快速检索
  气象   2017, Vol. 43 Issue (12): 1496-1506.  DOI: 10.7519/j.issn.1000-0526.2017.12.005

论文

引用本文 [复制中英文]

余贞寿, 冀春晓, 董美莹, 等, 2017. 浙江时间多尺度台风暴雨增幅特征的统计研究[J]. 气象, 43(12): 1496-1506. DOI: 10.7519/j.issn.1000-0526.2017.12.005.
[复制中文]
YU Zhenshou, JI Chunxiao, DONG Meiying, et al, 2017. Statistical Analysis on Multi-Timescale Heavy Rainfall Reinforcement Associated with Tropical Cyclone in Zhejiang Province[J]. Meteorological Monthly, 43(12): 1496-1506. DOI: 10.7519/j.issn.1000-0526.2017.12.005.
[复制英文]

资助项目

灾害天气国家重点实验室开放课题(2014LASW-B06)、国家自然科学基金项目(41375056)、中国气象局省级气象科研所科技创新发展项目(台风强降水精细化预报和灾害风险评估)和浙江省气象科技计划项目(2013ZD01)共同资助

第一作者

余贞寿,主要从事数值预报技术应用与台风研究.Email:yuzhenshou@163.com

文章历史

2016年12月28日收稿
2017年7月20日收修定稿
浙江时间多尺度台风暴雨增幅特征的统计研究
余贞寿 1,2, 冀春晓 1, 董美莹 1, 邱金晶 1    
1. 浙江省气象科学研究所,杭州 310008
2. 中国气象科学研究院灾害天气国家重点实验室,北京 100081
摘要:本文提出基于欧拉坐标方法的多时间尺度热带气旋(TC)暴雨增幅及极端暴雨增幅的概念来研究沿海地区TC暴雨增幅,从浙江省内67个国家级台站的整点时刻逐小时降水资料提取1973—2015年影响浙江的135个TC个例的逐1、3、6、12、24 h(1~24 h)降水增量样本,结合TC中心位置和强度信息,统计得到:浙江1~24 h时间分辨率下出现TC极端暴雨增幅阈值分别为29.1、51.9、88.3、103.9和123.9 mm;不同时间分辨率下浙江TC暴雨增幅频次具有比较一致的月际变化、年际变化、长期线性趋势特征,不同时长的TC暴雨增幅的日变化不尽相同;浙江发生TC暴雨增幅和极端暴雨增幅主要出现频率最高的地区是温州南部和台州南部。影响浙江台风9类路径都有可能发生TC暴雨增幅,除了舟山以北登陆类外,其他路径也均有可能发生TC极端暴雨增幅,TC暴雨增幅和TC极端暴雨增幅均以椒江到福清登陆类路径占比最多;TC中心位于浙江温台交界附近和福建东北部沿海时浙江最易发生TC暴雨增幅和极端暴雨增幅;不同分辨率下TC暴雨增幅和TC极端暴雨增幅发生频率最高的离TC中心距离是不同的,但TC暴雨增幅极大值均出现在距离台风中心600~700 km范围内;不同时间分辨率的TC暴雨增幅和TC极端暴雨增幅出现频率最高的是TC的东北象限,其次是西北象限,增幅极大值均出现在东北象限。另外,TC暴雨增幅和极端暴雨增幅均与TC强度有一定关系,从各时长平均来看,最易发生TC暴雨增幅的是强热带风暴级,最易发生TC极端暴雨增幅的是热带低压级。
关键词热带气旋    多时间尺度    暴雨增幅    极端暴雨增幅    沿海地区    
Statistical Analysis on Multi-Timescale Heavy Rainfall Reinforcement Associated with Tropical Cyclone in Zhejiang Province
YU Zhenshou1,2, JI Chunxiao1, DONG Meiying1, QIU Jinjing1    
1. Zhejiang Institute of Meteorological Sciences, Hangzhou 310008;
2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081
Abstract: In this study, a new concept of multi-timescale heavy rainfall reinforcement (HRR) and extreme heavy rainfall reinforcement (EHRR) associated with tropical cyclones (TCs) based on Euler coordinate method are defined to study coastal areas. The 1 h, 3 h, 6 h, 12 h, and 24 h accumulated rainfall increment data of 135 TCs which influenced Zhejiang Province from 1973 to 2015 are extracted from hourly precipitation data of 67 national stations in Zhejiang Province, and the TC center location and intensity information of the above-mentioned precipitation samples are also extracted from the China Meteorological Administration tropical cyclone best track datasets. Statistical results show that the thresholds of EHRR are 29.1, 51.9, 88.3, 103.9 and 123.9 mm over 1 h, 3 h, 6 h, 12 h, and 24 h, respectively. The frequencies of HRR under different temporal resolutions have similar seasonal variation, interannual variation and long-term linear trend, but the diurnal variation is different. The HRR and EHRR occur mainly in the eastern coastal area of Zhejiang in which the southern part of Wenzhou and the southern part of Taizhou are the highest frequency areas. HRR is likely to occur with 9 kinds of typhoon tracks which influenced Zhejiang. Except for the tracks by which TCs landed north of Zhoushan, EHRR could happen with the other tracks. The kind of track by which TC landed between Jiaojiang and Fuqing occupies the most percent of frequency of HRR and EHRR. Most of the TC centers concentrate in the border of Wenzhou and Taizhou in Zhejiang and northeast coast of Fujian when HRR and EHRR happened. The high frequency of HRR and EHRR at different timescales has different distance away from the TC center, but the maximum value of TC HRR appears in the range of typhoon center 600-700 km. The highest frequency of HRR and EHRR occurs in the northeast quadrant under different temporal resolutions, followed by the northwest quadrant, and the most significant reinforcements occur in the northeast quadrant. In addition, HRR and EHRR are related to the intensity of TC. On average, the most likely occurrence of RRTC is the strong tropical storm level, and ERRTC is the tropical depression level.
Key words: tropical cyclone (TC)    multi-timescale    heavy rainfall reinforcement    extreme heavy rainfall reinforcement    coastal areas    
引言

