浙江沿海熱帶氣旋風場蘭金渦旋模型的檢驗與優(yōu)化

涂小萍，王武軍，鄭健，蔣璐璐，謝華

（1.寧波市氣象局，浙江寧波315012；2.寧波大學寧波市非線性海洋和大氣災害系統(tǒng)協同創(chuàng)新中心，浙江寧波315211；3.浙江省氣象科學研究所，浙江杭州310008）

?

浙江沿海熱帶氣旋風場蘭金渦旋模型的檢驗與優(yōu)化

涂小萍1,2,3，王武軍1，鄭健1，蔣璐璐1，謝華1

（1.寧波市氣象局，浙江寧波315012；2.寧波大學寧波市非線性海洋和大氣災害系統(tǒng)協同創(chuàng)新中心，浙江寧波315211；3.浙江省氣象科學研究所，浙江杭州310008）

摘要：基于2010—2013年嚴重影響浙江沿海的熱帶氣旋資料、浙江省自動氣象站及寧波涼帽山370 m高塔資料，引入蘭金渦旋模型，提出一種最大風速半徑計算方案，進行最大風速半徑和不同形狀因子的試驗和檢驗分析。結果發(fā)現：對于嚴重影響浙江沿海海面的熱帶氣旋，選擇適當形狀因子的蘭金渦旋模型是適用的，形狀因子與熱帶氣旋結構有關，對強風帶范圍大的熱帶氣旋形狀因子取值相對大,形狀因子在0.8—1.1之間得到浙江沿海站點蘭金風速平均誤差最小值。氣象站點距離海岸線遠近對蘭金風速誤差有最重要的影響，站點越遠離海岸線，其蘭金模型風速越接近實況，站點越靠近海岸線，其蘭金風速越容易比實況偏強。多元回歸訂正能在一定程度上減小蘭金風速誤差。寧波涼帽山高塔資料分析表明：選擇適當的形狀因子可使得擬合邊界層風廓線更接近于實況。

關鍵詞：蘭金渦旋；形狀因子；熱帶氣旋；邊界層；浙江

1　引言

熱帶氣旋(Tropical Cyclone，簡稱TC)是熱帶海洋上形成的一種災害性天氣系統(tǒng)，它引起的巨浪、風暴潮、狂風暴雨等經常給沿海地區(qū)造成重大損失。浙江省是受TC影響較多的沿海省份，登陸和影響浙江的熱帶氣旋主要集中在7—9月[1]。TC結構、移動速度、移向的不同都會導致風雨影響程度的差異[2]。20世紀90年代以來隨著多普勒雷達在我國的組網建設，對TC登陸后的邊界層結構有了新的研究和進展，基于相關性追蹤技術（Tracking Radar Echoes by Correlation,簡稱TREC）[3]，地基雷達軌跡顯示技術（Ground Based Velocity Track Display,簡稱GBVTD）[4]的TC邊界層結構研究取得了很多成果[5-6]。這些研究主要針對登陸TC的非對稱結構變化進行，為TC登陸后的大風和降水預報提供了重要參考。

由于洋面上觀測資料稀少，模型風場被廣泛用于TC結構的研究中，其中不乏簡單實用的，如朱首賢等[7]建立的基于特征等壓線的不對稱型氣壓場和風場模型，但蘭金（Rankine）組合渦仍是氣象學上最常用的TC物理模型，該模型基于最大風速的風場分布，可應用于估算廣闊洋面上的TC風場分布。2006年Macafee和Pearson[8]基于多種資料，對包括蘭金渦旋模型在內的5種TC參數化風場進行對比分析，并在蘭金渦旋模型中考慮了一定的形狀因子，結果發(fā)現：TC不同象限最大風速半徑（Rmax）不是對稱變化的，Rmax的大小與中心附近最大風速（Vmax）有關，Vmax越大，Rmax的不對稱性越小，與浮標站觀測對比，對16 m/s及以上的風力，選擇適當參數后的模型風速與浮標站觀測平均誤差可以小于1 m/s。許映龍等[9]在一定的假設前提下，利用蘭金渦旋模型構造TC風場，并將構造的理想風場與兩種基于多普勒雷達徑向速度場確定的TC風場進行對比。2008年顏文勝等[10]在蘭金渦旋運動模式基礎上模擬TC的水平風場結構，證明環(huán)境風的分析判斷對近海TC的移動路徑預報有很好的指示意義。藏增亮等[11]在研究多普勒天氣雷達徑向風場反演散度場時利用蘭金渦旋構造了一個只有氣旋式旋轉的切向風速理想場，其結果也表明了對氣旋采用蘭金渦旋理論是科學合理的。

