黄海大风长期气候变化特征研究

黄海大风长期气候变化特征研究
谨以此论文献给我的老师、同学和家人。

宫攀黄海大风长期气候变化特征研究学位论文答辩日期 :指导教师签字:
答辩委员会成员签字:独创声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研
究成果。

据我所知 ,除了文中特别加以标注和致谢的地方外, 论文中不包含其他
人已经发表或撰写过的研究成果, 也不包含未获得 (注:
如没有其他需要特别声明的, 本栏可空 ) 或其他教育机构的学位或证书使用过的
材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说
明并表示谢意。

学位论文作者签名: 签字日期: 年月日学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定, 并同意以下
事项:
1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允
文被查阅和借阅。

2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索, 可以采
用影印、缩印或扫描等复制手段保存、汇编学位论文。

同时授权清华大学“中国学
术期刊光盘版电子杂志社”用于出版和编入 CNKI 《中国知识资源总库》 ,授权中
国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。

(保密
的学位论文在解密后适用本授权书)
学位论文作者签名:导师签字:
签字日期: 年月日签字日期: 年月日
黄海大风长期气候变化特征研究
摘要
利用1979 年1 月到2009 年12 月的CFSR 再分析风场资料,分风向、分月份对黄
海6级以上大风变化特征进行了统计分析。

