Marine Meteorology

Variation and mechanisms of autumn tropical cyclones landed in Guangdong

  • HAN Dingyan , 1, 2 ,
  • LI Min 1, 2, 3 ,
  • HU Rui 1 ,
  • XIE Lingling , 1, 2, 3
Expand
  • 1. Laboratory of Coastal Variation and Disaster Prediction, College of Ocean and Meteorology, Guangdong Ocean University, Zhanjiang 524088, China
  • 2. Key Laboratory of Climate, Resources and Environment in Continental Shelf Sea and Deep Ocean of Department of Education of Guangdong Province, Zhanjiang 524088, China
  • 3. Key Laboratory of Space Ocean Remote Sensing and Applications (LORA), Ministry of Natural Resources, Zhanjiang 524088, China
XIE Lingling. email:

Editor: SUN Cuici

Received date: 2023-04-06

  Revised date: 2023-06-09

  Online published: 2023-06-19

Supported by

National Natural Science Foundation of China(42276019)

Guangdong Science and Technology Plan Project (Observation, Tropical Marine Environment in Yuexi)

Abstract

Using the track data of landed tropical cyclones (TCs) during 1949—2021 from Shanghai Typhoon Institute of China Meteorological Administration, this study analyzes the variation and mechanism of TCs landed in autumn in Guangdong area, and compares with the results in summer. The results show that a total of 76 TCs landed in Guangdong in autumn during the past 73 years, accounting for 28.5% of the landed TCs in whole year. The landed TCs in autumn (ALTCs) are mostly in categories of strong typhoon and super typhoon, and the mean peak intensities are stronger than those in summer. 72.4% of the ALTCs generated in the Western North Pacific, a higher portion than summer landed TCs and the average latitude and longitude of TCs generation move southward and eastward. The yearly power dissipation index (PDI) of autumn TCs reaches 0.4×107m3·s−2, comparable to that of summer TCs; during landfall to dissipation, the average duration time of autumn TCs is less, the translation speed is slower and PDI is less than those of summer TCs. In long-term variations, the declining trend and decrease rate of the number of ALTCs is similar to that in summer, while the landing intensity of ALTCs increases with a rate 1.8 times higher than that in summer. The translation speed of ALTCs slows down but with a rate 2.5 times lower than summer TCs, the PDI of ALTCs shows a weaker decreasing trend than summer TCs. Unlike more TCs landed in summer in La Niña year, more ALTCs appeared in El Niño years. The number of ALTCs is related to the ENSO (El Niño-Southern Oscillation) index in previous winter and spring with correlation coefficient of about 0.3. It can be used as an indicator for next-year ENSO prediction. In decadal variability, the correlation coefficients between the number of ALTCs and the PDO (Pacific Decadal Oscillation) index, were -0.51 and 0.68 in the warm phase (1977—1996) and cold phase (1997—2016), respectively. The composite analysis shows that ALTCs can occur with a warm sea surface temperature anomaly in the northern South China Sea, which induced cyclonic atmospheric circulation in the South China and favors TCs landed in Guangdong.

Cite this article

HAN Dingyan , LI Min , HU Rui , XIE Lingling . Variation and mechanisms of autumn tropical cyclones landed in Guangdong[J]. Journal of Tropical Oceanography, 2024 , 43(1) : 64 -78 . DOI: 10.11978/2023044

热带气旋(tropical cyclone, TCs)是形成于热带和副热带海面上的大气非锋面气旋性涡旋, 是影响我国华南的主要天气系统(陈联寿 等, 1979)。热带气旋登陆不仅给华南带来了充沛降水和适时降温(杨宝琛 等, 2022), 其大风暴雨也常带来严重灾害(殷成团 等, 2019)。因此, 厘清热带气旋的特征及长期变化规律, 对于认识华南区域气候变化、提升防灾减灾能力具有重要意义。
广东是华南经济和人口大省, TCs登陆频繁。不少学者从全年角度对登陆广东TCs的生成源地、登陆频数、位置、时间、强度等特征进行研究和探讨(胡娅敏 等, 2011; 徐婉明 等, 2020)。统计结果显示, 登陆广东的TCs多发于7—9月, 主要来自南海北部和菲律宾以东的西北太平洋。其中, 胡娅敏等(2011)统计分析了1949—2006年登陆广东不同区域的TCs频数、时间等特征。徐婉明等(2020)指出登陆广东TCs以强热带风暴为主, 登陆数量与西北太平洋生成TCs的月频数存在较大相关性。
受海洋与大气背景场(如海温、层结、副高、季风槽等)影响, 南海和西北太平洋的TCs活动特征存在显著的季节差异(Choi et al, 2019; Chang et al, 2021; Wu et al, 2021)。同时, 海洋对秋季台风的响应也不同于夏季(Shi et al, 2019; Guan et al, 2021; Li et al, 2021)。近年来, 学者们开始关注西北太平洋秋季TCs特征及其影响机理(Hsu et al, 2014; Zhao et al, 2016; Choi et al, 2017; Zhou et al, 2019b; Tu et al, 2020)。其中, 部分研究(Hsu et al, 2014; Zhao et al, 2016; Choi et al, 2017)讨论了西北太平洋10—12月TCs活动特征, 指出秋季TCs的频次和强度与PDO有关。Zhou等 (2019b)和Zhou 等 (2019a)分析了厄尔尼诺-南方涛动 (ENSO)和印度洋偶极子 (Indian Ocean Dipole, IOD)对西北太平洋秋季登陆华南TCs频次年际变化的影响。Tan等(2019)则进一步指出不同类型厄尔尼诺对TCs生成和移动的不同影响。另外, Hu 等 (2020a)指出南海夏季风撤退较晚时热带气旋活动可能增强。Yao等(2020)对1949—2016年西北太平洋秋季TCs活动特征进行了统计分析, 给出了西北太平洋秋季TCs发生的频率、位置、轨迹密度、强度、登陆特征及其时空演变特征。
综上, 前人研究已关注了太平洋秋TCs特征变化, 但对登陆广东秋TCs的研究还较少。全球气候变暖背景下, 秋季TCs强度不断增强(Deng et al, 2021; Zheng et al, 2022)。影响广东的秋季TCs有何变化? 与夏季有何不同? 西北太平洋和南海对秋TCs登陆广东发挥什么作用? 这些问题有待解决。为此, 本文将基于中国气象局已有的长时间(1949—2021年) TCs资料, 对比分析夏秋季登陆广东TCs的活动特征和时空变化, 并探讨影响秋季登陆广东TCs的可能机制。

