浙江省臺風影響預測及沿海風險識別系統研究

金輝明，邱 超， 杜國平， 馬曉萍， 陳仁敖， 柴留彬

（1.杭州知水科技有限公司，浙江 杭州 310009；2.浙江省水文管理中心，浙江 杭州 310009；3.金華市水文管理中心，浙江 金華 321017；4.余杭區東苕溪水利工程運管中心，浙江 杭州 311115）

0 引 言

浙江省毗鄰東海，常年受臺風影響，臺風給全省帶來充沛雨水的同時[1]，也帶來重大災難，每次臺風來襲都會造成人口損失、房屋倒塌、農田被毀與作物失收等直接或間接的影響，導致浙江省發生較大災情的臺風年均2.9 次[2]。在極端降雨事件頻發、海平面持續上升和風暴潮不斷增強的背景下，因臺風發生超大型洪澇災害的風險不斷累積[3]。以2021 年“煙花”臺風為例，在臺風帶來超強降雨的影響下，浙東沿海河口水位暴漲，與此同時，河口外恰逢天文大潮，在上游洪水、區間降雨、天文大潮與風暴增水疊加作用，多個水文站點出現有記錄以來的最高潮位，形成嚴重的風暴潮災害。為了科學應對臺風威脅，浙江省2000 年研發風暴潮增水系統，2014 年研發相似臺風分析系統，為歷次臺風防御發揮了重要作用。雖然當前臺風分析系統在歷次臺風防御中發揮了重要作用，但隨著應用的深入系統仍有諸多問題有侍優化和完善。

本研究基于應用實際，對已建系統進行升級和功能完善，內容包括實現各場臺風過程降雨空間分布演變過程的動態展示、相似臺風多因子綜合匹配、潮位預報各站點特征信息綜合展示、海岸線各點預測潮位展示、海岸線風險分析以及河口增水網格圖動態展示等，構建浙江省臺風影響預測及沿海風險識別系統，顯著提高臺風分析效率，為新形勢下的臺風預報預警提供有力的技術支撐。

1 系統架構

本研究建立的浙江省臺風分析系統是綜合性分析系統，防汛專業人員通過該系統可快速分析出與當前相配的歷史相似臺風，并全面了解歷史相似臺風的降雨分布、沿海潮位站潮情以及歷史災情信息，為當前臺風防御提供數據參考，同時系統提供對當前臺風的風暴潮增水分析和展示功能，根據實測臺風路徑和預測路徑，生成當前臺風的沿海海面增水網格和各潮位站增水過程圖，并根據海岸線高程和工情情況，分析出沿海海岸線的風險點，為臺風防御提供技術支持。本系統采用4 層系統架構，分別為數據層、算法層、服務層和應用層，總體框架見圖1。

圖1 系統總體框架圖

數據層：為系統正常運行提供數據，包括實時水雨情數據、歷史水文數據、臺風數據、河口下墊面數據、氣象預測數據等。

算法層：為系統數據分析提供基礎算法，其中包括空間插值算法、臺風相似匹配算法、實時校正算法、河口分潮優化算法、臺風風場融合算法等。

服務層：為系統應用提供服務支撐，包括降雨分布圖生成服務、歷史水雨情服務、數據計算服務、相似臺風匹配服務、風暴潮計算服務、臺風路徑服務等。

應用層：為前端展示提供模塊支撐，包括相似臺風展示、風暴潮預報展示以及海岸線風險展示。

2 關鍵技術

2.1 降雨分布序列圖生成技術

歷史臺風降雨涉及近70 a 歷史水文數據，受當時水文資料收集的技術約束，早期水文資料以人工觀測為主，無論是時間分辨率還是空間分辨率均較低，因此，需對水文數據進行網格化處理，生成等值面分布圖和場次降雨序列圖。研究采用逆距離加權法進行網絡生成計算，并通過遮蔽算法對反距離權重法進行優化[4]，充分運用當前主流服務器的并行計算能力，對算法進行并行化計算，生成場次降雨分布序列圖。降雨網格圖生成過程包括歷史資料整理、站點數據篩選、網格數據生成、等值線生成以及圖片生成5 個步驟。

1）歷史資料整理。對各次臺風涉及的歷史資料進行整理，并對臺風期間各個站點的歷史資料處理成小時數據，根據繪圖對各個資料站的位置信息和降雨量數據進行校核，保證數據的完整性和準確性。

2）站點數據篩選。為了保證繪制過程高效和成果的準確性，需對站點進行篩選，篩選時綜合考慮各個站點的位置信息、實時降雨量和歷史降雨情況，選擇站點數據穩定可靠、剔除無效站點，篩選出站點布局均勻、站點數據可靠的站點參與網格計算。

3）雨量網格數據生成。采用逆距離加權法生成初次網格，通過遮蔽算法對各個網格數據進行優化，對計算過程進行并行化處理，提供網格計算效率，保證數據在規定時間內生成。

4）等值線圖生成。采用三角網格化對生成的網格進行等值線爬取，對爬取的等值線進行光滑處理和無效等值線的剔除處理，保證生成的等值線合理、準確和美觀。

5）圖片生成。對網格數據進行色塊著色，在畫布上繪制等值線和對應的標注，在一張圖上生成等值線面圖，以Base64 的字符格式對圖片進行接口數據返回。

2.2 相似臺風匹配技術

本研究以地理（路徑）相似為基礎，進一步以季節相似、臺風強度相似、移速相似作為相似臺風匹配的指標進行匹配。隨著當前臺風向前移動，通過匹配算法把與當前實時臺風在移動路徑、月份和強度等特征相似的歷史臺風按相似度的百分比檢索出來，得到與當前臺風相似的歷史臺風信息[5-9]。其算法流程見圖2。

