快速检索
  气象   2018, Vol. 44 Issue (12): 1628-1634.  DOI: 10.7519/j.issn.1000-0526.2018.12.013

综述

引用本文 [复制中英文]

张定媛, 田晓阳, 贾朋群, 2018. 热带气旋预报性能及指标综合评述[J]. 气象, 44(12): 1628-1634. DOI: 10.7519/j.issn.1000-0526.2018.12.013.
[复制中文]
ZHANG Dingyuan, TIAN Xiaoyang, JIA Pengqun, 2018. Review on Performance and Index of Tropical Cyclone Forecast[J]. Meteorological Monthly, 44(12): 1628-1634. DOI: 10.7519/j.issn.1000-0526.2018.12.013.
[复制英文]

资助项目

科技部改革发展专项“巴黎会议后应对气候变化急迫重大问题研究”和中国清洁发展机制基金(2013024)共同资助

第一作者

张定媛,主要从事气象科技信息研究.Email:zhangdy@cma.gov.cn

文章历史

2018年6月19日收稿
2018年10月10日收修定稿
热带气旋预报性能及指标综合评述
张定媛 , 田晓阳 , 贾朋群     
中国气象局气象干部培训学院,北京 100081
摘要:热带气旋(TC)位居全球十大自然灾害之首,受到世界范围内的广泛重视。为了解当前国际上TC预报的整体水平,更好地审视我国TC预报的进展及在国际上的位置,基于主要国家和国际机构的TC预报性能评估项目,本文对近年来各预报中心的TC业务预报水平进行了客观对比分析。结果表明,过去十几年来,我国的TC路径预报水平有大幅度提高,已经跻身世界先进行列。各国对TC强度预报性能的提升预计还会经历一个漫长的过程,未来台风风雨预报的评估发展值得期待。
关键词热带气旋    路径预报    强度预报    验证    
Review on Performance and Index of Tropical Cyclone Forecast
ZHANG Dingyuan, TIAN Xiaoyang, JIA Pengqun    
China Meteorological Administration Training Centre, Beijing 100081
Abstract: In order to understand the level of tropical cyclone (TC) forecast in the world and the status of typhoon forecast in China, based on the TC forecast assessments of the major TC forecast services in the world, the main indicators of TC forecast and the comparisons of different forecast centers are reviewed. The results show that, in the past decades, typhoon track forecast of China has greatly improved, already ranked among the world's top level. The improvement of TC intensity forecast has a long way to go. The assessment and development of typhoon precipitation forecast are worth expecting.
Key words: tropical cyclone (TC)    track forecast    intensity forecast    verification    
引言

热带气旋(tropical cyclone, TC)是亚洲及太平洋区域最主要的灾害性天气系统,造成严重灾害的TC几乎每年都有发生。1968年,联合国亚太经社会(ESCAP)和世界气象组织(WMO)共同设立了政府间合作组织——台风委员会(ESCAP/WMO Typhoon Committee),旨在通过气象、水文、防灾减灾等努力,减少台风灾害给亚洲太平洋地区造成的损失。目前台风委员会有14个会员国,中国是其创始会员之一,台风委员会秘书处现设于中国澳门。在台风委员会最新的“战略规划(2017—2021)”中明确的两个目标仍然是降低会员国因TC而造成的人员死亡和直接经济损失,并确定了实现目标的五个优先关键领域,其中之一便是利用基于影响的预测和基于风险的预警,来提高TC预报准确性和及时性等能力(ESCAP/WMO,2017)。

TC造成的灾情主要发生在登陆前后,且随着沿海地区的经济规模和人口的增长而增加。但准确预测TC的登陆时间、地点和影响风险等,仍然还是一个持续的挑战(Leroux et al, 2018)。2017年,西北太平洋上共生成27个台风,8个在中国登陆,其中第13号台风天鸽在珠江口登陆时中心风力达48 m·s-1,由于其登陆地点为人口密集的城市群,且伴随有较强的风暴潮影响,导致的经济损失较为严重(王皘等,2018)。在菲律宾登陆的第27号台风天秤,则是2017年度导致伤亡情况最严重的台风。

