地球物理学进展  2014, Vol. 29 Issue (3): 1013-1022   PDF    
引用本文
马雷鸣. 2014. 国内台风数值预报模式及其关键技术研究进展[J]. 地球物理学进展, 29(3): 1013-1022, doi: 10.6038/pg20140305  
MA Lei-ming. 2014. Research Progress on China typhoon numerical prediction models and associated major techniques. Progress in Geophysics, 29(3): 1013-1022, doi: 10.6038/pg20140305   
国内台风数值预报模式及其关键技术研究进展
马雷鸣    
中国气象局上海台风研究所, 上海 200030
收稿日期: 2013-8-6 修回日期: 2014-1-8 .
作者简介：马雷鸣，男，教授，研究方向为热带气旋、数值预报和大气动力学.（E-mail：malm@mail.typhoon.gov.cn）
摘要：我国是世界上受台风灾害影响最严重的国家之一.减轻台风灾害首先依赖于台风预报能力，这主要取决于台风数值预报模式及其关键技术的发展水平.本文简要回顾了国内台风数值预报模式的发展历程；介绍了目前国内模式在台风初始化和物理过程等方面的关键技术特点；分析了模式技术中存在的主要问题，并就今后的技术发展提出了建议.文中指出，一方面，尽管基于经验假设的涡旋构造技术在典型台风的分析和预报中仍发挥着重要作用，但为提高对异常台风路径和强度变化的预报，需要加强卫星等观测资料在模式分析中的应用.另一方面，通过加强模式细网格条件下的物理过程参数化研究，可以更加合理地刻画台风中小尺度物理过程，进一步提高台风强度、风雨预报性能.
关键词： 台风     数值预报     资料同化     初始化     参数化    
Research Progress on China typhoon numerical prediction models and associated major techniques
MA Lei-ming    
Shanghai Typhoon Institute, Shanghai 200030, China
Abstract: China is one of the countries affected by the most serious typhoon disasters. The promotion of the capability of typhoon disaster prevention mainly depends on the accuracy of typhoon prediction, which relies on the performance of numerical prediction models. In this paper, history of the development of typhoon numerical models and associated techniques in China is briefly reviewed. Subsequently, major features of numerical prediction techniques on typhoon initialization and physics parameterization are addressed, in which the techniques developed by the China Typhoon 973 project during 2009-2013 are emphasized. Vortex Initialization scheme based on Retrieved Variables (VIRV) was developed to enhance the analysis of typhoon intensity. The VIRV scheme was verified effective in enhancing the dynamical balance of typhoon, which is the basis of realistic typhoon numerical prediction. To better describe the air-sea interaction process, a regional air-sea coupled model is constructed by using Global and Regional Assimilation and Prediction System-Tropical Cyclone Model (GRAPES-TCM) and Estuarine, Coastal and Ocean Model (ECOM). Verifications show that TC intensity produced by the coupled model is more accurate than that by single atmospheric model which ignores ocean effect. Convection and radiation schemes are modified to reproduce the genesis, growth of convection and its subsequent interaction with atmospheric radiation. Moreover, the transfer of momentum between the atmosphere and the ocean is described in terms of a drag coefficient levels off as the wind speeds increase above typhoon force. Finally, major problems for the current typhoon numerical models are presented. It is stressed that, although bogus vortex has been found to be effective in prediction of typical typhoon tracks, more satellite data should be employed in typhoon initialization to enhance the prediction of unusual phenomenon of typhoons. The paper also suggests that more effors should be put into physical parameterization for high-resolution model to better describe mesoscale which leads to the difficulty of prediction on small scale processes and typhoon rainfall and intensity change.
Key words: typhoon     numerical prediction     data assimilation     initialization     parameterization    
0 引 言

数值预报方法是目前国内外台风业务预报的主要工具.近年来，台风路径预报性能稳步提高，而台风强度、风雨的预报进展缓慢.主要原因在于，路径预报一般依赖于大尺度过程，只要数值模式能够合理描述大的环流背景，即可对台风路径做出较合理的预报.而台风强度、风雨预报依赖于台风内核动热力过程及其与环境场的关系，是一个多尺度的问题；它依赖于数值模式对台风涡旋结构、多尺度物理过程等的合理描述.因此，为改进台风强度和风雨预报，需要加强对台风模式初始化、物理过程参数化、海气耦合模式等的改进研究.本文简要回顾了我国台风数值预报模式和关键技术发展的历程，尤其是近五年来在国家973项目支持下，我国在全球和区域数值预报模式、台风初始化(资料同化)、物理过程参数化和台风海气耦合模式等方面的研究进展.首先，在台风初始化方面，将涡旋同化技术(Wang et al., 2008)、涡旋重定位方法与模式约束三维变分同化技术(MC-3DVAR)(Liang et al., 2007)结合，提出了涡旋循环初始化方法；该方法在基于观测构造台风涡旋信息基础上，通过初始化过程中的模式约束可以得到动力、热力相互协调的台风结构和环境场，优化台风初始条件，提高了GRAPES-TCM模式的台风路径预报精度(黄伟和梁旭东，2010).还将涡旋初始化与基于QuikSCAT卫星反演的海面风(Ma and Tan， 2010；马雷鸣，2011)、卫星TBB资料(Liu et al., 2013)和雷达等多种资料同化相结合，以改进台风结构(马雷鸣，2013)和强度的初始分析和预报.其次，在物理过程参数化方面，对流参数化对于台风模式的对流的发生、发展具有极其重要的作用.Ma和Tan(2009)提出了基于水汽平流作用的对流触发新机制并应用于Kain-Fritsch对流参数化方案.这一方法使对流发生位置以及对流与环境场的相互作用更加合理，减少了弱环境场条件下的降水空报现象，并改进登陆台风路径预报.该参数化方案在经系统性检验的基础上，已被引入美国NCAR/WRF模式V3.3版本.在边界层/陆面参数化与观测应用结合方面，观测事实表明(Powell et al., 2003)，在大风条件下，边界层拖曳系数并不随风速的增长而单调递增，而在风速加强到一定程度时(由于海洋飞沫的作用)递减或保持不变；原因可能是台风内核附近的风应力受到海洋飞沫作用的限制: 海洋飞沫及其所形成的厚的飞沫层可使海洋表面更为平滑、拖曳系数减小.据此，上海台风研究所在GRAPES-TCM模式中改进了边界层拖曳系数参数化方案，不仅在一定程度上提高了台风强度的预报能力，而且在不引入海洋模式的条件下，较好地刻画了海洋对台风的主要作用，同时减少了模式计算量(马雷鸣等，2009).广州热带海洋气象研究所最近也基于观测试验，分析得到了近海的海表拖曳系数与最大风速的关系，能够改进台风强度的模拟.此外，辐射过程通过与台风云系的相互作用，影响了台风的能量平衡，台风973项目新近研发的四流近似高精度辐射算法(Zhang et al., 2013)比仅考虑单层云系的二流近似方案可使辐射加热误差减少6%以上，可更好地描述复杂云系条件下的辐射过程，改进台风预报.第三，基于大气模式，结合海洋模式考虑海温、海浪对台风的影响，建立了区域台风海-气耦合模式.该模式考虑了台风条件下的有效浪高、浪周期的变化对海面粗糙度和海-气间热量通量的影响.对实际台风个例数值试验结果表明，模式所刻画的海气相互作用符合观测事实，对台风强度预报有改善. 1 国内台风数值预报模式的发展

我国台风数值预报业务模式发展起源于20世纪60年代(表 1)，早期主要是发展区域数值模式，经历了从区域到全球模式、从线性插值到三维变分资料化、从简单的人造涡旋技术升级到资料同化与模式约束相结合的涡旋初始化、从确定性预报到集合概率预报的升级，经历了自主研发、引进和消化吸收、创新发展的历程.几代科研人员不断努力，逐步提高了我国的台风数值预报业务模式水平.目前已经形成了全球、区域各有侧重、引进和自主研发协调发展、确定性预报与集合预报互为补充的模式发展局面.

