中国气象学会主办。
文章信息
- 王易, 郑媛媛, 孙康远, 吴海英. 2018.
- WANG Yi, ZHENG Yuanyuan, SUN Kangyuan, WU Haiying. 2018.
- 南京雷达中气旋产品特征值统计分析
- A statistical analysis of characteristics of mesocyclone products from Nanjing radar
- 气象学报, 76(2): 266-278.
- Acta Meteorologica Sinica, 76(2): 266-278.
- http://dx.doi.org/10.11676/qxxb2017.087
-
文章历史
- 2017-04-25 收稿
- 2017-06-25 改回
2. 江苏省气象台, 南京, 210008;
3. 江苏省气象科学研究所, 南京, 210009;
4. 南京大气科学联合研究中心, 南京, 210008
2. Jiangsu Meteorological Observatory, Nanjing 210008, China;
3. Jiangsu Institute of Meteorological Sciences, Nanjing 210009, China;
4. Nanjing Joint Center of Atmospheric Research, Nanjing 210008, China
强对流天气常常导致严重的灾害, 其特点是空间尺度小、生命史短、突发性强、发展演变迅速、破坏力大。在中国,强对流天气指的是直径在20 mm以上的冰雹、任何级别的龙卷、17 m/s以上的雷暴大风和导致暴洪的对流性暴雨(通常的阈值为25 mm/h或以上)(俞小鼎等,2006a)。江苏是遭受强对流天气影响较重的省份,每年因强对流造成的生命财产损失都相当重。尤其是龙卷,发生次数居全国首位,1961—2010年共有36次(范雯杰等,2015)。因此,研究和了解江苏省的强对流天气,对提高江苏省强对流天气的预报服务能力以及保障人民生命财产安全具有重要意义。
产生强对流天气的超级单体中,往往有持久深厚的中气旋(Doswell, et al,1993),通常伴随着龙卷、强阵风和冰雹等灾害性天气。中国许多强对流天气中都有中气旋的影子。2015年4月28日江苏淮河以南地区遭受了一次强冰雹过程,最大冰雹直径超过5 cm,在造成雹灾的超级单体中观测到了中气旋(徐芬等,2016)。2003年7月8日安徽无为县的龙卷过程中,超级单体中的中气旋持续了109 min (俞小鼎等,2006b)。郑媛媛等(2009)对发生在安徽的3次龙卷进行研究后发现,龙卷发生前、发生时在多普勒雷达上都能观测到中气旋和龙卷涡旋特征。俞小鼎等(2006b, 2008)的研究也发现,强烈龙卷与中气旋和龙卷涡旋特征紧密相连。赵坤等(2008)利用多普勒雷达观测数据, 对发生在台湾海峡上的中气旋环流特征和回波结构进行了分析。Zhao等(2016)分析了台风“彩虹”中产生的龙卷,并通过分析双偏振雷达探测风场,找出了中气旋发展的原因。此外,中国其他学者也对各类强对流天气中的中气旋展开了研究(周后福等,2014;刘娟等,2009;俞小鼎等,2005;郑媛媛等,2015;夏文梅等,2007;朱君鉴等,2005;陶岚等,2016;邵玲玲等,2004;曾明剑等,2016)。
同时,许多国际学者都对中气旋开展了很深入的研究,北美对于中气旋,特别是龙卷中气旋的研究较多(Trapp, et al, 2005; Bellon, et al, 2003; Schumacher, et al, 2011; Miller, et al, 2013; Jones, et al, 2004; Brooks, et al, 1994)。欧洲(Wapler, et al, 2016)和日本(Mashiko, 2016)也有针对强对流过程中的中气旋研究,但是中外的研究主要集中在个例分析与讨论上,对于长时间序列的中气旋特征统计研究目前还很少。因此,有必要对江苏地区的中气旋特征进行统计分析,找出江苏地区的不同强对流类型的中气旋特征变化,为强对流天气预报提供参考。
2 中气旋探测算法使用CINRAD-SA雷达,其硬件参数与WSR-88D雷达相同。CINRAD-SA多普勒天气雷达中气旋探测算法是以Zrnic等(1985)提出的算法为基础设计的。算法包括:一维搜索和型矢量、二维特征和垂直相关与分类。中气旋产品是用来显示与3种方位切变类型的识别有关的信息,即非相关切变、三维的相关切变及中气旋。如果环流较大,在至少两个仰角探测到,并且是对称的,则此环流被称为中气旋(俞小鼎等,2006a)。
文中根据南京CINRAD-SA多普勒天气雷达中气旋探测算法选取2005—2013年中气旋产品,并对产品进行初步筛选(将底高和顶高相同的中气旋剔除,并结合风暴反射率因子),将筛选过的产品进行主观验证,共得到1080个独立中气旋,分布在183 d中。由于江苏省以外地区实况灾情资料较少,因此仅考虑南京雷达探测到的影响江苏的中气旋。
