Comparison of Cloud Characteristics Between Typhoon Lekima(1909) and Typhoon Yagi(1814)
-
摘要: 利用FY-2H, Aqua, CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)和GPM(Global Preciptation Measurement)卫星产品, 对比同在浙江温岭沿海登陆且路径相似的台风利奇马(1909)和台风摩羯(1814), 分析其发展过程中云系水平、垂直结构特征以及登陆前台风三维结构特征。结果表明: 台风眼区是否可见、台风云系的螺旋明显程度、最强降水中心的形状变化、螺旋雨带区南北侧云顶高度的差异均是台风发展强弱的重要标志。台风发展成熟阶段云顶高度最大位于台风眼附近。台风登陆前, 台风越强, 单层云占比越高, 多层云占比越少; 台风越强, 光学厚度越大; 台风云系类别主要是深对流云和卷云, 成分以非定向冰为主; 螺旋雨带区云系的云底高度及厚度与台风发展强弱相关; 同一通道下高低亮温区的面积、台风的降水类型、三维降水结构中的对流柱长度和数量、垂直方向上的降水率均可作为台风发展强弱的依据。
-
关键词:
- 台风利奇马(1909) /
- 台风摩羯(1814) /
- 相似路径台风
Abstract: Previous studies show that two typhoons with similar landing area and similar moving tracks may have significant differences in precipitation intensity, which are caused by different structure and characteristics of the cloud systems. Based on FY-2H, Aqua, CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation) and GPM(Global Precipitation Measurement) satellite data, the horizontal and vertical structural characteristics of the cloud system, 3-dimensional structure and characteristics of Typhoon Lekima(1909) and Typhoon Yagi(1814), which landed along the Wenling coast of Zhejiang Province, are discussed. The visibility of typhoon eye area and the helicity of typhoon cloud system in TBB images are important indicators of typhoon development. The precipitation near the typhoon center is the largest, and the spatial distribution of typhoon precipitation is asymmetrical. For the typhoons with similar paths, strong typhoon induces circular strong precipitation center, while weak typhoon is along with belt-type strong precipitation center. In the mature stage of typhoon development, the maximum cloud top height is near the typhoon eye. When the cloud top height on the north side of the spiral rain belt area is lower than that on the south side, the typhoon develops strongly. When the cloud top height on the south side of the spiral rain belt area is lower than that the the north side, the typhoon is relatively weak. Before typhoon landing, the proportion of single layer cloud is higher when the typhoon is stronger, and the atmosphere is optically thicker. Typhoon clouds are mainly deep convective clouds and cirrus clouds