第39卷第1期2021年1月
海洋科学进展
A D V A N C E S I N MA R I N E S C I E N C E
V o l .39 N o .1
J a n u a r y
,2021研究论文
重现期的影响
庄 圆，纪棋严*
，左军成，李直龙，罗凤云
(浙江海洋大学海洋科学与技术学院，浙江舟山316022
)
收稿日期:2019-07-14
资助项目：国家重点研发计划项目 全球变化及应对 重点专项 海岸带和沿海地区全球变化综合风险研究(2017Y F A 0604902)作者简介：庄 圆(1993 )，男，硕士，主要从事气候变化和海平面方面研究.E -m a i l :b o o g
i e 931211@o u t l o o k .c o m *通信作者：纪棋严(1986 )，男，讲师，博士，主要从事近岸海洋数值模拟与资料同化方面研究.E -m a i l :j i q i y a n @z j
o u .e d u .c n (王 燕 编辑)
摘 要：基于中国沿海10个验潮站资料，利用皮尔森Ⅲ型(P -Ⅲ)模型探讨了典型浓度路径(R e p r e s e n t a t i v eC o n -c e n t r a t i o nP a t h w a y
,R C P )情景下21世纪海平面上升对中国沿海地区极值水位重现期的影响㊂结果表明：海平面上升将显著缩短极值水位的重现期㊂在R C P 8.5情景下极值水位的重现期缩短最为显著㊂预估到2050年，在R C P 8.5情景下，所研究的中国沿海地区潮位站的百年一遇极值水位将变为9~43a 一遇㊂到2100年，在R C P 8.5
情景下，百年一遇极值水位变为1~18a 一遇㊂当前极值水位的低概率事件将在2100年变得普遍，在R
C P 8.5情景下，到2100年千年一遇的几乎每两百年发生一次㊂由于极值水位的重现期会随着气候变化而缩短，未来沿海地区将会面临更严峻的风险与挑战㊂
关键词：重现期；极值水位；海平面上升；中国沿海地区；气候变化；风险管理中图分类号:P 732 文献标识码:A 文章编号:1671-6647(2021)01-0020-10
d o i :10.3969/j
.i s s n .1671-6647.2021.01.003引用格式:Z HU A N G Y ,Z U OJC ,J IQ Y ,e t a l .E f f e c t s o f s e a -l e v e l r i s e o n t h e r e c u r r e n c e p e r i o d s o f e x t r e m ew a -t e r l e v e l s i n c o a s t a l a r e a s o fC h i n a [J ].A d v a n c e s i n M a r i n eS c i e n c e ,2021,39(1):20-29.
庄圆，左军成，纪棋严，等.海平面上升对中国沿海地区极值水位重现期的影响[J ].海洋科学进展,2021,39(1):20-29.
极值水位是指若干年内才有可能出现的高水位或低水位[1]
㊂极值水位在海岸工程㊁海上工程㊁防洪防潮
工程中有着重要的作用，是决定海洋工程能否满足安全需求的重要参考依据㊂在港口等海洋工程建设
中，需对正常条件(即作业条件)和极端条件(即恶劣环境条件)下的极值水位做出估计㊂观测资料的长短不同，所采用的极值水位估计方法也不同[2-5]，我国‘港口与航道水文规范“[6
]指出，在拥有长期水位观测资料的情况
下可采用极值分布法；在拥有数年水位观测资料时可采用同步差比法；当仅有短期水位资料时，则需先求出
设计水位再加减一个由附近验潮站长期资料得出的常数从而得出校核水位㊂但是这些方法需要验潮站本身或者临近的验潮站具有完整的长期观测资料，该条件比较苛刻通常难以满足，因此很难利用这些方法估计极
值水位㊂为了解决观测资料时间不够长的困难,P u g h 和V a s s i e [7]
