Journal of Marine Sciences >

2023 , Vol. 41 >Issue 4: 21 - 31

DOI: https://doi.org/10.3969/j.issn.1001-909X.2023.04.003

Numerical investigation of the super typhoon Mangkhut based on the coupled air-sea model

  • LÜ Zhao , 1 ,
  • WU Zhiyuan , 1, 2, 3, * ,
  • JIANG Changbo 1, 3, 4 ,
  • ZHANG Haojian 1 ,
  • GAO Kai 1 ,
  • YAN Ren 1
Expand
  • 1. School of Hydraulic and Environmental Engineering, Changsha University of Science & Technology, Changsha 410114, China
  • 2. State Key Laboratory of Coastal and Offshore Engineering, Dalian University of technology, Dalian 116024, China
  • 3. Key Laboratory of Water-Sediment Sciences and Water Disaster Prevention of Hunan Province, Changsha 410114, China
  • 4. School of Civil Engineering, Hunan University of Technology, Zhuzhou 412007, China

Received date: 2022-12-20

  Revised date: 2023-03-20

  Online published: 2024-01-30

Fold

Abstract

Based on the mesoscale atmospheric model WRF and the regional ocean model ROMS, a two-way coupled WRF-ROMS air-sea model was constructed to simulate the super typhoon Mangkhut in 2018. The results showed that the simulation results of the coupled air-sea model were better than those of the only atmospheric or ocean model, and the error of the typhoon track obtained from the coupled model was within 60 km, which was in good agreement with the best track. Compared with the observation results, the simulation results of wind speed and sea level pressure in the coupled model were better than others model. Based on the simulation results of the coupled air-sea model, the spatial and temporal distribution of the wind field, pressure field, sea surface flow field, and storm surge under the super typhoon Mangkhut were further analyzed. The results showed that: (1) In terms of spatial distribution, after the typhoon entered the South China Sea, the radius of the seven-level wind circle was larger behind the right side of the typhoon; the cyclonic flow field showed a significant Ekman effect with the typhoon wind field, and the flow direction was 45° from the wind direction. The wind field, pressure field, wind-generated flow field and water gain distribution all had obvious asymmetry, and the typhoon intensity, flow velocity and water gain were greater on the right side of the typhoon path than on the left side. (2) In terms of time distribution, the distribution of the wind field and the pressure field were similar and synchronized with the typhoon center, while the wind-driven flow field and storm surge were three hours behind the typhoon track.

Key words： coupled air-sea model; storm surge; numerical simulation; the South China Sea; super typhoon Mangkhut

Cite this article

LÜ Zhao , WU Zhiyuan , JIANG Changbo , ZHANG Haojian , GAO Kai , YAN Ren . Numerical investigation of the super typhoon Mangkhut based on the coupled air-sea model[J]. Journal of Marine Sciences, 2023 , 41(4) : 21 -31 . DOI: 10.3969/j.issn.1001-909X.2023.04.003

