img

官方微信

遥感技术与应用, 2020, 35(4): 901-910 doi: 10.11873/j.issn.1004-0323.2020.4.0901

数据与图像处理

同化FY-3C/MWHTS观测资料反演的海面气压场对台风数值预报的影响

张子瑾,1,2,3, 董晓龙,1,2,3,4

1.中国科学院国家空间科学中心 微波遥感技术重点实验室,北京 100190

2.中国科学院国家空间科学中心,北京 100190

3.中国科学院大学,北京 100049

4.国际空间科学研究所(北京),北京 100190

Influence of Assimilating the Sea Surface Pressure Fields Retrieved from FY-3C/MWHTS Data on Typhoon Forecasting

Zhang Zijin,1,2,3, Dong Xiaolong,1,2,3,4

1.Key Laboratory of Microwave Remote Sensing, Chinese Academy of Sciences, Beijing 100190, China

2.National Space Science Center, Chinese Academy of Sciences, Beijing 100190, China

3.University of Chinese Academy of Sciences, Beijing 100049, China

4.International Space Science Institute-Beijing, Beijing 100190, China

通讯作者: 董晓龙(1969—),男,陕西大荔人,博士生导师,研究员,主要从事新型微波遥感探测与成像及微波遥感信息获取的方法与技术研究。E⁃mail: dongxiaolong@mirslab.cn

收稿日期: 2019-05-05   修回日期: 2020-06-15   网络出版日期: 2020-09-14

基金资助: 国家重点研发计划项目“地球科学观测与导航专项”.  2017YFB0502800.  2017YFB0502802

Received: 2019-05-05   Revised: 2020-06-15   Online: 2020-09-14

作者简介 About authors

张子瑾(1992—),女,河南平顶山人,博士研究生,主要从事大气参数的定量遥感反演研究E⁃mail:zijin_nssc@163.com , E-mail:zijin_nssc@163.com

摘要

由中国风云三号C星(FY-3C)搭载的微波温湿探测仪(MWHTS)的亮温观测资料能够实时反演得到高分辨率、高精度的海面气压场。基于三维变分同化方法将FY-3C/MWHTS观测资料反演的海面气压场同化进入中尺度天气研究与预报(Weather Research and Forecasting, WRF)模式,以台风“Maria”和“Noru”为例,通过控制实验和同化试验的对比分析,探讨了同化反演的海面气压场对台风数值预报的影响。初始化敏感性试验结果表明,同化海面气压场使初始时刻台风中心气压与位置更接近实况,并且调整了台风初始温度场和风场的结构和分布。台风的数值预报结果表明:同化反演的海面气压场能够改进台风的路径和强度预报精度。

关键词: 海面气压 ; FY-3C/MWHTS资料 ; 三维变分同化 ; 台风

Abstract

Using measurements with the Microwave Temperature and Humidity Sounder (MWHTS) onboard the Chinese Fengyun-3C satellite, real-time and high resolution sea surface pressure information can be retrived. Based on the three-dimensional variational assimilation (3DVAR) method, the retrieved sea pressure fields from FY-3C/MWHTS observations are assimilated into the Weather Research and Forecasting (WRF) model. The influence of the retrieved pressure fields on typhoon forecasting is discussed through the comparison between control experiment and assimilation experiment. Sensitivity experiments of typhoon Maria and Noru show that the assimilation of sea surface pressure fields makes the central pressure and central location closer to the actual value, and adjusts the structure and distribution of initial temperature fields and wind fields. The numerical prediction results show that the assimilation of the sea surface pressure fields can improve the accuracy of typhoon track and intensity prediction.

