2. 河海大学海洋学院, 南京 210098
2. Hohai University, College of Oceanography, Nanjing 210098, China
双台风是指在同一海域同时出现的两个热带风暴级以上的热带气旋,其共存时间达到一定期限,且两个气旋中心之间小于一定的距离(Wu et al., 2011; 尹碧文等,2017).双台风在近距离内常常出现逆时针方向的互旋以及相互靠近的趋势,这种现象被称为“藤原效应”(Fujiwhara, 1921, 1923, 1931).此外,双台风之间还会出现相互排斥、合并、停滞和打转等现象(Lander and Holland, 1993).Demaria和Chan(1984)认为双台风初始涡旋的涡度平流机制导致涡旋不同的移动特征.西北太平洋是双台风多发地区,双台风的相互作用以及与大尺度环流之间相互影响会导致其路径、结构、强度的突变,使得双台风预报更加困难(Brand, 1970; Dong and Neumann, 1983; Lander and Holland, 1993; Carr and Elsberry, 1998; Jang and Chun, 2013; Liu and Tan, 2016).
台风的移动路径主要与环境场的引导气流密切相关,虽然双台风之间的相互作用可以使得二者发生互旋、相互靠近、排斥或者打转等现象,从而双台风的移动路径变得更加复杂,但大尺度环境场引导气流对其移动仍起着重要作用.Wu等(2011)统计了1949—2007年西北太平洋上的双台风移动路径后,归纳出六类双台风移动路径,并分析了每类移动路径所对应的环境场引导气流的特征.类似的双台风路径统计分类工作还包括Jang和Chun(2015)的研究,它们也把双台风路径分为六类,并指出不同的移动类型主要受到环境场引导气流和西北太平洋副热带高压控制.Yang等(2008)通过对双台风风神(2002)和凤凰(2002)的位涡诊断方法研究,指出两者的路径先由大尺度环境场气流控制,随后凤凰受风神的气旋性环流影响,绕风神旋转.因此,大尺度环境场引导气流变化对双台风的路径预报有着重要的指导作用.Xu等(2013)分析了双台风桑美(2006)和宝霞(2006)的互旋过程,发现宝霞对桑美的水汽和能量的输送,尤其在桑美登陆中国沿海地区时导致其快速增强.可见双台风之间的相互作用对双台风的强度与路径变化也有着重要影响.
为了研究双台风之间的相互作用以及环境场对双台风的影响,本文采用了伴随敏感性方法.伴随敏感性方法是指通过伴随模式计算选定的预报目标对初始扰动的敏感性(Errico,1997),从而通过伴随敏感性的分布与演化理解初始扰动是如何影响天气系统的发展演变,以及其背后的动力机制(Kleist and Morgan, 2005; Chu and Zhang, 2016).伴随敏感性方法是一个强大的分析工具,近年来在台风研究中有了广泛应用.Kim和Jung(2006)通过伴随敏感性方法找出台风观测敏感区域并据此改进模式初始场,使预报误差减小了18%.Wu等(2007)提出了基于伴随模式的引导气流敏感性方法(ADSSV; Adjoint-Derived Sensitivity Steering Vector),用于评估影响台风引导气流的环境因素;并利用该方法研究了中纬度高空槽系统与台风珊珊(2006)之间的相互作用(Wu et al., 2009).此外,伴随敏感性分析方法也被应用在台风强度变化(Chu et al., 2011)、台风的生成与可预报性(Doyle et al., 2011, 2012)、以及热带波动与台风之间的相互作用(Reynolds et al., 2016)等台风相关的研究之中.当然,除了伴随敏感性之外,基于条件非线性最优扰动的方法(Mu et al., 2009; 王斌和谭晓伟, 2009)以及基于集合敏感性的方法(Ito and Wu, 2013)也广泛应用在台风研究领域中.
