快速检索
  气象   2017, Vol. 43 Issue (10): 1278-1286.  DOI: 10.7519/j.issn.1000-0526.2017.10.012

全国汛期气候监测预测论文

引用本文 [复制中英文]

胡娅敏, 王永光, 王娟怀, 等, 2017. 登陆华南台风强度的前兆信号分析及预测[J]. 气象, 43(10): 1278-1286. DOI: 10.7519/j.issn.1000-0526.2017.10.012.
[复制中文]
HU Yamin, WANG Yongguang, WANG Juanhuai, et al, 2017. Precursor Signal Analysis and Prediction for the Landfall Typhoon Intensity over South China[J]. Meteorological Monthly, 43(10): 1278-1286. DOI: 10.7519/j.issn.1000-0526.2017.10.012.
[复制英文]

资助项目

国家自然科学基金项目(41305131、41375091和41405071)及中国气象局气候预测理论和应用创新团队共同资助

第一作者

胡娅敏,主要从事气候预测研究.Email:huyamin_1978@sohu.com

通信作者

王永光,主要从事气候预测研究.Email:ygwang@cma.gov.cn

文章历史

2016年12月14日收稿
2017年9月12日收修定稿
登陆华南台风强度的前兆信号分析及预测
胡娅敏 1, 王永光 2, 王娟怀 1, 汪明圣 1, 罗晓玲 1    
1. 广东省气候中心,广州 510080
2. 国家气候中心,北京 100081
摘要:自20世纪90年代中期后,登陆华南台风频数减少、强度转弱,这一方面受台风和大尺度环流系统自身的年际和年代际变化共同影响,另一方面,可能受太平洋年代尺度振荡(PDO)调制。进一步选用年际增量法剔除年代际变化得到,若前冬呈现东部型拉尼娜(中部型厄尔尼诺)状态,随后的后汛期120°~130°E越赤道气流偏强(弱),继而是强(弱)辐合带、季风槽偏强偏北(偏弱偏南),有(不)利于台风在华南地区活跃,则对应累计气旋能量指数(ACE)年指数更强(弱),体现了台风、海温、大气环流的年际变化影响。最后,采用基于年际增量法的主成分回归方法对ACE指数进行建模,结果得到近30年回报相关系数高达0.80,2014和2015年的预报效果与实况较为一致。
关键词登陆台风    华南    强度    前兆信号    预测建模    
Precursor Signal Analysis and Prediction for the Landfall Typhoon Intensity over South China
HU Yamin1, WANG Yongguang2, WANG Juanhuai1, WANG Mingsheng1, LUO Xiaoling1    
1. Guangdong Climate Centre, Guangzhou 510080;
2. National Climate Centre, Beijing 100081
Abstract: Since mid-1990s, there has been a reduction in frequency and intensity of landfall typhoon over South China (SC). This research reveals that the typhoon variation is jointly affected by the interannual and decadal typhoons and the large-scale atmospheric circulation systems. On the other hand, it may be related to the Pacific Decadal Oscillation (PDO). By using the interannual increment method to get rid of the decadal variation, during the eastern La Ni a (the central El Ni o) episode in the preceding winter, it would be a stronger (weaker) cross-equatorial flow over 120°-130°E, followed by convergence zone and monsoon trough with the location more northward (southward). This kind of atmosphere and ocean configuration could make the accumulated cyclone energy (ACE) stronger (weaker). Therefore, the typhoon would be more powerful, which reflects the interannual interaction among the typhoon, the sea surface temperature (SST) and the atmospheric circulation systems. Finally, adopting the principal component regression technique based on the interannual incremental method, the prediction model of ACE index is constructed, whose hindcast correlation coefficient is up to 0.80 for the recent 30 years. And the 2014 and 2015 prediction results are consistent with the observations.
Key words: landfall typhoon    South China    intensity    precursor signal    prediction model    
引言