Keywords: Sea surface pressure ; FY-3C/MWHTS observations ; 3DVAR ; Typhoon

PDF (5948KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张子瑾, 董晓龙. 同化FY-3C/MWHTS观测资料反演的海面气压场对台风数值预报的影响. 遥感技术与应用[J], 2020, 35(4): 901-910 doi:10.11873/j.issn.1004-0323.2020.4.0901

Zhang Zijin, Dong Xiaolong. Influence of Assimilating the Sea Surface Pressure Fields Retrieved from FY-3C/MWHTS Data on Typhoon Forecasting. Remote Sensing Technology and Application[J], 2020, 35(4): 901-910 doi:10.11873/j.issn.1004-0323.2020.4.0901

1 引 言

热带气旋是形成于热带海洋大气中强烈的低压涡旋系统,它是全球最具有破坏性的自然灾害之一。提升热带气旋的路径和强度预报能力,能够有效减少其带来的巨大损失,具有重大意义[1]

在热带气旋分析和预报中,海面气压场数据起关键作用。根据气压场能够得到水平气压梯度,其反映的水平气压梯度力是热带气旋移动的主要动力,气压场数据是热带气旋移动路径预报的重要参考数据[2]。中心气压值是热带气旋强度的重要指标,它随时间的变化反映了热带气旋的发展情况[3]。海面气压场还能反映热带气旋的尺度和结构特征,这些信息对热带气旋移动和发展趋势的判断非常重要[4]。总之,如果能够获取高时空分辨率、高精度的海面气压数据,就可以为模式提供更加准确、协调的初值,从而进一步提高热带气旋预报的准确率[5-7]

过去,海上热带气旋气压的观测主要依赖于飞机投放无线电探空仪进行观测[8-9]。然而下投探空仪仅能提供有限的点的气压信息,无法提供热带气旋气压场的分布特征。另外,下投探空仪的下落位置难以控制,很少有探空仪能够落到眼区进行中心气压的观测。卫星探测器的出现,使得获取高时空分辨率的海洋气象资料成为现实。目前遥感获取海面气压场的主要方法是利用遥感观测的海面风场(包括风速和风向),通过边界层模型(PBL)推导出气压的梯度场分布,然后使用可靠的原位气压观测作为边界值,生成绝对的气压场。星载微波散射计能够实现全球范围风场快速连续稳定的观测,且观测的空间分辨率高,已有的研究大都使用星载微波散射计的风场产品通过PBL模型推导得到高分辨率的海面气压场(~25 km)[10-15]。但是,在高风速情形下(风速>25 m/s),散射计风场测量精度较差,由散射计风场数据推导得到的台风中心气压的平均偏差高达20 hPa[13-14]。另外,海面气压不能实时由风场观测数据获取。在气压场推导过程中,PBL模型不仅需要海面风场数据,还需要表面温度和温湿廓线进行气压梯度场订正,并需要可靠的海面气压观测值作为边界值才能生成绝对的气压场。散射计不具备探测温湿廓线的能力,目前的研究均使用全球再分析的温湿廓线以及表面气压数据进行气压场推导。但是,再分析数据是无法实时获取的,进而导致海面气压数据不能实时由风场观测获取,这对于热带气旋的预报十分不利。

2018年,Zhang等[16]首次提出利用工作于氧气吸收带的星载微波辐射计观测资料获取高时空分辨率的海面气压数据。2019年,他们提出了一种同时使用微波辐射计观测亮温和热带气旋暖心亮温距平反演热带气旋海面气压场的算法[17-18]。本文基于Zhang等提出的算法,使用我国风云三号C卫星(FY-3C)搭载的新型微波温湿探测仪(MWHTS)的观测资料反演得到海面气压场,然后结合变分同化技术和能够描述台风精细结构的中尺度模式,研究反演的海面气压场对台风数值预报的影响。

2 数据和方法

2.1 数据

风云三号C卫星(FY-3C)于2013年9月23日上午发射,卫星轨道高度为836 km,是极轨气象卫星。其搭载的MWHTS是全功率型微波辐射计。MWHTS采用交轨扫描方式,观测张角为±53.35°刈幅宽度约为2 700 km,每条扫描线包括98个像元,每个像元对应一个扫描角度,天底像元直径约为16 km。MWHTS每天可以对同一区域进行两次观测。本研究使用FY-3C/MWHTS L1级亮温数据反演得到海面气压场,该资料来自中国气象局网站。

另外,使用美国气象环境预报中心(NCEP)FNL分析数据作为同化试验的背景场。使用的大气参数数据包括温湿廓线、表面气压、2 m温度、2 m湿度、10 m风速等。NCEP FNL分析数据的时间分辨率为6 h,空间分辨率为1°×1°,该数据由NCEP网站提供(http://rda.ucar.edu/datasets/)。