尽管目前伴随方法在双台风相互作用的研究中应用不多,但是现有的研究表明,伴随敏感性能够有效地捕捉双台风相互作用的信号(Wu et al., 2007).但是伴随模式的计算精确性很大程度上受到模式背景场的影响,尤其是在中尺度天气系统的分析中(Ancell and Mass, 2008; Chu and Tan, 2010).由于双台风之间的相互作用,再加上目前使用的全球预报系统的分析场中台风涡旋的初始强度偏弱,对其的精确模拟尤其困难.为了提高台风的模拟水平,需要进行台风涡旋初始化,结合客观分析场中热带气旋的位置、强度、结构(最大风速半径、17 m·s-1风圈半径)等观测资料来改善模式初始场.利用动力初始化方法构造的初始涡旋充分考虑了其动力与热力特征,与数值模式具有良好的适应性,且所需的观测资料较小,因此是一种比较有效的初始化方案(e.g., Cha and Wang, 2013; Liu and Tan, 2016).Cha和Wang (2013)将初始场分解为涡旋场轴对称分量、涡旋场非对称分量以及环境场,通过模式积分使轴对称涡旋不断增强,从而保证最终得到初始场涡旋强度与最佳路径观测一致.Liu和Tan (2016)在此基础上加入了水汽调整和尺度调整,得到更真实的台风的初始场,称为HTDI方案(Hurricane/typhoon dynamical initialization),并且提出了适用于双台风的BVDI方案(Dynamical initialization for binary vortices),此方案能最大程度上反映出双台风之间的相互作用对双台风初始场的共同影响,就是在初始化过程中一个热带气旋在其增强同时能受到另一个热带气旋的影响.因此,本文将采用双台风动力初始化方案后的模拟结果作为计算伴随敏感性的背景场,从而保证伴随敏感性分析的合理性.
本文选取2005年双台风典型个例玛娃和古超,首先利用双台风动力初始化方法改进双台风模拟,然后以此模拟结果作为伴随模式的背景场,并分别以台风中心气压和引导气流作为目标函数,计算对台风强度与路径变化起着重要作用的高影响性区域,探讨双台风之间的相互影响方式的差异以及环境场对台风的强度以及路径变化的影响.全文安排如下:第二节简要介绍伴随敏感性方法;第三节为个例介绍、数值模式、资料与试验设计,第四节给出双台风的模拟分析;第五节给出双台风强度、路径的伴随敏感性分析;第六节为敏感性的分析结果的验证试验,最后一节为全文总结.
1 伴随敏感性分析方法 1.1 伴随敏感性方法简介在数值天气预报中,如何定量地描述初始扰动对预报的影响非常重要.传统的方法的是进行敏感性试验,即在初始变量上增加扰动,然后分析扰动的发展来描述初始扰动对未来预报的影响.这种方法有一定的局限性,不同的模式变量在不同的位置与高度都有可能存在初始误差,再加上随着模式分辨率的提高,往往需要进行海量的重复计算才能充分揭示初始扰动对预报的影响.此外,还有一种基于伴随模式的分析方法可以定量描述预报场对初始扰动的敏感性分布.简单说来,伴随模式是预报模式的切线性模式的反向积分模式,通过一次伴随模式积分,就可以得到目标函数对所有初始变量在所有模式格点上的敏感性分布(Le Dimet and Talagrand, 1986; Errico, 1997).
一个非线性的预报模式,可以描述为
(1) |
x0和xf分别表示初始场以及非线性模式的预报场.在伴随敏感性分析中需要预先定义一个目标函数:R=f(xf),它是预报变量的函数,用来表征研究对象在目标区域的主要特征,如:预报误差、台风引导气流等.目标函数R的一阶变分可以写成初始(预报)变量和R相对于初始(预报)变量的梯度的内积形式(Errico, 1997):
(2) |
其中M是非线性预报模式M的切线性模式(M=
(3) |
为了定量评估台风的移动对初始场的敏感性,首先要定义一个与台风移动密切相关的目标函数.台风的移动路径主要受到环境场的引导气流影响,Chan和Gray(1982)的研究认为5°~7°纬度范围内(约550~770 km)的对流层内风速的平均值与台风的移动路径最为一致,因此把它定义为引导气流.由于台风是近似轴对称的气旋性涡旋,对其进行轴对称平均可以大部分抵消台风自身的环流,剩下非轴对称的风场即可以认为是引导气流.基于此构造目标函数:
(4) |
(5) |
其中R1,R2分别表示sigma坐标下0.875至0.225层(大约850 hPa到250 hPa)之间的平均纬向流和经向流;D是引导气流的计算区域,矢量(R1, R2)就是目标时刻台风的引导气流.
利用伴随模式积分可以得到目标函数R1, R2对初始场水平纬向和经向风场的伴随敏感性
(6) |
由于台风是一个强涡旋系统,Wu等(2007)提出了基于伴随方法的引导气流敏感性(ADSSV)的概念,并定义为
(7) |
ADSSV能够直接反映初始涡度场的变化对预报时刻环境引导气流作用,它的方向与大小代表了当初始时刻某处的正涡度扰动所导致的预报时刻目标区域台风引导气流的变化方向与大小.
