Marine Hydrography

Analysis of characteristics of brightness temperature relative power spectrum before and after typhoon landfall in Guangdong coastal area

  • ZHANG Xin 1 ,
  • CHEN Mingyu , 2
Expand
  • 1. Key Laboratory of Earthquake Monitoring and Disaster Reduction Technology, China Earthquake Administration, Guangdong Earthquake Agency, Guangzhou 510070, China
  • 2. Ocean College, Zhejiang University, Zhoushan 316021, China.
Chen Mingyu. E-mail:

Copy editor: LIN Qiang

Received date: 2019-01-03

  Request revised date: 2019-04-18

  Online published: 2019-11-26

Supported by

Combination Project with Monitoring, Prediction and Scientific Research of Earthquake Technology, CEA(CEA3JH2017-0124)

Earthquake Science and Technology Star Fire Plan(XH2018034Y)

Copyright

Copyright reserved © 2019. Office of Acta Agronomica Sinica All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Abstract

In the period of 2008-2017, there were 25 typhoons that made landfall in the coastal areas of Guangdong, China. However, abnormal thermal radiation around the typhoon landing area has not attracted much attention so far. In this paper, the infrared remote sensing temperature data of Chinese geostationary meteorological satellite FY-2C/2E are used to analyze the thermal radiation anomalies associated with typhoon landfall. The temporal and spatial distributions of thermal radiation before and after typhoon landfall are quantified using bright temperature relative power spectrum (RPS). It is found that with the typhoon landfall, RPS was five times greater than the background value, experiencing a process of generating— increasing—reaching maximum—attenuating—extinction, which lasted longer than the typhoon process itself. There was a correlation between the area with enhanced RPS and typhoon landfall path, limited by terrestrial conditions and ocean heat supply. By analyzing the landfall path and RPS change trend during the typhoon landfall process, we show that the thermal radiation lasted for 10-20 days before and after typhoon landfall, and the thermal anomalies during this period were all related to the typhoon process. The mechanism of thermal radiation anomalies caused by typhoon landfall may be related to the heating leakage and water-vapor accumulation, that is, the ocean heat absorbed by typhoon is modulated by the air-sea interaction as the air rises, resulting in thermal radiation variation in different frequency bands and regions.

Cite this article

ZHANG Xin , CHEN Mingyu . Analysis of characteristics of brightness temperature relative power spectrum before and after typhoon landfall in Guangdong coastal area[J]. Journal of Tropical Oceanography, 2019 , 38(6) : 29 -40 . DOI: 10.11978/2019003

台风的生成、移动、增强和消亡过程都伴随着热能量的供给和耗散, 研究台风过程的热散失可加深认识台风整体过程。海面温度(sea surface temperature, SST)的差异可导致气旋的生成, 根据对影响台风变化的多种变量分析(Emanuel, 2005; Hoyos et al, 2006), 表明近几十年来全球范围内超强台风的增多趋势主要与SST相关联。在登陆我国的台风中, 杨龙奇(2015)分析了1215号台风“天秤”的登陆过程, 认为SST降低的原因是不同海水层混合过程的冷抽吸; 李薛 等(2016)通过研究台风“威马逊”后认为, SST降低具有非对称性。此外, 吴迪生 等(2001, 2006)研究认为在热带辐合带和热带气旋系统内, 南海海气界面热量交换的变化与海面温度变化趋势不一致, 季风控制南海时, 南海以夏季风响应为主。赖志娟 等(2011)研究表明, 南海冬季的上层海洋热含量偏高或偏低时, 次年南海夏季风对应地爆发偏早或偏晚。这都反映了台风过程伴随着热散失过程。除了监测SST外, 我们还可以考虑监测台风过程的热红外亮温。
台风研究中注重利用多种监测手段获取台风本身的尺度、移动方位等参数, 但传统监测方法中的浮标、海洋站和钻井平台等难以实现大范围的同步观测。卫星的散射计、辐射计、高度计和合成孔径雷达等设备具有全天候和宽覆盖等优势, 已成为台风监测的重要手段(Katsaros et al, 2002; 戚佩霓 等, 2019)。刘贝 等(2014)将ATOVS 亮温资料同化应用在台风数值模拟中, 改进了台风路径的模拟预报效果。利用卫星对台风结构进行监测一直是台风分析和预报的重要方法, 基于中国风云静止卫星多光谱图像云分类反演技术, 已实现了除陆地和水面外的积雨云、多层云系等云的分类, 建立在云分类基础上的台风预报准确率达到约85%(Yu et al, 2011, 2012)。但前述的研究重点在于遥感应用于台风路径预报和降雨估计, 对于台风登陆前后热辐射的关注还不多见。
热红外遥感是气象卫星的常设通道之一(张勇 等, 2016)。由于红外频段电磁波具有穿透某些障碍物的优势, 因此热辐射能量的强度和波谱分布位置依赖于物体表面状态(张元生 等, 2010)。如果能够实时捕捉到辐射行为的变化, 就可以实时反映台风登陆前后的热辐射变化和空间分布。利用亮温相对功率谱(relative power spectrum, RPS)可以实现此目的, 因此本文利用气象卫星FY—2C/E亮温小时数据产品计算RPS, 以反映2008—2017年这10年间25个台风登陆广东沿海前后的热辐射过程。

