Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2024 , Vol. 43 >Issue 5: 17 - 31

DOI: https://doi.org/10.11978/2023141

Marine Meteorology

Statistical study on the influence of typhoon with different path on the temperature of coastal waters of China

  • SUN Zeming , 1 ,
  • HAN Shuzong , 1, 2 ,
  • WANG Mingjie 1 ,
  • SU Hanxiang 1
Expand
  • 1. Collage of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China
  • 2. College of Marine Science and Technology, Hainan Tropical Ocean University, Sanya 572022, China
HAN Shuzong. email:

Received date: 2023-10-04

  Revised date: 2023-12-07

  Online published: 2023-12-13

Supported by

National Key Research and Development Program(2022YFC3104000)

Jiangsu Province Marine Science and Technology Innovation Project(JSZRHYKJ202304)

Fold

Abstract

Based on the best typhoon track data provided by the China Meteorological Administration, according to K-means clustering analysis, typhoons entering the coastal waters of China from the West Pacific Warm Pool from 2002 to 2021 are divided into three types, and the three types are named as westward path typhoon, northwestward path typhoon and turning path typhoon according to typhoon path characteristics. In addition, the optimal daily product of sea surface temperature interpolation provided by remote sensing systems (REMSS) and simulation results of coupled ocean atmosphere wave sediment transport modeling system (COAWST) are used to study the changes of upper ocean temperature caused by these three typhoons with different path. The results show that the influence characteristics of three different typhoon paths on sea surface temperature (SST) are mainly reflected in the cooling amplitude and recover time: the turning typhoon exhibits the largest cooling amplitude and the longest-lasting effect on sea surface temperature, followed by the northwestward typhoon, the westward typhoon has the smallest cooling amplitude and the shortest duration of impact. The difference of three different typhoon paths on the mixed layer thickness (MLT) and thermocline thickness (TT) are mainly reflected in the rangeability of thickness and recovery time: for the rangeability of MLT and TT, the turning typhoon is the largest, followed by the northwestward typhoon, and the westward typhoon is the least. For the recovery speed of MLT and TT, the northwestward typhoon is obviously faster than the westward typhoon and the turning typhoon.

Key words： typical typhoon path; west Pacific warm pool; coastal waters of China; upper ocean; sea surface temperature; mixed layer thickness; thermocline thickness

Cite this article

SUN Zeming , HAN Shuzong , WANG Mingjie , SU Hanxiang . Statistical study on the influence of typhoon with different path on the temperature of coastal waters of China[J]. Journal of Tropical Oceanography, 2024 , 43(5) : 17 -31 . DOI: 10.11978/2023141

台风属于热带气旋的一种, 是主要发生在热带或亚热带海面上的低压涡旋。在气象学上, 按世界气象组织定义: 热带气旋中心持续风速在12级以上(即32.7m·s-1至41.4m·s-1)称为台风或飓风, 台风通常在热带地区离赤道平均3~5个纬度外的海面(如南北太平洋、北大西洋、印度洋)上形成, 其移动主要受大尺度天气系统等影响, 最终在海上消散或者变性为温带气旋, 或在登陆陆地后消散。台风路径是划分台风主要影响区域的重要因素, 在早期研究中, 前人对台风路径的划分主要采用主观识别方法, 随着人们对科学性的不断追求, 一些学者开始采用聚类分析等客观分析方法对台风路径进行分类, 其中K均值聚类分析的应用较为广泛(Nakamura et al, 2009; Yu et al, 2016)。
台风强大的风场会对上层海洋产生强烈作用, 导致海表面温度(sea surface temperature, SST)骤变(Fisher, 1958; Leipper, 1967; Brand, 1971; Price, 1981; Sanford et al, 1987; Bender et al, 1993; Hart et al, 2007; Price et al, 2008; Jansen et al, 2010; Hart, 2011), SST降低的幅度通常在1℃到7℃之间(Halpern, 1974; Price, 1981; Shay et al, 1992; Zedler et al, 2002; Walker et al, 2005; Price et al, 2008), 但有些台风对SST的影响很低, 影响幅度不足1℃, 有些台风则对SST的冷却达到9℃ (Lin et al, 2003a, 2003b), 海表面降温可以影响到台风轨迹附近几百公里的范围(Nelson, 1996)。对于上层海洋, SST能够最直观地反映出台风与海洋相互作用的强弱, 是海洋气候的核心要素(Wentz et al, 2000)。
北半球的台风在传播过程中, 其强风翼通常在台风传播方向的右侧, 所以在台风路径右侧的上层海洋受到风应力的作用更强烈, 因此路径右侧SST的冷却幅度比台风路径左侧的大, 从而台风造成的SST冷却的中心一般出现在台风路径的右侧(Nelson, 1996;刘增宏 等, 2006; Chen et al, 2007; Liu et al, 2007; Black et al, 2008; Davis et al, 2008), 而在南半球则相反。然而, 当台风路过海洋涡旋或即将登陆时, SST的冷却中心位置就不再遵循上面的规律(Mahapatra et al, 2007; 杨晓霞 等, 2010)。SST恢复至台风过境前常态的时间也是研究台风对上层海洋作用的重要参数。由于上层海洋动力场的差异性以及各种因素的综合影响, 台风对SST作用的时间在不同海域之间有着很大的不同, 据统计, 在中国南海, SST对大多数台风过境的响应时间为6~7d (Ma et al, 2021); 在西北太平洋, 约为3~10d; 在美国东岸平均为10d; 而在墨西哥湾平均需要20d (Hazelworth, 1968)。e折周期, 即SST变化幅度恢复至最大变化幅度的e分之一所用的时间(e为自然常数), 也是表示SST恢复速度的一种重要的方式, 多数台风对SST作用时间的e折周期为5~20d (Price et al, 2008; Jansen et al, 2010)。
除了海表面之外, 次表层对台风的响应同样明显, 而混合层与温跃层这两个以温度梯度为主要特征的层结也会相应地发生明显变化, 于是混合层与温跃层特征便成了研究上层海洋温度对台风响应的重要指标(Pan et al, 2013)。台风对混合层的最显著影响就是台风在海面强大的风场不断搅拌, 引起的强大湍流使混合层得以充分地混合, 致使混合层整体温度下降, 混合层厚度也随之增加。混合层受台风影响而降温、加深的幅度在不同海区有差异, 据统计, 在中国南海, 混合层受台风影响降温幅度可达到4.4℃, 混合层厚度可达到104.5m (Pan et al, 2013); 在西北太平洋, 台风“尼伯特”对混合层厚度的增大幅度可达到54m (Yu et al, 2020)。中国南海温跃层对台风的响应主要表现为温跃层的加深, 温跃层会随着海面风场的变化而快速响应, 温跃层深度与风场之间会呈现正相关, 而有的跃层在台风来临之前深度就较大, 那么当台风来临时, 这类温跃层受台风影响就不大(韩玉康 等, 2017; 孙凡 等, 2021)。
西太平洋是台风的多发地(Liu et al, 2007), 因此前人对台风过境后上层海洋响应的研究多选择西太平洋的台风进行研究, 前人的研究也多聚焦于台风个体和SST, 有关海洋对台风响应的统计研究, 尤其是次表层结构对台风响应特征的统计研究更是空缺。另外, 由于在台风发生时常伴随着极端恶劣天气, 所以台风发生时的实测数据十分稀少。前人研究中多用地转海洋学实时观测阵(array for real-time geostrophic ocean-ography, ARGO)数据, 但ARGO数据时间分辨率低, 且ARGO数据虽然为准确的实测数据, 但其只能反映单个点位对台风的响应, 无法满足台风对上层海洋结构影响研究的时间分辨率需求。微波遥感能穿透云雾, 使复杂天气对SST的观测影响降到最低, 除此之外, 对于微波卫星未能企及的次表层, 大气海洋数值模式便成为了重要的研究手段, 前人的研究也表明了, 海气耦合模式比单一模式对海气相互作用物理过程的描述更加合理(Liu et al, 2015)。综上所述, 本文以2002—2021年所有进入中国近海的台风为统计对象, 根据K均值聚类分析法, 对统计的台风进行归类, 并利用遥感系统(remote sensing systems, REMSS)卫星数据和区域海气浪耦合模式(coupled ocean atmosphere wave sediment transport modeling system, COAWST)再现这些台风过程, 在此基础上, 统计上层海洋温度对各类路径台风的响应特征, 统计结果可为有关的海气相互作用研究提供参考。