华南区域濒临南海,世界最大台风源区(西北太平洋)的影响首当其冲。登陆华南的台风数量多,强度大。1981—2010年,平均每年有4.5个台风在华南登陆,占全国登陆数的50%,多的年份高达8个,1971年最多达12个。其中,90%以上的台风发生在6—10月,中心风力12级以上的台风占28.4%,平均每年台风给华南区域造成巨大的经济损失。近些年随着生活水平的提高,人们对气象灾害越来越重视,登陆台风主要以风雨的形式对各地造成严重影响,其中台风强度是最为关键的影响因子,许多研究基于非线性理论、神经网络、人工智能、偏最小二乘回归和主分量分析等角度,从天气尺度开展台风强度预测研究(姚才等,2007黄小刚等,2009王耀领等,2010宋金杰等,2011林开平等,2013于润玲等,2013黄颖等,2014唐明晖等,2017),进一步端义宏等(2005)从天气角度对热带气旋强度研究进行了综述,张守峰等(2015)对中央气象台台风强度综合预报进行误差分析,提出了一个强度概率预报方案。

从气候学尺度上开展台风强度的研究也不少,不同学者分别从南海和西北太平洋(袁金南等,2008李勋等,2010潘蔚娟等,2013)和我国近海(冯锦全和陈多,1995)进行了台风强度气候特征研究。Emanuel(2005)Webster et al(2005)指出由于台风频数增加而导致台风活动强度的增强,赵珊珊等(2009)分析得到超强台风Ⅱ的频数减少引起西北太平洋台风最大风速年平均值呈减小趋势,Klotzbach(2006)Chan(2006)则指出西北太平洋热带气旋强度的变化不存在显著趋势,而王小玲和任福民(2007;2008)指出1957—2004年我国热带气旋的最大强度呈线性减弱趋势,Knutson et al(2010)指出过去台风活动的变化由于资料等原因具有不确定性,从而可见对于台风强度的研究仍存在较大的不一致性。梁健等(2008)则进一步基于500 hPa高度场及海温场采用二次多项式预报方法建立了南海热带气旋强度的预测方法。但对于登陆华南台风的强度研究,尤其是台风强度的预测研究工作开展较少,自1998年超强厄尔尼诺后,登陆华南台风强度发生了变化,由其引起的极端强降水频发(江漫和漆梁波,2016),给人民的生产和生活造成严重的影响,甚至威胁人民生命安全,重新对台风强度特征进行研究,对于省级政府等部门提前开展防御工作非常必要,基于此本文首先开展近30年登陆华南台风强度特征研究,着重分析影响华南年台风平均强度的下垫面强迫因子,最后采用基于年际增量法的主成分回归方法构建华南台风强度的预测模型,以期在汛期开始之前为政府提供全年的防台决策服务依据。

1 资料和方法

本文使用的1981—2015年最佳路径数据集由上海台风研究所提供(http://tcdata.typhoon.gov.cn/zjljsjj_zlhq.html),资料来自于《台风年鉴》和《热带气旋年鉴》。登陆台风主要集中在华南(广东、广西和海南)、华东(福建、台湾、上海、浙江、江苏)、华北和东北(山东、天津和辽宁),在资料处理时均不剔除奇异路径和近海转向,且不计算台风的多次登陆(即若台风先后登陆台湾和广东,只记台风登陆华东,不登陆华南),由于1981—2015年总共只有6个台风登陆华北和东北地区,仅占登陆总频数的1.5%,因此在后文主要对比讨论登陆华南和华东台风的区别。

文中采用累计气旋能量指数(accumulated cyclone energy, ACE)、平均气压和平均风速来表征台风强度,其中平均风速是最佳路径里的近中心最大风速在行进过程中的平均值。在计算单个热带气旋强度时以其生成开始时刻计算,直至热带气旋减弱消失,即其生命史期间高于热带风暴级别所有的时刻数,值得指出的是,平均气压、平均风速和ACE均考虑热带风暴(低层中心附近最大平均风速达到17.2~24.4 m·s-1)以上的强度级别。年(后汛期)平均气压和平均风速的计算均采用符合热带风暴强度级别条件以上所有时刻的气压和风速的和除以所有台风个数,既对台风频数进行了平均,也对生命史长度进行了平均。单个热带气旋的ACE定义为其持续时间内每6 h最大风速的平方和(Chan and Liu, 2004),华南热带气旋的ACE定义为年内登陆华南所有单个热带气旋ACE值的平均值,其计算公式为:

$ {I_{{\rm{ACE}}}} = {10^{ - 4}} \times \sum\limits_{j = 1}^N {\sum\limits_{i = 1}^T {V_{\max i}^2/(N \times T)} } $ (1)