3 中气旋时空特征 3.1 季节分布从中气旋的月分布可以看到(图 1a),中气旋各月均有出现,6—7月是中气旋发生最多的两个月份,其中7月出现的次数最多。通过与2005—2013年江苏省探空资料统计对比可以看出,中气旋的月分布与强对流和对流有效位能的分布较为一致(图 1b,图 2)。包云轩等(2012)的研究发现,江苏省冰雹的高发期也是5—7月,与中气旋的高发期一致。范雯杰等(2015)的研究也表明,7月是龙卷的高发期。8月江淮地区受副热带高压控制,0—3 km风的垂直切变较小(图 2),不利于超级单体风暴的产生,所以中气旋较少。
从季节分布来看(图 3),中气旋主要发生在春季(4—6月)和夏季(7—9月),分别占中气旋总数的33%和57%,秋冬季(10月—次年3月)仅占11%。
3.2 生成时间分布从中气旋时间分布(图 4)可以看出,中气旋基本出现在午后到前半夜,主要发生在16—21时(北京时,下同),占中气旋总数的37%,同强对流发生的时间基本一致。
3.3 空间分布从江苏省中气旋空间分布(图 5a)可以看到,中气旋主要集中在距离雷达50—100 km范围内,且50 km范围内鲜有中气旋发生。产生这一现象的主要原因是雷达的两个固有局限性造成的,一个是波束中心高度随距离延长而升高,使得雷达无法探测到远距离处中气旋的下部,甚至完全探测不到中气旋,由于雷达波束到了较远距离后, 波束宽度增大,探测精度降低,对于直径在几千米以下的中气旋有时探测不到;二是对于太近的距离,中气旋在大多数情况下离地面还有1 km以上的距离,由于静锥区的影响,即使最高仰角(19.5°),有可能仍然达不到中气旋的底高,因而无法探测到中气旋。
4 中气旋相关特征值统计分析 4.1 底高和顶高的分布从中气旋底高的分布(图 6a)可以看出,中气旋底高70%分布在3.5 km以下,且主要分布在2—2.5 km,2 km以下中气旋占35%。顶高主要分布在4—5 km(图 6b),顶高6 km以上的中气旋达到36%。
4.2 中气旋直径和最大切变强度的分布经过统计可以看出,中气旋直径主要集中在2—5 km(图 7a),占整个中气旋的68%。由中气旋最大切变可以看出(图 7b),32%的中气旋最大风垂直切变在10 m/(s·km)以下。
4.3 南京与国际中气旋特征差异Wapler等(2016)统计了中欧2012—2014年的中气旋,结果表明,中欧中气旋底高主要集中在2 km以下,特别是0.5 km以下占12%,而南京中气旋则集中在0.5—3 km,0.5 km以下仅占2%。中欧中气旋顶高主要分布在4—5 km,与南京中气旋顶高分布相似。从中气旋直径来看,中欧中气旋直径主要集中在3—5 km,比南京中气旋大1 km。中气旋最大切变的差别不大,切变基本都分布在10 m/(s·km)以下。
Bellon等(2003)统计分析了加拿大蒙特利尔地区1993—2001年的1366个中气旋,结果表明,6—7月是中气旋的高发期,与南京中气旋月分布相似,中气旋出现时间也与南京较为相似,有24%的中气旋出现在15—16时,14—17时出现的中气旋达到了55%。此外,蒙特利尔地区中气旋直径与中欧分布相似,主要集中在3—5 km,略大于南京中气旋。最大切变的分布则与中欧和南京中气旋相似,主要分布在10 m/(s·km)以下。
5 中气旋结构与不同类型强对流天气的分析研究(吴芳芳等,2012;朱君鉴等,2005;方翀等,2007;冯晋勤等,2010;俞小鼎等,2006b;Schumacher, et al,2011)表明,持续3个体扫及以上的中气旋与强对流天气有较强的对应关系,故文中主要针对相同中气旋算法下同一个ID号出现3个体扫及以上的中气旋过程,来研究中气旋结构与不同类型强对流天气的关系。
经过统计,2005—2013年同一个ID号出现3个体扫及以上的中气旋过程45次(表 1),共208个中气旋,占到整个中气旋总数的18.3%,而持续时间在5个体扫及以上的中气旋共117个,占10.8%。从地理分布(图 5b)来看,3个体扫及以上中气旋主要分布在雷达的东北部地区,而雷达南部出现3个体扫及以上的中气旋较少,这与江苏强对流多发区域的空间分布一致。将每个过程的中气旋用直线相连,可以发现,大部分中气旋移动路径为西北—东南走向,这与超级单体的移动路径基本一致。
3个体扫及以上的中气旋过程中,95.6%的过程与强对流天气相关,其中与雷暴大风有关的中气旋占45.9%,与冰雹有关的中气旋占6.8%,与龙卷有关的中气旋占16.9%,因此可将持续3个体扫的中气旋特征作为强对流天气的预报依据。这里需要注意的是,由于自动气象站分布密度较低,有些强对流天气虽然发生,但不能被有效地观测到,因此实际上与冰雹有关的中气旋并不比与龙卷有关的中气旋少。从月分布来看(图 8),中气旋过程主要分布在6—7月,共33次,占总次数的74%。
