2. 江西省气象科学研究所,南昌 330096
2. Jiangxi Institute of Meteorological Sciences, Nanchang 330096
积云和大气环流有着密切的关系,积云不仅发生在大尺度环流的强迫下,而且还可以通过潜热通量、感热通量、动量通量等过程反过来影响大尺度环流,并对大气温湿结构有着重要的影响[1]。云微物理过程是指云滴、冰晶、水汽等云粒子和雨、雪、霰、雹等降水粒子的生成、增长和转化等的物理过程[2],与积云一样,它对大气的温湿结构也有着重要的影响[3]。积云对流和云微物理过程都是数值模式不可缺少的物理过程,但由于对其认识不足和模式空间分辨率等因素的影响,在数值模式中一般都采用参数化的方法进行处理[2]。在中尺度数值模式中,由于中尺度过程已基本能被模式格点分辨,对流云中微物理过程和动力过程间的相互作用就变得更为重要(相比区域或全球模式),这使得中尺度模式中积云方案和云微物理过程更具有复杂性[4]。
中尺度模式中积云参数化方案和微物理参数化方案一般都有多种选择,而不同的方案对模拟或预报结果有着不同影响。在积云参数化方案对降水的影响研究方面,董海萍等[5]利用MM5模式,在云微物理、边界层、陆面等物理过程不变情况下,对北京一次强降水过程开展了积云方案的敏感性试验,结果发现Grell方案在这次强降水过程中表现最好;杨薇等[6]研究发现WRF模式TiedTke积云方案在海南的一次秋季暴雨过程中表现较好。在云微物理参数化方案对降水的影响研究方面,朱格利等[7]利用WRF模式,在积云、边界层、长波辐射等物理过程保持不变的情况下,对2010年5月6—7日的华南暴雨开展了云微物理过程的敏感性试验,结果发现采用不同云微物理参数化方案对降水模拟结果影响较大,且WSM5方案的整体模拟效果最好,Lin方案的效果最差;Rajeevan等[8]也做了类似的研究,发现在WRF模式中降水对云微物理参数化方案的选择比较敏感。
积云参数化方案和云微物理方案不仅对降水的模拟和预报有显著的影响,对台风的模拟和预报也有显著的影响。薛根元等[9]针对登陆浙闽的6个台风开展了积云参数化方案对台风降水敏感性试验,发现Grell方案最好;周昊等[2]发现云微物理过程的选择对超强台风"鲇鱼"路径的模拟影响较大,且Ferrier云微物理方案效果较好;王德立等[10]指出在台风的路径方面,复杂的云微物理方案优于简单的方案;高栓柱等[11]指出积云参数化方案的选择对台风"麦莎"路径的预报有显著的影响,其中BM方案相对较好;吴林等[12]指出积云参数化方案对台风"珊珊"的路径模拟有显著的影响,其中KF方案模拟较好。由此可见,积云参数化方案和云微物理参数化方案是对降水和台风路径产生显著影响的两个重要方面。
近年来,随着台风数值预报模式和其他客观预报模式的发展和改进,我国台风路径的业务预报水平取得了显著的进步[13],24 h预报误差从2000年超过150 km,逐次下降到120 km (2009年)和100 km以下(2012)[14],但进一步提升台风路径的预报仍然是台风预报中的重要工作之一。合理选择积云方案和微物理方案以构成最佳的参数化方案组合,一直是数值预报工作者不断追寻的目标。河惠卿等[15]选用了5种云微物理过程和2种积云方案,构建了10组试验对登陆日本的台风"彩蝶"的路径进行了模拟分析,发现KF积云方案与Ferrier、WSM6和Lin三种云微物理方案的组合效果最好,但常用的多种积云方案(Grell-Freitas、Grell-3、Tiedtke等)和多种云微物理方案(Thompson、WDM5、WDM6等)都未出现在她的工作中,其结果有一定的局限性。此外,河惠卿等[15]研究的台风"彩碟"影响的是日本西部,台风主体仍然位于海上,其下垫面均匀。但对于我国大陆地区非均匀的下垫面,积云、微物理等多种物理过程的综合作用更加复杂,积云和微物理方案的表现也与海洋上的表现可能有所不同[16]。因此,利用多种积云方案和多种云微物理方案的不同组合,开展登陆我国大陆后台风路径的模拟分析,选择出合理的积云方案和云微物理方案,对提升登陆后台风路径的模拟预报有着重要的意义。