1 资料和方法

本文所用TCs数据来自中国气象局热带气旋最佳路径数据集(TCdata.typhoon.org.cn), 其中包括1949—2021年西北太平洋(赤道以北, 180°E以西)和南海TCs每6小时的位置和强度信息。登陆广东地区(含香港)TCs数据来自中国气象局登陆热带气旋数据集(https://TCdata.typhoon.org.cn/dlrdqx_zl.html), 包括登陆后越过海面再次登陆广东的TCs;若TCs在广东省多次登陆, 仅计为1次。
对于登陆TCs, 定义其生成时间为最佳路径数据集中第一个记录点所在时间, 登陆时间为距广东省海岸线最近的记录点所在时间,登陆时平均近中心最大风速为登陆强度, TCs生命期内最低中心气压时刻对应的平均近中心最大风速为最大强度。强度类别参照《热带气旋等级》国家标准, 包括热带低压(tropical depression, TD, 10.8~17.1m·s-1)、热带风暴(tropical storm, TS, 17.2~24.4m·s-1)、强热带风暴(strong tropical storm, STS, 24.5~32.6m·s-1)、台风(typhoon, TY, 32.7~41.4m·s-1)、强台风(strong typhoon, STY, 41.5~50.9m·s-1)和超强台风(super typhoon, SuperTY, ≥51.0m·s-1)。本文所定义的秋季为每年9—11月(Sep. Oct. Nov., SON), 冬季为每年12月—次年2月(Dec. Jan. Feb., DJF), 春季为每年3—5月(Mar. Apr. May., MAM), 夏季为每年6—8月(Jun. Jul. Aug., JJA)。事实上, 我们也统计了9—10月的TCs情况, 与这里定义的秋季结果基本一致。
文中使用的海表面温度(sea surface temperature, SST)数据选用ERSST5(the NOAA extended reconstruction sea surface temperature)月平均数据, 大气环境场(风场、位势高度场)数据选用NCEP-NCAR(National Centers for Environmental Prediction-National Center for Atmospheric Research)再分析的月平均数据, 时间范围选择1949—2021年。数据下载网址分别为 https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.htmlhttps://psl.noaa.gov/data/gridded/data.ncep.reanalysis.html
本文使用NOAA(National Oceanic and Atmospheric Administration)提供的ONI(Oceanic Niño Index)和PDO指数, 数据覆盖时间分别为1950—2022年和1854—2022年。数据下载网址分别为 https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.phphttps://www.ncei.noaa.gov/pub/data/cmb/ersst/v5/index/ersst.v5.pdo.dat

2 秋季生成并登陆广东TCs的总体特征

2.1 频数

分析热带气旋数据集, 1949—2021年西北太平洋和南海海域共生成TCs 1255个, 其中267个登陆广东(平均每年3.7个), 占总生成TCs数的21.3%。秋季生成的有76个(约28.5%, 平均每年1.0个), 夏季生成的有182个(约68.2%, 平均每年2.5个)。表1展示了近73年4—11月西北太平洋和南海各月生成和登陆广东TCs数量。4—11月中, 生成和登陆广东TCs均集中于7—9月三个月份, 其中8月最多, 占总生成数的43.4%、总登陆数的26.6%。计算登陆/生成比, 可见6月生成TCs最易登陆广东, 登陆/生成比达24.3%, 其次为7、8、9月, 其中9月份为12.9%。秋季TCs登陆/生成比总和为19.4%, 明显小于夏季总和55.2%。
表1 1949—2021年4—11月西北太平洋和南海生成TCs和登陆广东TCs的数量及比例

Tab.1 Generated and landed TCs Numbers in months from April to November and their proportion to total TCs in whole years in the West North Pacific and the South China Sea during 1949—2021

月份 生成TCs 登陆TCs 登陆/生成比
个数 占总数比 个数 占总数比
4月 57 4.50% 2 0.80% 3.50%
5月 96 7.70% 7 2.60% 7.30%
6月 177 14.10% 43 16.10% 24.30%
7月 380 30.30% 68 25.50% 17.90%
8月 545 43.40% 71 26.60% 13.00%
9月 442 35.20% 57 21.40% 12.90%
10月 323 25.70% 16 6.00% 5.00%
11月 200 15.90% 3 1.10% 1.50%
总计 1255 267 21.30%

2.2 强度

图1a图1b分别展示了秋季和夏季登陆TCs的平均登陆强度和最大强度在不同等级的概率分布。可见, 73年内, 秋季登陆TCs的平均登陆强度主要集中于强热带风暴STS(34.2%)和台风TY(19.7%)。最大强度相比登陆强度有所增强, 以台风TY(22.4%)和超强台风SuperTY(21.1%)为主, 台风TY以上数量占比高达63.2%, 超强台风SuperTY达到18.4%, 说明秋季以强台风占主。相比之下, 夏季TCs数量远高于秋季, 但夏季TCs的登陆强度主要集中于强热带风暴STS(34.6%)和热带低压TD(19.8%), 强台风STY和超强台风SuperTY占比远小于秋季; 最大强度以强热带风暴STS(25.2%)和台风TY(23.6%)为主。对于登陆强度和最大强度, 秋季台风TY等级以下TCs占比均远低于夏季, 但强台风STY和超强台风SuperTY的占比与夏季相当(图2)。我们也分别计算了秋季和夏季平均登陆时风速和平均最大强度时风速, 秋季和夏季的平均登陆风速为25.0km·h−1和25.0km·h−1, 平均最大风速则分别为39.2km·h−1和33.7km·h−1。可见, 尽管秋季登陆广东TCs相比夏季数量较少, 但其平均登陆强度与夏季相当, 平均最大强度则高于夏季。因此, 需要关注秋季登陆TCs的特征及其变化规律。
图1 1949—2021年秋季(a)和夏季(b)登陆广东TCs的登陆强度(蓝色柱)及最大强度(红色柱)在不同等级的概率分布

Fig. 1 Distribution of landing intensities (blue column) and maximum intensities (red column) of TCs landed in Guangdong in autumn (a) and summer (b) during 1949—2021

图2 1949—2021年不同强度TCs中秋季(红色柱)和夏季(灰色柱)的占比

a. 最大强度; b. 登陆强度

Fig. 2 The percentage of TCs of different intensities in autumn (red column) and summer (grey column) landed TCs during 1949—2021 (a. maximum intensity; b. landing intensity)

2.3 生成源地

以登陆TCs的第一个记录点作为其生成源地, 图3给出了登陆广东TCs生成位置的空间分布特征。可见, 夏秋季登陆广东TCs均源于菲律宾以东的西北太平洋和13°N以北的南海北部。如图3红框所示, 将生成源地分为西北太平洋(120°E—175°E, 0°—24°N)和南海北部(105°E—120°E, 10°N—24°N)两个区域。两个区域秋季生成TCs分别为21个和55个, 占全年生成数86个和180个的24.4%和30.6%; 夏季生成TCs数则分别为60个和122个, 是秋季数量的2~3倍。对比两个区域的数量比, 秋季登陆TCs中西北太平洋生成的概率更高, 高达72.4%。尽管南海TCs生成位置存在季节性变化(Wang et al, 2007), 但夏秋季登陆广东TCs多集中于南海北部, 无明显的季节性差异(图3)。
图3 登陆广东TCs的生成源地

实线框和虚线框分别表示南海和西北太平洋区(审图号为GS(2016)2556号, 海岸线数据为NOAA提供的全球高分辨率海岸线数据)

Fig. 3 Generated locations of TCs landed in Guangdong.

