2023, Vol. 53
2. 中国气象科学研究院灾害天气国家重点实验室，北京 100081;
3. 国家气象中心，北京 100081;
4. 南京气象科技创新研究院，江苏 南京 210041
近年来，热带气旋(TC)的快速增强(RI)现象是台风强度预报中面临的最大挑战之一，也是目前台风研究的热点问题。目前关于TC的研究主要集中在讨论影响RI发生动热力因子及其影响机制[1-2]，也有研究将关注点转移到了RI的气候变化方面，如RI与太平洋十年涛动(Pacific decadal oscillation，PDO)及厄尔尼诺与南方涛动(El-Niño southern oscillation，ENSO)之间的关系等[3-5]。这些研究多数只使用一种TC资料，而事实上TC活动(包括RI)的气候分析结果对资料也有一定的依赖性。
目前研究对TC活动尤其是TC强度方面存在很大的争议。Emanuel[6]定义了TC潜在破坏力指数(Potential destructiveness index, PDI)，该指数能够综合反映TC强度、频数及持续时间。经过研究发现，全球范围内PDI呈上升趋势，与局地海表面温度(Sea surface temperature，SST)上升趋势有很好的对应关系，证明全球变暖能加剧TC的活动[7-9]。Landsea等[10]认为，由于20世纪60年代前没有卫星等遥感监测，有可能漏记远海TC，因此早期的PDI指数有可能被低估。Webster等[11]发现，全球超强飓风(4~5级)频数有上升的趋势。Klotzbach等[12]发现，1986—2005年间尽管全球范围内SST平均上升了0.2~0.4 ℃，但4~5级TC频数并没有明显增加。Song等[13]对比TC最佳路径资料，发现JTWC资料明显低估2~3级TC频数，而高估4~5级TC频数，并指出，JMA和CMA最佳路径资料不支持4~5级TC频数上升的结论。Kaplan和DeMaria[14] (以下简写为KD03) 统计发现，大西洋海域4~5级TC几乎都会经历RI的过程，因此RI的气候变化趋势还有待利用多套资料进行分析验证。
西北太平洋作为全球TC活动最频繁的海域，其TC活动趋势仍存在较大争议。造成这一争议的主要原因之一在于TC强度资料不统一[15]。在此区域主要的TC最佳路径集资料有四套，分别来自中国气象局(CMA)上海台风研究所、美国联合预警中心(JTWC)、日本气象厅(JMA)和香港天文台(HKO)。研究发现，不同资料集对TC强度和路径的记录存在明显差异，其中强度记录差异更为明显[16-19]。梁进等[20]发现，JTWC和CMA定强差异最小的时期为1973—1987年，正好对应飞机观测和Dvorak技术同时应用的时期，而1987年后停止飞机观测导致TC定强误差增大。Yu等[21]对比了CMA、JMA和JTWC资料，发现强度差异超过1%的显著性水平，对于同一个TC，强度记录最大差距可以达到30 m/s。强度存在差异的部分原因是不同资料代表强度的TC近地面最大风速采用的时间平均标准不同(JTWC资料为1 min; CMA资料为2 min; JMA资料为10 min; HKO资料为10 min)。由此可见，目前已有研究和对比多集中在不同资料集间TC的最大强度、平均强度、频数等方面，而对TC强度变化的对比研究还相对较少。
目前研究对RI的定义也存在一定差异。研究采用最多的为KD03定义RI阈值(30节/24 h)，此阈值为所有24 h的TC强度变化样本数的上95%对应的强度变化值。但其统计样本为美国飓风中心(National Hurricane Center，NHC)最佳路径资料记录的大西洋上的TC，而四套资料中西北太平洋TC样本数存在差异，适用于西北太平洋TC的RI阈值与其在不同资料集的一致性需讨论。研究表明[22]，不同的RI阈值对发生RI的TC活动特征有影响，比如RI阈值越大，进入样本的热带低压(Tropical depression，TD)、热带风暴(Tropical storm，TS)明显减少，而台风(Typhoon，TY)比例增大。本文对JTWC、CMA、JMA、HKO发布的四套最佳路径资料的RI阈值进行重新计算，并分析这四套资料中RI样本的时空分布特征及变化趋势的异同，从而更加全面地了解西北太平洋上RI现象的特征。此外，通过对比讨论四套资料中RI与TC强度关系，初步探讨造成四套资料RI记录差异的原因。
1 资料与方法本文对比的CMA、JTWC、JMA和HKO发布的四套TC最佳路径资料均来源于IBTrACS(International Best Track Archive for Climate Stewardship)数据集[23]。该资料集作为世界气象组织(World Meteorological Organization，WMO)官方推荐的全球TC最佳路径资料集，收集整编了全球12个业务及研究机构(包括7个区域气象中心)发布的TC最佳路径资料。本文研究时段为1985—2014年，使用到四套资料里TC中心位置及与大陆距离、TC近地面最大风速(用于代表TC强度)。
四套资料中TC个数存在一定的差异(见表 1)，考虑到JMA资料中缺少对TD记录，所以本文只统计TS以上强度的TC。为了方便与以往研究对比，选取24 h强度变化作为样本，并依据KD03的标准和方法去除TC登陆后的记录，只保留TC在海上的记录。
|
表 1 四套资料中TC数、RITC数、24 h强度变化样本数、RI样本数与RI事件数 Table 1 Sample numbers of TC, RITC, TC intensity changes within 24 h, RI and RI events |
