شبیه‌سازی امواج ناشی از باد تحت‌تأثیر پیچیدگی‌های جغرافیایی در تنگه هرمز

نوع مقاله: مقاله تحقیقی‌ (پژوهشی‌)

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، ایران

2 دانشیار، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، ایران

3 استادیار، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، ایران

10.30499/ijg.2020.222016.1254

چکیده

برآورد قابل اعتماد از اطلاعات موج برای بدنه­های آبی متأثر از پیچیدگی­های جغرافیایی از اهمیت بسیاری برخوردار است. تنگه­های اصلی دنیا مانند تنگه هرمز، مرجع اصلی برای این برآورد هستند. داده­های باد ورودی به مدل­های موج، مهم‌ترین پیش­نیاز برای دستیابی به برآورد واقعی از امواج به‌شمار­می‌روند. این در حالی است که میدان باد در این حوزه­ها از خشکی­های اطراف تأثیر می­پذیرد. دقت داده­های باد همچنین به ‌وضوح افقی مدل­های جوی جهت گرفتن پدیده­های ریزمقیاس منطقه مورد مطالعه وابسته است.
    در پژوهش حاضر، نتایج توسعه مدل طیفی موج، جفت­شده با مدل جوی میان­‌مقیاس برای مدل طیفی– عددی SWAN جهت شبیه­سازی امواج ناشی از باد ارائه و تلاش شده است با به‌کارگیری مدل عددی- طیفی موج SWAN، به شبیه­سازی امواج در تنگه هرمز پرداخته شود که تحت تأثیر پیچیدگی­های زمین‌ریخت­شناسی اطراف است. این پیچیدگی­ها بر میدان باد تأثیر می­گذارند. در ابتدا مدل موج برای محدوده خلیج فارس و قسمتی از دریای عمان تا محدوده‌ای که تنگه هرمز را شامل شود با داده­های باد سطحی حاصل از داده­های بازتحلیل ECMWF-ERA5 راه‌اندازی و با داده­های اندازه‌گیری موجود صحت­سنجی شد. در ادامه، با استفاده از مدل هواشناسی میان‌مقیاس WRF و اجرای مدل مذکور برای منطقه مورد مطالعه، با تفکیک­های افقی متفاوت، داده میدان باد سطحی مورد نیاز برای مدل موج تأمین شد. مقایسه نتایج شبیه‌سازی­ها و داده­های اندازه‌گیری موجود برای پارامتر ارتفاع موج با کمک سنجه­های آماری، برای دو ایستگاه لارک در قسمت غربی تنگه هرمز و جاسک در قسمت شرقی تنگه هرمز انجام گرفت. نتایج شبیه­سازی، موفقیت در بهبود نتایج را در حد قابل قبولی نشان می­دهد. در این مقایسه­ها، عملکرد مدل SWAN با داده­های مدل WRF برای ایستگاه لارک که متأثر از دو رژیم باد دریای عمان و خلیج فارس است، بهبود چشمگیری دارد؛ نتایج، عملکرد خوب مدل موج SWAN جفت­شده با مدل جوی منطقه‌ای WRF را برای منطقه مورد مطالعه نشان می­دهد. کاهش میزان خطای جذر مربعات به مقدار 10 درصد و انطباق بیش از 75/0 درصد، بهبود نتایج شبیه­سازی نسبت به داده­های موج ERA5 را نشان داد. تحلیل­های آماری نتایج شبیه­سازی با داده­های موج ERA5 برای ارتفاع موج شاخص در ایستگاه جاسک که در بخش اقیانوسی محدوده مورد مطالعه است، نمایانگر عملکرد بهتر داده­های موج ERA5 با تطابق 9/0 درصد با داده­های اندازه­گیری است. همچنین افزایش تفکیک افقی میدان باد تا حدود قابل قبولی نتایج شبیه­سازی موج را بهبود بخشیده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Wave simulations under the effects of geographical complexity over the Strait of Hormuz

نویسندگان [English]