0 引言

台风是一种极具破坏性和灾害性的海洋天气系统,其产生和发展通常伴随着狂风、暴雨、巨浪和风暴潮等一系列极端事件[1]。我国地处东亚季风区,是全球热带气旋活动最剧烈的地区之一。统计表明2000年至2019年的20年间,平均每年有8场台风登陆我国,其伴随的“台风灾害链”造成了严重人员伤亡和社会经济损失[2-3]。台风期间海气界面存在强烈的热量、动量和物质交换,台风通过风应力驱动海洋流场及风暴增水,而海洋则通过热通量、水气交换等响应,改变台风的发展[4-5]。因此,研究台风与海洋之间的作用机理及热量、动量、物质交换,对于抵御各种台风灾害、保障人民生命安全和减少国民经济财产损失具有重要意义。
台风过境期间,上层海洋与大气会产生强烈的相互作用。一方面,台风驱动表层海洋形成复杂的多尺度环流系统,并伴随着海洋内部强烈的垂直混合,发生海表温度降低、盐度变化等现象[6⇓-8];另一方面,表层海洋的动力和热力结果对台风产生调制作用[9-10]。如台风过境时在海洋表面形成的“冷尾流”由埃克曼抽吸的垂直混合导致,“冷尾流”分布使热通量传输发生改变,进而影响台风强度及其发展[11⇓-13]。
揭示台风的发展过程及运动机理需要综合考虑大气与海洋之间的相互作用,采用大气和海洋双向传输的数值耦合模式是一个重要手段。早在1997年,国外就开发了COAMPS双向耦合模式并用于北太平洋沿岸台风天气的研究[14];NCEP开发的HWRF模型在北太平洋和孟加拉湾也有良好的模拟结果[15];蒋小平 等[16]将MM5大气模式与POM区域海洋模式耦合,分析了Krovanh(0312)台风引起的海面降温对台风强度的影响。近年来,通过MCT耦合器(model coupling toolkit,MCT)将中尺度大气模式(weather research and forecasting model, WRF)、区域海洋模式(regional ocean modeling system, ROMS)和海浪模式(simulating waves nearshore, SWAN)进行耦合开发的COAWST模式也受到了广泛应用[17⇓⇓⇓-21]。
本文基于已建立的南中国海海气耦合模式[18],选择2018年超强台风“山竹”进行数值模拟研究,利用实测资料对模拟结果进行验证,针对台风“山竹”在南海过境期间的风场、气压场、海表流场和风暴增水过程及其时空分布规律进行分析和讨论,探究海气耦合模式下台风与海洋的相互作用机制与动力特征。

1 研究方法

1.1 模型及方法

WRF是由美国国家大气研究中心和美国国家环境预测中心开发的天气分析和预报模式,被广泛用于台风模拟研究。WRF模式采用结构化网格,模式的时间积分采用三阶或者四阶的Runge-Kutta方案,水平方向采用正交曲线网格(Arakawa C),垂直方向采用地形坐标,控制方程基于完全可压缩的非静力欧拉平衡方程。
ROMS是基于三维非线性、自由表面斜压方程的海洋模式,使用雷诺平均的纳维-斯托克斯方程。在水平方向的Arakawa C网格和垂直方向的地形跟随坐标上使用有限差分近似法,并采用非等比例分层模式。该模式相较于传统水深分层可以更好模拟起伏的海底地形,提高温跃层和底部边界层的模拟精度。
在WRF-ROMS耦合模式中,通过耦合器实现大气与海洋模式的实时双向耦合。其中,大气模式将10 m风场、气压场、长/短波辐射以及热通量等数据提供给海洋,海洋模式则将海表温度提供给大气,具体耦合方法见文献[18]。

1.2 案例选取

综合考虑台风轨迹、强度、作用范围及受灾损失等因素,选择2018年超强台风“山竹”为研究对象。台风“山竹”于北京时间2018年9月7日10:00在西北太平洋关岛以东洋面形成;9月9日02:00加强为强热带风暴;9月11日08:00起发展为超强台风;9月15日02:00登陆菲律宾半岛,台风中心的最大持续风速250 km/h(69.4 m/s);9月16日17:00在广东台山再次登陆,中心最高风力14级(45 m/s),中心最低气压955 hPa;9月17日下午逐渐减弱为热带低压。
据香港天文台统计,超强台风“山竹”导致香港部分海域风暴增水超过2.0 m,其中鲗鱼涌和尖鼻咀潮汐站分别增水2.35 m和2.58 m。“山竹”导致珠江三角洲发生特大暴雨(降雨量250 mm以上),其中阳江地区最大降雨达481.5 mm,沿海最大风暴增水达到3.39 m(百年一遇增水),多个站点超过当地红色警戒潮位50 cm以上。

1.3 试验设置

WRF计算区域覆盖菲律宾半岛、北部湾及南部沿海区域,采用兰伯特投影和双层嵌套网格,主网格中心为114°E,21°N,主网格和嵌套网格精度分别为9 km和3 km,垂向分32层,参数化方案如表1所示[22],时间步长取60 s。初边界条件采用FNL (final opera-tional global analysis)全球大气再分析资料,空间分辨率为0.25°,数据间隔为6 h。
表1 WRF模式物理参数化方案配置

