2. 南京信息工程大学海洋科学学院,江苏 南京 210044
2. School of Marine Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China
Madden和Julian在上世纪七十年代的观测研究发现,热带大气的风场与气压场存在一种季节内(周期40~50天)的低频振荡,这种振荡起源于热带印度洋和西太平洋,以纬向东传为主,此种振荡后来被称为热带大气季节内振荡Madden-Julian Oscillation (MJO)[1]。研究表明,MJO对台风活动,比如数量、强度、生成位置,具有调制作用。Maloney等[2]用EOF方法对MJO位相进行划分,通过对不同位相合成分析发现,当MJO处于西风位相时,东太平洋的台风数量是MJO处于东风位相时的两倍,且强度更强。Kim等[3]的工作指出,MJO对台风生成位置也有重要的调制作用。Zheng等[4]发现,当MJO处于活跃位相时,中国南海生成的台风个数更多,起源地更加偏北。对于MJO调制台风的机制,国内外学者也进行了探索。田华等[5]发现,MJO在对流层低层到中层通过影响低频气旋或低频反气旋的环流形势,影响季风槽及副热带高压的位置和强度,进而影响台风的活动。潘静等[6]利用澳大利亚气象局的实时多变量MJO指数(Real-time Multivariate MJO index,RMM-MJO)[7],发现在MJO的不同位相,西北太平洋地区的动力因子分布形势有很明显的不同:MJO在第2、3位相时,各种因子均呈现出抑制西北太平洋地区对流及台风发展的态势,而在第5、6位相时则呈现出促进对流发展、有利于台风生成和发展的态势。周伟灿等[8]利用RMM-MJO指数进一步分析了MJO不同位相时的大尺度环流背景,比如对流层低层风及相对涡度场、对流层高层风场及散度场、对流层垂直风切变、对流层中层相对湿度等,表明MJO不同位相时,大尺度环流背景场有明显不同,可影响台风的生成及移动。赵海坤等[9]研究了季节内振荡与西北太平洋台风生成频数的关系,强调了MJO与准双周振荡(Quasi-biweekly Oscillation,QBWO)对西北太平洋台风生成的联合影响,他们发现西北太平洋上的大多数台风都生成在MJO和QBWO同处于活跃位相的时期;而在两种季节内振荡都处于非活跃位相时,生成的台风数量非常少。
RMM-MJO指数针对全年MJO的活动设计,使用了15 °S~15 °N平均的纬向风及外逸长波辐射(Outgoing Longwave Radiation, OLR)来描述季节内振荡的特征[7],其各个位相描述了MJO自西向东的移动特征,更加适合使用在北半球冬季。而夏季的季节内振荡在印度洋及南海区域有明显的北移特征。因而Lee等[10]引入了北半球夏季季节内振荡指数(Boreal Summer Intraseasonal Oscillation,BSISO)来描述北半球夏季的季节内振荡。与RMM-MJO不同,BSISO指数使用亚洲夏季风区(40~160 °E,10 °S~40 °N)的OLR及850 hPa纬向风来定义,其各个位相描述了夏季季节内振荡在印度洋及西北太平洋的演变特征。
在关于BSISO指数的使用研究中,姜贵祥等[11]指出BSISO对中国东部地区夏季极端降水有重要的调控作用。更进一步,施鸿等[12]通过统计分析发现BSISO位相影响着中国东南沿海热带气旋暴雨,7、8月热带气旋暴雨主要发生于BSISO1的第1、2、7、8位相,在BSISO2第5、6、7位相热带气旋暴雨的发生率也比较高。
分析季节内振荡对台风活动的调制作用时,前人的工作往往采用台风生成个数这一指标[13-14],对于台风的活动及移动特征,仅使用个数这一指标是不够的,因为台风的路径及移动并不是很容易定量评价或比较。另外季节内至季节时间尺度极端天气的预报目前也是国际及国内气象界的热点问题[15],当评价季节内至季节尺度的预报系统对台风的预报技巧时,使用台风位置及路径便会产生一些困难问题,因为在季节内至季节时间尺度,预报系统往往不能准确预报出台风的位置甚至台风的生成。因而本文中将使用台风密集度这一指标,这一指标以概率的形式描述台风生成及移动的特征,使用起来更加灵活。
|