2 个例介绍、数值模式、资料与试验设计 2.1 双台风介绍2005年第11号台风玛娃于2005年8月20日00时开始编号(热带风暴级)后,沿西北偏北方向移动,23日00时向北移动,于25日06时登陆日本,之后向西北偏西偏转.与此同时,0512号台风古超于8月20日12时达到热带风暴级,8月21日12时开始编号,沿西北偏北方向移动,23日00时移动路径发生转折,随后向东北方向移动(图 1).在台风玛娃的西北侧存在一个高空槽系统,而在台风古超则处于副高东南引导气流的控制之下,选取这样一对典型的双台风进行伴随敏感性分析,既可以分析双台风之间相互作用的差异,又可以探讨复杂的环境场对双台风移动路径的影响.
本文的数值模拟采用的是美国大气科学研究中心发展的WRF(Weather Research and Forecasting Model,V3.5.1)模式(Skamarock et al., 2008).数值模拟的初始条件与边界条件来源于NECP (National Centers for Environmental Prediction)全球预报系统GFS的分析场,水平分辨率为1.0°×1.0°.台风路径观测资料采用美国台风联合警报中心JTWC(Joint Typhoon Warning Center)的最佳路径数据集.
由于初始时刻分析场的双台风强度与实际观测相比偏弱,为了改善双台风的模拟,本文采用了Liu和Tan(2016)提出的适针对双台风的动力初始化方案BVDI方案,该方案根据JTWC最佳路径观测,调整了台风玛娃和古超的初始涡旋强度和内核尺度,同时充分考虑了涡旋之间的相互作用,改善了涡旋的外围环流结构,使得初始时刻的双台风涡旋既与观测接近,又与模式有较好的适应性.
控制试验(CTRL)的模拟时刻为2005年8月20日12时(世界时,下同)至2005年8月22日12时,水平网格间距36 km,格点数165×150,模拟中心选取27.5°N、143°E,垂直方向非均匀分层共35层,模式层顶为30 hPa.模拟过程中采用了Thompson graupel微物理参数化方案(Thompson et al., 2004),Mellor-Yamada-Janjić边界层参数化方案(Janjić, 1994),Goddard短波辐射参数化方案(Chou and Suarez, 1994),以及长波快速辐射传输参数化方案(Mlawer et al., 1997).
2.3 伴随模式设置伴随敏感性计算采用的是WRF模式的伴随模式WRFPLUS(Barker et al., 2012).一般来说,对中尺度天气系统模拟来说,当模式分辨率较高时,非线性作用会影响到切线性近似,从而影响伴随敏感性的计算准确性(Chu and Tan, 2010).因此,本文把经过BVDI初始化之后的初始场从18 km格距插值到36 km,然后再用于伴随敏感性计算.对比插值前后的初始场,双台风强度以及结构基本一致,同时由于使用了BVDI初始化,初始场与模式的物理过程也较为协调.
本文选取24 h预报时刻的台风中心扰动气压作为目标函数R0,用以表征台风的预报强度:
(8) |
其中,P′是模式最底层的扰动气压,负值表示当气压的下降时,目标函数R0为正,反之则为负.因此,目标函数R0代表了目标时刻台风中心上方空气柱质量的变化,能够简单、直接地反映台风强度变化.
引导气流敏感性的目标区域设定为以预报时刻的台风中心为中心的576 km×576 km的矩形区域,这个区域大小的设置参考了Chan and Gray (1982)对引导气流的定义范围,以及Wu等(2007, 2009)在他们的台风伴随敏感性研究中所用的目标区的范围,能够客观反映环境场对双台风移动的影响.此外,本文还计算了从初始时刻20日12时起逐6 h(6 h、12 h、18 h、24 h)的引导气流敏感性的演变特征.
由于伴随模式是切线性模式的伴随,因此在进行伴随敏感性计算之前,需要检验伴随模式的精确性以及切线性近似的有效性.针对此双台风个例,本文采用了Zou等(1997)的方法(公式3.15, 3.16)进行了切线性近似和伴随模式的精确性检验,当初始扰动的量级从100降到10-10时,非线性扰动与线性扰动的比值逐渐逼近于1,其中初始扰动的量级为10-10时,两者比值为0.9986.这表明在本文研究的时间段内,切线性近似是有效的,切线性模式能够有效地模拟非线性扰动的发展.