The solid line frame and dotted line frame represent the South China Sea and the Northwestern Pacific

图4展示了登陆TCs起源点经纬度随月份变化。可见, TCs平均生成经度存在东移趋势, 在登陆TCs频数最多的6—9月, 平均生成经度主要集中在130°E附近, 10月和11月则明显东移至140°E附近(图4a)。TCs平均生成纬度则先向北再向南, 在6—8月自13°N向16°N逐渐增加, 之后逐渐南移, 在11月份移动到10°N(图4b)。自4月份开始, 随着TCs数量增加, TCs生成源地经度范围从10°(110°E—120°E)逐渐扩大, 在8、9月达到最大60°(110°E—170°E); 生成源地的西边界几乎不变, 基本处于110°E左右, 东边界则明显东移。TCs生成源地纬度范围也随着频数的增加, 自4月6°(8°N—14°N)开始逐渐扩大到9月20°度的范围(5°N—25°N), 南边界基本处于5°N左右, 北边界则随着时间先向北再向南移动。生成源地经纬度的季节变化与海温变化有关, 从夏季到秋季向东向南偏移(郝赛 等, 2015)。
图4 登陆广东TCs生成源地经度(a)和纬度(b)随月份变化(蓝点为该月所有TCs的平均经度或纬度)

Fig. 4 Monthly distribution of the longitudes (a) and the latitudes (b) of generated locations of TCs landed in Guangdong (Blue dot, an monthly averaged longitudes and latitudes)

2.4 移速

根据TCs登陆前每6h的移动距离计算海上移动速度。结果显示, 73年来全年、秋季和夏季登陆TCs的平均移速分别为15.9、16.2及16.0km·h−1, 最大移速为31.7、28.2和31.7km·h−1, 最小值则分别为3.9、5.2和3.9km·h−1图5展示了全年、夏季及秋TCs移速的概率分布。无论全年、秋季、还是夏季, 超过40%的TCs移速集中于11~20km·h−1。秋TCs移速在11~20km·h−1区间内的概率为47.4%, 略低于夏季(47.8%); 在21~30km·h−1区间内, 秋季TCs移速约34.2%, 高于夏季(28.6%); 但秋季无移速超过30 km·h−1的TCs。
图5 全年(黑色柱)、秋季(红色柱)和夏季(灰色柱)TCs海上移速的分布

Fig. 5 Distribution of translation speed over sea of TCs landed in Guangdong in the whole year (black column), autumn (red column) and summer (grey column)

2.5 生成至登陆时长

将研究海域划分1°×1°的空间网格, 计算单个TCs从生成位置到达各网格点的时长, 进而计算到达该网格所有TCs的平均时长。结果如图6所示。可见, 秋季和夏季登陆广东TCs的平均登陆时长分别为147.3h和130.4h。尽管夏秋季TCs海上移速相当, 但秋季TCs生成到登陆所需时长高于夏季, 说明秋季TCs登陆所经历路程较远, 夏秋TCs登陆距离有差异。
图6 秋季(a)和夏季(b)TCs到达各网格点的平均时长(网格分辨率为1°×1°)

审图号为GS(2016)2556号

Fig. 6 Averaged arrival time of TCs at each 1°×1° grid in autumn (a) and summer (b)

2.6 台风灾害分析

利用Emanuel (2005)提出的热带气旋功耗指数PDI表征热带气旋破坏潜力, 其计算公式为
$\text{PDI}=\underset{i=1}{\overset{N}{\mathop \sum }}\,\underset{0}{\overset{{{\tau }_{i}}}{\mathop \int }}\,{{V}_{\text{max}}}^{3}dt$
其中, N为指定季节内TCs的数量, ${{\tau }_{i}}$是每个TCs的持续时间, ${{V}_{\text{max}}}$是每个TCs对应时间记录内的最大风速。
计算结果显示, 1949—2021年, 登陆广东TCs的年平均PDI为0.5×107m3·s−2, 秋季和夏季分别为0.4×107m3·s−2和0.4×107m3·s−2。尽管秋季TCs数量少, 秋季PDI与夏季相当。对比乔守文等(2019)计算北部湾海域PDI量级为105m3·s−2, TCs对广东近海的破坏潜力更大。

2.7 台风登陆后活动特征

考虑到TCs登陆后仍会带来危害, 为此我们对TCs登陆至消亡阶段的活动特征进行了计算, 包括消亡时间、移动速度和PDI。消亡时刻定义为登陆后近中心最大风速小于10.8m·s−1的第一个时刻。计算结果显示, 1949—2021年, 登陆广东的TCs平均经历17.4h后消亡, 秋季和夏季TCs的平均消亡时间分别为15.5h和18.4h; 秋季中登陆后最慢消亡时间为102h(1976年台风“爱莉斯”), 夏季则为120h(2009年强热带风暴“天鹅”)。可见, 秋季TCs登陆后比夏季TCs更快消亡。全年、秋季和夏季TCs在消亡阶段的平均移速分别为10.1、8.6和10.9km·h−1。秋季TCs登陆后的平均移速相比于夏季明显较小。就TCs消亡阶段所造成的PDI而言, 全年、秋季和夏季TCs登陆后的平均PDI分别为0.16×107、0.10×107和0.15×107m3·s−2, 秋季TCs在登陆后产生的破坏性相比于夏季较小, 这可能与其登陆数量和更快消亡有关。秋季TCs在登陆后移速和PDI显著减小, 与登陆前相差分别为7.6km·h−1和0.3× 107m3·s−2, 而夏季TCs登陆前后的减小幅度分别为5.1km·h−1和0.25×107m3·s−2, 秋季在登陆前后的差异较夏季偏大。

3 秋季生成并登陆广东TCs的年际变化

3.1 长期变化趋势

3.1.1 频数

图7分别展示了全年、秋季和夏季登陆广东TCs频数的年际变化。可见, 每年约有3~4个TCs登陆广东, 其中, 1952、1961、1967和1993年最多可达到7个, 1956、1969、2005、2007、2010、2018和2021年则最少仅有1个。秋TCs平均每年1~2个, 1993年则最多有5个, 还有27年个数为0。73年的长期变化显示, 全年、秋季和夏季登陆广东的TCs数量呈现降低趋势, 减少速率分别是−0.02个·年−1、−0.008个·年−1和−0.007个·年−1, 秋季登陆TCs的减小趋势和减小速率与夏季相当, 但比全年小一个量级。同时, 秋季登陆TCs频数与全年存在正相关, 相关系数为0.55(P< 0.01), 夏季登陆TCs与全年相关性更高, 相关系数为0.74(P< 0.01)。夏季登陆TCs对全年登陆的贡献更大。
图7 全年(黑色)、秋季(红色)和夏季(灰色)登陆广东TCs频数的年际变化, 虚线表示线性趋势