对预报结果的误差分析,有助于改进预报方案从而提高预报准确率。世界各主要预报机构大都会对其TC预报的误差进行分析,我国也有不少关于TC预报误差分析的研究工作(杨兆礼等,2014尹姗和任宏昌,2018),其中上海台风研究所受中国气象局(CMA)的委托,自20世纪80—90年代起对我国的TC预报技术方案进行性能评估,并作为业务准入的主要依据(陈国民等,2018)。为了深入地了解当今国际TC预报的整体发展水平,客观审视中国TC预报的发展状况及其在国际上的位置,本文基于世界各主要预报机构开展的TC预报性能评估工作,对当今TC业务预报的总体性能进行了客观综合对比分析。

1 热带气旋预报验证和比较项目 1.1 全球——WGNE数值天气预报业务模式TC预报比较

世界气候研究计划联合科学委员会和WMO大气科学委员会共同建立了数值试验工作组(WGNE),负责促进用于天气、气候、水和环境所有时间尺度预测的大气环流模式的发展,并进行诊断和解决不足。1991年,日本气象厅(JMA)对JMA、欧洲中期天气预报中心(ECMWF)和英国气象局(UKMO)三家全球数值天气预报业务模式TC路径预报结果进行了验证并在次年的第八届WGNE会议上首次报告了验证结果。自此,每届WGNE会议上JMA都会提交最新的验证比较报告。2004年,CMA与法国气象局同期加入了该比较项目(表 1)。截至2016年,共有12个全球模式参与了比对,验证区域也从第一次验证的西北太平洋区域扩大到覆盖全球范围。

表 1 参与WGNE TC路径预报比较的数值天气预报机构 Table 1 Numerical weather prediction centers participating in the WGNE intercomparison

2016年,正值WGNE TC预报比较项目25周年之际,JMA对西北太平洋、北大西洋、东北太平洋(含中央太平洋)、北印度洋、澳大利亚和南印度洋等全球六个区域的历年TC预报比较验证进行了总结回顾(Yamaguchi et al,2017)。西北太平洋区域是该项目最初开始检验的区域,也是全球年平均TC数量最多的地区,预报关注度最高。其次为东北太平洋和北大西洋区域,北印度洋区域的TC数量最少。验证参考的是各个区域专业气象中心和热带气旋预警中心报告的最佳路径和强度。需要指出的是,由于样本的非均一性,对特定年份或特定区域的模式预报结果比较是存在一定局限性的。截至2014年,各个TC验证区域3 d预报位置误差的趋势显示,除北印度洋区域因数据量太少外,其余区域的预报误差均呈现出下降的趋势,其他的预报时效结果亦是如此。以ECMWF的全球数值天气预报系统为例,在西北太平洋区域,2012—2014年的三年平均5 d预报位置误差为385 km,而1991—1993年的2、3 d预报误差分别为331、435 km,表明在这22年间TC路径确定性预报时效大约提前了2.5 d。WGNE的报告还指出,虽然路径预报的平均误差在减小,但仍有许多误差非常大的情况存在,通过减少这种大误差出现的数量,则有可能进一步减少TC预报的年平均位置误差。

不同于TC路径预报准确性总体上的稳步提升,TC强度预报准确性的提高仍是一个巨大的挑战。WGNE比较项目验证了西北太平洋和北大西洋2012—2014年TC中心气压的3 d预报。结果显示,当TC实际中心气压在940 hPa或更低时,各机构数值预报模式都倾向于低估TC的强度。即使在预报初始阶段,TC强度也强烈地被低估。麻素红和陈德辉(2018)对CMA区域模式、ECMWF和NCEP全球模式的性能验证结果也显示了在TC强度预报上存在明显负偏差。这表明数据同化和预报中使用的模式分辨率还需进一步提高,同时还需要改进数据同化技术以及提高TC内部和外围观测数据的数量和质量。

1.2 西北太平洋——WMO登陆台风预报示范项目(WMO-TLFDP)