式中,j为年台风个数,i为热带风暴级别以上台风活动时刻,N为年台风总数,T为生命史持续时间。

1980—2015年大气环流资料取自美国NCEP/NCAR再分析资料,变量包括位势高度、纬向风、经向风,水平分辨率为2.5°×2.5°,垂直层取200、500和850 hPa。海温资料取自NOAA的Extended Reconstructed Sea Surface Temperature (ERSST) v4b,水平分辨率为2.0°×2.0°。风切变的计算选用200 hPa减去850 hPa标准化的纬向风。本年度前冬的时段为上一年12月至当年2月。气候平均取1981—2010年。厄尔尼诺/拉尼娜事件以中国气象局预报与网络司关于印发《厄尔尼诺/拉尼娜事件监测业务规定》(气预函〔2016〕22号文)为准。而每隔几十年,赤道太平洋的东部在冷暖条件间振荡,这种循环为太平洋年代尺度振荡(Pacific Decadal Oscillation, PDO)。

考虑到登陆华南台风强度的年际变化较大,且台风是小概率事件,为了剔除自变量之间存在的近似线性关系,即存在复共线性时,回归的正规方程组出现严重病态,导致回归方程极不稳定。因此采用基于年际增量法(范可等,2008)的主成分回归方法(魏凤英,2007)的预测方法进行建模。年际增量法的预测思路是:首先计算预测因子和预测对象(台风强度)的年际增量(当年的变量值减去上一年的变量值),然后构建基于预测因子年际增量的预测模型,来预测台风强度的年际增量,最后将当年台风强度年际增量的预测值加上前一年台风强度的实测值,得到当年台风强度的预测值。使用年际增量方法,不仅可以放大预测因子和预测对象之间的异常信号,使之更容易被预测,还能在一定程度上克服年代际和年际变化预测信号不一致的问题。

2 登陆华南台风强度的气候变化特征

1981—2010年登陆华南台风的平均气压为980.4 hPa、年平均风速为28.1 m·s-1、ACE指数为7.6 m2·s-2,标准差分别为5.9、3.6和4.5,其中年平均最高气压为991 hPa(2004年)、最小风速为21 m·s-1(2002年)、最小ACE指数为22 m2·s-2(1998和2004年),而年平均最低气压为970 hPa (1985和1987年)、最大风速为35 m·s-1(1990年,达12级台风强度级别)、最大ACE指数为18.5 m2·s-2(1986年)。登陆华南的台风主要集中在后汛期(7~9月,下同)(胡娅敏等,2008),其ACE指数平均值为4.8 m2·s-2,平均最低气压为966 hPa、平均最大风速为36 m·s-1(达13级台风强度级别),计算表明后汛期的平均气压与年平均气压的相关系数达0.74,与年平均风速的相关系数达0.76,与年ACE的相关系数为0.73(均通过0.05的显著性水平检验),其气候变化特征与年平均强度特征基本一致(图 1图 2),但其年代际突变更为明显,由于华南汛期服务需求更为关注全年的强度,以下选取年平均台风强度进行研究。

图 1 1981—2015年登陆华南台风年和后汛期平均气压和平均风速时间序列 Fig. 1 Time series of average pressure (solid lines) and wind speed (dotted ones) for the annual (red ones) and second rainy season (blue ones) of the landfall typhoon years over South China during 1981-2015

图 2 1981—2015年登陆华南台风逐年和后汛期ACE指数时间序列 (点划线为1倍标准差线) Fig. 2 Time series of ACE index for the annual (red solid lines) and second rainy season (blue dotted ones) of the landfall typhoon years over South China during 1981-2015 (The dark dotted lines denote 1.0 standard deviation)

年平均气压和年平均风速的年代际变化特征表现为在20世纪80年代和近3年台风强度偏强,20世纪90年代强度最弱,21世纪00年代较90年代略强,而年ACE指数在20世纪90年代中期前偏强,之后处于偏弱时期。从而,ACE指数具有和平均风速、平均气压不完全一致的强度特征,这是因为ACE指数考虑了强度、频数和维持时间等多个要素。对1981—2016年登陆华南台风ACE和PDO序列分别做9年滑动平均,可以得到ACE在20世纪90年代中期由强转弱,而PDO由高转低,两者的相关系数高达0.73,从而登陆华南台风强度可能受PDO影响(肖栋和李建平,2007),另一方面也可能受台风和大尺度环流系统自身的年际和年代际变化影响(张庆云和彭京备,2003)。