consisting of non-directional ice. The height of cloud base and thickness in spiral rainband are related to the development of typhoon. Before typhoon landing, the area of high and low brightness temperature under the same channel, the precipitation type of typhoon, the length and number of convective columns in the 3-dimensional precipitation structure, and the precipitation rate in vertical direction can all indicate the development of typhoon. Regardless the typhoon strength, the total amount of ice water particles is roughly the same, and the difference in intensity is reflected in the areas of the high and low brightness temperature under the same channel. The spiral rain belt of a strong typhoon is dominated by stratiform precipitation, while a weak typhoon is dominated by convective precipitation. The number and length of convective columns of a strong typhoon are far greater than those of a weak typhoon.-
Keywords:
- Typhoon Lekima(1909) /
- Typhoon Yagi(1814) /
- similar track typhoon
-
引言
我国是世界上受热带气旋影响最多的国家之一,登陆台风大多集中在夏秋两季的东南沿海[1]。台风引起的大风、暴雨和诱发的巨浪、风暴潮会给沿海居民的生产生活造成巨大损失[2]。台风登陆前后结构特征演变及强降水分布是台风研究和业务预报的关注点和难点。与台风路径预报相比,台风发展强度的业务预报进展缓慢[3]。台风云系和降水的分布异常复杂,其结构对台风发展变化及台风降水形成至关重要[4]。此外,台风生成于温暖洋面,但海上台站稀缺导致海洋观测资料有限,阻碍了对台风内部结构的了解和台风发展强度的分析[5]。
随着卫星探测技术的不断进步,具有高时空分辨率、覆盖范围广等优点的卫星遥感数据已被广泛用于台风的云系特征、降水分布以及台风强度的研究[6-7]。2014年GPM(Global Precipitation Measurement)卫星成功发射,肖柳斯等[8]评估了GPM卫星对台风强降水事件的估测能力,并指出极端天气下GPM卫星反演降水能力已有所提升。刘晓阳等[9]评估了GPM/DPR的应用潜力,认为GPM/DPR探测的反射率因子整体一致性较好。近年GPM卫星数据已用于台风个例研究[10-11]。另外,2006年发射的CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)卫星实现了在垂直方向探测台风云系的宏观和微观特性。CloudSat卫星产品在研究台风系统中的云系具有重要价值[12-13],高洋等[14]利用CloudSat卫星产品分析了西太平洋台风云系的垂直结构及其微物理特征。
相似预报法是台风预报业务中最常用的方法之一。然而登陆点相近、运行路径相似的两个台风引起的降水强度和分布却可能存在明显差异。这是由于影响登陆台风暴雨的关键因子存在个体差异,导致对登陆台风降水的落区和强度预报非常困难。因此,对路径相似台风云系的宏观及微观特征和降水分布开展对比分析,有助于提高对台风强度的预报能力[15]。2019年登陆我国东南沿海的超级台风利奇马(1909)(简称台风利奇马)具有在陆上滞留时间长、风雨强度大、北上影响范围广、暴雨极端性显著、灾害损失严重等特点,影响我国中东部大部分省份,造成人员财产严重损失[16-17]。2018年台风摩羯(1814)(简称台风摩羯)在浙江温岭沿海登陆,造成受灾人口达8万人,直接经济损失达4.6亿元人民币。台风利奇马和台风摩羯登陆前路径类似,但持续时间和降水强度明显不同,对二者进行对比分析可为预报登陆台风的风雨分布提供参考。本文利用FY-2H,Aqua, CALIPSO和GPM卫星资料,对台风利奇马和台风摩羯发展过程中云系在水平和垂直方向上的结构特征以及登陆前台风三维结构特征进行对比分析,以期为登陆我国东南沿海台风的分析和预报提供参考。
1. 产品选取