进一步将45次中气旋过程按照不同强对流类型进行分类,并进行特征值统计分析,其中雷雨大风、冰雹和龙卷个例取自江苏重要天气报告业务系统,并经过灾后调查核实。由于冰雹个例只考虑在站点的冰雹,没有考虑目击报告,所以上述统计中冰雹个例偏少。因此,在统计中加入2015年4月28日江苏省大范围冰雹天气过程数据进行统计。通过统计结果(表 2)可以看到,与冰雹相关的中气旋底高和顶高是最高的,属于高质心中气旋,分别达到3.3和6.6 km,这与冰雹过程低层水汽相对含量较低和强烈的上升运动有关。而与龙卷相关的中气旋底高和顶高在3种强对流天气中是最低的,分别为1.2和3.5 km,属于低质心中气旋, 且风切变最大,为22.1 m/(s·km)。
底高(km) | 顶高(km) | 最大切变高度(km) | 直径(km) | 最大风切变(m/(s·km)) | |
大风 | 2.5 | 5.4 | 3.6 | 5.4 | 18.5 |
冰雹 | 3.3 | 6.6 | 5.1 | 6.2 | 13.1 |
龙卷 | 1.2 | 3.5 | 2.0 | 4.8 | 22.1 |
平均 | 2.3 | 5.2 | 3.6 | 5.5 | 17.9 |
从底高的累积频率和相对频率上可以清楚地看到(图 9),龙卷中气旋底高在低层出现的更多,底高在2 km以下的中气旋达到80%,且1 km以下占到46%,占比远高于平均值的12%,这与Trapp等(2005)的研究结果类似。Trapp等(2005)的研究结果表明,如果探测到中等强度以上的中气旋其底到地面的距离 < 1 km,龙卷产生的概率可超过40%。冰雹中气旋底高在4 km以上的比例明显高于平均值,达到33%。
顶高的累积频率和相对频率分布(图 10)与底高类似。冰雹中气旋的顶高在6 km以上的分布明显高于平均值,达到73%,这表明与冰雹相关的中气旋底高和顶高明显高于平均值,这与吴芳芳等(2012)利用盐城雷达探测资料分析统计的中气旋结果类似。而龙卷中气旋顶高主要集中在2—4 km,占比也明显高于平均值。从底高和最大风切变的关系来看(图 11),龙卷中气旋底高基本在2 km以下,且最大切变值大部分都在20 m/(s·km)以上,而冰雹中气旋的最大切变值主要集中在10—20 m/(s·km),且冰雹中气旋的底高明显高于龙卷中气旋。
5.1 中气旋与龙卷进一步选取2007年7月3日的龙卷过程进行分析。这次过程是典型的暴雨天气形势,地面冷锋移动至天长、高邮时,伴随降水出现了龙卷天气。这次过程造成7人死亡,大片房屋倒塌,按照Fujita(1981)龙卷风等级标准,此次过程为F1—F2级龙卷(刘娟等,2009)。
从此次过程雷达反射率因子(图 12a、b)上看,回波带呈东北—西南走向,形成了一条明显飑线带,在飑线带上不断有超级单体风暴生成。16时18分开始在回波带的北端有超级单体发展,并探测到中气旋,持续6个体扫。
随着超级单体的东移发展,到16时36分可以看到雷达径向速度图(图 12c)上出现γ中尺度涡旋,表明此时γ中尺度涡旋在发展,随着γ中尺度涡旋的发展(图 12d、e),16时47分前后在安徽天长市秦栏镇产生龙卷。到16时54分上述γ中尺度涡旋变得更加明显(图 12f)。对16时48分和16时54分连续两个时次雷达径向速度图上中气旋正、负速度中心作径向速度垂直剖面(图 13),从中可以清晰地识别出在水平坐标28和37 km之间的中气旋,其中16时48分的剖面中最大正、负速度极值之间的水平距离约为4 km,涡旋垂直伸展在5 km以下的大气中。到16时54分可以看到正、负速度极值之间的距离仍然约为4 km,但涡旋垂直伸展高度降低到3 km以下,表明涡旋此时已有向下发展趋势。之后17时前后高邮遭受龙卷风袭击。
将16时24分—17时的基数据各层径向速度数据进行解析,得出此次龙卷过程中气旋(距离雷达60 km处)各层的特征量(图 14)。从旋转速度(图 14a)看,从16时24分开始中气旋旋转速度大值区始终位于2 km附近。16时47分天长龙卷发生前后,可以看到旋转速度大值区明显向下扩展,16时48分底层1 km附近旋转速度达到了23 m/s,并从16时42分开始连续出现3个时次的中气旋。17时高邮龙卷发生时,底层1 km旋转速度仍然维持在18 m/s。从中气旋直径(图 14b)来看,可以看到在16时42分中气旋直径从高层到低层逐渐减小,呈现上大下小的漏斗状结构,并且1 km高度中气旋直径从前一时次3.2 km缩小到2.6 km,表明中气旋在底层内缩,随后1 km中气旋的直径增大到3.6 km,在17时高邮龙卷发生时再次缩小到2.6 km。从切变(图 14c)来看,1 km中气旋切变值逐渐增大,从16时30分的3.6 m/(s·km)增大到9.5 m/(s·km),并在16时42分龙卷发生时刻附近达到最大(13.6 m/(s·km)),之后两个时次切变值有所减弱,但仍维持在10 m/(s·km)以上,在17时高邮龙卷发生时再次达到14 m/(s·km)。
5.2 中气旋与冰雹2015年4月28日江苏省遭遇了大范围的冰雹天气,沿江地区出现直径超过2 cm的冰雹,六合地区冰雹直径超过5 cm,造成了严重的灾害和巨大的经济损失。