采用M-K检验得到登陆华南台风的年平均气压、年平均风速和ACE指数均在20世纪90年代中期发生了一次由强转弱年代际突变,1981—1995年登陆华南的台风最低气压年均为966.4 hPa、最大风速年均为37.1 m·s-1,而1996—2012年台风最低气压年均为972.0 hPa、最大风速年均为32.6 m·s-1,从而自1996年登陆华南台风进入强度偏弱期,这可能与海温(肖栋和李建平,2007)或者与北极海冰在20世纪90年代的突变有关(方之芳等,2005)。

进一步计算得到1981—1995年与1996—2015年登陆华南台风的标准化风速平均值从0.5到-0.4,由强转弱,而登陆华东台风的平均值从-0.4变为0.3,由弱转强(图 3)。从而,登陆华南的台风强度在20世纪90年代中期,强度由强转弱,而登陆华东的台风强度由弱逐渐转强,两者的强度表现为不一致的特点。对1981—2015年海表温度进行9年滑动平均剔除年际变化后,可以得到自20世纪90年代中后期至今(1996—2015年)后汛期阶段西太暖池和印度洋海温较1981—1995年大面积偏高,而南海区域海温变化不明显(图 4a),而登陆华南台风42%源自南海地区,南海生成的台风一般比西太平洋台风强度弱,登陆华东台风源自太平洋地区,这可能是登陆2个区域台风强度不一致的原因之一。另一方面,后一时期(1996—2015年)西太平洋副热带高压脊线偏北、面积偏大、强度偏强,副热带高压的这种分布型尤其是其西南侧,有利于台风登陆华东(图 4b),计算得到1981—1995年登陆华南(华东)的台风数年均5.1(3.9)个,1996—2015年年均4.0(4.7)个(图 5),这与杨玉华等(2009)的研究结果一致,即登陆中国的台风在23°~35°N增多,而23°N以南以减少为主。

图 3 1981—2015年登陆华南和华东台风标准化风速的时间序列及其气候平均值 Fig. 3 Time series of the standardized wind speed of landfall typhoons over South China (red ones) and East China (blue ones) as well as their climate average (dotted ones) during 1981-2015

图 4 (a) 进行9年滑动平均后1996— 2015年和1981—1995年夏季海温的差异显著性检验[单位:℃,浅(深)阴影区是通过0.10(0.05)的显著水平检验区域,等值线是两者的差值],(b) 1981—1995年(黑色)和1996—2015年(红色)后汛期西太平洋副热带高压脊线位置对比(单位:dagpm) Fig. 4 (a) Summer SST significant difference test between 1996-2015 and 1981-1995 after 9 a moving average [unit:℃, the light (dark) shaded region has passed the significance test 0.1(0.05) level, and the contours present the difference between strong and weak typhoons]; (b) comparison of the subtropical high ridge location of western Pacific between 1981-1995 (black contours) and 1996-2015 (red contours) (unit: dagpm)

图 5 1981—2015年登陆华南和华东年台风数 Fig. 5 Annual typhoons over South China (red solid lines) and East China (blue dashed lines) during 1981-2015 (The red and blue dotted ones show the climate average for South China and East China, respectively)

值得关注的是,近3年登陆华南台风具有增强趋势(最低气压年均953.3 hPa,最大风速年均41.7 m·s-1),这说明登陆华南台风的年强度ACE指数并不与海温升高成线性正相关,验证了Chan and Liu(2004)用1960—2003年资料研究西太平洋台风活动与西北太平洋海温没有显著关系,但台风活动的增加与赤道东太平洋海温有关,并且台风活动的年变化似乎与ENSO相联系的大尺度环流异常相关。