2 数据和方法

2.1 数据和研究范围

本文研究区域为广东省大部分地区和南海中北部(18°—26°N, 110°—120°E)。为了获取热红外RPS的时序曲线, 选取了6个台风登陆点比较集中的0.5°×0.5°小区域范围作为邻近区域RPS均值的计算点, 从东到西分别是: 汕头(23°—23°30′N, 117°— 117°30′E); 汕尾(23°—23°30′N, 115°—115°30′E); 深圳(22°30′—23°N, 113°—113°30′E); 珠海—台山(22°— 22°30′N, 112°—112°30′E); 阳江(21°—21°30′N, 111°30′—112°E); 湛江(20°—20°30′N, 110°— 110°30′E)。本文关注2008—2017年这十年间研究区域台风热辐射过程, 在此期间共有25个台风登陆广东沿海, 如表1所示。其中, 粤西区域登陆台风较多, 粤东区域较少, 珠海—台山地区登陆台风达到5个, 是登陆次数最多的地点之一。
台风数据、路径信息和登陆信息来自于中国气象热带气旋资料中心(http://tcdata.typhoon.org.cn/ zjljsjj_zlhq.html; Ying et al, 2014)。依据定义, 台风级别分为6级, 本文中只使用了3级以上,如表1所示。超强台风有5个, 级别为6; 强台风有5个, 级别为5; 其余7个为一般台风, 级别为4; 8个在登陆时已经减弱为强热带气旋, 级别为3。
表1 2008—2017年登陆广东沿海的台风基本信息

Tab. 1 Basic information of landfall typhoons in the coastal area of Guangdong during 2008-2017

时间 登陆地 名称 级别 编号
2008-06-25 深圳 风神 4 0806
2008-08-06 阳西 北冕 3 0809
2008-08-22 中山 鹦鹉 5 0812
2008-09-24 电白 黑格比 5 0814
2008-10-04 吴川 海高斯 3 0817
2009-06-26 惠东 浪卡 3 0904
2009-08-05 台山 天鹅 3 0907
2009-09-15 台山 巨爵 4 0915
2010-07-22 吴川 灿都 4 1003
2011-06-23 阳西 海马 3 1104
2012-06-30 珠海 杜苏芮 3 1206
2012-07-24 台山 韦森特 4 1208
2012-08-17 湛江 启德 4 1213
2013-07-02 湛江 温比亚 3 1306
2013-08-14 阳西 尤特 6 1311
2013-09-22 汕尾 天兔 6 1319
2014-06-15 汕头 海贝斯 3 1407
2014-07-18 徐闻 威马逊 6 1409
2015-07-09 陆丰 莲花 4 1510
2015-10-04 湛江 彩虹 5 1522
2016-08-02 深圳 妮妲 5 1604
2016-10-21 汕尾 海马 6 1622
2017-06-12 深圳 苗柏 4 1702
2017-08-23 台山 天鸽 6 1713
2017-10-16 徐闻 卡努 5 1720

2.2 亮温相对功率谱的获取

本文使用2008—2017年中国静止气象卫星FY—2C/E亮温小时数据产品, 该地球同步静止卫星定点于104°30′E的赤道上空, 观测范围为中国大陆及邻区。本文采用的是热红外中波, 即11.32~ 12.68μm波长段的数据, 选取当地午夜以后5个时次(北京时间1:00—5:00)的数据。为避免太阳直接辐射造成的影响, 对5个时次数据求均值, 并用补窗法进行去背景趋势处理, 形成日值亮温数据。数据处理使用了小波变换和功率谱估计法, 有限时间序列的小波变换公式如下:
${{W}_{\psi }}f(a,b)=\frac{1}{\sqrt{a}}\int_{-\infty }^{\infty }{f(t)}\ \psi (\frac{t-b}{a})dt$,
式中: $f(t)$为原始时间序列信号; ${{W}_{\psi }}f(a,b)$为小波变换后的各频段分量, W为小波变换符号; t为时间, a为尺度因子, 控制小波函数的伸缩, 对应于变量的频率; b为时间平移因子, 控制小波函数的平移; $\frac{1}{\sqrt{a}}\psi (\frac{t-b}{a})$为小波母函数。经过反复比对, 文中选取了合适的db8小波基函数, 对原始亮温数据进行了小波变换处理。
对热红外亮温数据的小波变换, 高阶小波尺度部分年际特征明显(图1d), 因此可将长周期成分通过去除7阶小波尺度部分来消除其影响。处理后的数据为亮温波形数据, 单位为℃(图1e—f)。最终用小波2阶的低通部分减去小波7阶的低通部分, 即保留了中间频带部分信息, 舍去了高频和低频信息, 得到2减7阶(图1e)、3减7阶、4减7阶(图1f)等数据, 此步骤相当于一个带通滤波。
图1 热红外亮温数据经小波变换后信息分离

a为原始亮温数据序列; b—d为小波分离后的2、4、6阶结果, 黑色线表示对原始数据进行分离的结果; e—g分别为2、4、6阶细节与7阶尺度的差, 红色线表示对分离结果取相对差值

Fig. 1 Wavelet transformation results of RPS. Panel a shows the original brightness temperature data sequence. Panels b-d show the results of the 2/4/6 order after wavelet separation, with black curve representing the results of wavelet separation of the original data. Panels e—g show the results of subtraction of 2/4/6 order detail and 7th order scale, with red curve representing the relative difference between the results of wavelet decomposition