这次冰雹过程南京雷达从15时36分开始探测到中气旋,至20时17分共探测到46个中气旋,选取18时06分六合冰雹出现时次附近的雷达回波进行分析。图 15a—c分别对应17时47分0.5°、2.4°和6.0°仰角的雷达反射率因子,图中箭头是在相同的位置。可以看到低层反射率因子出现明显的钩状回波和入流缺口特征,并且由于强烈的旋转,在中层反射率因子图上仍然可以看见入流缺口特征,同时高层反射率因子的大值区位于低层反射率因子的低值区上空。沿低层入流缺口方向(图 15a白色虚线)做剖面,可以看到明显的有界弱回波区(图 15d),以及中高层的回波悬垂,这些都是经典超级单体的结构特征。同时也可以看到,65 dBz的强回波区向上伸展到了9 km左右,这是产生强冰雹超级单体的典型特征。
从径向速度的剖面可以看到,17时47分在水平坐标18和24 km之间有一中气旋(图 16a),其底高约为2.6 km,顶在4 km附近,最大切变高度约为3.2 km,属于高质心中气旋,正、负速度差的值达到23 m/s。一个体扫后的17时53分(图 16b),仍然可以看到在水平坐标38到45 km的中气旋,底高约为2 km,顶高则上升到6.5 km左右,最大切变高度4 km,仍属于高质心中气旋,但此时正、负速度差增大到32 m/s,表明涡旋内部旋转强烈。这与吴芳芳等(2012)统计的盐城雷达冰雹中气旋特征相似。在这之后的18时06分六合出现直径5 cm的冰雹。
将17时28分—18时的基数据各层径向速度数据进行解析,得出此次冰雹过程中气旋各层的特征量(图 17)。从旋转速度上看(图 17a),冰雹发生前,中气旋旋转速度大于20 m/s基本在2 km以上,到17时47分冰雹发生时,旋转速度大值区较前一时次从2 km向上伸展到3 km高度,并在17时53分上升到4 km附近,这与龙卷的分布明显不同。从中气旋直径来看(图 17b),冰雹发生时刻中气旋直径呈现上小下大的分布,与龙卷分布相反,表明与龙卷相比,较小尺度的旋转主要发生在高层。从切变值来看(图 17c),切变值大于15 m/(s·km)的区域基本处于3 km高度以上,且在冰雹发生时刻17时47分达到4 km高度,这表明与龙卷相比,冰雹发生时中气旋切变值大值区主要位于高层,而龙卷则位于低层。
6 结论利用南京多普勒雷达2005—2013年探测到的中气旋资料,对影响江苏的中气旋进行了时间和空间分布分析,同时对中气旋底高、顶高、切变强度和直径等特征量进行了统计研究,并着重对持续3个体扫的中气旋进行分析,得到以下结论:
(1) 南京雷达探测到的中气旋主要发生在春季和夏季,且主要集中在距离雷达50—100 km范围内,以7月出现次数最多,出现时段主要在16—21时。70%的中气旋底高在3.5 km以下,其中2 km以下中气旋占35%,顶高的分布主要集中在4—5 km。68%中气旋直径在2—5 km,最强切变主要在10 m/(s·km)以下。
(2) 通过对3个体扫及以上的中气旋过程进行统计,可以发现95.6%的过程与强对流天气相关。将特征值进行统计分析发现与冰雹相关的中气旋底高和顶高是最高的,属于高质心中气旋,而与龙卷相关的中气旋底高和顶高在3种强对流天气中是最低的,属于低质心中气旋,且风切变最大。
(3) 通过分析产生典型龙卷和冰雹的中气旋个例,尤其是对径向速度垂直剖面特征分析和对不同仰角中气旋特征分析,揭示了不同强对流发生前及发生时中气旋的结构特征,可以帮助预报人员识别和预警不同类型的强对流天气。
包云轩, 覃文娜, 高苹, 等. 2012. 江苏省近30年冰雹灾害的时空变化规律. 自然灾害学报, 21(5): 197–206. Bao Y X, Qin W N, Gao P, et al. 2012. Spatiotemporal change patterns of hail disaster in Jiangsu Province during recent 30 years. J Natural Disaster, 21(5): 197–206. (in Chinese) |
范雯杰, 俞小鼎. 2015. 中国龙卷的时空分布特征. 气象, 41(7): 793–805. Fan W J, Yu X D. 2015. Characteristics of spatial-temporal distribution of tornadoes in China. Meteor Mon, 41(7): 793–805. DOI:10.7519/j.issn.1000-0526.2015.07.001 (in Chinese) |
方翀, 郑媛媛. 2007. 新一代天气雷达中气旋产品特征值统计和个例分析. 气象, 33(11): 16–20. Fang C, Zheng Y Y. 2007. The analysis of mesocyclone product from the Doppler weather radar. Meteor Mon, 33(11): 16–20. (in Chinese) |