表 1显示了本文使用的24 h强度变化样本数。JTWC资料包含最多的TC数及强度变化样本数，这可能与JTWC采用1 min时间平均风速有关。当24 h强度变化达到或超过RI阈值，此样本就被确定为一个RI样本。由于最佳路径资料每6 h记录一次，不同RI样本在时间上可能有所重叠。此外，定义时间上连续的RI样本(也可以是1个独立的RI样本)为一个RI事件，而在TC生命史中发生过1次RI事件的TC定义为RITC。RI事件和RITC可以在一定程度上反映出RI现象的持续时间等特征。
2 RI阈值及时空分布特征图 1显示了样本数随24 h强度变化的累积概率分布。这里依据KD03中取整体样本的95%对应的24 h强度变化值作为RI阈值，可得到四套最佳路径资料RI阈值，分别为26 kn① (CMA)、30 kn(JTWC)、25 kn(JMA)、25 kn(HKO)。可见基于JTWC资料得到的RI阈值最大，且此阈值与KD03在北大西洋得到的结果是相同的，表明此RI阈值同样可应用于在西北太平洋区域。CMA、JMA及HKO得到的RI阈值相对较小，这可能是由于三者在TC定强中采用了更长的风速平均时间，导致其台风强度整体弱于JTWC，因此RI阈值均小于JTWC。
① 1 kn=0.514 m/s
|
图 1 TC 24 h强度变化的累计概率 Fig. 1 The cumulative frequency distribution of TC 24 h intensity changes |
图 2给出了四套资料1985—2014年期间RI样本的地理分布。可以看出，不同资料中RI的分布基本一致。RI基本发生在5°N—25°N，只有少数(< 5%样本数)会发生在中纬度地区(25°N以北)。RI最高发区域均为菲律宾东部海域，其发生概率可以达到10%~25%。四套资料RI频数差异也主要分布于这个区域，JTWC资料在此区域的频数及占比也相对于其他三套资料较高。该区域是整个西北太平洋地区海温最高的区域，肯定了以往研究(KD03)中高海温是RI的重要条件。相对而言，南海海域虽然也具有较高海温，RI数量却较少，与Shu等[24]得到的统计结果一致。这可能是因为RI高发季节南海盛行西南季风，而季风带来的较高风切变不利于RI的发生[25]。值得注意的是，CMA、JTWC和HKO在南海北部的RI样本数显著比JMA高，这可能是由于这三个资料集在中国南部沿海对TC定强时融入了更多的观测资料，使得TC强度相对较强，RI与TC强度的关系将在第四部分讨论。
|
图 2 四套资料中RI频数的空间分布 Fig. 2 Spatial distributions of RI samples of the four data |
图 3显示了RI样本的月际分布。四套资料RI样本的月际变化趋势是一致的，主要发生在7—11月，其中以9和10月最多。而TC活动最活跃的月份是6—10月，以8—9月频数最高，略早于RI多发的时段。这使得10月RI比例最高，表明夏秋季节转换期环境因子更有利于RI的发生。陆等[26]指出，华南沿海在初秋季节为台风增强的季节锁相期，与东亚副热带季风槽有关。但对于整个西北太平洋区域，造成初秋季节RI比例较高的原因还有待进一步分析。
|
( 黑色实线代表TC数量。The black line denotes TC numbers. ) 图 3 RI样本的月分布 Fig. 3 Distribution of RI samples by month |
四套资料中RI样本的年际分布如图 4(a)所示，可见四套资料具有相似的年际变化，但JTWC资料在1992—2005年间RI数显著大于其他三套资料，这种差异在2005—2014年迅速减小，可能得益于先进的遥感观测技术和大气数值模式的进步，从而使得西北太平洋地区不同机构对台风强度变化的估测误差不断减小。从长期变化趋势来看，RI总体上没有显著的上升或下降趋势，但表现出较为一致的年代际变化，即在1985—1998年RI年频数呈下降趋势，而1999—2008年呈上升趋势。这种年代际变化趋势在HKO资料中最为明显，JTWC资料中最不明显，这与Wang等[5]分析结果一致。其认为PDO是导致RI年代际变化的主要原因。RI样本下降对应暖位相，而上升期对应冷位相。图 4(b)和(c)显示，RI事件和RITC的年际变化对比RI样本(见图 4(a))可以看出，JTWC资料不仅在RI样本数上远大于其他三套资料，在RI事件和RITC也有同样差异，即JTWC资料识别到更多的TC发生RI。此外，2000—2010年之后CMA资料RI样本少于JMA和HKO资料，但在RI事件和RITC差异不大，表明CMA中记录同台风发生RI的持续时间小于其他两个资料。RI事件和RITC表现出与RI样本一致的年代际变化。
|
( 虚线代表年频数，实线代表 5点平滑的结果。Dashed lines denote annual frequencies; Solid lines denote results by using 5 points moving average. ) 图 4 RI样本、RI事件、RITC频数的年际变化 Fig. 4 Annual frequencies of RI cases, RI events and RITC |
