日本海海域1988—2017年氣旋的特征分析

呂欣遠,劉 娜*,楊永增,孔 彬,何 琰,林麗娜,王穎杰

(1.自然資源部第一海洋研究所 海洋環(huán)境與數(shù)值模擬研究室,山東 青島266061；2.自然資源部 海洋環(huán)境科學(xué)與數(shù)值模擬重點實驗室,山東 青島266061；3.青島海洋科學(xué)技術(shù)試點國家實驗室 區(qū)域海洋動力學(xué)與數(shù)值模擬功能實驗室,山東 青島266237；4.中國海洋大學(xué) 海洋與大氣學(xué)院,山東 青島266100)

日本海是一個平均深度可達到1 750 m的西北太平洋封閉型邊緣海[1],它通過朝鮮海峽和津輕海峽與西北太平洋相連,通過宗谷海峽和韃靼海峽與鄂霍茨克海相連[2],是一個重要的航道區(qū)域。溫帶氣旋和熱帶氣旋的發(fā)生會伴隨狂風(fēng)、暴雨、巨浪等惡劣天氣和海況,嚴(yán)重影響船舶航行安全[3]。21世紀(jì)以來,北極地區(qū)劇烈增暖,影響其上大氣環(huán)流場,導(dǎo)致全球氣候發(fā)生劇烈變化[4]。且隨著北極海冰厚度和密集度的減小,北極的適航性大大增加[5],進行北極氣候要素和海洋要素的實地考察更加迫在眉睫。日本海是中國進行北極科學(xué)考察的必經(jīng)航道,除此之外,日本海海域也是“冰上絲綢之路”、“一帶一路”北上航線以及帶動?xùn)|北經(jīng)濟發(fā)展的東北航道的必經(jīng)之路,此海域的氣候變化特征將對航海安全產(chǎn)生重大影響。

熱帶氣旋和溫帶氣旋被認為是中緯度天氣系統(tǒng)和全球環(huán)流的重要組成部分[6],均可以促使大氣與海洋之間發(fā)生強烈的相互作用,輸送大量的水分、動量和能量[7-8]。而數(shù)值研究表明,包括日本海在內(nèi)的東亞是氣旋活動最為頻繁和劇烈的地區(qū)[9]。2014年12月,日本海海域內(nèi)的2個溫帶氣旋不斷發(fā)展、加強、合并,引發(fā)風(fēng)暴潮,使得農(nóng)作物被大規(guī)模毀壞、電力設(shè)備和交通癱瘓,最終造成日本的經(jīng)濟損失高達20億日元[10-11]。因此,日本海海域內(nèi)溫帶氣旋和熱帶氣旋會對附近海域及日本產(chǎn)生重大的氣候效應(yīng)和經(jīng)濟影響。

隨著20世紀(jì)80年代以來再分析數(shù)據(jù)的蓬勃發(fā)展,以此為基礎(chǔ)的氣旋追蹤算法應(yīng)運而生。不同于人工從氣象圖上逐個統(tǒng)計,這種統(tǒng)計氣旋的方法更加方便、直觀、客觀[12]。目前,國內(nèi)被普遍認可的氣旋類數(shù)據(jù)集只有中國氣象局上海臺風(fēng)研究所發(fā)布的熱帶氣旋最佳路徑數(shù)據(jù)集,而基于再分析數(shù)據(jù)的氣旋追蹤算法則可以同時統(tǒng)計溫帶氣旋和熱帶氣旋。此外,氣旋追蹤算法結(jié)合各種模式數(shù)據(jù)也為氣旋預(yù)報提供了可能和便利。目前國際上的氣旋追蹤算法分為拉格朗日方法(如Ulbrich和Christoph[13])和歐拉方法(如Blender[14],Hodges[15]),其中,Hodges[15]研究表明,拉格朗日式追蹤算法在時間和空間變化上具有更高的靈活性[12]。還有學(xué)者運用Hodges的氣旋自動追蹤算法統(tǒng)計了南大洋、北極以及中國近海等海域氣旋的基本特征,并證實了此算法的可用性[12,16-17]。

