2006, Vol. 32 2. 上海台风研究所
2. Shanghai Typhoon Institute
热带气旋(Tropical Cyclone，简称TC)强度预报一直是TC研究的难点问题[1]。Jarvinen[2]基于气候持续性预报因子用统计回归方法改进TC强度预报方案SHIFOR(Statistical Hurricane Intensity Forecast)。DeMaria[3]对大西洋地区改进SHIPS(Statistical Hurricane Intensity Prediction Scheme)飓风强度预报方案。De-Maria[4]改进SHIPS方案，提出新的预报TC强度的统计-动力模式。Knaff[5]将TC强度预报时效延长到5天。针对西北太平洋地区Fitzpatrick[6]建立TIPS(Typhoon Intensity Prediction Scheme)方案。蒋乐贻[7]仅考虑气候持续性因子对西北太平洋地区建立TC强度统计预报方程。
基于以上研究，本文改进西北太平洋地区TC强度预报方案，以提高TC强度预报精度，并探讨影响TC强度变化的主要因素。文中考虑预报因子包括气候持续性因子、天气因子、卫星资料(TBB)因子。
1 资料及方法 1.1 资料应用1996—2002年JTWC (the Joint Typhoon Warning Center)的最佳路径资料和中国气象局的台风年鉴资料，及相应时段的NCEP大尺度风、温、高度场(每6小时一次）和周平均海温资料，以及TBB卫星资料。建立方程时，天气因子是从NCEP分析场上读取，业务预报中，从欧洲中心(ECMWF)的预报场上获取。
1.2 方法及样本采用逐步回归统计方法，预报对象是预报时刻与起报时刻TC中心最大风速差，预报因子包括：气候持续性因子、天气因子、TBB因子。天气因子包括起报时刻、预报时刻、起报时刻到预报时刻每24小时一次的变化量。逐步回归中，回归方程通过显著水平a=0.001的F检验。采用“刀切法”进行独立样本检验。
将西北太平洋分为3个海区(华南近海、华东近海、远海区域）建立预报方程，近海标准规定为：(20°N、120°E)、(30°N、130°E)、(35°N、140°E)三点连线，华南近海为120°E以西近海区，其他近海区域为华东近海。预报时刻为：24小时、48小时、72小时。仅考虑达到热带风暴强度的样本(中心最大风速≥17.2m·s-1)，登陆样本不考虑。
1.3 主要预报因子9个气候持续性因子：起报时刻TC中心最大风速(简称V)，起报时刻TC中心纬度(简称LAT)起报时刻TC中心经度(简称LON), TC中心最大风速前12小时变化(简称V12)，TC中心纬度前12小时变化(简称LAT12)，TC中心经度前12小时变化(简称LON12)，TC中心最大风速前24小时变化(简称V24)，TC中心纬度前24小时变化(简称LAT24)，TC中心经度前24小时变化(简称LON24)
12个天气因子：TC200hPa相对涡动角动量通量辐合[6](简称REFC), 200hPa与850hPa环境风垂直切变(简称VWS) 200hPa高空纬向风(简称U200)，850hPa平均涡度(简称VOR850), 850hPaTC内区散度(简称DIV850)，200hPaTC外区散度（简称DIV200), TC移速的纬向分量(简称CMV)，最大可能强度（Maximum Potential Intensity)[6](简称MPI), 850hPa以TC移速方向分开左右半圆温度差(简称AT850), 500hPa高度值TC中心与环境差(简称AH500), 850hPaTC中心2个经纬距内找到的最大涡度中心纬度值(简称TCY)，850hPaTC中心2个经纬距内找到的最大涡度中心经度值（简称TCX)。
13个TBB卫星资料因子：1~15℃环平均温度(简称TBB1)，对TBB1做前24小时平滑(简称TBB2), 1~1.5℃范围1~10波叠加振幅平均简称(TBB3)对TBB3做前24小时平滑(简称TBB4), 200km以内TBB小于-20℃的象素个数(简称TBB5) 40km以内TBB极大值[8](简称TBB6), 444km以内TBB小于-55℃的象素个数(简称TBB7), 0~111kmTBB平均值[9](简称TBB8), 111~333kmTBB平均值(简称TBB9), 0~333kmTBB平均值(简称TBB10), 0.4℃环平均TBB[10] (简称TBB11), 1.2℃环平均TBB(简称TBB12), 1.5℃环平均TBB(简称TBB13)。