台风是自然界中最强烈的造雨系统,我国排名前六位的破历史纪录的特大暴雨都是由台风造成的(Chen et al, 2010)。台风强降水能够引发城市内涝、山洪、泥石流和山体滑坡等,对人民群众的生命财产安全造成极大威胁,给国家的经济建设带来严重影响,因此,人们对于台风暴雨的关注一直以来有增无减。统计表明,多数热带气旋(TC)登陆后,因陆面摩擦耗能及水汽供应终止,TC强度会逐渐减弱,与其相伴的降水也趋于减弱(李英等,2004),但在一定条件下,有些TC的降水强度在衰减之后会突然加强(Chen, 2006),这种降水减弱后再度加强的现象就称为登陆TC降水增幅(Dong et al, 2010), 但这种现象不仅仅只发生在登陆TC中,非登陆TC也会出现,因此,可以把TC引发降水出现后时间段内比前时间段更强的降水统称为“台风降水增幅”,当降水量级达到暴雨标准时,称之为“台风暴雨增幅”,这种强暴雨常常是大面积洪涝、山洪、泥石流等重大灾害的直接诱因。当前,对于台风暴雨增幅的科学认知有限,对于这一突变现象的预报难度很大,台风暴雨增幅的突发性和高强度往往是造成预报失败和导致国民生命和财产重大损失的重要原因。因此,台风暴雨增幅研究是气象防灾减灾工作的一项重要内容,多年来该领域研究受到气象学者高度关注,早在20世纪90年代,85-9 06-07课题组(1996)首次提出了“台风暴雨增幅”概念,并分析了热带气旋暴雨突然增幅气候特征后,指出有21%的TC发生降水强度和范围增幅。陈久康等(1996)数值研究得到,热带气旋环流与西风槽结合可造成热带气旋外围暴雨加强,增强西风槽的强度可导致暴雨增强。唐章敏和胡洛林(1996)分析了华东北部10次增幅和7次非增幅过程的暴雨和前期条件的异同点的基础上,提出登陆台风北移华东北部发生暴雨增幅的概念模型。钮学新等(2005)对台风森拉克(2002年)数值模拟试验研究指出冷空气入侵台风外围可以使得其外围及倒槽暴雨明显增幅,入侵台风中心后,中心附近非绝热加热迅速减小,中心附近降水减弱,但其外围及倒槽暴雨仍会明显增幅。热带风暴Bilis(2006年)在登陆和深入内陆过程都发生了明显的降水增幅,诱发浙江、福建、江西、湖南、广东等地严重洪涝、滑坡和泥石流,造成843人死亡和348.29亿人民币的经济损失(Gao et al, 2009);有关台风暴雨增幅研究主题也引起广泛关注,近年来,从西南季风(卢山等, 2008; Gao et al, 2009卢珊等,2012)、地形(王晓芳和胡伯威,2007叶成志和李昀英, 2011)、水汽来源(戴竹君等, 2014)、云微物理(任晨平和崔晓鹏, 2014)等方面对“碧利斯”暴雨增幅进行研究。Zhou et al(2013)研究了“莫兰蒂”北上减弱后杭州突发特大暴雨的成因是弱冷空气侵入TC残涡环流激发MCS造成。沈杭锋等(2014)分析台风海葵(2012年)引发浙西山区大暴雨的成因时指出浙江西北部山区地形对于暴雨有明显的增幅作用。刘继晨等(2016)对台风海葵(2012年)数值模拟研究发现台风登陆后的水成物的分布与转化过程引起降水效率的提高, 是台风登陆后降水维持和增幅的直接原因。Dong et al(2010)借鉴拉格朗日移动坐标的研究思路,通过追踪TC强降水区强度变化,提出登陆TC降水增幅的概念标准,并利用57年的逐日TC降水资料,统计登陆TC降水增幅的气候特征,并且指出,21世纪以来,降水增幅强度呈增加趋势。由于TC暴雨增幅发生还具有降水累积叠加效应,有可能成为“压垮骆驼的最后一根稻草”,若不能提前预报预警,甚至有可能会酿成远比TC登陆时造成灾害严重得多,所以,自TC暴雨增幅概念(85-9 06-07课题组,1996)提出以来,该研究主题引起广泛关注,也取得丰硕成果,但目前研究仍存在许多局限性(董美莹等,2009),其中一个重要方面是:现有的24 h甚至更长时间尺度的热带气旋降水突然增幅概念不再能满足当今业务的对更短时间尺度的降水突然增幅概念需求,此外,由于海上缺乏资料导致无法利用传统的暴雨增幅概念来判断沿海省份TC暴雨增幅特征,最近台风菲特(201323)虽未在浙江省登陆, 但却给浙江带来历史罕见的特大暴雨造成浙江直接经济损失达276亿,死亡人数7人(周福等,2014);许映龙等(2015)对台风菲特的特点和预报难点及强风雨成因进行了综合分析;谢慧敏等(2016)分析了双台风作用对“菲特”极端暴雨形成的作用。Yu et al(2015)研究表明“菲特”登陆减弱后在长三角地区发生了明显的暴雨增幅是这次直接经济损失破历史纪录的重要原因之一,开展沿海地区台风暴雨增幅特征及预报技术研究,对提高此类暴雨现象的预报能力和防灾减灾工作具有重要的意义。由于缺乏海上TC降水资料,是无法考虑暴雨落区随着台风移动发生变化的,本文拟采用暴雨落区是不随台风移动发生变化的,这样既可以针对站点,也可以针对某个关注的区域从时间前后变化来定义暴雨增幅,称为欧拉式暴雨增幅定义,把之前考虑暴雨落区是随TC移动而变化的,称为拉格朗日式暴雨增幅定义(如Dong et al,2010)。相比而言,拉格朗日式暴雨增幅定义对上下游都要有TC降水资料才能判断是否符合暴雨增幅标准,也导致目前研究中大多研究以内陆降水增幅为主,欧拉式暴雨增幅定义更适合缺乏TC移动上游无观测资料或者固定台站预报,实际工作需要含有更短时间尺度的降水突然增幅的多尺度概念及其影响机制。因此,我们从实际的业务需求出发,以受台风严重影响的沿海省份浙江为例开展台风多时间尺度暴雨增幅特征研究。