Tab.1 Configuration of the physical parameterization schemes in the WRF model

物理选项 参数化方案
云微物理方案(mp_physics) WSM 6-class graupel方案
长波辐射(ra_lw_physics) RRTMG方案
短波辐射(ra_sw_physics) RRTMG方案
表面层物理选项(sf_sfclay_physics) Monin-Obukhov方案
地表陆面方案(sf_surface_physics) Noah地表模型
行星边界层(bl_pbl_physics) YSU方案
积云参数(cu_physics) Kain-Fritsch方案
ROMS主网格位于WRF主网格内,空间范围为16°N—26°N,107°E—123°E。主网格分辨率为9 km,与嵌套网格的比率为1∶3,主网格和嵌套网格的垂向分层均为16层。基于模拟区域考虑,设置西边界为闭边界,其余为开边界;坐标控制参数THETA_S=5、THETA_B=0.4;时间步长dt分别为30 s和15 s;垂向混合方案采用MY2.5方案[23]。ROMS模式中水深数据来自ETOPO水深数据集,模式的初始和边界条件分别来自HYCOM再分析资料和OSU数据库提供的潮汐强迫资料,其中潮汐包含M2、S2、N2、K2、K1、O1、P1、Q1共8个分潮。
耦合模式模拟时间选择UTC时间(下同),从2018年9月13日00:00至9月17日00:00,共计96 h,其中设置48 h的模式稳定期,耦合模式下WRF与ROMS通过MCT每1 800 s交换1次数据[24]。本研究设置3组试验,分别是WRF模式(R1试验)、WRF-ROMS耦合模式(R2试验)、ROMS模式(R3试验)。
利用观测数据验证模式的准确性,观测数据分别来自中国气象局热带气旋资料中心(https://tcdata.typhoon.org.cn)、日本气象厅(https://www.jma.go.jp/jma)以及香港天文台(https://www.hko.gov.hk),包括超强台风“山竹”的最佳路径、台风中心坐标、中心最低气压等数据;风速实测数据来自美国国家海洋大气管理局(NOAA)(https://www.nesdis.noaa.gov/data-research-services);气压数据来自中国海洋预报网(http://g.hyyb.org/systems/HyybData/DataDB/)。

2 模式验证

基于WRF(R1试验)和WRF-ROMS(R2试验)模式得到了超强台风“山竹”在南海过境期间的台风路径及强度,并与中国气象局(CMA)、日本气象厅(JMA)以及香港天文台(HKO)的最佳路径数据集进行了对比(图2)。结果表明,两组试验模拟的台风路径与最佳路径均较为吻合。图3、图4给出了2种模式下台风中心气压、近中心最大风速以及台风路径与CMA和JMA最佳路径数据集的对比,从图中可以看出,15日00:00后(台风离开菲律宾进入南海),试验的中心气压和最大风速均与最佳路径数据较吻合,路径误差控制在60 km以内,其中R2试验(耦合模式)的结果更为理想,误差维持在40 km以内; 9月16日09:00台风在广东台山再次登陆,受下垫面因素的影响,两组试验的台风中心气压与路径误差较再次登陆前均显著增大。
图1 耦合模式计算区域及嵌套网格示意图

(蓝色实线表示WRF嵌套网格,红色虚线表示ROMS嵌套网格。)

Fig.1 The simulation domain and nested grids of the coupled air-sea model

(The blue solid line represents the WRF nested grid,and the red dashed line represents the ROMS nested grid.)

图2 不同模式下超强台风“山竹”模拟路径与最佳路径的对比

Fig.2 Comparison between the simulated track and the best track of super typhoon Mangkhut in different models

图3 模式与最佳路径数据集的台风中心气压和近中心最大风速对比

(竖向虚线代表台风登陆时刻。)

Fig.3 Comparison of typhoon central pressure and maximum wind speed from the models with those from the best-track dataset

(Vertical dashed line represents the time of typhoon landfall.)

图4 两组试验模拟路径与最佳路径的误差

(竖向虚线代表台风登陆时刻。)

Fig.4 Comparison of the bias of the track simulated by two different models with that from the best-track dataset

(Vertical dashed line represents the time of typhoon landfall.)

