2. 解放军92313部队气象台, 辽宁 兴城 125106
2. Meteorology Station of Unit No.92313 of PLA, Liaoning Xingcheng 125106, China
热带气旋(简称TC)作为当前地球上最强烈的自然灾害之一, 是一种具有暖心结构和气旋性地面风环流的非锋面性天气系统, 通常发生在热带或副热带洋面上, 主要借助水汽的凝结和潜热释放来维持和发展.以往对热带气旋的研究主要借助全球各气象机构如美国国家飓风中心(NHC)、联合台风预警中心(JTWC)、日本气象厅(JMA)以及中国气象局(CMA)等发布的多年最优路径资料, 分析其发生频数、强度变化、路径异常以及登陆前后的演变规律等[1], 而对其内部结构详细而深入的研究相对较少.
随着卫星遥感技术的快速发展, 近年来利用卫星资料分析热带气旋内部结构、定位中心位置以及估算强度大小等的研究逐渐增多, 如Rodgers等[2-3]利用美国国防气象卫星(DMSP)搭载的被动微波辐射计(SSM/I)资料分析了西北大西洋和西北太平洋热带气旋降水的时空分布规律, 并研究了热带气旋降水在北大西洋和北太平洋总降水的地理、季节和年际分布中所发挥的作用[4-5]; Kovacs和McCormick[6]首次借助星载激光雷达实验(LITE)的高分辨率资料研究了台风Melissa眼区、眼墙以及卷云罩内气溶胶、云和降水的分布特征; Yokoyama和Takayabu[7]利用1997-2003年的热带降雨卫星(TRMM)资料定量分析了热带气旋降水的三维结构特征; Kidder等[8-9]在利用先进的微波探测器(AMSU)资料分析热带气旋降水潜力的基础上, 开展了暖核结构分析、强度估计、梯度风反演以及联合静止卫星图像确定眼区位置和大小等方面的研究; 此外, 也有较多学者利用辐射计、静止卫星可见光、红外云图甚至掩星资料估算热带气旋强度大小并分析其热力结构特征[10-12].上述研究为利用卫星资料分析热带气旋的云、降水和热力结构奠定了坚实基础, 但无论被动可见光、红外或微波探测器还是主动测雨雷达, 其有限的探测灵敏度使得无法测量热带气旋内部云的宏微观结构参数, 如云的边界高度、相态、类型、水含量、粒子半径及数浓度等.
CloudSat卫星搭载的94GHz云廓线雷达(CPR)不仅可以探测从薄云到浓厚云的垂直剖面特征, 而且可反演剖面上云的宏微观物理参数, 为云的研究提供了全新的平台.CloudSat较高的垂直分辨率以及探测精度不受陆地和海洋限制的优势, 使其可提供高精度的云结构和降水特征信息, 对于热带气旋的研究具有重要意义.Luo等[13]利用经过台风中心时CloudSat测量的云顶高和云廓线信息, 结合中分辨率成像辐射光谱仪(MODIS)的云顶温度, 建立了台风强度的评估模型并取得了较好的效果; Mitrescu等[14]和Durden等[15]利用A-Train卫星编队中的CPR、MODIS、云-气溶胶垂直偏振激光雷达(CALIOP)以及先进微波扫描辐射计(AMSR-E)资料对热带气旋的雷达回波强度、云类型、粒子尺度及冰水含量等参数进行定量研究, 并统计分析了眼墙和层状云降水区雷达反射率因子和冰云微物理参数随高度的变化规律; Matrosov[16]基于CloudSat实测数据分析了2008年两个登陆飓风系统Gustav和Ike中云顶高、冰水路径及降雨率大小, 其降雨率反演结果与地基天气雷达测量结果具有很好的一致性; 赵姝慧[17]联合CloudSat和TRMM卫星资料初步分析了台风"艾云尼"眼区和外围雨带区降水云的结构特征, 对眼区附近云系的垂直结构在不同阶段的演变规律进行研究, 并通过分析冰水含量和冰粒子数浓度的变化来研究台风降水的分布特点.
A-Train为多卫星编队组合飞行, 实现了多平台、多传感器、多光谱段的协同观测, 为深入研究热带气旋物理结构和动态过程提供了宝贵数据源.截至目前, 利用CloudSat卫星或联合A-Train编队中多颗卫星资料对热带气旋的研究仅限于单个或一定数量的个例, 而针对某一地区所有或达到某种等级热带气旋的云、降水和热力结构的统计研究尚未开展.CloudSat卫星热带气旋过境数据集的发布为此研究的实施提供了可能, 该数据集融合了A-Train编队多个传感器的探测结果、大气模式资料以及台风最优路径数据, 主要针对全球6个不同的海洋地区, 对深入研究各地区热带气旋的结构特征意义重大.论文便利用该数据集中2006-2010年距离热带气旋中心500km范围内的资料以及官方下载的Unisys飓风数据, 定量分析了大西洋地区(0°N-70°N、110°W-10°W)飓风在不同演变阶段内云、降水和热力结构的分布特征, 对该地区飓风的结构分析、强度估计和路径预报具有借鉴意义.
2 数据和方法 2.1 数据描述CloudSat热带气旋过境数据集由美国海军研究实验室(NRL)和CloudSat数据处理中心(DPC)联合发布, 截至2010年底共收集到距离热带气旋中心1000km内的6348次CloudSat过境记录数据, 其中50km范围内有306次, 主要分布在大西洋、西太平洋、东太平洋、太平洋中心、印度洋以及南半球6个海洋地区.该数据集融合了A-Train编队中CPR、CALIOP、MODIS和AMSR-E的探测资料、美国海军全球大气预报模式(NoGAPS)资料以及NHC或JTWC或中太平洋飓风中心(CPHC)发布的最优路径数据, 其中采用的CloudSat数据产品如表 1所示.