1 资料和处理方法

本文采用的台风路径资料来自中国气象局上海台风所整编的CMA热带气旋最佳路径数据集(Ying et al,2014),为了方便后面统计TC位置,采用线性内插方法对热带气旋路径资料进行插值处理成每小时一次的路径资料。

降水资料来自中国气象局国家气象信息中心提供的1973—2015年浙江及周边(江苏、上海、安徽、江西、福建)的293个台站逐日降水资料和浙江省境内67个国家级台站的整点时刻逐小时降水资料, 选择的站点分布如图 1所示。降水资料处理方法如下:

图 1 浙江及其周边293个降水台站分布 Fig. 1 Spatial distribution of the selected 293 rain gauge stations in Zhejiang and the adjacent areas

首先定义影响浙江TC为:受TC影响,浙江全省67个国家级台站中有一个及以上的日降水量(08—08时)≥50 mm,或有一个及以上台站的过程降水量≥100 mm。

其次,提取影响浙江台风降水资料方法如下:先从中国气象局上海台风所整编的CMA热带气旋最佳路径数据集获取西北太平洋区域每个台风的起止时间,采用了中国气象局国家气象信息中心提供的1973—2015年浙江及周边的293个台站逐日降水资料,采用Ren et al(2007)提出的TC降水天气图客观识别法(OSAT)来识别出1973—2015年浙江区域的TC的过程降水(TC_TR)和日降水(TC_DR),根据TC_TR和TC_DR确定影响浙江的135个TC及其大致时间,再从1973—2015年浙江省境内67个国家级台站的整点时刻逐小时降水资料集滑动匹配TC_TR来确定影响浙江台风的个例具体降水时间。

最后采用基于时间滑动累积方法(余贞寿,2014)获得了各个站点1973—2015年间135个影响浙江TC的逐1 h至24 h时长的降水资料。

2 TC暴雨增幅及极端暴雨增幅定义

欧拉式TC暴雨增幅定义,借鉴85-9 06-07课题组(1996)蔡义勇等(2015)对TC降水的处理方法,把影响浙江TC的各时长降水处理成的各时长的降水增量序列,如果某站某时刻的值大于上一时刻的值,则称该站该时刻发生了TC降水增幅,如果还满足相应的时间尺度的暴雨标准,则称该站该时刻发生了TC暴雨增幅(HRR);如果某时刻的值大于给定的阈值(即当降水增量超过某个阈值),则称为该站该时刻发生了TC极端暴雨增幅(EHRR)。