简单而言，RI反映的是TC强度变化，即每个RI样本存在开始时TC强度It和24 h后TC强度It+24 h。这里根据Saffir-Simpon的分类方法①，将TC强度分等级来分析TC发生RI时和RI后的强度特征。图 5(a)显示了It的分布，以TS强度等级发生RI的样本数最多，其次随着强度增强而逐渐减少，这与Xu等[27]得到的大西洋上TC在中等强度最容易发生RI的结论基本一致。但JTWC资料中TC达到1~3级时发生RI的样本数明显多于其他三套资料，而这些TC发生RI后一般会增强至4~5级强度，所以JTWC资料中因RI升至4~5级的TC样本数远远大于其他三套资料(见图 5(b))。从比例来看，JTWC资料中TC强度处于1~3级时，发生RI的样本占该强度所有样本的比重也显著高于其他资料(见图 5(c))，导致的结果是JTWC资料中4~5级的强台风数量远多于其他资料(见图 5(d))。Song等[13]也发现JTWC资料低估了1~3级台风数量，而高估了4~5级强台风数量。所以，可以认为相比于其他资料，高估了1~3级TC发生RI的比例是JTWC资料4~5级强台风频数较高的原因之一。
① Saffir-Simpon的TC强度分类方法：热带低压(TD，0~33 kn)，热带风暴(TS，34~64 kn)，1级(Cat1，65~83 kn)，2级(Cat2，84~95 kn)，3级(Cat3，96~112 kn)，4级(Cat4，113~136 kn)，5级(Cat5，>137 kn)
|
图 5 (a) RI起始时TC强度It 、(b)RI结束时TC强度It+24 h、(c)RI起始时强度It占此强度TC样本数的比例及(d)不同强度TC的数量 Fig. 5 Numbers of RI samples grouped by TC intensity (a) at the beginning of RI cases, (b) at the end of RI cases, (c) ratio of RI cases to TC samples in different categories of intensity and (d) numbers of TC in different categories of intensity |
对于西北太平洋区域，影响不同资料记录可比性的主要原因在于不同机构采用了不同的风速平均时间。由于JTWC采用1 min风速平均，导致其TC平均强度高于其他资料。自20世纪70年代开始，TC强度的估测主要依赖于Dvorak方法，其主要步骤为：首先通过可见光或红外云图得到CI(Current index)指数，再利用CI指数与TC近地面最大风速(MSW，Maximum sustained wind speed)的对应关系表(CI-MSW关系表)转化为TC强度。尽管在过去的几十年中，Dvorak方法在不断进步和完善[28-30]，但TC定强流程基本没有变化。对于TC最佳路径资料，发布机构可以利用近海和陆地少量的观测信息对TC强度记录进行一定的修正，但绝大多数TC强度估测还是依赖于Dvorak方法。不同机构发布的最佳路径资料使用的CI-MSW关系表并不相同，随各机构采用的风速平均时间不同而有所区别，且具有一定的经验性。例如，JTWC与JMA机构使用的中CI-MSW关系如图 6，从图 6中可以看到，当CI在4以下时(约相当于TC强度小于1级时)，同样的I指数下JTWC对应的TC强度略小于JMA，但当CI超过4，同样的CI指数JTWC对应TC最大风速记录高于JMA。从CI指数的变化角度来看，当1~3级TC发生RI时，同样的CI指数增大幅度，JTWC资料中对应的最大风速提升将显著超过JMA，这可能是造成JTWC资料中此强度等级出现RI样本较多，从而导致更多4~5级TC出现的原因之一。
|
图 6 CI指数与TC最大风速之间的关系 Fig. 6 The relationship between CI and TC maximumsustained wind speed |
文献[31]利用JTWC和JMA的CI-MSW关系表将JMA最佳路径资料中的TC强度转换成CI指数，然后用JTWC的强度转换表得到统一的TC强度资料。对比结果显示，处理后的JMA资料与JTWC高度一致，特别是在强台风记录方面。本文将CMA、JMA和HKO的TC强度记录按照各自的CI-MSW关系表转换为CI指数，再利用JTWC的转换表，将CI指数转换为JTWC标准的TC强度(CI-MSW转换表详见附录)，转换后的TC强度数据分别记为ad_CMA、ad_JMA、ad_HKO。利用转换后的强度数据，重新计算RI样本、RI事件及RITC的年频数，计算过程中统一采用JTWC的RI标准(30节/24 h)，结果如图 7(a)所示。可以看到，JTWC资料在转换前后保持不变，而ad_JMA与JTWC非常相似。对比图 4可以看到，JMA与JTWC资料在RI方面存在的差异主要是由于CI-MSW关系表不同所导致，即二者采用Dvorak方法得到的CI指数很接近，这与Wei等[31]的结论是一致的。而ad_CMA和ad_HKO中的RI样本年频数方面在1995年之后比较一致，但仍显著低于JTWC和ad_JMA(见图 7(a))。四套资料的RI事件与RITC的年频数相对RI样本数的差异要小，表明ad_CMA和ad_HKO资料中RI的持续时间比JTWC、ad_JMA要短。所以，CI-MSW关系表的差异无法完全解释CMA、HKO和JTWC、JMA数据之间的不同。除CI-MSW关系表外，引起数据间较大差异的原因可能在于定强过程中Dvorak方法的使用上。Dvorak方法具有一定的主观性，其结果在一定程度上需要依赖于预报员的判断，这也会造成一定的误差[32]。
|