自CloudSat卫星发射升空至2010年底, 共探测到大西洋地区的热带气旋过境记录1234轨, 囊括了发生在该地区的所有75个热带气旋.为了分析飓风在整个生命过程中结构特征的演变规律, 从Unisys飓风数据库中下载各飓风完整而详细的路径资料(CloudSat热带气旋过境数据集中该数据缺失严重), 寻找其整个生命过程内的最大可维持风速, 并根据萨菲尔-辛普森等级法将其划分为1~5个等级, 若飓风在第一次消亡后再次增强, 则以消亡时的最低瞬时可维持风速为界, 将其分为前后两个飓风分别进行研究.由于飓风直径通常为600~1000km, 最大可达2000km, 最小只有约100km[18], 因此这里仅提取距离中心500km范围内的飓风资料, 共得到33个飓风的313轨、220561条廓线数据, 其强度分布如图 1所示.图中横轴代表萨菲尔-辛普森等级法的分类强度, 纵轴代表CloudSat过境轨道数, 各柱条上的数字代表廓线数.
在分析大西洋地区的飓风结构时, 参照Yokoyama和Takayabu的研究方法[7], 将飓风生命过程按照瞬时风速大小划分为发展、成熟和消亡三个阶段, 即以CloudSat过境时的瞬时风速达到其生命过程最大风速80%之前的时间段定义为发展阶段, 而瞬时风速减小至最大风速80%以后的时间段定义为消亡阶段, 中间的生命过程定义为成熟阶段.在分析飓风水平结构时, 将探测数据格点化至500km×500km的坐标范围内, 其中坐标原点代表飓风中心, X轴指向正东, Y轴指向正北, 格点间距为25km; 而分析飓风垂直结构时, X轴代表径向距离, 间隔为10km, Y轴代表高度, 间隔取为CloudSat数据的垂直分辨率0.24km.
需要说明的是, 本研究根据各飓风整个生命过程达到的最大可维持风速将其划分为5个不同等级, 这与以往的分类方法有所不同, 如一个探测时次内的较弱飓风可能被划归为较强飓风, 原因在于其在随后的演变过程中逐渐发展为较强飓风.之所以采取这种非常规的分类方法, 主要是为了研究每个潜在增强或减弱的飓风在其整个生命周期内的演变规律.
在研究飓风的云结构特征时, 主要分析其雷达反射率、云发生概率、冰云参数以及单层云高度的分布特点, 其中云发生概率主要根据CloudSat云分类产品研究常见7种典型云的分布特征, 冰云参数主要包括冰水含量、有效粒子半径、粒子数浓度和分布宽度参数四个参量, 而单层云高度由毫米波雷达和激光雷达联合探测得到.对于飓风降水结构的分析, 主要研究水汽含量、液态水路径、冰水路径等水粒子和降雨率的分布以及降雨率与海面温度的关系, 其中冰水路径由CloudSat反演得到, 液态水路径和水汽含量取自AMSR-E数据产品, 而降雨率AMSR-E和CloudSat都可以提供, 但考虑到数据缺失, 本研究取二者探测结果进行互补, 若同时存在则取较大值.飓风热力结构可通过分析其温度、比湿、相对湿度和假相当位温的分布特点而得到, 本研究主要分析了飓风在不同阶段内温度、比湿和相对湿度水平距平的剖面分布, 以及各径向距离环内假相当位温随高度的变化曲线.其中, 温度和比湿可通过CloudSat辅助数据产品ECMWF-AUX直接读取, 而相对湿度和假相当位温则由温度和比湿计算得到.
3 结构特征分析 3.1 云结构特征 3.1.1 雷达反射率分布雷达反射率的大小反映了雷达所接收到的云滴或雨滴粒子后向散射能力的强弱, 其分布特征表明飓风系统中不同相态、不同粒子大小云的分布规律. CloudSat卫星搭载的CPR雷达标称波长为3.2mm, 对于空气分子(主要为氧气和水汽分子)、大气气溶胶、沙尘、云滴和小的雨滴而言, 粒子尺度相对波长较小, 适用于Rayleigh散射理论; 对于大的雨滴、雪片和冰雹等而言, 粒子尺度与波长相近, 适用于Mie散射理论.由于水滴粒子具有比冰粒子更大的介电常数, 因而同等大小的水滴粒子雷达反射率要比冰粒子大约7dBZ[19].图 2给出了大西洋飓风在不同阶段、不同径向距离环内雷达反射率发生概率的剖面分布.其中, (a)、(d)、(g)代表发展阶段, (b)、(e)、(h)代表成熟阶段, (c)、(f)、(i)代表消亡阶段.由各子图可知, 雷达反射率以5km高度为界呈现出两种截然相反的变化规律, 即5km以下其随高度降低而迅速减小表明有降水存在, 尤其对于0~100 km的内核区更为明显, 说明此时有较强的对流运动产生, 而5km以上雷达反射率的较大值表明存在对流上升运动产生的过冷水滴或大的冰晶粒子, 此时雷达反射率随高度的衰减率可粗略地反映对流上升运动的速率以及过冷水含量的大小[20-21].此外, 内核区雷达反射率在发展和消亡阶段的5~8km以及成熟阶段的8~12km发生概率较大, 反射率也高达10dBZ, 而在外围区各阶段的11~14km内发生概率较大, 但反射率小于-10dBZ, 表明飓风顶部向外的辐散作用导致内核区过冷水滴和大冰晶粒子不断上升并向外扩散, 在雨带区聚合形成降水后到达外围区时其含量已大大降低, 使得回波强度减弱.