为验证台风强度的模拟效果,利用超强台风“山竹”过境期间广东沿海气象测量点及浮标的实测数据进行对比研究,各站点位置如图5所示。图6和图7分别展示了超强台风“山竹”在不同试验条件下,各个站点风速与气压的验证结果,可以看出,试验与实测结果较为吻合。风速的验证中,除汕头站因距离台风中心较远,吻合较差外,其余各站验证的相关系数均在0.83以上(图6)。气压的验证中,在QF306、SF304浮标站处R1试验的均方根误差相较R2试验的更大,即在耦合海洋模式中,台风模拟的准确性有一定程度改善(图7)。
图5 超强台风“山竹”影响期间风速、海平面气压、潮位测站分布位置示意图

Fig.5 Distribution diagram of wind speed, sea level pressure and tide stations during the influence of super typhoon Mangkhut

图6 模拟风速与实测风速时程对比

Fig.6 Time series comparison between models’ wind speed and observed wind speed

图7 模拟与浮标实测海平面气压时程对比

Fig.7 Time series comparison between sea level pressure by models with that by buoy stations

3 结果与讨论

3.1 台风风场与气压场

图8给出了超强台风“山竹”离开菲律宾半岛至登陆广东沿海过程中WRF-ROMS耦合模式(R2试验)风场和气压场分布特征,图中黑色箭头代表海面以上10 m的风速矢量,颜色代表气压场。从图中可以看出,在超强台风“山竹”影响下,南海上空形成了显著的气旋风场和中心低压。台风离开菲律宾进入南海后,强度增加,登陆广东前台风中心风速基本保持在30 m/s以上,台风中心最低气压保持在960 hPa以下(图8a~8d); 9月16日00:00后,受下垫面因素的影响,台风强度开始减弱(图8e~8g);登陆后,台风迅速消散(图8h~8i)。
图8 耦合模式下超强台风“山竹”的气压场和风场的空间分布

Fig.8 Spatial distribution of the pressure and wind field in coupled model during super typhoon Mangkhut

图8中,台风中心最低气压与台风风场中心位置基本吻合,并且在科氏力的影响下,台风路径右侧风场强度高于左侧。台风“山竹”在进入南海后保持15级强台风强度,七级风圈半径为400 ~550 km,台风路径右后方风圈半径较大、影响更为广泛,这与实际台风风圈分布相同[25];进入近海后,七级风圈半径缩减至250 ~350 km,其中大陆岸线方向半径最小,但仍包含整个广东沿岸,影响范围较广。

3.2 风生流场

超强台风“山竹”影响期间,强烈的气旋风场对南海北部上层海洋造成了剧烈扰动。图9 给出了“山竹”影响期间南海表层流场和风场矢量分布,可以看出,流场整体沿台风路径呈现显著的不对称性,且流场中心位于台风中心沿路径的左后方,表现出风生流场滞后台风行进的特征。
图9 台风风场及风生流场的空间分布

(表示台风中心; 表示流场中心。)

Fig.9 Spatial distribution of typhoon wind fields and wind-generated current fields

( represents the typhoon center; represents the center of the flow field.)

风生流场的不对称性主要是受台风不对称风场的影响[18,20-21],这种不对称使南海上层海洋形成的气旋式流场在台风路径的右侧产生较大流速,最高可达3.1 m/s。台风过境前(图9a、9b),由于表层流场同时受到了科氏力和下层海水黏滞力的影响,表现出流场偏向风场右侧45°的埃克曼效应;台风过境时(图9c~9e),在风应力影响下,右侧高流速区的流向与风向保持同向,左侧低流速区与风向的角度则逐渐增大,导致流场相对风场整体向左后方偏移。
为进一步分析台风影响下近岸海表流速的特性,本文选取图5中QF303、QF305、 QF306、 SF304四个站点,分别绘制风向、流向的时间演变特征图(图10),其中QF303、QF305位于台风路径右侧,QF306位于左侧,SF304位于台风路径中心附近。由图可知,QF303、QF305初始为东北风,随着台风临近,风向逐渐偏南,在16日03:00风速达到30 m/s,台风过境后变为东南风,整体风向呈顺时针变化。根据QF303和QF305处流速、流向可以看出,流速相较于风速最大值滞后约3 h,风生海流由西南逐渐变为西北流向,且在海表黏滞力的影响下流向的改变相较风向有明显滞后。QF306位于台风路径左侧,风向由北风逆时针变为南风,流向保持西南方向不变,在16日14:00时该处风速达到20 m/s,受到潮汐影响,海表流速数小时保持较低值。SF304流速最大值变化落后风速6 h。从风生流场的空间分布特征可以得出,台风影响下,表层海洋流场呈现出空间上的右偏性特征,并且其流速和流向的变化相较风场存在显著滞后。
图10 特征站点风速、流速以及风向、流向历时曲线对比