1 资料简介

1.1 台风路径资料简介

根据中国气象局(China meteorological administration, CMA)在2006年发布的《热带气旋等级》(中华人民共和国国家质量监督检验检疫总局 等, 2006)国家标准, 热带气旋依据底部近中心最大平均风速可分为6个等级: 热带低压(10.8~17.1m·s-1)、热带风暴(17.2~ 24.4m·s-1)、强热带风暴(24.5~32.6m·s-1)、台风(32.7~ 41.4m·s-1)、强台风(41.5~50.9m·s-1)和超强台风(≥51.0m·s-1)。根据研究需求, 本文从中国气象局发布的台风最佳路径数据集中筛选了自2002年到2021年期间所有诞生于西太暖池并进入中国近海且强度均达到“台风”级别以上的83个台风。数据来源为: https://tcdata.typhoon.org.cn.

1.2 海表面温度数据简介

本文使用遥感系统(remote sensing systems, REMSS)提供的最优插值海表面温度日产品对台风对上层海洋的影响进行统计研究。本文使用的微波数据集将微波数据的云端能力与红外数据的高分辨率和近岸能力相结合, 并且使用昼夜模型对数据进行调整, 消除了昼夜温差对SST的影响, 为研究提供了良好的净SST数据。
REMSS提供了两种最优插值海表面温度数据, 相关信息如表1所示。
表1 两种最优插值海表面温度数据集的时空范围及对应所用到的传感器

Tab. 1 Spatiotemporal ranges of two optimal interpolated sea surface temperature data sets and corresponding sensors used

传感器 空间范围 时间范围
MW TMI, AMSR-E, AMSR2, WindSat, GMI 在2002-06-01之前: 40°S—40°N
在2002-06-01之后: 全球		 1998-01-01 至今
MW_IR MW: TMI, AMSR-E, AMSR2,WindSat, GMI
IR: MODIS-Terra, MODIS-Aqua, VIIRS-NPP, VIIRS-N20		 全球 2002-06-01 至今

1.3 其他数据简介

在本文的第4部分使用了哥白尼海洋环境观测服务(Copernicus-Marine environment monitoring service, CMEMS)的再分析数据、卫星测高格网(archiving, validation and interpretation of satellite oceanographic, AVISO+)的中尺度涡路径数据以及全球海洋通用水深数据(general bathymetric chart of the oceans, GEBCO)地形数据对统计结果进行了讨论。本文使用的CMEMS再分析数据的产品ID为GLOBAL_ REANALYSIS_PHY_001_031, 空间分辨率为0.25°, 本文中使用月平均数据, 数据来自: https://data.marine.copernicus.eu/product/GLOBAL_REANALYSIS_PHY_001_031/。本文使用的AVISO+中尺度涡路径数据记载了中尺度涡诞生和消亡以及移动轨迹等信息, 该数据的时间分辨率为1d, 数据来自: https://data.aviso.altimetry.fr/aviso-gateway/data/META3.1exp_DT/META3.1exp_DT_twosat/。GEBCO地形数据的空间分辨率为1/240°, 数据来自: https://download.gebco.net。

1.4 模式简介及模型配置

区域海气浪耦合模式(COAWST)包含了气象预报模式(weather research and forecasting model, WRF)、区域海洋模式(regional ocean modeling system, ROMS)和浅海海浪模式(simulating waves nearshore, SWAN), 耦合器为MCT (model coupling toolkit)耦合器。在本文的研究中, 选用COAWST耦合模式, 3个子模块全耦合的形式更能还原出真实的台风过程(Liu et al, 2015), 其可自主调节的时空分辨率和参数方案更有利于模拟研究海洋大气连续的变化特征。
上述耦合模式中, 大气模型WRF的水平分辨率6km, 垂向设置29层, 初始条件和边界条件采用美国气象环境预报中心(national center for environmental prediction, NCEP)提供的时空分辨率分别为6h、1°×1°的FNL (final operational global analysis)再分析数据。海洋模式ROMS水平分辨率为9km, 垂向设置20层, 海洋初始场和边界场采用混合坐标海洋模型(hybrid coordinate ocean model, HYCOM)的(1/12)°的同化数据, 地形选用GEBCO地形数据。海浪模式SWAN采用与ROMS相同的网格, 模式间的网格权重插值采用SCRIP工具包, 模式的积分时间步长为60s, 耦合交换时间步长为600s。

1.5 模型结果验证

以1709号台风“纳沙”为例对模拟结果进行验证, 特别关注对台风路径的模拟效果以及台风前后上层海洋温度的变化, 验证结果如图1和图2所示。
图1 1709号台风“纳沙”的部分移动路径

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改。图中黑色实线为中国气象局(CMA)热带气旋资料中心的最佳路径, 红色实线为COAWST耦合模式的模拟路径

Fig. 1 The path of No. 1709 typhoon “Nesat”. The black solid line is the best track provided by the tropical cyclone data center of the CMA, and the red solid line is the simulated path of COAWST coupling mode

图2 1709号台风“纳沙”过境前后台风路径附近的Argo与COAWST耦合模式的温度剖面对比

a. 台风过境前Argo剖面数据与COAWST剖面数据对比。图中蓝色虚线为2902656号Argo的第169个剖面数据, 红色实线为COAWST模拟结果的温度剖面; b. 台风过境后Argo剖面数据与COAWST剖面数据对比。图中蓝色虚线为2902656号Argo的第170个剖面数据, 红色实线为COAWST模拟结果的温度剖面

Fig. 2 Temperature profile comparison of Argo and COAWST coupling models near the typhoon path before and after the passage of No. 1709 typhoon “Nesat”.