2009年10月,中国气象局华东区域气象中心向WMO提议设立“登陆台风预报示范项目(WMO-TLFDP)”。2010年5月,该项目在2010年上海世博会期间启动,中国气象局上海台风研究所为项目牵头机构之一。WMO-TLFDP旨在增强分析和认识登陆台风预报可信度的能力,推进先进的登陆台风预报技术在WMO成员的业务转化和应用。研制和集成台风预报评估技术,并对登陆台风预报进行综合分析评估,是该项目的主要任务之一(雷小途和余晖,2015)。

在项目第一阶段(2010—2012年)和第二阶段(2013—2015年),WMO-TLFDP从15家台风预报产品提供机构(表 2)收集实时TC预报产品,包括确定性台风路径和强度预报、路径和强度的集合预报、确定性大风半径预报、大风概率预报和格点模式输出。产品通过项目网站(http://tlfdp.typhoon.gov.cn/)和上海台风预警中心的业务网站进行传播。在第三阶段(2016—2018年)中,项目将继续努力展示和评估新开发的TC预报技术,制定和记录TC预报验证的高级指南,并特别关注TC强度和降水。

表 2 台风预报产品的提供机构(Lei et al, 2016) Table 2 Typhoon forecast products providers (Lei et al, 2016)

TLFDP在TC预报验证方面取得了重大进展,包括建立了实时和季节后TC预报验证工具,开发和整合了几项新的验证技术,对西北太平洋地区TC预报验证的业务状态进行了调查,并为WMO文件“热带气旋预报验证”做出贡献。自2010年以来,该项目对业务预报机构和确定性数值预报模式的TC路径、强度和降水进行评估,以揭示当前的TC预报指南对西北太平洋区域的预报能力,还提出了基于集合预报系统(EPS)产品或多重确定性数值预报模式产品的新TC路径和强度预报共识方法。

1.2.1 TC路径预报误差

自2013年起,由中国气象局上海台风研究所负责,TLFDP每年向ESCAP / WMO台风委员会提交针对西北太平洋区域的季后预报验证报告。本文基于台风委员会第50次会议上海台风研究所发布的《2017年热带气旋业务预报验证》报告(以下简称验证报告)(Chen et al,2018),对西北太平洋区域的TC路径及强度预报水平和指标进行分析。该验证选择的最佳路径数据集为日本东京台风中心的资料。

台风官方预报机构发布的通常为主观确定性预报。参与主观预报验证的五家机构为CMA、HKO、JMA、JTWC、KMA。验证报告显示,2017年五家官方预报机构的平均预报误差在24、48、72、96 h预报时效上十分接近,分别为85、140、220、320 km左右。120 h预报上差距相对较大,最小为347.2 km(HKO),最大达423.0 km(CMA)。官方预报中,CMA的24 h预报误差最小,为80.3 km,略高于2016年HKO的最小误差72.5 km(Chen et al,2017)。

近十年各官方机构台风路径预报水平总体上呈提升趋势,除24 h预报外,绝大部分机构48、72 h预报的路径误差均较2016年有所减小。在五家官方机构中,CMA 24 h台风预报也从十年前的最末水平跃升至2017年的最佳。值得注意的是,由于观测资料不足和估算TC位置和强度的技术不同,不同数据集中TC的位置、强度和结构信息通常有所不同。因此,使用不同的最佳路径数据集进行验证,可能会导致TC预报表现的差异。根据Chen et al(2018)的研究,以不同的观测数据作为参考,存在5%~10%的路径误差偏差。