2.2 海面气压数据同化

本文基于Zhang等提出的算法[17-18],建立了MWHTS海面气压BP神经网络反演模型。该统计反演模型可以由MWHTS 118.75 GHz氧气吸收线附近的辐射亮温观测值实时反演得到分辨率约为16 km的海面气压场。

在同化反演的海面气压场之前,对反演数据进行质量控制,具体包括:

(1)极值检查。海面气压的阈值为850~1 060 hPa,剔除此范围外的海面气压数据。

(2)空间一致性检查。针对每一个观测视场,计算反演的海面气压值与周围四个视场平均海面气压值的差,当差的绝对值大于20 hPa时,剔除该视场的反演数据。

由于反演得到的海面气压场的分辨率高于本文设置的模式分辨率(25 km),如果将所有反演结果放入同化系统中,不仅会增加计算量,而且反演数据之间的相关性会影响同化效果。因此对质量控制后的海面气压数据进行稀疏化处理,通过双线性插值法将反演数据插值到模式格点所在位置。

本研究使用中尺度天气研究与预报模式(Weather Research and Forecasting, WRF)进行热带气旋的数值预报,并使用WRF三维变分同化(3DVAR)系统[19]将稀疏化处理后的海面气压场融合到台风模式的初始场中。WRF及其3DVAR系统是由美国国家环境预报中心、预报系统实验室、海军研究实验室等多部门联合开发的新一代非静力平衡、高分辨率、科研和业务预报共用的中尺度预报和资料模式。本研究使用WRF 3.9.1版本和WRF 3DVAR 3.9.1版本。

WRF 3DVAR系统采用增量公式分析得到WRF模式空间中多变量的增量,其核心思想是通过迭代最小化一个由背景场误差和观测误差描述的代价函数Jx,得到最接近观测的最优分析场x[20]。在同化MWHTS海面气压场时,代价函数可以表示为[21]

J(x)=Jb+Jo
=12x-xbTB-1x-xb+
12yo-FxTE-1yo-Fx

其中:Jb表示同化后海面气压分析场和背景海面气压场的偏差;Jo描述了同化后的海面气压分析场与由MWHTS资料反演的海面气压场之间的偏差;B背景误差协方差,本文使用WRF模式对2018年7月和2017年8月NCEP FNL分析数据连续进行一个月的12 h和24 h预报,然后利用美国国家气象中心(NMC)方法[22]统计得到BF表示观测算子,这里指将同化后的格点分析场x内插到MWHTS海面气压值所在位置上的算子,使用双线性插值法;E表示观测误差,它决定了反演的海面气压场在变分同化中对分析值的贡献,试验中取其为2.8 hPa-2

WRF 3DVAR系统中采用半牛顿法综合处理代价函数、梯度以及分析信息,通过迭代得到使代价函数Jx达到最小值的最优分析场x

2.3 数值试验设计

为了检验同化FY-3C/MWHTS海面气压场对于改进灾害性天气预报的能力,分别选择2018年第8号超强台风“Maria”和2017年第5号台风“Noru”设计数值试验。Maria于2018年7月4日20时(世界时,下同)在美国关岛以东洋面生成,并快速增强,模拟时间为2018年7月7日12时至7月10日12时,模式区域的中心为(22.5° N,132.5° E),格点为142×106。Noru于2017年7月18日在威克岛西北方海面上生成,数值试验模拟时间为2018年8月2日12时至8月5日12时,模式区域的中心为(27.5° N,132.5° E),格点为142×106。数值试验中格点间距为25 km,垂直分层为30层,层顶气压为50 hPa。

为了评估FY-3C/MWHTS反演的海面气压场对台风数值预报的影响,设计了两组试验,分别为不使用反演以及同化技术的控制实验(CTRL),和使用反演以及同化技术的敏感性试验(REXP)。两组试验的背景场一致,均使用NCEP FNL分析数据。被同化的Maria的海面气压场由2018年7月7日11时48分至7月7日11时56分的FY-3C/MWHTS L1级亮温数据反演得到,被同化的Noru的海面气压场是由2017年8月2日11:59~12:04的FY-3C/MWHTS L1级亮温数据反演得到。将反演得到的海面气压数据按照2.2节所述步骤进行质量控制和稀疏化处理。表1总结了数据的同化预处理情况。可以看出,经过质量控制和资料稀疏化后,保留的有效观测值比例约为60%。