表 1 国内台风业务模式的发展历程 Table 1 History of development in typhoon operational numerical models of China

以下按照业务需求和预报对象的不同，按确定性区域、全球模式和集合预报模式进行分类介绍.其中，确定性区域模式主要面向区域层面的预报业务需求，预报2~3天内影响华东、华南的台风路径和风雨、强度预报；全球模式主要面向国家级业务需求，在描述全球环流形势背景的基础上，预报5天内可能影响我国的台风路径；台风集合预报模式通过考虑全球和区域模式及其初始条件的不确定性，建立集合成员，提供台风集合概率预报结果. 1.1 区域模式

我国台风预报区域模式的发展起源于上海市气象局于20世纪60年代自主建立的正压模式(上海台风模式、东海台风模式)，主要用于东海台风预报.该模式之后经历了70年代建立的准地转平衡模式，80年代建立的5层原始方程模式.90年代开始从美国引进MM4模式，2003年升级到MM5模式，并使用人造涡旋(Bogus)技术进行台风初始化.2005年，在引进并发展了BDA(Bogus Data Assimilation，Zou and Xiao， 2000；Wang et al., 2008)技术的基础上，实现了上海台风模式业务升级，并稳定运行至今.在引进国外技术的同时，上海市气象局(上海台风研究所)也在前期台风数值预报理论和技术积累的基础上，不断加强自主技术的研发.自2004年开始，上海台风研究所基于中国气象局区域GRAPES模式(Chen et al., 2008)进行了新一代区域台风模式的开发，基于美国GFDL的涡旋重定位技术(Kurihara et al., 1993)，发展了水平分辨率为0.25°的GRAPES-TCM台风数值预报系统(黄伟等，2007；马雷鸣等，2009).该模式背景场采用NCEP/GFS全球模式水平分辨率为1°×1°的分析和预报场，垂直层次为26层，最高达到10 hPa.对2004年整个汛期台风的后报试验基础上，该模式在2005年投入准业务运行.2004年和2005年，GRAPES-TCM的路径预报24小时距离误差在150 km左右，48小时距离误差在250 km左右；2006年正式投入业务使用，每日2次预报(世界时00时，12时，下同).GRAPES-TCM系统在2007年汛期之前进行了升级，如为处理多台风，扩大了预报区域到90°E-170°E，0°N-50°N(覆盖了西北太平洋大部分海域);将预报时效延长到72小时；每日预报次数从2次增加到4次(起报时间为00、06、12、18时).在涡旋重定位的基础上循环使用区域模式预报(约束)的涡旋，使24 h路径预报误差减小到133 km，48 h路径预报误差在248 km左右.对该模式路径预报性能检验初步明确了存在的不足和改进方向(马雷鸣等，2008).2009年，在GRAPES-TCM模式中使用MC-3DVar同化方法取代BDA技术中的四维变分方法，开发了循环同化方法(黄伟和梁旭东，2010).与4DVar相比，MC-3DVar 技术不需要长时间积分伴随模式，因此对计算资源要求不高；同时，MC-3DVar可将数值模式全动力、物理过程作为约束条件引入到初始化过程中，得到比常规3DVar更优的模式初始场.该涡旋循环同化方法在2009年台风季节准业务运行；与原业务系统相比，该方法对西北太平洋台风24/48 h路径预报误差由151 km/231 km下降到130 km/201 km.在物理过程参数化方面，自2010年至今，针对对流参数化方案触发机制(Ma and Tan， 2009)和大风条件下的边界层拖曳系数等进行了改进(马雷鸣等，2009).上述方法使得GRAPES-TCM模式0~48 h的路径预报误差逐年下降.最近，研究将边界层模式约束、卫星反演海面风、云顶亮温资料同化应用于台风初始化也取得进展(Ma and Tan， 2010; 马雷鸣，2011；Liu et al., 2013)，将尝试在GRAPES-TCM中应用.

针对南海台风预报，广州热带海洋气象研究所于2006年基于GRAPES区域模式开发建立了南海台风模式系统(GRAPES-TMM).该模式目前在IBM高性能计算机上运行，每天两次120小时积分稳定运行.南海台风模式水平分辨为0.36°，模式范围为81.6°E-160.8°E，0.8°N -50.5°N，垂直层数为55层.模式利用三维变分(GRAPES-3DVar)同化台风Bogus涡旋，该涡旋利用实测台风中心位置、强度、八级风半径和移动速度构造，可考虑非对称结构.此外，模式还同化了自动气象站、多普勒雷达、卫星、飞机报等观测资料.模式物理过程参数化方案包括：SAS对流参数化、MRF边界层、WSM6微物理过程、SLAB陆面过程、以及RRTM长波辐射方案.目前该模式对南海台风预报性能良好.

1.2 全球模式

国家气象中心于2002年开始利用T213全球谱模式开展台风路径数值预报研究，该模式采用人造台风涡旋方法并使用最优插值同化常规资料，于2004年业务化运行，每日运行4次(00、06、12、18时)，预报时效为120 h.2006年国家气象中心开发了三维变分同化系统SSI(Spectral statistical interpolation)，通过同化NOAA-15、NOAA-16卫星资料，明显提高了T213台风路径预报能力(瞿安祥等， 2009a，b)，2008年在国家气象中心业务化运行.该模式台风路径预报性能近年来稳步提高，24 h/48 h台风路径预报误差从2004年的150 km/260 km左右下降到2012年的110 km/200 km左右.2009年起，模式提供的台风路径预报参加了国际台风路径数据交换.在T213基础上，国家气象中心近年来研发了分辨率更高的T639全球模式，于2008年业务运行(麻素红等，2012).2009年8月，在T639的同化循环中加入了涡旋初始化技术.