参与客观预报验证的六个全球模式为CMA T639、ECMWF-IFS、JMA-GSM、NCEP-GFS、KMA-GDAPS、UKMO-MetUM,六个区域模式为BoM-ACCESS-TC、GRAPES-TCM、GRAPES-TYM、CMA-TRAMS、HWRF、SHANGHAI-TCM。关于客观确定性预报,在12个全球及区域模式数值预报方法的比较中,CMA区域模式CMA-TRAMS在24 h预报时效表现最佳,误差为64.9 km,但其样本数量最小。48、72、96、120 h预报表现最佳模式分别为ECMWF-IFS(108.9 km)、UKMO-MetUM(183.9 km)、NCEP-GFS(264.6 km)和ECMWF-IFS(323.0 km)。全球模式和区域模式24、48、72 h的TC路径预报误差趋势显示,客观模式路径预报的水平比较参差不齐,但误差总体仍呈下降趋势。欧洲中心全球模式ECMWF-IFS总体来说在历年各个预报时效中表现最优,其次为美国全球模式NCEP-GFS。中国气象局区域模式CMA-TRAMS的预报表现正在逐年向顶尖全球模式靠近,2017年CMA-TRAMS的24 h路径预报误差在参与比较的模式中最小,长时效预报的误差也在缩小。

加强集合预报的使用对TC路径预报十分重要。参与集合预报验证的六个系统为ECMWF-EPS、JMA-TEPS、JMA-WEPS、MSC-CENS、NCEP-GEFS和UKMO-EPS。验证报告中,2017年6个EPS的集合平均路径误差比较显示,在72 h以内预报时效中,ECMWF-EPS为最佳集合预报系统,其24 h预报误差仅为48.6 km,远低于主、客观预报误差。大于72 h预报时效时,NCEP-GFS表现最佳,其120 h预报误差小于380 km。而在2016年的评估中,ECMWF-EPS在所有时效预报中均误差最小(Chen et al, 2017),ECMWF集合预报对路径的预测能力在逐年提高(杨国杰等,2018)。2017年各集合预报系统的1、3、5 d路径预报误差分别在100、200、400 km左右。

1.2.2 TC强度预报误差

根据验证报告,2017年各个预报时效主、客观预报方法最大风速预报的平均绝对误差比较显示,HKO在24、48 h强度预报误差最小,分别为4.91、6.94 m·s-1;72 h强度预报绝对平均误差最小的是JMA(7.39 m·s-1);96、120 h预报误差最小的是KMA,分别为7.53、8.19 m·s-1。与2016年一样(Chen et al,2017),2017年全球和区域模式的强度预报误差仍然高于官方预报,由此可见,在TC强度预报中,离不开预报员的个人经验及其对预报技术的理解运用,预报员主观判断的加入能更好地提升预报的准确度。参照不同的TC最佳路径强度或实时强度,官方预报强度验证结果可能存在15%~25%的差异,而全球模式与区域模式误差区间更广。这表明与TC位置相比,最佳路径或实时记录中观测到的TC强度的差异更大(Chen et al,2018)。

2 中国台风业务预报

目前,在西北太平洋海域有中国大陆、中国香港、台湾地区、日本、美国、韩国和欧洲等所属多家机构开展多要素的台风业务预报工作。例如:中国香港天文台自19世纪80年代建站以来,就开始了对热带气旋的警告信号发布,目前其负责对西北太平洋和南海出现的热带气旋进行预报、警告和资料收集汇编。日本东京台风中心是WMO的区域专业气象中心,于1989年7月在日本气象厅总部成立,在世界天气监测网项目下开展西北太平洋热带气旋的分析和预报工作。美国联合台风警报中心是由美国海军和空军的组成的特别部队,其起源可追溯到1945年9月的关岛舰队气象/台风追踪中心。目前该中心位于夏威夷珍珠港,负责为美国国防部发布西北太平洋、南太平洋和印度洋区域的热带气旋警告。

中国已经建立了以气象卫星、多普勒天气雷达、探空气球、地面自动观测站、海上浮标等为基础的台风海-陆-气一体化协同观测系统,能够对台风开展全方位的实时监测,为台风业务和科研提供第一手资料。中国气象局建立了亚太地区台风多源资料数据库,与WMO东京台风中心、香港天文台和美国海军的联合台风警报中心四家机构一起,在西北太平洋区域开展台风最佳路径资料的整编和共享(Ying et al,2014),为国内外开展西北太平洋台风实时预报业务、气候变化和极端台风事件研究提供了重要的数据支持。