本文分别利用1、3、6、12和24 h降水资料计算出1973—2015年每个影响浙江的热带气旋降水期间各时刻的降水增量ΔRt=Rt-Rt-1(t=2, 3, …),式中Rtt时刻受TC影响浙江省境内国家级台站降水,TC暴雨增幅样本取ΔRt大于对应时间尺度的暴雨标准值, 本文中各时间尺度暴雨标准参照《中华人民共和国国家标准-降水量等级》(中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会,20062012),1、3、6、12和24 h的暴雨标准分别取15、20、25、30和50 mm。目前国际上通常采用的是取某个百分位值作为极端降水阈值,超过这个阈值的值被认为是极值,该事件被认为是极端事件,Zhai et al.(2005)采用超过气候标准期中日降水量序列的第95个百分位数的天数,作为台站极端强降水气候事件的度量。蔡义勇等(2015)研究发现当TC暴雨增幅超过95%的暴雨增幅样本的值以上暴雨增幅个例均造成严重台风灾害, 因此, 本文极端暴雨增幅阈值取TC暴雨增幅样本序列的第95个百分位数的降水增幅值,超过阈值的样本称为极端暴雨增幅。

3 结果分析 3.1 TC极端暴雨增幅阈值确定

本文选取了1973—2015年这43年间影响浙江的135个热带气旋个例,计算得到发生1、3、6、12和24 h暴雨增幅的TC个例数分别为86、118、108、104和48个,年均2、2.74、2.51、2.42和1.12个,得到暴雨增幅样本数分别为592、1075、623、444和77个。由表 1可见,1、3、6、12和24 h时间分辨率下TC出现极端暴雨增幅阈值分别为29.1、51.9、88.3、103.9和123.9 mm,阈值以上样本数分别为31、54、33、23和4个。1、3、6、12和24 h时间分辨率下,满足极端暴雨增幅条件的热带气旋个数分别为18、28、19、13和3个,年均0.42、0.65、0.44、0.3和0.07个,其中出现极端暴雨增幅站次数最多的分别为201323、201323、201323、200505和199909号TC,1、3、6和24 h时间分辨率下,最大强度的暴雨增幅分别为85.8、228.8、314.9和316.2 mm,都是199909号TC“温蒂”引发,而12 h暴雨增幅最大强度203.7 mm,是由200505号TC“海棠”引发的。

表 1 不同时间分辨率下TC暴雨增幅和TC极端暴雨增幅概况 Table 1 Profiles of HRR and EHRR associated with TCs at different temporal resolutions
3.2 TC暴雨增幅年际、月际、日变化特征

图 2a可见,1973—2015年间不同时间分辨率下浙江TC暴雨增幅频次具有一致的年际变化特征,年际变化幅度大小依次为3、6、12、1和24 h,不同时间分辨率下浙江TC暴雨增幅频次都与影响浙江的TC个数之间有显著相关性,相关系数均在0.9以上(通过0.01的显著性检验),从线性趋势看,虽然影响浙江的TC个数是略有下降趋势,但不同时间分辨率下浙江TC暴雨增幅均有增加趋势。以3 h的浙江TC暴雨增幅为例用小波分析方法分析其变化周期特征,从图 2b可见,1975年前后、1985—1995年和2005—2015年这三个时段2~3 a周期的年际变化特征明显,1995年以来6~8 a的年均变化也较明显,另外,3 h的浙江TC暴雨增幅还具有16 a周期的年代际变化特征。由图 2c可见,浙江1年中的5—11月都有TC暴雨增幅发生的可能性,从增幅发生频率看,均呈单峰型分布,3、6、12和1 h的峰值出现在8月,而24 h的峰值出现在9月。不同时间分辨率下浙江TC暴雨增幅发生频率的日变化(图 2d)可见,1、3和6 h分辨率的TC暴雨增幅主要发生在下午到前半夜,而且呈双峰值分布,如3和6 h的峰值出现在15—16时和21—22时,12 h的TC暴雨增幅除了下午到前半夜易发生外,03—04时是另一个易发生时段;24 h的TC暴雨增幅与前面1、3、6和12 h的均不同,它最易发生的时段为凌晨到上午。

图 2 不同时间分辨率下TC暴雨增幅发生频率的年际变化(a)、年际变化的小波分析(b)、月变化(c)和日变化(d) Fig. 2 The interannual variation (a), wavelet analysis of interannual variation (b), seasonal variation (c) and diurnal variation (d) of the frequency of HRR occurrence under different temporal resolutions
3.3 TC暴雨增幅的空间分布特征

