0 引言
针对风暴潮的形成机理，国内外学者已广泛运用数值模拟技术开展相关探究工作。例如，陈大可等[5]通过谱分析验潮站水位数据揭示，冬季寒潮南下是激发陆架波的直接原因，并利用理想模型解释了陆架低频波动现象；HSUEH等[6]将适应黄海陆架地形的陆架波理论引入数值模型，再现了黄海冬季海平面波动；DING等[7]基于三维海洋数值模型研究了寒潮风暴潮时期南海北部沿岸的水位变化与波浪信号；ZHANG等[8]分析了风暴潮模拟对WRF （Weather Research and Forecast）物理参数化方案及模型配置的敏感性，发现湍流闭合方案显著影响了风暴潮强度的模拟精度；李志远[9]基于MITgcm模式，探究了渤、黄、东海海面高度和海流对冬季天气尺度风的响应，发现两类陆架陷波在风暴潮的生成与传播过程中发挥关键作用；MO等[10]基于COAWST模型，对东海北部温带气旋引发的风暴潮进行了系统的建模评估，认为当半封闭海域出现异常高水位时，水位的异常波动主要沿气旋方向传播；傅赐福等[11]通过数值模拟重现了2024年10月渤海和黄海沿岸发生的强温带风暴潮过程，而相关模拟对海水倒灌现象的再现仍存在较大偏差。
本研究以2022年11月27日—12月3日发生的一次寒潮风暴潮事件为研究对象， 利用WRF模式与FVCOM模式模拟的高分辨率数据，结合验潮站实测水位数据，采用经验模态分解（Empirical Mode Decomposition，EMD）方法，对渤、黄、东海沿岸水位变化过程进行机理分析。通过对风暴潮增水进行模态分解，识别各模态波动的物理机制，重点探究主导模态的传播特征以捕捉主要增水信号，旨在为今后风暴潮预报及相关防灾减灾工作提供更加坚实的理论支撑。
1 数值模式及数据方法
1.1 数值模式
水动力模型采用FVCOM模式[14]（An Unstructured Grid Finite-Volume Coastal Ocean Model），模式网格及水深分布如图2所示。水深数据来自DBDB5（Digital Bathymetric Data Base 5-Minute， US Naval Oceanographic Office and the US Naval Ocean Research and Development Activity 1983），沿海区域水深采用中国海图水深数据进行订正。海表风应力、海平面气压等模式强迫数据来自WRF模式的输出结果。4条主要河流（长江、黄河、辽河、鸭绿江）的月平均淡水流量数据来自水利部水文局水资源信息中心。模型的水动力及温、盐背景场由开放边界条件提供，其数据来源于哥白尼海洋环境监测服务中心（Copernicus Marine Environment Monitoring Service，CMEMS）全球海洋再分析数据（水平分辨率为1/12°×1/12°）中的海面高度、流速、温度和盐度场；同时，模型引入全球潮汐数据集TPXO7.2（Egbert and Erofeeva 2002）以施加潮汐强迫，选取9个分潮（M2、S2、N2、K1、O1、Q1、M4、MS4和MN4）进行驱动。
1.2 验证数据
研究所用海面浮标（B01：122.47°E，30.05°N）、验潮站（T01~T23）以及用于陆架波信号分析的虚拟站位（S01~S14）的位置如图3所示。B01浮标数据用于WRF模式的风速验证，其时间分辨率为10 min，时段为2022年11月23日—12月5日；验潮站数据用于FVCOM模式的模拟验证，时间分辨率亦为10 min，时段为2022年11月23日—12月5日；虚拟站位的数据通过FVCOM模式输出数据插值构建，其中S01~S09站位于朝鲜半岛，S10~S14站位于我国山东半岛南部，所取数据时段为2022年11月27日—12月2日。
1.3 经验模态分解