經典蘭金渦旋模型中最重要的參數是最大風速半徑R。2004年胡邦輝等[12]對藤田氣壓模式經合理的簡化和推導，提出了一個針對穩(wěn)定狀態(tài)的海面移動非對稱TC的最大風速半徑計算方案，其研究表明：TC最大風速半徑與中心附近最大風速、中心氣壓、環(huán)境溫度和氣壓、摩擦系數等相關。陳德文等[13]基于QuikSCAT風場和美國聯合臺風預警中心的TC資料，將遙感平均風剖面與Holland臺風模型進行最小二乘法擬合來反演TC最大風速半徑，取得了較好效果。在假設TC環(huán)流完全對稱的前提下，多普勒雷達基速度資料廣泛應用于TC定位和R的確定中，但由于多普勒雷達速度資料的半徑在230 km以內，定位對資料的質量要求非常之高，速度模糊甚至距離模糊存在都會導致定位失敗[14]。

目前TC數值模式中普遍采用將TC Bogus方案疊加于分析場中形成初始場，蘭金渦旋模型就是一個理想化的TC Bogus方案[15]。為了提高Bogus方案對TC不對稱性的描述，很多氣象專家結合觀測事實，采用不同的方法構造TC Bogus模型，通過不同TC個例的試驗表明可以改善數值模式對TC的預報效果[16-18]。根據Macafee和Pearson的研究，引入適當的形狀因子有可能減小蘭金模型風速誤差。TC靠近陸地時常常發(fā)生變形，對于不同象限的TC風場考慮不同的形狀因子有可能減小蘭金模型風速誤差，因此有必要加強靠近陸地的TC風場蘭金渦旋模型適用性的研究。

對浙江省造成直接影響、間接影響和影響程度介于二者之間的TC個數分別為39.5%、41.6%和18.9%，其中直接影響類TC一般穩(wěn)定西北行，強度強，在廈門以北到浙江沿海登陸，往往給浙江陸地和沿海帶來狂風暴雨，間接影響類TC風雨災害程度相對較輕，而介于直接影響和間接影響之間的TC一般在125°E以西緊靠浙江沿海北上，主要災害為海上大風[19]。本文引入蘭金渦旋模型，適當考慮形狀因子B進行試驗，以1211強臺風“?？睘槔敿毥榻B分析方法，對2010—2013年嚴重影響浙江沿海海面的6個TC個例進行適用性檢驗，目的是利用沿海多種測風資料對蘭金渦旋模型進行檢驗，特別是針對TC受到陸地摩擦影響下不同形狀因子的誤差情況進行分析，為TC海面風分布的預報服務和防臺抗臺提供科學依據。對于缺少觀測資料的東海海面，本文的工作也為大風服務提供參考。

2　資料和方法

2.1資料

TC個例的選擇：選擇2010—2013年間，經過以30°N、122°E為圓心，3.5個緯距為半徑范圍，在浙江沿海海面風力達到嚴重影響程度（浙江沿海210個氣象站中至少有1個站點陣風達10級及以上）的TC為分析對象[19]，共計6個TC滿足條件，路徑見圖1。影響時段選擇沿海有站點進入TC 7級風圈開始到站點10 min平均風速減小到6級以下，分析針對全風速進行，各TC資料時段見表1。