  • Fatemeh Ameri 1
  • Sarmad Ghader 2
  • ,Seyyed Abbas Haghshenas 3
1 M.Sc. Student, Department of Space Physics, Institute of Geophysics, University of Tehran, Iran
2 Associate Professor, Department of Space Physics, Institute of Geophysics, University of Tehran, Iran
3 Assistant Professor, Department of Space Physics, Institute of Geophysics, University of Tehran, Iran
چکیده [English]

Reliable wave estimation in complex body of waters from geographical point of view is a matter of high importance. Main straits in the world, such as the Strait of Hormuz are major referent for this issue. Marine activities such as coastal management and ship routing, navigation, maintenance, and installation of offshore infrastructure are all greatly dependent on reliable wave estimations. Predicting waves in a region requires a well-developed wave model that can account for the shallow water wave mechanisms like their generation, propagation, and dissipation. On the other hand, reliable input wind data is a pre-requisite for realistic wave estimation, while the winds over such environments are highly affected by the land features around the straits. The wind data accuracy is also dependent on horizontal resolution of the models to capture the meso-scale dominant phenomena in the interest region.
    This study aims to develop a wave model employing SWAN wave model, in order to improve wave estimations over the Strait of Hormuz, where is highly affected by geographical complexity. Initially, the simulation is carried out for more than one month from January to May for period of 40 days of 2011. The main parameters of the model were assigned based on a comprehensive sensitivity analysis study and the model performance was verified based on the available archive field data for two stations Jask and Larak in the eastern part and western part of Strait of Hormuz, respectively. The numerical modeling activities are conducted to adopt two sources of surface wind data. The first adopted dataset, ECMWF’s hourly ERA5 product, is based on the presence of meso-scale locally convective phenomena such as land-seas breeze which is dominant in a water body like the Persian Gulf. ERA5 reanalysis dataset, which is the best available wind source, misses these features (because of low resolution) and in turn, when it is used to force the wave models, may result in predicting less accurate wave fields. For improving wind data accuracy, the second dataset, i.e., the high resolution meso-scale atmospheric model WRF was adopted to generate a more realistic wind field. This model reflects the meso-scale phenomena and using it to force the wave model, reflects more accurate wave fields over study area. Different model resolutions are also tested and the result showed that reducing the horizontal resolution for wind field improves the result. The final model results show a significant improvement in wave estimations in the middle of the Strait of Hormuz for coupling wave model SWAN and using WRF wind data. For Larak station, the RMSE decreases 10 percent in comparison to ERA5 wave data and CC (Corolation Coefficient) get to about 0.75. For Jask staion in eastern part of Strait of Hurmoz, ERA5 wave data CC is about 0.9 which is the best performance.

کلیدواژه‌ها [English]

  • Hurmoz Strait
  • Wave simulation
  • SWAN model
  • WRF Model
  • Coupling
حافظ نیا، م.، 1378، خلیج فارس و نقش استراتژیک تنگه هرمز: انتشارات مهر.

قادر، س.، یازجی، د.، سلطان‌پور، م.، نعمتی، م. ح.، 1394، به‌کارگیری یک سامانه همادی توسعه داده شده برای مدل WRF جهت پیش­بینی میدان باد سطحی در محدوده خلیج فارس: مجله هیدرو فیزیک، 1، 41-54.

محمدمهدیزاده، مهدی.، اسلامی، ف.، آبادی، م.، پاخیره زن، م.، ۱۳۹۳، شبیه­سازی امواج ناشی از باد در تنگه هرمز با استفاده از مدل عددی مایک، مطالعه موردی: جزیره لارک: شانزدهمین همایش صنایع دریایی، بندرعباس، انجمن مهندسی دریایی ایران.

Al-Hajri, K., 1990, The circulation of the Arabian (Persian) Gulf: A model study of its dynamics: Ph.D. Dissertation, The Catholic University of America, Washington, D. C.

Appendini, C. M., Torres-Freyermuth, A., Oropeza, F., Salles, P., López, J., and Mendoza, E. T., 2013, Wave modeling performance in the Gulf of Mexico and Western Caribbean: Wind reanalyses assessment: Applied Ocean Research, 39, 20-30.