经验模态分解（EMD）是一种基于数据自身波动特征的自适应信号处理方法，专门用于处理非线性及非平稳的时间序列数据，由HUANG 等[15]于1998年提出。与传统方法不同，EMD 无需预设任何固定的函数，而是根据信号随时间变化的局部特征，自动将其分解为一系列具有不同物理意义的本征模态函数（intrinsic mode functions， IMFs）和一个代表整体演变趋势的残差项。其核心处理步骤如下：首先，识别原始信号中所有的极大值和极小值点，利用三次样条插值分别构造上、下包络线；其次，通过“筛选”过程计算上、下包络线的均值线，并从原信号中减去该均值，提取出符合特定物理约束的分量；最后，不断迭代该过程，直到所有独立的波动模态被逐一剥离，剩余部分则为反映长期趋势的残差。在风暴潮研究中，该方法的优势在于能将受多种复杂因素交织影响的余水位信号，按频率从高到低分解为局地强迫、陆架波波动以及系统演变等独立成分，为定量分析陆架波对风暴增水的贡献提供了科学的数学基础。
2 数值模拟结果验证
2.1 寒潮期间的风压场演变过程及WRF模式模拟结果验证
寒潮期间，研究区风压场的演变过程如下：2022年11月27日18时（图4a和4e），我国中部被1 010~1 020 hPa的高压控制，以偏北风为主，风速普遍低于10 m/s，渤、黄、东海沿岸区域为偏南风，风速在10~15 m/s之间；28日15时（图4b和4f），高压系统东移，在我国东部沿海形成1 020~1 030 hPa的高压脊，该区域盛行偏北风，风速在10~15 m/s之间；29日3时（图4c和4g），高压脊进一步东移，控制我国中东部大部分区域，以偏北风为主，风速普遍在10~15 m/s之间；12月2日6时（图4d和4h），寒潮进入后期，高压系统逐渐减弱，大陆风速普遍低于10 m/s，仅在东海沿岸附近海面存在风速约为15 m/s的东北风。
WRF模式输出和ERA5再分析数据的对比（图4）显示，WRF模式能够准确再现寒潮过程中风压场的演变过程，特别是在渤、黄、东海海域，表明其风场模拟效果良好。
采用B01浮标观测数据对WRF模式（最内层精细域）在近海海域的风速模拟精度进行评估。模拟数据与观测数据具有良好的一致性：风速相关系数达0.8，其中南北分量相关系数超过0.9，东西分量相关系数为0.7（图5）。
2.2 风暴潮水位模拟结果验证
3 风暴潮余水位变化及其EMD分析
3.1 余水位变化
结合风压场演变（图4）与模拟的余水位时空分布（图8）可见，本次寒潮风暴潮具有明显的阶段性响应特征。在寒潮爆发初期（图8a~8b），受图4a中冷高压前缘强偏北风的直接驱动，渤海内部发生剧烈的水量再分配，海水由北向南迅速堆积，导致辽东湾、渤海湾显著减水，而位于南部的莱州湾因岸线阻挡产生明显的堆风增水。随着寒潮主体进一步南下（图4b~4c），大范围强风场强迫水体从中部海域向外海大规模输运（图8c~8e），辽东湾、渤海湾及莱州湾依次由初期的减水或增水状态转为全境减水；与此同时，强风应力的直接强迫与南下传播的陆架波动共同诱发了第一次显著增水事件，图8d~8f显示该增水信号由北向南快速传递，水位抬升迅速且空间连续性极强。进入寒潮后期（图4d），虽然风速逐渐减弱且气压梯度力趋于平稳，但受前期积聚能量的释放以及沿陆架南下的自由陆架波影响，海区并未立即恢复正常，而是激发了第二次增水过程。图8g~8i清晰展示了这一波动余效，相比首场增水，此次过程虽增幅较缓但持续时间更长，充分体现了陆架波远场传播在水位调节中的核心作用。 最终，随着高压中心彻底移出，整个海域的余水位由北向南逐渐恢复至正常水平。
为了更直观地展现风暴潮的时空传播规律，将各验潮站余水位变化曲线按地理位置整合（图9）。结果显示，在寒潮影响期间，全线站点均记录到了两次显著的增水过程，且不同区域站点的波动响应呈现出明显的空间群组特征。在第一次增水过程中，位于黄海西岸中部的T04~T06站点（海州湾附近）最早感应到明显的增减水信号，且由于该处地形浅窄，增水幅度最为剧烈；随后，该信号呈现出向北侧（T01~T03）及南侧（T07~T12）双向扩散的态势，各站点间余水位曲线的波动形态具有高度的相似性和空间连续性（图9a）。相比之下，位于黄海东岸的T13~T19站点（图9b）在首场增水中表现出更快的传递速度与更陡峭的峰值，这反映了该阶段强风场直接强迫与陆架波动传播的叠加效应。