3 双台风的数值模拟结果控制试验准确地模拟了台风玛娃与古超的路径,与观测一致(图 1).在模拟的初始时刻2005年8月20日12时西北太平洋洋面上由副热带高压控制,朝鲜半岛南侧存在一个温带气旋,且其南侧的中纬度高空槽向南延伸至台风玛娃的西北侧.随着时间的推移,温带气旋消亡,但高空槽依然存在;与此同时,台风古超位于副高的西南侧(图 2a).在模拟时间段内,台风玛娃与古超持续发展,20日18时,台风玛娃较6 h之前有所发展,气旋性环流增强,其西北侧的温带气旋强度减弱,同时副热带高压有所减弱,588等位势高度线范围缩小(图 2b).如图 2c所示,6 h后,台风玛娃强度继续增强,等位势高度线较为密集.台风古超的气旋性环流增强,等位势高度线的梯度变大.21日06时台风玛娃强度维持不变,台风古超的尺度有所扩大,台风玛娃北侧的副热带高压脊开始向西延伸(图 2d).6h后,台风玛娃北侧高压脊继续向西延伸,台风古超有所减弱,气旋性环流变弱,副热带高压边缘的东南风增强(图 2e).
首先分析台风玛娃强度的敏感性分布特征.图 3给出台风玛娃的24 h预报强度对初始时刻700 hPa水平风场的敏感性分布.台风玛娃24 h预报强度对初始时刻的水平风场的高敏感性区域大都位于台风中心附近,且台风玛娃南侧初始时刻西风分量的敏感性为正值,北侧靠近台风中心的区域则为负值(图 3a),这就意味着如果初始时刻在台风玛娃南侧添加西风正扰动会使24 h后台风玛娃会增强;同样,如果初始时刻在台风玛娃北侧添加正的东风分量的扰动会加强玛娃24 h后的预报强度.这个强度敏感性分布与台风风场环流相一致,即施加的南侧西风分量以及北侧东风分量,相当于加强了初始时刻台风玛娃中心附近的气旋式环流.同理,南风分量的敏感性分布也表明了加强初始时刻台风玛娃西侧的北风分量以及东侧的南风分量可以导致24 h后预报强度增加(图 3b).台风玛娃的强度初始敏感性的另一个大值区位于台风古超的中心附近,所以,加强初始时刻台风古超南侧西风分量,北侧东风分量,西侧北风分量都会导致台风玛娃的预报强度增加.由此可知,要准确预报24 h台风玛娃强度及其变化除了需要对台风玛娃自身的初始场准确确定,准确的台风古超的初始场也同样重要.台风古超的强度敏感性主要分布在台风古超中心靠近台风玛娃的一侧以及台风中心南部区域,且其量级远远大于台风玛娃强度的敏感性(图 4).这种敏感性分布表明,台风古超的预报强度一方面与自身的结构有关,另一方面也受到台风玛娃以及副高的东南引导气流的影响.
整体而言,台风古超伴随敏感性的量级较大,台风玛娃伴随敏感性的量级较小.这种强度敏感性的量级差别反映出与双台风的强度有关.此时,台风玛娃为强台风,已发展到一定的强度,结构相对稳定,而台风古超相对来说较弱,环境场(副热带高压、台风玛娃)的变化对其产生较大影响,这意味着初始时刻的微小扰动会对较弱的台风古超的预报产生更大的影响.
4.2 基于伴随方法的引导气流敏感性分析双台风之间的相互作用除了会对彼此的强度产生较大影响之外,也会通过影响彼此的引导气流进而影响其移动路径.图 5a,b分别给出了台风玛娃在700 hPa和500 hPa上的24 h的ADSSV分布.700 hPa上台风玛娃的ADSSV主要分布在其西北侧的高空槽区以及东侧的台风古超和副热带高压边缘附近(图 5a).因此,台风玛娃在目标时刻的引导气流的变化不但与初始时刻西北侧的高空槽有关,而且与其东侧的台风古超也有密切联系.此外,台风玛娃附近的ADSSV分布呈明显的顺时针分布.对比图 5a和5b可以发现,台风玛娃24 h ADSSV在不同层次上的分布基本相同.相比之下,台风古超的ADSSV分布没有顺时针的特点,分布范围也没有玛娃广阔,主要分布在其西北侧和东南侧(图 5c,d),其中,位于台风西北侧的ADSSV主要指向东南方向,而位于台风东南侧ADSSV主要指向西北方向.这说明目标时刻影响台风古超的引导气流主要受初始时刻台风古超自身及其东南侧的天气系统的影响.另外,台风古超的ADSSV量级比玛娃大,这说明较弱的台风古超的引导气流受外界的影响更大一些.值得注意的是,台风玛娃在200 hPa以下均存在敏感区,而古超的ADSSV敏感区主要集中在500 hPa以下(图略).这与两个台风强度也存在一定的关系,玛娃为强台风,相对深厚,而此时古超偏弱,相对浅薄一些.