1.3 集合预报模式

针对台风预报，除了考虑上述确定性模式外，通过集合预报有利于加强对台风预报不确定性的把握，这在国际上已成为提高台风(尤其是异常变化台风)业务预报能力的重要途径之一.如世界气象组织(WMO)的TIGGE计划(THORPEX Interactive Gr and Global Ensemble汇集了全球多个主流数值预报中心和TIGGE成员单位的台风路径预报产品.集合预报还可与资料同化方法相结合，如Hamill等(2011)检验分析了基于EnKF方法进行初始化的全球模式集合预报效果；该方法已应用于NCEP/GFS和NOAA/FIM(Flow-following finite-volume Icosahedral Model)全球集合预报试验系统，测试结果表明，这两套系统的路径预报误差低于ECMWF，NCEP，CMC和UKMO业务系统的误差.我国国家气象中心、上海台风研究所等基于全球模式、区域模式等开展的多模式/多方法集合预报也已提供业务化的台风概率预报产品，在实际台风业务预报中发挥了越来越重要的作用.2006年国家气象中心在T213台风路径数值预报业务模式作为控制预报的基础上，采用BGM技术对背景场进行扰动，开发了具有15个集合成员的台风集合预报试验系统(包括1个控制预报和14扰动预报成员)，有台风时每日运行两次，提供120 h台风路径预报.2007年开始在业务中对分析场中的浅涡旋进行强度调整.2009年，将新研发的台风涡旋二次嵌入技术(吴俞等，2011)引入到T213台风路经集合预报系统的背景场扰动中.目前T213全球模式台风集合预报系统主要提供集合预报路径和路径袭击概率产品，可以较好地描述台风路径的不确定性，在台风业务预报中发挥了重要作用.上海台风研究所基于GRAPES-TCM模式构建了区域台风集合预报业务系统，集合预报系统由1个控制预报成员和8个扰动预报成员组成，进行0~72 h预报.集合预报系统采用涡旋重定位技术构造台风初始场.集合预报系统的扰动成员采用增长模繁殖法(BGM)生成，在初始时刻前36 h进行增长模的培植，培植时间间隔为12 h.在2008-2009年业务试验的基础上，2010年GRAPES区域台风集合预报系统实现业务运行，提供集合预报路径、集合成员路径、路径袭击概率以及天气要素的集合预报产品.

2 台风涡旋初始化关键技术研究进展

2.1 涡旋初始化技术简介

模式初始化是基于观测和背景场资料通过动力和热力约束形成数值模式初始场的过程.由于海洋上观测资料的缺乏，早期的台风模式初始化方法是根据经验和少量构造Bogus涡旋.这种方法基于热带气旋的位置，强度和尺度等有限的资料，利用了梯度风平衡或者经验的热带气旋风廓线分布，构造出的Bogus涡旋通过插值或变分同化方法融合到模式初始分析场中.尽管这种方案能改善对热带气旋的路径预报性能，但Bogus的构建主要基于经验假设；且其采用的简单动力约束与热带气旋模式并不协调，因而预报初期阶段的模式启动(spin up)过程非常明显.Zou and Xiao(2000)将Bogus与资料同化相结合，提出了Bogus资料同化(BDA)的思想，它将热带气旋涡旋的初始化和资料同化结合在一起.首先根据经验构造海平面气压场，之后通过四维同化技术将海平面气压同化进初始场，在同化过程中，其它物理量场都在模式约束下进行调整以适应气压场.这种做法与早期Bogus方案的最大不同在于：通过四维同化技术，进入的Bogus结构与背景场更为协调.上海台风研究所对这两种方案的评估结果也表明，BDA技术对热带气旋的路径和强度预报均比一般的Bogus方案有更佳.然而，由于使用了四维变分同化的BDA技术需要较大的计算量，在一定程度上限制了其在业务中的应用.为此，Liang等(2007)通过在资料同化目标函数中引入模式的动力和物理过程作为弱约束，提出了MC-3DVar技术，使同化得到的变量间具有更好的协调性，同时相对于四维变分同化大大节省了计算时间.这一技术在GRAPES-TCM业务模式中的应用，对台风预报有明显改进效果.

2.2 基于卫星资料和边界层动力约束的涡旋初始化技术

上述涡旋初始化方法在一定程度上提高了台风路径的数值预报能力.然而，由于考虑了诸多假设条件和经验统计关系，趋于对称的Bogus结构与实况(尤其是具有特殊非对称结构的台风)常有较大差距，导致台风预报误差较大.为此，加强海上有限的台风观测资料的应用成为解决这一难题的主要途径.近年来，国际上尝试将卫星、雷达、飞机等多源资料与同化方法结合应用于台风初始化和数值预报，如云迹风(Wang et al., 2006)、微波辐射计(Weng et al., 2007)、机载雷达(Zhang et al., 2011)、SSMIS/AMSU-A/MHS/ATMS卫星微波资料等在台风预报中的同化应用.在这些资料中，卫星由于其覆盖范围以及对于台风海上观测的可用性，为台风业务预报提供了良好的观测基础.本节主要介绍了卫星资料和(边界层)动力约束与涡旋初始化相结合的方法.由于认识到边界层过程对于台风对流触发及其发展的重要性，有可能应用于改进台风强度预报，Ma and Tan(2010)提出了卫星海面风观测和边界层模式结合进行台风初始化的方法(以下简称VIRV方法)：基于海面风资料和边界层动力约束能够反演出满足梯度风近似、反映边界层卷涡次级环流等台风结构特点的风压场，并同化应用于改进台风模式初始条件.这不仅避免了传统的基于准地转近似的3DVAR方法对于台风的不适用问题，而且在模式初始场中引入了符合观测事实的台风结构，加强了模式初始场与全模式约束间的动力协调性，考虑了4DVAR方法的优点.

VIRV的过程共分为5步：

(1)在QuikSCAT资料所覆盖的中纬度区域每个格点，利用边界层模式估计边界层顶的气压梯度，并进行梯度风订正；

(2)在热带地区，边界层顶的气压梯度根据一个混合层边界层模式估计；

(3)基于最小二乘方法由气压梯度拟合出均值为零的最优相对气压场；

(4)根据(3)得到的相对气压和参考气压值(由浮标站观测或数值模式背景场分析得出)得到海平面气压；

(5)将海平面气压场同化进入中尺度数值模式.

其中中纬度海平面气压反演采用Patoux等(2003)的方法.在每个有QuikSCAT海面风矢量观测的格点处，边界层垂直风廓线由经验Ekman层廓线和近地面层廓线两部分构成.在边界层顶假设地转风平衡，即边界层顶的地转风(G)可通过(1)式由海面风(Uh)得到:

这里VT为热成风，V2为次级涡旋扰动，α为边界层内风在垂直方向的旋转角度.由于在假设地转风平衡的情况下将低估(高估)气旋(反气旋)条件下的气压梯度，必须再作梯度风订正(Patoux and Brown， 2002).

在热带地区，由于风压场不再满足梯度风平衡关系.可使用混合层模式(Stevens et al., 2002)对气压场进行估计.在厚度为h的边界层对稳定态运动方程进行整层积分，得到如下方程：

其中，U和P分别为边界层平均风速和海平面气压. τ(0)和τ(h)分别为地表和边界层顶的湍流应力.

求出气压梯度后，再根据最小二乘法得到气压场p

其中，算子 ；a为地球半径，λ为经度，φ为纬度.

