1)日i=(m-1)月t日Ei+-0.04cos15t+0.12sin15t()+0.06cos415t-0.10sin415t()+1.46X2+17.413(12)式中,Save、Smax、Smin为日均/最高/最低盐度,m、t 分别为阴历月份和日期,Pi和 Ei分别为日降水量和蒸发量,X1、X2分别为台风影响期间日累积降水量和日均潮位增量。3.3预报结果检验参考姚琳等20的方法,对两类台风的模拟效果进行统计分析,得到模拟值和观测值之间的相关系数在 0.9 以上,通过极显著检验。强降水型台风绝对误差在 1 左右,非强 降水型台风 绝对误差在0.5左右。利用上述预报模型,结合 2019 年 4 例台风影响期间盐度实况数据进行检验,得到模拟值和观测值之间的相关系数为 0.55 0.99,绝对误差不超过 1。其中强降水型台风平均和最高盐度绝对误差为 0.2 0.6,最低盐度误差为 0.6 0.9;非强降水型台风误差在 0.2 0.7,预报效果更好(表 2)。表 2两类台风预报模型历史回代及预报检验 台风相关系数平均最高最低绝对误差/平均最高最低 强降水型0.910.900.910.910.971.06 非强降水型0.900.960.990.420.600.39 1909 号(强降水型)0.930.730.950.500.570.88 1918 号(强降水型)0.730.550.990.430.270.62 1905 号(非强降水型)0.850.720.900.690.560.67 1917 号(非强降水型)0.830.630.820.220.240.2465第 5 期金靓等:台风影响期间养殖海湾的盐度特征分析及预报4结论与讨论4.1结论(1)无台风影响期间,盐度月相变化与潮差具有显著的时滞相关性,盐度与降水量和蒸发量之间均存在显著的滞后相关关系,滞后时间为 1 4 个月,其中滞后 1 2 个月相关性最好,进而基于 2 阶谐波和最优子集回归方程建立日常日均/最高/最低盐度预报模型。(2)强降水型台风影响期间,台风暴雨是导致盐度下降的主要因素,日均/最高/最低盐度变量与日累积降水量呈显著负相关;非强降水型台风影响期间,台风增水作用是导致盐度上升的主要因素,盐度变量与日均潮位增量呈显著正相关。(3)用日累积降水量建立强降水型台风日均/最高/最低盐度变量预报模型,用日均潮位增量建立非强降水型台风盐度变量预报模型,将其与无台风影响期间盐度预报模型叠加,最终得到完整的台风影响期间盐度预报模型。经检验,模拟值和观测值的相关系数在 0.9 以上,绝对误差不超过 1,可用于业务实践。4.2讨论综合运用谐波分析、最优子集回归、典型相关分析等方法,建立了海湾盐度预报模型,模拟精度较前人有了明显提高21。由于本研究是针对宁波地区海湾构建的台风影响期间盐度预报模型,该产品对近年来宁波高速发展的海湾养殖有较大参考性,但是否适合其他地区有待进一步论证。另外由于预报模型的精度取决于台风影响期间气象要素的预报精度,当气温、相对湿度、风速及降水量预报出现较大偏差时,盐度变量预报也会出现较大误差;同时随着数值预报产品质量的提高,盐度预报模型水平也会有所提高。如何借助不断发展的精细化数值预报,提高模型应用的精细化、客观化和精准化水平,需进一步累积资料和深入研究。参考文献1徐琼芳,岳阳,王权民,等.克氏原螯虾气象因子影响研究现状与展望J.气象与环境科学,2018,41(2):205-220.2张省宇.马达加斯加西海岸海洋环境因子与主要虾类 CPUE 的关系D.上海:上海海洋大学,2015.3许东峰,刘增宏,徐晓华,等.西北太平洋暖池区台风对海表盐度的影响J.海洋学报,2005,27(6):9-15.4郭卫东,杨逸萍,弓振斌,等.台风暴雨影响期间厦门湾海水盐度、pH、溶解氧和 COD 变化特征J.海洋科学,2001,25(7):1-5.5赵聪蛟,冯辉强,祝翔宇,等.象山港海洋监测浮标在强台风“海葵”影响期间的可靠性分析J.热带海洋学报,2015,34(2):8-14.6王红燕,张晓鹏,靖春悦,等.利用 T213 物理量“垂叠法”模型制作沙澧河上游关键区面雨量预报J.气象与环境科学,2010,33(4):43-47.7陈松,陈天锡,袁春风,等.驻马店市暴雨天气监测预警系统研究J.气象与环境科学,2009,32(增刊):224-227.8应爽,谢静芳,刘海峰,等.基于 WRF 模式的紫外线指数逐小时预报模型J.气象与环境科学,2021,44(3):106-111.9杨霏云,朱玉祥,李文科,等.统计方法在中国农业气象中的应用进展J.气象与环境科学,2016,39(3):121-129.10中国气象局.地面气象观测规范M.北京:气象出版社,2003.11中国气象局.热带气旋年鉴M.北京:气象出版社,2009.12匡晓迪.气候变化 对渤海盐度年 际变化及 长 期 变 化 的 影 响D.青岛:中国海洋大学,2009.13 Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration Guidelines for computing crop waterrequirements FAO Irrigation and drainage paper 56M.Rome:Food and Agriculture Organization of the United Nations,1998.14刘倩,张方敏,李威鹏,等.基于温度的参考作物蒸散量计算方法的适用性评价J.气象与环境科学,2019,42(2):19-26.15施能.气象统计预报M.北京:气象出版社,2009.16李磊.海洋水文气象M.广州:花城出版社,1998.17叶龙飞,粱蔚鸿.清澜港附近盐度变化与潮汐降水的关系J.