功率谱估计参考了Welch算法(伊鑫 等, 2010), 先将N长度的数据分为L段, 每段M点, 再对每一段的数据加窗求傅里叶变换, 最后计算各段功率谱的平均值。计算式如下:
$\overline{{{P}_{x}}(w)}=\frac{1}{L}\sum\limits_{i=1}^{L}{\frac{1}{MU}}{{\left| \sum\limits_{n=0}^{M-1}{{{x}_{i}}(n)w(n)}{{\text{e}}^{-jwn}} \right|}^{2}},i=1,\cdot \cdot \cdot ,L$,
式中,$U=\frac{1}{M}\sum\limits_{n=0}^{M-1}{{{w}^{2}}}(n)$, 为归一化因子, i为数据的段数, x(n)为原始数据序列, $w(n)$为窗函数, $\overline{{{P}_{x}}(w)}$为最后计算结果。M取不同的值代表不同的周期, 取1表示特征周期为64d, 取2表示特征周期32d。
对上述小波变换及去除影响因素之后的数据计算功率谱, 考虑到台风的影响通常在20d至一个月左右, 本文以n=64d为窗长, m=1d为滑动窗长作傅里叶变换, 获得结果的理论特征频率分别为64、32、21、16、13和11d。时间约定为窗内数据的最新时间, 对每个像元的时程数据滑动一次可得一组功率
谱, 得到本文中1—6频段的亮温相对功率谱曲线。利用(2)式计算得到第i像元点第j天第k频率的RPS变化幅值。并对其进行幅值相对处理, 最后得到的结果为各像元(0.05°×0.05°范围)的RPS值。功率谱计算及相对处理过程见郭晓 等(2010), 在此研究基础上对RPS又进行了去背景值处理, 详细计算过程见张丽峰 等(2016)。这种处理方式计算过程简单, 利用通过计算获得的时—频空间数据进行全时空和全频段扫描, 寻找幅值变化较大的对应频率(即特征周期)、时间和区域位置参数, 再根据特征周期和时间参数作平面图和时序曲线图。

3 结果及分析

3.1 亮温相对功率谱时序曲线

亮温相对功率谱(或简称“亮温”)时序曲线考虑了广东沿海台风登陆点比较集中的6个区域的均值, 图2显示了这6个区域的亮温相对功率谱时序曲线与台风登陆时间对应关系。
图2 亮温相对功率谱时序曲线与台风登陆时间对应关系

a. 登陆广东沿海的25个台风强度和6个区域的RPS时序曲线; b. 汕尾区域1—3频的时序曲线小波能谱; c. 汕尾区域4—6频的时序曲线小波能谱

Fig. 2 Correspondence between RPS time series curves and typhoon landfall times. Panel a shows the 25 landfall typhoon strengths in the coast of Guangdong and the RPS time series curves for six regions. Panel b shows wavelet spectra of bands 1-3 in Shanwei. Panel c shows wavelet spectra of bands 4-6 in Shanwei

10年来在广东沿海地区登陆的台风集中在6—10月出现, 每年登陆台风个数差别较大, 最多为2008年的5个, 最少为2010和2011年各1个台风登陆 (表1)。与之对应, 图2中显示的时序曲线峰值都出现在6—10月, 显示出明显的季节规律(图2a)。把台风登陆时间叠加到时序曲线中, 两者具有高度一致性, 在台风登陆前后都出现了RPS峰值, 其中2013年的峰值明显地出现在台风登陆之后。值得注意的是, 台风登陆时的级别和峰值高低无明显对应关系。
把汕尾区域的综合时序曲线进行小波能谱分析, 图2b中短周期(<32d)的高能仍集中出现在台风登陆前后, 这与时序曲线的特点吻合; 而在32~64d的周期范围内, 高能量只集中出现在2009、2013和2016年, 而根据表1的统计, 2009年在惠东县有台风“浪卡”(Nangka)登陆, 离汕尾约50km; 2013年在汕尾有超强台风“天兔”登陆; 2016年在汕尾台风“海马”登陆, 在时间上有比较好的对应。2015年7月9日在陆丰登陆的1510号台风“海马”在32~64d的周期范围无明显增强, 该台风的能谱峰值异常出现在16~ 32d的周期范围。

3.2 典型台风的RPS演变

台风路径两侧会出现热红外RPS增强, 持续时间长于台风周期。2017年08月23日超强台风“天鸽”登陆珠海台山, 图3为台风登陆前后的RPS演变趋势。登陆前10天在南海区域已经出现小范围RPS增高现象, 此后增温异常面积逐渐扩大, RPS倍数增加, 至登陆日增强到背景值的4~9倍, 异常区域整体向NW方向移动, RPS区域前缘与海岸线大致平行; 登陆后1~3d, RPS增强的覆盖面积仍在增加, 增强倍数达到最大, 最高为背景值的9.5倍。8月26日RPS异常面积达到最大, 基本覆盖了珠江口全部, 并延伸到南海大部分区域; 强度最大部分出现在南海, 约为背景值的9.5倍。登陆3d后, 强度逐渐减弱、面积减小, 约20d后消失。
图3 广东沿海地区典型台风“天鸽”热红外RPS演变

a—h分别为台风发展过程的典型RPS分布, 图中日期为RPS获取的实际日期, 红色日期表示登陆当日, 红色线表示台风路径, RPS频段为1频。d中超强台风“天鸽”登陆时间为2017-08-23, 登陆地点为台山

Fig. 3 RPS evolution of a typical typhoon “Hato” in the coastal area of Guangdong. Panels a-h show the typical RPS distribution of typhoon development process. The date is the actual date used to obtain the RPS. The date in red indicates the date of landfall, the red line indicates the typhoon path, and the RPS is in band 1. Panel d shows the super typhoon "Hato" made landfall in Taishan on Aug 23, 2017