Ardhuin, F., Bertotti, L., Bidlot, J. R., Cavaleri, L., Filipetto, V., Lefevre, J. M., and Wittmann, P., 2007, Comparison of wind and wave measurements and models in the Western Mediterranean Sea: Ocean Engineering, 34(3-4), 526-541.

Booij, N., Ris, R., and Holthuijsen, L., 1999, A third-generation wave model for coastal regions 1, Model description and validation: Journal of Geophysical Research, 104, 7649-7666.10.1029/98JC02622.

Cavaleri, L., Abdalla, S., Benetazzo, A., Bertotti, L., Bidlot, J. R., Breivik, Ø., Carniel, S., Jensen, R. E., Portilla-Yandun, J., Rogers, W. E., Roland, A., et al., 2018, Wave modelling in coastal and inner seas: Progress in Oceanography, 167, 164-233.

Cavaleri, L., and Bertotti, L., 2003, The characteristics of wind and wave fields modelled with different resolutions: Quarterly Journal of the Royal Meteorological Society, 129(590), 1647-1662.

 

Cavaleri, L., and Bertotti, L., 2006, The improvement of modelled wind and wave fields    with     increasing    resolution:    Ocean

Engineering, 33(5-6), 553-565.

Chawla, A., Spindler, D. M., and Tolman, H. L., 2013, Validation of a thirty year wave hindcast using the climate forecast system reanalysis winds: Ocean Model, 70, 189–206, http://dx.doi.org/10.1016/j.ocemod.2012.07.005.

De León, S. P., Orfila, A., Gómez-Pujol, L., Renault, L., Vizoso, G., and Tintoré, J., 2012, Assessment of wind models around the Balearic Islands for operational wave forecast: Applied Ocean Research, 34, 1-9.

De León, S. P., and Soares, C. G., 2008, Sensitivity of wave model predictions to wind fields in the Western Mediterranean Sea: Coastal Engineering, 55(11), 920-929.

Durrant, T. H., Greenslade, D. J., and Simmonds, I., 2013, The effect of statistical wind corrections on global wave forecasts: Ocean Modelling,70, 116-131.

Ghader, S., Yazgi, D., Haghshenas, S. A., RazaviArab, A., Jedari Attari, M., Bakhtiari, A., Zinsazboroujerdi, H., 2016a, Hindcasting tropical storm events in the Oman Sea: Journal of Coastal Research, 75(sp1), 1087-1091.

Ghader, S.‎, ‎Yazgi, D., Soltanpour, M., and Nemati,‎‎ M. H., 2016b, On the use of an ensemble forecasting for prediction of surface wind over the Persian Gulf: Proceedings ‎of ‎the ‎12th International ‎Conference on ‎Coasts, Ports ‎and ‎‎Marine ‎Structures ‎(ICOPMAS 2016)‎.

Hagen, S. C., Zundel, A. K., and Kojima, S., 2006, Automatic, unstructured mesh generation for tidal calculations in a large domain: International Journal of Computational Fluid Dynamics, 20(8), 593-608.

Haghshenas, S. A., Ghader, S., Yazgi, D., Delkhosh, E., Rashedi Birgani., N., Razavi Arab, A., N., Hajisalimi, Z., Nemati, M. H., Soltanpour, M., and Jedari Attari, M.‎‎, 2018, Iranian seas waters forecast - Part I: ‎An improved model for the Persian Gulf: Journal of Coastal Research‎, ‎‎‎85‎, 1216-1220.

Hersbach, H., and Dee, D., 2016, ERA5 reanalysis is in production: ECMWF Newsletter, 147(7), 5-6.

Kazeminezhad, M. H. and Siadatmousavi, S. M., 2017, Performance evaluation of WAVEWATCH III model in the Persian Gulf using different wind resources: Ocean Dynamics, 67(7), 839-855.