Fig. 7 Interannual variability of landed TCs numbers in the whole year (black), autumn (red) and summer (grey). Dashed lines represent the linear trend

3.1.2 强度

图8展示出登陆广东TCs登陆强度和最大强度的年际变化趋势。可见, 全年、秋季和夏季登陆TCs的平均登陆风速均呈现增强趋势, 增长率分别为0.10、0.18和0.10m·s−1·a−1, 平均登陆中心气压均减小, 减小率分别为−0.17、−0.35和−0.13hPa·a−1。与登陆强度变化不同, 全年和夏季登陆TCs的平均最大风速呈减小趋势, 衰减率相当为−0.06m·s−1·a−1, 秋季登陆TCs却是增长趋势, 增长率为0.02m·s−1·a−1。而秋季登陆TCs最低中心气压呈明显减小趋势, 下降率为−0.26hPa·a−1, 夏季和全年则几乎不变。可见, 秋季登陆TCs最大风速增强, 中心最低压强显著降低; 而全年和夏季登陆TCs的最大风速呈现下降趋势, 中心压强变化不明显。对于秋季而言, 登陆风速和最大风速均增强, 但登陆风速增长率是最大风速增长速率的9倍, 登陆中心气压和最低中心气压均呈现明显下降趋势, 下降速率相当; 而夏季登陆TCs, 登陆风速明显增强, 但最大风速减小。
图8 全年(黑色)、夏季和秋季平均登陆强度和最大强度年际变化

a. 登陆近中心最大风速; b. 平均中心最大风速; c. 登陆中心气压; d. 最低中心气压; 虚线表示线性趋势

Fig. 8 Interannual variability of landed TCs’ average intensities and maximum intensities in the whole year (black), autumn (red) and summer (grey).

Dashed line represents the linear trend; (a) average landing wind speed; (b) average maximum wind speed; (c) landing pressure; (d) minimum pressure

3.1.3 移速

全球变暖背景下, 前人指出TCs移速将逐渐减缓(Kossin, 2018; Wu et al, 2022)。图9显示1949—2021年全年、夏季和秋季登陆广东TCs的年平均海上移速变化情况。可见, 全年、秋季和夏季年平均海上移速逐渐减缓, 减缓速率分别为−0.02、 −0.07和−0.03km·h−1·a−1。与夏季和全年相比, 秋季TCs平均海上移速减缓趋势较大。
图9 全年(黑色)、秋季(红色)和夏季(灰色)登陆广东TCs海上移动速度的年际变化, 虚线表示线性趋势

Fig. 9 Interannual variability of landed TCs’ moving speed over sea in the whole year (black), autumn (red) and summer (grey). Dashed lines represent the linear trend

3.1.4 PDI

图10展示了全年、夏季及秋季TCs热带气旋PDI的年际变化。在1949—2021年内, 登陆广东地区TCs的PDI主要在0.5×107m3·s−2左右, 总体呈现减小的趋势, 这与登陆广东TCs数量减小有关。尽管秋季TCs频数的减小趋势与夏季相当, 但其PDI减小趋势相比夏季较小。
图10 全年(黑色)、秋季(红色)和夏季(灰色)登陆广东TCs PDI的年际变化, 虚线表示线性趋势

Fig. 10 Interannual variability of landed TCs’ PDI in the whole year (black), autumn (red) and summer (grey). Dashed lines represent the linear trend

3.1.5 台风登陆后活动特征

图11示出登陆广东TCs在登陆至消亡阶段经历时间(图11a)、平均移速(图11b)和PDI(图11c)的年际变化趋势。可见, 全年、秋季和夏季的消亡经历时间、平均移速和PDI整体呈现减小趋势。消亡时间的减小率分别为−0.06、−0.12、−0.05h·a−1; 平均移速的减缓率分别为−0.13、−0.07和−0.16km·h−1·a−1; PDI的减少率为−8.1×103、−7.6× 103、−3.0× 103m3·s−2·a−1。秋季TCs消亡相比夏季逐渐更快; 移速与夏季相比减缓较慢; 而PDI的减少较夏季偏大。相较登陆前, 秋TCs的移速减缓趋势相似, 而全年和夏季在登陆后移速减缓更明显; PDI则在登陆后减小趋势更大。
图11 全年(黑色)、秋季(红色)和夏季(灰色)登陆广东TCs登陆后活动特征的年际变化

a. 消亡时间; b. 登陆后移动速度; c. 登陆后PDI; 虚线表示线性趋势

Fig. 11 Interannual variability of landed TCs’ active characteristics after landed in the whole year (black), autumn (red) and summer (grey), (a. Duration from landfall to dissipation; b. the translation speed after landed; c. the PDI after landed).

Dashed lines represent the linear trend

3.2 登陆广东TCs年频数的年际和年代际变化

以登陆频数为例, 分别对全年、秋季和夏季登陆广东TCs数进行小波分析, 结果如图12所示。可见, 全年TCs数的年际变化存在三个相对显著的周期, 最显著的是2~3年周期, 主要集中于1950—1980和1985—2010年间; 第二显著周期是4~6年, 存在于1970—1990和2000—2010年间; 第三周期段为7~10年, 主要出现在1975年后(图12a)。秋季TCs数变化存在两个周期段, 第一周期为2~4年, 主要集中于1955—1970和1985—2010年间; 第二周期5~10年主要在1970—2010年间(图12b)。夏季TCs数的年际变化与全年相似, 但第三周期主要集中于1980—2000年间(图12c)。贺海晏等(2003)指出年登陆广东的TCs数在70年代中期存在前后盛行周期差异的气候跃变。本文通过秋季和夏季TCs的小波分析, 指出全年、秋季和夏季登陆广东TCs数在70年代后均出现更显著的6~10年周期变化。
图12 全年(a)、秋季(b)和夏季(c)登陆广东TCs年频数的小波分析

白色虚线表示影响锥曲线

Fig. 12 Wavelet analysis of landed TCs numbers in the whole year (a), autumn (b), summer (c).