3.2 EMD模态分解
为深入探究余水位在不同时间尺度下的波动特征及其背后的物理机制，本研究参考前人研究[17]，选取2022年11月27日—12月2日期间具有代表性的黄海东北岸T04站和西岸T12站的余水位序列进行EMD分解。如图11所示，T04站点的余水位信号被清晰地分解为不同频率的本征模态。其高频模态IMF1和IMF2的周期较短，主要捕捉到了寒潮爆发初期因风速突增引发的局地水位波动以及浅水效应下天文潮与风暴潮的非线性相互作用，IMF2振幅在11月29日风力最强时达到峰值，反映了强风应力的瞬时强迫特征。核心分量IMF3模态的振荡周期在60 h左右，与中国沿岸陆架波理论周期高度吻合；该模态曲线在观测时段内呈现出两次显著的波峰，分别对应于11月29日和12月1日前后的两次增水事件。IMF3模态在T04站的高能量占比及其规律的相位演变，表明该站点的水位大幅波动并非完全受控于局地风场，而是受陆架波在向南传播过程中对水位调节作用的显著影响。
与之相呼应，位于黄海西岸的T12站余水位分解结果（图12）同样展现出鲜明的物理意义。该站的高频分量反映了更复杂的近岸动力响应，其中IMF1模态周期约为5 h，结合IMF2表现出的10~20 h振荡周期，清晰地反映了半日潮及其倍潮在浅水海域与风暴潮之间的非线性相互作用。随寒潮迫近，T12站的中低频分量IMF3的解释率显著提升，约贡献了三分之一的余水位变化，其波动频率与T04站具有高度的动力一致性。IMF3曲线中呈现的两个主要峰值与全海域感应到的两次显著增水事件在时间上高度对应，从能量演变角度证实了陆架波在本次过程中的主导地位。而周期更长的IMF4模态则展现了与寒潮冷高压过境、停留及消散过程一致的时间尺度，体现了天气尺度系统对海平面的宏观调制效应。
为进一步刻画陆架波在黄海海域的传播特性，本文提取了黄海两岸14个虚拟站位的 IMF3模态进行对比分析，如图13所示。14个站位的IMF3模态在相位和周期上表现出极强的动力相干性，完整地揭示了陆架波信号从朝鲜半岛西岸向山东半岛南部传播的物理路径。通过对S01至S14站点的峰值演变时间进行追踪，可以观察到波动信号自东向西跨越黄海海槽的动态过程。经计算，该信号在S09站与S10站之间的传播速度约为53 km/h，这一量化结果与经典陆架波理论波速完全吻合。这种空间上的连续传播与时间上的相位滞后，有力地证明了本次寒潮过程中的第一次增水是由风应力强迫与陆架波叠加驱动，而第二次增水则主要由陆架波跨海传播所引发的自由波动响应形成。
4 结论
本文采用WRF模式精细化模拟风压场，并使用所生成的高分辨率风场数据驱动FVCOM 模式，对2022年12月初渤、黄、东海近岸的一次强寒潮风暴潮事件进行了数值模拟。基于模拟结果，使用EMD分解方法对余水位进行了深入分析，发现其主导因素为陆架波，进而探究了陆架波信号在黄海近岸的传播路径。主要结论如下：
1）寒潮风暴潮的时空演变呈现显著的阶段性特征。受强北风强迫，寒潮初期渤海内部发生明显的水量再分配，海水由北部向南部积聚，表现为辽东湾、渤海湾减水而莱州湾显著增水；随寒潮主体南下，水体整体向黄、东海输运，渤海全境依次进入减水阶段。在整个寒潮影响期间，渤、黄、东海沿岸先后感应到两次峰值清晰、空间连续的显著增水过程。
2）陆架波是寒潮风暴潮期间造成该海域余水位波动的重要动力因素。经验模态分解结果表明，IMF3模态不仅准确捕捉到了陆架波在朝鲜半岛西岸由北向南的传播路径，还揭示了其跨越黄海海槽并抵达山东半岛南部沿岸的物理过程。陆架波的传播速度与局部地形及背景流场特征相符，是连接黄海东、西两岸水位动态响应的关键物理纽带。
3）两次增水事件的物理驱动机制存在本质差异。第一阶段增水是局部强风应力直接强迫与陆架波远场传播叠加的结果，表现为增水幅度大、爆发性强；第二阶段增水则主要受控于陆架波的自由传播，此时风力已明显减弱，水位波动主要由前期积聚能量的波动释放驱动。这一结论修正了以往研究中将冬季增水简单归结为局部风力作用的认识，强调了波动动力过程对近岸防灾减灾的重要性。