近30年来,随着气象观测技术的发展、计算机性能的提高以及数值预报模式的改进和升级,尤其是资料同化技术的发展应用等,台风预报业务不断发展进步(Yamaguchi et al,2015Peng et al,2017)。台风预报时效延长,预报准确率和精细化程度提高,预报指导产品也更为丰富。

在过去的几十年中,中国的台风路径预报准确率在不断提高。台风路径预报已由半经验、半理论的定性预报方法,发展到以数值预报为基础,以人机交互处理系统为平台,综合应用多种资料和方法的预报技术路线。这些预报方法包括动力统计预报、动力释用预报、神经网络方法、多模式集成预报、(单一模式)集合预报、(多模式)超级集合预报等(钱传海等,2012)。如图 1所示,自1985年以来,中国气象局24~120 h各时效台风路径预报准确率都取得明显进步,其中2015年各时效台风路径预报准确率均创历史新高。24 h台风路径预报误差在过去三十多年中减少了约70%,并且2015—2016年连续两年稳定在70 km以内(黄彬等,2018)。

图 1 1985—2017年中国气象局台风路径业务预报误差 (中国气象局,2018) Fig. 1 Typhoon track errors of CMA forecast from 1985 to 2007 (中国气象局, 2018)

不同于台风路径预报水平的大幅提升,台风强度预报的进展尚不明显。对台风强度预报结果的检验分析主要是针对台风中心附近最大风力(最低气压)的预报误差。张守峰等(2015)利用历年中央气象台的综合预报资料,对实时台风强度误差进行了检验分析。图 2显示的是2001—2012年逐年中央气象台台风强度预报误差,可以看出,这十余年间台风强度的预报水平并没有明显改善,预报误差随时间逐年波动,无明显趋势,预报强度(风速和气压)偏强几率较大。

图 2 2001—2012年(a)风速预报绝对误差演变和(b)中心气压预报绝对误差演变 (张守峰等,2015) Fig. 2 Annual mean absolute forecast errors of wind velocity (a) and annual mean absolute forecast errors of surface pressure (b) from 2001 to 2012 (张守峰等, 2015)
3 美国飓风预报

WMO的最新报告指出,2017年剧烈天气和气候事件造成的损失到达3200亿美元,其中仅美国的3个飓风Harvey、Irma和Maria造成的损失就高达约2650亿美元(WMO,2018)。面对自然环境灾害时,社会的脆弱性日益增加,在此背景下,美国国家天气局(NWS)进行了改革并以把美国建设成“时刻准备、有求必应、灵活应变”的“做好应对气象灾害准备”的国家作为未来的发展愿景。

NWS的报告显示(Uccellini,2017),过去25年,美国TC预报有了很大改进。1992年,飓风Andrew之前,全球模式还尚未用于官方预报,全球预报系统捕捉到了飓风的“L”形路径,在这之后全球模式开始应用于官方预报。2005年的飓风Katrina期间,5 d时效的预报中,数值模式的应用加强,模式能够捕捉到飓风的强度和路径,但是具有很大的不确定性,强度变化预报时效可提前到1~2 d。2017年飓风Irma登陆前,热带低压还未在大西洋上形成时,模式提前10 d捕捉到了飓风Irma对美国东南部构成威胁。模式预估的路径向右急转向北,虽然具体登陆点不确定,但可信度也足够提前6 d对美国东南部佛罗里达州发出预警,最终模式结果也得到了证实。

根据报告,在飓风Harvey登陆之前,NCEP-GFS、ECMWF和HWRF模式的复合路径预报都显示出了不同程度的西南向偏差,飓风登陆前模式虽然捕捉到了飓风强度快速增强,但还是低于最终实际等级4级。美国、欧洲和英国三家模式对飓风Irma的路径预报误差比较中,36 h以内三个模式误差相差不大,大约在40 km左右。36 h以上预报时效,ECMWF模式显现出了绝对的优势,其中7 d预报误差比美国和英国模式小约150 km。而在飓风Maria路径预报中,36 h以内ECMWF模式性能表现最佳,误差稳定在40 km以内。48、72、96 h预报NCEP-GFS模式表现均优于其他模式预报,路径误差分别约为40、50、80 km。2017年的三个飓风预报案例还显示,美国模式的飓风3 d路径预报性能表现良好,对发布5 d甚至更长期飓风路径预报的自信和精确度也在增强,但飓风强度变化的预报仍然是一个挑战。