圖2 相似臺風匹配算法流程圖

2.2.1 路徑相似度計算

路徑相似度算法核心是臺風相似路徑的確定及臺風相似度的計算。

1）臺風相似路徑的確定。從臺風的生成點至當前臺風的位置繪制一系列緩沖圓，緩沖圓間隔決定相鄰緩沖圓之間的距離，系統中可手動輸入，默認為12 h，緩沖圓半徑默認為400 km，可修改。如果在一系列緩沖圓內都有某條臺風的紀錄點，則該條歷史臺風即為當前實時臺風的相似臺風，見圖3 中匹配出的相似臺風1 和相似臺風2。

圖3 路徑特征相似法原理圖

2）相似度的計算。以緩沖圓圓心與每條相似歷史臺風路徑上相應關鍵點之間的距離d和緩沖圓半徑r的比值確立相似度SI：

該緩沖圓內所有的關鍵點的相似度的平均值作為歷史臺風在該緩沖圓處的相似度，記作ASI，見式（2）。

將所有緩沖圓的ASI求平均值后可得到該歷史臺風與當前實時臺風的相似度TASI，TASI越接近于1，表明檢索出的相似路徑與實時路徑越相似。

2.2.2 季節相似匹配算法

以臺風發生季節作為相似性特征指標，實現歷史臺風與當前臺風在季節上的相似匹配。算法設計了臺風發生月份（1—12 月）選項，系統可根據用戶的選擇，匹配出季節相似的臺風。

2.2.3 強度相似匹配算法

以臺風強度作為相似性特征指標，實現歷史臺風與當前臺風在強度上的相似匹配。算法設計了超強臺風、強臺風、臺風、強熱帶氣旋、熱帶氣旋和熱帶低壓共6 個不同選項，系統可根據用戶的選擇，匹配出強度相似的臺風。

2.3 采用VUE 數據驅動編程技術

本次研發的系統采用當前較為主流的VUE 框架進行開發，通過框架的數據驅動機制，實現成果數據與前端渲染頁面之間的數據對接，并可實現各個頁面的自定義配置，在降低系統開發難度的同時，提高系統的開發效率。

3 系統實現

3.1 相似臺風匹配分析

系統提供綜合相似分析、路徑相似分析、實時緩沖區相似分析以及預測路徑相似分析4 種相似分析算法的選擇功能，系統根據其季節性、相似程度以及相似強度等影響因子，快速分析出與當前臺風匹配的歷史相似臺風。圖4 為2022 年“梅花”臺風產生時的界面，系統自動匹配出“莫拉克”“派比安”等歷史臺風。

圖4 相似臺風匹配效果圖

3.2 歷史臺風雨情潮情及災情展示

本研究對歷史上臺風期間的降雨數據，通過調用空間插值算法，生成降雨過程分布圖，用戶可調取任何一場臺風的總降雨分布圖和降雨演變動態圖，全面了解臺風期間降雨分布和降雨演變情況。點擊地圖潮位站可切換顯示各場臺風期間潮水位過程和過程最高潮位信息，點擊各場臺風可在線查看各場臺風災情信息。具體界面見圖5。

圖5 歷次臺風雨情潮情展示效果圖

3.3 沿海風暴潮增水分析

系統對河口潮位站天文潮進行計算，生成全年預測天文潮過程。2022 年“梅花”臺風期間，本系統調用增水計算模型，對各臺風風場進行分析，根據風場對“梅花”臺風風暴潮過程進行預測，并根據實測潮位對預測各沿海潮位站的潮水位過程實時進行校正，達到較好的預報精度和展示效果。具體界面見圖6。

圖6 “梅花”臺風期間風暴潮預測效果圖

3.4 沿海海面增水等值面展示

系統根據模型計算的結果，并通過空間插值算法對近海海面進行網格化處理，生成海面逐小時增水過程，根據計算結果生成海面增水等值面圖，可對海面增水演變過程按時間進行動態播放，具體效果見圖7。

3.5 海岸線風險識別

系統根據天文潮預報模型和臺風風暴潮預報模型，實時生成沿海天文潮和風暴潮數據，疊加生成海岸線在臺風期間的最高潮位，結合海岸線海塘高程和水利工情情況，生成海塘風險等級，并對危險堤段分等級分顏色預警。具體效果見圖8。

圖8 海岸線風險識別效果圖

4 結 語

針對目前系統存在相似臺風匹配不精確、缺少臺風期降雨過程展示、沿海增水展示不直觀、無海岸風險識別能力等問題，本次研究通過優化相似臺風分析算法、整理歷史臺風資料，進行降雨網格化處理、海岸增水數據網格處理和海岸風險分析，較好解決了以上問題。主要得到以下研究成果：

1）對前期研發的相似臺風分析算法進行優化，在算法中引入季節和臺風強度因子，提高臺風匹配的準確性。

2）對歷史臺風資料和歷史水文資料進行整理，采用空間插值算法對臺風期降雨資料進行空間插值，生成總降雨分布圖和序列降雨分布圖，臺風期間可調取各場臺風降雨分布及降雨演變序列圖。

3）對增水計算海面數據進行網格化等值處理，并疊加到海面上，可直觀展示各次預報的海面增水過程。

4）通過對風暴潮預報成果與海岸堤防高程的疊加，識別出海岸線風險點，為臺風期沿海風險識別提供技術支持。