本文所用产品包括2018年8月8—14日和2019年8月4—13日FY-2H卫星的亮温产品、Aqua卫星的MYD06产品、CALIPSO卫星的05kmClay和VFM(333 m)产品、GPM卫星的3IMERGHH 06和1CGPMGMI 05及2BCMB 06产品(表 1)。
表 1 本文所用卫星产品Table 1. Satellite products卫星 产品 产品描述 时间分辨率 空间分辨率 FY-2H 9210格式1 h平均相当黑体亮度温度 亮温 1 h 5 km×5 km Aqua MYD06 云顶高度 5 min 5 km×5 km CALIPSO 05kmCLay 云层数 5 min 5 km×5 km 光学厚度 5 min 5 km×5 km VFM(333 m) 云分类 5 min 地面轨道分辨率为5 km,垂直分辨率为333 m GPM 3IMERGHH 06 降水量 0.5 h 0.1°×0.1° 1CGPMGMI 05 微波辐射亮温 1.5 h 13 km×13 km 2BCMB 06 降水类型 1.5 h 5 km×5 km 降水率 1.5 h 5 km×5 km 2. 台风过程概况
图 1是2019年台风利奇马和2018年台风摩羯间隔6 h的台风等级和路径。由图 1可见,台风利奇马和台风摩羯的路径相似,均在西太平洋生成,向西移动,在浙江温岭沿海登陆,但登陆后台风利奇马先向西北而后向北方移动,而台风摩羯则向西北方向移动。2019年8月4日06:00(世界时,下同)第9号台风利奇马生成,8月9日17:00登陆,13日06:00停止编号;2018年8月8日06:00第14号台风摩羯生成,8月12日15:35登陆,13日24:00停止编号。强度上,台风利奇马登陆时中心附近最大风力为16级(52 m·s-1,为超强台风),台风摩羯登陆时中心附近最大风力为10级(28 m·s-1,为强热带风暴)。以上可知,虽然台风利奇马和台风摩羯的移动路径相似,但台风利奇马持续时间更长,无论是台风强度,还是降水强度及影响程度,台风利奇马均远超过台风摩羯。
图 2和图 3分别是台风利奇马和台风摩羯发展过程中的亮温图像。由图 2可见,台风利奇马登陆前云系呈螺旋状,并发展壮大,登陆前近乎圆形,2019年8月8日05:00小且圆的台风眼区清晰可见,这是台风强烈发展的一个重要标志。由图 3可见,台风摩羯登陆前云系也呈螺旋状,但台风眼区位置不明显。随着进一步发展,两个台风云系的螺旋分布更为明显,这与台风中心气压降低导致风速增大、辐合增强有密切关系。余茁夫等[18]指出,按照第二类条件不稳定机制,潜热释放,低层辐合,对流增强的正反馈发展方式使低层辐合加剧,风暴涡旋结构增强,云系表现为螺旋状分布。
利用GPM 3IMERGHH 06 30 min降水产品分析台风利奇马和台风摩羯。图 4是台风利奇马和台风摩羯发展过程中逐24 h累积降水量的对比。由图 4可见,两个台风中心附近降水量均为最大,且台风降水空间分布均呈不对称结构。但随着进一步发展,台风利奇马和台风摩羯在2019年8月9日和2018年8月12日的24 h最大降水量分别为2227 mm和891 mm。台风利奇马最强降水中心先增强再减弱,形状则表现为圆型—心型—“扁豆”型—圆型—带型。台风摩羯的最强降水中心经历了减弱—增强—再减弱的过程,形状也表现为圆型—点型—带型—多个带型中心。台风利奇马和台风摩羯的影响范围均逐渐增大,在台风发展的中后期,可以看到二者均存在多条强降水区的螺旋雨带,但其降水量明显小于台风中心附近的最强降水区,这与台风莫兰蒂(1614)[4]一致。由此可见,相似路径的强、弱两个台风,其最强降水中心发展为近乎圆形时,台风发展较强;而最强降水中心发展为带型时,台风发展较弱。
3. 台风水平结构
云的结构特征和特性对降水系统形成和发展至关重要[19]。云顶高度是台风云系最重要的宏观特征之一。图 5是Aqua卫星观测的台风利奇马和台风摩羯云顶高度。2019年8月9日04:40—04:55台风利奇马的云顶高度达到最大,为16.95 km,位于台风眼附近,高值区呈明显螺旋状分布,螺旋结构范围为15个经度和15个纬度范围。同时,台风利奇马北侧的螺旋雨带区云顶高度低于南侧。2018年8月11日05:00—05:15台风摩羯的云顶高度达到最大,为14.25 km,螺旋结构范围为10个经度和13个纬度范围。台风摩羯南侧的螺旋雨带区云顶高度低于北侧。结合图 2可以看到,台风云墙区的云顶高度和亮温均高于外围螺旋雨带区,这是由于云墙区的对流活动比外围螺旋雨带区更旺盛。自云墙向外,台风利奇马和台风摩羯的亮温均降低。对于云顶高度,台风利奇马为先降低后升高,台风摩羯的这一特征则体现在南侧,北侧不明显,可能由台风南北两侧对流强度不同所致。由此可见,路径相似但强度不同的两个台风,当螺旋雨带北侧的云顶高度低于南侧时,台风发展较强;当螺旋雨带南侧的云顶高度低于北侧时,台风发展相对较弱。
4. 台风垂直结构
4.1 云层数