表1   反演的海面气压数据的同化预处理情况

Table 1  Assimilation preprocessing of the retrieved surface pressure data

台风个例模式区域内观测像元数目质量控制后观测像元数目稀疏化处理后观测数目
Maria11 41411 3396 934
Noru10 69110 6047 017

新窗口打开| 下载CSV


数值实验使用WRF ARW动力框架对模拟区域内各种过程进行积分计算。微物理过程选择WRF Single-Moment 6-class (WSM6)[23],积云方案为Karin Fritsh方案,边界层过程使用Yousei大学(YSU)方案[24]

3 结 果

3.1 海面气压反演结果

为了证实反演的海面气压的可靠性,将反演的海面气压数据与下投探空和浮标的测量结果进行对比。本文使用平均偏差(Bias)和均方根误差(RMSE)作为对反演结果统计验证的定量标准。它们的定义如下:

Bias=1ni=1nxop-xrp
RMSE=1ni=1nxop-xrp2

其中:n表示匹配数据的数目;xrp表示反演结果;xop表示现场气压观测值。

将2012年1月至2017年12月所有的热带气旋情形下MWHTS观测资料反演得到的海面气压数据与下投探空和浮标的现场气压观测资料进行匹配,时间窗口为50 min。为了减少时间空间匹配误差,使用中国气象局(CMA)发布的台风最佳路径以及美国国家飓风中心(NHC)发布的飓风最佳路径数据确定热带气旋移动速度和方向,并根据移动速度和方向信息将反演的热带气旋气压场进行移动,使之与现场气压观测资料对应同样的时刻,然后再进行反演结果与现场气压观测资料的对比。图1是反演的海面气压与现场气压观测值的对比结果。根据图1,反演结果与现场观测值一致性高,平均偏差为-1.49 hPa,均方根误差为3.94 hPa,反演结果与现场观测偏差的分布近似满足高斯分布。

图1

图1   反演的热带气旋区域海面气压与现场观测对比结果

Fig.1   Comparison between the retrieved surface pressure under tropical cyclone conditions and in situ observations


图2(a)、(c)分别为由FY-3C/MWHTS L1级亮温数据反演得到的“Maria”和“Noru”的海面气压场。为了初步检验反演效果,将反演的海面气压场与最近时次的NCEP FNL分析数据(图2(b)、(d))进行了对比。图中使用灰色三角符号标注了CMA最佳路径数据的台风中心位置。表2总结了反演的中心气压和和位置与NCEP数据以及CMA最佳路径数据的对比结果。反演的Maria的中心气压为939 hPa,NCEP 中心气压为956 hPa。反演的Noru的中心气压为950 hPa,较NCEP FNL分析数据(957 hPa)低7 hPa。根据表2,与NCEP FNL分析数据相比,反演的中心气压和位置更加接近最佳路径数据。

图2

图2   FY-3C/MWHTS亮温资料反演的海面气压场和NCEP FNL海面气压分析场(hPa)

Fig.2   Retrieved surface pressure field and NCEP FNL surface pressure analysis field


表2   反演的台风Maria和Noru的中心气压和位置与NCEP FNL 数据以及CMA最佳路径数据的对比

Table 2  Comparison between retrieved central pressure and location with NCEP data and CMA best track data

台风时刻反演结果NCEP FNL数据CMA最佳路径数据
中心气压中心位置中心气压中心位置中心气压中心位置
Maria2018年7月7日12时939 hPa18.0° N, 140.3° E956 hPa18.0° N, 140.0° E935 hPa18.0° N, 140.3° E
Noru2017年8月2日12时950 hPa26.2° N, 135.8° E957 hPa26.0° N, 136.0° E950 hPa26.2° N, 135.6° E