热带海洋学报,1983,2(3):248-249.18郭宗凯,支询,李施,等.西太平洋副高与我国长江流域降水量的相关性分析J.现代农业科技,2015(3):240-242.19杨栋,丁烨毅,黄鹤楼,等.台风影响下海水养殖塘水环境响应特征分析J.中国农学通报,2018,36(1):82-88.20姚琳,温新龙,沈竞.江西山地风电场风速数值模拟方法研究J.气象与环境科学,2018,41(3):120-125.21卢峰本,黄滢,周启强,等.海水养殖的气象风险分析及预报J.气象,2006,32(11):113-117.75气象与环境科学第 46 卷Characteristic Analysis and Forecast of Salinity in Cage Embayment During Typhoon PeriodJin Liang1,Wang Lichao2,Qian Yanzhen3,Shen Zibin2,Zhao Changyu4(1.Jiangbei Meteorological Station of Zhejiang,Xiangshan 315000,China;2.Ninghai Meteorological Station of Zhejiang,Ninghai 315600,China;3.Ningbo Meteorological Service Center,Ningbo 315012,China;4.Ningbo Meteorological Observatory,Ningbo 315012,China)Abstract:Based on the salinity data in cage embayment,tide data and meteorological data nearby from 2012 to 2018,the variation of salinity during periods of typhoon influence was analyzed and predic-ted.The results were as follows.(1)There was a significant leading relation between antecedent lunar change of salinity and that of tide scope,and both the relationships between salinity and precipitation as well as evaporation in early one to two months were strong when there was no typhoon.Then the forecast models for daily average,maximum and minimum salinity during non-periods of typhoon influence were established by two order harmonic equations and optimum subset regression equations.(2)Daily average,maximum and minimum salinity variations were negatively correlated with daily accumulation precipitation in the heavy precipitation typhoons when the rainstorm was the main cause of salinity decrease,while posi-tively correlated with daily average tide increment in the non-heavy precipitation typhoons when the ty-phoon surge was the main cause of salinity increase.(3)Salinity variations in the heavy precipitation ty-phoons forecast models were established using the daily accumulation precipitation,while salinity varia-tions in the non-heavy precipitation typhoons forecast models were established using daily average tide in-crement,respectively.At last,the salinity forecast models were established completely by adding the mod-els during periods of typhoon influence and non-periods of typhoon influence.The correlation coefficients between the simulated and observed values were higher than 0.9,and the absolute deviations were not more than 1,so the models could be used in our practical application.Key words:typhoon;salinity;precipitation;evaporation;tide85