4 结论与讨论

综上所述,无论是TC路径的官方预报还是客观模式的预报,在过去十几年间都有了明显的改善,且模式的客观预报水平甚至优于官方主观预报水平。在西北太平洋区域,路径预报时效获得了2.5 d的提升。中国的台风路径预报水平也有了大踏步的前进,2015—2016年连续两年路径误差稳定在70 km以内。2017年,在24 h预报台风路径官方预报和客观模式预报的验证中,中国均位列第一。中国的台风路径预报能力已经跻身世界先进行列。

TC强度预报仍然是当今大气科学研究和业务预报的重点、难点问题(杨璐等,2017),强度预报技巧的提高远远低于路径预报(DeMaria et al,2014Emanuel and Zhang, 2016Tallapragada et al,2016)。在TC强度预报中,官方主观预报误差要小于模式预报误差,表明预报员在强度预报中所发挥的主观能动性仍是不可或缺的。但由于影响TC强度的因素错综复杂,缺乏对海洋与大气界面精细物理过程的科学认知(Zhao et al,2017),各国TC强度预报在过去很长时间内几乎没有太大进步,预报性能的提升预计还会经历一个漫长的过程。

本文给出了公开报告或文献中记录的WMO和WCRP指导下的TC预报验证项目所关注的预报验证指标,目前预报评估工作关注的重点主要是TC路径和强度的确定性预报,概率预报的评估产品不多,台风降水、风和风暴潮预报等指标的验证尚未受到足够的重视。此外,由于验证指标误差与最佳路径数据集资料高度相关,需要加强对台风的实时监测,获取更多观测资料,改进估算技术,努力提高数据集的“真实性”。在业务第一线,预报员层面也有关注侧重点,基于WMO-TLFDP调查(Yu,2016),预报员认为台风预报中最难的也是最为关注的指标是登陆点、强度变化和风雨覆盖范围。其他精细化水平预报指标如风雨强度、持续时间、台风初始强度、尺度、移速、环境气压、环境风切变、洋面温度等或可纳入考量的范围。与TC有关的灾害是由破坏性大风、暴雨和风暴潮等造成的,这些影响很大程度上取决于TC的路径,未来可以通过路径预测的提升来探索和评估基于影响的TC相关预警(Yamaguchi et al,2017)。