2014年第10号台风"麦德姆"从江西东北部穿越江西时,引起了江西省德安县丰林镇附近雨强超过200 mm·h-1、累计降水量超过800 mm的超强降水,它是台风外围环流和特殊马蹄形地形共同作用所致[17],而台风外围环流又与其移动路径及所处位置密切相关。本文基于WRF模式,以2014年第10号台风"麦德姆"为研究对象,选用7种常用的积云方案和13种常用的云微物方案,构建了91组数值模拟试验,开展登陆后台风路径的敏感性试验研究,以期进一步认识和了解WRF模式中不同积云和云微物理方案组合对登陆后台风路径模拟和预报的适用性。
1 资料来源及研究方法本文中所用的台风路径资料来源上海台风研究所(tcdata.typhoon.org.cn)提供的6 h一次最佳路径集(即最佳路径数据集)资料[18]和中央气象台提供的1 h一次的实时业务台风路径资料,两种台风路径资料均包含台风中心经纬度、最低海平面气压、最大风速等变量。用于背景环流研究的资料来自于ECMWF提供的水平分辨率为0.125 °×0.125°、时间分辨率为6 h一次的ERA-interim再分析资料;WRF模式的初始场和边界条件资料均选用水平分辨率为1°×1°、时间分辨率为6 h一次的NCEP FNL分析资料。文中所用资料的时间长度均为2014年7月23日06时至24日18时(世界时,下同)。
在数值模拟和预报的输出结果中,一般选用最低海平面气压点为台风中心,不同时刻最低海平面气压点的连线作为台风路径[19]。但由于台风登陆后,受地形等因素的影响,台风主体内可能出现多个海平面气压低值中心,这给台风中心的确定带来了困难。为此,本文在用海平面气压场确定台风中心前,先利用Barnes方案对其进行滤波[20],滤掉300 km以下小尺度的波动,再用经过滤波后的海平面气压场来确定台风中心和路径。
2 "麦德姆"概况及WRF模式简介 2.1 "麦德姆"概况台风"麦德姆"是2014年的第10号台风,它于2014年07月18日02时在菲律宾马尼拉东偏南大约1 620 km的西北太平洋洋面上生成,其强度为热带风暴,中心最大风力为18 m·s-1,中心最低海平面气压为998 hPa(图略),此后逐渐加强并往西北、偏西和西北方向移动。图 1给出了2014年7月22日00时—26日00时台风"麦德姆"的移动路径及23日12时850 hPa风场。从图中可以看出,22日06时,"麦德姆"在台湾东南大约250 km附近加强为强台风,中心最大风力为42 m·s-1,中心最低海平面气压为955 hPa;22日16时在台湾省台东县长滨乡沿海登陆,登陆时中心附近最大风力为42 m·s-1,中心最低海平面气压为955 hPa;23日07时"麦德姆"在福建省福清市沿海二次登陆,登陆时强度迅速减弱为强热带风暴,中心最大风力为30 m·s-1,中心最低海平面气压为980 hPa。登陆福建后,"麦德姆"继续减弱并先后往西北和偏北方向移动,23日12时850 hPa上"麦德姆"外围大于等于12 m·s-1的环流控制着江西大部分地区(图 1),24日01时"麦德姆"中心进入江西境内,在江西境内停留7 h后进入安徽省境内,并转向东北方向移动,强度继续缓慢减弱。24日18时后"麦德姆"进入江苏,25日00时后从江苏北部移出入海,并继续减弱向西北方向移动,26日00时在朝鲜消亡。
受"麦德姆"的影响,7月24日00—23时江西省德安县丰林镇的24 h累计降水量高达841.4 mm,最大雨强高达204.6 mm·h-1,发生在06—07时,日降水量和降水强度均超德安县历史记录。从图 1还可以发现,最佳路径集资料的台风位置与中央气象台业务资料的台风位置吻合较好,由于最佳路径集的时间频次为6 h一次,而中央气象台业务资料时间分辨率为1 h一次,故在后文所用的台风路径资料均为中央气象台业务资料。