The white dotted lines indicate the cone of influence

3.3 登陆广东TCs频数与ENSO、PDO关系

3.3.1 与ENSO相关性

基于中国气象局国家气候中心提供的ENSO事件历史事件表(http://cmdp.ncc-cma.net/download/ENSO/Monitor/ENSO_history_events.pdf), 有22年秋季处于El Niño事件(1951、1957、1963、1968、1972、1976、1977、1979、1982、1986、1991、1994、1997、2002、2004、2006、2009、2014、2015、2018、2019), 其中5年没有秋TCs登陆, 占比22.7%; 16年秋季处于La Niña事件(1954、1964、1971、1973、1975、1984、1988、1995、1998、2000、2007、2010、2011、2017、2020、2021), 其中有6年没有秋TCs登陆, 占比56.2%。可见, La Niña更易无秋TCs登陆。22年El Niño事件共有21个秋TCs登陆广东, 年均约1.0个; 16年La Niña事件有12个秋TCs登陆广东, 年均约0.8个。秋TCs年均频数呈现El Niño年偏多现象。这与前人得出的El Niño年登陆TCs频数减少、La Niña年登陆TCs频数增加的结论不同(晏宏 等, 2010; Liu et al, 2018)。对比夏季, El Niño事件中平均有2.4个TCs登陆, La Niña事件中平均有2.6个。可见, 全年结果主要受夏季影响, 秋季则不同。
图13a展示了标准化的全年、秋季和夏季登陆TCs数和ENSO指数的年际变化。可见, 全年登陆广东TCs数与ENSO指数负相关明显, 相关系数为−0.22(P< 0.1)。但秋季和夏季TCs与ENSO指数直接相关性不明显。全年登陆广东TCs数与夏季变化和秋季基本一致, 但1971—1981年间则与秋季登陆TCs数变化几乎相反。登陆TCs频数年际部分参考Wang 等(2022b)获取, 通过11年滑动平均获得年代际变化, 原TCs频数序列减去年代际变化为年际变化部分, ENSO指数处理类似。
图13 标准化的(a) 全年(黑线)、秋季(红线)和夏季(灰线)TCs频数与ENSO指数ONI(黑色虚线)的年际变化; (b)秋季(SON)登陆TCs频数与不同季节ENSO指数的超前滞后相关系数, 通过90%显著性检验的相关系数用实心点表示

Fig. 13 (a) Variation of standardized landed TCs numbers in the whole year (black line), autumn (red line) and summer (grey line), and annual-mean ENSO index (black dashed line); (b) lag correlations of autumn (SON) landed TCs numbers with ENSO index in each season, the correlation coefficients that pass the 90% significance test are represented by solid dots

对秋季登陆TCs频数与不同季节ENSO指数(Oceanic Niño Index, ONI)进行超前滞后相关, 结果如图13b所示。前一年冬季和春季的ENSO指数与当年秋季登陆TCs存在0.3左右的正相关关系(P < 0.1), 最大相关系数出现在前一年三月; 同时, 当年秋季登陆TCs与后一年秋冬季ENSO指数也存在0.2左右的正相关系数(P < 0.1)。这说明, 前一年的冬春季ENSO对后一年台风有影响, 同时当年登陆TCs数也对后一年ENSO有指示作用。这与Liao 等 (2019)指出当年TCs发生频数对后一年ENSO现象具有指示性作用类似。

3.3.2 与PDO 相关性

图14示出了全年、秋季和夏季登陆TCs频数与PDO指数关系的年代际变化(11年滑动平均)。可见, 年代际尺度上, 全年、秋季和夏季登陆TCs频数均与PDO指数有显著正相关, 相关系数分别为0.37, 0.28和0.33(P< 0.05)。PDO的位相大约在1977和1998年附近发生位相的转换(Yang et al, 2018), 本文进一步划分三个PDO不同位相时期, 冷位相为1954—1976和1997—2016年, 暖位相为1977—1996年, 分别计算登陆TCs频数与不同位相下PDO的关系, 结果如表2所示。全年TCs在两个PDO冷相位年与PDO存在显著正相关, 相关系数分别为0.45和0.44, 均通过95%的显著性检验。秋季TCs与PDO的相关性在1979—1996年(暖位相期)和1997—2016年(冷位相期)发生了转换, 相关系数分别为−0.51和0.68(P< 0.05)。夏季TCs在1954—1976年和1977—1996年期存在相关系数分别为0.41(P=0.06)和0.51(P=0.02)的正相关, 在1997—2016年相关系数为0.21但未通过显著性检验。相比夏季和全年TCs, 1996年后秋季登陆TCs频数与PDO具有显著的相关性, 暖位相时为负, 冷位相为正。
图14 全年(黑线)、秋季(红线)和夏季(灰线)TCs频数与年平均PDO指数(黑色虚线)

Fig. 14 The landing TCs numbers in the whole year (black line), autumn (red line) and summer (grey line), and the PDO index (black dashed line)

表2 TCs频数与不同阶段PDO指数的相关性

Tab. 2 The correlation of landing TCs numbers and the PDO index in different phases

PDO不同位相期 全年TCs 秋季TCs 夏季TCs
1954—2016 r = 0.37, P<0.01 r = 0.28, P=0.03 r = 0.33, P<0.01
1954—1976(冷) r = 0.45, P=0.03 r =-0.10, P=0.63 r = 0.41, P=0.06
1977—1996(暖) r = 0.24, P=0.32 r =-0.51, P=0.02 r = 0.51, P=0.02
1997—2016(冷) r = 0.44, P=0.05 r = 0.68, P<0.01 r = 0.21, P=0.39

4 机制分析

4.1 夏秋季登陆TCs长期变化趋势不同的可能机制

上文分析显示, 夏秋季登陆广东TCs特征及其变化存在显著不同。由于夏秋海洋温度场不同, 秋季TCs数量明显少于夏季, 生成位置也偏南偏东(张翔 等, 2017)。然而, 秋季TCs的登陆强度和破坏潜力与夏季相当。这与秋季TCs多生成于西北太平洋洋面, 生命史普遍较长, 拥有足够的发展空间和时间有关(陈志伟 等, 2017)。前文统计也显示秋季TCs登陆时长高于夏季。
在长期变化趋势上, 随着全球变暖TCs路径北移(Feng et al, 2021; Chen et al, 2022a), 秋季和夏季登陆广东TCs数量均呈下降趋势, 但平均登陆强度增加, 且秋季增强速率为夏季的1.8倍。在夏季TCs最大强度减弱的情况下, 秋季TCs最大强度却略有增强。相应地, 秋TCs破坏潜力PDI下降趋势不明显。秋季北方冷空气活跃, 气压梯度增加使TCs中心附近风速加大, 利于秋季TCs登陆强度的增强(韩瑛 等, 2008; 刘赛赛 等, 2017)。TCs登陆强度的增强有助于延长登陆后TCs的寿命, 从而抑制PDI减缓(Liu et al, 2020)。在移速方面, 秋TCs移速减缓明显快于夏季, 这可能与秋季向极相对涡度梯度增加导致的β漂移西向分量增强有关(Gong et al, 2022; Lu et al, 2023)。

4.2 年际和年代际变化的可能机制

在年际变化上, 不同于前人指出的厄尔尼诺年登陆TCs少、拉尼娜年多(晏宏 等, 2010; Liu et al, 2018), 秋季登陆广东TCs反而在拉尼娜年不易登陆。这可能与拉尼娜年南海东北部海温冷异常有关(详见4.3节)。相应地, 登陆广东秋TCs数与上一年冬春季ENSO指数呈现正相关。而全年TCs与ENSO指数却呈现负相关。
在年代际变化上, 全年登陆广东TCs数与PDO指数总体呈现正相关, 但秋TCs与PDO指数在1977—1996 PDO暖位相和1997—2016冷位相则分别呈现负相关和正相关, 这可能与冷暖位相期不同ENSO变化有关。PDO暖位相时, 西太平洋低层呈现西风异常, 季风槽强度增强, 副热带高压强度减弱(图15), 西北太平洋偏东偏南生成的秋TCs沿西向路径登陆广东(战志敏 等, 2013)。PDO暖位相的登陆TCs频数(年均1.2个)大于冷位相(年均0.8个)。
图15 PDO暖位相年(1977—1996年 (红色实线)和冷位相年(1997—2016, 蓝色实线)500hPa平均位势高度合成分析(单位: gpm)