研究表明,厄尔尼诺年影响(林惠娟和张耀存,2004)和登陆(殷明等,2016)中国的台风生命史强度偏强,但登陆华南的台风强度在不同类型的厄尔尼诺和拉尼娜年表现为不一致的特征(表 1),其中东部型拉尼娜年登陆华南3个要素表征的强度均偏强,中部型厄尔尼诺和中部型拉尼娜登陆华南3个要素表征的强度均偏弱,而东部型厄尔尼诺平均气压和风速表征的气压偏强、ACE指数较气候平均值略弱。从而可见,对于华南台风强度具有复杂性,今后需开展更为详细的研究。下面针对登陆华南台风开展近30年生命史强度特征研究。

表 1 不同类型厄尔尼诺和拉尼娜登陆华南台风生命史强度的对比 Table 1 Comparison of the typhoon life cycle intensities over South China among the different El Ni o and La Ni a events
3 影响登陆华南台风强度的物理因子分析 3.1 影响登陆华南台风强度的下垫面强迫海温因子

挑选年ACE指数超过1个标准差的年份进行合成,偏强年有1985、1986、1987、1989、1993和1995年,偏弱年有1997、1998、2000、2002、2004、2007和2012年,这两序列的分界线为20世纪90年代中期,与第2节的突变检验一致,进一步对比偏强年和偏弱年登陆华南台风生命史强度的本年度前冬海温,两者的分布型几乎呈反对称分布(图 6),即登陆华南台风偏强年,前冬西太平洋、印度洋全区、赤道东太平洋和大西洋偏冷,即本年度前冬海温冷背景下有利于当年登陆华南年台总能量偏强,反之亦然,这可能体现了台风强度和海温的年代际特征(图 4a)(肖栋和李建平,2007)。

图 6 登陆华南台风偏强年(a)和偏弱年(b)本年度前冬SST的空间分布图 [单位:℃,浅(深)阴影区是通过0.10(0.05)的显著水平检验区域] Fig. 6 SST spatial distribution in the preceding winter of the strong typhoon years (a) and the weak ones (b) [unit:℃, the light (dark) shaded region has passed the significance test at 0.1(0.05) level]

然而,有些时段内年际和年代际信号可能存在反相关,年际增量法不仅能在一定程度上克服年代际和年际变化预测信号不一致的问题,还可以放大预测因子和预测对象之间的异常信号,使之更容易被预测。因而,选用年际增量法计算剔除台风强度序列的年代际变化影响后,得到超过1个标准差偏强年(2003、2008、1993、1995、2013、2001、1989、1986、1999)和偏弱年(2012、1990、1992、2010、1982、1987、2002、1996、1994、2004),有意思的是ACE偏强和偏弱年分别对应东部型拉尼娜状态和中部型厄尔尼诺状态的不同影响(图 7),即若本年度前冬呈现东部型拉尼娜状态,则对应ACE年指数更强,而中部型厄尔尼诺年则对应ACE年指数偏弱,这与前面的统计结果一致(表 1),更多地体现了台风和海温的年际变化影响。

图 7图 6,但为基于年际增量法的空间分布图 Fig. 7 Same as Fig. 6, but for SST spatial distribution based on the interannual incremental method
3.2 影响登陆华南台风强度的环流因子

选用年际增量法进行年代际信号剔除后,ACE指数偏强年前冬500 hPa高度场上中高纬地区从西欧经亚洲—太平洋—北美洲到大西洋呈现“+-+-+-”的波列,乌拉尔山和鄂霍茨克海对应一低槽,贝加尔湖对应一高压脊,中国南方地区呈现正距平分布,有利于东亚冬季风偏强;而ACE指数偏弱年中高纬纬向环流几乎与偏强年相反,贝加尔湖对应一低压槽,中国北方对应一正距平,与贝加尔湖低槽形成偶极型分布,不利于冬季风偏强(图 8a)。偏强年对应的后汛期850 hPa风场上表现为120°~130°E越赤道气流偏强,继而是辐合带和季风槽强度偏强、位置偏北(图 8b)(王继志和莱夫特维奇,1984林惠娟和张耀存,2004赖芬芬和江静,2012),从而有利于登陆华南台风偏强。