由(1~3)式结合海上的浮标或船舶站的气压观测作为参考值，可得到中纬度地区和热带地区的气压场分布.

反演出海平面气压场后还需要将该资料同化分析到台风模式的初始场中.这些方法包括：如最优插值(OI)、和张弛逼近(nudging)、变分同化(3DVAR/4DVAR)、集合卡尔曼滤波等.Ma and Tan(2010)采用了较成熟的三维变分同化方法(Barker et al., 2004)，通过迭代最小化一个由观测误差和背景场误差构成的代价函数J(x)得到最接近观测的最优分析场(x)(Ide et al., 1997)，代价函数定义为

(4)式对每个格点的误差分析，使用了三种误差的加权，包括背景误差，观测误差和代表性误差，它们的误差协方差矩阵分别为 B、E和F.其中代表性误差表示了观测算子(H)在对格点分析场和观测量间的转换过程中引入的误差，该误差不仅与分辨率有关，而且还包括了观测算子线形近似所引入的误差.观测和背景误差协方差在统计上满足平均误差为零的高斯概率密度函数分布，忽略了观测误差与背景误差的相关.在同化过程中，为加速海平面气压信息对风场的强迫，在分析时刻前6小时同化反演的海平面气压一次，然后模拟6小时到达该分析时刻，再同化海平面气压一次，之后进行预报.对登陆中国的台风敏感性数值试验研究发现，VIRV方法在实现台风风场与气压场的动力平衡的基础上，可通过调整边界层入流结构和垂直风切变改变对流触发条件.随着模式积分时间的增长，这种模式边界层过程与资料同化相互耦合的方法对台风强度预报影响会逐渐增大.

2.3 基于卫星资料和热力约束的涡旋初始化技术

2.2节中的方法主要是通过实现台风结构的动力平衡来改进台风初始化和预报，热力结构主要通过模式积分进行调整，观测的热力结构并未直接体现在台风初始场中.Ma等(2007)提出利用多种卫星反演降水资料调整模式非绝热加热廓线，通过物理约束进行台风初始化的新方法.其思路与传统的基于积云参数化方案伴随和卫星降水资料进行台风初始化的方法相比，能够提高模式初始化过程中的物理-动力协调性，对改善模式Spin-up问题和台风降水预报有正效果，还可大幅节约计算机时，适于业务使用.在台风973项目支持下，Liu等(2013)提出了一种基于卫星资料调整台风模式初始热力场的方法，应用风云2号卫星的云顶亮温(CTBT)判定深对流区，通过张弛逼近技术(Nudging)(Davolia and Buzzi， 2004; Orl and i et al., 2010)改善热带气旋深对流区域湿度结构.首先，与涡旋重定位技术相似，将涡旋位置调整到与观测基本一致，然后采用Nudging同化方案改善台风涡旋的湿度结构和深对流分布.该方案假设深对流区域的对流层中低层大气接近饱和，然后通过卫星观测的云顶亮温(CTBT)将对流性降水从层云降水中分离出来，并且调整深对流区域的模式湿度廓线.湿度Nudging方案将辐射传输模式CRTM计算的CTBT和风云2号卫星观测的CTBT进行对比，然后调整观测热带气旋深对流活跃区对应的模式区域格点湿度廓线.而观测为非深对流的模式区域湿度廓线则可以通过模式的水平平流得到间接调整.在整个Nudging过程中，通过不断对比卫星观测和CRTM辐射传输模式导出的红外亮温，然后根据对流发展情况适当调整湿度廓线，使得模式湿度结构逐渐改善，进而改进对台风深对流结构的刻画和台风强度、路径模拟.这一技术今后也有待与台风强度估测技术(刘喆等，2008)相结合进一步完善.

需要说明的是，尽管目前台风业务模式中的台风初始化技术仍主要以Bogus涡旋及其衍生技术为主，但随着卫星资料应用及其同化技术的提高，在资料可业务获取的前提下，以上方法可望应用于台风业务模式预报改进.

3 台风模式中的物理过程及其参数化方案改进

3.1 对流参数化方案改进

对流在台风的发展中发挥着核心作用.在数值模式中，对流参数化是为总体反映次网格尺度对流作用而设计.对流参数化合理设计对于描述台风及其对流发展至关重要.由于考虑了较完整的云通量方案，Kain-Fritsch对流参数化方案(Kain and Fritsch， 1993;以下简称KF93)在目前台风模式研究和业务应用中广泛应用，对台风对流和降水有一定的预报能力.然而，一些研究也指出了该方案的不足，如在边缘不稳定(marginally unstable)、弱环境场条件下常虚报大范围的小量级降水(Warner and Hsu， 2000).这一缺陷也在Ma and Tan(2009，以下简称MT09)研究中证实.MT09基于MM5模式对2006年登陆我国华东沿海的多个台风个例数值试验表明，在台湾海峡地区，由于地形阻挡和中纬度系统相互作用，这里可形成引导气流不明显的弱环境场，此时KF93方案鉴于对流触发条件是决定降水发生的首要因子，这可能与对流触发机制的参数化密切相关.

KF93方案的对流触发方程基于拉格朗日气块法估计对流云发展所需的不稳定能量和区域.首先需要在气块抬升凝结高度(LCL)，将气块的温度与环境大气温度相比较，以确定上曳气流的源地.然而，一般而言，在对流发生前，气块温度比环境温度低，这导致气块不满足上升所需的浮力条件.因此，基于环境垂直运动有利于对流发展的假设，在参数化中将一个温度初始扰动(δTvv，定义为网格尺度垂直运动的函数)附加到气块现有的温度上，以强迫气块抬升.

δTvv的定义如下：

其中c1为°Cs1/3cm－1/3；wG为抬升凝结高度处的垂直速度(cm·s－1).

当TLCL+δTvv<TENV时，则不满足对流触发的条件，上曳气流的源地层必须在更高一层模式层中再一次判断，依次类推，直到找到源地层为止；反之，如经附加温度扰动的气块温度高于环境大气值，则满足对流触发的条件.在LCL之上的每个模式层，气块垂直速度基于拉格朗日方法估计，同时考虑了环境气流的卷入、对流卷出和水汽输送等.

显然，温度扰动(δTvv)的定义在决定气块上升和触发对流中非常重要.最初Fritsch and Chappell(1980)使用垂直速度来定义温度扰动是基于大气辐合对大气不稳定和加湿作用的认识.然而，最近的研究表明辐合在对流发展中的作用是值得商榷的.例如，Arakawa(2004)强调了水汽平流而不是辐合在决定边界层比湿变化中的作用，而后者决定了对流的发展.在KF93方案中所建立的对流温度扰动与环境辐合所决定的网格尺度垂直运动间的统计关系可能并不合理.MT09的研究表明，只有在水汽充沛的条件下，温度扰动才与垂直运动的分布和强度有密切关系，而在水汽缺乏的区域，它们之间并没有明显的相关.

如果将热力学方程按照一维垂直方向进行简化(针对Kain-Fritsch方案的一维云模式)，则可以得到(6)式的形式.针对(6)中右侧各项分别来定义温度扰动设计的数值试验表明，水汽平流项(右端第三项)在决定温度扰动中的贡献最大(略).