图 7 调整后数据RI样本、事件、TC的年频数的变化趋势 Fig. 7 Annual frequencies of RI cases, RI events and RI TCs in adjusted datasets |
图 8对比了通过CI-MWS关系调整前后4~5级TC年频数的变化。可以看出，不做任何处理时，JTWC资料中4~5级TC频数明显多于其他资料，这也是目前引起TC强度变化趋势争论的原因。而经过数据转换后，ad_JMA与JTWC符合的较好，这从一定程度上证明了JTWC数据的合理性。但同时注意到，ad_CMA和ad_HKO中4~5级TC频数仍低于JTWC，尤其是ad_CMA数据，表明CMA采用的估测TC强度的方法及主观定强判断相比JTWC和JMA要显著低估TC强度，而HKO则基本处于二者之间。上述分析表明，在TC强度的趋势讨论中，资料的非均一性仍是不可忽视的因素。同时，调整后数据在RI方面的差异在2009年以后迅速减小，这表明近年来各机构TC定强技术在不断进步，定强误差不断减小。值得注意的是，对比图 7可以看到，四套资料中4~5级TC无论是频数差异还是变化趋势差异都与RI差异基本一致，这也表明在任何资料集中4~5级TC的存在都与RI有着显著的关系。
|
图 8 原始数据(a)和调整后数据(b)中4~5级TC年频数变化 Fig. 8 Annual frequencies of Cat4~5 TC in original datasets(a) and adjusted datasets(b) |
本文对比了1985—2014年间JTWC、CMA、JMA和HKO共四套西北太平洋TC最佳路径资料在描述热带气旋快速增强现象的差异。根据24 h强度变化的上95%分位定义了各资料的RI阈值，结果显示，四套资料的RI阈值分别为24 h内强度增加30、26、25和25 kn，以JTWC资料集最大。
四套资料RI样本的空间分布比较接近，其中菲律宾以东海域为IR高发区域，RI概率约为10%~25%。但中国南海北部RI样本数存在差异，JMA资料的RI数较少。从季节分布来看，四套资料中RI高峰期均集中在7—11月，略滞后于TC最活跃的时段，以10月份的比例最高。
尽管JTWC资料的RI阈值最高，但无论是RI样本还是RI事件及发生RI的TC数量仍显著多于其他资料，以1995—2005年间差异最大，这表明JTWC中RI发生的频率和持续时间都相对较高，但近十年这种差异明显减少。从RI样本发生前后TC强度来看，JTWC资料中1~3级TC发生RI的频数和比例远高于其他资料，导致发生RI后JTWC资料中4~5级TC记录明显多于其他资料。这表明JTWC资料高估4~5级TC数量与RI有紧密的联系。
利用TC定强过程中使用的CI-MSW关系将四套资料的强度进行统一，以排除各机构因为采用不同关系表所造成的TC强度差异。结果显示，JTWC资料和调整后的JMA资料在RI样本年频数上高度一致，而调整后的HKO资料和CMA资料更接近且显著低于JTWC资料。其中以CMA资料中RI事件和RITC频数最少，同时对应着最少的4~5级TC频数。这表明JTWC和JMA在Dvorak方法及主观定强方面比较一致，而CMA则有低估TC强度的可能，但这一差异在2009年后迅速减小，表明近年来TC定强技术有明显的进步，各机构间强台风记录差异在缩小。由此可见，在分析TC强度及其变化的气候特征时有必要考虑到不同机构采用的CI-MSW关系，如何处理CI-MSW关系是未来研究TC强度变化的重要挑战。
附录附表 1为CMA，JTWC，JMA及HKO采用的CI-MSW关系表。其中JTWC、JMA及HKO资料的CI-MSW来自于文献[29-30, 33]，CMA的CI-MSW经过与上海台风研究所相关研究人员交流得到，其中1994—2012采用JTWC的CI-MSW关系表，2013年后采用国家气象中心提供的CI-MSW关系表[34]。HKO与JTWC使用同样的CI-MSW关系表，但2013年以前通过将风速乘以0.9将1 min平均风速转成10 min平均，2013年以后系数改为0.93。
|
|
表 附表 1 CMA、JTWC、JMA和HKO资料使用CI-MSW关系表 Table 附表 1 CI-MSW tables of CMA, JTWC, JMA and HKO |
| [1] |
端义宏, 余晖, 伍荣生. 热带气旋强度变化研究进展[J]. 气象学报, 2005, 63(5): 636-645. Duan Y H, Yu H, Wu R S. Review of the research in the intensity change of tropical cyclone[J]. Acta Meteorologica Sinica, 2005, 63(5): 636-645. DOI:10.3321/j.issn:0577-6619.2005.05.009 (  0) |
| [2] |
Kaplan J, Rozoff C M, DeMaria M, et al. Evaluating environmental impacts on tropical cyclone rapid intensification predictability utilizing statistical models[J]. Weather and Forecasting, 2015, 30(5): 1374-1396. DOI:10.1175/WAF-D-15-0032.1 ( 0) |
| [3] |