图 3给出1973—2015年影响浙江的135个热带气旋在浙江发生TC暴雨增幅和极端暴雨增幅频次的空间分布,由图 3a可见,发生1 h的TC暴雨增幅频率较高的主要位于浙江东部沿海地区,其中温州的苍南、平阳和文成、泰顺的东部,台州的温岭、玉环,台州的临海、三门为1 h的TC暴雨增幅频率最高的地区;而发生1 h的TC极端暴雨增幅地区主要分布在1 h的TC暴雨增幅频率较高的地区,但也并不是完全一致,比如1 h的TC极端暴雨增幅频率最高的在瓯江南岸的温州市区及瑞安,但这地区并不是1 h的TC暴雨增幅频率最高的地区。3 h的TC暴雨增幅主要发生在浙江东部沿海地区、钱塘江口沿岸地区、浙江西北部天目山区,其空间分布特征类似于201323号菲特过程降水量强降水中心分布特征,增幅频率最高的地区与1 h的类似范围偏小,3 h的TC极端暴雨增幅主要发生地区与3 h的TC暴雨增幅比较一致(图 3b)。6 h的TC暴雨增幅(图 3c)也主要分布在浙江东部沿海地区及钱塘江口两岸地区,出现频率高值中心位于瓯江南岸的温州市区、瑞安、平阳及文成东部(较1和3 h的略有北移)、台州的温岭、玉环地区,6 h的TC极端暴雨增幅区与6 h的TC暴雨增幅区类似,但是钱塘江口南岸的6 h的TC极端暴雨增幅频率比3 h的明显减少;12 h的TC暴雨增幅和12 h的TC极端暴雨增幅分布(图 3d)类似于6 h的,频率略低于6 h的。24 h TC暴雨增幅分布(图 3e)与12 h类似,但范围进一步减小,出现频率最高的位于温州乐清、台州的温岭、玉环等地区,24 h TC极端暴雨增幅发生4站次,分别为温州站2次,台州洪家站1次,绍兴站1次。

图 3 不同时间分辨率下TC暴雨增幅(极端暴雨增幅, 红色三角形)发生频率空间分布 (a) 1 h, (b) 3 h, (c) 6 h, (d) 12 h, (e) 24 h Fig. 3 The spatial distribution of the frequency of HRR (EHRR, red triangle) under different temporal resolutions (a) 1 h, (b) 3 h, (c) 6 h, (d) 12 h, (e) 24 h
3.4 发生TC暴雨增幅(极端暴雨增幅)的台风路径特征

在1973—2015年间共有135个TC影响浙江, 其中发生TC暴雨增幅的有129个(图略), 占比达95.6%;从浙江多时间尺度TC暴雨增幅发生时TC中心位置分布(图略)可见,从台湾以东洋面到中国东海、南海北部及中国大陆东南部的TC都有可能会发生暴雨增幅,甚至是从南海登陆到越南的TC也可能会在浙江发生暴雨增幅,发生增幅时TC中心空间分布将在下节讨论。余贞寿(2014)把影响浙江台风按登陆情况划分为9类路径,表 2给出发生暴雨增幅的TC在这9类路径的占比情况,所有时长的TC暴雨增幅占比最多路径均为椒江到福清登陆类;从同一时长TC暴雨增幅看,发生1、3、6 h TC和24 h暴雨增幅的TC移动路径占比前三位的分别是:椒江到福清登陆类,福清到厦门登陆西行类和福清到厦门登陆北上类,而12 h TC暴雨增幅的TC移动路径占比前3位的分别是:椒江到福清登陆类,福清到厦门登陆西行类和厦门到湛江登陆北上类;舟山到椒江登陆类随时长增加占比反而减小,厦门到湛江登陆北上类随时长增加占比会增大。TC极端暴雨增幅与TC暴雨增幅路径分布上有很大不同,舟山以北登陆类没有出现TC极端暴雨增幅现象,除了3 h外,厦门到湛江登陆西行类也很少出现TC极端暴雨增幅现象;与TC暴雨增幅相比,福清到厦门登陆西行类会比福清到厦门登陆北上类发生1、3和6 h TC极端暴雨增幅概率明显增多;对于24 h TC极端暴雨增幅来说,只有厦门到湛江登陆北上类和椒江到福清登陆类发生过TC极端暴雨增幅。

表 2 不同时间分辨率下TC暴雨增幅在各类路径中分布 Table 2 The percentage of tracks of TC HRR at different temporal resolution

表 3 不同时间分辨率下TC极端暴雨增幅在各类路径中分布 Table 3 The percentage of tracks of TC EHRR at different temporal resolution
3.5 发生TC暴雨增幅(极端暴雨增幅)时台风中心位置的空间分布特征

图 4给出不同时间分辨率下在浙江发生TC暴雨增幅和极端暴雨增幅时TC中心位置的空间分布特征及发生暴雨增幅站次最多的前三位的TC路径,由图 4a可见,发生1 h的TC暴雨增幅时TC中心主要位于浙江和福建沿海以及近海地区,有3个大值中心,分别位于浙江温台交界附近、浙闽交界沿海附近和福建闽江口附近,发生暴雨增幅站次最多的是201323号TC“菲特”,53站次,其次是200505号TC “海棠”,27站次,紧随其后的是198712号TC“杰拉德”,25站次;发生3、6、12 h的TC暴雨增幅时TC中心分布比较类似(图 4b~4d),大值中心由1 h的3个减为2个,主要位于浙江温台交界附近和福建东北部沿海;但是发生暴雨增幅站次最多的前三位的TC个例是不一样的,如发生3 h暴雨增幅(图 4b)站次最多的前三位分别是201323、200908和200505,而发生6 h暴雨增幅(图 4c)站次最多的前三位分别是201323、200505和200010,对于12 h暴雨增幅(图 4d)而言,排在前三位的分别是200505、201323和200010;发生24 h的TC暴雨增幅时TC中心分布比较散(图 4e),有1个大值中心位于台湾海峡北部,暴雨增幅站次最多的前三位分别是199909、198712和201323。从1、3、6和12 h分辨率下在浙江发生TC极端暴雨增幅时TC中心位置分布与发生TC暴雨增幅时类似,但24 h TC极端暴雨增幅时发生时TC中心位置发生在福建东北部、中部及广东东部沿海地区。