图 1 2001年5—10月西北太平洋台风路径及位置(a)、依据同时段台风位置及路径计算的平均台风密集度(b,%) a中蓝色圈为国际时00时的台风位置。 |
本文利用夏季季节内振荡指数及台风密集度这一评估手段,分析夏季季节内振荡对台风活动的调制作用。第2节介绍了所使用的方法及资料,第3节分析了夏季季节内尺度振荡与台风活动的关系,并通过OLR与风场异常揭示了夏季季节内振荡对台风活动调制作用的可能机制,第4节为总结。
2 方法及资料本文使用的西北太平洋台风路径观测资料来自于美国联合台风预警中心(Joint Typhoon Warning Center, JTWC,http://www.metoc.navy.mil/jtwc/jtwc.html)。其“最佳台风路径”资料集的时间分辨率为6小时,提供每个热带气旋从生成至消亡的位置、风速及海平面气压等信息。本研究中选取了1981—2010年中5—10月的资料,使用了位置及风速信息,仅把达到热带风暴强度的热带气旋(1分钟平均最大持续风速大于17.2 m/s)纳入研究范围。
BSISO指数为Lee等[10]定义的北半球夏季季节内振荡指数。Lee等通过将亚洲夏季风区(40~160 °E,10 °S~40 °N)OLR及850 hPa纬向风异常场进行滤波处理,对它们进行多变量经验正交函数分解,从而得到前四个主成分(Principal Component,PC)的时间序列。其中,第1模态(PC1)和第2模态(PC2)时间系数平方和的根为BSISO1指数的模,第3模态(PC3)和第4模态(PC4)时间系数平方和的根为BSISO2指数的模。Lee等的分析表明,BSISO1与BSISO2主要时间尺度分别为30~60天和10~30天,能够较好地代表北半球夏季亚洲季风区季节内振荡的环流特征及向北传播的特点。本文直接使用Lee等处理得到的1981—2010年每年5—10月的BSISO指数(iprc.soest.hawaii.edu/users/jylee/bsiso/)。当分析BSISO1和BSISO2对台风的影响时,按照Lee等的处理方法[10],不考虑夏季季节内振荡较弱的时段,即(PC32+PC42)1/2≤1.5和(PC32+PC42)1/2≤1.5的情况。在去掉这些时段之后,将BSISO1和BSISO2分别分成8个位相(图 2)。由表 1可注意到,BSISO位相的样本数一般在180~300天之间,最少天数为187天,最多天数为308天。因而我们的分析结果对台风活动有一定的代表性。
|
图 2 BSISO1处于1~8位相时台风密集度的空间分布 a~h分别对应BSISO1的1~8位相。 |
| 表 1 BSISO1与BSISO2不同位相的天数 |
与Vitart和Robertson定义的台风密集度相类似[15],本文中台风密集度定义为一天内(以每天0 GMT观测为准),500 km范围内台风出现的概率。图 1a为2001年5—10月西北太平洋生成的台风及其路径,图 1b为依据图 1a中世界时0时的台风位置计算的台风密集度。对比图 1a及图 1b可注意到,对研究区域中的任意一点,台风密集度都有定义,可灵活、定量地表示台风的生成及移动状况。在实际计算中,将西北太平洋(105~165 °E,5~30 °N)划分为水平分辨率为1 °的网格,利用每天0 GMT的台风位置资料,以每个网格点为中心,统计500 km内台风出现的个数,得到观测的台风密集度。当某一格点500 km范围内台风的个数大于1时,台风密集度仍取为1。因而本文定义的台风密集度,为台风出现的概率,而不是其频数。如果使用500 km内台风出现的个数,得到的结果将与本文类似,因为在实际观测中1 000 km范围内有两个台风同时出现的例子仅占总样本的百分之一。本文将台风密集度定义为台风出现的概率,使得台风密集度这一指标可更方便地用于台风预报的定量评估并使用Brier Skill Score评价台风的预报技巧[16]。所以对于每天的台风密集度,每一网格点的值为1或者0。选取500 km这一参数,主要是考虑到伴随台风的大风及暴雨往往发生在台风中心500 km以内。另外本文定义的台风密集度与Zhang等[17]定义的台风生成频数(Typhoon Genesis Frequency)不同。Zhang等的台风生成频数为某一范围内7—10月台风生成的数量。其工作表明西北太平洋台风生成频数与前期太平洋海温异常密切相关,并建立了利用前期太平洋海温预报台风生成频数的统计模型。