表1　TC個例概況

TC定位定強和站點觀測資料：TC資料為中央氣象臺（CMO）實時業(yè)務定位定強資料，站點風速為逐10 min平均風速，資料來自浙江省氣象信息中心。氣象站點資料入庫時均經過自動質量控制和人工審核，應用這部分資料時本文沒有進行質量控制。

寧波涼帽山高塔資料：高塔位于寧波涼帽山島（29.911°N、122.024°E，塔基海拔20 m），距離大陸海岸線約2 km，塔高370 m，在相對塔基32、60、89、139、179、212、263和298 m的南北兩個方向分別安裝了氣象觀測儀器，進行溫、濕（溫濕傳感器為HMP45D型）和風（二維超聲風速儀，德國THIES公司生產）的觀測，塔基安裝自動氣象站和二維超聲風速儀進行同步觀測，多套儀器同步觀測是用于設備備份及資料質量控制[20]。本文所用高塔資料時間為2012年8月7日00時—8月8日03時(北京時，下同)，均經過人工審核，其中199、318 m兩層僅北側有觀測資料，其他層次取南北觀測資料均值。

圖1　TC個例路徑

圖2　進入TC最大風速半徑R的站點蘭金風速RV與r變化示意圖

2.2研究方案

對于進入TC最大風圈半徑R的氣象站點，在TC中心靠近和遠離的過程中，最大風速半徑R隨時間有所改變，但總體變化不大，必然有兩個時刻站點與TC中心距離r等于蘭金最大風速半徑R，即r= R，在完全滿足蘭金渦旋模型的情況下，這兩個時刻站點切向風速V等于Vmax，兩風速峰值中間存在風速谷值對應r＜R且極小（見圖2）。

以CMO逐小時業(yè)務定位和定強為基礎，引入考慮形狀因子的蘭金渦旋模型模擬TC風場結構[9,15]，則距離TC中心r點的渦旋切向風速分布滿足式（1）：

式中：B為形狀因子，B=1.0時即為標準蘭金渦旋模型，Vmax為TC中心附近最大風速（取CMO逐小時主觀定強風速），R為Vmax所在半徑，V為半徑r處的切向風速。Macafee和Pearson在應用蘭金渦旋模型研究大西洋颶風時認為形狀因子取0.5可以適用于中緯度TC，本文分別對B從0.5—1.2間隔0.1的逐個形狀因子試驗。

業(yè)務工作中海面風的預報和服務是針對海平面10 m高度，浮標站測風被認為具有最好的代表性。浙江沿海布有溫州、舟山兩個浮標站，假設TC影響時浮標站風速滿足蘭金渦旋模型，在式（1）中已知TC中心附近最大風速Vmax、站點逐小時觀測風速（式中V）和TC中心與站點距離（式中r），即可推算出逐小時最大風圈半徑R。根據R、Vmax和r，則可推算各站點蘭金渦旋模型風速（下稱RV）。各站點RV與觀測風速（下稱V）會有差異，對每個TC影響期間不同形狀因子的逐小時蘭金風速誤差（下稱δ，為蘭金風速與實測風速差值，δ=RV-V）求時間平均，平均誤差越小說明形狀因子B的取值更佳。將逐小時蘭金風速誤差與站點信息進行多元回歸，根據回歸方程對沿海站點δ進行訂正，通過訂正前后的蘭金風速誤差對比來考察訂正效果。研究步驟與內容如圖3。