Wang B, Zhou X. Climate variation and prediction of rapid intensification in tropical cyclones in the western North Pacific[J]. Meteorology and Atmospheric Physics, 2008, 99(1): 1-16. ( 0) |
| [4] |
Wang X D, Liu H L. PDO modulation of ENSO effect on tropical cyclone rapid intensification in the Western North Pacific[J]. Climate Dynamics, 2016, 46(1): 15-28. ( 0) |
| [5] |
Wang X D, Wang C Z, Zhang L P, et al. Multidecadal variability of tropical cyclone rapid intensification in the Western North Pacific[J]. Journal of Climate, 2015, 28: 3806-3820. DOI:10.1175/JCLI-D-14-00400.1 ( 0) |
| [6] |
Emanuel K A. Increasing destructiveness of tropical cyclones over the past 30 years[J]. Nature, 2005, 436(7051): 686-688. DOI:10.1038/nature03906 ( 0) |
| [7] |
Hoyos C D, Agudelo P A, Webster P J, et al. Deconvolution of the factors contributing to the increase in global hurricane intensity[J]. Science, 2006, 312(5770): 94-97. DOI:10.1126/science.1123560 ( 0) |
| [8] |
Curry J A, Webster P J, Holland G J, et al. Mixing politics and science in testing the hypothesis that greenhouse warming is causing a global increase in hurricane intensity[J]. Bulletin of American Meteoro Logical Society, 2006, 87(8): 1025-1037. DOI:10.1175/BAMS-87-8-1025 ( 0) |
| [9] |
Wu L G, Wang B. What has changed the proportion of intense hurricanes in the last 30 Years?[J]. Journal of Climate, 2008, 21(6): 1432-1439. DOI:10.1175/2007JCLI1715.1 ( 0) |
| [10] |
Landsea C W, Harper B A, Hoarau K, et al. Can we detect trends in extreme tropical cyclones?[J]. Science, 2006, 313: 452-454. DOI:10.1126/science.1128448 ( 0) |
| [11] |
Webster P J, Holland G J, Curry J A, et al. Changes in tropical cyclone number, duration, and intensity in a warming environment[J]. Science, 2005, 309(5742): 1844-1846. DOI:10.1126/science.1116448 ( 0) |
| [12] |
Klotzbach P J. Trends in global tropical cyclone activity over the past twenty years (1986—2005)[J]. Geophysical Research Letters, 2006, 33(10). DOI:10.1029/2006GL025881 ( 0) |
| [13] |
Song J, Wang Y, Wu L, et al. Trend discrepancies among three best track data sets of western North Pacific tropical cyclones[J]. Journal of Geophysical Research, 2010, 115: D12128. DOI:10.1029/2009JD013058 ( 0) |
| [14] |
Kaplan J, DeMaria M. Large-scale characteristics of rapidly intensifying tropical cyclones in the North Atlantic basin[J]. Weather Forecasting, 2003, 18: 1093-1108. DOI:10.1175/1520-0434(2003)018<1093:LCORIT>2.0.CO;2 ( 0) |