Kumar, R., Sarkar, A., Aggarwal, V., Bhatt, V., Bhaskaran, P., and Dube, S., 2000, Ocean wave model: sensitivity experiments: Proceedings of the 5th International Conference PORSEC, 621–626.

Lavidas, G., Venugopal, V., and Friedrich, D., 2017, Sensitivity of a numerical wave model on wind re-analysis datasets: Dynamics of Atmospheres and Oceans, 77, 1-16.

Mariotti, G., Huang, H., Xue, Z., Li, B., Justic, D., and Zang, Z., 2018, Biased wind measurements in estuarine waters: Journal of Geophysical Research, Oceans, 123(5), 10.1029/2017JC013748.

Moeini, M. H., Etemad-Shahidi, A., and Chegini, V., 2010, Wave modeling and extreme value analysis off the northern coast of the Persian Gulf: Applied Ocean Research, 32, 209–218.

Moeini, M. H., Etemad-Shahidi, A., Chegini, V., Rahmani, I., 2012, Wave data assimilation using a hybrid approach in the Persian Gulf: Ocean Dynamics, 62, 785–797.

Nayak, S., Sandeepan, B. S., and Panchang, V., 2016, Effect of high resolution winds on wind-wave simulations in Arabian Gulf: Qatar Foundation Annual Research Conference Proceedings 2016, EEPP2869 http:// dx.doi.org/10.5339/qfarc.2016.EEPP2869.

GlobOcean., FaraDarya., Sogreah., DaryaNegar., 2010 ,Monitoring and Modeling Studies of Coastal Zone of HORMOZGAN,Port and marine organization (PMO).

Rascle, N., and Ardhuin, F., 2013, A global wave parameter database for geophysical applications, Part 2: model validation with improved source term parameterization: Ocean Modelling, 70, 174–188,

Ris, R.C. and Holthuijsen, L.H., 1997. Spectral modelling of current induced wave-blocking. In Coastal Engineering 1996 (pp. 1247-1254).

Rogers, W.E., Wittmann, P.A., Wang, D.W., Clancy, R.M. and Hsu, Y.L., 2005. Evaluations of global wave prediction at the Fleet Numerical Meteorology and Oceanography Center. Weather and forecasting20(5), pp.745-760.

Sharifi, F. S., Ezam, M., and Karimi, K. A., 2012, Evaluating the results of Hormuz strait wave simulations using WAVEWATCH-III and MIKE21-SW: International Journal of Marine Science and Engineering, 2, 163–170.

Siadatmousavi, S., Jose, F., and Stone, G., 2009, Simulating hurricane Gustav and Ike wave fields along the Louisiana innershelf: implementation of an unstructured third-generation wave model: SWAN Proc. Oceans.

Signell, R. P., Carniel, S., Cavaleri, L., Chiggiato, J., Doyle, J. D., Pullen, J., and Sclavo, M., 2005, Assessment of wind quality for oceanographic modelling in semi-enclosed basins: Journal of Marine Systems, 53(1-4), 217-233.

Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Duda, M., Huang, X. Y., Wang, W., and Powers, J., 2008, A Description of the Advanced Research WRF Version 3, NCAR Technical Note NCAR/TN-475+STR.

Stopa, J. E., and Cheung, K. F., 2014, Intercomparison of wind and wave data from the ECMWF reanalysis interim and the NCEP climate forecast system reanalysis: Ocean Modelling, 75, 65-83.

Van Vledder, G. P., and Akpınar, A., 2015, Wave model predictions in the Black Sea: Sensitivity to wind fields: Applied Ocean Research, 53, 161-178.

Wang, W., Bruyere, C., Duda, M., Dudhia, J., Gill, D., Lin, H., Michalakes, J., Rizvi, S. Z. X., Beezley, J. D., Coen, J. L., and Mandel, J., 2010, User’s Guide for the Advanced Research WRF (ARW) Version 3.5, NCAR.

World Meteorological Organisation, 2008, Guide to Meteorological Instruments and Methods of Observation: WMO-No. 8, Geneva, Switzerland.