圖3　不同形狀因子B誤差試驗及適用性檢驗研究步驟與內容

圖4　1211“?？钡奶m金渦旋模型誤差隨形狀因子的變化

3　結果分析

3.1“海葵”蘭金渦旋模型應用分析

參與試驗的6個TC中，只有1211“海葵”穿越了浙江省陸地，距離寧波涼帽山高塔最近，下文以“?？睘榇磉M行詳細分析。根據預定計算方案，“?？庇绊懫陂g共有3410站次達到標準，根據式（1）計算逐時次形狀因子為0.5—1.2的蘭金渦旋模型風速并與實況比較，可計算出逐站次蘭金渦旋模型風速誤差，從而得到“?？庇绊懫陂g浙江沿海蘭金渦旋模型風速誤差絕對值平均和誤差平均隨形狀因子B的變化（見圖4），可見B=0.9時兩者均最小，其次是B=0.8和B=1.0，下面分析僅針對B=0.9和B=1.0的結果。

寧波北漁山、檀頭山和臺州的東磯島（站點均位于浙江近海，具體位置在圖6中分別以BYS、TTS 和DJ標注）進入了“海葵”最大風速半徑內，站點與TC中心最近距離分別為10.7 km、22.2 km和28.7 km，3站點海平面氣壓都表現出明顯的漏斗型特征。寧波多普勒雷達TREC風場資料表明：“海葵”眼區(qū)范圍偏大，登陸前眼區(qū)直徑超過50 km，登陸后范圍更大，故認為這3個自動站不僅進入“?？弊畲箫L速半徑內，而且TC中心還從站點附近經過。下面以東磯島為例進行蘭金渦旋模型和實況風速的對比分析。

圖5為依據CMO業(yè)務定位定強及舟山浮標站資料，形狀因子B分別為1.0和0.9，對應“?？敝鹦r蘭金最大風速半徑R1（B=1.0）和R2（B=0.9）、TC中心與東磯島距離r、東磯島實況風速V及蘭金風速演變曲線對比（RV1為B=1.0時，RV2為B=0.9時）?？梢?012年8月8日03時“?？钡顷懬?0 min R1和R2均達到最小，分別為55 km、51.5 km，此時東磯島距離TC中心r=35.7 km，事實上8月8日00—07時站點r均小于R1和R2，表明該時段站點位于蘭金渦旋最大風速半徑內。風速演變趨勢分析表明“?？笨拷鼥|磯島時站點風速持續(xù)增大，遠離時持續(xù)減小，實況觀測到2個風速峰值分別出現在8 月7日23時和8月8日07時，峰值間隔8 h，對應風速分別達到43.7 m/s和36.6 m/s。對比可見：蘭金風速RV峰值與觀測峰值出現時間基本一致，峰值出現時，r值接近R。東磯島第一觀測峰值出現時，RV1達到峰值46.1 m/s，RV2達到42.6 m/s的次峰值，此時站點r=80 km，接近R1=77 km和R2= 72 km。“?？边h離過程中，東磯島第二風速峰值出現時，對應蘭金風速RV1=35.3 m/s和RV2=37.9 m/ s，也達到峰值附近，此時東磯島r為61.8 km，也接近R1（66.5 km）和R2（61.9 km）。北漁山和檀頭山的實測風速和蘭金風速基本表現出相同的變化趨勢，由于檀頭山自動站靠近大陸海岸線，實況觀測風速雖明顯小于蘭金渦旋模型，但觀測風速V峰值出現時，RV1和RV2也達到峰值或次峰值，觀測風速峰值出現時對應的r與R1和R2也基本接近。可見基于CMO對“?？睒I(yè)務定位定強和舟山浮標站風速資料計算的“?？碧m金渦旋最大風速半徑R1和R2均得到實況觀測資料的驗證，計算結果合理。