审图号为GS(2016)2556号

Fig. 15 The composite analysis for mean-500hPa geopotential height (gpm) during PDO warm phase (1977—1996, red line) and cold phase (1997—2016, blue line)

4.3 有无秋季登陆广东TCs的影响机制

前文分析显示, 73年中有27年无秋登陆广东, 46年有秋登陆。对有无秋TCs登陆的秋季环境背景场(海表面温度和大尺度环境引导气流)和西北太平洋秋TCs生成数量进行合成分析, 以探索可能的机制。
对比有秋无秋登陆TCs年的海表面温度异常SSTA和风场异常(图16), 广东东南方向的南海在有秋TCs登陆时存在海表面温度暖异常(~0.05oC), 反气旋式风场异常, 而无秋TCs登陆时具明显的海表面温度冷异常(−0.1oC), 气旋式风场异常。基于Gill响应, 偏暖海温通过激发Rossby波在偏暖海温西北侧上空, 即广东和南海西北部上空形成气旋性异常, 利于引导TCs登陆广东(Gill, 1980)。同时在开阔的西太平洋, 有秋TCs登陆年具偏冷海温(厄尔尼诺年海温情形), 激发一个异常气旋性的大尺度环境引导气流, 而无秋TCs登陆年西太平洋异常偏暖海温激发反气旋式的大尺度引导气流, 将不利于西北太平洋生成的秋TCs西移登陆广东(图16)。
图16 秋季异常环境背景场分析

a.有秋登陆TCs; b.无秋登陆TCs; 填色: 海表面温度异常; 矢量箭头: 大环境引导气流; 实线框为本文研究区域; 审图号为GS(2016)2556号

Fig. 16 The composite environmental background in autumn (colors: sea surface temperature anomaly; vectors: large-scale steering flow), the solid line frame represents our study area (a, having autumn landed TCs; b, no autumn landed TCs)

近年来, 有学者(Hu et al, 2020b; Chen et al, 2022b)指出南海夏季风的撤退与西北太平洋地区的热带扰动关系密切。考虑到秋季有无登陆广东TCs可能受同期西北太平洋生成TCs数量影响, 我们分别对有无秋TCs年的南海夏季风撤退情况和秋季西北太平洋TCs生成活动特征进行分析。表3为2003—2021年南海夏季风撤退时间, 资料源于中国气象局国家气候中心气候东亚季风监测简报(http://cmdp.ncc-cma.net/Monitoring/ monsoon.php)。以1971—2000年(共30年)的平均状况作为常年平均, 南海夏季风撤退时间为9月第6候, 西北太平洋秋季平均生成13.3个。2003—2021年期间, 共10年有秋登陆广东TCs, 9年无秋登陆广东TCs; 有秋TCs年和无秋TCs年西北太平洋秋季TCs分别生成14.8个和14.4个, 均较常年生成偏多, 无秋TCs年略少于有秋TCs年; 南海夏季风在有秋TCs年撤退普遍偏晚, 但无秋TCs年南海夏季风撤退时间无明显规律。由此, 南海夏季风撤退较晚时, 西北太平洋秋季TCs生成偏多后, 同时偏暖海温激发气旋性引导气流, 利于有秋TCs登陆广东。
表3 2003—2021年南海夏季风撤退时间

Tab. 3 The time of the South China Sea summer monsoon withdrawal

年份 结束时间
2003 9月第4候(略偏早2候)
2004 9月第4候(略偏早2候)
2005 9月第6候(接近常年)
2006 10月第2候(偏晚2候)
2007 10月第3候(偏晚3候)
2008 10月第2候(偏晚2候)
2009 10月第3候(偏晚3候)
2010 10月第5候(偏晚5候)
2011 10月第3候(偏晚3候)
2012 10月第2候(偏晚2候)
2013 10月第4候(偏晚4候)
2014 9月第6候(接近常年)
2015 10月第2候(偏晚2候)
2016 10月第6候(偏晚6候)
2017 10月第5候(偏晚5候)
2018 9月第5候(略偏早1候)
2019 9月第5候(略偏早1候)
2020 10月第6候(偏晚6候)
2021 10月第5候(偏晚5候)

5 结论

基于1949—2021年中国气象局热带气旋最佳路径数据和登陆热带气旋数据资料, 本文分析了秋季登陆广东TCs的时空特征和影响秋季登陆广东TCs的可能机制, 并与夏季结果进行对比。主要结论如下:
(1)1949—2021年(73年)内共76个秋季TCs登陆广东, 占总登陆数的28.5%。秋季登陆TCs以强台风和超强台风为主, 且平均最大强度强于夏季。秋季登陆TCs较夏季有更大比例(72.4%)来自西北太平洋; 登陆TCs的平均生成经纬度自8月后持续向南、向东偏移。秋登陆TCs平均海上移速最大概率(56.6%)在11~20km·h−1区间内; 海上移速和破坏潜力与夏季相当。
(2)夏秋季登陆TCs的长期变化趋势不同。秋季登陆TCs数量下降速率与夏季相当; 平均登陆强度则呈现明显上升趋势, 上升速率为夏季1.8倍; 移速基本不变, 而夏季移速呈减缓趋势; PDI呈下降趋势, 但下降趋势明显弱于夏季。
(3)在年际和年代际变化上, 秋季登陆广东TCs频数主要存在2~6年的周期, 而夏季主要存在2~3年和6~10年的周期; 秋季登陆TCs与上一年冬春季ENSO指数存在相关系数为0.3, 且与后一年秋冬季ENSO存在系数为0.2的正相关, 说明当年秋季登陆广东TCs对后一年ENSO预报具有一定指示作用。秋季登陆TCs年频数与PDO指数在1977—1996和1997—2016暖冷两个位相期相关性不同, 相关系数分别为−0.51和0.68; 夏季登陆TCs年频数则与PDO存在显著正相关。
(4)存在秋季登陆广东TCs时, 南海北部为偏暖异常海温(~0.05°C), 其西北侧激发的气旋性引导气流易于TCs登陆广东; 无秋TCs时情况相反, 南海北部存在异常偏冷海温(~0.1°C), 其激发的西北侧反气旋性环流不易于TCs登陆广东。
[1]
陈联寿, 丁一汇, 1979. 西太平洋台风概论[M]. 北京: 科学出版社.

CHEN LIANSHOU, DING YIHUI, 1979. General information of typhoon in Western Pacific[M]. Beijing: Science Press (in Chinese).

[2]
陈志伟, 康建成, 顾成林, 等, 2017. 近30年西北太平洋热带气旋的时空变化及与海洋上层热状态的关系[J]. 海洋科学, 41(8): 122-133.