结果表明: 黄海大风日数呈趋势性减少
特征, 全部站点多年平均大风日数为54.4 天。

空间分布上, 黄海北部海区和东南部
海区大风日数最多。

NNW 风向大风日数最多(7.8天) ,而南风大风日数最
天) 。

具有西北风、西风分量的大风日数趋势性增加, 而其他风向的大风日数趋势
性减少。

从各月分布情况来看, 大风日数最多的月份是12月(7.8 天) , 而最少的月
份是6月(2.0 天) 。

冬季大风日数最多 (21.3 天) , 春秋两季次之 (12.6 天和13.8 天) ,
夏季最少(6.7 天 ) 。

12 月到翌年 4 月大风日数趋势性增加, 而在其他月份趋势性减
少。

对8 级以上极端大风的变化特征进行了分析。

研究发现:8 月是全年极端大风
日数最多的月份,与夏季极端大风相联系的天气过程主要为热带气旋。

黄海大风冬季三个月基本以偏西北风为主 , 春季偏南大风的比例逐月增加。

夏季三个月主要以偏南大风为主 ,其中主要为东南风和西南风 , 秋季三个月中西
南大风日数最多。

对各风向 31 年大风日数距平场进行 EOF 分析表明, 其第一模态空间分布与时
间系数与大风日数多年平均空间分布和年际变化曲线有很好的一致性。

对第一模
态的时间系数序列做小波分析发现, 各风向大风日数异常振荡的周期虽然一般为
2.5 到 5 年 ,但明显振荡的时期和周期特征存在明显的差异。

对黄海大风典型环流形势进行了分析后发现: 与渤海大风天气形势变化不同的
是 , 黄海大风的发生与海上气旋位置和强度的变化具有密切关系。

冬季除了冷空
气南下造成的偏北大风之外,日本海低压的发展也可能带来大风天气。

关键词:黄海;大风;气候;EOF ;极端大风
The long-term change characteristics of gale on Yellow Sea
Abstract
Based on CFSR reanalysis dataset from Jan. 1979 to Dec. 2009, this article does a
+
comprehensive statistic analysis to the variable characteristics of force 6 wind, of
different direction, in different month, in the Yellow Sea area. The statistic shows that,
average gale day of the Yellow Sea area has a decreasing trend. Over the years, the
average of all sites is 54.4 days. In spatial distribution, north and southeast sea area has
the most gale day. Furthermore, NNW has the most 7.8 days, and south wind has the
least 0.6 days. Northwesterly and westerly day has an increasing trend, while other
wind direction has a downward trend. Specific to each month, December has the most
gale day 7.8 days; June has the fewest 2.0 days. In general, winter holds the most
gale day 21.3 days; spring and summer take the second place 12.6 and 13.8 days,
and summer holds the fewest 6.7 days. Number of gale day from December to next
April has an increasing trend, in other months, downward+
Study to variation characteristics of force 8 gale shows that, August has the most
extreme wind day of the year. Tropical cyclone has a main relation to thisIn winter, Yellow Sea area has the most northwesters; while in spring, southerlies
increase month by month. Summer has the most southerlies, among which, mainly
southeaster and southwester, and august has the most southwesterAnalysis to gale day anomaly field of different wind direction
during recent 31
years shows that, its first mode spatial distribution and time factor has a high
consistency with the average spatial distribution of gale day and interannual changing
curve. Wavelet analysis to time factor sequence of the first mode indicates that, though
abnormal shock period of different direction gale day is generally 2.5 to 5 years, there
are significant differences in the characteristics of obvious shock period and cycleAnalysis to the typical circulation feature of the Yellow Sea gale shows that, gale
generation is intimately linked with cyclone location and strength, which obviously differs from the Bohai Sea. In winter, besides the northerlies caused by southward
moving cold air, development of low pressure in the Sea of Japan may well brings about
windy weather
Keyword: the Yellow Sea, gale, climate, EOF, extreme wind目录
第一章引言. 1
1.1 黄海大风的研究意义 1
1.2 黄海大风研究现状2
1.3 本文研究内容 4
第二章资料和方法. 5
2.1 资料 5
2.2 方法 6
2.2.1 大风的定义6
2.2.2 线性倾向估计 6
2.2.3 EOF 分解7
第三章黄海大风多年综合变化特征8
3.1 大风日数的总体变化 8
3.2 大风日数分风向变化特征..10
3.3 大风日数逐月变化特征 15
第四章各风向大风逐月变化特征 18
4.1 各风向大风日数逐月总体变化情况.19
4.2 各风向大风日数逐月空间分布情况.19 4.2.1北风大风日数逐月空间分布..20
4.2.2东北大风日数逐月空间分布..22
4.2.3东风大风日数逐月空间分布..25
4.2.4东南大风日数逐月空间分布..28
4.2.5南风大风日数逐月空间分布..31
4.2.6西南大风日数逐月空间分布..34
4.2.7西风大风日数逐月空间分布..364.2.8西北大风日数逐月空间分布..39
第五章黄海大风时空特征研究..42
5.1 各风向方差贡献435.2 各风向大风日数时空特征研究. 43
5.2.1北风大风日数时空特征研究..44
5.2.2东北偏北大风日数时空特征研究.45
5.2.3东北大风日数时空特征研究..46
5.2.4东北偏东大风日数时空特征研究.47
5.2.5东风大风日数时空特征研究..48
5.2.6东南偏东大风日数时空特征研究.50
5.2.7东南大风日数时空特征研究..51
5.2.8东南偏南大风日数时空特征研究.52
5.2.9南风大风日数时空特征研究..53
5.2.10 西南偏南大风日数时空特征研究.54 5.2.11 西南大风日数时空特征研究..55
5.2.12 西南偏西大风日数时空特征研究.57
5.2.13 西风大风日数时空特征研究..58
5.2.14 西北偏西大风日数时空特征研究.59
5.2.15 西北大风日数时空特征研究..60
5.2.16 西北偏北大风日数时空特征研究.62
第六章黄海极端大风多年变化特征. 636.1 极端大风日数的总体分布特征. 63
6.2 极端大风日数分风向变化特征. 64
6.3 极端大风日数的逐月变化特征. 67
第七章北风、西北和西南大风典型环流形势分析.72
7.1 北风大风典型环流形势分析72
7.2 西北大风典型环流形势分析75
7.3 西南大风典型环流形势分析81
第八章结论和讨论83
8.1 结论..83
8.2 展望..86
参考文献86
致谢.90个人简历 91
发表的学术论文 91 黄海大风长期气候变化特征研究
第一章引言
1.1 黄海大风的研究意义
黄海具体位置在北纬31°43′ ~39°02′、东经119°10′ ~126°17′之间, 西临山东半
岛和苏北平原, 东边是朝鲜半岛, 北端是辽东半岛。

黄海面积约为40万平方公里,
最深处在黄海东南部, 约为140米。

海洋学家按照黄海的自然地理特征, 习惯将黄
海分为北黄海和南黄海。

黄海渔场名闻遐迩 ,许多国家的渔船均来此开发丰富的
鱼类资源, 渔业捕捞与养殖业日益发展。

黄海周边地区有许多优良港口 ,航运业
十分繁忙, 在我国经济建设中占有极为重要的地位,在这样一个社会经济高度发达
的地区,一旦发生重大的自然灾害,造成的人员伤亡和经济损失无法估量。

