تحلیل امواج در دریای عمان با استفاده از نرم افزار عددی و داده‌های میدانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه آزاد اسلامی واحد تهران شمال

2 گروه فیزیک دریا، دانشگاه آزاد اسلامی واحد تهران شمال

10.30467/nivar.2023.419595.1269

چکیده

پیش بینی دقیق امواج برای عملیات های دریایی و ساحلی از اهمیت زیادی برخوردار است. هدف اصلی این تحقیق، پیش‌بینی ویژگی‌های موج برای مناطق سواحل شمالی دریای عمان با استفاده از مدل طیفی MIKE 21 SW است. در این مقاله، ابتدا تولید امواج توسط یک باد با وضوح مکانی 1/0 درجه و زمانی یک ساعت و با شرط مرزی مناسب، از داده‌های مطالعاتی سواحل کشور (فاز ششم – سواحل مکران) با وضوح زمانی یک ساعته ارائه شد. نتایج با داده های اندازه گیری در ایستگاه های معین برای سال 2016 اعتبارسنجی شدند. پارامترهای موج شبیه سازی شده بعد کالیبراسیون و تنظیم ضرایب سفیدک موج به عنوان پارامتر اتلاف موج، با نتایج داده های اندازه گیری در سه ایستگاه، با همبستگی قوی به ترتیب ۹۰٪ ، ۸۶٪ و ۸۰٪ با مقدار بهبود ۶/۷%، ۴/۶% و ۱۸/۲۷% مطابقت دارد. همچنین ضریب همبستگی برای Tp و MWD بطور نمونه برای ایستگاه پسابندر به ترتیب ۳۳/۰ و ۵۸/۰ بدست آمد. نتایج این مطالعه نشان می‌دهد شاخص پراکندگی برای Hs در سه ایستگاه بعد از کالیبراسیون به ترتیب ۲۳۲/۰، ۳۶۳/۰و ۶۸۴/۰، برای Tp مقادیر ۳۳۸/۰، ۳۳۷/۰ و ۳۹۳/۰ و برای MWD به ترتیب نیز ۱۴۹/۰، ۱۸۲/۰ و ۳۰۰/۰ بدست آمد. با استنباط از نتایج شبیه سازی و پارامترهای بی بعد سن موج و تیزی موج می توان گقت وضعیت دریا و اقلیم موج تحت تأثیر امواج ناشی از باد شمال غربی و مونسونی و هم چنین امواج اقیانوس هند قرار دارد. تیزی موج از 005/0 تا 055/0در فصول مختلف تغییر می کند. بگونه ای که در تیزی کمتر از 01/0 گسستگی در توزیع توأم داده های عکس سن موج – تیزی موج دیده می شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis of waves in the Oman Sea using numerical software and field data

نویسندگان [English]

  • Homayun Kalantari 1
  • Kamran Lari 1
  • Afshin Mohseni Arasteh 2
  • Masoud Torabi Azad 1
1 Islamic Azad University, North Tehran Branch, Tehran, Iran
2 Department of Marine physics, Islamic Azad University, North Tehran Branch, Tehran, Iran
چکیده [English]

Accurate prediction of wave parameters is of great significance for marine and coastal operations. The very aim of the present research was to predict the wave characteristics for the northern coastal areas of the Sea of Oman using the MIKE 21 SW model. In this study, firstly, the generation of waves by wind with a spatial resolution of 0.1 degrees, a temporal resolution of 1 hr, and a suitable boundary condition was presented from the study data of the coasts of Iran (phase six - Makran beaches) with a temporal resolution of 1 hr. The results were validated with measurement data obtained from certain stations in 2016. Simulated wave parameters after calibration and adjustment of white capping coefficients as a wave loss parameter corresponded with the results of the measurement data at three stations with a strong correlation of 90%, 86% and 80% and an improvement value of 7.6%, 4 6.6%, and 27.18%, respectively. Moreover, the correlation coefficient of Tp and MWD in the Pasabandar station was 0.33 and 0.58, respectively. The results of this study also revealed that the dispersion index for three stations after calibration was 0.232, 0.363, and 0.684 for Hs, 0.338, 0.337, and 0.393 for Tp, and 0.149, 0.182, and 0.300 for MWD. By inferring from the simulation results and non-dimensional parameters of wave age and steepness, it can be concluded that the sea state and the wave climate are influenced by the waves caused by the northwest wind, monsoon, and the waves of the Indian Ocean. Wave steepness varied from 0.005 to 0.055 in different seasons such that discontinuity could be seen in the combined distribution of inverse wave age-wave steepness data in steepness of less than 0.01.