图 3为各阶段雷达反射率沿径向的剖面分布, 从图中可以看出, 成熟阶段回波强度明显大于发展和消亡阶段, 表明此时飓风对流运动强烈并伴有较强降水和较大冰晶粒子产生.同时, 各阶段5km高度附近都存在一条明显的亮带结构, 表明0℃凝结层的出现, 而对凝结高度的统计结果发现, 各阶段100km以外凝结高度都保持在5km附近, 100km以内除成熟阶段先增加后减小外, 其它阶段也都几乎保持不变.此外, 成熟阶段雷达反射率的较大值向上延伸的高度也最大, 达到17km, 其向下的伸展高度最低可至2km附近, 表明飓风内部存在强烈对流运动使其达到整个生命过程的顶峰.发展阶段反射率的较大值位于内核区, 说明此时较强的对流运动是为飓风进一步发展积蓄能量, 而成熟阶段可延伸至220km附近, 且其在220~420km内仍存在较强回波, 表明此时飓风在水平尺度上也有较大延伸, 强烈的对流运动可延伸至飓风中心400km以外区域, 而消亡阶段回波强度和伸展尺度明显减弱, 较大值位于60~180km及250~300km内, 说明此时飓风的对流运动已大大减弱, 逐渐走向衰亡.
CloudSat数据处理中心利用测量的云空间尺度、温度、回波强度以及降水信息将云分为8种基本类型, 为了研究飓风内部各类云发生概率随高度的分布规律, 根据不同径向距离进行统计, 得到图 4所示结果, 由于飓风不同阶段内各类云发生概率的分布特征相似, 仅在数值上有所差异, 因此这里仅给出成熟阶段的分布图, 而层云发生概率极少, 为了不影响对其它各类云的统计, 图 4仅给出7类典型云的分布.从图可知, 深对流云发生概率始终最大, 垂直伸展范围也最广, 可从近地面的几百米延伸至飓风顶部约16km高度处, 且在距离中心300km范围内都有较大的发生概率和伸展范围, 而在外围区则明显减弱.卷云和高层云的发生概率次之, 其沿径向的变化不大, 且高层云垂直伸展范围仅次于深对流云, 达到约10km.层积云发生概率在内核区较大, 在雨带区和外围区较小且几乎不变.高积云垂直尺度在内核区和外围区较小, 而在100~400km的雨带区较大.积云和雨层云发生概率与垂直尺度沿径向变化较小, 其中发生概率保持在5%左右, 向上伸展高度积云可至7km附近, 雨层云比其高约1.5km.
为研究云量的空间分布特征, 利用各网格内有云廓线数占总廓线数的比值作为该网格的总云量, 得到图 5所示各阶段总云量的空间分布.从图 5可明显看出, 各阶段第一和第四象限的总云量明显偏高, 围绕飓风中心呈现"倒钩状"分布, 且在成熟阶段的多数网格内总云量达到90%以上(虽然部分网格存在数据缺失), 表明经过不断发展飓风云量已达到整个生命过程的最大尺度, 为伴随其内部大范围持续性降水的产生积累了条件.
CloudSat热带气旋过境数据集提供的有关冰云微物理参数, 主要通过假设粒子谱分布服从对数正态分布, 并借助谱参数的先验信息以及实测的雷达反射率数据, 利用前向物理模式实现微物理参数的反演[22].图 6所示为大西洋地区成熟阶段内核区冰云的冰水含量、有效粒子半径、冰粒子数浓度以及分布宽度参数4个参量在垂直剖面内的概率分布.由图可知, 内核区冰水含量的最大值发生在12km高度附近, 达到1.5g/m3, 其发生概率在5~7km以及15km附近较大.通过对比其它径向环内的统计结果发现, 冰水含量的最大值沿径向不断减小, 较大发生概率的高度也逐渐降低, 在外围区最大值仅有0.6g/m3, 发生概率的较大值高度下降至5km附近及9~13km内.有效粒子半径和分布宽度参数都随高度升高而减小, 且沿径向二者变化范围都在缩小, 概率较大值出现的高度也在不断降低.其中, 有效粒子半径在距离中心200km范围内有两个概率较大值区, 而200km以外仅出现一个10km以上的概率较大值区.粒子数浓度随高度升高而增大, 其在内核区的最大值为700/L, 沿径向逐渐减小至300/L, 而其发生概率的较大值沿径向变化很小, 且主要集中在5~6km高度内.
图 7所示为成熟阶段不同径向环内各冰云参数随高度的变化曲线.根据图 7a可知, 除内核区外, 冰水含量的较大值均出现在8km高度处, 而较小值均出现在5km高度处, 结合前面的分析可知, 5km附近冰水含量和粒子数浓度的发生概率较大, 同时凝结高度也位于该高度处, 另外由图 7c可知此时粒子数浓度达到局部极小, 表明飓风内部该高度处冰水含量和粒子数浓度较小但在整个冰云参数分布中的发生概率较大.有效粒子半径和分布宽度参数都随高度升高而减小, 虽然各径向环内的差异不大, 但仍可看出距离中心较近区域的参数值略偏大.