台风云系的垂直结构同台风降水的物理过程、降水机制与效率密切相关。CALIPSO卫星提供台风云系内部结构的信息,对研究台风强度变化有非常重要的意义[20]。CALIPSO卫星轨道号70657和65354分别在2019年8月9日04:24—05:17和2018年8月11日04:39—05:31经过台风利奇马和台风摩羯上空,所经区域均为台风的螺旋雨带区。图 6是台风利奇马和台风摩羯的云层数,黑色方框为CALIPSO卫星扫描经过的区域。由图 6可见,台风利奇马的螺旋雨带主要由单层云、双层云及三层云组成;台风摩羯的螺旋雨带由单层云、双层云及大量多层云组成,且多层云的云层数多超过4层。结合图 5可知,距离台风中心较近一端的云层数较多。此外,台风云系中单层云均占比最高、其次为双层云和三层云,二者区别是三层以上多层云的占比。这说明不论台风强弱,台风云系中单层云仍是主导。但不同强度台风在云层数上表现出差异,即台风越强,单层云占比越高,多层云占比越少。这是由于随着台风强度的增强,对流发展越旺盛,深对流越占据主导位置[14]。
4.2 光学厚度
图 7分别是登陆前台风利奇马和台风摩羯螺旋雨带区的光学厚度,黑色方框为CALIPSO卫星扫描经过的区域。由图 7可见,台风利奇马螺旋雨带的光学厚度平均值为2.09,最大值为11.81,台风摩羯螺旋雨带的光学厚度平均值为1.60,最大值为5.66,即台风利奇马螺旋雨带的光学厚度远超台风摩羯。结合图 1可知,该时刻台风利奇马为强台风状态,台风摩羯为热带风暴状态。这进一步说明台风螺旋雨带云系中的光学厚度越大,降水强度越大,台风等级越强。光学厚度与降水强度的关系与京津冀夏季强降水中冰云宏微观特征[21]的分析结论一致。其原因是影响云光学厚度的主要因子为云量,云量大,整层云的消光作用强[22],而降水强度大的地区,蒸发加大,冰云云量增多,光学厚度大。这两个台风中距离台风中心较近一端光学厚度较大的部分集中在底部。高洋等[14]对台风浣熊(1408)的研究表明在深对流云内,较小的冰粒子被强对流抬升到高处,而大的冰粒子集中在低处。这与台风利奇马和台风摩羯的表现较为一致。陈纹锋等[23]指出有效粒子半径随高度增高而明显减小,且随光学厚度增大,冰粒有效粒子半径也呈一定程度增大。因此不同强度台风在光学厚度上也表现出差异,即台风越强,光学厚度越大。
4.3 云分类及云相
图 8是台风利奇马和台风摩羯的云分类及云相信息,黑色方框为CALIPSO卫星扫描经过的区域。由图 8a可见,台风利奇马螺旋雨带8~15 km高度主要由深对流云和卷云组成,云顶处有少量层积云,在约5 km高度存在少量高积云,0~2 km高度存在少量高层云、积云和层积云。由图 8b可见,台风摩羯螺旋雨带在7~17 km高度主要由深对流云和卷云组成,云顶处有少量层积云和积云,底部有少量层积云,在5~7 km高度有少量高层云和高积云,2 km处有少量积云。即该时刻台风摩羯云底高度及整层云体厚度比台风利奇马偏高1~2 km。结合图 1和图 4可知,该时刻台风利奇马为超强台风,台风摩羯为热带风暴。高洋等[14]指出超强台风时深对流云的发展较强台风时略有减弱,即台风达到最大强度时,未来会逐渐走向衰减,所以深对流云的发展略有减弱。图 8c和图 8d显示两个台风的云系均主要由非定向冰和少量水组成,未见定向冰。Noel等[24]表明云中冰粒的方向主要由温度决定,其次为天气效应影响,水平向冰在低于-30℃的冰云中基本不存在,常见于较暖的冰云中。这说明台风利奇马和台风摩羯螺旋雨带均以冷云为主。总之,台风螺旋雨带云系均以冷云为主,主要成分为非定向冰,深对流云和卷云占主导,台风增强,螺旋雨带云系的云底高度及厚度有所减小。
图 8 台风利奇马和台风摩羯的云分类及云相信息(a)台风利奇马的云分类,(b)台风摩羯的云分类,(c)台风利奇马的云相,(d)台风摩羯的云相Figure 8. Cloud classification and cloud phase of Typhoon Lekima and Typhoon Yagi(a)cloud classification of Typhoon Lekima, (b)cloud classification of Typhoon Yagi, (c)cloud phase of Typhoon Lekima, (d)cloud phase of Typhoon Yagi5. 登陆前台风三维结构
GPM卫星分别于2019年8月9日13:50—15:20和2018年8月12日13:54—15:26扫描到处于强台风等级的利奇马和热带风暴等级的摩羯,且二者均处于台风登陆前。受GPM卫星工作方式以及轨道覆盖范围的限制,虽然扫描宽度未能完全覆盖台风的全部范围,但获取的信息仍值得分析。
选取GPM 1CGPMGMI 05产品18.7 GHz和181.31±3 GHz两种垂直极化通道考察台风利奇马和台风摩羯云系亮温分布。根据微波遥感原理[25-26],18.7 GHz和181.31±3 GHz通道亮温分别取决于云中液态水粒子和冰相粒子的辐射信号强弱。水粒子越多,18.7 GHz通道亮温越高,冰相粒子越多,181.31±3 GHz通道亮温越低,即18.7 GHz通道下高亮温区对应实际降水区域,亮温越高降水越强,而181.31±3 GHz通道下低亮温区对应实际降水区域,亮温越低降水越强。由图 9可以看到,台风利奇马移动方向右侧出现的冰粒子较多,台风摩羯移动方向中心轴线上出现的冰粒子较多。台风利奇马和台风摩羯均表现出冰粒子和水粒子的非均匀及非对称分布,且冰粒子和水粒子的总量大体相当,即18.7 GHz通道大于等于240 K的高亮温区面积与181.31±3 GHz通道小于240 K的低亮温区面积大体相当。两个台风的等级差异体现在同一通道二者的高亮温区和低亮温区面积,即18.7 GHz通道台风利奇马的高亮温区明显大于台风摩羯,181.31± 3 GHz通道台风利奇马低亮温区明显大于台风摩羯。