2 没有卫星资料的回归结果 2.1 远海区域在没有加入卫星资料时，对远海区域的样本做分组试验，一类是与高空槽作用的样本(REFC≥10m·s-1·day)，后称大EFC; 另一类是没有与高空槽作用的样本(REFC＜10m·s-1·day), 后称小EFC。再将总体样本拟和建方程与分类结果比较，后称综合。
大EFC类回归结果较好(表 1)，复相关系数均达到0.8以上。各预报时刻选入因子中均选入气候持续性因子中心最大风速(V)和由海温算出的最大可能强度(MPI)，在48、72小时预报中，这两个因子方差贡献较大。另外，不同的预报时刻，回归方程还选入不同的反映动力强迫作用的天气因子。
|
表 1 大EFC选入因子方差贡献及回归结果 |
小EFC类样本数较大(1908~1355个样本)，但回归结果(表略）却不如大EFC类好，复相关系数分别为：24小时0.75、48小时0.83、72小时0.8，选入因子比大EFC的多。24小时预报，共选入8个因子(4个气候持续性因子和4个天气因子)。48小时预报选入10个因子2个气候持续性因子、8个天气因子)。72小时预报选入11个因子(2个气候持续性因子和9个天气因子)。方差贡献最大的仍然是气候持续性因子V。
为了与分类结果比较，将所有远海区域样本拟合。回归结果(表略）与小EFC的相似，24小时预报，与小EFC的结果基本相同，选入因子中多1个天气因子。48小时预报，选入8个因子(2个气候持续性因子和6个天气因子）。72小时预报与小EFC的回归结果基本相同。各因子方差贡献大小也基本与小EFC类相同。
进一步比较综合与分类所建预报方程的优劣，用“刀切法"进行独立样本检验，结果发现，两种预报方程得到的预报误差基本相同。虽然大EFC的回归结果好，但可能由于样本偏少，故并没有显示出比综合方程预报能力更好。
2.2 华东近海华东近海样本数较少，没有再分类建方程，仅将所有样本进行拟合(表略)。与远海区域综合类的回归结果比较，复相关系数变小，在0.68到0.73之间；选入因子变少，24和48小时预报选入4个因子，72小时预报选入3个因子。各时刻均选入气候持续性因子V。24小时方差贡献最大的是MPI, 48和72小时方差贡献最大的均是V。值得一提的是，24小时预报还选入天气因子REFC。
2.3 华南近海华南近海也不再分类建方程。华南近海回归结果与前两海区比较明显不同的是：复相关系数随预报时刻延长越来越小（24小时0.70、48小时0.69、72小时064)。24小时预报选入6个因子，3个天气因子和3个气候持续性因子; 48小时选入4个因子; 72小时选入2个天气因子。24小时方差贡献最大的是气候持续性因子V，48和72小时方差贡献大的均是天气因子。
3 加入卫星资料回归结果加入卫星资料TBB后，样本数有所变化。为了比较方便，考虑相同的样本将远海区域作为一个整体重新拟合，不再分类。没有考虑TBB资料时，与前面的综合类样本回归结果基本相同，在此不再赘述。加入卫星资料后(表 2)，各时刻复相关系数略有増大。选入因子比较，24小时预报选入2个TBB因子，一个因子是反映TC眼壁对流强度对称特征，另一个是反映TC非对称特性; 48小时选入1个TBB因子(反映TC整体对流强度); 72小时选入2个TBB因子。24和48小时预报TBB因子的方差贡献较大，而72小时预报TBB因子的方差贡献较小。
|
|
表 2 远海区域回归结果比较 |
华东近海在加入TBB因子后，24小时预报回归结果没有变化; 48小时复相关系数变小，共选入3个因子，1个TBB因子和2个天气因子; 72小时复相关系数増大，仅选入2个因子，其中1个为TBB因子。在回归方程中，48和72小时预报选入的TBB因子方差贡献最大。
加入TBB因子后，华南近海24和72小时预报的回归结果没有明显变化; 48小时预报复相关系数増加约0.1，48小时预报选入6个因子，其中有1个TBB因子。
从以上3个海区加入TBB因子的回归结果看，如果回归方程中选入TBB因子，回归结果略有改善，但总体改变不明显。从选入方程的TBB因子看，反映TC眼壁对流强度对称特征的TBB因子3个海区都有选入，表明TC眼壁的对流强度对TC的强度变化有影响。