| [15] |
Barcikowska M, Feser F, Storch H. Usability of best track data in climate statistics in the Western North Pacific[J]. Monthly Weather Review, 2012, 140: 2818-2830. DOI:10.1175/MWR-D-11-00175.1 ( 0) |
| [16] |
Ying M, Cha E J, Kwon H J. Comparison of three Western North Pacific tropical cyclone best track datasets in a seasonal context[J]. Journal of Meteorological Society of Japan, 2011, 89: 211-224. ( 0) |
| [17] |
Ren F, Liang J, Wu G X, et al. Reliability analysis of climate change of tropical cyclone activity over the Western North Pacific[J]. Journal of Climate, 2011, 24(22): 5887-5898. DOI:10.1175/2011JCLI3996.1 ( 0) |
| [18] |
Yu H, Lu Y, Chen P, et al. Intensity change characteristics of tropical cyclones in the Western North Pacific as revealed by three different datasets[J]. Journal of Tropical Meteorology, 2012, 18: 119-126. ( 0) |
| [19] |
Schreck C J, Knapp K R, Kossin J P. The impact of best track discrepancies on global tropical cyclone climatologies using IBTrACS[J]. Monthly Weather Review, 2014, 142: 3881-3899. DOI:10.1175/MWR-D-14-00021.1 ( 0) |
| [20] |
梁进, 任福民, 杨修群. 中美两套西北太平洋热带气旋资料集的差异分析[J]. 海洋学报, 2010, 32(1): 10-22. Liang J, Ren F M, Yang X Q. Study on the differences between CMA and JTWC tropical cyclone datasets for Northwest Pacific[J]. Acta Oceanologica Sinica, 2010, 32(1): 10-22. ( 0) |
| [21] |
Yu H, Hu C, Jiang L. Comparison of three tropical cyclone intensity datasets[J]. Acta Meteoralogy Sinca, 2007, 21: 121-128. ( 0) |
| [22] |
魏红成, 余锦华, 王伟. 基于三种不同阈值条件下快速增强热带气旋的统计分析[J]. 科学技术与工程, 2013, 18(13): 5116-5120. Wei H C, Yu J H, Wang W. Statistical characteristic of the rapid intensification tropical cyclones based on three different thresholds[J]. Science Technology and Engineering, 2013, 18(13): 5116-5120. ( 0) |
| [23] |
Knapp K R, Kruk M C, Levinson D H, et al. The international best track archive for climate stewardship (IBTrACS): Unifying tropical cyclone best track data[J]. Bulletin of American Meteoro Logical Society, 2010, 91: 363-376. DOI:10.1175/2009BAMS2755.1 ( 0) |
| [24] |
Shu S J, Ming J, Chi P. Large-scale characteristics and probability of rapidly intensifying tropical cyclones in the Western North Pacific Basin[J]. Weather Forecasting, 2012, 27: 411-423. DOI:10.1175/WAF-D-11-00042.1 ( 0) |
| [25] |