2.2 模式简介及方案设计WRF(Weather Research and Forecast)模式是由美国许多研究部门及大学共同开发研究的中尺度数值天气预报和研究模式。WRF是完全可压缩以及非静力模式,水平方向采用Arakawa C网格点,垂直方向则采用地形跟随质量坐标,时间积分方面采用三阶或者四阶的Runge-Kutta算法,能满足1~10 km的数值模拟试验和业务预报的需求[21]。本文所用的WRF模式版本为2014年4月发布的ARW WRF V3.5。
本文中的模式设置为:模拟区域中心为(119°E,26.5°N),采用单层网格(无嵌套),水平分辨率为10 km,东西、南北向的格点数分别为271和241,垂直方向取40个不等距的σ层,模式顶层设置为50 hPa,积分步长为40 s,边界条件和初始场采用NCEP FNL分析资料,模式模拟的开始时间为2014年7月23日06时,模拟结束时间为2014年7月24日18时,模拟时间共36 h,其中前6 h为模式spin-up时间。
为了研究不同积云对流方案和不同云微物理过程对"麦德姆"登陆后影响江西期间台风路径的影响,分别选取7种常用积云对流方案(Kain-Fritsch(KF)、Betts-Miller-Janjic(BMJ)、Grell-Freitas(Grell)、Old Simplied Arakawa-Schubert(Old SAS)、Grell-3、Tiedtke和New SAS方案)和13种常用云微物理过程(Kessler、Lin、WSM3、WSM5、Eta、WSM6、Goddard、Thompson、Milbrandt 2-mom、Morrison 2-mom、SBU-Ylin、WDM5和WDM6)相互组合形成91组试验(表 1,用N1,…,N91表示)。为了凸显积云方案和云微物理方案对台风路径的影响,模式中其它物理方案均保持不变,其中近地层方案采用Monin-Obukhov,边界层方案采用YSU方案,陆面过程采用Noah方案,长波辐射过程采用RRTM方案,短波辐射采用Dudhia方案。
由于模式试验方案的组合共有91个之多,利用直观的路径图片很难精确地评估每个试验对台风路径的模拟效果,因此我们选用平均偏差来定量评估各个试验的模拟效果,平均偏差的计算公式为
$ {r_k} = R\arccos \left( {\cos \varphi \cos{\varphi _k}\cos \left( {\theta - {\theta _k}} \right) + \sin \varphi \cos{\varphi _k}} \right) $ | (1) |
其中,θ和φ分别为t时刻实况台风中心点的经纬度,θk和φk为t时刻模拟台风中心点的经纬度,R= 6 370 km为地球半径。平均偏差的数值越小,表明数值试验的效果越好,反之亦然。
3.1 最优组合不同积云和云微物理过程组合的91个数值试验模拟的"麦德姆"路径与观测路径的偏差如图 2。可见,91个试验模拟的"麦德姆"的路径与观测的路径的平均偏差为54.5 km,标准差为9.2 km,其中N38试验模拟的路径与观测路径的偏差最小(29.7 km),其次是N39试验(30.1 km),这表明了N38试验(积云对流参数化方案为Grell,云微物理过程为WDM5)试验对台风"麦德姆"登陆后影响江西期间路径的模拟最好,N39试验(积云对流参数化方案为Grell,云微物理过程为WDM6)的模拟效果次之。此外,N29、N31、N32、N59、N64和N65试验的模拟效果也不错,模拟路径与实况路径的偏差均小于40 km。
从图 2还可以看出,N14试验的模拟路径与实况路径的偏差最大,为76.9 km,其次是N22和N24试验,其偏差都超过了75 km,这表明N14试验(积云对流参数化方案为BMJ,云微物理过程为Kessler)对"麦德姆"登陆后影响江西期间路径的模拟最差,其次是N22(积云对流参数化方案为BMJ,云微物理过程为Milbrandt)和N24(积云对流参数化方案为BMJ,云微物理过程为SBU-YLin)试验。此外,N23、N67、N74和N76试验对"麦德姆"登陆后影响江西期间路径的模拟也较差,其模拟路径与实况路径的偏差都显著高于平均值以上的一倍标准差。