图 4 不同时间分辨率下TC暴雨增幅(极端暴雨增幅, 红色“▲”号)发生时台风中心位置的空间分布及发生暴雨增幅站次最多的前三位的TC路径 (a) 1 h, (b) 3 h, (c) 6 h, (d) 12 h, (e) 24 h(路径颜色代表:红色,第一位;蓝色,第二位;绿色,第三位) Fig. 4 Spatial distribution of TC centers when HRR (EHRR, red triangle) occurred at different temporal resolutions and induced the highest HRR occurrence frequency in the top three of the TC path (a) 1 h, (b) 3 h, (c) 6 h, (d) 12 h, (e) 24 h(the path color, red: ranked first, blue: ranked second, green: ranked third)
3.6 TC暴雨增幅与TC相对位置关系

图 5给出了不同时间分辨率下TC暴雨增幅、极端暴雨增幅和增幅极大值与台风中心距离和相对方位的关系,把暴雨落区离台风中心的距离在1000 km以内的以100 km为间隔划分,1000 km以外的同作为一类,由图 5a可见,1 h TC暴雨增幅和TC极端暴雨增幅主要发生在距离台风中心较近处,发生500 km内次数占总次数分别达到80.9%和73.3%,1 h TC暴雨增幅出现次数最多在距离TC中心0~100 km范围内,其次是在距离TC中心200~300 km,之后随着距离增加而减少,但并不是线性下降,它最易发生在距离台风中心300~400 km范围内;1 h TC暴雨增幅极大值达85.8 mm,出现在距离台风中心在距离台风中心600~700 km范围内。从相对于台风方位(图 5f)看,4个象限均有可能发生1 h TC暴雨增幅,出现频率最高的是东北象限,其次是西北象限,1 h TC极端暴雨增幅只发生在东北象限和西北象限,极大增幅值出现在东北象限。从3和6 h TC暴雨增幅在各个距离范围分布(图 5b, 5c)与1 h TC暴雨增幅类似,3和6 h TC暴雨增幅极大值也出现在在距离台风中心在距离台风中心600~700 km范围内,分别为228.8和314.9 mm;3和6 h TC极端暴雨增幅在距离台风中心100 km内的频次最高,其次是在距离台风中心200~300 km范围内。对于12 h TC暴雨增幅(图 5d),在距离台风中心200~300 km内出现的频次超过在距离TC中心0~100 km范围内的,成为最易发生区域,12 h TC暴雨增幅极大值203.7 mm,也出现在此区域,而12 h TC极端暴雨增幅也是在距离台风中心200~300 km内的频次最高;对于24 h TC暴雨增幅(图 5d)在各个距离区间分布完全不同于1、3、6和12 h TC暴雨增幅,其在各个区间上出现次数差异比较小,略占优势的有0~100、400~500和600~700 km,24 h TC极端暴雨增幅在600~700 km内出现频次最高,24 h TC暴雨增幅极大值也出现在此区域,为316.2 mm。由此可见,从3~24 h TC暴雨增幅和TC极端暴雨增幅在TC的各个象限分布(图 5g, 5j)与1 h TC暴雨增幅和TC极端暴雨增幅情况类似,出现频率最高的是东北象限,其次是西北象限,极大增幅值均出现在东北象限。

图 5 不同时间分辨率下TC暴雨增幅、极端暴雨增幅和增幅极大值与台风中心距离(a~e)和相对方位(f~j)的关系 (a, f) 1 h, (b, g) 3 h, (c, h) 6 h, (d, i) 12 h, (e, j) 24 h Fig. 5 The relationship between the HRR, EHRR, the maximum value of HRR and the distance away from TC center (a~e) and they appeared in the direction of TC (f~j) (a, f) 1 h, (b, g) 3 h, (c, h) 6 h, (d, i) 12 h, (e, j) 24 h
3.7 TC暴雨增幅与TC强度关系

为了分析TC暴雨增幅与TC强度关系,按国家标准定义的TC强度等级,统计了发生1~24 h不同时间分辨率下TC暴雨增幅和TC极端暴雨增幅在各个强度等级内频次数,计算了各个强度等级所占发生TC暴雨增幅和TC极端暴雨增幅比例,由图 6可见,TC各个强度等级上都有TC暴雨增幅发生的可能,1、3、12和24 h TC暴雨增幅发生比例最高的为强热带风暴级,6 h TC暴雨增幅发生比例最高的为热带低压级;,TC暴雨增幅发生在强台风级及以上的比例迅速下降。3和6 h TC极端暴雨增幅在各个TC强度等级上均有发生,1和12 h TC极端暴雨增幅在超强台风级未有发生过,24 h极端暴雨增幅在台风级及以上均未发生过,1 h TC极端暴雨增幅发生比例最高的为热带风暴级,占比36.7%,3、6和24 h TC极端暴雨增幅发生比例最高的均为热带低压级,占比分别为:37%、34.4%和50%,12 h TC极端暴雨增幅发生比例最高的为台风级,占比47.8%。