Chen X M, Wang Y Q, Zhao K. Synoptic flow patterns and large-scale characteristics associated with rapidly intensifying tropical cyclones in the South China Sea[J]. Monthly Weather Reviow, 2015, 143: 64-87. DOI:10.1175/MWR-D-13-00338.1 ( 0) |
| [26] |
陆波, 钱维宏. 华南近海台风突然增强的初秋季节锁相[J]. 地球物理学报, 2012, 55(5): 1523-1531. Lu B, Qian W H. Seasonal lock of rapidly intensifying typhoons over the South China offshore in early fall[J]. Chinese Journal of Geophysics, 2012, 55(5): 1523-1531. ( 0) |
| [27] |
Xu J, Wang Y Q. A statistical analysis on the dependence of tropical cyclone intensification rate on the storm intensity and size in the North Atlantic[J]. Weather Forecasting, 2015, 30: 692-701. DOI:10.1175/WAF-D-14-00141.1 ( 0) |
| [28] |
Dvorak V F. A Technique for the Analysis and Forecasting of Tropical Cyclone Intensities From Satellite Pictures[M]. USA: NOAA Tech Memo NESS, 1973.
( 0) |
| [29] |
Dvorak V F. Tropical Cyclone Intensity Analysis Using Satellite Data[M]. USA: NOAA Technical Repont, 1984.
( 0) |
| [30] |
Velden C S, Harper B, Wells F, et al. The Dvorak tropical cyclone intensity estimation technique: A satellite-based method that has endured for over 30 Years[J]. Bulletin of American Meteoro Logical Society, 2006, 87(9): 1195-1210. DOI:10.1175/BAMS-87-9-1195 ( 0) |
| [31] |
Wei M, Xie S P. Intensification of landfalling typhoons over the Northwest Pacific since the later 1970s[J]. Nature Geoscience, 2016, 9: 753-757. DOI:10.1038/ngeo2792 ( 0) |
| [32] |
Hennon C C, Knapp K R, Schreck C J, et al. Cyclone center: Can citizen scientists improve tropical cyclone intensity records?[J]. Bulletin of American Meteoro Logical Society, 2015, 96: 591-607. DOI:10.1175/BAMS-D-13-00152.1 ( 0) |
| [33] |
Koba H, Hagiwara T, Osano S. Akashi relationships between CI number and minimum sea level pressure/maximum wind speed of tropical cyclones[J]. Geophysical Magazine, 1991, 44(1): 15-25. ( 0) |
| [34] |
Ying M, Zhang W, Yu H, et al. An overview of the China meteorological administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287-301. ( 0) |
2. State Key Laboratory of Severe Weather in Chinese Academy of Meteorological Sciences, Beijing 100081, China;
3. National Meteorological Center of China Meteorological Administration, Beijing 100081, China;
4. Nanjing Institate of Meteorological Science and Technology Innovation, Nanjing 210041, China