GPM 2BCMB 06产品提供降水类型信息,利用垂直廓线方法将降水划分为层云降水、对流降水和其他类型降水。垂直廓线方法是测雨雷达探测到的回波中出现亮带,则为层云降水;若回波中无亮带,但雷达反射率因子超过40 dBZ或风暴顶高度超过15 km, 则为对流降水;若回波中无亮带,但雷达反射率因子不超过40 dBZ且风暴顶高度不超过15 km,则为其他类型降水[27]。由于Ku波段雷达扫描宽度比Ka波段宽度大,更适合研究台风降水云系,因此本文采用Ku波段分析,该模式下扫描宽度为245 km。由图 10可见,台风利奇马以层云降水为主,台风摩羯以对流降水为主。台风利奇马的台风眼区无降水,云墙区由层云降水和对流降水同时环绕眼区,外围的螺旋雨带以层云降水为主,其次为对流降水,同时还有少量其他降水。由于扫描宽度的限制,图 10虽未能明显展示台风摩羯眼区,但可见部分台风云墙及外围螺旋雨带,该部分云墙区降水为对流降水、层云降水及少量其他类型降水,螺旋雨带区则以对流降水为主。
利用GPM 2BCMB 06产品的降水率信息可知,最大降水强度均出现在台风云墙处(图略)。结合图 10可以看到,台风利奇马对流降水的降水率显然大于层云降水,且自云墙向外,对流降水的降水率逐渐降低。台风摩羯自云墙向外,最内一层对流降水的降水率仍大于层云降水。
6. 结论与讨论
台风利奇马和台风摩羯均在西太平洋洋面生成,在浙江温岭一带登陆,且登陆前路径较为相似,发生时间均在8月上中旬,但登陆后二者路径存在差异,且在持续时间、台风强度、降水强度及影响程度方面,台风利奇马均超过台风摩羯。本文对比分析二者登陆前后台风云系特征和降水分布特征的异同,得到以下结论:
1) 亮温图像中,小且圆的台风眼区是否可见和台风云系的螺旋明显程度是台风发展强度的重要标志。若台风眼区清晰可见,则台风发展较强;若未见台风眼区,则台风发展较弱;最强降水中心发展为近乎圆形时,台风发展较强,而最强降水中心发展为带型时,台风发展较弱。台风强度升级,云系螺旋程度愈加明显。
2) 台风发展成熟阶段,云顶高度最大值位于台风眼附近。当螺旋雨带北侧云顶高度低于南侧时,台风发展较强;当螺旋雨带南侧云顶高度低于北侧时,台风发展相对较弱。
3) 登陆前,台风云系中单层云占主导,台风强度在云层数上表现出差异,台风越强,单层云占比越高,多层云占比越少。台风强度在光学厚度上表现出差异,台风越强,光学厚度越大。台风云系均以冷云为主,主要成分为非定向冰,深对流云和卷云占主导。较强台风螺旋雨带区的云系厚度,与较弱台风相比偏小约1~2 km。
4) 登陆前,强弱台风的冰水粒子总量大体相当,台风强度差异体现在同一通道高亮温和低亮温的区域面积不同,强台风18.7 GHz通道高亮温区大,181.31±3 GHz通道低亮温区小。强台风螺旋雨带以层云降水为主,弱台风以对流降水为主。
本文从云顶高度、云层数、光学厚度、云相、云类别等云特征和降水特征方面讨论台风利奇马和台风摩羯的异同点,以期为台风强度和降水预报提供参考。本文仅选取两个台风个例,其他台风是否具有类似特征,需开展更多工作。
-
图 8 台风利奇马和台风摩羯的云分类及云相信息
(a)台风利奇马的云分类,(b)台风摩羯的云分类,(c)台风利奇马的云相,(d)台风摩羯的云相
Figure 8. Cloud classification and cloud phase of Typhoon Lekima and Typhoon Yagi
(a)cloud classification of Typhoon Lekima, (b)cloud classification of Typhoon Yagi, (c)cloud phase of Typhoon Lekima, (d)cloud phase of Typhoon Yagi
表 1 本文所用卫星产品
Table 1 Satellite products
卫星 产品 产品描述 时间分辨率 空间分辨率 FY-2H 9210格式1 h平均相当黑体亮度温度 亮温 1 h 5 km×5 km Aqua MYD06 云顶高度 5 min 5 km×5 km CALIPSO 05kmCLay 云层数 5 min 5 km×5 km 光学厚度 5 min 5 km×5 km VFM(333 m) 云分类 5 min 地面轨道分辨率为5 km,垂直分辨率为333 m GPM 3IMERGHH 06 降水量 0.5 h 0.1°×0.1° 1CGPMGMI 05 微波辐射亮温 1.5 h 13 km×13 km 2BCMB 06 降水类型 1.5 h 5 km×5 km 降水率 1.5 h 5 km×5 km -
[1] 陈联寿, 丁一汇. 西太平洋台风概论. 北京: 科学出版社, 1979: 56-58. Chen L S, Ding Y H. Introduction to Typhoon in the Western Pacific Ocean. Beijing: Science Press, 1979: 56-58.