从整个RPS的演化进程来看, 登陆前10d开始出现异常, 而登陆后RPS异常持续的时间很长, 达到15d以上, RPS极值出现在登陆后3d。台风资料显示, 8月20日“天鸽”生成, 8月19日在南海已经形成较大范围RPS异常, 这可能说明台风生成前的大气过程促使云顶热辐射的增强。本次台风于8月25日停止编号, 此时其经过的广东沿海却处于RPS异常的峰值阶段, 并且此RPS异常过程持续到登陆15d后, 这一RPS过程的持续时间段比台风本身演化时间长。
不同的登陆地点也可能产生类似的RPS演化过程, 而且其热红外RPS持续时间可能更长, 滞后于登陆日的效应更明显。2015年7月9日超强台风“莲花”登陆陆丰, 整体移动方向为NW, 此台风于7月2日生成, 7月10日结束。图4a显示, 7月1日珠江口以东的广东陆地就开始出现RPS异常, 其范围从广州附近延伸到闽粤交界区域, 强度为4~7倍背景值。此后直到登陆前(图4b、c), RPS异常的范围略微扩大, 强度变化不大, 保持在4~7倍左右; 登陆后7d(图4e), RPS范围逐步扩大, 南海上方逐渐出现大范围RPS, 强度仍变化不大。至登陆后11~12d(图4f、g), RPS异常范围扩大到本过程的最大, 几乎占满了所有研究范围, 约达到10°×8°的面积; 其强度也达到最强, 为背景值的5~9.5倍, 极值区域出现在南海洋面上方。台风登陆后13d, RPS异常面积开始减小, 强度减弱, 覆盖的主要范围为海洋区域。另外值得注意的是, 本此RPS异常的边缘仍与海岸线近似平行, RPS极值出现在登陆后12d(图4g)。
图4 广东沿海地区典型台风“莲花”的RPS演变

a—h分别为台风发展过程的典型RPS分布, 图中日期为RPS获取的实际日期, 红色日期表示登陆当日, 红色线表示台风路径, RPS频段为1频。超强台风“莲花”登陆时间为2015-07-09, 登陆地点为陆丰

Fig. 4 RPS evolution of a typical typhoon “Linfa” in the coastal area of Guangdong. Panels a-h show the typical RPS distribution of typhoon development process. The date is the actual date used to obtain the RPS. The date in red indicates the date of landfall, the red line indicates the typhoon path, and the RPS is in band 1. Panel d shows the super typhoon “Linfa” made landfall Lufeng on Jul 09, 2015

对于未达到强台风级别的热带气旋, 也会引起登陆点附近的RPS增强, 其演化过程与前述类似: 出现—扩大(增强)—登陆—范围极大(最高倍数)—缩小(减弱)—消失。图5是2014年6月15日热带气旋“海贝斯”登陆汕头的热辐射RPS异常演化。热异常RPS的出现与该气旋活动延续的时间一致性较好, 6月10日气旋刚生成(图5a), 对粤东区域几乎无影响; 气旋登陆前1日(图5b), 热红外RPS开始出现在登陆点附近, 范围比前几日明显增大, 相对强度明显增强(4~5倍); 6月15日登陆当日RPS范围扩大到整个粤东沿海(图5c), 强度比登陆前进一步增强(4~6倍); 6月17日热带气旋过境后(图5d), 热红外RPS异常面积达到最大, 覆盖了粤东沿海大部分区域, 异常强度最高达到了本次RPS的7.5倍; 此后RPS面积逐渐减小, 强度减弱, 直至7月初完全消失。这一过程体现为, 首先此台风形成的RPS强度相对较弱, 最高只达到6倍左右; 其次, RPS面积相对较小, 影响范围仅限于粤东沿海; 最后, 持续时间不长, RPS超过5倍持续时间不足10d。与前述几个台风也有类似之处, 在于分布区域接近于登陆地点, 且分布区域的前缘与海岸线近似平行。
图5 一般强度热带气旋“海贝斯”的RPS演变

a—f分别为台风发展过程的典型RPS分布。图中日期为RPS获取的实际日期, 红色日期表示登陆当日, 红色线表示台风路径, RPS频段为5频。“海贝斯”登陆时间为2014-06-15, 登陆地点为汕头

Fig. 5 RPS evolution of a low-intensity tropical cyclone “Hagibis” in the coastal area of Guangdong. Panels a-f show the typical RPS distribution of typhoon development process. The date is the actual date used to obtain the RPS. The date in red indicates the date of landfall, the red line indicates the typhoon path, and the RPS is in band 5. "Hagibis" made landfall in Shantou on Jun 15, 2014

3.3 同一事件的不同热辐射频段

处于不同频段的热辐射RPS, 其结果在区域空间的分布有差异(图6)。以2010年7月22日登陆湛江吴川县的台风“灿都”为例, 具体如下。
图6 不同频率段出现的RPS异常

a—f分别为台风发展过程的典型RPS分布, 图中日期为RPS获取的实际日期, 红色线表示台风路径, 图中编号1B—6B表示RPS的1—6频段, 登陆日期是2010-07-22, 登陆地为吴川

Fig. 6 RPS anomalies in different frequency ranges. Panels a-f show the typical RPS distribution of typhoon development process. The date is the actual date used to obtain the RPS. The date in red indicates the date of landfall, and the red line indicates the typhoon path. The numbers 1B-6B indicate bands 1-6 of the RPS. The typhoon made landfall in Wuchuan on Jul 22, 2010

