一、风暴增水的参数和定义（论文文献综述）
姚帏[1]（2021）在《基于机器学习的南海北部风暴增水预报研究》文中研究表明热带气旋造成的大多数人员伤亡和财产损失是由风暴潮造成的,随着海平面上升与沿岸人口的不断增多,预计风暴潮将给沿海地区带来更多更大的风险。常规数值方法和传统经验方法已经掌握了风暴潮的部分规律,但这仍然是一个非线性非平稳的多变量影响的问题,一直以来各种风暴潮分量之间的相互作用对风暴潮的峰值水位发生时间和发生位置的贡献仍然难以确定。机器学习技术在过去的十多年在地球科学领域展现了很强的灵活性,无论是单纯的数据驱动模型还是结合了机器学习技术的数值模型,为预报员突破预报瓶颈提供了新的角度。本文探讨了机器学习在风暴潮预报中的应用与发展、存在的问题及未来的发展方向。并搭建了机器学习模型用于南海北部沿岸的风暴增水预报。本文的一个创新点在于利用TCRM（Tropical Cyclone Risk Model）合成2000年的合成台风数据库,筛选出特定区域的特定类型的极端类台风,目的是总结极端的虚拟台风以更好的预测未来的实际极端台风。使用并行的海洋模式GOMO（Generalized Operator Model of the Ocean）快速且准确的模拟从中选择的30条合成台风事件引起的风暴潮。从此过程中获得的数据集用于训练LSTM（Long Short Term Model）机器学习模型,验证过程中各个输出站点的均方根误差均小于0.06,相关系数均在0.95以上,取得了很好的拟合效果。在该网络中使用了六个输入参数:台风眼的经纬度、中心低气压、台风的移动速度、最大风速、最大风速半径,对南海北部沿岸的惠州、赤湾、深圳、汕尾、珠海、大万山、闸坡、水东、香港、广州站进行了48小时的“天鸽”、“山竹”台风的后报实验和误差的非参数检验。在精细的15分钟预报时间步长考验下,模型给出了准确的峰值水位初始时刻与峰值极值的预测,从非参数检验中机器学习预报结果与GOMO模式预报结果的对比中可以看到-0.3至+0.3米的误差概率在70%左右,可以作为GOMO的替代模型。由于是同时输出多个站点的风暴增水预测,由于不同站点的地理位置造成的预报难度的不一造成机器学习模型也不能准确捕获增减水过程,如处于障壁岛地形的大万山站,处于半封闭海口的广州站都是预测难度很大的位置。机器学习模型能高精度的模拟台风过境过程的增水幅度,可以准确预测到增水初始时刻、却并不能准确预测何时减水与减水的幅度,这可能由于合成事件中的台风数据的局限性造成的。结果表明,机器学习手段建立的预报系统有替代数值模型的潜力,利用随机台风模型构建的数据库结合机器学习技术将在未来的风暴潮概率预报中具有很强的扩展性和业务应用价值。
赵铨[2]（2020）在《长江口台风风暴潮与漫滩对气候变化响应的数值模拟研究》文中研究指明我国是世界上受台风影响最大的国家之一,强台风引起的风暴潮灾害不容忽视。随着气候变化程度的逐步提升,这种灾害的影响可能被进一步提高。在此背景下开展气候变化对台风风暴增水及漫滩影响的相关研究工作,对于调整防洪系统、提高防灾减灾能力以及减小台风带来的损失具有十分重要的意义。气候变化带来的影响需要通过风、水动力耦合模型进行展现,因此耦合模型是研究的基础,这也可为相关研究提供技术支撑。因此研究台风风暴增水及漫滩对气候变化的响应机制具有重要的理论和现实意义。本文从建立WRF-ADCIRC气象水动力耦合模型出发,选择历史上影响长江口区域的0509号登陆台风麦莎和1509号近转向台风灿鸿作为案例进行模拟。从模拟参数的选取、海表温度数据以及下垫面数据三个方面,对WRF风场进行了优化。考虑在气候变化背景下,本文研究了长江口台风、风暴增水对海表温度上升SSTR（Sea surface temperature rise）的响应,以及以上海为例的漫滩对海表温度及海平面上升共同作用的响应情况。主要研究成果如下:（1）关于长江口区域的WRF参数优化,常用的5种微物理参数和5种积云参数被选择以进行优选实验,共9组实验。结果表明,两种参数对于验证点风速的影响程度较为接近;在路径方面,微物理参数造成的影响较小。对于麦莎台风,推荐的参数组合为WSM3+New SAS,灿鸿台风为WSM3+Grell,因此在该区域模拟台风时,微物理参数建议选择WSM3。在此基础上建立WRF-ADCIRC耦合模型,模型能够较好地模拟台风期间的水位。（2）基于选定的台风,海表温度上升引起了台风强度的增加,同时台风出现了远离陆地的趋势。具体表现为麦莎台风的路径呈现提前转弯的迹象,且路径更短,灿鸿台风的路径向东转移,远离陆地。SSTR为2.10℃时,台风的最大风速增强约10%,4.25℃时增强约25%。（3）根据研究结果,海表温度的上升导致大部分研究区域的增水极值都出现了一定程度的增大,特别是江苏和上海的沿海,且近岸的效果更加明显。麦莎台风提高了浙江沿海的增水极值,但对杭州湾的增水影响较小。灿鸿台风对增水的影响大致以江苏沿海为中心,向周边扩散。SSTR为2.10℃时,麦莎台风在长江口区域的增水极值增大0.2-0.4m,4.25℃时增大0.3-0.5m。灿鸿台风的结果为0-0.2m和0.3-1.0m。（4）利用WRF-ADCIRC耦合模型,以上海为例,结合高潮位模拟漫滩,在不考虑海堤的基础上,漫滩与增水极值变化的分布情况相对应,且随着海表温度和海平面的上升,淹没范围有明显的提升。结果表明,崇明岛、九段沙等岛屿都有较大范围的漫滩;上海的东部高程相对较低,出现比较严重的漫滩;南部高程较高,仅在麦莎台风影响下出现较大范围漫滩,灿鸿台风带来的漫滩情况较轻。