[2] 杨舒楠, 端义宏. 台风温比亚(1818)降水及环境场极端性分析. 应用气象学报, 2020, 31(3): 290-302. DOI: 10.11898/1001-7313.20200304 Yang S N, Duan Y H. Extremity analysis on the precipitation and environmental field of Typhoon Rumbia in 2018. J Appl Meteor Sci, 2020, 31(3): 290-302. DOI: 10.11898/1001-7313.20200304
[3] Elsberry R L. Advances in research and forecasting of tropical cyclones from 1963-2013. Asia-Pac J Atmos Sci, 2014, 50(1): 3-16. DOI: 10.1007/s13143-014-0001-1
[4] 赵震. 2016年台风"莫兰蒂"结构特征的多源卫星探测分析. 高原气象, 2019, 38(1): 156-164. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201901014.htm Zhao Z. Multi-satellite observations on the structure characteristics of Typhoon Meranti in 2016. Plateau Meteor, 2019, 38(1): 156-164. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201901014.htm
[5] Jing Y S, Li J, Weng Y, et al. The assessment of drought relief by Typhoon Saomai based on MODIS remote sensing data in Shanghai, China. Nat Hazards, 2014, 71(2): 1215-1225. DOI: 10.1007/s11069-013-0667-1
[6] 张晓慧, 张立凤, 周海申, 等. 双台风相互作用及其影响. 应用气象学报, 2019, 30(4): 456-466. DOI: 10.11898/1001-7313.20190406 Zhang X H, Zhang L F, Zhou H S, et al. Interaction and influence of binary typhoons. J Appl Meteor Sci, 2019, 30(4): 456-466. DOI: 10.11898/1001-7313.20190406
[7] 高拴柱, 张胜军, 吕心艳, 等. 南海台风生成前48 h环流特征及热力与动力条件. 应用气象学报, 2021, 32(3): 272-288. DOI: 10.11898/1001-7313.20210302 Gao S Z, Zhang S J, Lü X Y, et al. Circulation characteristics and thermal and dynamic conditions 48 hours before typhoon formation in South China Sea. J Appl Meteor Sci, 2021, 32(3): 272-288. DOI: 10.11898/1001-7313.20210302
[8] 肖柳斯, 张阿思, 闵超, 等. GPM卫星降水产品在台风极端降水过程的误差评估. 高原气象, 2019, 38(5): 993-1003. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201905008.htm Xiao L S, Zhang A S, Min C, et al. Evaluation of GPM satellite-based precipitation estimates during three tropical-related extreme rainfall events. Plateau Meteor, 2019, 38(5): 993-1003. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201905008.htm
[9] 刘晓阳, 李郝, 何平, 等. GPM/DPR雷达与CINRAD雷达降水探测对比. 应用气象学报, 2018, 29(6): 667-679. DOI: 10.11898/1001-7313.20180603 Liu X Y, Li H, He P, et al. Comparison on the precipitation measurement between GPM/DPR and CINRAD radars. J Appl Meteor Sci, 2018, 29(6): 667-679. DOI: 10.11898/1001-7313.20180603
[10] 朱梅, 何君涛, 方勉, 等. GPM卫星资料在分析"杜苏芮"台风降水结构中的应用. 干旱气象, 2018, 36(6): 997-1002. https://www.cnki.com.cn/Article/CJFDTOTAL-GSQX201806014.htm Zhu M, He J T, Fang M, et al. Application of GPM data in analysis of precipitation structure of Typhoon Doksuri. Arid Meteor, 2018, 36(6): 997-1002. https://www.cnki.com.cn/Article/CJFDTOTAL-GSQX201806014.htm
[11] 方勉, 何君涛, 符永铭, 等. 基于GPM卫星降水产品对1808号超强台风"玛利亚"降水结构的分析. 大气科学学报, 2019, 42(6): 845-854. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX201906005.htm Fang M, He J T, Fu Y M, et al. The precipitation structure for super Typhoon Maria(1808) based on GPM satellite rainfall products. Trans Atmos Sci, 2019, 42(6): 845-854. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX201906005.htm
[12] Matrosov S Y. CloudSat measurements of landfalling hurricanes Gustav and Ike(2008). J Geophys Res Atmos, 2011, 116, D01203. DOI: 10.1029/2010JD014506.