1) 1频(1B)的RPS范围最大, 主要分布区域为陆地上的粤西地区(靠近登陆点)、海上海南岛以东南和珠江口以南的大部分海面, 其RPS为背景值的4~8倍;
2) 2频(2B)RPS范围小, 集中在陆地上的粤北地区和南海, RPS异常区前缘与海岸线近似平行, RPS为背景值的4~6倍;
3) 3频(3B)范围集中为陆地, 覆盖了粤北地区大部分, RPS异常区前缘与海岸线近似平行, 其RPS为背景值的5~9倍;
4) 4(4B)和6频(6B)的RPS值几乎没有出现, 仅有零星的3~4倍于背景值的RPS出现;
5) 5频(5B)的RPS范围集中在沿海近海岸区域, 从琼州半岛东面到粤东沿海都有分布, RPS异常区前缘与海岸线近似平行, 其RPS为背景值的4~6倍;
图6选取的时间都是台风登陆当日, 图中可说明两点, 一是RPS范围的出现不仅与台风登陆路径有关, 还可能受控于台风结构和海表面的热量散失过程; 二是卫星观测数据的处理结果中, 可能包含了不同因素形成的RPS异常, 还可能受到了海—气相互作用的调制和影响, 因此在分频后能够体现出不同因素引起的热辐射及其范围。

3.4 综合分析25个台风的RPS

综合分析登陆广东地区的25个台风, 图7罗列了25个台风登陆当日引起的热红外RPS异常。图7a为登陆前后1个月内登陆点的RPS时序曲线叠加, 子图中编号1—25对应于箭头所示的25个台风。
图7 广东沿海25个台风的RPS异常综合信息

图中RPS都是登陆当日的最大面积/强度的频率段, 子图上的数字如“2008-10-04, 海高斯”表示台风登陆的日期和台风名称

Fig. 7 Comprehensive information on RPS anomalies of the 25 landfall typhoons along the Guangdong coastal area. All the RPS in these insets correspond to the band of the maximum area/intensity on the landfall day. Notation of “2008-10-04, Haigaos” indicates the typhoon landfall date, and typhoon name

RPS异常形成特殊几何形状的重要原因是台湾岛和海南岛的存在, 海南岛致使登陆西部的台风影响范围偏东, 台湾岛则使登陆东部的台风影响范围偏西。登陆广东沿海中部和东部的台风, 其RPS区域的西北边缘大致与广东海岸线平行, 典型如登陆汕头的1号台风; 登陆粤西的台风, RPS区域的前缘与海岸线不成比例, 典型如2013年登陆阳西的17号台风(图7)。参照图3—7中底图是陆地和海洋基本上各占一半的面积, 而且是斜上下三角的关系, 由此对照图7中RPS异常分布, 出现与海岸线或岛屿位置分布无关的RPS区域只有17和19号。
另外由于17号台风的登陆地点为阳西, 地理位置离海南岛不远, 致使RPS区域东偏至珠江口以东; 19号台风的登陆点是阳江附近的吴川, 其RPS区域覆盖了海南岛和粤西地区以及南海, 但在粤东地区几乎无分布, 这与17的分布情况相反。原因可能是该区域有别的热带气旋影响, 2008年8—10月登陆广东区域的台风达到5个; 另外可能本次台风引起的热辐射过程综合决定了RPS如此分布, 因此需要关注台风产生热辐射RPS异常的影响因素。
图8a中的时序曲线显示, 对于25个登陆台风, 其RPS峰值出现的时间节点处于登陆日前和后的数量差异很小。换言之, RPS异常出现在台风登陆前甚至生成以前的情形和出现在过境后的情形基本一致。但是这并不意味着某个台风导致的RPS异常一定出现在同一阶段(比如登陆前), 而是表示同一个台风不同频段的RPS异常, 可能出现的时间节点差异较大。图8c中就说明了这种机制, 峰值出现在登陆前的为2条(1和2频), 出现在登陆后的为1条(4频), 出现在登陆点附近的为1条(3频), 另外2条无大于4倍的异常出现。峰值出现的时间距离登陆日(图8a中红色竖线, 31日)也没有显著的统计规律, 在登陆前后30日范围内都有很大可能出现。
为了对比图7中22号和24号台风不明显的RPS异常, 把两个相关区域的时序曲线(图8d、e)与出现明显RPS异常的16号登陆台风(图8c)相比较。它们的明显差异表现为登陆当日RPS较弱, 而在前后几日都出现了6倍以上的RPS异常。图8d峰值出现在登陆后, 2014年7月18日威马逊台风路径偏西, 处于RPS均值计算区域的边缘, RPS曲线无明显变化的原因可能与此有关。图8e峰值出现在登陆前, 说明图7中22和24号弱RPS异常只是登陆日恰好处于RPS异常倍数很小的阶段。图8c—e中还可以看出, RPS异常的峰值与台风登陆日不重合, 即使在图8a中登陆日附近出现了3频的高RPS异常, 但其峰值却依旧出现在登陆前8日。其余频率的峰值也都不出现在登陆日, 且分布在登陆日前/后的情况都有出现, 这也是图8a—b中无显著统计结果出现的重要原因。
图8 三个台风的RPS时序曲线对比

a叠加了RPS极大值在登陆之后的曲线; b叠加了出现在登陆之前曲线; c为2011-06-23登陆阳西的典型台风, 时序曲线正常; d为2014-07-18登陆徐闻的台风, 其时序曲线在登陆当日不明显; e为2013-07-02登陆湛江的台风, 其时序曲线在登陆当日也不明显升高。图中1B—6B表示1—6频的RPS

Fig. 8 Comparison of RPS time series curves of three typhoons. In panel a, the curve of the RPS maximum value after landfall is superimposed. In panel b, the curve before landfall is superimposed. Panel c shows the typical typhoon that landed in Yangxi on Jun 23, 2011. Panel d shows the typhoon landed in Xuwen on Jul 18, 2014, whose time series curve is not obvious on the landfall day. Panel e shows the typhoon that landed in Zhanjiang on Jun 02, 2013, and its time series curve did not increase significantly on the landfall day. Notations 1B-6B refer to the RPS of bands 1 to 6