为分析夏季季节内振荡影响台风活动的可能机制,本文利用美国NOAA系列气象卫星观测的1981—2010年5月1日—10月31日2.5 °×2.5 °经纬网格的逐日外逸长波辐射[18]与NCEP/ Department of Energy产生的2.5 °×2.5 °经纬网格的850 hPa再分析风场[19],分别得到30年的逐日异常,进而使用合成分析的方法计算出BSISO不同位相时外逸长波辐射与850 hPa风场的异常。
3 夏季季节内振荡与台风活动的关系 3.1 合成分析的代表性表 1为BSISO1及BSISO2的值大于1.5时,1981—2010年5月1日—10月31日每个位相的天数,每个位相样本数量均在100天以上。其中强BSISO1位相的天数总和为1 820天,占总天数(5 520天)的32.97%,而强BSISO2位相的天数总和占总天数的比率也为32.97%。对于BSISO1位相,第7位相拥有最多的天数(308),第4位相拥有最少的天数(158),其他位相天数在200天左右。对于BSISO2位相,天数分布比较均匀,每个位相分别拥有约220天。BSISO一般由第1位相演变为第2位相,依照顺序继续演变,直到第8位相,之后由第8位相演变为第1位相,形成一轮循环[10]。由表 1可注意到,BSISO位相的样本数一般在180~300天之间,最少天数为187天,最多天数为308天,因而我们的分析结果对台风活动有一定的代表性。
3.2 夏季季节内振荡对台风活动的调制作用图 2为1981—2010年5月1日—10月31日期间BSISO1在1~8位相时的平均台风密集度。当BSISO1在1、5、6、7、8位相时,南海及菲律宾以东海域台风密集度偏大,在这些位相,台风活动进入一个活跃期。而在2、3、4位相时,台风密集度明显降低,台风活动为不活跃期。BSISO1在第5位相时,中国南海地区台风密集度比其他地区大。第6、7位相时菲律宾以东台风密集度明显变大,在第8位相时,菲律宾海以东海域台风密集度达到最高值,此时该地受到台风影响的概率最大。并且从第5至第8位相,台风密集度大值区明显北移。BSISO1由第8位相转为第1位相后,西北太平洋台风密集度减小,第2、3位相台风密集度接近0,第4位相台风密集度开始增大,形成新一轮台风密集度由升高到降低再到升高的循环。表 2表明,南海及菲律宾以东洋面(105~145 °E,10~30 °N)区域平均的台风密集度在第1、5、6、7、8位相显著偏高,在第2、3、4位相显著偏低,两者都通过显著水平为0.05的t检验。BSISO1处于第1、5、6、7、8位相时的平均台风密集度为8.78%,BSISO1处于2、3、4时的台风密集度为2.68%,两者相差3.28倍。这一显著的差异在季节内至季节尺度的台风预报中可供参考。
| 表 2 南海及菲律宾以东海域(105~145 °E,10~30 °N)BSISO1和BSISO2不同位相时的平均台风密集度(%) 彩色底纹为通过显著性水平0.05的t检验的位相,蓝色底纹低于样本平均台风密集度,橙色底纹高于样本平均台风密集度。 |
根据图 3的OLR和850 hPa风场异常分布图,BSISO1处于第1位相时,只有台湾以东海域(140 °E,25 °N)出现小范围OLR负异常,即对流正异常;第2位相时其向东移动并减弱,西太平洋被反气旋环流异常控制;在3位相时海洋大陆南侧海域出现对流;第4~5位相,出现在菲律宾南部的对流正异常向菲律宾北部移动;第6~7位相时对流正异常开始向西北移动,主要集中在中国南海和西北太平洋;第8位相时,对流减弱并移动到台湾岛以东海域。第6~8位相时,在对流活动异常的同时,南海及菲律宾以东海域为气旋式异常环流。这样的大尺度环流条件有利于台风的生成和发展。
|
图 3 BSISO1处于1~8位相时850 hPa风场与OLR异常 |