(黑色虚线表示台风途经站点时刻。)

Fig.10 Comparison of wind speed and current velocity as well as wind direction and current direction at the stations

(The black dotted line indicates the time when the typhoon passes through the stations.)

3.3 风暴增水

分别对天文潮和风暴潮数据进行对比验证(图11),模拟结果基本再现了台风期间横门、三灶、蛇口潮位站的风暴增水过程,模拟的最大水位分别为2.6 m、2.6 m、2.1 m。
图11 近岸验潮站天文潮及风暴潮水位验证

Fig.11 Validation of results for astronomical and storm tide levels at nearshore tide gauge stations

基于耦合模式得到了台风“山竹”影响下南海北部的风暴增水分布情况(图12)。由图可以看出,自9月15日06:00(图12b)起,台风中心附近产生0.4 m的增水现象,随着台风的向岸移动,增水范围和增水高度都有明显增强;9月16日06:00(图12f),珠江三角洲东南沿岸最大增水可达1.5 m,台风登陆时部分地区增水可达2.0 m。在图10的基础上,进一步对比气压及风暴增水的时程曲线,结果如图13所示:位于台风路径右侧的站位(QF303、QF305)的风暴增水极大值时刻落后风速最大时刻2 h,最大增水超过1.0 m;路径左侧站位(QF306)的风暴增水极大值时刻为台风过境后6 h,最大增水约0.8 m;位于深水区域的SF304处风暴增水较小,最大仅为0.4 m,且增水极值时间与气压极值同步。综上所述,风暴增水在近岸浅水区表现出相对风速、气压滞后以及台风轨迹右侧增水大于左侧的特点。LIU等[26]对台风“玛利亚”期间风暴增水的模拟也同样呈现出右偏的特征。这是由于台风进入近岸浅水区后,台风右侧的流速矢量方向垂直于岸线,导致右侧的风暴增水较大;而浅水区同时会受到风应力的作用,使得增水持续增强,最终表现出风暴增水过程相较台风存在一定滞后的现象。深水区的风暴增水主要受台风中心低压影响,发生在台风中心处,因此与台风响应并无时间滞后特征。
图12 海表流场和台风引起的风暴增水的空间分布

(表示台风中心; 表示流场中心。)

Fig.12 Spatial distribution of sea surface current fields and surge caused by super typhoon Mangkhut

( represents the typhoon center; represents the center of the flow field.)

图13 特征站点风速、气压、流速及风暴增水历时曲线

(黑色虚线表示台风途经站点时刻。)

Fig.13 Time series of wind speed, pressure, current velocity and storm surge at the stations

(The black dotted line indicates the time when the typhoon passes through the stations.)

4 结论

基于中尺度大气模式WRF和区域海洋模式ROMS,构建了南海WRF-ROMS海气双向耦合模式,针对2018年超强台风“山竹”进行模拟,并结合实际观测资料进行验证,分析南海北部区域台风影响下的大气与上层海洋要素特征及其相互作用,并探讨了大气和海洋动力要素的时空分布特征,得到以下主要结论。
1)受台风影响,海表风生流场与风场整体表现出显著的埃克曼效应,流向与风向基本呈45°。
2)空间上,受科氏力影响,台风风场、风生流场、近岸风暴增水在台风路径右侧存在极大值,整体呈现空间上的“右偏性”特征。
3)时间上,风场与气压场时空分布特征相似且与台风中心同步;深水区风暴增水主要受台风中心气压作用并与气压保持一致;风生流场和近岸风暴增水对台风响应存在时间滞后特征,滞后时长约3 h。
综上,本文采用大气-海洋耦合模式的模拟结果较为理想,能有效反映台风作用下大气与海流之间的动态变化,为海气相互作用研究提供参考。本文未考虑波浪对台风结构的影响,而在实际场景中,波浪会影响海洋表面的粗糙度和海洋内部的垂直混合,因此针对波浪与大气的相互影响还需开展进一步的研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
MUIS S, VERLAAN M, WINSEMIUS H C, et al. A global reanalysis of storm surges and extreme sea levels[J]. Nature Communications, 2016, 7: 11969.