在氣旋時空變化規(guī)律方面,有大量針對西北太平洋的大范圍研究,尚未有研究系統(tǒng)探討過日本海這一封閉局部海域的氣旋變化特征。鑒于日本海這一局部海域的重要性以及研究結(jié)果的稀缺性,本文在全球變暖的背景下,運用Hodges[15]的拉格朗日式追蹤算法,研究在較長的時間尺度內(nèi),進入日本海海域的溫帶氣旋和熱帶氣旋的基本特征和變化趨勢,以期為日本海海域附近的溫帶氣旋和熱帶氣旋活動的短期氣候預(yù)測提供科學(xué)依據(jù),也為船舶預(yù)測和有效避離氣旋提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)與研究區(qū)域

本文所使用的研究數(shù)據(jù)來自歐洲中心1988—2017年的ERA-Interim的平均海平面氣壓的再分析數(shù)據(jù)[18]。此數(shù)據(jù)的時間分辨率為每6 h一次,空間分辨率為0.75°×0.75°。

本文的研究區(qū)域主要包括日本海海域、朝鮮海峽、津輕海峽、宗谷海峽和韃靼海峽,主要經(jīng)緯度范圍為125°～145°E,30°～55°N(圖1)。

圖1 研究區(qū)域Fig.1 Study area

1.2 方法

1.2.1 氣旋追蹤算法

使用平均海平面氣壓數(shù)據(jù),采用英國雷丁大學(xué)Hodges的氣旋追蹤算法[15],統(tǒng)計1988—2017年這30 a期間影響日本海附近的氣旋。Hodges的氣旋追蹤算法采用拉格朗日的思路,其追蹤過程主要分為濾波、定位和追蹤3個步驟。即首先運用離散余弦變換(Discrete Cosine Transform,DCT),濾掉大尺度環(huán)流背景場的影響；然后采用四叉樹的空間索引方法定位氣壓的低值中心；最后將低值中心進行連接形成軌跡[19]。需要注意的是,Hodges的算法采用的是就近原則,即在最后一步連接的是周圍2°(222 km)范圍內(nèi)的低值中心。

為了避免低壓擾動的干擾,本文統(tǒng)計了生命史超過24 h、移動范圍超過500 km的氣旋。為了研究進入日本海區(qū)域的氣旋的影響,則統(tǒng)計了所有進入日本海的氣旋,即使氣旋的源地或者消亡地不在日本海范圍內(nèi)[16]也進行了統(tǒng)計。

1.2.2 Mann-Kendall(M-K)突變檢驗

本文采用M-K檢驗方法來分析氣旋個數(shù)和氣旋強度的突變年份,對有n個樣本量的時間序列X,構(gòu)造一秩序列,是第i個時刻數(shù)據(jù)大于j時刻數(shù)值個數(shù)的累積量s k:

然后,在時間序列隨機獨立的假定下,定義統(tǒng)計量:

式中:E(s k)和Var(s k)分別表示s k的均值和方差,在時間序列x1,x2,…,x n相互獨立,且有相同連續(xù)分布時,其計算公式如下

UF k為標(biāo)準(zhǔn)正態(tài)分布,它是按時間序列X順序計算出的統(tǒng)計量序列。按時間序列X逆序,而后再通過上述步驟計算得到UF k,最后令UB k＝-UF k(k＝n,n-1,…,1),UB1＝0。

當(dāng)UF k或UB k大于(小于)0時,表明時間序列為上升(下降)趨勢。當(dāng)UF k或UB k超過臨界直線時,表明時間序列的上升或下降趨勢顯著,且超過臨界線的范圍為突變發(fā)生的時間范圍。如果當(dāng)UF k和UB k兩條曲線出現(xiàn)交點,且交點在臨界線之間,交點則為突變開始的時間。