郭云霞[3]（2020）在《中国东南沿海区域台风及其风暴潮模拟与危险性分析》文中研究说明中国东南沿海区域经济富庶、城镇密集,同时也长期遭受台风灾害的侵扰。分析台风以及台风引起的风暴潮的危险性,预测可能发生的极值风速与风暴增水,对这些地方结构的抗风设计以及防灾减灾至关重要。本文首先以中国东南沿海城市深圳市为例,采用传统的Monte-Carlo方法分析其台风危险性。基于CMA西北太平洋热带气旋最佳路径数据集的历史台风数据,提取了对深圳市有影响的台风的关键参数,并确立了每个关键参数最优的概率模型。以这些概率模型为基础采用Monte-Carlo方法进行随机抽样,产生1000年虚拟台风事件。本文采用了Yan Meng（YM）风场模型,并分析了该模型对一些风场参数的敏感性,得出该模型对地面粗糙度以及Holland气压参数B非常的敏感,两者对计算风速的大小具有相反的作用。采用YM风场模型对虚拟台风的风场进行模拟,并提取虚拟台风的极值风速序列。利用不同的极值分布对极值风速序列进行拟合,通过拟合优度检验得出Weibull分布要优于Gumbel分布。最后预测了深圳市不同重现期的极值风速,并与结构规范中推荐的风速以及其他一些参考文献的结果进行对比,得出产生差异的主要原因是Holland气压参数B模型的不同。其次由点到面,基于Monte-Carlo方法,本文分析了整个中国东南沿海区域的台风危险性。首先将整个东南沿海区域分成0.25??0.25?的网格点,然后利用Monte-Carlo方法产生每个网格点1000年间的虚拟台风事件。本文采用YM风场模型模拟了100个历史台风的最大风速,通过使这些最大风速与观测的最大风速误差和最小,建立了一组新的计算Holland气压剖面参数B和最大风速半径Rmax的公式。最后利用新的台风参数计算方案、YM风场模型、特定点的台风衰减模型以及极值分布模型,预测了每个网格点不同重现期的极值风速,为中国东南沿海台风多发区域绘制了不同重现期的设计风速图。由于Monte-Carlo方法依赖于一定区域内气候保持一致的假定,因此较为适合研究单个站点的台风危险性。为了在更大区域上研究台风危险性,接下来本文采用较为先进的简化经验路径方法构造了整个西北太平洋海域1000年的热带气旋事件集,并预测了每个站点不同重现期的极值风速,形成了中国沿海台风多发区新的设计风速分布图。将经验路径方法与Monte-Carlo方法预测的极值风速进行对比,发现两种方法预测结果的差异主要是由两种方法构造的虚拟台风的中心压强存在差异以及模型本身的不确定性造成的。我们还研究了台风衰减模型、路径模型、Holland气压剖面参数、最大风速半径和极值分布对预测的极值风速的影响。发现不同的台风衰减模型对预测的极值风速影响最小,这主要是由于不同的衰减模型得到的登陆台风的压强相差不大;在我国东南沿海大部分地区,非简化经验路径模型预测的风速值要大于简化路径模型预测的结果,这主要是由于两种路径模型构造的台风中心压强以及台风路径距研究点的最小距离存在差异;不同的气压剖面参数模型会对极值风速的预测产生较大的影响,当参数值偏大时,预测的极值风速也偏大;不同极值分布预测的极值风速有很大的差异,这主要是由极值分布本身的特点所造成的,一般概率分布具有“长尾”特征的分布,预测的极值风速偏大。基于构造的1000年热带气旋事件集,估算了近年来影响中国最强的4个台风,分别是Meranti（2016）、Hato（2017）、Mangkhut（2018）和Lekima（2019）,在我国东南沿海站点引起的极值风速的重现期,评估了它们的危险性。最后,以采用台风经验路径模型产生的1000年热带气旋事件集为基础,结合YM台风风场模型以及SWAN+ADCIRC耦合的风暴潮模型,研究了深圳市台风的风-潮-浪的危险性。对模拟得到的台风风-潮-浪数据进行统计分析,发现深圳市最大增水的频率分布直方图有“长尾”的特征,而最大风速以及最大有效波高的频率分布具有“短尾”的特征。采用广义帕雷托分布（GPD）来估计台风风-潮-浪的上尾分布,分别得到了三个量不同重现期的预测值。为了考虑风-潮-浪的综合效应,建立了深圳市台风风-潮-浪联合灾害图。我们可以将本文对深圳市的风险评估方法应用于其他沿海地区,并且可以将其扩展到考虑未来气候变化的影响。
庄圆[4]（2020）在《中国沿海重现期水位算法研究及空间分布》文中认为由于人类活动和全球气候变暖等各种因素的影响,海平面上升已然成为了一个我们不得不面对的问题。气候变暖导致的海洋膨胀、海气作用增强、冰川融化等现象加剧了海平面的上升速率,海平面上升引发的极端高水位事件将严重威胁沿海城市的经济发展和社会生活。因此在当前气候变化背景下,开展极端高水位事件的风险评估显得尤为重要和迫切。极值水位在海岸工程、海上工程、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。中国沿海城市人口密度大,沿海人口总数大约为5亿人,经济发达,沿海地区工农业总产值约占全国总产值的60%左右。在当前海平面上升速率加快的情景下,对中国沿海开展极端高水位重现期的风险评估尤为重要。本文通过条件分布联合概率方法、考虑海平面上升因素的极值水位计算方法计算中国沿海的极值水位重现期分布,同时利用FVCOM（Finite Volume Coast and Ocean Model）海洋模式建立了风暴潮模型,模拟了连续21年对舟山附近海域影响较大的21场台风,通过耿贝尔模型计算得出舟山海域的多年一遇极值水位与极值增水的空间分布。论文主要内容与结论如下:1.本文计算了潮位与余水位相互独立和潮位与余水位相关两种不同情况的极值水位,通过对比得出联合概率法能够比极值法更充分地利用水位观测资料。联合概率法能够考虑不同潮汐水位条件下余水位的不同分布,但缺点是在极值分布计算中部分大的增减水信息并未利用起来。同时分析了中国沿海潮位站余水位分布的数字特征,得到的结论如下:余水位标准差的空间分布呈现出自北向南逐渐减小的趋势,河口站点的余水位标准差普遍大于开阔海域站点的标准差;余水位偏度的空间分布为南方港口多为正偏而北方港口多为负偏;余水位峰度的空间分布来看,渤、黄、南海的站点的峰度大于东海站点的峰度。2.由于前人计算极值水位的算法大多没有考虑海平面上升的影响,因此本文将未来的海平面上升与当前情景的极值水位相结合,利用P-III（Pearson-Ⅲ）模型重新计算极值水位与重现期。结果表明,由于气候变化引起的海平面上升,极端事件的重现期明显缩短。具体来说,CEWL（Current Extreme Water Level）和SEWL（Scenario Extreme Water Level）在不同时间尺度的RCP（Representative Concentration Pathway）情景和每个RCP情景中的水位之间的变化表明了海平面上升对极值水位的变化有显着的影响。其中重现期在RCP 8.5情景下缩短最为显着;在RCP 8.5情景下的较高水平上,正常情景下的百年一遇的极值水位将在2050年逐渐变为17年左右一遇,到2100年仅为2年一遇。因此,在此浓度情景下2050年中国沿海的CEWLs将成为常见事件。3.本文通过建立的风暴潮模型模拟了1997年2017年间对舟山附近海域影响较大的21场台风过程,利用Gumbel分布计算了该区域多年一遇的极值水位和极值增水。舟山附近海域多年一遇极值水位的空间分布特征表现为近岸大于外海。多年一遇极值增水的空间分布特征为由近岸向外海逐渐减小。