DOI PMID

[2]
WANG Y B, LIU J Q, DU X, et al. Temporal-spatial characteristics of storm surges and rough seas in coastal areas of China’s Mainland from 2000 to 2019[J]. Natural Hazards, 2021, 107(2): 1273-1285.

DOI

[3]
SHI X W, HAN Z Q, FANG J Y, et al. Assessment and zonation of storm surge hazards in the coastal areas of China[J]. Natural Hazards, 2020, 100(1): 39-48.

DOI

[4]
段自强, 李永平, 于润玲, 等. 海洋飞沫方案改进对台风“威马逊”强度预报的影响[J]. 海洋与湖沼, 2016, 47(6):1075-1090.

DUAN Z Q, LI Y P, YU R L, et al. On tropical cyclone intensity forecast using improved sea spray scheme in regional atmosphere-wave coupled model[J]. Oceanologia et Limnologia Sinica, 2016, 47(6): 1075-1090.

[5]
丁瑞, 朱良生. 条件变化对海口湾风暴增水的影响分析:以海鸥台风为例[J]. 海洋工程, 2018, 36(4):147-154.

DING R, ZHU L S. Impact of condition on storm surge in the Haikou Bay[J]. The Ocean Engineering, 2018, 36(4): 147-154.

[6]
ZHANG W Z, LIN S, JIANG X M. Influence of tropical cyclones in the western North Pacific[M]//LUPO A R. Recent developments in tropical cyclone dynamics, prediction, and detection. InTech, 2016: 3-24.

[7]
EZER T. On the interaction between a hurricane, the Gulf Stream and coastal sea level[J]. Ocean Dynamics, 2018, 68(10): 1259-1272.

DOI

[8]
张浩键, 伍志元, 刘晓建, 等. 台风“天鸽”影响下珠江口水动力过程数值模拟研究[J]. 长沙理工大学学报:自然科学版, 2023, 20(4):142-152.

ZHANG H J, WU Z Y, LIU X J, et al. Numerical simulation of hydrodynamic processes in the Pearl River Estuary influenced by Typhoon “Hato”[J]. Journal of Changsha University of Science & Technology: Natural Science, 2023, 20(4): 142-152.

[9]
LIN S, ZHANG W Z, SHANG S P, et al. Ocean response to typhoons in the western North Pacific: Composite results from Argo data[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2017, 123: 62-74.

DOI

[10]
JANSSEN P. The interaction of ocean waves and wind[M]. Cambridge, UK: Cambridge University Press, 2004.

[11]
叶芳, 刘磊, 马占宏, 等. 不同环境风场条件下冷尾流对台风强度的影响[J]. 热带气象学报, 2017, 33(3):368-374.

YE F, LIU L, MA Z H, et al. Effect of cold wake on typhoon intensity in different environmental wind fields[J]. Journal of Tropical Meteorology, 2017, 33(3): 368-374.

[12]
ZHAO X H, CHAN J C L. Changes in tropical cyclone intensity with translation speed and mixed-layer depth: Idealized WRF-ROMS coupled model simulations[J]. Quarterly Journal of the Royal Meteorological Society, 2017, 143(702): 152-163.

DOI

[13]
SHEN W X, GINIS I. Effects of surface heat flux-induced sea surface temperature changes on tropical cyclone intensity[J]. Geophysical Research Letters, 2003, 30(18): 1933.

[14]
CHEN S E, CAMPBELL T J, JIN H, et al. Effect of two-way air-sea coupling in high and low wind speed regimes[J]. Monthly Weather Review, 2010, 138(9): 3579-3602.