新窗口打开| 下载CSV


3.2 CTRL试验和REXP试验初始场对比结果

图3(a)、(b)分别描述了CTRL试验和REXP试验的Maria初始时刻海面气压场。对比分析可以看出,REXP试验初始时刻台风中心附近强度较CTRL试验明显增加,等值线分布更加密集。REXP试验最低海面气压值为939 hPa,而控制试验为956 hPa,REXP试验的中心气压与最佳路径数据(935 hPa)更加接近。图3中的灰色三角符号标注了初始时刻CMA发布的台风中心位置,可以看出REXP试验的中心位置(18.00°N, 140.25°E)与CMA最佳路径数据(18.00°N, 140.30°E)基本一致,而CTRL试验的中心位置(18.00°N, 140.00°E)与最佳路径有一定偏差。

图3

图3   2018年7月7日12时CTRL和REXP试验的海面气压场(hPa)

Fig.3   The surface pressure field of CTRL experiment and REXP experiment at 1200 UTC on July 7, 2018


图4描述了初始时刻CTRL试验和REXP试验Maria的温度距平的纬向垂直剖面。温度距平是指偏离环境场平均温度的量,这里环境场是指以热带气旋中心为圆心,6°8°为半径的同心圆圈之间的区域。由图4可以看出在250 hPa高度处Maria有一个明显的暖心,REXP试验得到的暖心强度更强,最大暖心距平为18.0°,CTRL试验得到的暖心强度较弱,最大暖心距平为10.0°。REXP试验中温度距平大于4°的暖心区域纵贯800~100 hPa,而CTRL试验的暖心主要位于对流层中高层,且水平尺度小于REXP试验。图5给出了初始时刻CTRL试验和REXP试验Noru的温度距平的纬向垂直剖面。可以看出,CTRL试验台风中心附近的温度距平等值线较为稀疏,在300 hPa高度附近有一个暖心,最大暖心距平为10.0°。相比之下,REXP试验的暖心强度更强,中心附近温度距平梯度更大,最大暖心距平为14.0°。这种暖心强度的增强与台风中心气压梯度的增大以及台风强度的增强有关。因此,同化FY-3C/MWHTS海面气压场不仅使低层台风中心强度加强,并一直影响到了对流层顶,调整了台风的暖心结构和强度。

图4

图4   2018年7月7日12时CTRL和REXP试验的温度距平沿台风中心纬向垂直剖面图(K)

Fig.4   Vertica-zonal cross section of warm core simulated by CTRL experiment and REXP experiment at 1200 UTC on July 7, 2018


图5

图5   2017年8月2日12时CTRL和REXP试验的温度距平沿台风中心纬向垂直剖面图(K)

Fig.5   Vertica-zonal cross section of warm core simulated by the CTRL experiment and REXP experiment at 1200 UTC on August 2, 2017


图6图7分别是初始时刻Maria和Noru的CTRL试验和REXP试验水平风速沿台风中心纬向垂直剖面。可以看出,同化过程中海面气压信息对风场产生了强迫,台风中心附近水平气压梯度的增加使近地面和中高层台风中心附近纬向风明显增强。

图6

图6   2018年7月7日12时CTRL和REXP试验的风速沿台风中心纬向垂直剖面图(m/s)

Fig.6   Vertica-zonal cross section of wind speed simulated by the CTRL experiment and REXP experiment at 1200 UTC on July 7, 2018


图7

图7   2017年8月2日12时CTRL 和REXP试验的风速沿台风中心纬向垂直剖面图(m/s)

Fig.7   Vertica-zonal cross section of wind speed simulated by the CTRL experiment and REXP experiment at 1200 UTC on August 2, 2017


3.3 台风路径和强度预报结果

图8(a)描述了CMA发布的Maria的最佳路径以及CTRL和REXP试验的72 h路径预报结果(两点之间间隔为6 h)。数值试验使用海面最低气压来定位台风中心位置。可以看出,两组试验均模拟出了Maria向西北方向移动的过程。在24 h以内,两组试验对台风发展趋势和移动路径的预报与最佳路径均较接近,CTRL试验和REXP试验0~24 h预报路径与最佳路径的均方根误差分别为30.5 km和26.0 km。对于24 h以后的预报,REXP试验较CTRL试验方向偏北,且发展较CTRL试验慢,更加接近最佳路径。CTRL试验和REXP试验0~72 h路径预报的均方根误差分别为60.2 km和30.7 km。