为了进一步讨论ADSSV分布随时间的演变,图 6分别给出了台风玛娃在初始时刻的6 h,12 h,18 h,24 h的ADSSV分布.可以看出,随着时间的增加,ADSSV的覆盖范围不断扩大,从6 h分布在台风中心环流附近(图 6a)到24 h时扩展到台风玛娃西北部的槽线以及其东侧的台风古超和副热带高压(图 6d).相比于6 h的ADSSV(图 6a)主要分布在台风玛娃的周围,12 h的ADSSV(图 6b)的分布范围明显扩大,大值区位于台风玛娃西侧,且两个台风之间的ADSSV的量级有所增大.到了第18 h,ADSSV敏感区继续扩大,东侧的ADSSV大值区出现在台风古超所在处,西北侧的高空槽处也出现了微弱的敏感区(图 6c).而到了第24 h,ADSSV在西北侧的高空槽处有明显的分布,且在双台风之间也有ADSSV大值区(图 6d).在图 6中,同时随着积分时间的增加,ADSSV的分布范围也不断向西北、向东扩散.这说明台风玛娃在发展过程中,其路径一方面受西北侧槽系统的影响,另一方面也受到台风古超的影响.从ADDSV的演变来看,无论环境场与台风之间,以及双台风自身之间的相互影响的强度与它们之间的相对位置和距离有很大的关系.就本次分析而言,西北侧的高空槽的变化大概18~24 h才能影响到台风玛娃的移动,而台风古超的变化大概12 h就会影响到玛娃.
图 7是台风古超在初始时刻对应不同预报时间的ADSSV分布图.台风古超6 h (图 7a)和12 h (图 7b)的ADSSV的大值区主要分布在两个台风之间的区域,这说明在此时间段内台风古超的路径主要受台风玛娃的影响.18 h时ADSSV大值区主要分布在双台风之间以及台风古超的南侧,双台风之间的ADSSV指向东偏北方向,台风古超南侧的ADSSV指向西方向(图 7c).到了24 h,台风古超的东南侧的ADSSV逐渐增大,最后成为全场最大值(图 7d),表明副高西南侧的东南气流对台风古超移动的引导作用越来越显著.总体说来,随着预报时效的增加,影响台风古超移动的环境因素也越来越复杂,主导因素包括台风玛娃以及副高的引导气流.
通过对双台风ADSSV的分析可以发现双台风引导气流的敏感性分布有很大的差异,台风玛娃主要有三个敏感区,分别位于其台风中心环流附近,西北方向的高空槽附近以及台风古超附近,而台风古超的敏感区主要集中在其中心环流附近.此外,台风古超引导气流的敏感性比玛娃的大.这些结果表明台风玛娃的引导气流更容易受到环境场及台风古超的影响.为验证伴随敏感性的分析结果,本文设计了两个敏感性试验,并与控制试验CTRL进行对比.第一个试验SENS1利用双台风动力初始化技术BVDI(Liu和Tan, 2016)把初始时刻台风古超的强度进一步增强,再对其进行模拟;第二个试验SENS2增加控制试验中初始场700 ~500 hPa上位于西北侧高空槽的强度.为此,首先将槽区涡度绝对值的一半作为扰动涡度并计算出流函数,再根据流函数反演出无辐散的扰动风场,将其叠加到控制试验的初始场中进行敏感性模拟试验.
SENS1试验对初始时刻的台风古超的强度进行了增强,台风古超的海平面中心气压从998 hPa减小到990 hPa (图略).与此同时,从SENS1试验与CTRL试验初始时刻相对涡度与水平风场的差值(如图 8所示)可以看出,台风古超的环流进一步增强,其台风中心涡度也进一步增大.SENS2试验对初始时刻台风玛娃西北侧的高空槽进行了增强,图 9给出SENS2与CTRL试验的700 hPa上风场的初始增量,对比CTRL试验,SENS2试验相当于在西北侧高空槽处叠加了一个气旋性环流.