为研究飓风内部云层的垂直结构特征, 通过对毫米波雷达与激光雷达联合探测的云层高度进行统计分析, 得到图 8所示的单层云云底高和云厚沿径向的分布特征以及图 9所示的二维频率分布图.从图 8可以看出, 各阶段单层云云底高总体上沿径向逐渐增大, 云厚则逐渐减小, 但云底高在距离中心50km的眼区内沿径向先增大, 而后逐渐减小至局部极小值, 随后再次增大, 在外围区达到最大值约为5km.云厚在发展阶段沿径向逐渐减小, 但成熟和消亡阶段在距离中心80~200km的雨带区内厚度最大, 而后才逐渐减小, 且消亡阶段250km以外区域云厚基本保持在4km附近, 而成熟阶段250km以内云厚都大于10km, 说明此时该区域内对流旺盛、云体厚实, 便于形成各类降水.
根据图 9云底高和云厚的二维频率分布, 可将各阶段的单层云划分为三种类型, 即云底低于5km而云厚大于10km的厚云层、云底高于8km而云厚随云底升高逐渐减小的云层以及云底低于6km同时云厚小于3km的中低云, 分别定义为第一、第二和第三类云, 第一类云在各阶段内都占有一定比例, 第二类云在发展和成熟阶段的特征较为明显, 而消亡阶段云底高于7km、云厚小于10km的云层发生频率较大, 且分布较为均匀, 第三类云在发展和消亡阶段出现较多, 而成熟阶段的分布较少.此外, 成熟阶段云底和云厚都小于8km的云层发生概率明显小于发展和消亡阶段.
3.2 降水结构特征 3.2.1 水粒子分布图 10所示为不同阶段大气柱内单位面积水汽、液态水路径和冰水路径总含量沿径向的变化曲线, 其中液态水路径和冰水路径乘以因子100.从图中可以看出, 无论在飓风整个生命过程还是其各演变阶段内, 沿径向液态水路径和冰水路径都呈减小趋势, 而水汽含量则几乎不变.其中, 液态水路径在距离中心80~120km内最大, 在460km附近最小, 冰水路径最大值发生在40~80km的内核区而最小值位于430~460km的外围区, 其在280km附近的雨带区出现局部极小值.图 11所示为不同阶段水汽含量的空间分布, 从图中可以看出, 除成熟阶段第一和第四象限距离中心150km范围内出现水汽含量的较大值外, 其它阶段各区域内水汽含量的分布相对均匀, 无较大差异.同时结合图 10和11可以发现, 发展阶段的水汽含量整体上大于消亡阶段10kg/m2以上.
为研究降雨率沿径向的分布规律, 对飓风、热带风暴和热带低压在不同阶段、不同径向环内的降雨率进行统计, 得到图 12所示结果.从图 12a可知, 对于飓风和热带风暴而言, 在整个生命过程中平均降雨率都沿径向逐渐减小, 而热带低压在0~100km的内核区最小, 在100~200km的雨带区最大, 而后不断减小但却在400~500km的外围区出现较大值.从图 12b-12d可以看出, 飓风在成熟阶段的降雨率明显大于发展和消亡阶段, 且各阶段内核区降雨率始终最大.热带风暴和热带低压在雨带区的降雨率较大, 但最大值在各阶段的分布各异, 且热带低压在消亡阶段100~400km范围内的降雨率要大于成熟阶段.这些分布特征与Rodgers等[2-5]利用辐射计资料对不同区域、不同强度热带气旋降水结构的研究有所差异, 一方面本研究对热带气旋强度的划分依据为其整个生命过程的最大可维持风速, 因此必然存在某较强气旋的过境风速小于较弱气旋, 从而导致降雨率偏小; 另一方面CloudSat卫星的刈幅宽度仅有1.4km, 对气旋的水平覆盖范围远小于辐射计, 同时其探测时次有限, 无法保证探测到各种强度气旋的每个降雨区.
图 13为不同季节、不同阶段飓风降雨率沿纬向的变化特征, 其中不同月份的划分主要是为了分析夏季早期和晚期(简称早夏和晚夏)以及秋季的降雨率特点.由图可知, 整个生命过程中夏季降雨率明显大于秋季, 在5°N-45°N以及55°N-60°N的纬度带内降雨率较大值发生在晚夏, 而在45°N-55°N内早夏的降雨率偏大.发展阶段降雨率仅发生在35°N以内地区, 各季节的差异不大; 成熟阶段晚夏降雨率始终最大, 且在10°N-55°N内都有降水产生, 而早夏降雨仅发生在亚热带地区; 消亡阶段降雨率最大值的分布特征与整个生命过程相似, 不同之处在于早夏降雨仅发生在28°N以上地区, 而秋季在48°N以上未检测到飓风降水的存在.
为深入分析热带气旋降雨率随季节的变化特点, 针对不同强度、不同阶段的降雨率进行统计, 得到表 2所示的逐月变化结果, 表中A、B、C、D依次代表整个生命过程、发展、成熟和消亡阶段.由表 2可知, 不同阶段内各强度热带气旋的降雨率基本都随月份先增大后减小, 但多数情况下6月份的降雨率仍然较大, 对应图 13中早夏较大的降雨率.对于飓风和所有气旋而言, 各月降雨率基本都在成熟阶段较大, 而在秋季的消亡阶段较小.虽然热带风暴和热带低压在11月份都未探测到降水存在, 且热带低压各阶段内的数据缺失较为严重, 无法给出其季节变化的较详细描述, 但仍可看出晚夏的降雨率较大.