圖5　“?？逼陂g不同參數時間序列變化

圖6　2012年8月7日23時浙江省自動站全風速（填色）、B=1.0（黑色實線）和B=0.9（黑色虛線）的蘭金渦旋模型風速（灰色圓為B=1.0蘭金最大風速半徑）

圖6為2012年8月7日23時東磯島（DJ）觀測到第一峰值時浙江省自動站實況全風速及B=1.0和B=0.9時的蘭金渦旋模型風速空間分布，此時東磯島靠近B=1.0的蘭金最大風速半徑并觀測到最大風速43.7 m/s。圖中可見：實測等風速線近似平行于海岸線自西向東增大，海岸線附近梯度最大。臺州和寧波近海海面蘭金風速等值線與實況更為接近，但實況在靠近海岸線的風速梯度明顯大于蘭金渦旋模型，表明沿海地區(qū)實況風速減小明顯比蘭金渦旋模型快。對比形狀因子B=1.0和B=0.9時的蘭金風速發(fā)現：B=0.9時近海海面蘭金風速相對于B=1.0偏小但更接近實況，相同半徑的蘭金風速前者比后者風力偏小1級左右。

3.2回歸訂正對蘭金風速的改進

3.2.1回歸方程的建立及其對不同形狀因子蘭金風速的改進

形狀因子B分別為1.0和0.9時，分析發(fā)現蘭金渦旋模型風速誤差δ與浙江沿海氣象站點海拔高度、站點與大陸海岸線距離、觀測時段風速標準差相關系數差異不大，B=1.0時分別為-0.234、-0.723、-0.421，B=0.9時則為-0.237、-0.720和-0.425，海拔高度因子通過0.05信度檢驗，后兩個因子相關系數通過0.01信度檢驗，表明站點海拔高度對δ有一定影響，但不是重要因子。δ與站點海拔高度的負相關關系反映出海拔高度越低，地形摩擦作用越明顯，實際觀測風速越容易偏小，相同r時蘭金風速越容易大于實測值，從而導致蘭金風速越趨于正誤差。δ與站點到大陸海岸線的距離相關系數達到-0.72，表明站點所在的地理位置對δ有最重要的影響，距離海岸線近的站點，地形作用相對明顯，實況風速越容易偏小，在r相同的情況下，蘭金渦旋模型容易表現出更大的正誤差。|δ|（蘭金風速誤差絕對值）與站點到大陸海岸線的距離相關系數也達到-0.40左右，表明靠近海岸線的站點受地形影響相對大，|δ|越大，可見遠離海岸線的站點更容易滿足蘭金渦旋模型。與觀測時段風速標準差相關性表明：TC影響時段內風速起伏小的站點蘭金風速越容易偏大，反之越容易偏小。

根據高塔所在位置，在浙江北部沿海87個站點中選擇17個作為獨立檢驗樣本，其它70個站點作為回歸樣本，應用多元回歸方法對δ與站點距海岸線距離、觀測風速標準差及海拔高度進行多元回歸分析，得到方程如下：

δ=7.95-1.2360V-0.0032H-0.130D（B=0.9時）（2）

δ=10.3-1.233V-0.034H-0.132D（B=1.0時）（3）

式中：δ為蘭金風速誤差，V為站點觀測風速標準差，H為站點海拔高度（m），D為站點與大陸海岸線距離（km）。

經剩余17個獨立樣本檢驗（海拔高度8—414 m，海岸線距離12—90 km），回歸后B=1.0的平均蘭金風速誤差絕對值平均由4.2 m/s減小到2.9 m/s，B= 0.9則由4.1 m/s減小到3.3 m/s，可見回歸訂正有較好效果。

3.2.2不同形狀因子時高塔處的擬合蘭金風廓線與實況的對比

從2012年8月8日03時30分開始寧波涼帽山高塔80 m及以上層次資料出錯，因此本文僅對8月7日00時—8月8日03時“?？庇绊懫陂g的高塔資料進行分析，結果只代表“?？钡顷懬案咚幍倪吔鐚犹卣?。