图 6 不同时间分辨率下TC暴雨增幅(实线)、TC极端暴雨增幅(虚线)与TC强度的关系 (TD:热带低压;TS:热带风暴;STS:强热带风暴;TY:台风;STY:强台风;super TY:超强台风) Fig. 6 Correlation between TC HRR (solid line), EHRR (dash line) and TC intensity at different temporal resolution (TD: tropical depression; TS: tropical storm; STS: severe tropical storm; TY: typhoon; STY: severe typhoon; super TY: super typhoon)
4 结论与讨论

本文针对过去热带气旋(TC)暴雨增幅概念和适用范围的不足以及历史资料局限性,提出基于欧拉坐标方法的多时间尺度TC暴雨增幅及极端暴雨增幅概念,通过对1973—2015年间影响浙江的135个热带气旋个例的67个台站逐小时降水资料和台风移动路径和强度资料统计分析, 得到如下结果:

(1) 浙江1、3、6、12、24 h时间分辨率下出现TC极端暴雨增幅阈值分别为29.1、51.9、88.3、103.9和123.9 mm。

(2) 不同时间分辨率下浙江TC暴雨增幅频次具有一致的年际变化特征,均有线性增加趋势,5—11月都有TC暴雨增幅发生的可能性,1、3、6和12 h以8月为峰值,24 h以9月为峰值的呈单峰型月际变化,不同时间分辨率下浙江TC暴雨增幅发生具有明显的日变化特征,但不同时长的TC暴雨增幅的日变化不尽相同。

(3) 浙江发生TC暴雨增幅和极端暴雨增幅主要出现在浙江东部沿海地区,其中温州南部和台州南部为出现频率最高的地区。

(4) 影响浙江台风9类路径都有可能发生TC暴雨增幅,除了舟山以北登陆类外,其他路径也均有可能发生TC极端暴雨增幅,TC暴雨增幅和TC极端暴雨增幅均以椒江到福清登陆类路径占比最多。

(5) 不同时间分辨率下在浙江发生TC暴雨增幅和极端暴雨增幅时的TC中心位置主要分布在浙闽沿海及近海地区,浙江温台交界附近和福建东北部沿海,是浙江TC暴雨增幅及极端暴雨增幅最高发地区。

(6) 不同时间分辨率下TC暴雨增幅(极端暴雨增幅)频次与TC中心距离关系不尽相同,但各时间分辨率的TC暴雨增幅极大值均出现在距离台风中心600~700 km范围内。不同时间分辨率的TC暴雨增幅和TC极端暴雨增幅出现频率最高的是TC的东北象限,其次是西北象限,极大增幅值均出现在东北象限。

(7) TC暴雨增幅和极端暴雨增幅均与TC强度有一定关系,从各时长平均来看,最易发生TC暴雨增幅的是强热带风暴级,最易发生TC极端暴雨增幅的是热带低压级。

本文针对过去由于海上缺乏资料导致无法沿用拉格朗日式暴雨增幅定义来判断沿海省份TC降水是否发生暴雨增幅,另一方面,实际台站预报服务中只关注本区域是否发生增幅,而且需要比日降水更短时间尺度的暴雨增幅判断标准,因此,这里提出基于欧拉坐标方法的多时间尺度TC暴雨增幅及极端暴雨增幅概念,以浙江省为例,探讨了这种定义下暴雨增幅特征,分析了是否会增幅、在什么时候增幅以及在哪里增幅问题,但为何会发生TC暴雨增幅及TC极端暴雨增幅还未有涉及,下一步将对沿海TC暴雨增幅影响机制开展研究。