观测的、N38试验和N22试验模拟的台风"麦德姆"路径图(图 3)显示,N38试验模拟的台风路径几乎整个时段都非常接近实况路径(偏离距离不足30 km),仅在2014年7月24日15—18时明显较实况路径偏东偏南,事实上在24日18时,利用ERA-interim细网格(0.125°×0.125°)再分析资料确定的台风中心也明显较实况路径偏东偏南(图 3中的实心方框)。图 3还显示,N22试验模拟的台风路径几乎整个时段都明显较实况路线偏东(偏东约80 km),仅在台风中心经过江西东北部时较为接近实况中心,N14试验和N24试验模拟的路径与之非常相似。
为了研究不同积云对流参数化方案对台风"麦德姆"影响江西期间路径模拟的影响,计算了每种积云方案与对应的13种云微物理过程组合模拟的台风路径与实况路径的平均偏差、最大偏差和最小偏差(图 4)。由图可见,对于最小偏差,Old SAS方案最大(54.0 km),Tiedtke方案次之(也超过了51.6 km),Grell方案最小(不足30 km),Grell-3方案的偏差也较小,为37.4km,仅高于Grell方案。对于平均偏差,BMJ方案最大(62.0 km),Tiedtke方案次之(60.8 km),Grell方案最小(45.3 km),Grell-3方案的平均偏差为45.5 km,稍稍高于Grell方案。最大偏差变化情况与平均偏差相似,最大值仍然出现于BMJ方案,Tiedtke方案依然是次大值,仅有最小值变为了Grell-3方案,次小值变为了Grell方案。由此可见,无论最大偏差、最小偏差还是平均偏差,均是Grell方案和Grell-3方案为最小值和次小值,这表明对于台风"麦德姆"影响江西期间路径的模拟,积云参数方案选用Grell方案或Grell-3方案模拟的路径更接近实况路径。
图 4还显示,无论最大、最小还是平均偏差,KF方案都明显小于BMJ方案,这与河惠卿[15]结论一致,但采用BMJ方案时不同微物理过程模拟的路径偏差(27.8 km)最大,这与河惠卿[15]的研究结果明显不同,这主要是因为后者仅选用Kessler、Ferrier(Eta)、WSM6和Lin四种微物理方案。事实上,本采用BMJ方案时这四种微物理方案模拟路径差异依然很小,其差异主要出现在Thompson、Milbrandt、Morrison和WDM6方案。从图 4还可以看出,选用Old SAS积云方案时,各试验模拟对台风路径模拟差异最小,其最大和最小偏差相差不足10 km,采用New SAS方案时各试验模拟结果差异也较小,且模拟性能明显较Old SAS有所提升。
3.3 云微物理过程每种云微物理过程与对应的7种积云方案组合模拟的台风路径与实况路径的平均偏差、最大偏差和最小偏差如图 5。由图可见,平均偏差和最小偏差的最小值是WDM5方案(最小偏差为29.76 km,平均偏差为47.85 km),WMD6方案次之(最小偏差为30.06 km,平均偏差为49.32 km,均稍稍高于WDM5方案),最大值SUB-YLin方案(最小偏差为53.43 km,平均偏差为63.68 km),其次是Kessler方案(最小偏差为50.25 km,平均偏差为60.36 km);与平均偏差和最小偏差一样,最大偏差的最小值是WDM5方案(57.62 km),最大值是Kessler方案(76.92 km),但次小值和次大值均有所不同,其中次小值是WSM5方案(64.11 km),次大值是Milbrandt方案(76.80 km),SUB-YLin方案(75.25 km)也较大。