4 讨论

4.1 台风环流导致云顶增温

海表面散失的热量是台风过程中云顶热辐射增强的重要热源。杨晓霞 等(2010)统计了1998—2009经过南海的92个台风的遥感SST数据, 结果显示64个台风(69.6%)引起了明显的海表面降温(降温≥2℃), 台风引起的最大降温出现的位置主要集中在台风路径左右两侧100km范围内; 其中43个台风(46.7%)引起的最大降温位于台风路径右侧; 13个台风(14.1%)引起的降温出现在路径附近; 8个台风(8.7%)引起的最大降温位于路径左侧。不同台风引起的最大降温相对于台风路径的差异性可能与台风结构有关, 这种不确定性可能也是导致不同台风具有不同RPS特征的原因。本文结果显示, 25个台风的RPS增强几乎都发生在台风路径附近, 这可能说明台风吸收了海表面热量, 引起了台风路径区域上层海洋表面温度降低(李薛 等, 2016)。这一部分热量随环流逐步上升, 到达大气中引起较强的云顶热辐射, 从而在台风路径区域内出现卫星观测的RPS异常, 而海面热量到达大气上层所经历的上升时间与台风环流尺度和方式相关。
台风环流的规模影响了潜热输送的周期, 与台风形成过程和消散过程的热辐射有关。从图4—6中可以看出, 热辐射的时间范围可以达到登陆日的前后20d左右, 一般来说, 很少有热带气旋的活动周期维持台风强度达到20d。但热辐射的高强度却可以维持较长时间, 超过了台风活动时间, 这决定于热带气旋的生成、发展甚至停编后的热辐射过程。首先是形成过程, 台风形成与热量输送并未完全同步, 在大尺度的台风环流形成之前, 局部地区可能存在了比较强烈的海面散失的热量上升过程, 这种热结构的变化也可能是促使台风生成的原因之一(晏红明 等, 2013; 郭胜利 等, 2018)。其次是消散过程, 台风登陆停止编号后, 但热辐射亮温仍旧维持较高的水平, 这一方面与热传导速度有关, 热传导相对于台风环流来说是非常缓慢的, 风结构消失后, 亮温才到达峰值水平; 另一方面是台风停止编号并非风结构完全消失, 在局部地区存在的风结构仍促使了地面(海面)热量继续供给, 与前述热量叠加形成了亮温峰值。因此造成了RPS峰值在登陆日前后出现的现象。
RPS具有明显的区域性, 其范围和周期受制于台风环流的控制范围和海陆条件。在大尺度的环流作用下, 由于每个区域供给的热量不均匀, 使得台风环流向上输送的热量也不均匀, 从而导致了云顶RPS具有区域和频率差异性。李薛 等(2016)对台风威马逊的路径海温进行跟踪, 在台风路径附近SST降幅达到0.81~1.76℃, 而且降温在台风路径两侧不对称。这说明台风过程导致的热散失并不均衡, 致使不同频段的热辐射出现在台风发展的不同区域。台风过境后, 热气流层次重新调整, 可能使原热辐射条件发生改变, 达到一种滤波效果, 这可能是台风登陆后不同频率热辐射出现差异的原因。图6中显示了这种影响因素, 即不同周期的热辐射出现的范围不一致, 其中中、长周期的影响较为显著。对于广东地区, 南海夏季风爆发的热带气旋系统内, 海洋向大气输送热量的主要贡献来自于潜热(孙灏 等, 2015)。台风经由南海登陆广东地区时, 由于南海海气相互作用的区域性造成了热辐射和吸收转换的差异, 从而导致了热辐射的区域性和频率性异常。
总之, 台风过程伴随了大量的云顶热辐射异常, 这种大面积的辐射异常开始于台风生成之前, 结束于台风过境之后。海表面耗散的热量(SST降低)在上升过程中被台风环流带到大气上层, 从而引起较强烈的云顶热辐射。产生这种现象的原因一方面是部分台风在孕育和生成的周期较长, 由此形成的热辐射异常也可能持续较长时间; 另一方面是部分台风过境后热辐射调整的周期可能达到20d以上, 其RPS响应持续。

4.2 台风过程中RPS影响因素

图2所示, 无论登陆地点与RPS计算点距离远近, 结果中6个频求和后的时序曲线在台风登陆的时间节点附近都会出现升高的现象, 即发生了云顶增温过程, 但增温峰值出现的时间点相对于登陆日会有较大差别。因此, 如果在同一时间段内有多个台风连续登陆的情况下, 并不容易分辨RPS增加所对应的台风; 一个强台风可能造成较大区域内的亮温增强, 或造成不同区域内不同频段的亮温增强, 这在求和后更难分辨。王桂华 等(2006)研究南海海气界面热通量时空分布时给出的潜热和感热季节变化具有分频特点, 即不同模态(频段)的变化特征是不同的, 具有比较明显的周期性, 这在一定程度上佐证了本文中RPS时序曲线的特点, 不同频段体现了不同的机制。与王桂华 等(2006)研究结果不同的是, 台风的RPS的季节变化并无明显的周期规律, 图2中的RPS相对功率谱曲线峰值几乎只与台风发生过程相吻合, 体现了台风引起的云顶热辐射。
环境水汽场对台风强度热辐射结构同样有明显影响。不考虑环境气流影响时, 较多的环境水汽会使台风尺度增大, 当环境水汽较少时, 次级环流的加强会使台风收缩, 并且环境水汽较少时台风增强更快但生命周期较短(Ying et al, 2012)。比如充沛的水汽条件以及副高和南亚高压的环流配置使得台风“彩虹”移动至我国近海时, 急剧加强(刘凯 等, 2017)。水汽的来源与供给对台风的生成和发展十分重要, 台风外围环流将大量的潮湿空气卷入台风, 使台风获得潜热得以发展(朱乾根 等, 2000), 一方面形成了登陆后的强降雨, 另一方面增强温室效应且使热辐射持续。结合丁一汇 等(1988)的三维模拟结果, 本文认为台风过程中的云顶热辐射异常对于研究热带气旋的初始发展和加强过程有相当重要的作用。