CHEN ZHIWEI, KANG JIANCHENG, GU CHENGLIN, et al, 2017. Spatial and temporal variation of the Northwest Pacific tropical cyclone and its relation with the thermal status of upper ocean in the past 30 years[J]. Marine Sciences, 41(8): 122-133 (in Chinese with English abstract).

[3]
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.

HAN YING, WU RONGSHENG, 2008. The effect of cold air intrusion on the development of tropical cyclone[J]. Chinese Journal of Geophysics, 51(5): 1321-1332 (in Chinese with English abstract).

[4]
郝赛, 毛江玉, 2015. 西北太平洋与南海热带气旋活动季节变化的差异及可能原因[J]. 气候与环境研究, 20(4): 380-392.

HAO SAI, MAO JIANGYU, 2015. Differences of the seasonal variations of tropical cyclone activities over the South China Sea and the western North Pacific and the possible causes[J]. Climatic and Environmental Research, 20(4): 380-392 (in Chinese with English abstract).

[5]
贺海晏, 简茂球, 宋丽莉, 等, 2003. 近50a广东登陆热带气旋的若干气候特征[J]. 气象科学, 23(4): 401-409.

HE HAIYAN, JIAN MAOQIU, SONG LILI, et al, 2003. Some climatic features of the tropical cyclones landed onto Guangdong province during the recent 50 years[J]. Journal of the Meteorological Sciences, 23(4): 401-409 (in Chinese with English abstract).

[6]
胡娅敏, 宋丽莉, 罗晓玲, 2011. 近58年登陆广东热带气旋位置和生成源地的变化[J]. 中山大学学报(自然科学版), 50(4): 113-120.

HU YAMIN, SONG LILI, LUO XIAOLING, 2011. The variation of the location and source region of tropical cyclones making landfall in Guangdong over the past 58 years[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 50(4): 113-120 (in Chinese with English abstract).

[7]
刘赛赛, 张立凤, 张晓慧, 2017. 台风“彩虹”(1522)近海急剧加强的特征分析[J]. 气象科学, 37(4): 487-496.

LIU SAISAI, ZHANG LIFENG, ZHANG XIAOHUI, 2017. Characteristics analysis on rapid intensification of typhoon Mujigae (1522) over the offshore area of China[J]. Journal of the Meteorological Sciences, 37(4): 487-496 (in Chinese with English abstract).

[8]
乔守文, 边志刚, 隋意, 等, 2019. 1980—2015年间北部湾海域热带气旋的变化及特征分析[J]. 广西科学, 26(6): 663-668.

QIAO SHOUWENG, BIAN ZHIGANG, SUI YI, et al, 2019. Analysis of the variation characteristics of tropical cyclones affecting Beibu Gulf between 1980 and 2015[J]. Guangxi Sciences, 26(6): 663-668 (in Chinese with English abstract).

[9]
徐婉明, 邓伟铸, 2020. 广东省登陆热带气旋的时空分布特征及其影响[J]. 海洋预报, 37(2): 11-18.

XU WANMING, DENG WEIZHU, 2020. Characteristics of tropical cyclones landing in Guangdong province and their impacts[J]. Marine Forecasts, 37(2): 11-18 (in Chinese with English abstract).

[10]
晏宏, 孙立广, 刘晓东, 等, 2010. 近50年来南海西沙群岛海域气候异常的ENSO效应[J]. 热带海洋学报, 29(5): 29-35.

YAN HONG, SUN LIGUANG, LIU XIAODONG, et al, 2010. Relationship between ENSO events and regional climate anomalies around the Xisha islands during the last 50 years[J]. Journal of Tropical Oceanography, 29(5): 29-35 (in Chinese with English abstract).

DOI

[11]
杨宝琛, 罗亚丽, 姜晓玲, 2022. 热带气旋对1975-2018年暖季中国极端降水气候态、变化趋势及其与温度关系的影响研究[J]. 热带气象学报, 38(3): 397-409.

YANG BAOCHEN, LUO YALI, JIANG XIAOLIANG, 2022. Impacts of tropical cyclones on the climatology and trends of extreme precipitation and on the relationship between extreme precipitation and temperature during 1975-2018 warm seasons in China[J]. Journal of Tropical Meteorology, 38(3): 397-409 (in Chinese with English abstract).

[12]
殷成团, 张金善, 熊梦婕, 等, 2019. 我国南海沿海台风及暴潮灾害趋势分析[J]. 热带海洋学报, 38(1): 35-42.

DOI

YIN CHENGTUAN, ZHANG JINSHAN, XIONG MENGJIE, et al, 2019. Trend analysis of typhoon and storm surge disaster on the South China Sea coast of China[J]. Journal of Tropical Oceanography, 38(1): 35-42 (in Chinese with English abstract).

DOI

[13]
战志敏, 郗洋, 庞旭龙, 等, 2013. 西北太平洋热带气旋路径特征分析[J]. 安徽农业科学, 41(8): 3512-3515+3586 (in Chinese).

[14]
张翔, 武亮, 皇甫静亮, 等, 2017. 西北太平洋季风槽的季节和年际变化特征及其与热带气旋生成大尺度环境因子的联系[J]. 气候与环境研究, 22(4): 418-434.

ZHANG XIANG, WU LIANG, HUANGFU JINGLIANG, et al, 2017. Seasonal and interannual variability of the Western North Pacific monsoon trough and its relationship to large-scale environmental factors[J]. Climatic and Environmental Research, 22(4): 418-434 (in Chinese with English abstract).

[15]
CHANG MINHEE, PARK D-S R, HO C-H, 2021. Possible cause of seasonal inhomogeneity in interdecadal changes of tropical cyclone genesis frequency over the Western North Pacific[J]. Journal of Climate, 34(2): 635-642.

DOI

[16]
CHEN TING, CHEN SHUMIN, ZHOU MINGSEN, et al, 2022a. Northward shift in landfall locations of tropical cyclones over the Western North Pacific during the last four decades[J]. Advances in Atmospheric Sciences, 39(2): 304-319.

DOI

[17]
CHEN WEN, HU PENG, HUANGFU JINGLIANG, 2022b. Multi-scale climate variations and mechanisms of the onset and withdrawal of the South China Sea summer monsoon[J]. Science China Earth Sciences, 65(6): 1030-1046.

DOI

[18]
CHOI J-W, CHA YUMI, KIM T, et al, 2017. Interdecadal variation of tropical cyclone genesis frequency in late season over the western North Pacific[J]. International Journal of Climatology, 37(12): 4335-4346.

DOI

[19]
CHOI Y, HA K-J, JIN FEIFEI, 2019. Seasonality and El Niño diversity in the relationship between ENSO and Western North Pacific tropical cyclone activity[J]. Journal of Climate, 32(23): 8021-8045.

DOI

[20]
DENG LIN, ZHAO YANG, GAO WENHUA, et al, 2021. Intensity and microphysical properties surrounding the rapid intensification in landfalling Super Typhoons over China during the summer and autumn seasons[J]. International Journal of Climatology, 41(14): 6366-6381.