4 误差分析用“刀切法”进行独立样本检验。样本数与建方程时相同(表 3), 不论是否加入TBB因子，3个海区平均误差均较小。加入TBB因子后，远海区域的误差略有减小; 华东近海24和48小时误差无明显变化，72小时平均误差减小，但样本数太少没有代表意义; 华南近海24和72小时预报平均误差基本相当，48小时预报误差减小近1m·s-1。独立样本检验结果表明，是否加入TBB因子误差变化不明显，但如果回归方程中选入TBB因子，预报结果略有改进。
|
|
表 3 误差分析 |
为了进一步说明所建方程的预报能力，将2000—2002年样本与CLIPER(气候持续法）预报结果比较(表 4为远海区域，其他两个海区结果没有在表格中列出。由以上检验结果发现，是否加入TBB因子误差差异不大，所以直接用没有加入TBB因子的预报方程与CLIPER结果相同样本比较。总体上讲，本文所建方程得到的预报误差比CLIPER法的小，预报结果较CLIPER法有明显改进，特别是预报时效较长时。48小时预报误差比CLIPER的小2.3m·s-1、72小时约小3m·s-1。
|
|
表 4 远海区域误差与CLIPER法比较(误差单位：m·s-1) |
用欧洲中心预报场资料后报，由于保存资料原因，后报样本数少，所以远海区域采用综合类预报方程。因为TBB资料不能及时获取，所以3个海区均用没有加入TBB因子的方程。将远海区域样本与CLIPER法预报结果比较(表 5), 24和48小时预报误差比CLIPER的小，特别是48小时预报比CLIPER的误差小5.2m·s-1、但72小时的误差却与CLIPER的相当，这可能因为现有的72小时数值预报产品误差较大，读取到的天气因子信息不够准确。将华东和华南近海样本完全考虑时，CLIPER的平均误差变小，而本文预报方法误差増大，24和48小时预报仍是比CLIPER误差小，但72小时预报却比CLIPER的结果更理想。
|
|
表 5 远海区域误差比较 |
本文建立了西北太平洋区域TC的强度预报方程，回归结果及独立样本检验结果如下：
(1) 在没有加入TBB因子时，远海区域的回归结果较好。远海区域选入的天气因子大部分为反映动力强迫作用的因子，但选入因子方差贡献最大的是气候持续性因子(TC中心最大风速，另一影响此海区TC强度变化的重要因素是海温。近海区域的回归结果较远海区域的略差。华东近海24小时预报海温仍然是重要影响因子，但随着预报时刻的延长，表征高层外流特征及反映TC非对称程度的天气因子变得更为重要; 另外，24和48小时预报选入反映与槽作用大小的因子(REFC)及垂直切变。华南近海区域选入因子少，选入一些反映动力强迫作用的因子，如850hPa平均涡度，此因子在48小时预报时方程方差贡献最大。
(2) 加入TBB因子后，远海区域复相关系数略有増大，各预报时刻均有TBB因子选入，主要选入的是表征TC眼壁对流强度的因子。近海区域加入TBB因子后，回归结果变化不明显，华东近海48和72小时预报及华南近海48小时预报有TBB因子选入，均为反映TC眼壁对流强度的因子。一般情况下，TBB因子对回归结果略有改进，但并不是每个预报时刻都有TBB因子选入。
(3) 独立样本检验，平均误差较小。将2000—2002年样本与CLIPER法比较，各海区的误差都比CLIPER的小，如远海区域72小时预报比CLIPER的误差约小2.5m·s-1。用欧洲中心的预报产品对2004年的部分TC后报，与CLIPER法比较，24和48小时预报误差比CLIPER的小，但72小时却是CLIPER结果稍好。
6.2 讨论从以上结论看出，在气候持续性因子基础上考虑天气因子，分区建立预报方程在一定程度上改进了TC强度预报结果。然而，从后报试验结果发现，72小时的预报结果相对于CLIPER法并没有明显改进，这主要是由于时效较长的大尺度环境场的预报产品精度不够，将増大天气因子信息读取的误差，导致TC强度预报误差増大，所以应进一步尝试用不同的预报产品。
在后报试验中，近海区域的预报结果比远海区域的差，可能因为在建立近海方程时，没有考虑陆地因素的影响。所以在改进预报方程时，应充分考虑陆地影响因素。
在预报因子中加入TBB因子是本文的一个新尝试。但从误差比较看，加入TBB因子后，方程预报能力并没有明显提高，这应该与计算的TBB因子有关，文中用到的TBB因子均与TC的强度相关性好，而与TC的强度变化(本文预报对象)相关性较差，故进一步发展预报方案时，将考虑更多与强度变化相关性好的TBB因子。
| [1] |