The dashed blue line in the figure (a) is the 169th profile data of No. 2902656 Argo, the solid red line is the temperature profile of COAWST simulation results, and the dashed blue line in the figure (b) is the 170th profile data of No. 2902656 Argo, the solid red line is the temperature profile of COAWST simulation results

从图1中可以看出, 1709号台风登陆前的大部分时间内, COAWST耦合模式路径和CMA最佳路径都比较一致, 结果相差不大。从图2可以看出, 模式温度的变化趋势与Argo观测数据温度具有很好的一致性, 两者较为接近。
经上述验证, 说明COAWST耦合模式的模拟结果与实测数据有较好的一致性, COAWST耦合模式具有模拟台风前后上层海洋温度的能力。

2 研究方法

2.1 数据处理方法

本文对台风造成的SST异常以及混合层厚度(mixed layer thickness, MLT)和温跃层厚度(thermocline thickness, TT)变化的计算方法参考了Li等 (2020)提出的GMR法(grid-based maximum response method)。这种方法考虑了每一个网格点受台风强迫的初始时间和结束时间, 即将受台风影响的时间与地点同步, 能更好地更有效地减少误差带来的漏判。具体处理方法如下:
1) 定义台风影响范围为以台风中心位置为圆心, 半径为400km的圆, 之后为每个网格点定义两个关键时间, 即台风首次影响到坐标点的时间Tf和台风最后一次离开坐标点的时间Te, 由于台风运动速度很快, 这两个时间有时会在同一天。2) 定义某网格点的背景场为台风首次影响该网格点的时间Tf的前两天的时间平均, 即(Tf -2d)和(Tf -1d)的时间平均为背景场, 将Tf到(Te+7d)定义为台风的影响时间, 根据前人的研究经验, 通常认为台风作用下, SST和上层海洋温度变化的最大值一般不会出现在台风过境7d之后。在得到以上信息后, 找出每个网格点上从Tf到(Te+7d)这个时间段内SST冷却或MLT和TT变化的最大值。
在此次统计研究中规定, 台风对SST或混合层和温跃层的作用时间为: 从台风过境开始, 到研究区域SST异常或MLT和TT异常的平均值降为最大平均值的e分之一(e为自然常数), 即达到e折尺度时所经过的时间。

2.2 台风路径分类方法及分类结果

对台风进行分类是研究台风主要影响区域和影响程度的基础, 是获取台风特征以及研究其活动特征的重要途径(郑颖青 等, 2013; 叶家成 等, 2019), 合理地对台风进行分类对于台风的相关研究有着重要意义(顾润源 等, 1993)。在本文中, 作为统计对象的83个台风的路径复杂多样, 其主要影响区域遍布中国近海, 为了方便研究, 参照前人方法(叶家成 等, 2019), 先将83个台风按照路径和强度等特征进行分类, 分类的方法和结果如下:
K均值聚类算法是一种迭代求解的聚类分析算法, 需要将数据预先分为K组, 随机选择K个样本作为初始的聚类中心, 然后计算每个样本与聚类中心的距离, 把每个样本分配给距离最近的聚类中心。在分配完成后, 每一个聚类又会根据现有的样本重新计算聚类中心, 这个过程将不断地重复, 直到聚类中心不再发生变化。本文将选取以下台风特征当作特征指标来进行聚类分析:
1) 台风路径质心。台风路径的质心能够反映台风整体的中心位置, 其计算公式如下所示:
$\overline{lon}=\frac{1}{\sum\nolimits_{i=1}^{n}{w(i)}}\sum\nolimits_{i=1}^{n}{w(i){{x}_{i}}}$
$\overline{lat}=\frac{1}{\sum\nolimits_{i=1}^{n}{w(i)}}\sum\nolimits_{i=1}^{n}{w(i){{y}_{i}}}$
式中: $\overline{lon}$和$\overline{lat}$分别表示台风质心的经度、纬度坐标; ${{x}_{i}}$和${{y}_{i}}$分别为第i时刻台风的经纬度, n就是最佳路径数据中台风位置的记录次数, $w\left( i \right)$是第i时刻台风的强度权重, 本文将台风的近中心最大风速的平方根$\sqrt{{{v}_{i}}}$作为强度权重。
2) 台风路径方差。台风的x方向(经向)、y方向(纬向)和xy方向(对角线方向)的方差分别反映了台风路径在这3个方向的变化率, 也是台风路径重要的特征指标:
$var(x)=\frac{1}{\sum\nolimits_{i=1}^{n}{w(i)}}\sum\nolimits_{i=1}^{n}{w(i){{({{x}_{i}}-\overline{lon})}^{2}}}$
$var(y)=\frac{1}{\sum\nolimits_{i=1}^{n}{w(i)}}\sum\nolimits_{i=1}^{n}{w(i){{({{y}_{i}}-\overline{lat})}^{2}}}$
$var(xy)=\frac{1}{\sum\nolimits_{i=1}^{n}{w(i)}}\sum\nolimits_{i=1}^{n}{w(i)({{x}_{i}}-\overline{lon})({{y}_{i}}-\overline{lat})}$
3) 生命长度和路径长度。生命长度(LT)和路径长度(LR)分别是台风的时间尺度和空间尺度上的重要特征指标:
${{L}_{T}}=\frac{n}{4}$
${{L}_{R}}=\sum\nolimits_{i=2}^{i=n}{\sqrt{{{({{x}_{i}}-{{x}_{i-1}})}^{2}}+{{({{y}_{i}}-{{y}_{i-1}})}^{2}}}}$
为了更加直观地表述K均值聚类法的结果, 引入轮廓系数${{S}_{i}}$来表征第i个样本与同聚类中其他样本的粘连程度以及与不同聚类中样本的区分程度, 轮廓系数是评价聚类效果优劣的一个标准:
${{S}_{i}}=\frac{\min ({{b}_{i}})-{{a}_{i}}}{\max [{{a}_{i}},\min ({{b}_{i}})]}$
式中: ${{a}_{i}}$为第i个样本与同聚类中其他样本的平均距离, ${{b}_{i}}$为第i个样本与每个其他聚类中样本的平均距离。${{S}_{i}}$的值在-1~1的区间内, ${{S}_{i}}$越靠近1, 说明样本i聚类越合理, ${{S}_{i}}$越靠近-1, 样本i聚类越差。即${{S}_{i}}$的均值越大, 且${{S}_{i}}$负值越少, 那么聚类结果就越好。表2为本次聚类分析的结果。
表2 不同分类数情况下各类别的台风数量

Tab. 2 Number of typhoons of different categories under different classification numbers

第1类台风数量/个 第2类台风数量/个 第3类台风数量/个 第4类台风数量/个 第5类台风数量/个 第6类台风数量/个
分为2类 50 33 - - - -
分为3类 31 25 27 - - -
分为4类 7 36 27 13 - -
分为5类 31 25 20 2 5 -
分为6类 13 9 29 25 2 5

注: - 表示不存在此类台风

从图3中可以看出当K=3时, ${{S}_{i}}$的平均值最大, 当K=3或6时, ${{S}_{i}}$中的负值较少, 从表2中可以看出, 当K=5或6时, 最少一类的台风数量少于样本总体数量的5%, 分类意义不大, 故综合来看, 分类数为3最合理。根据分类结果, 结合各类台风路径的方向和变化特点, 将3类台风分别称为西行台风、西北台风与转向台风, 图4为3类台风的路径示意图, 图4中所示及下文中提到的主要研究区域指的是各类台风主要影响的海域。
图3 分类数量与轮廓系数平均值(a)和轮廓系数负值个数(b)之间的关系

Fig. 3 The relationship between the number of classifications and the mean value of the silhouette coefficient (a) and the number of negative silhouette coefficient (b)

图4 台风路径示意图

a. 西行台风路径; b. 西北台风路径; c. 转向台风路径。图中灰色实线为台风样本的路径, 红色箭头为台风样本的主要移动方向, 红色方框为主要研究海域。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改

Fig. 4 Typhoon track diagram.