BSISO2也可对台风活动有一定的调制作用。图 4为1981—2010年5月1日—10月31日期间BSISO2处于1~8位相时的台风密集度。当BSISO2处于1、2、3、4、8位相时,台风密集度较大且范围更广,受台风影响概率大,为台风的活跃期。当BSISO2处于5、6、7位相时,台风密集度较低,受台风影响的概率小,为台风的不活跃期。在BSISO2的第1位相,台风密集度高值区位于菲律宾东部海域;2、3位相时,台风密集度增大,并向北移动;第4位相时,BSISO2的台风密集度达到最高,中心位置位于台湾岛以东的海域;从第2~第4位相,台风密集度大值区明显北移。第5位相时,台风密集度开始降低;当BSISO2处于6、7位相时,密集度接近0;第8位相时,台风密集度逐渐增大,高值区出现在菲律宾海以东的太平洋上,开始新一轮循环。南海及菲律宾以东区域平均的台风密集度在BSISO2第2、3、4位相显著偏高,在第5、6、7位相显著偏低,通过了0.05置信度的t检验(表 2第二行)。BSISO2第2、3、4位相平均的台风密集度是第5、6、7位相平均的台风密集度的2.21倍。由此可看出,虽然BSISO2对西北太平洋的台风活动有调制作用,但与BSISO1相比,其调制作用明显变弱。
|
图 4 BSISO2位于1~8位相时台风密集度的空间分布 a~h分别对应BSISO2的1~8位相。 |
从图 5的OLR和850 hPa风场异常分布可注意到,当BSISO2处于第1位相时,对流正异常位于菲律宾东部的海域;在第2位相时,对流向西部移动进入中国南海;第3位相时,对流正异常位于台湾东部;第4位相时对流主体向东北方向延展;5~6位相对流减弱,西北太平洋主要由对流负异常控制;第7位相时,140 °E,15 °N处开始出现较弱的环流正异常,并出现反气旋环流异常;第8位相时,菲律宾东部对流异常开始增强,完成一轮循环。和BSISO1处于5~8位相的情形类似,当BSISO2处于1~4位相时,南海及台湾以东海域对流活动偏强并且为气旋式环流异常控制,为台风生成及移动提供了有利的大尺度环流背景,这和BSISO2处于1~4位相时台风密集度的分布情形相一致。
|
图 5 BSISO2处于1~8位相时850 hPa风场与OLR异常 a~h分别对应BSISO2的1~8位相。 |
为分析BSISO1及BSISO2对台风活动的联合影响,表 3展示了BSISO1及BSISO2处于不同位相时,南海及菲律宾以东海域(105~145 °E,10~30 °N)区域平均台风密集度。为使每种组合有尽量多的样本,与单独分析BSISO1及BSISO2的方法不同,表 3使用了1980—2010年每年5—10月的所有天数,没有考虑BSISO1及BSISO2的值。表 3中每种组合的样本数在53~159天之间。表中橙色部分表示当BSISO1及BSISO2处于相应的位相时,对应的台风密集度在0.05置信度下显著高于1980—2010年5—10月的平均台风密集度。蓝色部分为显著低于平均台风密集度的情形。由表 3可看出,当BSISO1处于位相5、6、7、8同时BSISO2处于位相2、3、4的情形下,所有这12种组合的台风密集度都显著高于平均台风密集度,并且这12种组合的台风密集度平均为10.60%。当BSISO1处于位相2、3、4同时BSISO2处于位相5、6、7的情形下,所有这9种组合的台风密集度都显著低于平均台风密集度,并且这9种组合的台风密集度平均为2.89%。由此可看出,当BSISO1及BSISO2同时处于显著台风活跃位相时(BSISO1处于位相5、6、7、8,BSISO2处于位相2、3、4),南海及菲律宾以东海域的台风密集度是BSISO1及BSISO2同时处于台风不活跃位相时的3.68倍(BSISO1处于位相2、3、4,BSISO2处于位相5、6、7)。这一比值高于BSISO1或者BSISO2单独处于台风活跃及不活跃位相时台风密集度的比值(BSISO1为3.28,BSISO2为2.21)。因而BSISO1及BSISO2的联合作用也将调制台风活动,甚至比单独考虑BSISO1及BSISO2时要强,这种联合的调制作用也可在业务预报中参考。
| 表 3 BSISO1及BSISO2处于不同位相时,南海及菲律宾以东海域(105~145 °E、10~30 °N)区域平均的台风密集度(%) 其中彩色底纹为BSISO1及BSISO2位相通过显著性水平0.05的t检验的位相,蓝色底纹低于样本平均台风密集度,橙色底纹高于样本平均台风密集度,黑色框线分别为BSISO1的5、6、7、8位相与BSISO2的2、3、4位相的交集以及BSISO1的2、3、4位相与BSISO2的5、6、7位相的交集。 |