图8

图8   2018年7月7日12时~7月10日12时台风Maria的实况和预报路径和2017年8月2日12时~8月5日12时台风Noru的实况和预报路径

Fig.8   The observed and the forecasted tracks of typhoon Maria and typhoon Noru


图8(b)给出了CTRL试验和REXP试验对台风Noru的72 h路径预报结果。与CTRL试验相比,REXP试验的初始位置更接近实况,CTRL试验的初始位置与最佳路径相差49.2 km,而REXP试验仅为17.4 km。对于18 h内的预报,两组试验的路径预报效果均较理想,与实况基本一致。对于18 h以后的预报,REXP试验较CTRL试验更加接近最佳路径。CTRL试验和REXP试验0~72 h 路径预报的均方根误差分别为35.7 km和19.9 km。表3总结了两组试验预报的路径与最佳路径的均方根误差,根据表3图8,同化FY-3C/MWHTS海面气压场有效改进了台风“Maria”和“Noru”的路径预报精度。

表3   台风Maria和Noru实况和预报的路径和强度的均方根误差

Table 3  The root mean squre errors between observed and the forecasted track and minimum surface pressure of typhoon Maria and Noru

台风试验路径预报均方根误差/km强度预报均方根误差/hPa
0~24 h24~48 h48~72 h0~24 h24~48 h48~72 h
MariaCTRL试验30.550.8105.628.324.517.1
REXP试验26.029.240.215.311.55.3
NoruCTRL试验24.551.427.88.66.021.8
REXP试验18.221.021.03.54.914.8

新窗口打开| 下载CSV


图9(a)描述了两组试验对Maria强度预报的对比结果。可以看出,两组试验均正确描述了Maria强度增强然后减弱的趋势,但是与CTRL试验相比,REXP试验的最低海面气压更加趋近于最佳路径数据。CTRL试验和REXP试验0~72 h预报强度与最佳路径数据的均方根误差分别为23.6 hPa和11.1 hPa。

图9

图9   2018年7月7日12时~7月10日12时台风Maria的实况和预报的中心气压值和2017年8月2日12时~8月5日12时台风Noru的实况和预报的中心气压值

Fig.9   The observed and the forecasted minimum surface pressure of typhoon Maria and typhoon Noru


图9(b)是两组试验的Noru强度预报对比图。对于24 h以内的预报,两组试验均正确描述了Noru强度减弱的趋势,CTRL试验和REXP试验0~24 h预报的强度与最佳路径数据的均方根误差分别为8.6 hPa和3.5 hPa。对于24 h以后的预报,两组试验对Noru发展趋势的描述不理想,但是与CTRL试验相比,REXP试验的最低海面气压更加接近最佳路径数据。CTRL试验和REXP试验0~72 h强度预报的均方根误差分别为13.5 hPa和10.6 hPa。根据图9表3,同化海面气压场改善了台风“Maria”和“Noru”的强度预报精度。

4 结 论

本文使用WRF三维变分同化系统同化了由FY-3C/MWHTS观测资料反演得到海面气压场,并以台风“Maria”和“Noru”为例,研究了同化的海面气压场对台风数值预报的影响。主要结论可以总结如下:

(1)将热带气旋情形下FY-3C/MWHTS观测资料反演的海面气压数据与现场气压观测资料进行了对比,结果表明反演的海面气压与现场观测资料的一致性高,它们的平均偏差为-1.49 hPa,均方根误差为3.94 hPa。

(2)同化FY-3C/MWHTS资料反演的海面气压场使台风初始时刻中心气压与位置更接近实况。另外,该反演资料不仅影响了低层,而且在模式动力约束下,对高层也产生了影响,调整了台风初始温度场和风场的结构和分布。

(3)同化FY-3C/MWHTS资料反演的海面气压场使台风的路径和强度预报的精度有所提升。

本研究为改进资料稀缺的海上热带气旋系统的预报提供了一个新的思路并进行了初步尝试。同时也为FY-3C/MWHTS资料在台风中的应用作出前沿探讨,具有重要的科学和应用意义。但在数值试验中,没有考虑海洋和大气模式的耦合以合理体现海洋飞沫和海浪的影响,这有待未来进一步改进。此外,今后将使用更多的台风个例更加系统性的评估同化FY-3C/MWHTS资料反演的海面气压场对不同类型、不同发展阶段台风数值预报的影响。

参考文献

Hu Tangao, Zhang Dengrong, Wang Jie, et al.