冯晋勤, 汤达章, 俞小鼎, 等. 2010. 新一代天气雷达中气旋识别产品的统计分析. 气象, 36(8): 47–52. Feng J Q, Feng D Z, Yu X D, et al. 2010. The accuracy statistics of mesocyclone identification products from CINRAD/SA. Meteor Mon, 36(8): 47–52. DOI:10.7519/j.issn.1000-0526.2010.08.007 (in Chinese) |
刘娟, 朱君鉴, 魏德斌, 等. 2009. 070703天长超级单体龙卷的多普勒雷达典型特征. 气象, 35(10): 32–39, 131. Liu J, Zhu J J, Wei D B, et al. 2009. Doppler weather radar typical characteristics of the 3 July 2007 Tianchang supercell tornado. Meteor Mon, 35(10): 32–39, 131. DOI:10.7519/j.issn.1000-0526.2009.10.004 (in Chinese) |
邵玲玲, 孙婷, 邬锐, 等. 2004. 多普勒天气雷达中气旋产品在强风预报中的应用. 气象, 31(9): 34–38. Shao L L, Sun T, Wu R, et al. 2004. Application of WSR-88D radar mesocyclone products to prediction of mesoscale severe wind. Meteor Mon, 31(9): 34–38. (in Chinese) |
陶岚, 戴建华, 孙敏. 2016. 一次雷暴单体相互作用与中气旋的演变过程分析. 气象, 42(1): 14–25. Tao L, Dai J H, Sun M. 2016. Analysis on interaction of thunderstorms and evolution of mesocyclones. Meteor Mon, 42(1): 14–25. DOI:10.7519/j.issn.1000-0526.2016.01.002 (in Chinese) |
吴芳芳, 俞小鼎, 张志刚, 等. 2012. 对流风暴内中气旋特征与强烈天气. 气象, 38(11): 1330–1338. Wu F F, Yu X D, Zhang Z G, et al. 2012. The characteristics of the mesocyclone and severe weather associated with convective storms. Meteor Mon, 38(11): 1330–1338. (in Chinese) |
夏文梅, 徐芬, 吴海英, 等. 2007. 多普勒天气雷达探测中气旋分析. 气象科学, 27(6): 655–660. Xia W M, Xu F, Wu H Y, et al. 2007. Analysis of mesocyclones from Doppler weather radar observations. Sci Meteor Sinica, 27(6): 655–660. (in Chinese) |
徐芬, 郑媛媛, 肖卉, 等. 2016. 江苏沿江地区一次强冰雹天气的中尺度特征分析. 气象, 42(5): 567–577. Xu F, Zheng Y Y, Xiao H, et al. 2016. Mesoscale characteristics of a severe hail event over the area along Yangtze River in Jiangsu. Meteor Mon, 42(5): 567–577. (in Chinese) |
俞小鼎, 王迎春, 陈明轩, 等. 2005. 新一代天气雷达与强对流天气预警. 高原气象, 24(3): 456–464. Yu X D, Wang Y C, Chen M X, et al. 2005. Severe convective weather warnings and its improvement with the introduction of the NEXRAD. Plateau Meteor, 24(3): 456–464. (in Chinese) |
俞小鼎, 姚秀萍, 熊廷南, 等. 2006a. 多普勒天气雷达原理与业务应用. 北京: 气象出版社: 116-209. Yu X D, Yao X P, Xiong T N, et al. 2006a. Principle and Operational Application of Doppler Weather Radar. Beijing: China Meteorological Press: 116-209. |