کلیدواژه‌ها [English]

  • Sea waves
  • MIKE 21 SW numerical model
  • Northern coasts of the Oman Sea
  • Wave steepness
  • Wave age
1. Danish Hydraulic Institute (DHI). MIKE 21 SW Reference Manual, MIKE by DHI, Manual Mesh Generator MIKE Zero: Hørsholm, Denmark, 2015, 28–30. 2. Remya, P.G.; Kumar, R.; Basu, S.; Sarkar, A. Wave hindcast experiments in the Indian Ocean using MIKE21ـ SW model.J.Earth Syst. Sci.2012,121,385-392. 3. janssen, P.A.E.M. 1989. Wave induced stress and the drag of airflow over sea waves, Journal of Physical Oceanography, 19 (6), 745–754. 4. Sabique, L., Annapurnaiah, K., Balakrishnan Nair, T.M., and Srinivas, K. (2012). Contribution of Southern Indian Ocean swells on the wave heights in the Northern Indian Ocean–A modeling study. Ocean Engineering, 43:pp. 113–120. 5. Ardhuin, F., Chapron, B., and Collard, F. (2009). Observation of swell dissipation across oceans. Geophysical Research Letters, 36(L06607):pp. 1–5. 6. Bearman, G., Brown, J., and Open University Oceanography Course Team (1989). Waves, Tides and Shallow-Water Processes, volume 4. Pergamon Press. 7. Collard, F., Ardhuin, F., and Chapron, B. (2009). Monitoring and analysis of Geophysical Research, 114(C07023):pp. 1–15 ocean swell fields from space: New methods for routine observations. Journal Earle, M., (1984), Development of algorithms for separation of sea and Swell. National Data Buoy Centre Report, MEC-87-1. 8. Komen, G.J., L. Cavaleri, M. Donelan, K. Hasselmann, S. Hasselmann, and P.A.E.M. Janssen, 1994: Dynamics and Modelling of Ocean waves (Cambridge University Press, Cambridge), 532 p. 9. Alves, J.H.G.M., Banner, M.L., & Young, I.R. 2003. Revisiting the Pierson-Moskowitz Asymptotic Limits for Fully Developed Wind Waves. Journal of physical oceanography, 33, 1301-1323. 10. Chen, G; Chapron,B; Ezaraty,R; and Vandemark, D “A global view of swell and wind sea climate in the ocean by satellite and Oceanic Technology, vol. 19, pp. 1849–1859, 2002. altimeter and scatterometer,” Journal of Atmospheric. 11. Holthuijsen, L.H., 2007. Waves in Oceanic and Coastal Waters. Cambridge University Press. https://doi.org/10.1017/CBO9780511618536. 12. Wang, D. W., & Hwang, P. A. 2001. An operational method for separating wind sea and swell from ocean wave spectra. Journal of Atmospheric and Oceanic Technology, 18(12), 2052-2062. 13. Portilla, J; Ocampo-Torres, F. J., & Monbaliu, J. 2009. Spectral partitioning and identification of wind sea and swell. Journal of atmospheric and oceanic technology, 26(1), 107-122. 14. Hwang, P. A; Ocampo-Torres,F .J and García-Nava, H “Wind sea and swell separation of 1D wave spectrum by a spectrum integration method*,” J. Atmos. Ocean. Technol., vol. 29, no. 1, pp. 116–128, 2012. 15. Goda, Y. 2010. Reanalysis of regular and random breaking wave statistics. Coastal Engineering Journal, 52(1), 71-106. https://doi.org/10.1142/S0578563410002129. 16. Skamarock WC, Klemp JB, Dudhia J, Gill DO, Barker DM, Wang W, Powers JG. A description of the advanced research WRF version 2. National Center For Atmospheric Research Boulder Co Mesoscale and Microscale Meteorology Div; 2005. 17. Ghader, S., Yazgi, D., Haghshenas, S.A., Razavi Arab, A., Jedari Attari, M., Bakhtiari, A., & Zinsazboroujerdi, H. (2016). Hindcasting tropical storm events in the Oman sea. Journal of Coastal Research, 10075(2), 1087-1091. https://doi.org/10.2112/SI75-218.1. 18. Aboobacker, V. M., Vethamony P., and Rashmi R.: “Shamal” swells in the Arabian Sea and their influence along the west coast of India, Geophys. Res. Lett., 38, 1–7, 2011. 19. Edson, J., Crawford, T., Crescenti, J., Farrar, T., Frew, N., Gerbi, G., Helmis, C., Hristov, T., Khelif, D., Jessup, A. & Zappa, C. 2007. The coupled boundary layers and air–sea transfer experiment in low winds. Bulletin of the American Meteorological Society, 88(3), 341-356. 20. Donelan, M., Dobsen, F., Smith, S., Anderson, R., 1993. On the dependence of sea surface roughness on wave development. Journal of Physical Oceanography 23, 2143–2149. 21. Hanley, E. K; Stephen, E. B., and Peter, P. S.: A global climatology of wind wave interaction, J. Phys. Oceanogr; 40, 1263–1282, 2010. 22. TheWAMDIGroup, 1988. The WAM model - A third generation ocean wave prediction model. J. Phys. Oceanogr. 18 (12), 1775–1810. http://dx.doi.org/10.1175/1520-0485(1988)018<1775:TWMTGO>2.0.CO;2.