李健,侯一筠,莫冬雪,刘清容[5]（2020）在《黄、东海天气系统对渤海风暴潮影响》文中研究表明渤海沿岸是风暴潮多发区域。研究者多关心渤海局地风引起风暴潮变化,而忽略黄、东海天气系统对渤海风暴潮的影响。为研究外围天气系统对局地风暴潮的影响,本文采用实测资料对比和设计理想数值试验等方法,对黄、东海天气系统影响的渤海风暴潮进行了研究。结果表明:1、TY1814"摩羯"和TY1818"温比亚"台风风暴潮的实测资料呈现当黄、东海风力较大,而渤海风力较小时,渤海沿岸也会出现较大风暴潮现象; 2、从FVCOM（Finite-Volume Coastal Ocean Model）模拟的理想数值试验中发现,黄、东海风向是东南风时,引起渤海沿岸风暴增水极值最大;3、以入海气旋和登陆北上台风两种类型天气系统风向变化设计理想数值试验,发现黄、东海的东南风持续时间对渤海沿岸风暴潮极值大小和出现时间影响较大。理想试验获得的结论不仅能为渤海风暴潮预测和防灾减灾提供理论依据,还能够有效减少预警应急中漏报的现象,降低沿海经济损失。
陈磊[6]（2019）在《香港沿岸台风暴潮灾害联合强度概率分析》文中研究说明以香港东部鲗鱼涌和大埔滘两个验潮站的风暴增水数据为基础,以1999-2018年影响香港的台风过程所引发的风暴最大增水为研究对象,利用广义极值分布分别对两站的最大台风增水进行一元拟合,并基于二元Copula函数,构造两站最大台风增水的联合概率分布,根据其联合重现频率进行潮灾的联合强度概率分析。研究结果表明:两站台风暴潮最大增水变量的联合重现频次能够反映台风在香港东部引发的风暴潮的强度,这种联合概率分析较一元分析有更强的地区适用性。
殷锴[7]（2019）在《海岸带柔性植被对极端风暴潮动力衰减规律研究》文中研究指明当前我国所面临的风暴潮和台风浪等自然灾害形势依然复杂严峻,沿海防灾减灾能力仍需得到进一步切实提高。在此背景下开展生态植被护岸工程的相关研究工作,对于提升防灾减灾能力、提高生态承载能力以及筑牢生态安全屏障都具有十分重要的意义。为切实保障生态植被护岸的实施效果,有必要深入研究生态植被受力运动特性以及消能原理。与此同时,准确掌握高重现期风暴极端水位这一最基本工程设计与安全参数,也可为研究风暴期间完全淹没状态下的植被减灾功能提供技术支撑。因此针对海岸带柔性植被所引起的极端风暴潮动力衰减规律的研究具有重要的理论和现实意义。本文从风暴潮水位以及波浪这两个主要河口海岸动力因素出发,针对海岸带柔性植被衰减波浪及波浪增水的关键问题进行探索和研究。论文首先对径流影响显着的河口地区极端水位进行准确预测研究,其次建立波浪与柔性植被相互作用的耦合模型,进而分析柔性植被对波浪以及波浪增水的衰减规律。论文采用理论分析、数值模拟以及物理模型实验等方法,研究了海岸带柔性植被对极端风暴潮动力衰减规律的相关技术问题,研究的主要内容和结论有:（1）针对极端潮位受径流影响显着的河口地区,引入上游径流量作为概率分析参数,研究并建立了长江口风暴潮各驱动要素的概率模型。同时建立了多因素驱动下长江口二维双向耦合大小嵌套水动力数值模型。提出了河口地区基于改进JPM-OS-Q模型的极端风暴潮计算方法,并验证了所提方法在长江口代表站点预测结果的合理性与准确性。最后基于改进JPM-OS-Q模型研究并揭示了海平面上升对极端风暴潮具有显着非线性影响的规律。（2）提出了模拟柔性植物的力学模式,构建了近岸浅水区波浪作用下柔性植被受力运动数学模型。进而提出了XBeach相位解析与相位平均波浪模型中柔性植被消浪作用的计算方法,并对XBeach两类波浪模型进行了改进和二次开发应用。同时开展了柔性植被消浪的物理模型实验研究,基于实验结果以及文献实验数据验证了所建模型的可靠性。物理模型实验与数值模拟研究均表明柔性植被可显着衰减波高以及波浪增水,柔性植被对于极端风暴潮动力衰减的作用不容忽视。（3）揭示了波浪作用下单根柔性植被受力和运动特性,指出相对淹没度、波高、波周期、拖曳力系数和植被弹性模量对柔性植被受力运动具有显着影响,并分析讨论了各单一因素的影响机理。研究了波浪要素和柔性植被特性对波浪衰减的影响规律,揭示了单根柔性植被受力大小对于植被消浪的重要性,并在此基础上进一步分析了植被分布密度、植被区域长度和植被弹性模量的影响。
卞建云[8]（2019）在《江苏沿海台风风暴潮数值模拟与增水极值分析》文中研究说明风暴潮是来自海面上的一种巨大的自然灾害现象,它是指由于强烈的大气扰动——如热带气旋、温带气旋、暴发性气旋等天气系统所伴随的强风和气压骤变所导致的海平面异常升降的现象。它若和通常的天文潮,特别是天文大潮、高潮阶段叠加,一般会使受其影响的海域水位暴涨、摧毁坡堤,甚至海水浸溢内陆,造成巨大灾害。江苏省海岸线全长954km,占全国海岸线总长约6%,江苏东岸及南岸受到台风引起的风暴潮带来的巨大的威胁。在风暴潮的灾害因子中,风暴潮增水的危害是处在首要位置的。所以,本文研究了台风风暴潮对江苏沿海的影响,采用数值模拟和统计分析相结合的方法进行研究。为了给江苏沿海台风风暴潮增水极值分析提供数据支持,本文采用数值模型后报的方式得到台风风暴潮过程增水极值。后报采用ADCIRC模式,模型所用地形水深由全球陆地海洋高程数据ETOPO1和实测提取的水深数据拼接而成;计算网格采用在江苏沿海边界进行加密处理的非结构化三角网格;藤田台风模型能够较好的模拟台风气压场的分布,并且在计算效率和精度上都更为符合预报和后报的要求,因此本文选取藤田台风模型进行风场和气压场计算,台风资料取自台风年鉴;潮汐边界条件由M2、S2、K1、O1共4个分潮组成,调和常数来自TPXO8-atlas模型。通过对历史台风案例进行风暴潮模拟,并与实测资料的结果进行验证对比,对比结果显示增水极值平均绝对误差为7.9cm,达到了风暴潮模拟中所要求的一般标准。增水极值时间差基本在0h到2h内,达到了模拟后报的总体水平。误差在可允许范围之内,所以ADCIRC风暴潮模型可用于江苏沿海地区的增水研究。利用数值模型对1977年～2016年共40年间影响江苏沿海区域的42场台风过程进行了计算,后报出台风风暴潮的增水数据。在统计分析的过程中,首先对Gumbel分布、Weibull分布、对数正态分布等六种极为常用的理论极值分布进行拟合优度对比。采用K-S检验法、均方根误差法、AIC法等方法对样本经验分布函数与各分布函数的拟合程度进行评估。对比综合统计量,拟合最优的为广义极值分布,故选择广义极值分布与泊松分布组成复合分布。利用泊松-广义极值分布对每个网格点的42个最大极值进行统计分析,推算出了重现期为20年、50年、100年及200年的风暴增水极值一维分布。江苏沿海百年一遇台风引发的风暴增水吕四和洋口较大,分别为 390.0cm 和 271.4cm。