將涼帽山高塔不同層次信息代入式（2）和（3），可計算出高塔不同高度δ，用蘭金風速減去δ即得到高塔處方程擬合出的邊界層蘭金風廓線。

圖7為8月7日00時—8月8日03時，形狀因子分別為1.0和0.9時高塔處回歸方程擬合的時間平均蘭金風廓線與實況對比。B=1.0和B=0.9的兩條擬合蘭金風廓線最大誤差值都出現在塔基，分別偏小4.7 m/s和2.3 m/s，而最小誤差值均出現在52 m，分別為-1.8 m/s和0.2 m/s。從廓線趨勢分析，B=1.0 和B=0.9的擬合風廓線與實況基本一致，但形狀因子B=0.9時風廓線相對于B=1.0的風廓線系統(tǒng)性誤差更小，B=0.9時塔層各層平均擬合誤差絕對值平均比B=1.0減小2 m/s，結果更接近實況?？梢娺x取合適的形狀因子可以減小δ，應用中應當予以考慮。

圖7　不同形狀因子時寧波涼帽山高塔處的擬合蘭金風廓線與實況對比

圖8　嚴重影響浙江沿海TC的蘭金渦旋模型平均誤差隨形狀因子的變化

3.3不同形狀因子的蘭金渦旋模型的適用性檢驗

為了考察蘭金渦旋模型的適用性，對2010—2013年間6個嚴重影響浙江沿海的TC進行分析（個例詳情見表1和圖1）。圖8為所選TC個例形狀因子B取0.5—1.2逐0.1計算得到的浙江沿海蘭金渦旋模型誤差絕對值平均（見圖8a）和誤差平均（見圖8b）隨B的變化曲線，圖中黑色粗實線是樣本數權重誤差平均，圖8可見B=0.9時蘭金風速誤差絕對值平均和誤差平均均達到最小，其次是B=1.0和B= 0.8，且B越小蘭金風速較實況偏小越明顯（見圖8b），個例分析發(fā)現，除1315“康妮”外，其它5個TC均在B=0.9附近出現誤差絕對值平均的最小值（見圖8a），平均誤差表明各TC個例均在形狀因子0.8—1.1之間出現最小誤差，其中4個TC平均誤差最小值出現在0.9—1.0。與Macafee等[8]的研究結果相比，本文得到的形狀因子偏大，可能與TC源地不同有關?？梢妼τ趪乐赜绊懻憬睾：Ｃ娴腡C，蘭金渦旋模型是適用的，但應根據TC個例的不同結構考慮適當的B值。

圖9　兩次TC影響時ECMWF細網格海平面10 m風初始場

圖8分析得出1315“康妮”的蘭金風速誤差絕對值平均與其它5個TC表現不一樣，且1315“康妮”和1209“蘇拉”分別在B=0.8和B=1.1時得到蘭金風速最小誤差，其他TC均在0.9—1.0得到，這與TC結構不同有關。圖9a和9b分別對應2012年8月2日20時和2013年8月29日20時“蘇拉”和“康妮”ECMWF細網格10 m風場（0.25°×0.25°）。“蘇拉”中心位于25.7°N、121.4°E，強風帶主要位于TC中心北側和東側，7級等風速線范圍影響到30°N以北，適當放大形狀因子B才能使得蘭金渦旋模型更接近于實況，最終試驗結果“蘇拉”的B=1.1時蘭金風速誤差最小；而浙江近海北上的1315“康妮”則不同，2013年8月29日20時中心位于26.6°N、122.3°E，分析發(fā)現“康妮”蘭金風速誤差表現與其結構明顯不對稱有關，其大風帶位于TC中心的東側，中心西側風速普遍比東側風速偏小10 m/s以上，減小B才能使得蘭金渦旋模型更接近于實況，最終表現在B= 0.7時得到最小誤差絕對值平均，B=0.8時得到最小平均誤差。形狀因子B是對標準蘭金風速的放大或縮小，取值與TC結構相關，當強風帶范圍跨區(qū)大，實際風速也可能大，需要適當放大B值，反之，則需減小B的取值。