大风是沿海地区最主要的一种自然灾害, 而黄海正是大风的多发区。

黄海地
处东亚季风区, 冬季在强大的西伯利亚冷高压的作用下, 冷空气频繁爆发南下 ,
使黄海地区盛行北风; 夏季由于热带气旋的作用也可产生较大的偏南大风。

据统
计, 黄海近海海区全年发生的大风日数是山东内陆兖州地区的 10 倍以上(王圆香,
2007)。

据统计, 大约 86.5% 的沉船事故和船体破损事故都是由于气象原因造成的; 另
外,在海难事故的死亡人数中,由于气象原因造成的占63% (张晓慧等,2010)。

山东省海上安全指挥部的统计表明,在 1974 年 8 月到 1992 年 8 月的 8 年里,山
东沿海发生的海上大风事故 99 起,每年平均 12 起;而根据烟台海上安监局的不
完全统计, 在 1997 年 1 月到 8 月, 在山东半岛北部沿海因大风影响发生海上事故
18 起(陈传荣,1999)。

1999年11 月24日, 隶属于烟大汽车轮渡股份有限公司所属的客货滚装船“大舜”
号 , 在烟台驶往大连途中遭遇大风 , 造成船体大角度横摇,船载车辆超载、系
固不良 , 产生位移、碰撞 , 引发火灾 , 导致舵机失灵、船舶失控 , 经多方施
救无效最终翻沉。

船上共有旅客船员302人, 抢救生还22人, 其余280人遇难或失
踪,造成直接经济损失9000万元,是新中国有史以来最大的一起海难事故。

1999 年4 月12 日, 黄海北部各沿海站点平均风力达到6 ~7 级, 阵风达到9 ~10 级,
长海县所属的 5 条渔船在黄海中部渔区受到大风袭击, 继而相继沉没, 造成3 人死1 黄海大风长期气候变化特征研究亡,31 人失踪, 直接经济损失超过170 万元, 间接经济损失高达400 万元 ( 孟莹等 ,
2005)。

除了以上列举的重大特大海难事故之外,每年由于大风所引起的采砂船沉没
事故也经常发生。

不仅如此, 海上大风所引起的风暴潮对于沿岸建筑可造成巨大
的破坏,对海上捕捞、水产养殖、海上石油开发等行业也造成了巨大的威胁。

从气候方面讲 ,黄海大风的研究也有十分重要的意义。

随
着近年来经济建设
的不断发展 ,国家对于黄海海域的开发建设越来越重视, 投入力度不断加强。

对
于每一项海上工程建设 , 都需要进行长期的环境评估。

但是由于海上观测资料的
匮乏 , 造成了环境评估工作很难进行。

而本文根据海洋开发的潜在需求 ,分风向
对黄海大风日数、强度和发生频数进行分析 ,对政府决策和企业环境评价及海上
工程建设方面具有很好的参考价值。

1.2 黄海大风研究现状辛宝恒(1989) 用统计方法对黄渤海的气候、风灾事实进行了系统分析 , 对
比了黄渤海与沿岸大风的分布 , 得到结论为海上风普遍大于沿岸风, 他还认为黄
渤海的偏北大风与黄河气旋, 江淮气旋, 渤海气旋和北上台风等冷风和气旋有关,
而偏南大风则与蒙古气旋、东北低压和华北地形槽有关, 重点分析了影响黄海大
风的热带气旋。

另外, 他还分析了黄渤海的天气形势 ,对预报研究提出了许多有
价值的参考。

陈信雄和姜得中(1995)统计分析了冬半年(10 月至翌年 3 月)期间影响我
国近海航区的 8 级及 8 级以上的大风天气过程,将我国近海航区的大风天气主要
系统分成以下几种类型 : 由于强冷空气影响产生的大风天气过程 ;由于气旋产生
的海上大风天气过程; 由于台风造成的大风天气过程 ,同时对于强冷空气影响我
国近海时的天气形势以及强冷空气的强度变化和移动路径等进行了着重分析。

林曲凤等 (2000) 分析研究了造成 1999 年震惊世界的烟台“11?24”特大海难沉
船事故的寒潮大风的成因 ,认为寒潮大风超强的原因有以下几点 :首先 ,与高空
风强的垂直切变、低空变形场中的的锋生作用以及地面上黄河气旋的适度发展有
一定的关系 ;其次 ,寒潮大风产生在低层辐合、高层辐散的深厚上升运动区 , 在2 黄海大风长期气候变化特征研究这里有高能、高湿的特点 ,同时中势低层位不稳 ; 最后, 渤海海峡产生的狭管效
应和天文大潮也对海上大风有促进作用。

