一个用于陆地-海岸-海洋连续体的综合建模平台：美洲湾海岸灾害预报系统（GAm-CHFS）

《Environmental Modelling & Software》：An Integrated Modeling Platform for Land-Coast-Ocean Continuum: The Gulf of America Coastal Hazards Forecast System (GAm-CHFS)

　　赵晓晨|薛乔治·Z.|欧彦达|臧正晨|鲍道阳|于伟|杨伊森|张乐|穆罕默德·法里德·盖奥诺瓦|雷子岩|王一轩
美国路易斯安那州立大学海洋与海岸科学系，巴吞鲁日，LA

**摘要**
密西西比河-美洲湾连续体支撑着重要的沿海社区和基础设施，但面临着日益增加的复合海岸灾害风险。由于水文、海洋和大气过程之间的复杂相互作用，对这个陆地-海岸-海洋系统的预测仍然具有挑战性。我们提出了美洲湾海岸灾害预测系统（GAm-CHFS），这是一个操作性建模框架，通过COAWST系统内的单向和动态双向耦合整合了陆地、河流和海洋的动态。该框架能够无缝模拟流域-海岸相互作用，并解决控制复合洪水、水质和生物地球化学动态的多尺度过程。GAm-CHFS可以提供密西西比河流域及其相邻沿海海洋72小时内的河流流量、海岸水位、海洋环流、缺氧和碳通量预测。案例研究表明，该系统在预测风暴潮、降雨和河流流量之间的非线性相互作用方面有所改进。这一系统为基于人工智能的、可扩展的、考虑不确定性的海岸灾害预测提供了基础。

**引言**
密西西比河及其三角洲与美洲湾（GAm）构成了北美最重要的陆地-海岸-海洋连续体（图1）。密西西比河汇集了美国本土约41%的径流，其主要支流通过密西西比河三角洲向GAm输送大量淡水、沉积物、碳和营养物质。GAm是一个半封闭的边缘海域，支持着世界上最富生产力的海洋生态系统之一，其形态受到独特的地理和生物物理特征的影响（Kemp等人，2016；Yá?ez-Arancibia和Day，2004）。位于这一连续体中心的北部GAm面临着一系列严重灾害，包括飓风、洪水、海水入侵、富营养化、缺氧、海岸侵蚀和海平面上升（SLR）（Anthony等人，2009；Dangendorf等人，2023；Day等人，2024；Goldenberg等人，2001；Marsooli等人，2019；O’Donnell等人，2024；Syvitski等人，2009；Twilley等人，2016；Walker等人，2005），所有这些都需要强大的预测系统来及时准备应对灾害、进行紧急响应和长期韧性规划。因此，捕捉陆地-海岸-海洋连续体中各种物理和生物地球化学过程之间的相互作用对于提高预测准确性以及为路易斯安那州和其他沿GAm地区的有效适应策略提供信息至关重要。

**飓风**
飓风是该地区最具破坏性的灾害，会导致灾难性的洪水、风害和土地流失，累积经济损失达数百亿美元（Ali等人，2025；Estrada等人，2015；Newman和Noy，2023）。在新兴灾害中，由风暴潮、极端降雨和/或高河流流量共同引发的复合洪水尤其具有破坏性（Gori等人，2022；Stephens等人，2025；Wahl等人，2015）。例如，2017年的飓风哈维（4级）展示了风暴潮和降雨之间的非线性相互作用，这种相互作用放大了洪水的影响（Valle-Levinson等人，2020；Bao等人，2025）。在这些事件中，风暴潮将海水推向内陆，抬高海岸水位并阻碍河流流量，同时，强降雨增加了地表径流和河流洪水。这些系统之间的回流效应和相互放大作用可能导致比单独因素更严重和更广泛的洪水（Bao等人，2024）。这些相互作用还会导致陆地-海岸-海洋连续体中的盐度发生剧烈快速变化，这强烈影响河口环流、湿地健康和沿海生态系统，可以通过双向耦合模型真实地捕捉到（Zhao等人，2025）。

**讨论**
最近在动态双向耦合水文-海洋模型方面的进展大大提高了我们模拟这些过程的能力，特别是在没有测量站或地表径流与风暴潮相互作用强烈的地区（Bao等人，2022）。例如，在2018年的飓风弗洛伦斯（4级）和2017年的飓风哈维期间，双向耦合将洪水预测精度提高了多达40%（Bao等人，2024；2022），与传统单向或独立海洋模型相比，这表明表示河流/降水过程与海洋过程之间的反馈至关重要。

**长期环境问题**
除了急性事件外，路易斯安那州沿海和GAm地区还存在长期的环境问题，这些问题受到密西西比河的强烈影响。这条河流向沿海海洋输送大量淡水、溶解无机碳、碱度和营养物质，塑造了路易斯安那-德克萨斯大陆架的盐度梯度、分层模式、营养物预算和生物地球化学循环。河流流量调节分层的发展时间和地点、营养物质向表层水体的输送方式，以及碳和沉积物向开阔海洋的输送方式——这些都是初级生产力、氧气动态和缺氧形成的关键驱动因素。每年夏天，路易斯安那-德克萨斯大陆架都会出现一个缺氧区，夏季中期面积可达近23,000平方公里，主要由富含营养物质的密西西比河径流驱动（Rabalais和Turner，2019）。1993年的密西西比河洪水产生了一个从德克萨斯延伸到佛罗里达的广阔淡水羽流，引发了广泛的缺氧现象（Rabalais等人，1998；Walker等人，1994）。相比之下，2023年密西西比河流域的特大干旱大幅减少了河流流量，导致航行中断，并促使海水向上游河道入侵，威胁到路易斯安那州沿海的饮用水、农业和湿地（Elsey-Quirk等人，2024；Miller和Hiatt，2024）。