图 8 基于年际增量的偏强年和偏弱年前冬500 hPa高度场(单位:gpm)(a)以及后汛期850 hPa风场(单位:m·s-1)(b)的差异显著性检验 [单位:℃,浅(深)阴影区是通过0.10(0.05)的显著水平检验区域, 等值线是两者的差值] Fig. 8 Significant difference test of the preceding winter 500 hPa geopotential height fields (unit: gpm) (a) and 850 hPa wind speed fields (unit: m·s-1) in the second rainy season between the strong and weak typhoon years based on the interannual incremental method [unit:℃, the light (dark) shaded region has passed the significance test 0.1(0.05) level, and the contours present the difference between strong and weak ones]
4 登陆华南台风强度的客观化预测模型建立

图 9给出了登陆华南台风强度的高影响区,可以看到和3.1节的合成非常一致,在30°S以北主要以冷海温影响为主,其显著区位于印度洋、大西洋南北高、低纬度海域两侧、黑潮区、菲律宾东南部的赤道海区以及南太平洋南部等。

图 9 前冬海温与(a)年均台风风速和(b)年ACE指数的相关图 (影阴区为通过0.05的显著性水平检验区域,红色为正相关区、蓝色为负相关区,图 9a绿点为建模选取的高相关因子,图 9b①~⑩红色标志为建模选取的高相关区) Fig. 9 Correlation between the preceding winter SST and the annual average typhoon wind speed (a) and ACE index (b) [Shaded has passed the significance test at 0.05 level, the red (blue) area is positive (negative) correlation, the green dots in Fig. 9a and the red flags ①-⑩ in Fig. 9b are the high-correlation factors for the model constrution]

取如图 9b的①~⑩个高相关区,采用基于年际增量法的主成分回归方法,利用本年度前冬海温场对年平均ACE指数建立台风强度预测模型,主要步骤如下:

(1) 选取图 9b中SST的10个高相关区组成自变量矩阵;

(2) 基于年际增量法,构建预报因子矩阵和台风平均强度ACE的年际增量矩阵;

(3) 采用主成分回归方法,分别对自变量因子增量矩阵建模,依据累计方差贡献85%选取主成分个数,前5个方差贡献分别为45.0%、20.8%、13.9%、8.2%和7.7%,计算回归系数,得到预测结果;

(4) 采用相关系数、均方根误差、符号一致率进行独立样本检验;

基于1981—2013年资料,建立预测模型如下:

YACE=0.07-2.38x1-3.44x2-0.72x3-0.31x4+4.29x5+3.5x6+0.5x7-2.56x8-2.28x9+0.08x10

式中,x1~x10各因子分别对应图 9b中的10个区域。

对1981—2013年资料进行回报,其实况值和预报值相关系数为0.8,均方根误差为3.1,符号一致率为90.6%,从图 10回报得到,较强厄尔尼诺次年的台风强度在1998年偏弱、1983年偏强,与实况吻合。2014年和2015年ACE的预报趋势与实况一致。但模型在进行独立样本检验时,得到1983、1992和2011年与实况趋势相反,1985、1992、1993、1996、1997、1999、2001、2004、2011和2012年拟合值与实况值相差4.0以上,这主要是因为统计方法通常依赖于资料的周期性规律来建模,若资料的周期性发生变化,统计模型可能会与实况产生较大差别,另一方面统计模型还依赖于建模因子,若建模因子发生变化,其拟合及预报效果都会受到影响。因此,未来短期气候预报需进一步发展数值模式和统计相结合的动力-统计相结合的释用方法。

图 10 台风强度预测模型得到的预测值结果和实况值对比图 (1981—2013年为拟合回报,2014—2015年为预报) Fig. 10 Comparison between the prediction and the observation from the typhoon intensity model [The values for 1981-2013 are the hindcast and the following 2014-2015 is prediction]
5 结论和讨论

利用1981—2015年台风资料以及NCEP/NCAR的再分析资料,结合年际增量法和主成分回归法,研究了近35年登陆华南台风强度的气候特征并建立预测模型,得出以下主要结论:

(1) 登陆华南的台风强度在20世纪90年代中期,强度由强转弱,频数由多转少,这一方面受台风和大尺度环流系统自身的年际和年代际变化影响,另一方面可能受太平洋年代尺度振荡(PDO)调制。

(2) 若前冬呈现东部型拉尼娜,则登陆华南台风强度偏强,若前冬呈现中部型厄尔尼诺和中部型拉尼娜,则登陆华南台风强度偏弱,而东部型厄尔尼诺气压和风速表征的气压偏强、ACE较气候平均值略弱。