早期的研究发现, 海面水汽通量作为空气温度与海面温度SST之差以及海面风速的函数, 其变化对热带气旋的潜在增强具有深远影响.如Zehr[23]对西北太平洋热带气旋的观测结果表明, 当SST低于26℃时该地区从未有热带气旋产生.理论和实际观测都表明, 热带气旋可维持的最大强度主要受限于SST以及对流层温度和环境湿度的变化[24-26], 且其最大潜在降雨率也受SST支配[3].为分析SST对热带气旋潜在最大强度和最大降雨率的影响, 统计得到图 14所示的散点分布图, 图中垂直线代表SST为26℃, 从而建立起飓风SST与最大风速及内核区降雨率之间的关系.
从图 14a可以看出, 当SST低于26℃时仅观测到一级飓风及少量的二级飓风, 而当SST高于26℃时飓风最大强度对SST的变化更加敏感, 且其若要达到二级以上则SST必须高于27℃.Demaria和Kaplan的研究表明[27], 飓风的潜在强度对暖的SST灵敏度较高, 主要是因为暖的SST所在纬度带内对流层温度存在较大变化.图 14b清楚地表明内核区降雨率从25℃以下的2 mm/h近似以指数形式增长至29℃附近的25 mm/h以上, 且最大潜在降雨率对暖的SST变化更为敏感.图 14的散点分布图说明, 飓风所能达到的最大潜在强度和降雨率与海面通量之间存在强烈的相关性, 但当温度大于29℃时, 其最大强度和降雨率受SST的影响逐渐减弱, 可能的原因在于:(1)随着飓风强度的增强, 不稳定内核区的加热导致飓风系统变得不再活泼; (2)由于对流运动的抬升作用有限, 使得内核区温度更高且更加稳定; (3)飓风增强所产生的更多降水和飞沫使其可获取的海面能量通量不断减少.
3.3 热力结构特征较多的研究成果表明, 热带气旋对流层中上部的暖核结构主要由发展过程中眼区的下沉气流引起绝热增暖并在对流旺盛区释放潜热产生.目前对热带气旋暖核即热力结构的研究主要借助微波探测器数据、NCEP/NCAR再分析资料、飞机下投式探空仪甚至COSMIC掩星资料等, 如王瑾和江吉喜[28]利用AMSU资料揭示了西北太平洋12个不同强度热带气旋的热力结构特征, 并根据热力结构的变化来推断热带气旋强度的变化趋势; 刘学刚借助NCEP/NCAR全球对流层1°×1°再分析格点资料, 研究了西北太平洋夏季10个登陆台风在不同阶段内暖核结构的形成过程及其与强度变化之间的关系[29]; 丁金才等[12]基于COSMIC掩星资料较详细分析了西北太平洋17个台风眼区外的温湿热力结构; 彭犁然和舒守娟[30]利用飞机下投式探空仪资料, 初步分析了2005年登陆我国的典型强台风"龙王"的动力、热力和非对称结构的变化规律等等.与上述资料相比, CloudSat由于可以"切开"云层表面研究其内部结构, 具有高垂直分辨率和全天候探测的优势, 同时其数据产品融合了精细的温压湿信息, 为更加深入而准确地分析热带气旋热力结构特征提供了全新数据源.本研究便基于CloudSat热带气旋过境数据集中的温度和比湿数据, 通过计算得到相对湿度和假相当位温大小, 进而分析大西洋飓风在不同阶段、不同区间内的温度、比湿、相对湿度和假相当位温等热力结构参数的演变特征.
3.3.1 温度分布图 15所示为不同阶段飓风温度距平的剖面分布图, 其中温度距平定义为某一高度层各格点温度与该高度层整个飓风区域的平均温度之差.从图中可以看出, 飓风各阶段200km以外温度距平较小, 200km以内随飓风演变逐渐增大.陈瑞闪[31]的研究表明, 台风眼上空的暖心在300~200hPa高度达到最强, 眼区内外温差达到10℃左右.由图可知, 飓风眼区外也存在一个正温度距平的暖核, 发展阶段位于距离中心80~120km、高度6~15km的范围内, 温度距平大于0.5℃, 成熟和消亡阶段达到1℃以上, 水平范围也更广, 但在垂直方向有下沉趋势, 且成熟阶段集中在10km以下.
采用与温度距平计算相同的方法, 得到比湿在垂直剖面内的距平分布, 如图 16所示.在飓风各阶段的8km以下都存在一个湿心区, 且成熟和消亡阶段的比湿距平大于发展阶段.对比图 15和16发现, 各阶段的湿心区恰好位于暖心区下方, 说明水汽在湿心区汇聚后经对流抬升作用上升至对流层上部并发生凝结, 从而释放潜热形成暖心区.发展阶段距离中心80~120km、6km以下高度存在一个比湿距平为0.4g/kg的弱湿区, 成熟阶段该弱湿区的强度明显增强, 比湿距平增大至2g/kg, 而消亡阶段其水平范围和垂直尺度都在缩减, 比湿距平也减小至1.5g/kg.