MT09因而提出了一种新的对流触发参数化算法来重新定义对流温度扰动，在算法中特别考虑了水汽平流的作用进而建立了环境强迫(网格尺度)与局地扰动间(对流尺度)的显式关系.该温度扰动由水平方向(δTvvh)和垂直方向(δTvvv)两个分量所构成，同时在两个方向上都引入一个权重因子以考虑水汽平流的贡献，即：

其中δTvvh是每个格点处的温度相对于水平方向上的环境温度(以格点附近9个最近的点的平均温度值表示)的空间距平，而δTvvv表示每个格点在抬升凝结高度处的温度相对于垂直方向上的环境温度(以该格点位置处LCL-1，LCL，LCL+1三层的平均温度表示)的空间距平.Rh和Rv分别为均一化的水平和垂直水汽平流，计算方法如下:

其中，V M为风矢量，Δ qM为水汽梯度；最小水汽平流Min(V M· Δ qM)h，v和最大水汽平流Max(V M· Δ qM)h，v都在与δTvvh和δTvvv同样的空间区域内计算得出.

这里Rh和Rv都是大小介于0和1间的无量纲量.在每个格点区域，越大(越小)的Rh或Rv对应于越强(越弱)的水汽平流以及温度扰动.因此，这种新的算法建立了网格尺度温度扰动(代表环境场强迫)与局地的对流扰动间的关系.对多个台风个例的数值试验结果还显示，新方案通过调整不同环境垂直运动条件下的温度扰动，可抑制弱垂直运动下的对流扰动，增加强垂直运动下的对流扰动，合理体现温度扰动与垂直运动间的非线性关系.基于GRAPES-TCM模式，针对2009年8月6日12时-9日12时台风“莫拉克”登陆过程设计了两组数值试验(控制试验和敏感性试验)以检验新方案对于台风预报的作用.控制试验(CTRL)使用原Kain-Fritsch方案，敏感性试验(KFML)使用改进了对流触发机制的新方案.两组试验初始场均采用上海台风研究所发展的涡旋循环同化技术.基于Rankine涡旋方法构造Bogus涡旋，在8月6日12时之前的初始化过程中，通过原始方程模式约束使涡旋增强后，将增强的涡旋提取出来然后通过MC-3DVAR技术同化进入GRAPES-TCM模式初始场.分析了两个试验模拟的降水情况，结果表明KFML方案对台风环流东侧外螺旋雨带强降水和台湾海峡地区的弱降水都有显著改进.台风路径预报误差由原来的300 km/72 h以上减少到150 km/72 h左右.Yu and Lee(2010)也对该对流触发机制参数化方案进行了较系统性的评估，结果表明，MT09方法可通过影响对流雨带低层的稳定性影响降水的发生发展.该参数化方法目前在NCAR/WRF模式V3.3版本.

需要说明的是，对流参数化密切依赖于模式分辨率.目前水平网格距大于10 km时一般用对流参数化，而在1~10 km时(grey zone)一般视业务和科研需要取舍.事实上，对于台风而言，小于10 km(甚至1 km)尺度的对流过程(如对流热塔)广泛存在，由于水平网格距足够小(如小于1 km)的云分辨模式在台风业务预报中应用尚不现实(计算量巨大，且也需要对浅对流和微物理过程等的参数化，并带来相应的“噪声”和预报不确定性)，业务数值预报对grey zone的高分辨率条件下如何应用对流参数化/微物理参数化提出了迫切需求，也得到了越来越多的研究重视.如Yu and Lee(2010)通过对6 km网格距的模拟发现，与单纯使用微物理参数化相比，对流参数化的引入可改进降水预报.

3.2 大风条件下的海表粗糙度参数化

近年观测表明，由于台风对海洋飞沫的影响，在强风速条件下海面拖曳系数(粗糙度)会随风速增大而减小或不变.然而，在以往的参数化中，由于海上大风观测的困难，该系数一般假设随风速近于线性单调增加.为更好地体现实际观测在数值模式中的使用效果，马雷鸣等(2009)基于Moon等(2004，2007)的研究结果，在GRAPES-TCM模式中修正了粗糙度参数化计算公式，即：

其中，z0为粗糙度长度，W为10 m高度处的风速，g为重力加速度.(9)式中，在海面风速较小的情况下，粗糙度的计算与传统线性近似基本一致，而在强风条件下，参数化与非单调递增的观测相符.试验表明，通过对强风条件下的模式海表边界条件优化，可以改善对台风强度和结构的预报效果(马雷鸣等，2009).

3.3 海气耦合物理过程和模式

最近，基于区域台风模式GRAPES-TCM、大洋环流模式ECOM，通过引入海浪模式WW3以考虑台风条件下的有效浪高、浪的周期的变化对海面粗糙度和海-气间热量通量的影响，建立了一个GRAPES海-气-浪耦合模式(以下简称“耦合模式”).该“耦合模式”基于OASIS耦合器实现台风、大洋环流、海浪模式三者间的信息交换.台风模式通过表面风应力和净热量通量强迫ECOM，后者将动态的SST变化作用于台风模式.台风模式还通过表面风应力、摩擦速度强迫WW3，作用于海表粗糙度变化;而ECOM则提供给海浪模式基本的海洋状态.通过对台风个例的初步模拟结果表明，海洋模式可引起SST明显下降，进而影响海-气热量通量，导致TC强度减弱；而海浪模式的引入主要引起海表粗糙度的变化，改变海-气动量通量的交换，进而影响TC的强度和结构.赖巧珍等(2013)在模拟2009年登陆我国东部沿海的台风“莫拉克”的基础上，结合AVHRR/AMSR、SODA再分析数据，初步评估了GRAPES“耦合模式”模拟台风影响期间海洋响应的能力，并分析了台湾岛周围海域的海温、上升流、中尺度冷涡等的变化特点，发现台风活动导致不同水深海温的最大降温位置都出现在路径左侧，这可能与上层海洋反馈使台风路径发生左偏相联系(关皓等，2011).在台风发展过程中，还有一些重要物理过程如：冷空气入侵(韩瑛和伍荣生，2008)、大气边界层重力波(肖台琴，1988)、台风环流中的涡旋罗斯贝波等也对台风结构变化起到了重要作用，今后需要在数值模式中合理考虑.

4 台风数值模式预报性能

在台风区域数值模式方面，分析了GRAPES-TCM业务模式(水平分辨率为0.25°)对2006-2012年西北太平洋台风路径预报年平均误差(图 1).由图可见，该模式在2006-2008年业务化发展初期，台风路径预报误差大，且不稳定，如2006年24 h/48 h预报误差约为195 km/310 km，2009-2012年，通过模式方法的改进，预报误差明显减小.其中2011年、2012年24 h预报误差均小于100 km.通过2009-2010年的试验，从2010年开始，上海台风研究所开始试运行分辨率为0.15°、采用MC-3DVAR涡旋循环同化、对流参数化触发机制等多种新方法的GRAPES区域台风模式新版本(简称GTCM).