参考文献
85-9 06-07课题组, 1996. 台风科学、业务试验和天气动力学理论的研究(第四分册)[M]. 北京: 气象出版社: 1-9.
蔡义勇, 王宏, 郑秋萍, 2015. 福建省热带气旋暴雨突然增幅特征分析[J]. 暴雨灾害, 34(1): 34-40.
陈久康, 丁治英, 陶祖钰, 等, 1996. 中低纬度环流系统相互作用对登陆台风暴雨突然增幅的影响[M]//85-906-07课题组. 台风科学、业务试验和天气动力学理论的研究(第四分册)[M]. 北京: 气象出版社: 52-54.
戴竹君, 王黎娟, 管兆勇, 等, 2014. 登陆热带风暴"Bilis"维持和暴雨增幅与低纬水汽输送的关系及其数值试验[J]. 热带气象学报, 30(1): 45-54.
董美莹, 陈联寿, 郑沛群, 等, 2009. 登陆热带气旋暴雨突然增幅和特大暴雨之研究进展[J]. 热带气象学报, 25(4): 495-502.
李英, 陈联寿, 张胜军, 2004. 登陆我国热带气旋的统计特征[J]. 热带气象学报, 20(1): 14-23.
刘继晨, 钟玮, 刘爽, 等, 2016. 登陆台风内降水效率变化对降水增幅影响的分析[J]. 热带气象学报, 32(2): 193-206.
卢山, 吴乃庚, 薛登智, 2008. 南海季风槽影响下热带气旋暴雨增幅的研究[J]. 气象, 34(6): 53-59. DOI:10.7519/j.issn.1000-0526.2008.06.008
卢珊, 王黎娟, 管兆勇, 等, 2012. 低纬季风涌影响登陆台风"榴莲"(0103)和"碧利斯"(0604)暴雨增幅的比较[J]. 大气科学学报, 35(2): 175-185.
钮学新, 杜惠良, 刘建勇, 2005. 0216号台风降水及其影响降水机制的数值模拟试验[J]. 气象学报, 63(1): 57-68. DOI:10.11676/qxxb2005.007
任晨平, 崔晓鹏, 2014. 碧利斯(0604)暴雨增幅的云微物理成因[J]. 中国科学:地球科学, 44(9): 2077-2088.
沈杭锋, 高天赤, 周春雨, 等, 2014. 台风海葵引发浙西山区大暴雨的成因[J]. 气象, 40(6): 733-743. DOI:10.7519/j.issn.1000-0526.2014.06.010
唐章敏, 胡洛林, 1996. 华东北部台风暴雨增幅前期条件的诊断及概念模式[J]. 南京气象学院学报, 19(1): 130-134.
王晓芳, 胡伯威, 2007. 地形对0604号"碧利斯"登陆台风暴雨的影响[J]. 暴雨灾害, 26(2): 3-8.
谢慧敏, 任福民, 李国平, 等, 2016. 超强台风丹娜丝对1323号强台风菲特极端降水的作用[J]. 气象, 42(2): 156-165. DOI:10.7519/j.issn.1000-0526.2016.02.003
许映龙, 吕心艳, 张玲, 等, 2015. 1323号强台风菲特特点及预报难点分析[J]. 气象, 41(10): 1222-1231. DOI:10.7519/j.issn.1000-0526.2015.10.005
叶成志, 李昀英, 2011. 湘东南地形对"碧利斯"台风暴雨增幅作用的分析[J]. 暴雨灾害, 30(2): 122-129.
余贞寿, 2014. 温州台风暴雨雨强图集[M]. 北京: 气象出版社, 1-3.
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2006. GB/T 19201-2006热带气旋等级[S]. 北京: 中国标准出版社.
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2012. GB/T 28592-2012降水量等级[S]. 北京: 中国标准出版社.
周福, 钱燕珍, 朱宪春, 等, 2014. "菲特"减弱时浙江大暴雨过程成因分析[J]. 气象, 40(8): 930-939.
Chen L S, 2006. Observations and forecasts of rainfall distribution[C]//Report on Topic 0.3 of Sixth International Workshop on Tropical Cyclones. San José, Costa Rica:WMO:36-42.
Chen L S, Li Y, Cheng Z Q, 2010. An overview of research and forecasting on rainfall associated with landfalling tropical cyclones[J]. Adv Atmos Sci, 27(5): 967-976. DOI:10.1007/s00376-010-8171-y
Dong M Y, Chen L S, Li Y, et al, 2010. Rainfall reinforcement associated with landfalling tropical cyclones[J]. J Atmos Sci, 67(11): 3541-3558. DOI:10.1175/2010JAS3268.1
Gao S Z, Meng Z Y, Zhang F Q, et al, 2009. Observational analysis of heavy rainfall mechanisms associated with Severe Tropical Storm Bilis (2006) after its landfall[J]. Mon Wea Rev, 137(6): 1881-1897. DOI:10.1175/2008MWR2669.1
Ren F M, Wang Y M, Wang X L, et al, 2007. Estimating tropical cyclone precipitation from station observations[J]. Adv Atmos Sci, 24(4): 700-711. DOI:10.1007/s00376-007-0700-y
Ying M, Zhang W, Yu H, et al, 2014. An overview of the China Meteorological Administration tropical cyclone database[J]. J Atmos Oceanic Technol, 31(2): 287-301. DOI:10.1175/JTECH-D-12-00119.1
Yu Z S, Ji C X, Xu J, et al, 2015. Numerical simulation and analysis of the Yangtze River Delta Rainstorm on 8 October 2013 caused by binary typhoons[J]. Atmos Res, 166: 33-48.
Zhai P M, Zhang X B, Wan H, et al, 2005. Trends in total precipitation and frequency of daily precipitation extremes over China[J]. J Climate, 18(7): 1096-1108. DOI:10.1175/JCLI-3318.1
Zhou L L, Du H L, Zhai G Q, et al, 2013. Numerical simulation of the sudden rainstorm associated with the remnants of Typhoon Meranti (2010)[J]. Adv Atmos Sci, 30(5): 1353-1372. DOI:10.1007/s00376-012-2127-3