[13] Tourville N, Stephens G, DeMaria M, et al. Remote sensing of tropical cyclones: Observations from CloudSat and A-Train profilers. Bull Amer Meteor Soc, 2015, 96(4): 609-622.
[14] 高洋, 方翔. 基于CloudSat卫星分析西太平洋台风云系的垂直结构及其微物理特征. 气象, 2018, 44(5): 597-611. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201805001.htm Gao Y, Fang X. Analyses on vertical structure and microphysical features of typhoon cloud in Western Pacific based on CloudSat satellite data. Meteor Mon, 2018, 44(5): 597-611. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201805001.htm
[15] 颜玲, 周玉淑, 王咏青. 相似路径台风Soudelor(1513)与Matmo(1410)登陆前后的降水分布特征及成因的对比分析. 大气科学, 2019, 43(2): 297-310. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201902007.htm Yan L, Zhou Y S, Wang Y Q. Analysis on different characteristics and causes of precipitation distribution during the landing of Typhoon "Soudelor"(1513) and Typhoon "Matmo"(1410) with similar tracks. Chinese J Atmos Sci, 2019, 43(2): 297-310. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201902007.htm
[16] 何立富, 陈双, 郭云谦. 台风利奇马(1909)极端强降雨观测特征及成因. 应用气象学报, 2020, 31(5): 513-526. DOI: 10.11898/1001-7313.20200501 He L F, Chen S, Guo Y Q. Observation characteristics and synoptic mechanisms of Typhoon Lekima extreme rainfall in 2019. J Appl Meteor Sci, 2020, 31(5): 513-526. DOI: 10.11898/1001-7313.20200501
[17] 刘涛, 端义宏, 冯佳宁, 等. 台风利奇马(1909)双眼墙特征及长时间维持机制. 应用气象学报, 2021, 32(3): 289-301. DOI: 10.11898/1001-7313.20210303 Liu T, Duan Y H, Feng J N, et al. Characteristics and mechanisms of long-lived concentric eyewalls in Typhoon Lekima in 2019. J Appl Meteor Sci, 2021, 32(3): 289-301. DOI: 10.11898/1001-7313.20210303
[18] 余茁夫, 马烁, 胡雄, 等. 基于多源数据的利奇马台风大气环流、云及降水特征分析. 气象科学, 2020, 40(1): 41-52. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKX202001005.htm Yu Z F, Ma S, Hu X, et al. Analysis of atmospheric circulation, cloud and precipitation characteristics of Typhoon "Lekima" based on multi-source data. J Meteor Sci, 2020, 40(1): 41-52. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKX202001005.htm
[19] 樊志超, 周盛, 汪玲, 等. 湖南秋季积层混合云系飞机人工增雨作业方法. 应用气象学报, 2018, 29(2): 200-216. DOI: 10.11898/1001-7313.20180207 Fan Z C, Zhou S, Wang L, et al. Methods of aircraft-based precipitation enhancement operation for convective-stratiform mixed clouds in autumn in Hunan Province. J Appl Meteor Sci, 2018, 29(2): 200-216. DOI: 10.11898/1001-7313.20180207
[20] 常婉婷, 高文华, 端义宏, 等. 云微物理过程对台风数值模拟的影响. 应用气象学报, 2019, 30(4): 443-455. DOI: 10.11898/1001-7313.20190405 Chang W T, Gao W H, Duan Y H, et al. The impact of cloud microphysical processes on typhoon numerical simulation. J Appl Meteor Sci, 2019, 30(4): 443-455. DOI: 10.11898/1001-7313.20190405
[21] 郑倩, 郑有飞, 王立稳, 等. 京津冀夏季强降水下冰云宏微观特征. 干旱区地理, 2019, 42(1): 67-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GHDL201901008.htm Zheng Q, Zheng Y F, Wang L W, et al. The macrophysical and microphysical properties of ice clouds during heavy rainfalls in Beijing-Tianjin-Hebei Region in summer. Arid Land Geography, 2019, 42(1): 67-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GHDL201901008.htm
[22] 杨冰韵, 张华, 彭杰, 等. 利用CloudSat卫星资料分析云微物理和光学性质的分布特征. 高原气象, 2014, 33(4): 1105-1118. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201404024.htm Yang B Y, Zhang H, Peng J. Analysis on global distribution characteristics of cloud microphysical and optical properties based on the CloudSat data. Plateau Meteor, 2014, 33(4): 1105-1118. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201404024.htm
[23] 陈纹锋, 郑有飞, 王立稳, 等. 基于DARDAR数据的中国地区不同光学厚度下冰云特性分析. 高原气象, 2019, 38(6): 1309-1319. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201906018.htm Chen W F, Zheng Y F, Wang L W, et al. Properties of ice clouds under different optical depth over China based on DARDAR data. Plateau Meteor, 2019, 38(6): 1309-1319. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201906018.htm
[24] Noel V, Chepfer H. A global view of horizontally oriented crystals in ice clouds from Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation(CALIPSO). J Geophys Res Atmos, 2010, 115, D00H23.