图 1 GRAPES-TCM模式2006-2012年对于西北太平洋台风路径24 h/48 h预报逐年平均误差(km;横坐标为年，纵坐标为路径预报误差) Fig. 1 Yearly-averaged 24 h/48 h track prediction errors of GRAPES-TCM for typhoons over northwest Pacific during 2006-2012(km，X-axis for year， and Y-axis for track prediction error).

图 2为2011-2012年GTCM试验模式与GRAPES-TCM模式西北太平洋台风路径预报平均误差同样本对比，由图可见，GTCM比业务运行的GRAPES-TCM有较为明显的改善.GTCM 对2010年西北太平洋台风的24 h/48 h平均路径预报误差为119 km/233 km；2011年误差减小为95 km/183 km；2012年为86 km/204 km.

图 2 2011-2012年GTCM与GRAPES-TCM模式的西北太平洋台风路径预报平均误差(km)比较(横坐标为预报时效；纵坐标为路径预报误差；样本数显示在图上方) Fig. 2 Comparison of sample-averaged typhoon track 24 h/48 h prediction errors(km)for GTCM and GRAPES-TCM during 2011-2012(X-axis for hour of prediction; Y-axis for track prediction error; Number of samples is indicated above the bars).

在全球模式方面，国家气象中心的T213模式系统研发近年来取得了明显进步.2006-2009年台风路径数值预报检 验(吴俞等，2011)表明，该模式的24 h、48 h、72 h、 96 h、120 h预报平均距离误差分别为135.8 km、250.1 km、376.3 km、515.9 km、695.1 km.对于不同走向的台风路径预报而言，西行(东北行)路径台风预报误差最小(最大)；而强台风比弱台风路径预报误差小.2010-2012年，该模式的路径预报误差明显减小，48 h预报误差已低于200 km，72 h预报误差稳定在300 km以下，为预报员提供了更好的预报参考.

5 总结和讨论

经过几十年的发展，国内台风业务数值模式取得了长足进步，尤其是近5年来，在973等项目的支持下台风数值预报关键技术取得了新突破.国家气象中心、上海台风研究所、广州热带海洋气象研究所、高校、业务部门等共同参与的台风模式研发队伍逐渐形成合力，推动了全球和区域台风模式路径预报能力稳步提高.但整体而言，我国的登陆台风数值预报水平与国际领先水平(如欧洲中期天气预报中心)相比尚有差距.为减少这种差距，今后需要着重在台风涡旋初始化、物理过程参数化等核心技术方面做大量研究工作.

在台风涡旋初始化方面，卫星、雷达等资料的合理应用是一个重要方向，而初始化的重点也不仅仅限于台风位置和强度的改进，而应更多着眼于对台风多尺度精细结构的刻画与模式相关动热力约束的协调问题.如基于SCAT卫星资料和边界层模式约束的VIRV方法不仅避免了经验构造台风涡旋结构，而且在一定程度上避免了不适用于台风的地转近似(三维变分)和热力约束过于简化(四维变分)的问题，此类方法也将台风(边界层)理论应用于数值模式中，可作为今后将卫星资料与台风模式初始化结合的重点.此外，需要指出的是，将不同的资料同时应用时，可能出现不同资料作用的叠加或初始化误差的积累.在初始化前应尽量减少对观测误差较大资料的应用或增强对其质量控制.同时，针对性地将卫星等多源资料的应用与台风的特定结构(雷小途和陈联寿，2005)相联系可能对改进模式初始场有良好效果.如利用卫星云迹风资料改善台风周围的中高层环境引导气流；将SCAT资料应用于改进对台风边界层、下边界条件和海气动量交换的描述；将微波成像仪资料(李小青等，2012)、TBB资料应用于改善台风雨带和对流结构；将AMSU温湿度廓线等资料应用于对台风暖心、加热等结构的刻画等.除了卫星资料外，同化多普勒雷达、高频地波雷达观测(龚子平等，2007；李伦等，2013)也可望提高模式初始化能力.由于雷达资料的覆盖范围仅限于沿海地区，对其应用可侧重于对登陆台风的短时临近预报中.对雷达径向风或反射率的应用可有不同侧重并相互配合，前者可用于改善动力结构，后者可改进微物理特征.对雷达覆盖范围之外部分与其它资料应用的衔接应有专门的考虑，以避免初始化分析不连续的问题.

在物理过程参数化方面，除了继续发展适用于台风的对流/云微物理、边界层参数化外，还需考虑辐射过程参数化的改进.辐射过程与云微物理过程相联系决定着台风能量的收支平衡.而对于对流云系旺盛的台风而言，辐射过程参数化(尤其是对流云系作用下的散射、吸收等过程描述)的精度可能对台风预报产生重要影响.最近，上海台风研究所(张峰等，2012；Zhang et al., 2013)建立了针对复杂云系的高精度四流累加法，并与GRAPES-TCM模式采用的二流累加法进行了比较(包括漫射透射率、漫射反射率和漫射吸收率等)，结果表明，在低云情况下，四流累积法仅为0.2%，远低于二流累加法的6%.

在上述工作基础上，为提高对台风异常变化(薛根元等，2007；马雷鸣等，2008；马雷鸣，2013)的业务预报能力，还需加快发展集合预报技术，更好地反映台风变化及模式预报的不确定性；并结合台风诊断分析方法(高守亭等，2013；冉令坤等，2013)加强数值模式释用，可为提高台风业务预报准确率和防台减灾能力提供关键技术支撑.