为了在沿海水质预测中准确反映这些盆地到海岸的连接，河流与海洋之间的耦合至关重要。河流-海洋耦合允许在海洋模型边界明确规定河流流量和水质输入，从而模拟对上游强迫的下游响应。配置了河流流入的海洋模型成功再现了极端事件、物理环流、沉积物动态（Zang等人，2018；2019；2020b）、初级生产力（Zang等人，2020a）、碳循环（Ou等人，2025a；2022；Xue等人，2016；Zhang和Xue，2022）和缺氧（Ou等人，2022；Ou和Xue，2024）。这些应用突显了河流-海洋耦合框架在解决密西西比河-美洲湾系统中的各种环境挑战方面的重要性，特别是在路易斯安那州沿海地区，该地区主要受密西西比河的影响，而其他地区（如西部（德克萨斯州）和东部（密西西比州到佛罗里达州）沿海地区则受当地河流流入的影响（Kemp等人，2016；Turner，2022；Yá?ez-Arancibia和Day，2004）。

**结论**
复合海岸灾害的风险不断增加，尤其是在飓风和大河流流量的共同影响下，很少有操作性系统能够提供GAm地区的综合洪水和水质预测。现有的操作性海岸系统主要关注海洋物理和风暴潮（例如，NOAA墨西哥湾操作性预测系统-NGOFS2、飓风引起的海浪、湖泊和陆地风暴潮-SLOSH以及海岸紧急风险评估-CERA），但缺乏对流域水文过程的表示，限制了它们捕捉驱动复合洪水的非线性相互作用的能力。相反，国家水文模型（如国家水模型-NWM）模拟河流流量时没有考虑海洋反馈。对于水质预测，操作性预测（例如，国家海岸海洋科学中心-NCCOS）通常是特定区域和季节性的，难以解决河流-海洋相互作用对沿海生物地球化学的演变影响。目前还缺乏一个能够联合预测整个陆地-海岸-海洋连续体中的流体动力学、复合洪水和水质的操作性框架。在这项研究中，我们提出了美洲湾海岸灾害预测系统（GAm-CHFS），该系统基于开源的COAWST（耦合海洋-大气-波浪-沉积物传输）建模系统（Warner等人，2010）。GAm-CHFS整合了三个主要组成部分（图1；表1）：（1）一个预测密西西比河流量的陆地表面/水文模型；（2）一个通过单向河流-海洋耦合配置模拟环流、波浪和生物地球化学的湾级海洋模型；（3）用于三个沿海子域复合洪水预测的高分辨率动态双向耦合水文-海洋模型。

GAm-CHFS通过提供一个跨陆地-海岸-海洋连续体的综合框架，推进了现有的操作能力。具体来说，这项工作做出了四个关键贡献：
（1）一个操作性建模系统，能够在单一的统一预测框架内同时解决耦合的物理和生物地球化学过程，包括流体动力学、复合洪水、水质和碳循环，解决了现有区域系统中孤立处理这些过程的关键缺口；
（2）一个灵活的多尺度耦合架构，采用单向河流-海洋和动态双向水文-海洋配置，能够在适当的空间和时间尺度上物理一致地表示跨域反馈；
（3）一个从密西西比河流域水文到开阔海湾生物地球化学的明确端到端表示，允许上游强迫信号（如河流流量、营养负荷和陆地洪水）无缝传播到沿海和海洋预测中；
（4）一个统一的建模平台，所有组件在整个预测周期内共享一致的大气强迫、河流流量和边界条件，限制了在耦合接口引入虚假不确定性的可能性，并确保物理信号在整个连续体中连贯传播，而不是被松散耦合或链式预测系统中常见的不一致的模型间传递所过滤或扭曲。

本文的其余部分组织如下：第2节描述了操作系统的实现，包括详细的模型设置和工作流程。第3节通过两个案例研究——复合洪水和沿海水质——展示了系统的实用性和性能。第4节讨论了系统的创新、当前挑战和未来方向，包括开发和整合基于人工智能（AI）的预测和集合方法的努力。最后，第5节总结了主要发现并提出了结论性意见。

**参考文献**
Blake和Zelinsky，2018；Kunkel和Champion，2019。
软件和数据可用性：
WRF-Hydro（Gochis等人，2018）可在https://ral.ucar.edu/projects/wrf_hydro获取。ROMS（Shchepetkin和Mcwilliams，2005）可在https://www.myroms.org获取。COAWST（Warner等人，2010）可在https://code.usgs.gov/coawstmodel/COAWST获取。复合洪水模型可在https://doi.org/10.5281/zenodo.7314817（Bao，2022）获取。所有预测数据和结果均通过路易斯安那州立大学托管的网页界面（https://flood.lsu.edu/）公开提供。

**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

**致谢**
本研究部分由国家海洋合作伙伴计划（NOPP）飓风海岸影响（NHCI）项目（项目编号N0001421IP00066）、NOAA耦合海洋建模测试床（奖项NA21NOS0120185）、NASA海岸韧性（奖项80NSSC23K0126）和国家科学院、工程院和医学院的海湾研究计划（SCON–10000883）资助，同时感谢路易斯安那州立大学（LSU）计算和技术中心的支持。