林良勋, 梁巧倩, 黄忠. 华南近海急剧加强热带气旋及其环流综合分析[J]. 气象, 2006, 32(2): 14-18. DOI:10.7519/j.issn.1000-0526.2006.02.003 |
| [2] |
Jarvinen B.R, Neumann C.J. Statistical forecasts of tropical cyclone in tensity change.NOAA Tech.Memo[J]. NWS NHC-10, 1979, 22. |
| [3] |
DeMaia M, Kaplan J. A Statistical Hurricane Intensity Prediction Scheme (SHIPS) for the Atlantic basin[J]. Wea Foiecasting, 1994, 9: 209-220. DOI:10.1175/1520-0434(1994)009<0209:ASHIPS>2.0.CO;2 |
| [4] |
DeMaria M, Kaplan J. An Updated Statistical Hurricane Intensity Prediction Scheme (SHIPS) for the Atlantic and Eastern North Pacific basins[J]. Wea.Forecasting, 1999, 14: 326-337. DOI:10.1175/1520-0434(1999)014<0326:AUSHIP>2.0.CO;2 |
| [5] |
John A Knaff, Mark DeMaria, Sampson C R, Gross J M. Statistical, 5-day tropical cyclone intensity forecasts derived from climatology and persistence[J]. Wea.Forecasting, 2003, 18: 80-92. DOI:10.1175/1520-0434(2003)018<0080:SDTCIF>2.0.CO;2 |
| [6] |
Fitzpatrick, Patrick J. Understanding and Forecasting Tropical Cyclone Intensity Change with the Typhoon Intensity Prediction Scheme (TIPS)[J]. Wea Forecasting, 1997, 12: 826-846. DOI:10.1175/1520-0434(1997)012<0826:UAFTCI>2.0.CO;2 |
| [7] |
蒋乐贻. 西太平洋台风强度气候持续预报方法, 第十三届全国热带气旋科学讨论会论文摘要文集[C]. 2004: 3-51——3-52.
|
| [8] |
Velden C S, Olander T. Evaluation of an objective scheme to estimate tropical cyclone intensity from digital geostationary satelliteinfrared imagery[J]. Wea.Forecasting, 1998, 13: 172-186. DOI:10.1175/1520-0434(1998)013<0172:DOAOST>2.0.CO;2 |
| [9] |
Gentry, Cecil R, Rodgers, Edward, Steranka, Jo-seph, Shenk, William E. Predicting Tropical Cyclone Intensity Using Satellite-Measured Equivalent Black-body Temperatures of Cloud Tops[J]. Mon Wea Rev, 1980, 108(4): 445-455. DOI:10.1175/1520-0493(1980)108<0445:PTCIUS>2.0.CO;2 |
| [10] |
王瑾, 江吉喜. 热带气旋强度的卫星探测客观估计方法的研宄, 新世纪气象科技创新与大气科学发展-热带气旋与季风[M]. 北京: 气象出版社, 2003: 79-86.
|