Westward typhoon (a); Northwestward typhoon (b); turning typhoon (c). Solid gray lines are paths of the typhoon samples, the red arrow is the main moving direction of the typhoon samples, and the red box is the main research area

3 各类台风对上层海洋温度影响特征的统计结果

以SST、MLT和TT对台风的响应幅度、响应的中心位置以及恢复时间这3个要素为对象, 对3类台风进行统计。3类台风中没有任何两个不同类别的台风在时间和空间上存在交集, 所以在统计时不同路径台风之间不会对互相的统计结果造成影响。统计结果见图5和表3~表6。
图5 台风样本造成的上层海洋温度变化幅度

a. 台风样本造成的海表面降温幅度; b. 台风样本造成的混合层厚度变化幅度; c. 台风样本造成的温跃层变化幅度。图中所展示的信息仅为各变化区间内3种不同台风样本的数量

Fig. 5 Variation of upper ocean temperature induced by typhoon samples.

(a) Sea surface cooling amplitude caused by typhoon samples; (b) the variation amplitude of mixed layer thickness caused by typhoon samples; (c) the variation amplitude of thermocline caused by typhoon samples

表3 3类台风之间各统计量的差异显著性检验结果

Tab. 3 The result of significance test of statistics between three kinds of typhoons

SST冷却幅度 MLT增大幅度 TT减小幅度
西行路径台风与西北路径台风之间各统计量的差异显著性 0.3226 0.0249 0.0071
西北路径台风与转向路径台风之间各统计量的差异显著性 0.00004250 0.0052 0.00008879
转向路径台风与西行路径台风之间各统计量的差异显著性 0.000002065 0.00001813 0.0000001063

注: 表中展示数据为使用曼-惠特尼U检测法得到的p值, 当p值小于显著性水平0.05时, 认为两组数据存在显著差异

表4 不同路径台风对SST的影响特征

Tab. 4 Characteristic of influence of different path typhoons on SST

台风数量/个 海表面的主要
降温区间/℃		 SST降低幅度/℃ SST平均
降低幅度/℃		 SST 7d内
恢复占比/%		 SST变化偏右
性异常占比/%
最大降温幅度 最小降温幅度
西行台风 31 2~5 5.13 1.49 3.2 83.87 29.03
西北台风 25 2~5 5.89 1.79 3.5 56.00 8.00
转向台风 27 3~6 8.95 2.76 4.9 18.52 14.81
表5 不同路径台风对MLT的影响特征

Tab. 5 Characteristic of influence of different path typhoons on MLT

台风数量/个 MLT的主要
增加区间/m		 MLT增加幅度/m MLT平均
增大幅度/m		 MLT 7d内
恢复占比/%		 MLT变化偏右
性异常占比/%
最大加深幅度 最小加深幅度
西行台风 31 30~70 87.10 28.05 53.78 58.06 41.94
西北台风 25 50~90 92.03 36.17 65.04 84.00 40.00
转向台风 27 70~100 133.73 34.64 84.74 62.96 37.04
表6 不同路径台风对TT的影响特征

Tab. 6 Characteristic of influence of different path typhoons on TT

台风数量/个 TT的主要
减少区间/m		 TT减少幅度/m TT平均
减小幅度/m		 TT 7d内
恢复占比/%		 TT变化偏右
性异常占比/%
最大减少幅度 最小减少幅度
西行台风 31 50~90 118.50 40.84 74.63 38.71 67.74
西北台风 25 70~120 127.48 60.57 90.36 60.00 64.00
转向台风 27 90~150 180.62 58.42 125.02 37.04 59.26
由图5和表3、表4可看出, 3类典型路径台风对SST的影响特征的不同主要体现在海表面的降温幅度和SST的恢复速度上, 主要表现为: 转向台风对SST的冷却作用幅度最大, 影响时间最长, 西北路径台风次之, 而西行路径台风对SST的冷却作用幅度与西北路径台风无明显差异, 西北路径台风对SST的影响时间最短。
由图5、表3、表5和表6可看出, 与SST的响应特征类似, 3类典型路径台风对MLT与TT的影响幅度都有较明显的差异, 但在恢复速度上, 转向路径台风对MLT作用的恢复速度明显快于其他两类台风, 而3类典型路径台风对TT作用的恢复速度则没有明显差异。
将GMR方法的结果按照台风过境前、过境时以及过境后3个时间点分别叠加在网格点上并作平均, 为了避免各类台风统计结果之间相互混淆和影响, 各类台风主要影响区域内的网格点只叠加对应种类台风的GMR方法结果, 以此来简要探究不同区域、不同时间的各个变量对相应种类台风的平均响应幅度。从图6可以看出, 在时间特征上, SST、MLT和TT的变化都具有一定的滞后性, 即最大的变化并不出现在台风过境时, 而是一般出现在台风过境后7d内, 这也与前人的研究结果一致(Li et al, 2020; Ma et al, 2021)。在空间变化特征上, 对于SST的冷却幅度, 转向路径台风主要影响区域内的SST平均冷却幅度在台风过境时可达到2.16℃, 而西北路径台风和西行路径台风主要影响区域内的SST平均冷却幅度只能分别达到1.02℃和1.14℃, 在台风过境后, 转向路径台风的主要研究区域内SST的平均冷却幅度可达到4.45℃, 明显大于同时间段西北路径台风主要影响区域的1.72℃和西行路径台风主要影响区域的1.35℃; 在台风过境时, 西北路径台风的主要影响区域内的MLT和TT平均变化幅度分别可达到41.4m和43.67m, 转向路径台风和西行路径台风主要影响区域的MLT和TT的平均变化幅度则分别最高达到32.64m和39m以及24.9m和39.6m, 而在台风过境后, 转向台风主要影响区域的局部地区, 即右下角靠近琉球群岛的地方MLT和TT的平均变化幅度可达到57.74m和84.31m, 明显大于西北路径台风主要影响区域的39.57m和66.25m以及西行路径台风主要影响区域的35.34m和69.48m。
图6 台风样本造成的SST、MLT以及TT的变化幅度的时空特征

a. 台风过境前平均SST; b. 台风过境时对海表面的平均降温幅度; c. 台风过境后7d内对海表面的平均降温幅度; d. 台风过境前的平均MLT; e. 台风过境时对MLT的平均增大幅度; f. 台风过境后7d内对MLT的平均增大幅度; g. 台风过境前的平均TT; h. 台风过境时对TT的平均减小幅度; i. 台风过境后7d内对TT的平均减小幅度。黑色方框区域为转向台风的主要影响区域; 蓝色方框区域为西北台风的主要影响区域; 红色方框区域为西行台风的主要影响区域。图中空白区域为台风样本未影响到的区域。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改

Fig. 6 Temporal and spatial characteristics of the variation amplitude of SST, MLT and TT induced by typhoon samples.