朱正涛[9]（2019）在《海岸侵蚀脆弱性评估模型构建及其应用研究》文中指出海岸带是陆地与海洋交互作用的地带,对人类社会经济发展和自然生态环境都具有重大的价值。海岸带系统在外界动力（如波浪、潮汐等）的作用下演变特征复杂,而日益增强的人类活动与之叠加则会导致海岸带演变更趋复杂。随着海平面上升,河流入海通量减少,风暴频率增多,海岸围垦活动加强,导致海岸侵蚀日益加剧。面对海岸侵蚀,需要针对不同空间尺度海岸侵蚀脆弱性制定不同的管理政策。国内海岸侵蚀研究主要聚焦于侵蚀成因分析与侵蚀强度评估研究,对海岸侵蚀脆弱性没有明确定义,海岸侵蚀脆弱性评估较少,而且都是单一空间尺度的海岸侵蚀脆弱性评估,忽略了人类活动（人工海岸建设）对海岸侵蚀脆弱性影响,且评估方法存在不足。针对以上不足,本文以海洋科学、地质学、地理学、灾害学、数理和模糊数学等学科理论基础为指导,在已有的海岸侵蚀脆弱性和海岸脆弱性研究基础之上,重点考虑人类活动（人工海岸建设）对海岸侵蚀脆弱性影响,建立地方级和区域级海岸侵蚀脆弱性评估指标体系。针对指标数据分级存在的不足,创新性采用启发式高斯云变换分级方法;针对评估过程中存在的不确定性（随机性和模糊性）,选取模糊集理论模型和多维高斯云模型作为评估模型。通过野外调查和资料收集充分获取评估指标数据的基础上,根据评估原则之一（数据的可获取性）和福建（尤其厦门）海岸高速发展现状（大量人工海岸修建）,选择厦门和福建作为研究案例,对厦门（多维高斯云模型）和福建海岸（模糊集理论模型和多维高斯云模型）进行地方级和区域级海岸侵蚀脆弱性评估,以期完善海岸侵蚀脆弱性评估理论和方法体系,提高评估的科学合理性,并为不同尺度海岸减灾防灾和海岸带综合规划提供科学指导,从而实现海岸带可持续发展。主要得到以下认识:（1）在已有的海岸侵蚀脆弱性和海岸脆弱性研究基础上,本文将海岸侵蚀脆弱性定义为:在一定的社会经济背景下,海岸在侵蚀灾害范畴,系统易于受到损害的程度和从侵蚀影响中的恢复和适应能力。重点考虑了人工海岸建设对海岸侵蚀脆弱性影响,从海岸特征、海岸动力和社会经济三方面建立了区域级和地方级海岸侵蚀脆弱性评估指标体系,两个尺度指标体系当中,首次提出海岸缓冲能力作为重要指标评估地方级尺度人工海岸和自然海岸抗侵蚀状态,人工岸线比例作为反映区域级人工海岸抗侵蚀状态,弥补了在进行海岸侵蚀脆弱性评估没有重点考虑人工海岸建设影响这一不足。（2）首次将启发式高斯云变换方法应用于海岸侵蚀脆弱性指标数据分级当中,并首次通过Python程序语言编写启发式高斯云变换程序,提高了数据分级效率。启发式高斯云变换数据分级方法优于标准差分级方法,是一种软分级,反映了数据复杂的空间分布特征,脱离了传统（比如标准差分级法）“硬分级”的束缚,更科学合理。（3）首次将多维高斯隶属云函数应用于海岸侵蚀脆弱性指标数据合成当中,很好地解决了评估过程中存在的不确定性。多维高斯云模型理论建模少,计算过程简单,减少了多次合成运算的信息丢失使得评估结果更为科学合理,更适用于海岸侵蚀脆弱性评估研究。（4）不同尺度海岸侵蚀脆弱性评估指标体系之间存在一定差异,其中区域级和地方级指标存在完全差异的指标有海岸高程、海岸坡度、相对海平面变化和潮差;完全没有差异的指标有平均波高、人均GDP和一般公共预算支出;其他地方级和区域级指标彼此既有相关联系又存在区别。上述差异是由不同尺度海岸侵蚀脆弱性评估体系、不同尺度数据可获取性和精度以及不同尺度管理需求等原因导致的。（5）根据多维高斯云模型对福建和厦门海岸侵蚀脆弱性评估结果可知:1)区域级评估结果:福建海岸侵蚀脆弱性高和很高等级主要分布在福州市辖区、福州平潭县、莆田市辖区、莆田仙游县、泉州石狮市和厦门市辖区,这些区域需要引起海岸管理者注意,主要是加强这些岸段对海岸侵蚀适应能力,比如增强海岸防护能力,进行软质护岸和生态护岸。2)地方级评估结果:厦门海岸侵蚀脆弱性高和很高等级主要分布在岛内厦门港到杏林海堤岸段和游艇码头岸段,岛外海沧港岸段和杏林海堤西侧岸段,岛内曾厝垵岸段,白石炮台岸段,黄厝岸段和观音山岸段,这些岸段需要加强海岸警戒线内海岸基础设施保护以增强人工海岸抗侵蚀能力。综上所述,本文所建立的海岸侵蚀脆弱性评估理论和方法体系,可运用在不同空间尺度的案例研究中,且评估结果合理可信,弥补了国内不同尺度海岸侵蚀脆弱性评估研究中的不足,有助于提升评估结果的科学合理性,并能为不同尺度海岸减灾防灾和海岸带综合规划提供科学指导,从而实现海岸带可持续发展。
张博文[10]（2019）在《基于参数化风场的南海北部风暴潮、波浪数值模拟》文中进行了进一步梳理台风发生时会伴随强烈的低压气旋,由此会引发海面巨大的风暴潮、台风浪等次生灾害。南海北部的雷州湾区域是我国最大风暴潮发生海域之一,最大增水可达5.5m,有效波高可达12m,因此,针对南海北部的风暴潮、台风浪数值模拟研究具有重要意义。在风暴潮、台风浪的数值模拟研究中,其模拟精度受台风气压场和风场精度的影响,风暴潮和台风浪模拟计算所需要的风速等数据必须要通过风场模式输入。选择合适的台风气压场、风场,给定准确的输入资料,在风暴潮台风浪的数值模拟研究中至关重要。本文通过历史台风观测数据,研究了适用于的我国东南海域的台风风场和气压场的计算模型和关键参数,开展了南海北部风暴潮、台风浪的数值模拟,分析了“海鸥”台风过境时风暴潮作用下的最大增水、最大波高分布特点。本文研究内容和结果如下:1)基于Holland模型气压场和风场,通过对JTWC台风最佳路径数据集的参数样本分析,给出了最大风速Vm与最大风速半径Rmw之间的经验公式。2)根据台风风场梯度方程对Holland参数B进行拟合,给出了Holland B系数关于半径r、任意半径处风速V（r）、台风中心纬度φ和台风中心气压差?p之间的经验关系式。然后将本文模型与五种Holland B经验计算模型进行对比,经过统计分析与误差分析,选出了适用于我国东南海域的Holland B参数计算模型。