相对湿度指一定温度和压强下湿空气中水汽压与饱和水汽压的百分比, 其综合反映了大气中水汽和温度的分布特征, 利用其随高度变化的廓线可进行云边界高度的判定[32].图 17给出了各阶段相对湿度距平的剖面分布.从图中可以看出, 发展阶段内核区的4~8km高度出现相对湿度距平的较大值区, 这与图 16a中比湿距平的分布相似, 而通过分析相对湿度的剖面分布特征, 发现该区域相对湿度高达85%以上, 表明此处湿空气的水汽含量充足并接近饱和.成熟阶段内核区5~12km高度存在一个相对湿度距平远小于0并向外倾斜的未饱和区, 该区域对应图 15b成熟阶段的暖心区, 同时从图 16b比湿的距平分布可知该区域空气湿度不大, 说明底层湿空气上升凝结释放潜热后导致该区域水汽含量降低, 空气远达不到饱和.该未饱和区在消亡阶段抬升至8km以上, 其上端接近飓风顶部, 而从相对湿度的剖面分布可知, 在5~12km内相对湿度都保持在70%左右, 沿径向其垂直范围在不断扩大, 但相对湿度在逐渐减小, 表明飓风开始走向衰亡, 湿空气的饱和程度在不断减弱, 导致降水越来越少.
假相当位温的垂直递减率可用来判定大气的对流稳定性, 若垂直递减率大于0则为对流性稳定层结, 若小于0则为对流性不稳定层结, 否则为中性层结[33].图 18给出了不同阶段、不同径向环内假相当位温的垂直分布.由图可知, 各阶段不同径向环内10km以上假相当位温差异较小, 且垂直递减率大于0, 说明飓风10km以上高度内大气始终保持均匀稳定的层结结构.10km以下发展阶段各径向环内假相当位温的差异仍然很小, 几乎重合, 但在4km左右存在拐点, 该高度以上垂直递减率大于0, 为对流性稳定层结, 该高度以下垂直递减率小于0, 为对流性不稳定层结, 表明发展阶段飓风内部的对流上升运动源自4km以下.成熟阶段的对流性不稳定层结仍然位于4km以下, 但在2~3km出现中性层结, 而该高度层以下仍以对流性不稳定层结为主.消亡阶段除内核区1~2km以及3~10km为中性层结外, 其它各径向环1km以上主要为对流性稳定层结, 而不稳定层结主要发生在1km以下, 说明对流运动明显减弱, 飓风内部热力结构与外围区域逐渐趋于一致.此外, 在飓风不同演变阶段, 各高度层内假相当位温都沿径向逐渐减小, 且对于15km以下的成熟和消亡阶段而言, 内核区的假相当位温明显大于其它各径向环.
利用CloudSat热带气旋过境数据集资料, 针对2006-2010年发生在大西洋地区的33个飓风结构进行深入分析, 主要研究了距离中心500km范围内飓风的云、降水和热力结构在发展、成熟和消亡阶段的水平分布和垂直结构, 重点讨论了雷达反射率、云发生概率、冰云参数和单层云高度等云结构参数, 水汽含量、液态水和冰水路径、降雨率及其与SST的关系等降水结构特征, 以及温度、比湿、相对湿度和假相当位温等热力结构分布, 得到以下主要结论:
(1) 雷达反射率的发生概率以5km高度为"拐点"呈现出两种截然相反的变化规律, 成熟阶段回波强度和伸展高度明显大于发展和消亡阶段, 而各阶段5km附近明显的亮带结构表明0℃凝结层的出现.深对流云发生概率始终最大、垂直伸展范围也最广, 卷云和高层云次之, 高积云在雨带区较大而积云和雨层云始终较小.冰水含量沿径向不断减小, 有效粒子半径和分布宽度参数随高度减小而粒子数浓度却增大.单层云云底高总体上沿径向增大而云厚却减小, 其二维频率分布在各阶段的特征各异.
(2) 各阶段液态水和冰水路径沿径向减小而水汽含量则几乎不变, 内核区降雨率始终最大, 且成熟阶段明显大于发展和消亡阶段.夏季降雨率明显大于秋季, 且各纬度带内的较大值主要发生在晚夏和早夏.当SST高于26℃时, 飓风最大强度对SST的变化较为敏感, 且若要达到二级以上则SST必须高于27℃.内核区降雨率近似以指数形式增长, 最大潜在降雨率对暖的SST较为敏感, 但当温度高于29℃时, 飓风最大强度和最大潜在降雨率受SST的影响逐渐减弱.
(3) 距离中心200km以外区域飓风的温度距平较小, 200km以内其随飓风演变逐渐增大, 同时眼区外仍存在正温度距平的暖区.各阶段8km以下存在湿心区, 且正好位于暖心区下方.发展阶段内核区4~8km高度存在相对湿度及其距平都较大的区域, 而成熟阶段5~12km存在距平小于0并向外倾斜的未饱和区, 并在消亡阶段抬升至8km以上.各阶段不同径向环内10km以上假相当位温差异较小, 且4km以上主要为对流性稳定层结, 而4km以下的分布各异, 但各高度层内假相当位温都沿径向逐渐减小.
CloudSat热带气旋过境数据集融合了多种主被动传感器以及模式资料, 可以用来精细刻画热带气旋内部结构的演变过程, 这是任何其它静止或极轨卫星设备所无法匹及的.论文基于此数据集分析了大西洋地区飓风的云、降水和热力结构在不同演变阶段的变化规律, 其中对云和热力结构剖面特征的详细分析在以往的研究中出现较少, 为分析大西洋地区的飓风结构提供了重要参考.很显然, CloudSat的诸多优势如对云和降水探测的高空间分辨率、在陆地和海洋以及白天和夜间几乎相同的探测精度等, 都使其反演结果可作为热带气旋研究的一种良好补充源, 为各种预报模式的开发研究提供有效的验证信息, 并可用于追踪登陆热带气旋的结构变化, 然而其有限的探测时次和刈幅宽度限制了其对热带气旋结构的连续性大范围监测研究, 而静止卫星资料恰好弥补了这一不足.因此, 可考虑将静止卫星资料融入CloudSat热带气旋过境数据集中, 实现对热带气旋结构特征与演变规律的更深入细致分析和连续性监测预报, 这将是下一步研究的方向.