4　結論與討論

基于浙江省氣象站及寧波涼帽山高塔資料，引入蘭金渦旋模型，考慮適當的形狀因子B，對1211強臺風“?？庇绊懫陂g浙江沿海海面站點風和邊界層觀測資料的進行統(tǒng)計分析，并選擇6個嚴重影響浙江沿海的TC個例進行最佳形狀因子的試驗和分析，結果表明：

（1）“?？庇绊懫陂g通過站點測風資料確定蘭金渦旋模型的最大風速半徑，從而計算TC的蘭金風速分布。與實況對比B=0.9時蘭金風速相對于B=1.0偏小但更接近實況，相同半徑的蘭金風速前者比后者風力偏小1級左右；

（2）“?？庇绊懫陂g浙江省氣象站資料分析表明：站點距離海岸線遠近對蘭金風速誤差δ有最重要的影響，站點越靠近海岸線，蘭金風速越容易偏強，距離海岸線遠的站點更容易滿足蘭金渦旋模型。多元回歸能在一定程度上減小δ。寧波涼帽山高塔資料分析表明：形狀因子為0.9相對于形狀因子1.0時在高塔處風廓線有2 m/s左右的系統(tǒng)性誤差的減小，結果更好；

（3）多個TC適用性檢驗發(fā)現：對嚴重影響浙江沿海的TC，形狀因子在0.8—1.1之間得到浙江沿海站點蘭金風速平均誤差最小值，應用時可根據前期觀測資料按文中方法計算蘭金風速誤差及TC結構來選擇適當的形狀因子。

本文試驗對比了不同形狀因子時蘭金渦旋模型風速的總體誤差表現，檢驗了蘭金渦旋模型在浙江沿海的適用性。由于TC結構的不對稱性，位于不同象限的TC形狀因子取值可能有所不同，且形狀因子會隨時間變化而改變，尚待進一步研究和分析。

參考文獻：

[1]朱業(yè),丁駿,盧美,等. 1949-2009年登陸和影響浙江的熱帶氣旋分析[J].海洋預報, 2012, 29(2): 8-13.

[2]俞燎霓,錢惠平,董美瑩,等.熱帶氣旋“麥莎”和“韋帕”在浙江產生大風對比分析[J].海洋預報, 2013, 30(3): 40-45.

[3] Tuttle J, Gall R. A Single-radar Technique for Estimating the Winds in Tropical Cyclones[J]. Bulletin of the American Meteorological Society, 1999, 80(4): 653-668.

[4] Lee W C, Marks Jr F D, Carbone R E. Velocity Track Display—A Technique to Extract Real-time Tropical Cyclone Circulations Using A Single Airborne Doppler Radar[J]. Journal of Atmospheric and Oceanic Technology, 1994, 11(2): 337-356.

[5]魏超時,趙坤,余暉,等.登陸臺風卡努(0515)內核區(qū)環(huán)流結構特征分析[J].大氣科學, 2011, 35(1): 68-80.

[6] Wang M J, Zhao K, Wu D. The T-TREC Technique for Retrieving the Winds of Landfalling Typhoons in China[J]. Acta Meteorologica Sinica, 2011, 25(1): 91-103.

[7]朱首賢,沙文鈺,丁平興,等.近岸非對稱型臺風風場模型[J].華東師范大學學報(自然科學版), 2002, (3): 66-71.

[8] Macafee A W, Pearson G M. Development and Testing of Tropical Cyclone Parametric Wind Models Tailored for Midlatitude Application—Preliminary Results[J]. Journal of Applied Meteorology and Climatology, 2006, 45(9): 1244-1260.

[9]許映龍,矯梅燕,畢寶貴,等.近海臺風雷達定位方法應用研究[J].大氣科學, 2006, 30(6): 1119-1128.

[10]顏文勝,林良勛,翁向宇,等.多普勒天氣雷達速度圖像在近海臺風移動路徑預報中的應用[J].熱帶氣象學報, 2008, 24(6): 665-671.