俞小鼎, 郑媛媛, 张爱民, 等. 2006b. 安徽一次强烈龙卷的多普勒天气雷达分析. 高原气象, 25(5): 914–924. Yu X D, Zheng Y Y, Zhang A M, et al. 2006b. The detection of a severe tornado event in Anhui with China new generation weather radar. Plateau Meteor, 25(5): 914–924. (in Chinese) |
俞小鼎, 郑媛媛, 廖玉芳, 等. 2008. 一次伴随强烈龙卷的强降水超级单体风暴研究. 大气科学, 32(3): 508–522. Yu X D, Zheng Y Y, Liao Y F, et al. 2008. Observational investigation of a tornadic heavy precipitation supercell storm. Chinese J Atmos Sci, 32(3): 508–522. (in Chinese) |
曾明剑, 吴海英, 王晓峰, 等. 2016. 梅雨期龙卷环境条件与典型龙卷对流风暴结构特征分析. 气象, 42(3): 280–293. Zeng M J, Wu H Y, Wang X F, et al. 2016. Analysis on environmental conditions and structural features of typical convective tornado storm in Meiyu period. Meteor Mon, 42(3): 280–293. DOI:10.7519/j.issn.1000-0526.2016.03.003 (in Chinese) |
赵坤, 周仲岛, 潘玉洁, 等. 2008. 台湾海峡中气旋结构特征的单多普勒雷达分析. 气象学报, 66(4): 637–651. Zhao K, Zhou Z D, Pan Y J, et al. 2008. Single-Doppler radar analysis of a mesocyclone in the Taiwan Strait. Acta Meteor Sinica, 66(4): 637–651. DOI:10.11676/qxxb2008.060 (in Chinese) |
郑媛媛, 朱红芳, 方翔, 等. 2009. 强龙卷超级单体风暴特征分析与预警研究. 高原气象, 28(3): 617–625. Zheng Y Y, Zhu H F, Fang X, et al. 2009. Characteristic analysis and early-warning of tornado supercell storm. Plateau Meteor, 28(3): 617–625. (in Chinese) |
郑媛媛, 张备, 王啸华, 等. 2015. 台风龙卷的环境背景和雷达回波结构分析. 气象, 41(8): 942–952. Zheng Y Y, Zhang B, Wang X H, et al. 2015. Analysis of typhoon tornado weather background and radar echo structure. Meteor Mon, 41(8): 942–952. DOI:10.7519/j.issn.1000-0526.2015.08.003 (in Chinese) |
周后福, 施丹萍, 刁秀广, 等. 2014. 2013年7月7日苏皖龙卷环境场与雷达特征分析. 干旱气象, 32(3): 415–423. Zhou H F, Shi D P, Diao X G, et al. 2014. Analysis on environment field and radar echoes feature of a tornado in Jiangsu and Anhui provinces on 7 July 2013. J Arid Meteor, 32(3): 415–423. (in Chinese) |
朱君鉴, 王令, 黄秀韶, 等. 2005. CINRAD/SA中气旋产品与强对流天气. 气象, 31(2): 38–42. Zhu J J, Wang L, Huang X S, et al. 2005. Hail forecasting related to mesocyclone product of CINRAD/SA. Meteor Mon, 31(2): 38–42. DOI:10.7519/j.issn.1000-0526.2005.02.009 (in Chinese) |