孟莹等 (2005) 选取了辽宁丹东、东港、庄河和长海等四个代表站1974~2003
年逐年大风日数资料, 分析了黄海北部地区的大风气候特征 ,得到以下结论: 黄海
北部沿海地区的大风多发阶段为11 月到翌年的4月, 这其中以4月
大风日数为最多,
而6~9月为大风日数相对偏少的阶段,5月和10 月为大风日数的过渡期。

全年大风
发生频率为最高的风向为西北大风, 而夏季占比例最多的风向为东南大风, 在4 ~5
月偏南大风和偏北大风的发生频率相同;4月的大风日数在70年代的后期与90 年代
的前期都相对偏多, 而在1996 年发生了减少的突变, 其中偏北大风下降的年际变化
趋势比偏南大风更明显;当亚洲地区中高纬度的盛行风向为西北风, 并且为较强负
距平区时, 大风日数偏多, 与之相反, 当亚洲地区中高纬度的盛行风向为偏西风, 且为
较强正距平区时, 大风日数相对偏少。

尹进勇等 (2009) 使用NECP 再分析资料及各种实时观测资料, 对冬季造成黄
渤海海域8级以上大风的天气过程进行了统计分析, 并根据风灾船损事故资料, 对
大风和船损灾害的关系进行分析 ,得出结论 :冬季来自西北路径影响黄渤海的冷
空气过程占全部冷空气过程的50.4 %;造成8 级以上大风的冷空气过程的天气类型
主要是小槽发展型 ,占全部冷空气过程的一半, 其次是横
槽转竖型, 占全部冷空
气过程的27.2 %; 近20年冬季冷空气导致的大风过程的次数有减少的趋势; 在渔船
全损事故中, 风灾事故占51.9 %, 在冬半年中突发性的冷空气大风是导致渔船出现
海难事故的主要原因。

高从琴 (1996) 分析了近年来发生在山东半岛附近海域的海难事故, 认为造成
海难事故的主要原因是台风、大风及海雾天气, 而其中山东半岛东部和东北部海
域是海难事故多发地带, 而春、秋季是海难事故的多发季节; 同时还探讨了对于海
难事故的发生应采取的预防措施, 对于海难事故的预防有着重要的参考价值。

张新玲(1998 )使用1979 年到1981 年春、秋两季黄渤海的气象联防大风资料,
在海上为8m/s 以上的大风天气情况下, 对比分析了渤海海上风与沿岸实测风这两者
的日较差, 发现渤海海上风和沿岸实测风以及两者的比值都具有明显的逐日变化
和季节变化, 而且两者的比值和日较差还根据季节和风向的变化而变化, 这个结论3 黄海大风长期气候变化特征研究
对于客观分析海面风场具有重要的参考和应用价值。

曲海涛、刘学萍(2002 ) 通过多年的预报服务经验 ,统计分析了黄渤海域的
大风气候资料,总结出 5 种黄渤海大风的天气模式及其预报方法,分别为冷风后
的偏北大风、冷风结合气旋的偏北大风、锋面气旋或低压结合高压的偏南大风、
华北地形槽结合海上高压的偏南大风以及锋面气旋大风。

朱桦 (2010 ) 使用 NCEP /NCAR 再分析资料, 对全年及四季大风的频次特点
进行了统计,并使用 EOF 分解对一年四季黄渤海大风天气系统进行分类统计,分
析了引起大风的地面场形势, 建立大风天气的地面概念模型, 并进行了消除偏差
集合平均实验,提高了对于大风的预报精度。

颜梅等(2004 )使用MICAPS 资料, 将海平面气压作为指标, 通过计算相似系数
从而查找相似形势, 制作出了一种预报黄渤海地区24 小时大风的客观预报方法, 同
时还建立了一个包含109 个大风历史个例的资料库, 通过检测表明, 使用这种方法预
测的风速平均误差不超过20%, 可以满足大风预报的要求。

使用这种相似法预报大
风天气不需依赖国外资料, 且计算简单快速, 可以对现在日常业务进行补充, 且在战
争等非常情况下也可以使用,具有重要的实际意义。

本文分风向对黄海大风长期气候变化特征进行研究 , 对于保障海洋航运安全
具有重要意义。

海洋大风天气对于总吨位较小、抗风能力较差的船舶的安全航行
造成了巨大的威胁 ,对于此类船舶, 需要充分考虑到海上大风天气的盛行风向 ,
合理设计航线, 从而抓住航行时机, 选择合适的港口进行避风 , 确保船舶航行安
全 , 提高运输效率。