综上所述,无论最小偏差、平均偏差和最大偏差,其最小值都是WDM5方案,这表明WDM5方案是这13种云微物理过程中对这次台风路径模拟最好的云微物理过程。WDM6方案的最小偏差和平均偏差都较小,其值仅稍稍高于WDM5方案,这意味着WDM6方案对本次台风路径的模拟也较好。相反,SUB-Ylin方案和Kessler方案的最大偏差、最小偏差以及平均偏差都较大,这表明这两个方案对本次台风过程的路径模拟最差。从图 5还可以看出,WSM5方案的最大偏差、最小偏差以及平均偏差的差异较小,最大偏差与最小偏差的差异不足12 km,这表明选用WSM5方案后,采用不同积云方案对台风路径的模拟影响不大。
综合积云对流方案敏感性和云微物理过程敏感性的分析可以发现,积云对流方案选用Grell方案和Grell-3方案时模拟的台风路径比较接近实况,而云微物理过程选用WDM5方案和WDM6方案时模拟的台风路径也比较接近实况。那么当积云方案采用Grell方案或Grell-3方案,云微物理过程选用WDM5方案或WDM6方案时模拟的台风路径都比较接近实况路径。
3.4 西太平洋副热带高压西太平洋副热带高压(简称西太副高,下同)位置变化与台风移动密切相关,陈联寿等[22]指出热带气旋的移动经常是由大尺度环流调整引起,比如副高进退、行星波传播等。段晶晶等[23]指出西太副高位置偏西,是台风"艾利"西南转向的主要原因之一,而西太副高位置偏东是台风"米雷"东北转向的主要原因之一。曹晓岗等[24]对台风"麦莎"路径东折分析发现,台风"麦莎"移动路径主要受西太副高和西风带环流影响。可见,西太副高的位置变化对台风路径有着显著影响。
积云对流可通过水汽的辐合上升、凝结释放潜热来影响和改变环境场的温湿结构[1],云微物理过程通过降水粒子的生成、增长和相态转化等过程,也会影响和改变大气的温湿结构[2]。而温湿结构的改变又会直接或间接地影响局地、附近和远处的大气环流形势[25-26]。这意味着,对于西太副高,虽然其内部少云或无云、少降水粒子,但其外部的积云对流和云微物理过程依然对它有着明显的间接影响,在数值模式中不同积云参数化方案的选择或不同云微物理方案的选择也都会影响着西太副高的模拟。下面将详细分析N38、N39和N22试验模拟的西太副高的演变情况,以进一步认清不同试验对台风路径模拟的差异。
图 6为西太副高5 880 gpm等值线的演变情况,图 6a为观测(ERA-interim)、图 6b-d分别为N38、N39和N22试验7月23日06时起报,预报30 h的结果。从图 6a可以看出,随着台风的北抬,台风北侧西太副高东退,台风南侧西太副高西伸的趋势。N38、N39和N22试验都模拟了副高的这一演变趋势(图 6b、6c和6d),其它试验也有类似结果(图略),这与河惠卿等[15]的研究结果一致。从图 6还可以看出,N38试验与N39试验中的副高5 880 gpm线演变非常相似,且在模拟初期(7月23日12时)较观测5 880 gpm线稍有所偏西,之后模拟的西太副高快速调整,其5 880 gpm线与观测5 880 gpm线位置较为一致,即N38和N39试验较好地模拟出了西太副高的演变趋势,这也是N38和N39试验模拟的台风路径更加接近实况路径的主要原因之一。
对比图 6d与图 6a-c可发现,在模拟初期(7月23日12时)N22试验模拟的西太副高与观测一致,较N38和N39试验偏东,但随即西太副高快速东退(5 880 gpm线整体东退),在7月23日18时,5 880 gpm西脊点就东退至我国东海,这明显较N38、N39试验以及观测偏东(偏离程度超过150 km),西太副高的偏东一直持续到台风"麦德姆"消亡(图略),N14试验和N24试验模拟的西太副高位置与N22模拟的类似。综上所述N14、N22和N24试验对西太副高位置模拟的差异是造成台风路径模拟偏东的主要原因之一。
4 结论2014年第10号台风"麦德姆"登陆后给江西带来了严重的暴雨洪涝灾害,针对"麦德姆"影响江西期间的移动路径,本文利用WRF中尺度模式开展了91组不同积云参数化(7种)与云微物理参数化(13种)方案组合的敏感性数值试验。对模拟结果进行分析发现:
(1) 在91组模拟试验中,N38试验(Grell-Freitas_WDM5组合)和N39试验(Grell-Freitas_ WDM6组合)模拟的台风路径最接近实况路径,模拟路径与实况路径的平均偏差约为30 km,明显低于各组试验的平均值(54.5 km)。N14试验(BMJ_Kessler)、N22试验(BMJ_Milbrandt)和N24试验(BMJ_SBU-YLin)模拟的台风路径偏离实况路径较大,且明显较实况路径偏东,平均偏差均超过了75 km。
(2) 在7种积云对流参数方案中,Grell-Freitas方案和Grell-3方案的表现最好,采用这两种方案与13种不同云微物理过程组合模拟的台风路径,与实况路径的最大偏差、平均偏差和最小偏差都是这7种方案中最小的2位,其中最小偏差和平均偏差明显低于其他5种积云对流参数化方案。
(3) 在13种云微物理过程中,WDM5方案和WDM6方案表现最好,采用这两种方案与7种不同积云对流方案组合模拟的台风路径,与实况路径平均偏差和最小偏差都是这13种方案中最小的2位,且最小偏差明显低于其他11种积云对流参数化方案。
(4) N38试验(Grell-Freitas_WDM5组合)和N39试验(Grell-Freitas_WDM6组合)较好地模拟出"麦德姆"影响江西期间路径的主要原因是它们较好地模拟出了西太副高的位置及其演变情况,而N14试验(BMJ_Kessler)、N22试验(BMJ_Milbrandt)和N24试验(BMJ_SBU-YLin)模拟的"麦德姆"路径明显偏东则主要是由于它模拟的西太副高位置明显偏东造成。
[1] |
伍华平, 束炯, 顾莹, 等. 暴雨模拟中积云对流参数化方案的对比试验[J]. 热带气象学报, 2009, 25(2): 175-180. |
[2] |
周昊, 朱伟军, 彭世球. 不同微物理方案和边界层方案对超强台风"鲇鱼"路径和强度模拟的影响分析[J]. 热带气象学报, 2013, 28(5): 803-812. |
[3] |
牛俊丽, 闰之辉. WRF模式微物理方案对强降水预报的影响[J]. 科技信息, 2007, 23(1): 17-20. |
[4] |
王晨稀. MM5模式中不同对流参数化方案对降水预报效果影响的对比试验[J]. 气象科学, 2004, 24(2): 168-176. |
[5] |
董海萍, 魏绍远. 一次强降水过程的中尺度数值试验[J]. 气象科学, 1998, 18(4): 339-347. |
[6] |
杨薇, 冯文, 李勋. 微物理过程和积云参数化方案对海南岛秋季暴雨模拟的影响[J]. 暴雨灾害, 2017, 36(1): 8-17. |
[7] |
朱格利, 林万涛, 曹艳华. 用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J]. 大气科学, 2014, 38(3): 513-523. DOI:10.3878/j.issn.1006-9895.2013.13202 |
[8] |
Rajeevan M, Kesarkar A, Thampi S B, et al. Sensitivity of WRF cloud microphysics to simulations of a severe thunder storm event over Southeast India[J]. Ann Geophys, 2010, 28: 603-619. DOI:10.5194/angeo-28-603-2010 |
[9] |
薛根元, 张建海, 陈红梅, 等. 不同对流参数化方案在登陆浙闽台风降水预报中的比较试验[J]. 高原气象, 2007, 26(4): 765-77. |
[10] |
王德立, 徐国强. 高分辨率模式中积云参数化方案对模拟台风"凡亚比"的影响[J]. 气象科技, 2012, 40(6): 949-959. |