(a) The average SST before the typhoon; (b) the average reduction of SST during typhoon transit; (c) the average reduction of SST within 7 days after the passage of the typhoon; (d) average MLT before the typhoon; (e) the average increase of MLT during typhoon transit; (f) the average increase in MLT within 7 days after the typhoon’s passage; (g) average TT before the typhoon; (h) the average reduction of TT during typhoon transit; (i) average reduction of TT within 7 days after the typhoon’s passage. The black box area is the main impact area of the turning typhoon. The area in blue box is the main affected area of the northwestward typhoon. The area in the red box is the main impact area of the westward typhoon. The blank area in the figure is the area not affected by the typhoon samples

4 统计结果的对比分析

由第3节的统计结果可知, 上层海洋温度对不同路径台风的响应幅度以及响应时间等都有着较为明显的差异, 本节将结合统计数据, 分别比较海表面温度与次表层温度对3类台风的响应特征, 并探究造成差异的可能原因。

4.1 海表面温度变化特征的对比

如表7所示的3类台风在主要影响区域内的平均强度, 西行路径台风平均强度最小, 西北路径台风次之, 转向路径台风的平均强度最大, 即随着主要影响区域纬度的上升, 台风的平均强度越来越大, 而海表面的降温幅度对台风强度十分敏感, 高强度台风引起的海表面降温幅度往往更大(徐文玲 等, 2007)。
表7 3类台风在其主要影响区域内的特征

Tab. 7 The characteristics of each type of typhoon in their main affect areas

到达主要影响区域的时间 在主要影响区域内的平均强度(近中心最大风速)/(m·s-1) 在主要影响区域内的平均移动速度/(km·h-1)
西行路径台风 7—9月(92.59%) 45.51 25.05
西北路径台风 7—9月(92.00%) 52.28 28.27
转向路径台风 7—9月(74.19%) 61.37 37.22
不仅台风自身的强度是影响海表面降温的重要因素, 上层海洋的热含量同样也对台风发生时海气相互作用有重要的影响, 而经过前人的研究验证, 上层海洋热含量与MLT之间有着明确的正相关性(Zhang et al, 2015)。当上层海洋初始热含量较低时, 能使SST与混合层对台风有更强烈的反应(Lin et al, 2008; Mei et al, 2015)。由表7可知, 本次参与统计的台风几乎都在7—9月到达各自的主要影响区域, 观察图6、图7和表8所示的背景场信息可知, 西行台风主要影响区域的各背景场信息与西北台风相差不大, 而转向台风主要影响区域的各背景场在数值上明显小于其他两类台风的主要影响区域。可以说, 上层海洋热含量分布和台风强度的差异共同造成了表4所示的3类台风对SST的冷却幅度特征。
图7 2001—2020年主要影响区域内7—9月的平均SST (a)、MLT (b)和TT (c)

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改。数据来自 https://data.marine.copernicus.eu/product/GLOBAL_REANALYSIS_PHY_001_031/。图中红色、蓝色、黑色方框内分别为西行路径台风、西北路径台风和转向路径台风的主要影响区域

Fig. 7 The average SST (a), MLT (b) and TT (c) from July to September in the mean affect area from 2001 to 2020 (https://data.marine.copernicus.eu/product/GLOBAL_REANALYSIS_PHY_001_031/), the red, blue and black boxes in the figure show the main affect area of the westward typhoon, the northwestward typhoon and the turning typhoon respectively

表8 3类台风的主要影响区域背景场信息

Tab. 8 Background field information of the main affect areas of each type of typhoon

主要影响区域内SST平均值/℃ 主要影响区域内MLT平均值/m 主要影响区域内TT平均值/m
过境前2d平均 7—9月平均 过境前2d平均 7—9月平均 过境前2d平均 7—9月平均
西行路径台风 28.49 29.28 24.08 29.01 106.05 118.02
西北路径台风 29.21 29.56 25.74 27.51 100.27 114.98
转向路径台风 27.25 27.54 13.46 14.59 21.14 38.95
根据统计结果来看, 西行路径台风和转向路径台风的SST冷却中心相较于西北路径台风似乎更容易出现异常。造成冷却中心异常的原因有许多, 但一般来说, 造成冷却中心位置异常的主要原因就是台风路径附近的中尺度涡, 这是因为相较于风场突变或近岸上升流等原因, 中尺度涡在大洋中出现频率较高, 因此更容易对台风造成影响。中尺度涡旋通常被分为气旋式与反气旋式, 气旋式涡旋即逆时针旋转的涡旋, 这样的逆时针的结构会导致上层高温低盐海洋海水辐散, 致使底层的低温高盐水上升至表层, 从而使气旋式涡旋在海表面表现为低温区域, 同理, 反气旋式涡旋通常在海表面会表现为高温区域。通过上述分析可以发现, 台风对海表面温度的影响方式与气旋式涡旋有着很大的相似之处, 即二者都是通过气旋的风场/流场来调整表层海表的辐散, 从而达到对海表面温度的冷却, 那么当气旋式涡旋出现在台风路径附近时, 必然会受到台风的影响, 这种影响则会通过海表面温度异常表达出来。当冷涡出现在台风路径左侧或附近时, 其作用就会影响右侧风应力主导的作用, 从而影响冷却中心位置, 当左侧的冷涡强度足够强, 其作用可以超过右侧风应力的强迫作用, 此时, 降温中心就可能位于路径左侧(杨晓霞 等, 2010)。本文使用AVISO+的中尺度涡路径数据对主要研究区域内2002—2021年所有发生在7—9月的中尺度冷涡进行数量统计, 所统计的中尺度冷涡半径大于100km小于300km, 生命周期大于28d。统计结果如图8所示, 南海与东海的中尺度冷涡数量较多, 尤其是南海的中尺冷度涡, 这些中尺度冷涡会与路过的台风产生明显的相互作用, 这就导致了西行路径台风与转向路径台风的海表面冷却中心更容易出现异常。
图8 2002—2021年主要影响区域内7—9月的中尺度冷涡数量

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改。数据来自 https://data.aviso.altimetry.fr/aviso-gateway/data/META3.1exp_DT/META3.1exp_DT_twosat/。图中红色、蓝色、黑色方框内分别为西行路径台风、西北路径台风和转向路径台风的主要影响区域

Fig. 8 The number of mesoscale cold vortices from July to September in the mean affect area from 2002 to 2021, using AVISO altimetry data (https://data.aviso.altimetry.fr/aviso-gateway/data/META3.1exp_DT/META3.1exp_DT_twosat/), the red, blue and black boxes in the figure show the main affect area of the westward typhoon, the northwestward typhoon and the turning typhoon respectively

从统计结果可看出, 随着主要研究区域纬度的升高, SST的恢复速度整体上变慢。处在低纬度的南海拥有较高的背景水温以及来自太阳辐射的热量, 且其海表面冷却幅度较小, 因此SST受这些因素共同作用而快速恢复, 而其他两类台风的主要研究区域纬度较高, 尤其在黄东海海域, 台风造成的海表面冷却幅度大, 且背景水温较低, 接收到的太阳辐射的热量远远不及南海, 所以SST的恢复速度缓慢。