5 结论

应用卫星遥感资料对于台风发展过程开展热辐射RPS的监测研究, 得出以下主要结论。
1) 2008—2017年, 共25个台风登陆广东, 登陆频次依次为: 粤西最高、中部次之、粤东最低, RPS时序曲线体现了台风登陆期间热辐射异常, 且大空间范围对应良好, 台风登陆前后出现的亮温RPS时序曲线峰数量相当。
2) 台风的亮温相对功率谱发展过程为“出现—扩大(增强)—登陆—范围极大(最高倍数)—缩小(减弱)—消失”, 其分布区域的南北边界与海岸线平行且与登陆点并不一定重合, 存在水汽前缘聚焦致热和台风过境后的尾部热辐射增强效应。最高的亮温RPS倍数和面积最大亮温RPS范围都出现在台风登陆以后, 较高的热辐射水平持续到台风过境后, 说明台风生成前和过境后也是热辐射增加的时间窗口。
3) 海表面耗散的热量(SST降低)在上升过程中被台风环流带到大气上层, 从而引起较强烈的云顶热辐射。台风过境时海表面产生冷迹, 耗散的热量被台风环流带到大气上层, 卫星亮温数据反映的RPS长时间持续与台风环流相关; 且这种效应会被海—气相互作用所调制, 不同频段在不同区域具有差异性。
1
丁一汇, 孔军 , 1988. 三维热带气旋的数值模拟及辐射对其影响的研究[J]. 中国科学B辑, ( 8):887-898.

DING YIHUI, KONG JUN , 1989. Three-dimensional numerical simulation of tropical cyclone and the effects of radiative processes on it[J]. Science in China (Series B), 32(10):1246-1261. (in Chinese)

2
郭胜利, 李锋, 葛非 , 2018. 前期热带太平洋次表层海温异常与东亚夏季风的可能联系[J]. 大气科学学报, 41(1):103-112.

GUO SHENGLI, LI FENG, GE FEI , 2018. A strong correlation between Pacific subsurface ocean temperature and East Asian summer monsoon[J]. Transactions of Atmospheric Sciences, 41(1):103-112 (in Chinese with English abstract).

3
郭晓, 张元生, 钟美娇 , 等, 2010. 提取地震热异常信息的功率谱相对变化法及震例分析[J]. 地球物理学报, 53(11):2688-2695.

DOI

GUO XIAO, ZHANG YUANSHNEG, ZHONG MEIJIAO , et al, 2010. Variation characteristics of OLR for the Wenchuan earthquake[J]. Chinese Journal of Geophysics, 53(11):2688-2695 (in Chinese with English abstract).

4
赖志娟, 彭世球, 李毅能 , 等, 2011. 南海夏季风爆发与南海热含量异常特征的相关分析[J]. 热带海洋学报, 30(6):47-56.

LAI ZHIJUAN, PENG SHIQIU, LI YINENG , et al, 2011. Relationship between summer monsoon outbreak and upper-ocean heat content anomalies over the South China Sea[J]. Journal of Tropical Oceanography, 30(6):47-56 (in Chinese with English abstract).

5
李薛, 付东洋, 张莹 , 等, 2016. 超强台风“威马逊”对南海西北海域海洋环境的影响[J]. 热带海洋学报, 2016,35(6):19-28.

LI XUE, FU DONGYANG, ZHANG YING , et al, 2016. The impacts of super typhoon Rammasun on the environment of the northwestern South China Sea[J]. Journal of Tropical Oceanography, 35(6):19-28 (in Chinese with English abstract).

6
刘贝, 卢绍宗, 钱钰坤 , 等, 2014. ATOVS亮温资料同化在台风数值模拟中的应用[J]. 热带海洋学报, 33(1):44-53.

DOI

LIU BEI, LU SHAOZONG, QIAN YUKUN , et al, 2014. An application of ATOVS radiance in data assimilation of typhoon[J]. Journal of Tropical Oceanography, 33(1):44-53 (in Chinese with English abstract).

7
刘凯, 宋晓姜, 王彰贵 , 等, 2017. 1522号强台风“彩虹”近海急剧增强特征及机理分析[J]. 海洋预报, 34(4):32-41.

LIU KAI, SONG XIAOJIANG, WANG ZHANGGUI , et al, 2017. The features and mechanism analysis on rapid intensity change of NO.1522 typhoon "Mujigae" over the offshore of China[J]. Marine Forecasts, 34(4):32-41 (in Chinese with English abstract).

8
戚佩霓, 沈菲菲, 寇蕾蕾 , 等, 2019. 多普勒雷达资料同化在台风“灿都”(2010)预报中的应用研究[J]. 热带海洋学报, 38(2):20-31.

QI PEINI, SHEN FEIFEI, KOU LEILEI , et al, 2019. Experiments of assimilating Doppler radar data in forecast of Typhoon Chanthu[J]. Journal of Tropical Oceanography, 38(2):20-31 (in Chinese with English abstract).

9
孙灏, 陈云浩, 占文凤 , 等, 2015. 一种近似用于高发射率城市地表热红外等效发射率的方向性变异核驱动模型及其不确定性分析[J]. 红外与毫米波学报, 34(1):66-73.