(3) 采用年际增量法剔除年代际变化影响后,若本年度前冬呈现东部型拉尼娜(中部型厄尔尼诺)状态,则对应登陆华南ACE年指数偏强(弱),其对应的随后后汛期120°~130°E越赤道气流偏强(弱),继而是辐合带和季风槽偏强(弱)、位置偏北(南),有利于台风在华南地区(不)活跃,这些体现了台风、海温及大气环流年际变化特征。

(4) 结合年际增量法和主成分回归方法对登陆华南台风的年ACE指数进行建模,结果得到回报试验中实况值和预报值的相关系数为0.80,均方根误差为3.1,符号一致率为90.6%,2014年和2015年ACE的预报趋势与实况一致。

研究得到(Chan and Liu, 2004)台风活动的年际变化更多地依赖于与ENSO现象有关的大尺度大气环流因子,这些大尺度动力和热动力因子主要包括低层相对涡度、垂直风切变和湿静能等。考虑到风切变和涡度场均是影响台风强度的主要因子,本文也增加这两个因子和海温因子同时建立预报模型,但结果与仅用海温因子建模得到结果相差不大。目前,短期气候预测通常在每年3月甚至更早要为省政府的决策服务给出年台风频数和强度的预测,因此建模因子只能从本年度前冬寻找,慢变量海温因子的持续性较强,但对台风活动最直接的影响还是大气环流因子,而大气环流是一个快变量,其记忆难以保持几个月,因此目前仍然以统计建模为主,今后若数值模式模拟性能提高,有望采用统计和动力降尺度解释方法开展台风强度的预报。另外,对于登陆华南和华东台风具有不同的特性,另文将根据更多的资料开展该方面研究及可能成因探讨。