4.2 混合层厚度与温跃层厚度变化特征的对比

在4.1节中提到, 转向台风的平均强度最高, 其次是西北行台风, 西行台风的平均强度最小, 而高强度台风引起的风致混合与气旋式应力都更为强大, 这就导致了更强的“热泵”和“冷抽吸”现象。更强的“热泵”意味着表层温度更大幅度的降低, 次表层额外增暖, 同时由于强大的风致混合作用, 上层海洋被混合得相当均匀, 混合层的深度也得到了更大的加深, 同时更强的“冷抽吸”意味着更强的上升流, 导致了温跃层更大幅度的整体抬升(周磊 等, 2019)。“热泵”与“冷抽吸”是台风影响上层海洋的两大现象, 上层海洋的温度取决于二者的相对重要性: 在“热泵”占主导时, 表层降温次表层增暖, 混合层厚度增大, 而在“冷抽吸”逐渐增强时, 温跃层强烈抬升, 混合层下界加深受到抑制, 次表层增暖逐渐减少。理论上来讲, 较大的台风强度往往代表着更强的风致混合与气旋应力, 也就表示更强的“热泵”和“冷抽吸”, 也正是由于二者在不同时期具有相对的重要性, 导致了台风造成的混合层加深幅度与温跃层变薄幅度都会随着台风强度增大而增大。
综上述分析, 当台风强度较大时, MLT和TT的响应更为强烈, 在4.1节中提到, MLT的响应幅度对上层海洋热含量也较为敏感(Lin et al, 2008; Mei et al, 2015), 而TT又与MLT的变化同步, 即主要影响区域的上层海洋热含量对MLT和TT的变化幅度有较明显影响。观察表4~表6的统计结果中可以发现, 转向路径台风造成的, 无论是MLT的增大幅度还是TT的减小幅度, 在平均值上都是最大的, 而西北路径台风与西行路径台风造成的MLT、TT的变化幅度差异较小, 这一特征与SST的平均冷却幅度的特征相同, 即整个上层海洋温度变化幅度的特征较为一致。
观察图9可知, 3类台风对其各自主要影响区域内SST、MLT、TT的影响幅度基本都随着台风强度的增大而单调增加, 这说明台风强度是影响着上层海洋温度变化幅度的主要因素之一。同时观察到, 各类台风之间强度等级相同的台风造成的SST、MLT、TT的变化幅度明显不同, 且基本都按照西行、西北、转向路径台风的顺序递增, 这就印证了上层海洋环境也是影响上层海洋温度变化幅度的主要因素之一。结合表7所示的台风强度信息以及图6和图7呈现的混合层厚度背景场特征, 可以说不同种类台风之间台风强度和主要影响区域内上层海洋热含量的差异共同推动了统计结果整体呈现出“转向台风造成的上层海洋温度变化幅度最大、西北路径台风次之、西行路径台风造成的变化幅度最小”这样的特征。
图9 3类台风中不同强度等级台风在其主要影响区域内对海表面温度(a)、混合层厚度(b)和温跃层厚度(c)的平均影响幅度

Fig. 9 The average variation amplitude of SST (a), MLT (b) and TT (c) induced by typhoons of different intensity classes in their respective main affected areas

图9所示的统计信息并不只是台风自身强度和上层海洋热含量的影响结果, 例如, 图9西行路径台风中“台风”等级的台风对MLT的影响幅度反而比“强台风”等级的台风对MLT的影响幅度要大一些, 虽然两者差异并不明显, 但可以说明MLT的变化幅度受到其他因素的影响。除了台风强度和上层海洋热含量之外, 水深与台风的移动速度等也是影响台风与上层海洋相互作用的重要因素。当水深增加时, 台风造成的次表层的夹卷效率较低, 海表面降温减小, 次表层的响应也会因夹卷效率的减低而随之减弱; 台风移动速度越慢, 对上层海洋作用时间越长, 上层海洋响应就越明显。然而徐文玲等(2007)的统计研究发现以上结论并不准确, 水深与SST的平均冷却幅度虽然成反比, 但水深的变化对SST冷却幅度造成的影响远不及台风自身强度以及MLT的影响, 而台风的移动速度与海表面降温的相关性不仅在各降温因子之间最低, 且置信度水平也较低。根据表9所展示的信息, 西北路径台风主要影响区域的平均水深几乎是转向路径台风主要影响区域平均水深的10倍, 且明显地大于西行路径台风主要影响区域平均水深, 但这种差异十分明显的特征在本文统计的上层海洋温度变化幅度特征上几乎没有被体现出来, 同样, 台风在主要影响区域内的平均移动速度的特征也没有明显地影响到统计结果, 这也从侧面印证了前人提出的水深、台风移动速度与海表面降温之间低相关性的结论。SST的变化与上层海洋温度紧密相关, 水深和台风移动速度与SST冷却幅度较弱的相关性也意味着上层海洋温度的变化对水深和台风移动速度的敏感性较低。总的来说, 主要是台风的自身强度和上层海洋的热含量的差异造成了3类不同路径台风对上层海洋温度作用幅度的不同, 而台风移动速度和水深的影响并不明显。
表9 各类台风在主要影响区域内的平均移动速度和区域的平均水深

Tab. 9 The average moving speed of each type typhoon and the average water depth in the main affected area

台风数量/个 台风主要影响区域内平均水深/m 台风在主要影响区域内平均移动速度/(km·h-1)
西行台风 31 2695.0 25.05
西北行台风 25 4350.3 28.27
转向台风 27 496.2 37.22

注: 水深数据来自 https://download.gebco.net

台风造成的次表层温度变化的恢复时间与SST的恢复时间不同, SST恢复不仅受到降温幅度, 背景水温等因素影响, 来自太阳辐射的热量与大气的热交换也都对SST的恢复有着重要影响。次表层温度的恢复速度不仅仅取决于台风造成的“热泵”与“冷抽吸”的强度, 也与台风主要影响区域的大洋环流活跃程度有关。观察统计结果, 西北台风的上层海洋温度恢复速度整体上来说最快, 而西行台风和转向台风的恢复速度整体上明显慢于西北台风。Uhlhorn等(2013)研究表明, 在环流活跃的区域, 大部分转移到上层海洋的风应力能量会被平流和惯性波通量迅速地消除。由图10可知, 西北台风的主要研究区域大部分处于黑潮流域, 黑潮极快的流速使次表层水整体的水平输运速率加快, 而西行台风和转向台风主要影响区域的上层海洋整体来说较为稳定, 所以当台风过境, 西北路径台风主要影响区域内台风对次表层温度的作用会受黑潮影响而快速消散, 从而使西北台风主要影响区域内MLT与TT的恢复时间要明显短于其他两类台风。
图10 中国近海与西太平洋的主要洋流示意图

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1611号标准地图制作, 底图无修改。图中蓝色箭头为寒流, 红色箭头为暖流, 红色实线为风海流, 红色虚线为补偿流

Fig. 10 The major ocean currents in the coastal waters of China and the Western Pacific Ocean.