3)根据该模型计算出Holland参数B的样本,给出其在我国东南海域的空间分布图,结果表明:在该经验模型计算下,Holland参数B样本空间分布有较明显的区域差异,在东经105°120°范围内,Holland B的取值多在0.71.0之间,在东经120°140°范围内,Holland B的取值多在0.91.2之间,从空间分布图的结果来看,也显示出东经120°140°范围内的Holland B取值较大。4)根据台风场、波浪与风暴潮的耦合模式,建立了基于参数化风场的南海北部天文潮与风暴潮、波浪耦合模型。选用具有代表性的1415号“海鸥”台风,基于本文寻找到的最优Holland参数B的计算模型,确定模型中台风风场气压场的关键参数值。验证表明,建立的风暴潮、天文潮和波浪耦合数值模拟具有较高的精度,风暴潮增水、波浪波高过程与实测结果相一致。5)分析了“海鸥”台风过境时风暴潮作用下的最大增水、最大波高分布特点。雷州半岛东部海域最大增水大于琼州海峡海域内的最大增水值,雷州半岛东部海域出现3m以上增水,最大增水位置在雷州湾海域,最大增水在5.5m以上,雷州半岛西部海域出现超过2m的减水。受雷州半岛东部近岸水深较浅影响,琼州海峡海域最大有效波高高于雷州半岛东部近岸海域,但低于雷州半岛东部外海海域,雷州半岛东部外海海域有效波高可达12m,琼州海峡有效波高也可达6.57.5m。
二、风暴增水的参数和定义（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、风暴增水的参数和定义（论文提纲范文）
（1）基于机器学习的南海北部风暴增水预报研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 台风随机模型的发展 |
| 1.2.2 风暴潮模型的发展 |
| 1.2.3 机器学习预报风暴潮的发展 |
| 1.3 南海台风风暴潮的基本特征及研究现状 |
| 1.4 研究目标与论文的组织 |
| 第二章 风暴潮的基本特征与所用模型 |
| 2.1 风暴潮的影响因素 |
| 2.2 TCRM模型 |
| 2.2.1 路径生成单元 |
| 2.2.2 模型内成分 |
| 2.3 GOMO数值模型 |
| 2.3.1 GOMO的基本方程 |
| 2.3.2 模式的边界条件 |
| 2.3.3 模态分离技术 |
| 2.3.4 算子 |
| 2.4 机器学习模型 |
| 2.4.1 循环神经网络RNN概述 |
| 2.4.2 长短时记忆网络LSTM概述 |
| 第三章 利用TCRM合成大量的虚拟台风 |
| 3.1 模型的配置和网格选取 |
| 3.2 合成台风的发生与传播 |
| 3.3 筛选台风的策略 |
| 3.4 插值台风到合适的时间分辨率 |
| 第四章 利用GOMO数值模拟南海北部沿岸的风暴增水 |
| 4.1 模型配置 |
| 4.2 风场的配置与验证 |
| 4.3 数值模拟得到的风暴潮与验证 |
| 第五章 训练机器学习模型并快速估计风暴增水 |
| 5.1 预测的台风介绍 |
| 5.2 数据集的构造与前处理 |
| 5.3 LSTM神经网络结构 |
| 5.4 基于LSTM预测的风暴增水与非参数检验 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文 |
（2）长江口台风风暴潮与漫滩对气候变化响应的数值模拟研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 海表温度对台风及风暴潮的影响研究 |
| 1.2.2 WRF模型风场模拟 |
| 1.2.3 风暴洪水数值模拟研究 |
| 1.3 论文研究内容 |
| 1.4 论文实施路线 |
| 1.5 论文组织结构 |
| 第二章 气象、水动力耦合模型简介 |
| 2.1 WRF中尺度气象模型 |
| 2.1.1 模型概述 |
| 2.1.2 控制方程 |
| 2.1.3 气象过程的模拟 |
| 2.2 ADCIRC水动力模型 |
| 2.2.1 连续性方程 |
| 2.2.2 动量方程 |
| 2.2.3 波动连续性方程 |
| 2.2.4 底摩擦系数 |
| 2.3 模型耦合机制 |
| 2.4 本章小结 |
| 第三章 长江口气象模型构建 |
| 3.1 典型台风选取 |
| 3.2 气象模型设置 |
| 3.3 台风验证 |
| 3.3.1 麦莎台风验证 |
| 3.3.2 灿鸿台风验证 |
| 3.4 本章小结 |
| 第四章 长江口水动力模型构建 |
| 4.1 研究区域及模型设置 |
| 4.2 天文潮验证及参数率定 |
| 4.3 台风期间水动力情况分析 |
| 4.3.1 麦莎台风期间水动力情况分析 |
| 4.3.2 灿鸿台风期间水动力情况分析 |
| 4.4 本章小结 |
| 第五章 风场、风暴增水及漫滩对气候变化的响应分析 |
| 5.1 未来气候变化趋势分析 |
| 5.1.1 海表温度与海平面高度变化情景制定 |
| 5.1.2 海表温度与海平面高度变化模拟方法介绍 |
| 5.2 风场对海表温度变化的响应 |
| 5.3 风暴增水对海表温度变化的响应 |
| 5.4 上海漫滩对海表温度及海平面高度变化的响应 |
| 5.4.1 基本假设 |
| 5.4.2 计算资料 |
| 5.4.3 模型设置 |
| 5.4.4 模型结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 作者简介 |
| 参考文献 |
（3）中国东南沿海区域台风及其风暴潮模拟与危险性分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状分析 |
| 1.2.1 台风风场模型研究进展 |
| 1.2.2 台风数值模拟研究进展 |
| 1.2.3 风暴潮预报技术研究进展 |
| 1.2.4 风暴潮危险性研究进展 |
| 1.3 本文主要研究内容 |
| 第2章 基于YM模型的台风风场模拟 |
| 2.1 引言 |
| 2.2 YM台风风场模型的求解与验证 |
| 2.3 YM风场模型的敏感性分析 |
| 2.3.1 上川岛站点数据验证与敏感性分析 |
| 2.3.2 阳江与电白站点数据的验证 |
| 2.4 新的台风参数调整方案 |
| 2.5 本章小结 |