图 10给出了控制试验CTRL、验证试验SENS1、SENS2的模拟路径以及最佳路径观测.当在SENS1试验中增加了台风古超的强度后,台风玛娃的路径与CTRL模拟路径并没有明显的区别,前期路径几乎没有变化,后期位置相比于CTRL略偏西,且移动速度稍慢.反观古超在其初始强度加强后,台风古超路径相比CTRL发生了较大变化,48 h后位于CTRL的西北侧,且整体上移动速度大于CTRL.结合图 7c中ADSSV的方向以及大小,台风古超的ADSSV敏感区主要分布在台风古超附近,并指向西北方向.根据这个伴随敏感性的水平分布特征,可以推论,敏感区内的正涡度扰动会导致东南引导气流的增强,同时由于控制试验中台风古超向西北方向移动,因此东南引导气流增强会使得其向西向北移动的更快.此外,图 6a,c中台风古超附近的ADSSV分别指向西南和东南方向,因此,SENS1试验中的正涡度扰动会带来向南方向的引导气流增量,这与台风玛娃的移动方向相反,从而导致了SENS1试验中台风玛娃移速相较控制试验有所减小.如图 10所示,SENS2试验模拟路径与CTRL相比,台风古超的路径变化并不大,而台风玛娃的路径在模拟的后期有明显的东移,这与图 7中位于低压槽处的ADSSV方向一致,ADSSV指向东南方向说明当涡度增加时,引导气流有向东南偏转的分量产生,从而导致台风玛娃路径的东移.
验证试验SENS1和SENS2模拟的双台风路径变化说明双台风中各个台风路径对环境场变化的响应不同,而且双台风之间的相互影响过程也有差异,基于伴随方法的引导气流敏感性分析能够找到各个台风的高影响系统与高影响区域,进而为提高双台风的适应性观测及预报水平提供参考.
6 结论本文针对2005年发生在西北太平洋的一对双台风:玛娃和古超,利用伴随模式计算了它们强度与路径变化的伴随敏感性.为此,分别以台风中心扰动气压和引导气流作为预报目标函数,找出对台风强度与路径变化起着重要作用的高影响性区域,在此基础上,探讨双台风之间的相互影响过程的差异以及环境场对台风强度变化与路径变化的影响.主要结论如下:
(1) 由于位置和强度不同,双台风强度的伴随敏感性特征(分布区域、大小)有着明显差异.较强台风玛娃的敏感性有两个大值区,分别位于其西北侧的高空槽附近以及较弱台风古超中心环流附近,而较弱台风古超的敏感性主要位于台风中心靠近台风玛娃的一侧,且敏感性的量级要大于较强台风玛娃.
(2) 引导气流的敏感性主要分布在两个台风之间的区域,意味着两个台风有很强的相互作用;除此之外,影响台风玛娃移动的主要环境系统是位于其西北侧的高空槽,而台风古超的移动主要受到副高的影响.
(3) 在理想模拟试验中,如果增强初始时刻的台风古超强度,台风玛娃和古超路径均向西偏转;当西北方向的槽加深时,台风玛娃向东偏转,台风古超路径几乎不变,这与伴随敏感性分析的结论一致.
通过本文的研究可见,伴随敏感性分析能够定量描述双台风之间相互影响过程的差异以及环境场对双台风的影响,这对于进一步开展双台风相互影响的动力学机理研究及适应性观测都具有参考意义.
致谢 作者感谢两位匿名审稿人对本文提出的宝贵建议.