致谢本研究利用的CloudSat热带气旋过境数据集由美国海军研究实验室(NRL)和CloudSat数据处理中心(DPC)联合发布(http://reef.atmos.colostate.edu/~natalie/tc/), 最优路径数据由美国信息系统(Unisys)的飓风数据库官方发布(http://www.weather.unisys.com/hurricane/), 在此谨表感谢!
[1] | 薛根元, 王志福, 周丽峰, 等. 登陆东南沿海热带气旋的异常特征及其成因研究. 地球物理学报 , 2007, 50(5): 1362–1372. Xue G Y, Wang Z F, Zhou L F, et al. On abnormal features and formation causes of tropical cyclones landing southeastern coastal zones of China. Chinese J. Geophys. (in Chinese) , 2007, 50(5): 1362-1372. |
[2] | Rodgers E B, Chang S W, Pierce H F. A satellite observational and numerical study of precipitation characteristics in Western North Atlantic tropical cyclones. J. Appl. Meteor. , 1994, 33(2): 129-139. DOI:10.1175/1520-0450(1994)033<0129:ASOANS>2.0.CO;2 |
[3] | Rodgers E B, Pierce H F. A satellite observational study of precipitation characteristics in Western North Pacific tropical cyclones. J. Appl. Meteor. , 1995, 34(12): 2587-2599. DOI:10.1175/1520-0450(1995)034<2587:ASOSOP>2.0.CO;2 |
[4] | Rodgers E B, Adler R F, Pierce H F. Contribution of tropical cyclones to the North Pacific climatological rainfall as observed from satellites. J. Appl. Meteor. , 2000, 39(10): 1658-1678. DOI:10.1175/1520-0450(2000)039<1658:COTCTT>2.0.CO;2 |
[5] | Rodgers E B, Adler R F, Pierce H F. Contribution of tropical cyclones to the North Atlantic climatological rainfall as observed from satellites. J. Appl. Meteor. , 2001, 40(11): 1785-1800. DOI:10.1175/1520-0450(2001)040<1785:COTCTT>2.0.CO;2 |
[6] | Kovacs T A, McCormick M P. Observations of typhoon Melissa during the lidar in-space technology experiment (LITE). J. Appl. Meteor. , 2003, 42(7): 1003-1013. DOI:10.1175/1520-0450(2003)042<1003:OOTMDT>2.0.CO;2 |
[7] | Yokoyama C, Takayabu Y N. A statistical study on rain characteristics of tropical cyclones using TRMM satellite data. Mon. Wea. Rev. , 2008, 136(10): 3848-3862. DOI:10.1175/2008MWR2408.1 |
[8] | Kidder S Q, Goldberg M D, Zehr R M, et al. Tropical cyclone analysis using AMSU data.//Proceedings of 10th Conference on Satellite Meteorology and Oceanography, Long Beach, California. Boston, America: American Meteorological Society, 2000: 185-188. http://cat.cira.colostate.edu/kidder/10thSatmetPaper.pdf |
[9] | Kidder S Q, Goldberg M D, Zehr R M, et al. Satellite analysis of tropical cyclones using the Advanced Microwave Sounding Unit (AMSU). Bull. Amer. Meteor. Soc. , 2000, 81(6): 1241-1259. DOI:10.1175/1520-0477(2000)081<1241:SAOTCU>2.3.CO;2 |
[10] | 刘喆, 李万彪, 韩志刚, 等. 利用AMSU-A亮温估测西北太平洋区域热带气旋强度. 地球物理学报 , 2008, 51(1): 51–57. Liu Z, Li W B, Han Z G, et al. Estimating the intensity of tropical cyclone in Western North Pacific basin with AMSU-A brightness temperature. Chinese J. Geophys. (in Chinese) , 2008, 51(1): 51-57. |
[11] | Pineros M F, Ritchie E A, Tyo J S. Objective measures of tropical cyclone structure and intensity change from remotely sensed infrared image data. IEEE Trans. Geosci. Remote Sens. , 2008, 46(11): 3574-3580. DOI:10.1109/TGRS.2008.2000819 |
[12] | 丁金才, 郭英华, 郭永润, 等. 利用COSMIC资料对17个台风热力结构的合成分析. 热带气象学报 , 2011, 27(1): 31–43. Ding J C, Guo Y H, Guo Y R, et al. The composite analysis of the thermal structure of 17 typhoons by using COSMIC data. J. Trop. Meteor. (in Chinese) , 2011, 27(1): 31-43. |
[13] | Luo Z Z, Stephens G L, Emanuel K A, et al. On the use of CloudSat and MODIS data for estimating hurricane intensity. IEEE Geosci. Remote Sens. Lett. , 2008, 5(1): 13-16. DOI:10.1109/LGRS.2007.905341 |
[14] | Mitrescu C, Miller S, Hawkins J. Near-real-time applications of CloudSat data. J. Appl. Meteor. Climatol. , 2008, 47(7): 1982-1994. DOI:10.1175/2007JAMC1794.1 |
[15] | Durden S L, Tanelli S, Dobrowalski G. CloudSat and A-Train observations of tropical cyclones. Open Atmos. Sci. J. , 2009, 3(1): 80-92. DOI:10.2174/1874282300903010080 |