Bellon A, Zawadzki I. 2003. A 9-year summary of radar characteristics of mesocyclonic storms and of deep convection in Southern Québec. Atmos Ocean, 41(2): 99–120. |
Brooks H E, Doswell C A, Wilhelmson R B. 1994. The role of midtropospheric winds in the evolution and maintenance of low-level mesocyclones. Mon Wea Rev, 122(1): 126–136. DOI:10.1175/1520-0493(1994)122<0126:TROMWI>2.0.CO;2 |
Doswell C A, Burgess D W. 1993. Tornadoes and Tornadic Storms:A review of conceptual models. Washington D C:Amer Geophys Union: 161–172. |
Fujita T T. 1981. Tornadoes and downburst in the context of general planetary scales. J Atmos Sci, 38(8): 1511–1534. DOI:10.1175/1520-0469(1981)038<1511:TADITC>2.0.CO;2 |
Jones T A, McGrath K M, Snow J T. 2004. Association between NSSL mesocyclone detection algorithm-detected vortices and tornadoes. Wea Forecasting, 19(5): 872–889. DOI:10.1175/1520-0434(2004)019<0872:ABNMDA>2.0.CO;2 |
Mashiko W. 2016. A numerical study of the 6 May 2012 Tsukuba City supercell tornado. Part Ⅰ:Vorticity sources of low-level and midlevel mesocyclones. Mon Wea Rev, 144(3): 1069–1092. DOI:10.1175/MWR-D-15-0123.1 |
Miller M L, Lakshmanan V, Smith T M. 2013. An automated method for depicting mesocyclone paths and intensities. Wea Forecasting, 28(3): 570–585. DOI:10.1175/WAF-D-12-00065.1 |
Schumacher P N, Boustead J N. 2011. Mesocyclone evolution associated with varying shear profiles during the 24 June 2003 tornado outbreak. Wea Forecasting, 26(6): 808–827. |
Trapp R J, Stumpf G J, Manross K L. 2005. A reassessment of the percentage of tornadic mesocyclones. Wea Forecasting, 20(4): 680–687. DOI:10.1175/WAF864.1 |
Wapler K, Thomas H, Pieter G. 2016. Mesocyclones in central Europe as seen by radar. Atmos Res, 168: 112–120. DOI:10.1016/j.atmosres.2015.08.023 |
Zhao K, Wang M J, Xue M, et al. 2017. Doppler radar analysis of a tornadic miniature supercell during the landfall of typhoon Mujigae (2015) in South China. Bull Amer Meteor Soc, 98(9): 1821–1831. DOI:10.1175/BAMS-D-15-00301.1 |
Zrnić D S, Burgess D W, Hennington L D. 1985. Automatic detection of mesocyclonic shear with Doppler radar. J Atmos Ocean Technol, 2(4): 425–438. DOI:10.1175/1520-0426(1985)002<0425:ADOMSW>2.0.CO;2 |