另一方面 , 在海上工程建设中需要根据某地常年最大频率的
风向来确定主导风向, 而主导风向是海上平台建设最重要的参考指标之一, 决定
了平台工作区和生活区的总体分布, 故对于黄海大风不同季节不同位置上盛行风
向的研究对于海洋工程建设具有重要参考价值。

另外 ,对黄海大风分风向进行研
究在渔业捕捞、水产养殖,乃至军事上都具有重要意义,具有重要的研究价值。

1.3 本文研究内容
本文使用从1979 年1月到2009 年12 月共计31 年的CFSR 再分析10m 高度处风场
资料 , 对黄海大风的长期气候变化特征分风向、分月份进
行研究 ,并对各风向分4 黄海大风长期气候变化特征研究别进行逐月研究, 使用EOF 分解找出黄海海域大风日数的时空变化特征。

同时, 对
8 级以上的极端大风的气候变化情况进行研究, 找出其与6级以上大风日数分布特
点的异同。

最后 , 从最近几年中各风向大风日数有明显增加的月份里选取典型个
例, 对该风向大风的环流形势进行分析。

本文的意义在于, 根据海洋开发的需求,
分风向对黄海大风日数、强度和发生频数进行分析 , 对于提高黄海大风的预报准
确率有很大的帮助 ,对政府决策和企业环境评价及海上工程建设方面都具有很好
的参考价值。

第二章资料和方法
2.1 资料
本文所使用的资料是 CFSR (Climate Forecast System Reanalysis )超高分辨率
的再分析资料 10m 高度处的风场资料,资料起止时间为 1979 年 1 月 1 日到 2009
年 12 月 31 日, 共计 31 年的资料, 分辨率为 0.3°×0.3° , 时间间隔为 1 小时。

根据
资料的分辨率特征,我们选取的研究范围为东经119.375°~126.875° ,北纬
31.067° ~39.809° , 共计 25×29 个站点。

图 2-1 研究范围示意图
Figure 2-1 Schematic diagram of study area
CFSR 与其他再分析资料相比, 有以下几个优点: 首先, 它的空间分辨率有了
明显的提高, 水平分辨率可以达到约 38km,0.3°×0.3° ;同时,它是NCEP 第一次将5 黄海大风长期气候变化特征研究
卫星辐射率直接同化进全球再分析产品中的系统;另外,CFSR 还考虑了气溶胶、
二氧化碳等痕量气体在同化时间内的变化, 这些在同化技术上的巨大进步使得
CFSR 与其他再分析数据相比有着更大的优势。

2.2 方法
2.2.1 大风的定义在中国天气预报业务中则规定,风速达到 6 级平均风速为 10.8m/s?1
3.8m/s
或以上的风为大风。

本文将每天至少出现 3 次以上 6 级大风天气的日子定义为一
个大风日,将每天至少出现一次以上 8 级(平均风速 17.2m/s-20.7m/s )的日子定
义为一个极端大风日。

本文中主要使用的方法为线性倾向估计和 EOF 分解,
以下分别对其做简单介
绍。

2.2.2 线性倾向估计用 x 来表示样本数为 n 的某一个气候变量, 其中 t 表示自然数序列, 建立 x 与
i i i
t 两者之间的一元线性回归:
ix a bt
ii 其中 b 是回归系数, a 是回归常数,用最小二乘法估算出系数 a 与b ,线性回
归系数 b 也被称为该要素序列的线性趋势系数, b 为正负则表示该要素随时间具
有线性上升下降的趋势, 而 b 值的大小则表示线性上升或下降的程度, 反映出上
升或下降的速率 , 线性趋势分析在天气和水文气候分析研究中都得到了广泛的应
用(魏凤英,2007)。

a b x t 和可以用最小二乘法来进行估计。

对与观测数据和自然数序列 ,回归
i i
系数 b 与常数 a 的最小二乘估计为:
6 黄海大风长期气候变化特征研究
n n n1
x t x t i iiin
i ?1 i ?1 i ?1
bnn
122
tt ?iin
ii 11ax bt
n n
1 1
xxtt
i i
n n
i ?1 i ?1
其中 ,
2.2.3 EOF 分解
EOF 即经验正交函数分解,是主成分分析针对气象场的应用而提出来的,它
可以将随时间变化的变量场分解为两部分, 一是不随时间变化的空间函数部分 ,
二是只依赖时间变化的时间函数部分。