参考文献
端义宏, 余晖, 伍荣生, 2005. 热带气旋强度变化研究进展[J]. 气象学报, 63(5): 636-645. DOI:10.11676/qxxb2005.062
范可, 林美静, 高煜中, 2008. 用年际增量方法预测华北汛期降水[J]. 中国科学D辑:地球科学, 38(11): 1452-1459.
方之芳, 张丽, 程彦杰, 2005. 北极海冰的气候变化与20世纪90年代的突变[J]. 干旱气象, 23(3): 1-11.
冯锦全, 陈多, 1995. 我国近海热带气旋强度突变的气候特征分析[J]. 热带气象学报, 11(1): 35-42.
胡娅敏, 宋丽莉, 刘爱君, 2008. 登陆我国不同区域热带气旋气候特征的对比[J]. 大气科学研究与应用, (1): 1-8.
黄小刚, 费建芳, 陈佩燕, 2009. 利用神经网络方法建立热带气旋强度预报模型[J]. 应用气象学报, 20(6): 699-705. DOI:10.11898/1001-7313.20090607
黄颖, 金龙, 黄小燕, 等, 2014. 基于局部线性嵌入的人工智能台风强度集合预报模型[J]. 气象, 40(7): 806-815. DOI:10.7519/j.issn.1000-0526.2014.07.004
赖芬芬, 江静, 2012. 西北太平洋热带气旋强度的年际变化特征及其大气环流背景场分析[J]. 热带气象学报, 28(5): 609-620.
李勋, 赵声蓉, 李泽椿, 等, 2010. 1977—2007年影响南海的热带气旋强度变化特征[J]. 热带气象学报, 26(3): 330-338.
梁健, 李晓娟, 谢定升, 等, 2008. 南海热带气旋的气候变化及强度预测方法研究[J]. 海洋科学, 32(12): 29-34.
林惠娟, 张耀存, 2004. 影响我国热带气旋活动的气候特征及其与太平洋海温的关系[J]. 热带气象学报, 20(2): 218-224.
林开平, 刘春霞, 黄颖, 等, 2013. 南海热带气旋强度预报的线性模型与非线性模型研究[J]. 热带气象学报, 29(6): 1001-1007.
江漫, 漆梁波, 2016. 1959—2012年我国极端降水台风的气候特征分析[J]. 气象, 42(10): 1230-1236. DOI:10.7519/j.issn.1000-0526.2016.10.007
潘蔚娟, 王婷, 吴晓毅, 等, 2013. 热带气旋强度极值变化特征及其分布模型研究[J]. 热带气象学报, 29(3): 374-380.
宋金杰, 王元, 陈佩燕, 等, 2011. 基于偏最小二乘回归理论的西北太平洋热带气旋强度统计预报方法[J]. 气象学报, 69(5): 745-756. DOI:10.11676/qxxb2011.066
唐明晖, 姚秀萍, 王强, 等, 2017. 不同强度台风相伴随的内陆台前飑线对比分析[J]. 气象, 43(8): 912-923. DOI:10.7519/j.issn.10000526.2017.08.002
王继志, 莱夫特维奇P W, 1984. 夏季110°E附近的低空越赤道气流与西北太平洋台风活动[J]. 大气科学, 8(4): 443-449.
王小玲, 任福民, 2007. 1957—2004年影响我国的强热带气旋频数和强度变化[J]. 气候变化研究进展, 3(6): 345-349.
王小玲, 任福民, 2008. 1951—2004年登陆我国热带气旋频数和强度的变化[J]. 海洋预报, 25(1): 65-73. DOI:10.11737/j.issn.1003-0239.2008.01.010
王耀领, 胡邦辉, 杨玉震, 等, 2010. 主分量分析在热带气旋强度客观预报中的试用[J]. 气象科学, 30(2): 179-184.
魏凤英, 2007. 现代气候统计诊断与预测技术: 第2版[M]. 北京: 气象出版社.
肖栋, 李建平, 2007. 全球海表温度场中主要的年代际突变及其模态[J]. 大气科学, 31(5): 839-854.
杨玉华, 应明, 陈葆德, 2009. 近58年来登陆中国热带气旋气候变化特征[J]. 气象学报, 67(5): 689-696. DOI:10.11676/qxxb2009.069
姚才, 金龙, 黄明策, 等, 2007. 遗传算法与神经网络相结合的热带气旋强度预报方法试验[J]. 海洋学报, 29(4): 11-19.
殷明, 肖子牛, 李崇银, 等, 2016. 2015年西北太平洋热带气旋活动特征及强El Ni o现象对其影响的初步分析[J]. 气象, 42(9): 1069-1078. DOI:10.7519/j.issn.1000-0526.2016.09.004
于润玲, 余晖, 端义宏, 2013. 登陆华南热带气旋强度变化与大尺度环流的关系[J]. 大气科学学报, 36(5): 619-625.
袁金南, 林爱兰, 刘春霞, 2008. 60年来西北太平洋上不同强度热带气旋的变化特征[J]. 气象学报, 66(2): 213-223. DOI:10.11676/qxxb2008.021
张庆云, 彭京备, 2003. 夏季东亚环流年际和年代际变化对登陆中国台风的影响[J]. 大气科学, 27(1): 97-106.
张守峰, 余晖, 向纯怡, 2015. 中央气象台台风强度综合预报误差分析[J]. 气象, 41(10): 1278-1285. DOI:10.7519/j.issn.1000-0526.2015.10.011
赵珊珊, 高歌, 孙旭光, 等, 2009. 西北太平洋热带气旋频数和强度变化趋势初探[J]. 应用气象学报, 20(5): 555-563. DOI:10.11898/1001-7313.20090506
Chan J C L, 2006. Comment on "Changes in tropical cyclone number, duration, and intensity in a warming environment"[J]. Science, 311(5768): 1713.
Chan J C L, Liu K S, 2004. Global warming and western north Pacific typhoon activity from an observational perspective[J]. J Climate, 17(23): 4590-4602. DOI:10.1175/3240.1
Emanuel K, 2005. Increasing destructiveness of tropical cyclones over the past 30 years[J]. Nature, 436(7051): 686-688. DOI:10.1038/nature03906
Klotzbach P J, 2006. Trends in global tropical cyclone activity over the past twenty years (1986-2005)[J]. Geophys Res Lett, 33(10): L10805.
Knutson T R, McBride J L, Chan J, et al, 2010. Tropical cyclones and climate change[J]. Nature Geosci, 3(3): 157-163. DOI:10.1038/ngeo779
Webster P J, Holland G J, Curry J A, et al, 2005. Changes in tropical cyclone number, duration, and intensity in a warming environment[J]. Science, 309(5742): 1844-1846. DOI:10.1126/science.1116448