提出了用联合概率的方法计算极值水位，仅用短期实测数据便能求出极值水位，基于此，我国的方国洪等[1]对联合概率法进行改进，提出了条件分布
联合概率法计算极值水位㊂但联合概率方法和条件分布联合概率方法在计算极值水位时都忽略了海平面长
期变化对极值水位的影响㊂M a r c o s 和R o h m e r [8]研究表明,
随着海平面上升，百年一遇的极值水位至少会缩短至50a 一遇㊂此外，研究表明，较长时间段内(比如50a 或者100a
)平均水位的长期变化也会对该时间段内的极值水位有一定的贡献[9-11]
㊂因此在估计50a 一遇或者100a 一遇的极值水位时应当考虑海平面的变
化以及平均水位的长期变化㊂
1期庄 圆，等：海平面上升对中国沿海地区极值水位重现期的影响
21
由温室效应产生的全球气候变暖将引起海平面上升，对沿海国家和地区居民㊁财产及生态系统的安全造
成巨大的威胁㊂I P C C (I n t e r g o v e r n m e n t a l P a n e l o nC l i m a t eC h a n g
e )第五次气候评估报告中用典型浓度路径(R e p r e s e n t a t i v eC o n c e n t r a t i o nP a t h w a y
,R C P )来代表不同浓度的温室气体排放情景，按由低至高分别为R C P 2.6㊁R C P 4.5㊁R C P 6.0和
R C P 8.5的四种情景,
分别对不同情景下的海平面上升做出了预测[
12-14
]
㊂基于我国沿海10个验潮站资料，将利用皮尔森Ⅲ型(P -Ⅲ)模型探讨不同R C P 情景下海平面上升对我
国沿海地区极值水位重现期的影响，以期为我国沿海地区未来的海岸工程建设和防洪㊁防潮等海洋工程的建设提供参考，以更好地应对全球气候变化㊂
1 研究区域与数据来源
为了更准确地计算中国沿海的极值水位重现期的变化，本文选取了葫芦岛㊁秦皇岛㊁青岛㊁连云港㊁长涂㊁坎门㊁厦门㊁汕尾㊁北海及东方共10个验潮站的资料，各验潮站较为均匀地分布于我国渤海㊁黄海㊁东海和南海四个海区(图1)，各站点数据的时间间隔均为1h ，但数据的时间范围及各验潮站所代表的潮汐类型各有
不同(表1)㊂本文选取的站点具有较好的代表性，如汕尾站是南海受陆架影响较大的代表站点，东方站则是南海开阔海区的代表站点，北海站是北部湾沿岸的代表站点，厦门站则是台湾海峡的代表站点㊂此外,S a n -
t a m a r i a 和V a f e i d i s [1
5]
指出不同的潮汐类型会对极值水位产生不同的影响，因此各验潮站的潮汐类型也涵盖了规则半日潮㊁规则全日潮㊁不规则半日潮和混合全日四种类型
㊂
图1 中国沿海地区10个验潮站的位置
F i g .1 L o c a t i o n s o f t h e 10t i d e g a u g
e s t a t i o n s a l o n g t
h e c o a s t o fC h i n a 表1 10个验潮站数据年份与潮汐类型
T a b l e 1 D a t a p e r i o da n d t i d a l t y p
e o
f t h e 10t i d a l s t a t i o n s 海 区站 点时间范围潮汐类型渤海
葫芦岛
秦皇岛1960 1986年1960 1981年不规则半日潮混合全日潮黄海
青岛
连云港1950 1974年1975 1994年规则半日潮规则半日潮东海
长涂
坎门厦门1960 1981年1975 1994年1954 1994年不规则半日潮规则半日潮规则半日潮南海
汕尾
北海东方1975 1994年1975 1994年1975 1994年
不规则全日潮规则全日潮混合全日潮
采用的海平面上升数据是基于C M I P 5(C o u p l e d M o d e l I n t e r -c o m p a r i s o nP r o j
e c tP h a s e 5)并结合温室气体排放得到的㊂4种R C P 情景(R C P 2.6,R C P 4.5,R C P 6.0和R C P 8.5)下2050年和2100年的未来海平面