本文引入台风密集度作为台风生成及移动的指标,台风密集度定义为一天内500 km范围内台风出现的概率。使用台风密集度,本文证实了夏季季节内振荡对台风的生成及移动有明显的调制作用。夏季季节内振荡BSISO1及BSISO2都对台风活动有调制作用,且BSISO1对台风活动的调制作用要强于BSISO2。当BSISO1处于第1、5、6、7、8位相或者BSISO2处于第2、3、4位相时,南海及菲律宾以东海域台风密集度增大,台风活动为活跃期。当BSISO1处于第2、3、4位相或者BSISO2处于第5、6、7位相时,台风密集度减小,台风活动为不活跃期。台风活跃期及不活跃期台风密集度相差2~3倍。台风密集度大值区在不同位相的演变及移动特征,与BSISO1及BSISO2处于不同位相时所对应的夏季季节内振荡对流及环流异常相一致。另外,BSISO1及BSISO2的联合作用也将影响南海及菲律宾以东海域的台风活动,并且强于单独考虑BSISO1及BSISO2的情形。以上观测事实对台风季节内至季节尺度的预报有一定参考价值。
| [1] |
MADDEN R A, JULIAN P R. Detection of a 40-50 day oscillation in the zonal wind in the Tropical Pacific[J]. J Atmos Sci, 1971, 28(5): 702-708. DOI:10.1175/1520-0469(1971)028<0702:DOADOI>2.0.CO;2 |
| [2] |
MALONEY E D, HARTMANN D L. Modulation of eastern north Pacific Hurricanes by the Madden-Julian oscillation[J]. J Climate, 2000, 13(9): 1451-1460. DOI:10.1175/1520-0442(2000)013<1451:MOENPH>2.0.CO;2 |
| [3] |
MOLINARI J, KNIGHT D, DICKINSON M, et al. Potential vorticity, easterly waves, and Eastern Pacific tropical cyclogenesis[J]. Mon Wea Rev, 1997, 125(10): 2699-2780. DOI:10.1175/1520-0493(1997)125<2699:PVEWAE>2.0.CO;2 |
| [4] |
LING Z, WANG Y, WANG G. Impact of intraseasonal oscillations on the activity of tropical cyclones in summer over the South China Sea. Part Ⅰ: Local tropical cyclones[J]. J Climate, 2015, 29(2): 855-868. DOI:10.1175/JCLI-D-15-0617.1 |
| [5] |
田华, 李崇银, 杨辉. 大气季节内振荡对西北太平洋台风路径的影响研究[J]. 大气科学, 2010, 34(3): 559-579. DOI:10.3878/j.issn.1006-9895.2010.03.09 |
| [6] |
潘静, 李崇银, 宋洁. 热带大气季节内振荡对西北太平洋台风的调制作用[J]. 大气科学, 2010, 34(6): 1059-1070. DOI:10.3878/j.issn.1006-9895.2010.06.03 |
| [7] |
WHEELER M C. An all-season real-time multivariate MJO index: Development of an index for monitoring and prediction[J]. Mon Wea Rev, 2004, 132(8): 1917-1932. DOI:10.1175/1520-0493(2004)132<1917:AARMMI>2.0.CO;2 |