Review of Typhoon Monitoring Technology based on Remote Sensing Satellite Data

[J]. Remote Sensing Technology and Application, 2013, 28(6): 994-999.

[本文引用: 1]

胡潭高, 张登荣, 王洁.

基于遥感卫星资料的台风监测技术研究进展

[J]. 遥感技术与应用, 2013, 28(6): 994-999.

[本文引用: 1]

Niu Xuexin.

The Internal Force of Typhoon

[J]. Chinese Journal of Atmospheric Sciences, 1983, 7(1): 42-49.

[本文引用: 1]

钮学新.

台风的内力

[J]. 大气科学, 1983, 7(1): 42-49.

[本文引用: 1]

Zhao Huaisen.

Judging the Development and Trend of Typhoon by the Central Pressure of Typhoon

[J]. World Shipping, 1998, 2(6): 15-17.

[本文引用: 1]

赵怀森.

利用台风中心气压值判断台风发展和动向

[J]. 世界海运, 1998, 2(6): 15-17.

[本文引用: 1]

Lei Xiaotu.

The Dynamical Research of TC Structure on Movement

[J]. Acta Oceanologica Sinica, 2002, 24(1): 35-46.

[本文引用: 1]

雷小途.

热带气旋的结构对其移动影响的动力分析

[J]. 海洋学报, 2002, 24(1): 35-46.

[本文引用: 1]

Liu Lei, Fei Jianfang, Cheng Xiaoping. Impact of Different Variables on Typhoon Forecasting in 3

D-Var

[J]. Meteorologyand Disaster Reduction Research, 2008, 31(1): 29-34.

[本文引用: 1]

刘磊, 费建芳, 程小平.

三维变分同化中不同物理量对台风预报的影响

[J]. 气象与减灾研究, 2008, 31(1): 29-34.

[本文引用: 1]

Wu Z, Jiang C, Deng B, et al.

Sensitivity of WRF Simulated Typhoon Track and Intensity over the South China Sea to Horizontal and Vertical Resolutions

[J]. Acta Oceanologica Sinica, 2019, 38(7): 74-83.

Li Qiuyang, Shen Feifei, Xu Dongmei, et al.

Influence of Different Initial Fields on Numerical Simulation of Typhoon Saomai

[J]. Meteorological Science and Technology, 2019, 47(3): 460-468.

[本文引用: 1]

李秋阳, 沈菲菲, 许冬梅,.

不同初始场资料对台风“桑美”数值模拟的影响

[J]. 气象科技, 2019, 47(3): 460-468.

[本文引用: 1]

Hock T F, Franklin J L.

The NCAR GPS Dropwindsonde

[J]. Bulletin of the American Meteorological Society, 1999, 80(3): 407-420. doi: 10.1175/1520-0477(1999)0802.0.CO;2.

[本文引用: 1]

Chan P W, Wu N G, Zhang C Z, et al.

The First Complete Dropsonde Observation of a Tropical Cyclone over the South China Sea by the Hong Kong Observatory

[J]. Weather, 2018, 73(7): 227-34. doi:10.1002/wea.3095.

[本文引用: 1]

Brown R A,Levy G.

Ocean Surface Pressure Fields from Satel-lite-Sensed Winds

[J].Monthly Weather Review,1986,114(11):2197-2206. doi:10.1175/1520-0493(1986)1142.0.CO;2.

[本文引用: 1]

Zierden D F, Bourassa M A, O'Brien J J.

Cyclone Surface Pressure Fields and Frontogenesis from NASA Scatterometer (NSCAT) Winds

[J]. Journal of Geophysical Research: Oceans, 2000, 105(C10): 23967-23981. doi:10.1029/2000jc900062.

Patoux J, Foster R C, Brown R A.

An Evaluation of Scatterometer-derived Oceanic Surface Pressure Fields

[J]. Journal of Applied Meteorology and Climatology, 2008, 47(3): 835-852. doi:10.1175/2007jamc1683.1.