DOI

[21]
EMANUEL K, 2005. Increasing destructiveness of tropical cyclones over the past 30 years[J]. Nature, 436(7051): 686-688.

DOI

[22]
FENG XIANGBO, KLINGAMAN N P, HODGES K I, 2021. Poleward migration of Western North Pacific tropical cyclones related to changes in cyclone seasonality[J]. Nature Communications, 12(1): 6210.

DOI PMID

[23]
GILL A E, 1980. Some simple solutions for heat-induced tropical circulation[J]. Quarterly Journal of the Royal Meteorological Society, 106(449): 447-462.

[24]
GONG DANYI, TANG XIAODONG, CHAN J C L, et al, 2022. Trends of tropical cyclone translation speed over the Western North Pacific during 1980-2018[J]. Atmosphere, 13(6): 896.

DOI

[25]
GUAN SHOUDE, ZHAO WEI, SUN LIANG, et al, 2021. Tropical cyclone-induced sea surface cooling over the Yellow Sea and Bohai Sea in the 2019 Pacific typhoon season[J]. Journal of Marine Systems, 217: 103509.

DOI

[26]
HSU PANGCHI, CHU PAOSHIN, MURAKAMI HIROYUKI, et al, 2014. An abrupt decrease in the late-season typhoon activity over the Western North Pacific[J]. Journal of Climate, 27(11): 4296-4312.

DOI

[27]
HU PENG, HUANGFU JINGLIANG, CHEN WEN, et al, 2020a. Impacts of early/late South China Sea summer monsoon withdrawal on tropical cyclone genesis over the western North Pacific[J]. Climate Dynamics, 55(5-6): 1507-1520.

DOI

[28]
HU PENG, HUANGFU JINGLIANG, CHEN WEN, et al, 2020b. South China Sea summer monsoon withdrawal and the synoptic-scale wave train over the western North Pacific[J]. International Journal of Climatology, 40(13): 5599-5611.

DOI

[29]
KOSSIN J P, 2018. A global slowdown of tropical-cyclone translation speed[J]. Nature, 558(7708): 104-107.

DOI

[30]
LI JUNYI, ZHENG HUIYUAN, XIE LINGLING, et al, 2021. Response of total suspended sediment and chlorophyll-a concentration to late autumn typhoon events in the Northwestern South China Sea[J]. Remote Sensing, 13(15): 2863.

DOI

[31]
LIAO FEI, SU RAN, CHAN P-W, et al, 2019. Observational study on the characteristics of the boundary layer during changes in the intensity of tropical cyclones landing in Guangdong, China[J]. Advances in Meteorology, 2019: 1-14.

[32]
LIU K-S, CHAN J C L, 2018. Changing relationship between La Niña and tropical cyclone landfalling activity in South China (La Niña and TC landfalling activity in South China)[J]. International Journal of Climatology, 38(3): 1270-1284.

DOI

[33]
LIU LU, WANG YUQING, ZHAN RUIFEN, et al, 2020. Increasing destructive potential of landfalling tropical cyclones over China[J]. Journal of Climate, 33(9): 3731-3743.

DOI

[34]
LU JUN, WU LIGUANG, ZHOU SHUNWU, et al, 2023. Interannual variations of the β drift of tropical cyclones over the Western North Pacific[J]. Journal of Climate, 36(3): 745-752.

DOI

[35]
SHI YUXIN, XIE LINGING, ZHENG QUANAN, et al, 2019. Unusual coastal ocean cooling in the northern South China Sea by a katabatic cold jet associated with Typhoon Mujigea (2015)[J]. Acta Oceanologica Sinica, 38(5): 62-75.

[36]
TAN PEIHUA, TU J-Y, WU LIANG, et al, 2019. Asymmetric relationships between El Niño-Southern Oscillation and entrance tropical cyclones in the South China Sea during fall[J]. International Journal of Climatology, 39(4): 1872-1888.

DOI

[37]
TU J-Y, CHEN J-M, WU LIANG, et al, 2020. Inter-decadal and inter-annual variability of meridional tropical cyclone activity during September-October in the northwestern North Pacific after 1998[J]. International Journal of Climatology, 40(3): 1686-1702.

DOI

[38]
WANG GUIHUA, WU LINGWEI, MEI WEI, et al, 2022a. Ocean currents show global intensification of weak tropical cyclones[J]. Nature, 611(7936): 496-500.

DOI

[39]
WANG GUIHUA, SU JILAN, DING YIHUI, et al, 2007. Tropical cyclone genesis over the South China Sea[J]. Journal of Marine Systems, 68(3-4):318-326.

DOI

[40]
WANG HAILI, WANG CHUNZAI, 2022b. What caused the increase of tropical cyclones in the western North Pacific during the period of 2011-2020?[J]. Climate Dynamics, 60(1-2): 165-177.

DOI

[41]
WU KUN, WANG CHAO, WU LIGUANG, et al, 2022. Slowdown in landfalling tropical cyclone motion in South China[J]. Geophysical Research Letters, 49(21): e2022GL100428.

[42]
WU ZEMING, HU CHUNDI, WANG JUNBIN, et al, 2021. Distinct interdecadal change contrasts between summer and autumn in latitude-longitude covariability of Northwest Pacific typhoon genesis locations[J]. Geophysical Research Letters, 48(15): e2021GL093494.

[43]
YANG LEI, CHEN SHENG, WANG CHUNZAI, et al, 2018. Potential impact of the Pacific Decadal Oscillation and sea surface temperature in the tropical Indian Ocean-Western Pacific on the variability of typhoon landfall on the China coast[J]. Climate Dynamics, 51(7-8): 2695-2705.

DOI

[44]
YAO XIUPING, ZHAO DAJUN, LI YING, 2020. Autumn tropical cyclones over the Western North Pacific during 1949-2016: a statistical study[J]. Journal of Meteorological Research, 34(1): 150-162.

DOI

[45]
ZHAO HAIKUN, WANG CHUNZAI, 2016. Interdecadal modulation on the relationship between ENSO and typhoon activity during the late season in the western North Pacific[J]. Climate Dynamics, 47(1-2): 315-328.

DOI

[46]
ZHENG MANLI, WANG CHUNZAI, 2022. Interdecadal changes of tropical cyclone intensity in the South China Sea[J]. Climate Dynamics, 60(1-2): 409-425.

DOI

[47]
ZHOU QUN, WEI LIXIN, ZHANG RUNYU, 2019a. Influence of Indian Ocean Dipole on tropical cyclone activity over Western North Pacific in boreal autumn[J]. Journal of Ocean University of China, 18(4): 795-802.

DOI

[48]
ZHOU XINGYAN, LU RIYU, 2019b. Interannual variability of the tropical cyclone landfall frequency over the southern and northern regions of East Asia in autumn[J]. Journal of Climate, 32(24): 8677-8686.

DOI

Outlines

/