| [8] |
周伟灿, 沈海波, 赵海坤. 热带季节内振荡对西北太平洋台风生成的大尺度环境的影响[J]. 大气科学学报, 2015, 38(6): 731-741. |
| [9] |
ZHAO H, JIANG X, LIGUANG W U, et al. Modulation of Northwest Pacific tropical cyclone genesis by the intraseasonal variability[J]. J Meteor Soc Japan, 2015, 93(1): 81-97. DOI:10.2151/jmsj.2015-006 |
| [10] |
LEE J Y, WANG B, WHEELER M C, et al. Real-time multivariate indices for the boreal summer intraseasonal oscillation over the Asian summer monsoon region[J]. Climate Dyn, 2013, 40(1-2): 493-509. DOI:10.1007/s00382-012-1544-4 |
| [11] |
姜贵祥.形成我国东部持续性极端强降水的次季节变率特征[D].南京: 南京大学, 2016.
|
| [12] |
施鸿, 余锦华, 王晨稀, 等. 北半球夏季大气季节内振荡对中国东南沿海热带气旋暴雨的影响[J]. 气象科学, 2018. |
| [13] |
赵威, 赵海坤, 韦志刚, 等. MJO与西北太平洋热带气旋活动的关系及其年代际变化[J]. 热带气象学报, 2015, 31(2): 237-246. |
| [14] |
祝丽娟, 王亚非, 尹志聪. 热带季节内振荡与南海热带气旋活动的关系[J]. 热带气象学报, 2013, 29(5): 737-748. DOI:10.3969/j.issn.1004-4965.2013.05.004 |
| [15] |
VITART, F, ROBERTSON A W. The sub-seasonal to seasonal prediction project (S2S) and the prediction of extreme events[J]. NPJ Climate Atmos Sci, 2018, 1(1): 3. DOI:10.1038/s41612-018-0013-0 |
| [16] |
李慧, 王晓春, 赵立清, 等.西北太平洋台风在S2S时间尺度预报效果评估[J].热带气象学报, 待发表.
|
| [17] |
ZHANG X, ZHONG S, WU Z, et al. Seasonal prediction of the typhoon genesis frequency over the Western North Pacific with a Poisson regression model[J]. Climate Dyn, 2018, 51(11-12): 4585-4600. DOI:10.1007/s00382-017-3654-5 |
| [18] |
LIEBMANN B, SMITH C A. Description of a complete (interpolated) outgoing longwave radiation dataset[J]. Bull Amer Meteor Soc, 1996, 77(6): 1275-1277. |
| [19] |
KANAMITSU M, KUMAR A, JUANG H M H, et al. NCEP dynamical seasonal forecast system 2000[J]. Bull Amer Meteor Soc, 2002, 83(7): 1019-1037. DOI:10.1175/1520-0477(2002)083<1019:NDSFS>2.3.CO;2 |
2019, Vol. 35