致 谢 本文受国家973项目(2009CB421500、2013CB430300)资助.文中部分技术资料来源于作者牵头撰写的台风973项目课题总结，并由国家气象中心、广州热带海洋气象研究所、宁波市气象台、上海台风研究所等单位的项目成员提供相关数据和资料，在此表示感谢.
参考文献
[1] Gao S T, Zhou Y S, Deng D F. 2013. The relocation term in acceleration potential and its application in analyzing the Tibetan Plateau vortex and typhoon[J]. Chinese J. Geophys. (in Chinese), 56(2):374-382, doi:10.6038/cjg20130202.
[2] Gong Z P, Ke H Y, Wu X B, et al. 2007. HF radar observation of Longwang Typhoon in the Taiwan Straight[J]. Chinese J.Geophys. (in Chinese), 50(6): 1695-1702.
[3] Guan H, Wang H J, Zhou L, et al. 2011. A numerical simulation study on the typhoon-ocean interaction in the South China Sea[J]. Chinese J. Geophys. (in Chinese), 54(5):1141-1149.
[4] Han Y, Wu R S. 2008. The impact of cold air intrusion on development of tropical cyclone[J]. Chinese J. Geophys. (in Chinese), 51(5): 1321-1332.
[5] Huang W, Liang X. 2010. A cycling typhoon-like vortex initialization scheme and its application to GRAPES-TCM[J]. Acta Meteorologica Sinica(in Chinese), 68(3): 365-375.
[6] Huang W, Duan Y, Xue J, et al. 2007. Verification on tropical cyclone track prediction from operational experiments with numerical model[J]. Acta Meteorologica Sinica(in Chinese), 65(4): 578-587.
[7] Lai Q, Ma L M, Huang W, et al. 2013. The ocean response to typhoon Morakot (2009) in the western north Pacific boundary region[J]. Acta Oceanologica Sinica(in Chinese), 35(3): 65-77.
[8] Lei X T, Chen L S. 2005. Tropical cyclone bogus wind field and its associated typical parameters[J]. Chinese J. Geophys.(in Chinese), 48 (1): 25-31.
[9] Li L, Wu X B, Long C, et al. 2013. Regularization inversion method for extracting ocean wave spectra from HFSWR sea echo[J]. Chinese J.Geophys. (in Chinese), 56(1): 219-229.
[10] Li X Q, Yang H, You R, et al. 2012. Remote sensing typhoon Songda's rainfall structure based on Microwave Radiation Imager of FY-3B satellite[J]. Chinese J. Geophys. (in Chinese), 55(9):2843-2853, Doi:10.6038/j.issn.0001-5733.2012.09.004.
[11] Liu Z, Li W B, Han Z G, et al. 2008. Estimation on northwest Pacific tropical cyclone intensity with AMSU-A bright temperature[J]. Chinese J. Geophys.(in Chinese), 51 (1):51-57.
[12] Ma L M, Li J, Huang W, et al. 2008. Verification on Typhoon Track Forecast by China Operational Typhoon Numerical Models in 2007[J]. Meteorology Monthly (in Chinese), 34(10): 74-80.
[13] Ma L M, Liang X, Huang W, et al. 2009. The development of major techniques of typhoon numerical prediction in Shanghai[C]. Proceedings of the 15th China national workshop on tropical cyclone sciences(in Chinese). 14 Oct., 2009, Hang Zhou, China.
[14] Ma L M. 2011. A new approach to typhoon vortex initialization based on the dynamic retrieval of sea level pressure[J]. Acta Meteorologica Sinica(in Chinese), 69(6): 978-989.
[15] Ma L M. 2013. Research progress on major structures of tropical cyclone boundary layer[J]. Progress in Geophysics(in Chinese), 28(3): 1259-1268.
[16] Ma S, Wu Y, Qu A, et al. 2012. Comparative analysis on tropical cyclone numerical forecast errors of T213 and T639 Models[J]. Journal of Applied Meteorological Science(in Chinese), 23(2): 167-173.
[17] Qu A, Ma S, Liu Q F, et al. 2009a. The initialization of tropical cyclones in the NMC global model Part I: Scheme design[J]. Acta Meteorologica Sinica (in Chinese), 67(5): 716-726.
[18] Qu A, Ma S, Li J, et al. 2009b. The initialization of tropical cyclones in the NMC global model Part II: Implementation[J]. Acta Meteorologica Sinica (in Chinese), 67(5): 727-735.
[19] Ran L K, Liu L, Li N, et al. 2013. The analysis of the potential-divergence wave activity density and its application to typhoon precipitation[J]. Chinese J. Geophys. (in Chinese), 56(10):3285-3301, doi:10.6038/cjg20131006.
[20] Wu Y, Ma S, Xiao T, et al. 2011. Error Analysis of the Numerical Value Forecast for Tropical Cyclone Paths with the T213L31 Model[J]. Journal of Applied Meteorological Science(in Chinese), 22(2): 182-193.
[21] Xiao T Q. 1988. Observation on gravity wave and PBL horizontal mixing[J]. Progress in Geophysics (in Chinese), 3(1): 50-50.
[22] Xue G Y, Wang Z F, Zhou L F, et al. 2007. Mechanism of Unusual characteristics of tropical cyclones made landfall over southeast China[J]. Chinese J. Geophys.(in Chinese), 50 (5):1362-1372.
[23] Zhang F, Ma L M, Shen Z, et al. 2012. A new approach to dealing with bidirectional reflectance of non-homogeneous atmosphere[J]. Acta Physica Sinica, 61 (18): 184212.
[24] Arakawa A. 2004. The Cumulus parameterization problem: past, present, and future[J]. J Climate, 13: 2493-2525.
[25] Barker D M, Guo Y R, Huang W, et al. 2004. A three-dimensional variational data assimilation system for MM5: Implementation and initial results[J]. Monthly Weather Review, 132: 897-914.
[26] Chen D H, Xue J S, Yang X S, et al. 2008. New generation of multi-scale NWP system (GRAPES): general scientific design[J]. Chinese Science Bulletin, 53(22): 3433-3445.
[27] Davolio S, Buzzi A. 2004. A nudging scheme for the assimilation of precipitation data into a mesoscale model[J]. Weather and Forecasting, 19: 855-871.
[28] Fritsch J M, Chappel C F. 1980. Numerical prediction of convectively driven mesoscale pressure systems. Part I: convective parameterization[J]. Journal of the Atmospheric Sciences, 37: 1722-1733.
[29] Hamill T M, Whitaker J S, Fiorino M, et al. 2011. Global ensemble predictions of 2009's tropical cyclones initialized with an Ensemble Kalman Filter[J]. Monthly Weather Review, 139: 668-688.
[30] Ide K, Courtier P, Ghil M, et al. 1997. Unified notation for data assimilation:Operational sequential and variational[J].Journal of the Meteorological Society of Japan, 75:181-189.
[31] Kain J S, Fritsch J M. 1993. Convective parameterization for mesoscale models: the Kain-Fritsch scheme. The Representation of Cumulus Convection in Numerical Models[J]. Meteorological Monographs, 46:165-170.