致谢:特别致谢上海市气象局雷小途研究员对本文撰写提出的指导意见和建议,感谢登陆台风预报示范项目(WMO-TLFDP)提供数据支持。

参考文献
陈国民, 张喜平, 白莉娜, 等, 2018. 2016年西北太平洋和南海热带气旋预报精度评定[J]. 气象, 44(4): 582-589.
黄彬, 郝静, 刘淑乔, 2018-03-01(3).预报准确率迈入国际先进行列——我国台风预报技术与科研进展纵览[N].中国气象报.
雷小途, 余晖, 2015. WMO登陆台风预报示范项目研究进展[J]. 气象科技进展, 5(2): 18-23.
麻素红, 陈德辉., 2018. 国家气象中心区域台风模式预报性能分析[J]. 热带气象学报, 34(4): 451-459.
钱传海, 端义宏, 麻素红, 等, 2012. 我国台风业务现状及其关键技术[J]. 气象科技进展, 2(5): 36-43.
王皘, 钱传海, 张玲, 2018. 2017年西北太平洋和南海台风活动概述[J]. 海洋气象学报, 38(2): 1-11.
杨国杰, 沙天阳, 程正泉, 2018. 2009—2015年ECMWF热带气旋集合预报的检验及分析[J]. 气象, 44(2): 277-283.
杨璐, 费建芳, 黄小刚, 等, 2017. 西北太平洋环境风垂直切变和热带气旋移动对涡旋内对流非对称分布影响的特征分析[J]. 气象学报, 75(6): 943-954.
杨兆礼, 陈子通, 张诚忠, 等, 2014. 2012年中国南海台风模式预报情况[J]. 热带气象学报, 30(2): 392-400. DOI:10.3969/j.issn.1004-4965.2014.02.022
尹姗, 任宏昌, 2018. 2017年9—11月T639、ECMWF及日本模式中期预报性能检验[J]. 气象, 44(2): 326-333.
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
中国气象局. 2018.风雨兼程50年[R].北京: 中国气象局.
Chen Guomin, Lei Xiaotu, Zhang Xiping, et al. 2018.Verification of tropical cyclone operational forecast in 2017[C]//Proceedings of the 50th Session ESCAP/WMO Typhoon Committee.Hanoi, Vietnam: ESCAP/WMO Typhoon Committee.
Chen Guomin, Zhang Xiping, Chen Peiyan, et al, 2017. Performance of tropical cyclone forecast in western north pacific in 2016[J]. Trop Cycl Res Rev, 6(1-2): 13-25.
DeMaria M, Sampson C R, Knaff J A, et al, 2014. Is tropical cyclone intensity guidance improving?[J]. Bull Amer Meteor Soc, 95(3): 387-398. DOI:10.1175/BAMS-D-12-00240.1
Emanuel K, Zhang Fuqiang, 2016. On the predictability and error sources of tropical cyclone intensity forecasts[J]. J Atmos Sci, 73(9): 3739-3747. DOI:10.1175/JAS-D-16-0100.1
ESCAP/WMO. 2017.Typhoon committee strategic plan 2017-2012[R].Macao, China: ESCAP/WMO.
Lei Xiaotu, Yu Hui, Chen Guomin, et al, 2016. WMO typhoon landfall forecast demonstration project (WMO-TLFDP) progress and future plans[J]. Trop Cycl Res Rev, 5(3-4): 72-84.
Leroux M D, Wood K, Elsberry R L, et al, 2018. Recent advances in research and forecasting of tropical cyclone track, intensity, and structure at landfall[J]. Trop Cycl Res Rev, 7(2): 85-105.
Peng Xudong, Fei Jianfang, Huang Xiaogang, et al, 2017. Evaluation and error analysis of official forecasts of tropical cyclones during 2005-14 over the western North Pacific.Part I:storm tracks[J]. Wea Forecasting, 32(2): 689-712. DOI:10.1175/WAF-D-16-0043.1
Tallapragada V, Kieu C, Trahan S, et al, 2016. Forecasting tropical cyclones in the western North Pacific basin using the NCEP ope-rational HWRF model:model upgrades and evaluation of real-time performance in 2013[J]. Wea Forecasting, 31(3): 877-894. DOI:10.1175/WAF-D-14-00139.1
Uccellini L W. 2017.National weather service progress in building a weather ready nation[R].
WMO. 2018.WMO statement on the state of the global climate in 2017[R].Geneva, Switzerland: World Meteorological Organization.
Yamaguchi M, Ishida J, Sato H, et al, 2017. WGNE intercomparison of tropical cyclone forecasts by operational NWP models:a quarter century and beyond[J]. Bull Amer Meteor Soc, 98(11): 2337-2349. DOI:10.1175/BAMS-D-16-0133.1
Yamaguchi M, Vitart F, Lang S T K, et al, 2015. Global distribution of the skill of tropical cyclone activity forecasts on short- to medium-range time scales[J]. Wea Forecasting, 30(6): 1695-1709. DOI:10.1175/WAF-D-14-00136.1
Ying Ming, Zhang Wei, Yu Hui, 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 Hui. 2016.WMO typhoon landfall forecast demonstration project (TLFDP)-progress report[R].Shanghai: Shanghai Typhoon Institute/CMA.
Zhao Biao, Qiao Fangli, Cavaleri L, et al, 2017. Sensitivity of typhoon modeling to surface waves and rainfall[J]. J Geophys Res, 122(3): 1702-1723. DOI:10.1002/2016JC012262