| 第3章 Monte-Carlo台风模拟与危险性分析 |
| 3.1 引言 |
| 3.2 地理区域及数据来源 |
| 3.3 台风关键参数概率分布 |
| 3.3.1 台风年发生率 |
| 3.3.2 台风中心压差 |
| 3.3.3 台风移动速度 |
| 3.3.4 台风移动方向 |
| 3.3.5 最小距离 |
| 3.4 台风衰减模型 |
| 3.5 Monte-Carlo模拟台风生成过程 |
| 3.6 中国东南沿海区域台风危险性分析 |
| 3.6.1 台风极值风速概率分布 |
| 3.6.2 深圳市台风危险性分析 |
| 3.6.3 中国东南沿海区域台风危险性分析 |
| 3.7 本章小结 |
| 第4章 台风经验路径模型与危险性分析 |
| 4.1 引言 |
| 4.2 台风经验路径模型 |
| 4.2.1 模型介绍 |
| 4.2.2 西北太平洋热带气旋事件集的构造 |
| 4.2.3 经验路径模型的验证 |
| 4.3 Monte-Carlo方法与经验路径方法预测的极值风速的对比 |
| 4.4 台风风灾模型的敏感性分析 |
| 4.4.1 不同的衰减模型对预测的极值风速的影响 |
| 4.4.2 简化与非简化路径模型对预测的极值风速的影响 |
| 4.4.3 不同R_(max)和B模型对预测的极值风速的影响 |
| 4.4.4 不同的极值分布模型对预测的极值风速的影响 |
| 4.4.5 几个沿海城市风灾的估计 |
| 4.5 台风极值风速重现期的估计 |
| 4.6 本章小结 |
| 第5章 深圳市台风风暴潮的危险性分析 |
| 5.1 引言 |
| 5.2 SWAN+ADCIRC模式介绍 |
| 5.2.1 海浪模式SWAN |
| 5.2.2 风暴潮模式ADCIRC |
| 5.2.3 耦合模式SWAN+ADCIRC |
| 5.3 模式设置 |
| 5.4 模式验证 |
| 5.5 模拟结果分析 |
| 5.6 深圳市台风风-潮-浪危险性 |
| 5.6.1 极值分布 |
| 5.6.2 重现期水平 |
| 5.6.3 联合灾害图 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）中国沿海重现期水位算法研究及空间分布（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 极值水位研究进展 |
| 1.2.1 传统极值水位研究进展 |
| 1.2.2 改进的极值水位算法进展 |
| 1.3 论文内容与创新点 |
| 第二章 运用条件分布联合概率方法计算中国沿海潮位站的极值水位 |
| 2.1 研究区域与数据 |
| 2.2 研究方法 |
| 2.2.1 潮汐水位与余水位的关系 |
| 2.2.2 理论计算方法 |
| 2.2.3 余水位的统计数字特征计算方法 |
| 2.2.4 极值分布计算方法 |
| 2.3 研究结果 |
| 2.3.1 中国沿海验潮站余水位分布的数字特征 |
| 2.3.2 条件分布联合概率方法计算中国沿海验潮站的极值水位 |
| 2.4 本章小结 |
| 第三章 海平面上升对中国沿海验潮站重现期极值水位的影响 |
| 3.1 研究区域与数据 |
| 3.2 研究方法 |
| 3.2.1 海平面上升 |
| 3.2.2 天文高潮 |
| 3.2.3 风暴潮 |
| 3.2.4 CEWL和 SEWL的累积概率分布 |
| 3.2.5 重现期的计算 |
| 3.3 结果与分析 |
| 3.3.1 中国沿岸天文高潮 |
| 3.3.2 中国沿岸风暴潮的累积概率分布 |
| 3.3.3 CEWL和 SEWL的累积概率分布 |
| 3.3.4 海平面变化下重现期的变化 |
| 3.4 本章小结 |
| 第四章 基于数值模型的舟山海域重现期极值水位空间分布 |
| 4.1 数据与模型介绍 |
| 4.1.1 数据介绍 |
| 4.1.2 FVCOM模式介绍 |
| 4.2 风暴潮模型建立及验证 |
| 4.2.1 计算范围和模式设定 |
| 4.2.2 台风风暴潮模型的建立 |
| 4.2.3 台风风暴潮模型的验证 |
| 4.3 潮位和增水极值分布分析 |
| 4.4 多年一遇极值水位和增水的计算分析 |
| 4.4.1 多年一遇极值增水 |
| 4.4.2 多年一遇极值水位 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 本文不足与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
（5）黄、东海天气系统对渤海风暴潮影响（论文提纲范文）
| 1 台风和数据简介 |
| 1.1 台风简介 |
| 1.2 数据简介及处理 |
| 2 模式简介、设置及验证 |
| 3 实测对比和理想试验 |
| 3.1 实测数据分析 |
| 3.2 理想试验 |
| 3.2.1 黄、东海不同风向的风对渤海风暴潮影响 |
| 3.2.2 黄、东海不同类型天气系统对渤海沿岸风暴潮影响 |
| 4 结论 |
（6）香港沿岸台风暴潮灾害联合强度概率分析（论文提纲范文）
| 1 研究背景 |
| 2 风暴增水的概率模型 |
| 2.1 边缘概率分布 |
| 2.2 二元Copula函数 |
| 2.3 风暴增水最大值的联合概率分布 |
| 2.4 风暴联合强度 |
| 3 实例分析 |
| 3.1 边缘分布拟合 |
| 3.2 联合强度分析 |
| 4 结论 |
（7）海岸带柔性植被对极端风暴潮动力衰减规律研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 前言 |
| 1.2 研究现状 |
| 1.2.1 不同重现期风暴潮极端高水位的预测方法研究 |
| 1.2.2 水生植被环境下波浪衰减研究 |
| 1.3 本文工作 |
| 第二章 基于改进JPM-OS-Q模型的河口地区极端风暴潮计算方法研究 |
| 2.1 研究区域 |
| 2.2 水动力数值模型建立及验证 |
| 2.2.1 模型简介 |
| 2.2.2 模型建立 |
| 2.2.3 模型验证 |
| 2.3 JPM-OS-Q模型改进及其应用 |
| 2.3.1 JPM-OS-Q模型简介 |
| 2.3.2 模型参数统计分析 |
| 2.3.3 模拟样本生成 |