SUN HAO, CHEN YUNHAO, ZHAN WENFENG , et al, 2015. A kernel model for urban surface thermal emissivity anisotropy and its uncertainties[J]. Journal of Infrared and Millimeter Waves, 34(1):66-73 (in Chinese with English abstract).

10
王桂华, 黄韦艮, 王辉 , 2006. 利用HOAPS资料研究南海海气界面热通量时空分布[J]. 海洋学报, 28(4):1-8.

WANG GUIHUA, HUANG WEIGEN, WANG HUI , 2006. Study on the temporal and spatial variability of air-sea flux over South China Sea with HOAPS data[J]. Acta Oceanologica Sinica, 28(4):1-8 (in Chinese with English abstract).

11
吴迪生, 邓文珍, 张俊峰 , 等, 2001. 南海台风状况下海气界面热量交换研究[J]. 大气科学, 25(3):329-341.

DOI

WU DISHENG, DENG WENZHEN, ZHANG JUNFENG , et al, 2001. A research on air-sea interface heat exchange under the typhoon over the South China Sea[J]. Chinese Journal of Atmospheric Sciences, 25(3):329-341 (in Chinese with English abstract).

12
吴迪生, 冯伟忠, 许建平 , 等, 2006. 1986年南海季风海-气界面热量交换[J]. 科学通报, 51(3):355-360.

WU DISHENG, FENG WEIZHONG, XU JIANPING , et al, 2006. The sea air interface heat exchange in the South China Sea Monsoon in 1986[J]. Chinese Science Bulletin, 51(19):2413-2420(in Chinese).

13
晏红明, 李清泉, 袁媛 , 等, 2013. 夏季西北太平洋大气环流异常及其与热带印度洋—太平洋海温变化的关系[J]. 地球物理学报, 56(8):2542-2557.

DOI

YAN HONGMING, LI QINGQUAN, YUAN YUAN , et al, 2013. Circulation variation over western North Pacific and its association with tropical SSTA over Indian Ocean and the Pacific[J]. Chinese Journal of Geophysics, 56(8):2542-2557 (in Chinese with English abstract).

14
杨龙奇 , 2015. 海洋近表层流和上层温盐对1215号台风“天秤”的响应[J]. 热带海洋学报, 34(3):13-22.

DOI

YANG LONGQI , 2015. Responses to 2012 Typhoon Tembin in terms of near- surface flow and thermohaline[J]. Journal of Tropical Oceanography, 34(3):13-22 (in Chinese with English abstract).

15
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).

16
伊鑫, 曲爱华 , 2010. 基于Welch算法的经典功率谱估计的Matlab分析[J]. 现代电子技术, 33(3):7-9.

YI XIN, QU AIHUA , 2010. Matlab simulation analysis of power spectrum estimation based on Welch method[J]. Modern Electronics Technique, 33(3):7-9 (in Chinese with English abstract).

17
张丽峰, 郭晓, 张璇 , 等, 2016. 强震中波红外异常特征研究[J]. 地震工程学报, 38(6):977-984.

ZHANG LIFENG, GUO XIAO, ZHANG XUAN , et al, 2016. Anomaly Characteristics of medium-wave infrared data prior to strong earthquakes[J]. China Earthquake Engineering Journal, 38(6):977-984 (in Chinese with English abstract).

18
张勇, 戎志国, 闵敏 , 2016. 中国遥感卫星辐射校正场热红外通道在轨场地辐射定标方法精度评估[J]. 地球科学进展, 31(2):171-179.

DOI

ZHANG YONG, RONG ZHIGUO, MIN MIN , 2016. Accuracy evaluations of the CRCS in-orbit field radiometric calibration methods for thermal infrared channels[J]. Advances in Earth Science, 31(2):171-179 (in Chinese with English abstract).

19
张元生, 郭晓, 钟美娇 , 等, 2010. 汶川地震卫星热红外亮温变化[J]. 科学通报, 55(10):904-910.

ZHANG YUANSHENG, GUO XIAO, ZHONG MEIJIAO , et al, 2010. Wenchuan earthquake: brightness temperature changes from satellite infrared information[J]. Chinese Science Bulletin, 55(18):1917-1924 (in Chinese).

20
朱乾根, 林锦瑞, 寿绍文 , 等, 2000. 天气学原理和方法[M]. 3版. 北京: 气象出版社: 489-489.

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

DOI

22
HOYOS C D, AGUDELO P A, WEBSTER P J , et al, 2006. Deconvolution of the factors contributing to the increase in global hurricane intensity[J]. Science, 312(5770):94-97.

DOI

23
KATSAROS K B, VACHON P W, LIU W T , et al, 2002. Microwave remote sensing of tropical cyclones from space[J]. Journal of Oceanography, 58(1):137-151.

DOI

24
YING YUE, ZHANG QINGHONG , 2012. A modeling study on tropical cyclone structural changes in response to ambient moisture variations[J]. Journal of the Meteorological Society of Japan, 90(5):755-770.

DOI

25
YING MING, ZHANG WEI, YU HUI , et al, 2014. An overview of the China Meteorological Administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 31(2):287-301.

DOI

26
YU FAN, ZHUGE X Y, ZHANG CHENGWEI , 2011. Rainfall retrieval and nowcasting based on multispectral satellite images. Part II: retrieval study on daytime half-hour rain rate[J]. Journal of Hydrometeorology, 12(6):1255-1270.

DOI

27
YU ZIFENG, YU HUI , 2012. Application of generalized convective vorticity vector in a rainfall process caused by a landfalling tropical depression[J]. Journal of Tropical Meteorology, 18(4):422-435.

Outlines

/