[11] |
高栓柱, 孟智勇, 杨贵名. 台风麦莎渤海转向的可预报性研究[J]. 气象, 2009, 35(2): 8-14. DOI:10.7519/j.issn.1000-0526.2009.02.002 |
[12] |
吴林, 王刚, 沈函, 等. 积云参数化对0613号台风"珊珊"数值模拟的影响研究[J]. 气象研究与应用, 2008, 29(4): 14-16. |
[13] |
余锦华, 唐家翔, 戴雨涵, 等. 我国台风路径业务预报误差及成因分析[J]. 气象, 2012, 38(6): 695-700. DOI:10.7519/j.issn.1000-0526.2012.06.007 |
[14] |
Duan Y. Current status and challenges of typhoon forecasting and warning systems in China[J]. 中国工程科学(英文版), 2014, 15(4): 48-50. |
[15] |
河惠卿, 王振会, 金正润, 等. 积云参数化和微物理方案不同组合应用对台风路径模拟效果的影响[J]. 热带气象学报, 2009, 25(4): 435-441. |
[16] |
李荔珊, 胡轶佳, 钟中, 等. 积云参数化方案对夏季东亚季风区海气系统位相关系模拟的影响[J]. 气象科学, 2016, 36(3): 329-339. DOI:10.3969/2015jms.0041 |
[17] |
郭达烽, 包慧濛, 周芳, 等. 空心台风"麦德姆"(2014)引发的江西局地暴雨过程分析[J]. 气象与减灾研究, 2014, 37(4): 24-32. |
[18] |
Ying M, Zhang W, Yu H, et al. An overview of the China Meteorological Administration tropical cyclone database[J]. J Atmos Oceanic Technol, 2014, 31: 287-301. DOI:10.1175/JTECH-D-12-00119.1 |
[19] |
向辽元, 李才媛. 2004年第14号台风路径数值预报结果的检验分析[J]. 暴雨灾害, 2005, 24(1): 11-12. |
[20] |
Barnes S L. A Technique for maximizing details in numerical weather map analysis[J]. J Appl Meter, 1964, 3(4): 396-409. DOI:10.1175/1520-0450(1964)003<0396:ATFMDI>2.0.CO;2 |
[21] |
肖丹, 邓莲堂, 陈静, 等. T213与T639资料驱动WRF的预报初步检验比较[J]. 暴雨灾害, 2010, 29(1): 20-29. |
[22] |
陈联寿, 徐祥德, 罗哲贤, 等. 热带气旋动力学引论[M]. 北京: 气象出版社, 2002.
|
[23] |
段晶晶, 旲立广, 倪钟萍. 2004年台风"艾利"与"米雷"路径异常变化分析[J]. 气象学报, 2014, 72(1): 1-11. |
[24] |
曹晓岗, 王慧, 刘晓波. 超强台风"梅花"(1109号)的转向原因与预报分析[J]. 暴雨灾害, 2013, 32(2): 151-157. |
[25] |
龙振夏. 热带积云对流加热在全球大气遥响应中的重要作用—数值试验结果[J]. 气象学报, 1996, 54(5): 521-535. DOI:10.11676/qxxb1996.055 |
[26] |
邹海波, 吴珊珊, 单九生, 等. 2013年盛夏中国中东部高温天气的成因分析[J]. 气象学报, 2015(3): 481-495. DOI:10.11676/qxxb2015.035 |