DOI

[15]
MOHANTY S, NADIMPALLI R, OSURI K K, et al. Role of sea surface temperature in modulating life cycle of tropical cyclones over bay of Bengal[J]. Tropical Cyclone Research and Review, 2019, 8(2): 68-83.

DOI

[16]
蒋小平, 刘春霞, 齐义泉. 利用一个海气耦合模式对台风Krovanh的模拟[J]. 大气科学, 2009, 33(1):99-108.

JIANG X P, LIU C X, QI Y Q. The simulation of typhoon Krovanh using a coupled air-sea model[J]. Chinese Journal of Atmospheric Sciences, 2009, 33(1): 99-108.

[17]
WARNER J C, ARMSTRONG B, HE R Y, et al. Development of a coupled ocean-atmosphere-wave-sediment transport (COAWST) modeling system[J]. Ocean Modelling, 2010, 35(3): 230-244.

DOI

[18]
伍志元, 蒋昌波, 邓斌, 等. 基于海气耦合模式的南中国海北部风暴潮模拟[J]. 科学通报, 2018, 63(33):3494-3504.

WU Z Y, JIANG C B, DENG B, et al. Simulation of the storm surge in the South China Sea based on the coupled sea-air model[J]. Chinese Science Bulletin, 2018, 63(33): 3494-3504.

[19]
MOONEY P A, MULLIGAN F J, BRUYÈRE C L, et al. Investigating the performance of coupled WRF-ROMS simulations of Hurricane Irene (2011) in a regional climate modeling framework[J]. Atmospheric Research, 2019, 215: 57-74.

DOI

[20]
WU Z Y, JIANG C B, DENG B, et al. Numerical investigation of Typhoon Kai-tak (1213) using a mesoscale coupled WRF-ROMS model[J]. Ocean Engineering, 2019, 175: 1-15.

DOI

[21]
WU Z Y, JIANG C B, DENG B, et al. Numerical investi-gation of Typhoon Kai-tak (1213) using a mesoscale coupled WRF-ROMS model— Part Ⅱ: Wave effects[J]. Ocean Engineering, 2020, 196: 106805.

DOI

[22]
李心雨, 杨昀, 李自如, 等. WRF大气模式与台风经验模型在超强台风“山竹”过程重构中的比较分析[J]. 海洋工程, 2022, 40(4):53-64,111.

LI X Y, YANG Y, LI Z R, et al. Comparative analyses on reconstructed processes of super typhoon Mangkhut using the WRF atmospheric model and typhoon empirical models[J]. The Ocean Engineering, 2022, 40(4): 53-64, 111.

[23]
陈晓斐, 齐琳琳, 何尽解, 等. 海洋垂直混合对中尺度海气浪耦合模式预报效果的敏感性试验[J]. 热带气象学报, 2018, 34(6):845-855.

CHEN X F, QI L L, HE J J, et al. A study of sensitivity to the choices of vertical mixing parameterizations in a coupled atmosphere-ocean-wave model[J]. Journal of Tropical Meteorology, 2018, 34(6): 845-855.

[24]
LI Z N, TAM C Y, LI Y B, et al. How does air-sea wave interaction affect tropical cyclone intensity? An atmosphere-wave-ocean coupled model study based on super typhoon Mangkhut (2018)[J]. Earth and Space Science, 2022, 9(3): e2021EA002136.

[25]
于玲玲, 麦健华, 程正泉, 等. 热带气旋大风风圈半径非对称性特征及成因简析[J]. 气象学报, 2022, 80(6):896-908.

YU L L, MAI J H, CHENG Z Q, et al. Analysis on the asymmetric characteristics and causes of the wind circle radius of tropical cyclones[J]. Acta Meteorologica Sinica, 2022, 80(6): 896-908.

[26]
LIU J L, ZHANG H, ZHONG R, et al. Impacts of wave feedbacks and planetary boundary layer parameterization schemes on air-sea coupled simulations: A case study for Typhoon Maria in 2018[J]. Atmospheric Research, 2022, 278: 106344.

DOI

Options
Outlines

/

〈 〉