设一个确定了范围的天气图或气象要素场,其中包含 m 个台站或空间点(称
为变量) , 进行 n 次观测 , 相当于有 n 张天气图 , 然后把 m 个变量和 n 次观测值排
列成资料矩阵的形式,即
x xx?
11 12 1n?
x xx
21 22 2n?
Xx xxm1 m2 mn其中元素 x 表示任意变量 i 在任意时刻 j 的观测值, 我们希望可以将 x 分解成
ij ij
为空间函数和时间函数这两部分的线性组合。

m
xl yl yl y? l y
ijik kj i1 1 j i2 2 j im mjk ?1
i1,2, ?,m; j1,2, ?,n
l y
其中称为空间函数,它不随着时间 j 变化,仅随着空间点 i 变化,而称ik kj
为时间系数,它仅随着时间 j 而变,与空间点无关。

对于资料矩阵 X, 上述分解可以写成矩阵形式
XLY
7 黄海大风长期气候变化特征研究
其中
l ll?
11 12 1m?
l ll
21 22 2m?
Ll llm1 m2 mmy yy?
11 12 1n?
y yy
21 22 2nYy yym1 m2 mn L 表示空间函数矩阵,Y 表示时间函数矩阵。

同时在分解过程中,还要求各
个空间函数为单位向量,不同的空间函数之间直接具有正交性,即满足:1,ij '
L L
i j
0,ij'
因此空间函数具有以下性质: L LI
因此,经验正交函数分解出来的时间系数就是 m 个空间点的主成分,而空间函数就是主成分的系数。

经验正交函数分解与主成分分析相同 , 它的计算也归结
为求解 m 个变量的协方差矩阵 S (或相关矩阵 R )的特征值以及特征向量问题,
其中特征向量就是空间函数。

按照主成分的性质 , 各个主成分是按照其方差大小排列的 , 而且彼此之间是
相互独立的 ,于是 ,我们自然可以使用头几个时间函数( 即主成分) 与其空间函
数 ( 特征向量) 之间的线性组合来对原始场做出解释与估计, 而这就是经验正交
函数分解的主要目的所在。

第三章黄海大风多年综合变化特征
3.1 大风日数的总体变化
首先来研究全部站点 31 年来大风日数的总体变化趋势。

图 3-1 给出的是全部8 黄海大风长期气候变化特征研究
站点平均的大风日数 31 年来的变化曲线。

从图上可以看到, 所有站点平均的大风
日数总体上趋势性减少, 几个极大值点分别是 1979 年、1987 年和 2005 年, 而个极
小值点分别是 1982 年、 1986 年和 2007 年。

全部站点多年平均大风日数是 54.4 天,
而大风日数最多的 1979 年为 64.6 天,大风日数最少的 1986 年和 2007 年为 46.1
天,两者之间相差 18.5 天,差距十分明显。

图 3-1 全部站点平均的大风日数年际变化曲线
Figure 3-1 The annual variation curve of the average gale days in all sites
图 3-2 是 31 年平均的大风日数的空间分布图。

从图中可以看到黄海大风
日数
的空间分布具有明显的特点, 存在两个大风区: 一是成山头以东 ,山东半岛与朝
鲜半岛之间的海区 ,二是黄海东南部 , 济州岛以西及以南海区。

靠近沿岸后大风
日数迅速减少, 说明下垫面对于风速有巨大的影响 , 在济州岛附近风速迅速减少
也证明了这一点。

图 3-2 多年平均的大风日数(等值线,单位 :天) 空间分布图
Figure 3-2 The spatial distribution map of the gale dayscontour, unit: day
9 黄海大风长期气候变化特征研究
Xie S P (2002)研究发现,黄海存在着两个大风速区夹着一个低风速带的现象, 在北纬 25°以北的黑潮沿线大风分布受 SST 影响明显, 在暖舌附近大风风速较
大,并受到海底地形的作用。

这一结论与本文的研究结果有很好的一致性。

3.2 大风日数分风向变化特征
由于受到不同的天气系统和地形的影响, 不同风向的时空分布特征也往往各
不相同。

在海洋开发中 , 风向的长期变化特征对于海洋工程建设具有重要的参考
价值。

图 3-3 为分 16 个风向进行研究, 各个风向的多年平均大风日数的。