Ancell B C, Mass C F. 2008. The variability of adjoint sensitivity with respect to model physics and basic-state trajectory. Mon. Wea. Rev., 136(12): 4612-4628. DOI:10.1175/2008MWR2517.1 |
Barker D, Huang X Y, Liu Z Q, et al. 2012. The weather research and forecasting model's community variational/ensemble data assimilation system:WRFDA. Bull. Amer. Meteor. Soc., 93(6): 831-843. DOI:10.1175/BAMS-D-11-00167.1 |
Brand S. 1970. Interaction of binary tropical cyclones of the western North Pacific Ocean. J. Appl. Meteor., 9(3): 433-441. DOI:10.1175/1520-0450(1970)009<0433:IOBTCO>2.0.CO;2 |
Carr L E, Elsberry R L. 1998. Objective diagnosis of binary tropical cyclone interactions for the western North Pacific Basin. Mon. Wea. Rev., 126(6): 1734-1740. DOI:10.1175/1520-0493(1998)126<1734:ODOBTC>2.0.CO;2 |
Cha D H, Wang Y Q. 2013. A dynamical initialization scheme for real-time forecasts of tropical cyclones using the WRF model. Mon. Wea. Rev., 141(3): 964-986. DOI:10.1175/MWR-D-12-00077.1 |
Chan J C L, Gray W M. 1982. Tropical cyclone movement and surrounding flow relationships. Mon. Wea. Rev., 110(10): 1354-1374. DOI:10.1175/1520-0493(1982)110<1354:TCMASF>2.0.CO;2 |
Chou M D, Suarez M J. 1994. An efficient thermal infrared radiation parameterization for use in general circulation models. NASA Technical Memorandum 104606, Vol. 3. http: //citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.26.4850
|
Chu K K, Tan Z M. 2010. Mesoscale moist adjoint sensitivity study of a mei-yu heavy rainfall event. Adv. Atmos. Sci., 27(6): 1415-1424. DOI:10.1007/s00376-010-9213-1 |
Chu K K, Xiao Q N, Tan Z M, et al. 2011. A forecast sensitivity study on the intensity change of Typhoon Sinlaku (2008). J. Geophys. Res., 116(D22). DOI:10.1029/2011JD016127 |
Chu K K, Zhang Y. 2016. Adjoint sensitivity study on idealized explosive cyclogenesis. J. Meteor. Res., 30(4): 547-558. DOI:10.1007/s13351-016-5261-5 |
DeMaria M, Chan J C L. 1984. Comments on "A Numerical Study of the Interactions between Two Tropical Cyclones". Mon. Wea. Rev., 112(8): 1643-1645. DOI:10.1175/1520-0493(1984)112<1643:CONSOT>2.0.CO;2 |
Dong K Q, Neumann C J. 1983. On the relative motion of binary tropical cyclones. Mon. Wea. Rev., 111(5): 945-953. DOI:10.1175/1520-0493(1983)111<0945:OTRMOB>2.0.CO;2 |
Doyle J, Reynolds C, Amerault C. 2011. Diagnosing tropical cyclone sensitivity. Computing in Science & Engineering, 13(1): 31-39. |
Doyle J D, Reynolds C A, Amerault C, et al. 2012. Adjoint sensitivity and predictability of tropical cyclogenesis. J. Atmos. Sci., 69(12): 3535-3557. DOI:10.1175/JAS-D-12-0110.1 |
Errico R M. 1997. What is an adjoint model?. Bull. Amer. Meteor. Soc., 78(11): 2577-2591. DOI:10.1175/1520-0477(1997)078<2577:WIAAM>2.0.CO;2 |
Fujiwhara S. 1921. The natural tendency towards symmetry of motion and its application as a principle in meteorology. Quart. J. Roy. Meteor. Soc., 47(200): 287-292. |
Fujiwhara S. 1923. On the growth and decay of vortical systems. Quart. J. Roy. Meteor. Soc., 49(206): 75-104. |
Fujiwhara S. 1931. Short note on the behavior of two vortices. Proc. Phys. Math. Soc. Japan Ser., 13(3): 106-110. |
Ito K, Wu C C. 2013. Typhoon-position-oriented sensitivity analysis.Part Ⅰ:Theory and verification. J. Atmos. Sci., 70(8): 2525-2546. DOI:10.1175/JAS-D-12-0301.1 |
Jang W, Chun H Y. 2013. The effects of topography on the evolution of Typhoon Saomai (2006) under the influence of tropical storm Bopha (2006). Mon. Wea. Rev., 141(2): 468-489. DOI:10.1175/MWR-D-11-00241.1 |
Jang W, Chun H Y. 2015. Characteristics of binary tropical cyclones observed in the Western North Pacific for 62 years (1951-2012). Mon. Wea. Rev., 143(5): 1749-1761. DOI:10.1175/MWR-D-14-00331.1 |
Janjić Z I. 1994. The step-mountain eta coordinate model:Further developments of the convection, viscous sublayer, and turbulence closure schemes. Mon. Wea. Rev., 122(5): 927-945. DOI:10.1175/1520-0493(1994)122<0927:TSMECM>2.0.CO;2 |