[16] | Matrosov S Y. CloudSat measurements of landfalling hurricanes Gustav and Ike (2008). J. Geophys. Res. , 2011, 116(D1). DOI:10.1029/2010JD014506 |
[17] | 赵姝慧. 利用TRMM卫星和CloudSat卫星对不同类型云系的中微尺度结构的研究分析. 南京: 南京信息工程大学, 2008 : 66 -72. Zhao S H. A study on the mesoscale and microscale structure in different types of clouds by TRMM satellite and CloudSat satellite (in Chinese). Nanjing: Nanjing University of Information Science & Technology, 2008 : 66 -72. |
[18] | 朱乾根, 林景瑞, 寿少文, 等. 天气学原理和方法. (第4版). 北京: 气象出版社, 2007 : 508 -555. Zhu Q G, Lin J R, Shou S W, et al. Weather Principles and Methods (in Chinese). (4th Ed). Beijing: China Meteorological Press, 2007 : 508 -555. |
[19] | Cecil D J, Zipser E J, Nesbitt S W. Reflectivity, ice scattering, and lighting characteristics of hurricane eyewalls and rainbands. Part I: quantitative description. Mon. Wea. Rev. , 2002, 130(4): 769-784. DOI:10.1175/1520-0493(2002)130<0769:RISALC>2.0.CO;2 |
[20] | Black M L, Burpee R W, Marks F D Jr. Vertical motion characteristics of tropical cyclones determined with airborne Doppler radial velocities. J. Atmos. Sci. , 1996, 53(13): 1887-1909. DOI:10.1175/1520-0469(1996)053<1887:VMCOTC>2.0.CO;2 |
[21] | Black R A, Hallett J. Electrification of the hurricane. J. Atmos. Sci. , 1999, 56(12): 2004-2028. DOI:10.1175/1520-0469(1999)056<2004:EOTH>2.0.CO;2 |
[22] | Austin R T, Heymsfield A J, Stephens G L. Retrieval of ice cloud microphysical parameters using the CloudSat millimeter-wave radar and temperature. J. Geophys. Res. , 2009, 114(D8). DOI:10.1029/2008JD010049 |
[23] | Zehr R M. Satellite diagnostics of tropical cyclones.//Proceedings of 3rd Conference on Satellite Meteorology and Oceanography, Anaheim, California. Boston, America: American Meteorological Society, 1988: 241-246. http://www.oalib.com/references/18988067 |
[24] | Emanuel K A. The maximum intensity of hurricanes. J. Atmos. Sci. , 1986, 45(7): 1143-1155. |
[25] | Merrill R T. Environmental influences on hurricane intensification. J. Atmos. Sci. , 1988, 45(11): 1678-1687. DOI:10.1175/1520-0469(1988)045<1678:EIOHI>2.0.CO;2 |
[26] | Evans J L. Sensitivity of tropical cyclone intensity to sea surface temperature. J. Climate , 1993, 6(6): 1133-1140. DOI:10.1175/1520-0442(1993)006<1133:SOTCIT>2.0.CO;2 |
[27] | Demaria M, Kaplan J. A statistical hurricane intensity prediction scheme (SHIPS) for the Atlantic basis. Wea. Forecasting , 1994, 9(2): 209-220. DOI:10.1175/1520-0434(1994)009<0209:ASHIPS>2.0.CO;2 |
[28] | 王瑾, 江吉喜. AMSU资料揭示的不同强度热带气旋热力结构特征. 应用气象学报 , 2005, 16(2): 159–166. Wang J, Jiang J X. The thermal structure characteristics of tropical cyclones with different intensity revealed by AMSU data. J. Appl. Meteor. Sci. (in Chinese) , 2005, 16(2): 159-166. |
[29] | 刘学刚. 台风暖心结构与强度变化的统计联系. 南京: 南京信息工程大学, 2007 : 11 -95. Liu X G. Statistical relationship between typhoon's warm center structure and intensity change (in Chinese). Nanjing: Nanjing University of Information Science & Technology, 2007 : 11 -95. |
[30] | 彭犁然, 舒守娟. 利用GPS Dropsonde资料研究"龙王"台风的结构特征. 热带气象学报 , 2010, 26(1): 13–21. Peng L R, Shu S J. Analysis on structure of typhoon Longwang based on GPS Dropsonde data. J. Trop. Meteor. (in Chinese) , 2010, 26(1): 13-21. |
[31] | 陈瑞闪. 台风. 福州: 福建科学技术出版社, 2002 : 379 -391. Chen R S. Typhoons (in Chinese). Fuzhou: Fujian Science and Technology Press, 2002 : 379 -391. |
[32] | 严卫, 韩丁, 陆文, 等. 基于COSMIC掩星探测资料的云底高反演研究. 地球物理学报 , 2012, 55(1): 1–15. Yan W, Han D, Lu W, et al. Research of cloud-base height retrieval based on COSMIC occultation sounding data. Chinese J. Geophys. (in Chinese) , 2012, 55(1): 1-15. DOI:10.6038/j.issn.0001-5733.2012.01.001 |
[33] | 盛裴轩, 毛节泰, 李建国, 等. 大气物理学. 北京: 北京大学出版社, 2003 : 162 -165. Sheng P X, Mao J T, Li J G, et al. Atmospheric Physics (in Chinese). Beijing: Peking University Press, 2003 : 162 -165. |