The blue arrow is the cold current, the red arrow is the warm current, the solid line is the wind current, and the dashed line is the compensation current

次表层温度变化的位置与SST类似, 由于科氏力对台风结构的影响, 一般会出现在台风路径的右侧, 但影响次表层温度的因素众多, 且次表层所处环境比海表面复杂得多, 这就导致了次表层温度变化中心的位置与表层温度变化中心位置相比更容易发生异常, 在表4~表6中, 变化中心偏右性发生异常的台风在各类台风中的占比也佐证了这一观点, 但在次表层, 3类不同路径台风中温度变化中心位置异常的台风占比相似, 无明显差异。

5 结论

本文依据中国气象台发布的台风最佳路径数据集, 利用K均值聚类分析法将 2002—2021年期间诞生于西太暖池并进入中国近海的83个台风分为西行路径台风、西北路径台风和转向路径台风, 并结合REMSS提供的海表面温度卫星数据与COAWST海气耦合模型的模拟结果, 对3类台风造成的上层海洋温度变化的特征进行统计研究与对比分析, 统计结果可为具有类似路径的台风与上层海洋相互作用研究提供参考, 同时可协助对台风造成的上层海洋温度变化幅度进行评估和相关预报工作。本文的主要结论如下:
1) 转向路径台风对SST的冷却幅度最高, 平均可达到4.9℃, 西北台风次之, 平均为3.5℃, 西行台风最小, 平均为3.2℃; 所有台风样本对主要影响区域内每个点的平均SST冷却幅度的最大值出现在转向台风的主要影响区域, 最大值为4.45℃。
2) 从影响时间上看, 约83%的西行路径台风对SST的影响时间在一周之内, 56%的西北路径台风对SST的影响时间在一周之内, 而超过70%转向路径台风对SST的影响超过了一周。
3) 西行台风由于主要影响区域内中尺度涡分布较多, 冷却中心偏右性出现异常的台风个例较多, 但3类路径台风对海表面的冷却中心位置总体上都呈现明显的偏右性。
4) 转向路径台风对MLT与TT的厚度影响幅度最大, MLT平均变化幅度为84.74m, TT平均变化幅度125.02m; 西北路径台风次之, 分别平均为65.04m与90.36m, 而西行路径台风最小, 分别平均为53.78m与74.63m; 所有台风样本对主要影响区域内每个点的MLT和TT平均影响幅度的最大值同样也出现在转向台风的主要影响区域内, 分别为55.74m和84.31m。
5) MLT与TT的恢复时间则与SST截然不同, 西北路径台风影响下的MLT与TT整体恢复速度明显快于西行路径台风和转向路径台风。
6) MLT与TT变化中心位置的特征也不同于SST, 各类台风中, MLT和TT变化中心右偏性出现异常的台风所占的比例整体上较为接近。
台风与上层海洋的相互作用是一个非常复杂的物理过程的总汇, 因此本文所研究的3类不同路径台风对上层海洋温度影响特征的不同是由众多因素共同造成的, 文中所表述的只是较为突出或可能的原因, 还有更多更为复杂的过程将在今后的工作中进一步探索和确认。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
顾润源, 朱官忠, 李振海, 等, 1993. 影响我国的不同路径台风的对比分析[J]. 山东气象, 13(2): 1-5, 15 (in Chinese).

[2]
韩玉康, 龚立新, 2017. 南海温跃层对台风过程响应的数值模拟研究[J]. 海洋信息, (4): 12-21 (in Chinese).

[3]
刘增宏, 许建平, 朱伯康, 等, 2006. 利用Argo资料研究2001—2004年期间西北太平洋海洋上层对热带气旋的响应[J]. 热带海洋学报, 25(1): 1-8.

LIU ZENGHONG, XU JIANPING, ZHU BOKANG, et al, 2006. Upper ocean response to tropical cyclones in northwestern Pacific during 2001-2004 by Argo data[J]. Journal of Tropical Oceanography, 25(1): 1-8 (in Chinese with English abstract).

[4]
孙凡, 于非, 司广成, 等, 2021. 台风过境对黄海冷水团及其环流结构的影响[J]. 海洋与湖沼, 52(5): 1125-1136.

SUN FAN, YU FEI, SI GUANGCHENG, et al, 2021. Influence of typhoon on temperature and current structure of the Yellow Sea[J]. Oceanologia et Limnologia Sinica, 52(5): 1125-1136 (in Chinese with English abstract).

[5]
徐文玲, 苏洁, 2007. 台风对西北太平洋海表温度的影响[J]. 中国海洋大学学报, 37(S2): 17-22.

XU WENLING, SU JIE, 2007. The impact of typhoons on sea surface temperature in the western North Pacific Ocean[J]. Periodical of Ocean University of China, 37(S2): 17-22 (in Chinese with English abstract).

[6]
杨晓霞, 唐丹玲, 2010. 台风引起南海海表面降温的位置变化特征[J]. 热带海洋学报, 29(4): 26-31.

YANG XIAOXIA, TANG DANLING, 2010. Location of sea surface temperature cooling induced by typhoon in the South China Sea[J]. Journal of Tropical Oceanography, 29(4): 26-31 (in Chinese with English abstract).

DOI

[7]
叶家成, 杜新观, 余锦华, 2019. 影响中国大陆热带气旋路径分类及其特征研究[J]. 气象科学, 39(3): 304-311.

YE JIACHENG, DU XINGUAN, YU JINHUA, 2019. Study on the classification and characteristics of tropical cyclone tracks in mainland China[J]. Journal of the Meteorological Sciences, 39(3): 304-311 (in Chinese with English abstract).

[8]
郑颖青, 余锦华, 吴启树, 等, 2013. K-均值聚类法用于西北太平洋热带气旋路径分类[J]. 热带气象学报, 29(4): 607-615.

ZHENG YINGQING, YU JINHUA, WU QISHU, et al, 2013. K-means clustering method for classification of the northwestern pacific tropical cyclone tracks[J]. Journal of Tropical Meteorology, 29(4): 607-615 (in Chinese with English abstract).

[9]
中华人民共和国国家质量监督检验检疫总局, 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.

GENERAL ADMINISTRATION OF QUALITY SUPERVISION, INSPECTION AND QUARANTINE OF THE PEOPLE’S REPUBLIC OF CHINA, NATIONAL STANDARDIZATION ADMINISTRATION, 2006. GB/T 19201-2006 Grade of tropical cyclones[S]. Beijing: Standards Press of China (in Chinese with English abstract).

[10]
周磊, 陈大可, 雷小途, 等, 2019. 海洋与台风相互作用研究进展[J]. 科学通报, 64(1): 60-72.

ZHOU LEI, CHEN DAKE, LEI XIAOTU, et al, 2019. Progress and perspective on interactions between ocean and typhoon[J]. Chinese Science Bulletin, 64(1): 60-72 (in Chinese with English abstract).

[11]
BENDER M A, GINIS I, KURIHARA Y, 1993. Numerical simulations of tropical cyclone‐ocean interaction with a high‐resolution coupled model[J]. Journal of Geophysical Research: Atmospheres, 98(D12): 23245-23263.

[12]
BLACK W J, DICKEY T D, 2008. Observations and analyses of upper ocean responses to tropical storms and hurricanes in the vicinity of Bermuda[J]. Journal of Geophysical Research: Oceans, 113(C8): C08009.