上升值如表2所示[
12-14
]㊂
22海洋科学进展39卷
表2不同R C P情景下海平面的上升值[12-14]
T a b l e2 S e a l e v e l r i s eu n d e r d i f f e r e n tR C Ps c e n a r i o s c m
4种情景2050年2100年
最低值平均值最高值最低值平均值最高值R C P2.6172432264055
R C P4.5192633324763
R C P6.0182532334863
R C P8.5223038456382
2研究方法
为研究不同R C P情景下海平面上升对中国沿海地区极值水位重现期的影响，首先需要得到R C P情景下的极值水位，其次再利用皮尔森Ⅲ型(P-Ⅲ)模型对极值水位重现期进行预测㊂R C P情景下的极值水位(S c e n a r i oE x t r e m eW a t e rL e v e l,S E W L)被定义为未来海平面上升(S e aL e v e lR i s e,S L R)与当前极值水位
(C u r r e n tE x t r e m eW a t e rL e v e l,C E W L)的结合㊂
2.1天文高潮的计算方法
本文将潮汐采用调和分潮表示式:
x(t)=ðf i H i c o s(ωi t+V i+u i-g i),(1)式中,t为时间,f为交点因子,i代表分潮,H和g为调和常数即振幅和迟角,ω为分潮角速度,V为分潮初相角,u为相角的交点订正㊂
验潮站的实际潮位由天文潮位和非天文潮水位两部分组成，非天文潮水位主要是风暴引起风暴增水㊂本文参考方国洪等[1]提出的天文潮位与非天文潮位分离方法将实际潮位分离得到天文潮和风暴增水两部分㊂首先对验潮站的资料逐年进行调和分析求出该验潮站各年的潮汐调和常数，再利用各年的潮汐调和常数对应后报各年的天文潮位，最后将后报的天文潮组成一个长时间序列并取最大值即为天文高潮，将验潮站的实际潮位减去天文潮位即可得风暴增水的值㊂例如，葫芦岛潮位数据的时间范围为1960 1986年，该潮位由天文潮和非天文潮位组成，要得到葫芦岛1960 1986年的天文潮的做法是：先对1960年的数据进行调和分析，得到1960年的潮汐调和常数，再后报出1960年的天文潮；依次类推，分别得到1961年和1962年直到1986年的每年的天文潮，最后将每年的天文潮按时间先后排列得到1960 1986年的天文潮㊂之所以用每年分析所得潮汐调和常数后报当年潮汐，而不用多年平均潮汐调和常数后报，是因为实际上各年分析所得潮汐调和常数有一定变化，用当年分析结果后报有利于更 好消除潮汐部分的影响[1]㊂
2.2风暴增水累积概率分布
从每个验潮站的观测时间序列数据中减去天文潮位便可得到风暴增水㊂每年的风暴增水年最大值构成一个风暴增水极值序列，利用该序列在P-Ⅲ模型的基础上拟合概率分布函数，依次得到所有观测站的风暴增水极值曲线㊂
f(x)是P-Ⅲ的概率密度函数:
f(x)=βαΓ(α)(x-α0)α-1e-β(x-α0),(2)式中,Γ(α)为G a mm a函数;x为风暴增水值;α,β和α0为形状㊁尺度和位置参数,α=4C2s,β=2
xC v C s,
1期庄 圆，等：海平面上升对中国沿海地区极值水位重现期的影响
23
α0=
x 1-2C v C s æ
èçöø÷，其中,x 为风暴增水的平均值,C v 和C s 分别为分散系数和偏态系数,C v =
1
n -1ðn
i =1
(x i x -1)2
,C s =ðn
i =1(x i x -1)3(n -3)C 3v
,i 为验潮站数据时间序列的长度;C s
/C v 的值在每个站都是恒定的㊂
极值水位发生的概率p 的计算公式为
p =p (x ȡx p )=F (x )=βα
Γ(α)ʏ
¥
x p
(x -α0)α-1e
-β(x -α0),(3