[11]臧增亮,吳海燕,黃泓.單多普勒雷達徑向風場反演散度場的一種新方法[J].熱帶氣象學報, 2007, 23(2): 146-152.

[12]胡邦輝,譚言科,王舉.熱帶氣旋海面最大風速半徑的計算[J].應用氣象學報, 2004, 15(4): 427-435.

[13]陳德文,董劍,袁方超.基于QuikSCAT衛(wèi)星遙感風場的臺風最大風速半徑反演及個例分析[J].海洋通報, 2012, 31(4): 376-383.

[14]周仲島,鄭秀明,張保亮.都卜勒雷達在颱風中心定位與最大風速半徑決定的應用[J].大氣科學(中國臺灣), 1996, 24(1-2): 1-24.

[15]王亮,陸漢城,付偉基,等.人造臺風模型中三維風場的改進及敏感性模擬研究[J].氣象科學, 2008, 28(6): 606-613.

[16]王亮,陸漢城,潘曉濱,等.非對稱臺風風場的動力初始化應用研究[J].氣象科學, 2009, 29(6): 720-726.

[17]瞿安祥,麻素紅.非對稱臺風bogus方案設計和初步試驗[J].應用氣象學報, 2007, 18(3): 380-387.

[18] Wang S D, Liu J J, Wang B. A New Typhoon Bogus Data Assimilation and Its Sampling Method: A Case Study[J]. Atmospheric and Oceanic Science Letters, 2011, 4(5): 276-280.

[19]劉愛民,涂小萍,胡春蕾,等.寧波氣候和氣候變化[M].北京:氣象出版社, 2009: 135-136, 149-150.

[20]涂小萍,姚日升,楊豪,等.一次入海溫帶氣旋邊界層氣象要素觀測分析[J].自然災害學報, 2013, 22(5): 160-170.

Verification and optimization of the Rankine vortex model on TC wind fields over the offshore Zhejiang Seas

TU Xiao-ping1,2,3, WANG Wu-jun1, ZHENG Jian1, JIANG Lu-lu1, XIE Hua1
（1. Ningbo Meteorological Bureau, Ningbo 315012 China; 2. Ningbo Collaborative Innovation Center of Nonlinear Hazard System of Ocean and Atmosphere, Ningbo university, Ningbo 315211 China; 3. Zhejiang Institute of Meteorological Sciences,Hangzhou 310008 China）

Abstract：Based on the data of tropical cyclones (TC) severely affecting the offshore Zhejiang Seas from 2010 to 2013 and the automatic weather stations data of Zhejiang province and 370 meters tower at the Ningbo Liangmaoshan hill, a calculation method for radius of maximum wind (RMW) has been proposed with the Rankine vortex model. The experiments for testing RMW and influence factors on RMW are conducted. Results show that the Rankine vortex model is reasonable for those TCs severely affecting the offshore Zhejiang Seas when a proper shape factor is taken into account. The shape factor is related to a TC structure and small absolute errors can be got with shape factors between 0.8—1.1. Further analysis also shows the distance from the station to the coastal line is very important. The closer to the coastal line, the error is bigger. Multivariate regression analysis helps to decrease the Rankine vortex errors. The data at the Liangmaoshan tower indicates that a proper shape factor can make the Rankine vortex model wind profile closer to the observation in the boundary layer.

Key words：the Rankine vortex model; shape factor; tropical cyclones; boundary layer; Zhejiang province

作者簡介：涂小萍（1968-），女，正研高工，碩士，主要從事天氣預報和研究。E-mail: txp_hk@aliyun.com

基金項目：浙江省自然科學基金項目（LY15D050001）;寧波市科技計劃項目(2012C50044)。

收稿日期：2015-07-29

中圖分類號：P732.3

文獻標識碼：A

文章編號：1003-0239（2016）01-0019-08