[13]
BRAND S, 1971. The effects on a tropical cyclone of cooler surface waters due to upwelling and mixing produced by a prior tropical cyclone[J]. Journal of Applied Meteorology and Climatology, 10(5): 865-874.

[14]
CHEN S S, PRICE J F, ZHAO WEI, et al, 2007. The CBLAST-Hurricane program and the next-generation fully coupled atmosphere-wave-ocean models for hurricane research and prediction[J]. Bulletin of the American Meteorological Society, 88(3): 311-318.

[15]
DAVIS C, WANG WEI, CHEN S S, et al, 2008. Prediction of landfalling hurricanes with the advanced hurricane WRF model[J]. Monthly Weather Review, 136(6): 1990-2005.

[16]
FISHER E L, 1958. Hurricanes and the sea-surface temperature field[J]. Journal of the Atmospheric Sciences, 15(3): 328-333.

[17]
HALPERN D, 1974. Observations of the deepening of the wind-mixed layer in the northeast Pacific Ocean[J]. Journal of Physical Oceanography, 4(3): 454-466.

[18]
HART R E, 2011. An inverse relationship between aggregate northern hemisphere tropical cyclone activity and subsequent winter climate[J]. Geophysical Research Letters, 38(1): L01705.

[19]
HART R E, MAUE R N, WATSON M C, 2007. Estimating local memory of tropical cyclones through MPI anomaly evolution[J]. Monthly Weather Review, 135(12): 3990-4005.

[20]
HAZELWORTH J B, 1968. Water temperature variations resulting from hurricanes[J]. Journal of Geophysical Research, 73(16): 5105-5123.

[21]
JANSEN M F, FERRARI R, MOORING T A, 2010. Seasonal versus permanent thermocline warming by tropical cyclones[J]. Geophysical Research Letters, 37(3): L03602.

[22]
LEIPPER D F, 1967. Observed ocean conditions and Hurricane Hilda, 1964[J]. Journal of the Atmospheric Sciences, 24(2): 182-186.

[23]
LI JIAGEN, SUN LIANG, YANG YUANJIAN, et al, 2020. Accurate evaluation of sea surface temperature cooling induced by typhoons based on satellite remote sensing observations[J]. Water, 12(5): 1413.

[24]
LIN I I, LIU W T, WU C C, et al, 2003a. Satellite observations of modulation of surface winds by typhoon-induced upper ocean cooling[J]. Geophysical Research Letters, 30(3): 1131.

[25]
LIN I I, LIU W T, WU C C, et al, 2003b. New evidence for enhanced ocean primary production triggered by tropical cyclone[J]. Geophysical Research Letters, 30(13): 1718.

[26]
LIN I I, WU C C, PUN I F, et al, 2008. Upper-ocean thermal structure and the Western North Pacific Category 5 Typhoons. Part Ⅰ: Ocean features and the category 5 Typhoons’ intensification[J]. Monthly Weather Review, 136(9): 3288-3306.

[27]
LIU NA, LING TIEJUN, WANG HUI, et al, 2015. Numerical simulation of Typhoon Muifa (2011) using a coupled ocean-atmosphere-wave-sediment transport (COAWST) modeling system[J]. Journal of Ocean University of China, 14(2): 199-209.

[28]
LIU ZENGHONG, XU JIANPING, ZHU BOKANG, et al, 2007. The upper ocean response to tropical cyclones in the northwestern Pacific analyzed with Argo data[J]. Chinese Journal of Oceanology and Limnology, 25(2): 123-131.

[29]
MA ZHAOYUE, ZHANG YUANZHI, WU RENHAO, et al, 2021. Statistical characteristics of the response of sea surface temperatures to westward typhoons in the South China Sea[J]. Remote Sensing, 13(5): 916.

[30]
MAHAPATRA D K, RAO A D, BABU S V, et al, 2007. Influence of coast line on upper ocean’s response to the tropical cyclone[J]. Geophysical Research Letters, 34(17): L17603.

[31]
MEI WEI, XIE SHANGPING, PRIMEAU F, et al, 2015. Northwestern Pacific typhoon intensity controlled by changes in ocean temperatures[J]. Science Advances, 1(4): e1500014.

[32]
NAKAMURA J, LALL U, KUSHNIR Y, et al, 2009. Classifying North Atlantic tropical cyclone tracks by mass moments[J]. Journal of Climate, 22(20): 5481-5494.

[33]
NELSON N B, 1996. Cover the wake of hurricane Felix[J]. International Journal of Remote Sensing, 17(15): 2893-2895.

[34]
PAN JIAYI, SUN YUJUAN, 2013. Estimate of ocean mixed layer deepening after a typhoon passage over the South China sea by using satellite data[J]. Journal of Physical Oceanography, 43(3): 498-506.

[35]
PRICE J F, 1981. Upper ocean response to a hurricane[J]. Journal of Physical Oceanography, 11(2): 153-175.

[36]
PRICE J F, MORZEL J, NIILER P P, 2008. Warming of SST in the cool wake of a moving hurricane[J]. Journal of Geophysical Research: Oceans, 113(C7): C07010.

[37]
SANFORD T B, BLACK P G, HAUSTEIN J R, et al, 1987. Ocean response to a hurricane. Part Ⅰ: Observations[J]. Journal of Physical Oceanography, 17(11): 2065-2083.

[38]
SHAY L K, BLACK P G, MARIANO A J, et al, 1992. Upper ocean response to Hurricane Gilbert[J]. Journal of Geophysical Research: Oceans, 97(C12): 20227-20248.

[39]
UHLHORN E W, SHAY L K, 2013. Loop current mixed layer energy response to Hurricane Lili (2002). Part Ⅱ: Idealized numerical simulations[J]. Journal of Physical Oceanography, 43(6): 1173-1192.

[40]
WALKER N D, LEBEN R R, BALASUBRAMANIAN S, 2005. Hurricane - forced upwelling and chlorophyll a enhancement within cold‐core cyclones in the Gulf of Mexico[J]. Geophysical Research Letters, 32(18): L18610.

[41]
WENTZ F J, GENTEMANN C, SMITH D, et al, 2000. Satellite measurements of sea surface temperature through clouds[J]. Science, 288(5467): 847-850.

PMID

[42]
YU CHENGCHENG, YANG YONGZENG, YIN XUNQIANG, et al, 2020. Impact of enhanced wave-induced mixing on the ocean upper mixed layer during typhoon Nepartak in a regional model of the northwest Pacific Ocean[J]. Remote Sensing, 12(7): 2808.

[43]
YU JINHUA, ZHENG YINGQING, WU QISHU, et al, 2016. K-means clustering for classification of the northwestern Pacific tropical cyclone tracks[J]. Journal of Tropical Meteorology, 22(2): 127-135.

[44]
ZEDLER S E, DICKEY T D, DONEY S C, et al, 2002. Analyses and simulations of the upper ocean’s response to Hurricane Felix at the Bermuda Testbed Mooring site: 13-23 August 1995[J]. Journal of Geophysical Research: Oceans, 107(C12): 25-1-25-29.

[45]
ZHANG WEI, LEUNG Y, FRAEDRICH K, 2015. Different El Niño types and intense typhoons in the Western North Pacific[J]. Climate Dynamics, 44(11-12): 2965-2977.

Options
Outlines

/

〈 〉