)式中,x p 为在特定的p 下的风暴增水极值,F (x )为风暴增水的累积概率分布函数㊂2.3 C E W L 和S E W L 的累积概率分布
当前极值水位(C E W L ,g p )
指风暴增水极值与天文高潮相叠加的水位，计算方法为g p =x p +
t ,(4
)p =p (x ȡg p )=F (g )=βα
Γ(α)ʏ
¥
g p
(g -α0)α-1e
-β(x -α0),(5)式中,t 为天文高潮的高度,F (g )为C
E W L 的累积概率分布函数㊂气候变化和海平面上升对风暴潮的强度和发生频率都可能产生影响，但是这种影响目前很难定量化，因
此在一些气候变化背景下的风暴潮相关研究中，通常假设风暴潮强度和发生频率在统计上是不变的[
17-19]
㊂本文采取类似的做法，我们认为在各R C P 情景下，风暴潮的强度和发生的频率是不变的，即不考虑气候变化和海平面上升对风暴潮强度和发生频率的影响㊂因此,R C P 情景下的极值水位(S E W L ,h p )可以认为是当前极值水位和不同R C P 情景海平面上升高度的线性叠加,
即:h p =g p +r =x p +t +r ,
(6)p =p (x ȡh p )=F (h )=βα
Γ(α)ʏ
¥
h p
(h -α0)α-1e
-β(x -α0),(7
)式中,r 为海平面上升的高度,F (h )为S E W L 的累积概率分布函数㊂2.4 极值水位重现期的计算方法通常来说，极值水位的重现期是沿海风险评估与国防决策的重要指标㊂计算极值水位的重现期T 公式
为:T =1/p ㊂
3 结 果
3.1 各验潮站的天文高潮
利用调和分析法对所搜集的验潮站资料进行处理，计算出本研究选取的10个验潮站的天文高潮值,
如图2所示㊂结果表明:10个站的天文高潮值为94~326c m ，平均值为232c m ㊂其中厦门站的天文高潮值最大，为326c m ；秦皇岛站的天文高潮值最小，为94c m ㊂不同验潮站所处海区的地形差异是引起天文潮高度差异的重要原因㊂
24 海 洋 科 学 进 展
39
卷
图2 10个验潮站的天文高潮高度
F i g .2 H i g h t i d a l h e i g h t s r e c o r d e da t t h e 10t i d e g a u g
e s t a t i o n s 3.2
风暴增水的累计概率分布
图3 验潮站记录的风暴增水累积概率分布曲线
F i g .3 C u m u l a t i v e p r o b a b i l i t y d
i s t r i b u t i o n c u r v e s f o r t h e s t o r m s u r g e s r e c o r d e da t t h e 10t i d e g a u g
e s t a t i o n s 将长期观测记录的水位数据减去调和分析得到的天文潮数据后得到的风暴增水数据拟合到P -Ⅲ模型，可得风暴增水的累计概率分布曲线，如图3所示㊂由图3可知，当
p =0.01%时，连云港站的风暴增水极值最大，为313c m ；坎门站次之，为295c m ；东方站最小，为192c m ㊂当p =99.9%时，连云港站的风暴增水极值最大，为90c m ；厦门站次之，为79c m ；东方站最小，为41c m ㊂这表明本研究中使用的站点之间的累积概率分布曲线存在明显差异㊂利用图3的数据，我们可以求得极
端风暴增水的重现期，如表3所示㊂
K a t h e r i n e 等[20]
指出，沿海水位是由确定性(如天文潮)和随机性过程(如波浪㊁风暴潮和海平面异常)共同驱动产生的㊂每个过程对水位的贡献取决于气候和地质的区域差异，以及海滩形态㊁海岸方向和大陆架水深的局部
尺度变化㊂中国沿海海岸线较长，所研究的10个验潮站的地理环境有差异，受到不同的水文与气象环境因素影响，故各个验潮站的风暴增水极值不同㊂由表3可以看出，当风暴增水极值重现期为100a 时，本研究中的风暴增水116~202c m ,
其中连云港站百年一遇的风暴增水极值最大，为202c m ；东方站的最小，为98c m ㊂