[25] 方翔, 曹志强, 王新, 等. AMSU-B微波资料反演对流云中冰粒子含量. 气象学报, 2011, 69(5): 900-911. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201105013.htm Fang X, Cao Z Q, Wang X, et al. A retrieval of ice contents in convective cloud using the AMSU-B microwave data. Acta Meteor Sinica, 2011, 69(5): 900-911. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201105013.htm
[26] 蒋银丰, 寇蕾蕾, 陈爱军, 等. 双偏振雷达和双频测雨雷达反射率因子对比. 应用气象学报, 2020, 31(5): 608-619. DOI: 10.11898/1001-7313.20200508 Jiang Y F, Kou L L, Chen A J, et al. Comparison of reflectivity factor of dual polarization radar and dual-frequency precipitation radar. J Appl Meteor Sci, 2020, 31(5): 608-619. DOI: 10.11898/1001-7313.20200508
[27] Awaka J, Iguchi T, Okamoto K. Early Results on Rain Type Classification by the Tropical Rainfall Measuring Mission (TRMM) Precipitation Radar//Proc 8th URSI Commission F Open Symp, 1998: 134-146.
-
期刊类型引用(11)
1. 郭瑞琛,徐晶,王玉清. 热带气旋尺度预报性能评估及订正技术. 应用气象学报. 2025(01): 1-13 . 本站查看
2. 肖海霞,张峰,王亚强,唐飞,郑玉. 基于生成对抗网络和卫星数据的云图临近预报. 应用气象学报. 2023(02): 220-233 . 本站查看
3. 王俊,郑丽娜,王洪,刘畅. 山东6次台风暴雨雨滴谱统计特征及区域差异. 应用气象学报. 2023(04): 475-488 . 本站查看
4. 周明珠,徐晶. 西北太平洋热带气旋强度和尺度协同变化特征. 应用气象学报. 2023(04): 463-474 . 本站查看
5. 王皘,孙莎莎,滕方达,向纯怡,董林,于群. 2011—2022年影响山东半岛的台风特征分析. 海洋湖沼通报. 2023(04): 23-30 . 百度学术
6. 王海平. 高空冷涡对台风烟花(2106)路径的影响. 应用气象学报. 2023(05): 586-597 . 本站查看
7. 王玉虹,Bica Benedikt. 不同天气背景下京津冀降水临近外推预报. 应用气象学报. 2022(03): 270-281 . 本站查看
8. 毛程燕,马依依,孙杭媛,郑倩,龚理卿,季丹,王健疆. 不同路径移出型西南涡对中国中东部降水的影响. 干旱气象. 2022(03): 386-395 . 百度学术
9. 覃皓,郑凤琴,伍丽泉. 台风威马逊(1409)强度与降水变化的相互作用. 应用气象学报. 2022(04): 477-488 . 本站查看
10. 高洋,蔡淼,曹治强,田林,王曦. “21·7”河南暴雨环境场及云的宏微观特征. 应用气象学报. 2022(06): 682-695 . 本站查看
11. 徐亚钦,叶妍婷,刘瑞,黄嘉仪,蔡晓冬,周玲丽. 1814号台风“摩羯”造成浙江内陆强降水的动力特征分析. 海洋气象学报. 2022(04): 37-47 . 百度学术
其他类型引用(1)