| 2.3.4 极端水位模拟结果 |
| 2.4 海平面上升情景下极端水位模拟结果 |
| 2.5 本章小结 |
| 第三章 浅水波浪与柔性植被相互作用数值模型 |
| 3.1 柔性植被受力运动模型 |
| 3.1.1 受力分析 |
| 3.1.2 控制方程 |
| 3.1.3 数值求解 |
| 3.2 浅水波浪与柔性植被耦合模型 |
| 3.2.1 XBeach相位解析模型 |
| 3.2.2 XBeach相位平均模型 |
| 3.3 模型验证 |
| 3.3.1 单根柔性植被受力运动验证 |
| 3.3.2 平坡植被水域波浪传播验证 |
| 3.3.3 斜坡植被水域波浪传播验证 |
| 3.4 本章小结 |
| 第四章 柔性植被受力运动及消浪规律研究 |
| 4.1 单根柔性植被受力运动对各影响因素响应规律研究 |
| 4.1.1 相对淹没度 |
| 4.1.2 波高 |
| 4.1.3 波周期 |
| 4.1.4 拖曳力系数 |
| 4.1.5 植被材料密度 |
| 4.1.6 植被弹性模量 |
| 4.2 柔性植被水域波浪传播规律研究 |
| 4.2.1 植被分布密度 |
| 4.2.2 植被区域长度 |
| 4.2.3 植被弹性模量 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 研究创新 |
| 5.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（8）江苏沿海台风风暴潮数值模拟与增水极值分析（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 风暴潮概况 |
| 1.1.1 风暴潮的定义 |
| 1.1.2 风暴潮的分类 |
| 1.1.3 风暴潮灾害 |
| 1.2 国内外研究现状 |
| 1.2.1 国外风暴潮模型的研究现状 |
| 1.2.2 国内风暴潮模型的研究现状 |
| 1.3 江苏沿海风暴潮概况 |
| 1.3.1 江苏自然地理及沿海概况 |
| 1.3.2 江苏省风暴潮灾害 |
| 1.3.3 江苏省风暴潮发展趋势分析 |
| 1.4 研究内容及意义 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 2 台风风暴潮数值模型 |
| 2.1 台风场模型 |
| 2.1.1 藤田台风模型 |
| 2.1.2 其他台风模型 |
| 2.1.3 台风要素插值方法 |
| 2.2 风暴潮模型 |
| 2.2.1 ADCIRC模型 |
| 2.2.2 模型设置 |
| 2.3 边界条件与初始条件 |
| 2.3.1 网格 |
| 2.3.2 地形水深 |
| 2.3.3 潮汐条件 |
| 2.4 本章小结 |
| 3 数值模型验证及结果分析 |
| 3.1 风暴潮非线性效应及误差分析方法 |
| 3.2 0012号台风风暴潮 |
| 3.2.1 0012号台风风暴潮过程模拟 |
| 3.2.2 0012号台风风暴潮时空变化分析 |
| 3.2.3 0012号台风风暴潮位及增水极值分布 |
| 3.3 1109号台风风暴潮 |
| 3.3.1 1109号台风风暴潮过程模拟 |
| 3.3.2 1109号台风风暴潮时空变化分析 |
| 3.3.3 1109号台风风暴潮位及增水极值分布 |
| 3.4 1210号台风风暴潮 |
| 3.4.1 1210号台风风暴潮过程模拟 |
| 3.4.2 1210号台风风暴潮时空变化分析 |
| 3.4.3 1210号台风风暴潮位及增水极值分布 |
| 3.5 综合对比验证结果 |
| 3.6 本章小结 |
| 4 台风风暴潮增水极值分析 |
| 4.1 理论极值分布 |
| 4.1.1 Gumbel分布 |
| 4.1.2 Weibull分布 |
| 4.1.3 对数正态分布 |
| 4.1.4 皮尔逊Ⅲ型分布 |
| 4.1.5 最大熵分布 |
| 4.1.6 广义极值分布 |
| 4.2 拟合优度检验 |
| 4.2.1 拟合优度检验方法 |
| 4.2.2 拟合优度检验 |
| 4.3 泊松-广义极值复合极值分布 |
| 4.4 增水重现值推算 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 附录A |
| 致谢 |
（9）海岸侵蚀脆弱性评估模型构建及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究进展 |
| 1.2.1 海岸脆弱性的概念与内涵 |
| 1.2.1.1 脆弱性的概念发展 |
| 1.2.1.2 海岸脆弱性的概念与内容 |
| 1.2.1.3 海岸侵蚀脆弱性概念与内涵 |
| 1.2.2 海岸脆弱性的空间多尺度性 |
| 1.2.3 海岸脆弱性评估的数据获取与处理 |
| 1.2.4 海岸脆弱性评估 |
| 1.2.4.1 评估框架 |
| 1.2.4.2 评估方法 |
| 1.2.4.3 评估方法的不确定性 |
| 1.3 存在的不足 |
| 1.4 本论文主要工作 |
| 1.4.1 研究目标与研究内容 |
| 1.4.2 本文工作量与技术路线 |
| 第二章 研究区概况 |
| 2.1 福建海岸概况 |
| 2.1.1 自然环境概况 |
| 2.1.2 海岸社会经济概况 |
| 2.2 厦门海岸概况 |
| 2.2.1 自然环境概况 |
| 2.2.2 海岸社会经济概况 |
| 第三章 材料与方法 |
| 3.1 定义评估单元 |
| 3.2 建立评估指标体系 |
| 3.2.1 地方级指标体系 |
| 3.2.2 区域级指标体系 |
| 3.3 指标数据量化 |
| 3.3.1 指标数据分级 |
| 3.3.2 指标数据权重 |
| 3.3.2.1 层次分析法 |
| 3.3.2.2 熵权 |
| 3.3.3 指标数据合成 |
| 3.3.3.1 指数模型 |
| 3.3.3.2 模糊集理论模型 |
| 3.3.3.3 云模型 |
| 3.4 数据来源与处理 |
| 3.4.1 区域级评价单元指标数据 |
| 3.4.1.1 自然数据 |
| 3.4.1.2 社会经济数据 |
| 3.4.2 地方级评价单元指标数据 |
| 3.4.2.1 自然数据 |