[32] Kurihara Y, Bender M A, Ross R J. 1993. An initialization scheme of hurricane models by vortex specification[J]. Monthly Weather Review, 121: 2030-2045.
[33] Liang X, Wang B, Chan J C L, et al. 2007. Tropical cyclone forecasting with model-constrained 3D-Var. I: Description[J]. Quarterly Journal of the Royal Meteorological Society, 133(622): 147.
[34] Liu J Y, Yang S, Ma L M, et al. 2013. An initialization scheme for Tropical cyclone numerical prediction by improving humidity in deep convection region revealed by FY2 Satellite[J]. Journal of Applied Meteorology and Climatology, 52, 2260-2277.
[35] Ma L M, Chan J C L, Davidson N E, et al. 2007. Initialization with diabatic heating from satellite-derived rainfall[J]. Atmospheric Research, 85: 148-158.
[36] Ma L M, Tan Z M. 2009. Improving the behavior of the cumulus parameterization for tropical cyclone prediction: Convection trigger[J]. Atmospheric Research, 92:190-211.
[37] Ma L M, Tan Z M. 2010. Tropical cyclone initialzation with dynamical retrieval from a modified UWPBL model[J]. Journal of the Meteorological Society of Japan, 88: 827-846.
[38] Moon I J, Ginis I, Hara T. 2004. Effect of surface waves on air-sea momentum exchange. Part II: Behavior of drag coefficient under tropical cyclones[J]. Journal of the Atmospheric Sciences, 61: 2334-2348.
[39] Moon I, Ginis I, Hara T, et al. 2007. Physics-based parameterization of air-sea momentum flux at high wind speeds and its impact on hurricane intensity predictions[J]. Monthly Weather Review, 135: 2869-2878.
[40] Orlandi E, Fierli F, Davolio S, et al. 2010. A nudging scheme to assimilate satellite brightness temperature in a meteorological model: Impact on representation of African mesoscale convective systems[J]. Quarterly Journal of the Royal Meteorological Society, 136: 462-474.
[41] Patoux J, Brown R A. 2002. A gradient wind correction for surface pressure fields retrieved from scatterometer winds[J]. Journal of Applied Meteorology and Climatology, 41:133-143.
[42] Patoux J, Foster R C, Brown R A. 2003. Global pressure fields from scatterometer winds[J]. Journal of Applied Meteorology and Climatology, 42: 813-826.
[43] Powell M D, Vickery P J, Reinhold T A. 2003. Reduced drag coefficient for high wind speeds in tropical cyclones[J]. Nature, 422: 279-283.
[44] Stevens B, Duan J, McWilliams J C, et al. 2002. Entrainment, Rayleigh friction and boundary layer winds over the tropical pacific[J]. J Climate, 15: 30-44.
[45] Wang D L, Liang X D, Zhao Y, et al. 2008. A comparison of two tropical cyclone bogussing schemes[J]. Weather and Forecasting, 23: 194-204.
[46] Wang D L, Liang X D, Duan Y H, et al. 2006. Impact of four-dimensional variational data assimilation of atmospheric motion vectors on tropical cyclone track forecasts[J]. Weather and Forecasting, 21:663-669.
[47] Warner T T, Hsu H M. 2000. Nested-model simulation of moist convection:The impact of coarse-grid parameterized convection on fine-grid resolved convection through lateral-boundary-condition effects[J]. Monthly Weather Review, 128: 2211-2231.
[48] Weng F, Zhu T, Yan B. et al. 2007. Satellite Data Assimilation in Numerical Weather Prediction Models. Part II: Uses of Rain-Affected Radiances from Microwave Observations for Hurricane Vortex Analysis[J]. Journal of the Atmospheric Sciences, 64: 3910-3925.
[49] Yu X, Lee T Y. 2010. Role of convective parameterization in simulations of a convection band at grey- zone resolutions[J]. Tellus, 62 (5): 617-632.
[50] Zhang F, Shen Z, Li J, et al. 2013. Analytical delta-four-stream doubling-adding method for radiative transfer parameterizations[J]. Journal of the Atmospheric Sciences, 70: 794-808.
[51] Zhang J A, Rogers R F, Nolan D S, et al. 2011. On the characteristic height scales of the hurricane boundary layer[J]. Monthly Weather Review, 139: 2523-2535.
[52] Zou X, Xiao Q. 2000. Studies on the initialization and simulation of a mature hurricane using a variational bogus data assimilation scheme[J]. Journal of the Atmospheric Sciences, 57: 836-860.
[53] 高守亭,周玉淑,邓涤菲.2013. 加速度迁移项位势及其在高原低涡及台风系统分析中的应用[J].地球物理学报,56(2):374-382,doi:10.6038/cjg20130202.
[54] 龚子平,柯亨玉,吴雄斌,等. 2007. “龙王”台风期间高频地波雷达数据分析[J]. 地球物理学报, 50(6):1695-1702.
[55] 关皓,王汉杰,周林,等.2011. 南海台风与上层海洋相互作用的数值模拟研究[J].地球物理学报,54(5):1141-1149,doi:10.3969/j.issn.0001-5733.2011.05.001.
[56] 韩瑛,伍荣生. 2008. 冷空气入侵对热带气旋发生发展的影响[J]. 地球物理学报,51(5):1321-1332.
[57] 黄伟, 端义宏,薛纪善,等. 2007. 热带气旋路径数值模式业务试验性能分析[J]. 气象学报,65(4):578-587.
[58] 黄伟,梁旭东. 2010. 台风涡旋循环初始化方法及其在 GRAPES-TCM 中的应用[J]. 气象学报,68(3):365-375.
[59] 赖巧珍,马雷鸣,黄伟,等. 2013. 台湾岛附近海洋对0908号台风“莫拉克”的响应特征[J]. 海洋学报,35(3): 65-77.
[60] 雷小途, 陈联寿. 2005. 热带气旋风场模型构造及特征参数估算[J]. 地球物理学报,48 (1):25-31.
[61] 李伦, 吴雄斌, 龙超,等. 2013. 基于正则化方法的高频地波雷达海浪方向谱反演[J]. 地球物理学报,56(1): 219-229.
[62] 李小青,杨虎,游然,等.2012. 利用风云三号微波成像仪资料遥感“桑达”台风降雨云结构[J].地球物理学报,55(9):2843-2853, doi:10.6038/j.issn.0001-5733.2012.09.004.
[63] 刘喆,李万彪,韩志刚,等. 2008. 利用AMSU-A亮温估测西北太平洋区域热带气旋强度[J]. 地球物理学报, 51 (1):51-57.
[64] 马雷鸣,李佳,黄伟,等. 2008. 2007国内台风模式路径预报效果评估[J]. 气象,34(10):74-80.
[65] 马雷鸣,梁旭东,黄伟,等. 2009. 上海台风数值预报关键技术研究进展[C]. 第十五届全国热带气旋科学讨论会论文集,2009年10月14日,杭州.
[66] 马雷鸣. 2011. 基于海平面气压动力反演的台风涡旋初始化方法[J]. 气象学报,69(6):978-989.
[67] 马雷鸣. 2013. 热带气旋边界层关键结构研究进展[J]. 地球物理学进展, 28(3):1259-1268.
[68] 麻素红,吴俞,瞿安祥,等. 2012. T213与T639模式热带气旋预报误差对比[J]. 应用气象学报, 23(2):167-173.
[69] 瞿安祥, 麻素红, Liu, Q. F., 等. 2009. 全球数值模式中的台风初始化I:方案设计[J] . 气象学报, 67(5):716-726.
[70] 瞿安祥,麻素红,李娟,等. 2009. 全球数值模式中的台风初始化II:业务应用[J]. 气象学报, 67(5):727-735.
[71] 冉令坤,刘璐,李娜,等.2013. 台风暴雨过程中位势散度波作用密度分析和预报应用研究[J].地球物理学报,56(10): 3285-3301, doi:10.6038/cjg20131006.
[72] 吴俞,麻素红,肖天贵,等. 2011. T213L31模式热带气旋路径数值预报误差分析[J]. 应用气象学报, 22(2):182-193.
[73] 肖台琴. 1988. 重力波与大气边界层中水平混合的观测[J].地球物理学进展, 3(1):50-50.
[74] 薛根元,王志福,周丽峰,等. 2007.登陆东南沿海热带气旋的异常特征及其成因研究[J]. 地球物理学报,50(5):1362-1372.
[75] 张峰,马雷鸣,沈钟平,等. 2012. 一种计算非均质大气双向反射比的新方法[J]. 物理学报, 61 (18):184212.