Kleist D T, Morgan M C. 2005. Interpretation of the structure and evolution of adjoint-derived forecast sensitivity gradients. Mon. Wea. Rev., 133(2): 466-484. DOI:10.1175/MWR-2865.1 |
Kim H M, Jung B J. 2006. Adjoint-based forecast sensitivities of Typhoon Rusa. Geophys. Res. Lett., 33(21): L21813. DOI:10.1029/2006GL027289 |
Lander M, Holland G J. 1993. On the interaction of tropical-cyclone-scale vortices.I. Observations. Quart. J. Roy. Meteor. Soc., 119(514): 1347-1361. DOI:10.1002/qj.49711951406 |
Le Dimet F X, Talagrand O. 1986. Variational algorithms for analysis and assimilation of meteorological observations:Theoretical aspects. Tellus A, 38(2): 97-110. DOI:10.3402/tellusa.v38i2.11706 |
Liu H Y, Tan Z M. 2016. A dynamical initialization scheme for binary tropical cyclones. Mon. Wea. Rev., 114(12): 4787-4803. |
Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmospheres:RRTM, a validated correlated-k model for the longwave. J. Geophys. Res., 102(D14): 16663-16682. DOI:10.1029/97JD00237 |
Mu M, Zhou F F, Wang H L. 2009. A method for identifying the sensitive areas in targeted observations for tropical cyclone prediction:Conditional nonlinear optimal perturbation. Mon. Wea. Rev., 137(5): 1623-1639. DOI:10.1175/2008MWR2640.1 |
Reynolds C A, Doyle J D, Hong X D. 2016. Examining tropical cyclone-kelvin wave interactions using adjoint diagnostics. Mon. Wea. Rev., 144(11): 4421-4439. DOI:10.1175/MWR-D-16-0174.1 |
Skamarock W C, Klemp J B, Dudhia J, et al. 2008. A description of the advanced research WRF version 3. NCAR Tech. Note NCAR/TN-4751STR. https: //opensky.ucar.edu/islandora/object/technotes: 500
|
Thompson G, Rasmussen R M, Manning K W. 2004. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.Part Ⅰ:Description and sensitivity analysis. Mon. Wea. Rev., 132: 519-542. DOI:10.1175/1520-0493(2004)132<0519:EFOWPU>2.0.CO;2 |
Wang B, Tan X W. 2009. A fast algorithm to obtain CNOP and its preliminary tests in a target observation experiment of typhoon. Acta Meteorologica Sinica (in Chinese), 67(2): 175-188. |
Wu C C, Chen J H, Lin P H, et al. 2007. Targeted observations of tropical cyclone movement based on the adjoint-derived sensitivity steering vector. J. Atmos. Sci., 64(7): 2611-2626. DOI:10.1175/JAS3974.1 |
Wu C C, Chen S G, Chen J H, et al. 2009. Interaction of Typhoon Shanshan (2006) with the midlatitude trough from both adjoint-derived sensitivity steering vector and potential vorticity perspectives. Mon. Wea. Rev., 137(3): 852-862. DOI:10.1175/2008MWR2585.1 |
Wu X, Fei J F, Huang X G, et al. 2011. Statistical classification and characteristics analysis of binary tropical cyclones over the western North Pacific Ocean. Journal of Tropical Meteorology, 17(4): 335-344. |
Xu H X, Zhang X J, Xu X D. 2013. Impact of tropical storm Bopha on the intensity change of super typhoon Saomai in the 2006 typhoon season. Advances in Meteorology, 2013: Article ID 487010, doi: 10.1155/2013/487010.
|
Yang C C, Wu C C, Chou K H, et al. 2008. Binary Interaction between Typhoons Fengshen (2002) and Fungwong (2002) Based on the Potential Vorticity Diagnosis. Mon. Wea. Rev., 136(12): 4593-4611. DOI:10.1175/2008MWR2496.1 |
Yin B W, Ren F M, Li G P. 2017. Climatic characteristics of binary tropical cyclones in the northwest Pacific Ocean. Advances in Earth Science (in Chinese), 32(6): 643-650. |
Zou X, Vandenberghe F, Pondeca M, et al. 1997: Introduction to adjoint techniques and the MM5 adjoint modeling system. NCAR Tech. Note NCAR/TN-4351STR, 110 pp. https: //opensky.ucar.edu/islandora/object/technotes%3A296/datastream/PDF/view
|
王斌, 谭晓伟. 2009. 一种求解条件非线性最优扰动的快速算法及其在台风目标观测中的初步检验. 气象学报, 67(2): 175-188. |
尹碧文, 任福民, 李国平. 2017. 1951-2014年西北太平洋双台风活动气候特征研究. 地球科学进展, 32(6): 643-650. |