Zhang Fan, Liu Yudi.

Analysis on Sea Surface Pressure of the Typhoon Retrieved from Scatterometer Wind Data

[J]. Progress in Natural Science, 2008, 18(11): 1288-1296.

[本文引用: 1]

张帆, 刘宇迪.

散射计风场反演的台风海平面气压场分析

[J]. 自然科学进展, 2008, 18(11): 1288-1296.

[本文引用: 1]

Zhang Fan, Zhao Jiye.

Comparison of the Retrieved Typhoon Sea Level Pressure Field with NCEP and Best Track Data

[J]. Guangdong Meteorology, 2008, 30(1): 29-32.

[本文引用: 1]

张帆, 赵继业.

反演台风海平面气压场与NCEP及报文资料的对比

[J]. 广东气象, 2008, 30(1): 29-32.

[本文引用: 1]

Zhang Liang, Huang Sixun, Du Huadong.

A New Method of Retrieving Typhoon’s Sea Level Pressure Fields and Central Positions from Scatterometer-derived Sea Surface Winds

[J]. Acta Physics Sinca, 2011, 60(11): 792-801.

[本文引用: 1]

张亮, 黄思训, 杜华栋.

散射计资料对台风海平面气压场的反演和定位的新方法研究

[J]. 物理学报, 2011, 60(11): 792-801.

[本文引用: 1]

Zhang Z, Dong X, Liu L, et al.

Retrieval of Barometric Pressure from Satellite Passive Microwave Observations over the Oceans

[J]. Journal of Geophysical Research: Oceans, 2018, 123(6): 4360-4372. doi:10.1029/2018JC013847.

[本文引用: 1]

Zhang Z, Dong X, Hon K.K,et al.

Tropical Cyclone Surface Pressure Field Estimation Using Satellite Passive Microwave Observations over the Oceans

[J]. Journal of Geophysical Research: Oceans, 2019, 124(11): 7854-7872. doi:10.1029/2019JC015136.

[本文引用: 2]

Zhang Zijin.

Study on the Retrieval Theory and Method of Sea Surface Pessure Basing on Passive Microwave Observations

[D]. Beijing: University of Chinese Academy of Sciences(National Space Science Center, Chinese Academy of Sciences), 2019.

张子瑾. 基于被动微波探测的海面气压反演理论和方法研究

[D]. 北京: 中国科学院大学(中国科学院国家空间科学中心), 2019.

[本文引用: 2]

Barker D M, Huang W, Guo Y-R, et al.

A Three-dimensional Variational Data Assimilation System for MM5: Implementation and Initial Results

[J]. Monthly Weather Review, 2004, 132(4): 897-914. doi:10.1175/1520-0493(2004)132<0897:atvdas>2.0.co;2.

[本文引用: 1]

Gu J, Xiao Q, Kuo Y, et al. Assimilation and Simulation of Typhoon Rusa (2002)

Using the WRF System

[J]. Advances in Atmospheric Sciences, 2005, 22(3): 415-427. doi:10.1007/bf02918755.

[本文引用: 1]

Zaron E D. Introduction to Ocean Data Assimilation[M]. Berlin: Springer Netherlands, 2011.

[本文引用: 1]

Parrish D F, Derber J C.

The National Meteorological Center's Spectral Statistical-interpolation Analysis System

[J]. Monthly Weather Review, 1992, 120(8): 1747-1763. doi:10.1175/1520-0493(1992)120<1747:tnmcss>2.0.co;2.

[本文引用: 1]

Jankov I, Gallus W A, Segal M, et al.

The Impact of Dif-ferent WRF Model Physical Parameterizations and Their Interactions on Warm Season MCS Rainfall

[J]. Weather and Forecasting, 2005, 20(6): 1048-1060. doi: 10.1175/WAF888.1.

[本文引用: 1]

Hu X M, Nielsen-Gammon J W, Zhang F.

Evaluation of Three Planetary Boundary Layer Schemes in the WRF Model

[J]. Journal of Applied Meteorology and Climatology, 2010, 49(9): 1831-1844. doi: 10.1175/2010jamc2432.1.

[本文引用: 1]

/