| 3.4.2.2 社会经济数据 |
| 3.5 小结 |
| 第四章 不同尺度不同模型海岸侵蚀脆弱性评估 |
| 4.1 基于模糊集理论福建海岸侵蚀脆弱性评估 |
| 4.1.1 评估单元数据分级 |
| 4.1.2 权重确定 |
| 4.1.3 评定脆弱性等级 |
| 4.2 基于多维高斯云模型福建海岸侵蚀脆弱性评估 |
| 4.2.1 评估单元数据分级 |
| 4.2.2 权重确定 |
| 4.2.3 评定脆弱性等级 |
| 4.3 基于多维高斯云模型厦门海岸侵蚀脆弱性评估 |
| 4.3.1 评估单元数据分级 |
| 4.3.2 权重确定 |
| 4.3.3 评定脆弱性等级 |
| 4.4 小结 |
| 第五章 讨论 |
| 5.1 评估指标体系 |
| 5.1.1 指标体系的合理性 |
| 5.1.2 不同尺度指标体系的差异 |
| 5.1.2.1 随着评估尺度变化的指标 |
| 5.1.2.2 随着评估尺度未变化的指标 |
| 5.1.2.3 不同尺度指标体系中相互关联的指标 |
| 5.1.2.4 不同尺度评估体系评估的适用性 |
| 5.2 评估模型 |
| 5.2.1 两种数据量化(数据分级、数据合成)方法比较 |
| 5.2.1.1 指标数据分级方法比较 |
| 5.2.1.2 数据合成方法比较 |
| 5.2.2 两种数据量化结果比较 |
| 5.2.3 与其他已有的海岸侵蚀脆弱性研究对比 |
| 5.3 关于评估数据的获取 |
| 5.4 福建厦门海岸侵蚀脆弱性相关建议 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 主要创新 |
| 6.3 不足与展望 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 攻读博士学位期间参加的科研项目及科研成果 |
| 致谢 |
（10）基于参数化风场的南海北部风暴潮、波浪数值模拟（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 台风风场与气压场模型 |
| 1.2.2 风暴潮数值模拟 |
| 1.2.3 台风浪数值模拟 |
| 1.2.4 南海北部海域风暴潮、波浪研究现状 |
| 1.3 本文主要工作与思路 |
| 1.4 本章小结 |
| 第二章 台风场、波浪与风暴潮耦合模式 |
| 2.1 数学模型概述 |
| 2.1.1 台风场模式 |
| 2.1.2 风暴潮数学模式 |
| 2.1.3 波浪数学模式 |
| 2.2 台风对波浪成长的作用 |
| 2.3 风暴潮模型与波浪模型的作用 |
| 2.3.1 风暴潮模型对波浪模型的影响 |
| 2.3.2 波浪模型对风暴潮模型的耦合 |
| 2.4 台风场、波浪与风暴潮模型间传递的变量 |
| 2.5 本章小结 |
| 第三章 参数化风场概述与关键参数的确定 |
| 3.1 气压场模型对比分析 |
| 3.1.1 无气压剖面参数 |
| 3.1.2 有气压剖面参数 |
| 3.2 风场模型对比分析 |
| 3.2.1 环流风场模型 |
| 3.2.2 移动风场模型 |
| 3.3 影响参数化风场的关键参数 |
| 3.3.1 最大风速半径Rmw |
| 3.3.2 Holland参数B |
| 3.4 HOLLAND B计算模型的研究方法 |
| 3.4.1 数据及资料来源 |
| 3.4.2 研究方法 |
| 3.4.3 最大风速半径Rmw的确定 |
| 3.5 HOLLAND B计算模型的确定 |
| 3.5.1 Holland B计算模型方案选取 |
| 3.5.2 Holland B系数计算模型与经验模型的比较研究 |
| 3.5.3 东南沿海台风Holland参数B的分布特征 |
| 3.6 本章小结 |
| 第四章 台风风暴潮、天文潮和波浪数值模拟 |
| 4.1 计算区域与网格设置 |
| 4.1.1 区域概况 |
| 4.1.2 网格设置 |
| 4.1.3 模型中部分参数的设置 |
| 4.1.4 模拟台风选取 |
| 4.2 天文潮模型建立与验证 |
| 4.2.1 天文潮潮位设置 |
| 4.2.2 天文潮验证 |
| 4.3 风暴潮模型建立与验证 |
| 4.3.1 风场气压场的构造 |
| 4.3.2 风暴潮水位验证 |
| 4.4 波浪模型建立与验证 |
| 4.5 本章小结 |
| 第五章 1415 号台风风暴潮、波浪过程与特征分析 |
| 5.1 增水过程与特征分析 |
| 5.1.1 增水过程分析 |
| 5.1.2 极值风暴潮水位分析 |
| 5.2 波浪过程与特征分析 |
| 5.2.1 台风波浪过程分析 |
| 5.2.2 最大波高分布分析 |
| 5.3 琼州海峡与雷州半岛海域增水与波高分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 本文主要创新点 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、风暴增水的参数和定义（论文参考文献）
- [1]基于机器学习的南海北部风暴增水预报研究[D]. 姚帏. 国家海洋环境预报中心, 2021
- [2]长江口台风风暴潮与漫滩对气候变化响应的数值模拟研究[D]. 赵铨. 东南大学, 2020(01)
- [3]中国东南沿海区域台风及其风暴潮模拟与危险性分析[D]. 郭云霞. 中国科学院大学(中国科学院海洋研究所), 2020(01)
- [4]中国沿海重现期水位算法研究及空间分布[D]. 庄圆. 浙江海洋大学, 2020(01)
- [5]黄、东海天气系统对渤海风暴潮影响[J]. 李健,侯一筠,莫冬雪,刘清容. 海洋与湖沼, 2020(02)
- [6]香港沿岸台风暴潮灾害联合强度概率分析[J]. 陈磊. 水资源与水工程学报, 2019(06)
- [7]海岸带柔性植被对极端风暴潮动力衰减规律研究[D]. 殷锴. 东南大学, 2019(01)
- [8]江苏沿海台风风暴潮数值模拟与增水极值分析[D]. 卞建云. 扬州大学, 2019(02)
- [9]海岸侵蚀脆弱性评估模型构建及其应用研究[D]. 朱正涛. 华东师范大学, 2019(09)
- [10]基于参数化风场的南海北部风暴潮、波浪数值模拟[D]. 张博文. 华南理工大学, 2019(01)