1.2.3 氣旋密度估計算法

為了分析日本海海域范圍內(nèi)氣旋的源地密度特征和消亡密度特征,運用Hodges氣旋追蹤算法中的核概率密度算法,在氣旋軌跡的基礎(chǔ)上,生成連續(xù)且平滑的氣旋密度分布圖[16]。首先通過核概率密度算法,以每個格點周圍5°的球冠面積(約為106km2)作為基本單位,追蹤氣旋位置并建立適當(dāng)?shù)暮撕瘮?shù),最終得到全球144×73個格點內(nèi)的氣旋的概率密度[17],然后根據(jù)公式:數(shù)密度＝概率密度×(概率密度在統(tǒng)計區(qū)域內(nèi)的積分)×面積的權(quán)重[17,20],計算概率數(shù)密度,即氣旋密度。

氣旋強度密度分布圖的得到類似于上述方法,這里的氣旋強度指的是在氣旋從生成到消亡的過程中,氣旋低于正常氣壓值的最大值,并以此來計算氣旋強度密度特征。

軌跡密度特征的計算方法與上述方法稍有不同,只用到單位面積的每條氣旋軌道上距離估計點最近的一個點[17]。通過核概率密度算法無法得到全球144×73個格點,但可以通過標(biāo)準(zhǔn)化整合為相同的形式,從而模擬出研究區(qū)域內(nèi)氣旋路徑的分布狀況[17]。

1.2.4 合成分析

通過合成分析的方法分析氣旋源地密度、軌跡密度和消亡密度的年際變化特征,各個變量進行合成分析的方法是一致的,這里以源地密度為例進行詳細說明。分別分析比對1988—2017年期間氣旋源地密度每年的空間分布情況,然后根據(jù)每年的空間分布特征,將空間分布,尤其是源地密度中心區(qū)大體一致的年份進行合成分析處理,得到多年平均的源地密度空間分布情況。

2 氣旋的氣候特征

2.1 氣旋頻數(shù)的基本統(tǒng)計特征

1988—2017年期間日本海氣旋頻數(shù)的變化情況如圖2所示。1988—2017年期間日本海氣旋頻數(shù)最大值和最小值分別出現(xiàn)在1995年(138個)和2011年(114個)。值得注意的是,結(jié)合氣旋頻數(shù)距平值來看,氣旋頻數(shù)最小值和最大值與其相鄰2 a的氣旋數(shù)均相差20個左右,變化幅度很大。且由M-K突變檢驗,1995年前后共發(fā)生了2次氣候突變,1994—1995年期間氣旋頻數(shù)發(fā)生了1次由少至多的突變,而1995—1996年期間則發(fā)生了1次由多至少的突變。在1995年之前,日本海附近氣旋的波動變化很明顯,表明日本海氣旋頻數(shù)變化較為劇烈。而1995—1996年由多至少的突變之后,直到2010年代中后期,均沒有突變點出現(xiàn),且氣旋頻數(shù)沒有明顯的上升或下降趨勢,氣旋頻數(shù)為偏少期。由圖中的紅色虛線可知,在整個1980年代末期至2010年代中后期,日本海氣旋頻數(shù)的長期變化趨勢呈現(xiàn)非常明顯的下降趨勢,且通過了0.05的顯著水平檢驗,黃色點虛線為0.05顯著水平置信度線(U0.05＝1.96)。

圖2 1988—2017年日本海氣旋頻數(shù)Fig.2 The frequency of cyclones in the Sea of Japan from 1988 to 2017

圖3 為1988—2017年日本海氣旋月頻數(shù)比例統(tǒng)計圖?？梢?近30 a期間,日本海氣旋主要集中于春季的3月和4月以及秋季的10月,占總數(shù)的29.73%。夏季的氣旋頻數(shù)普遍較低,尤其是盛夏時期,其比例僅占總數(shù)的13.2%?？偟膩碚f,日本海附近氣旋頻數(shù)的分布在各個月期間的分布相對均勻。

圖4 為1988—2017年日本海附近氣旋逐月變化圖。與圖3相對應(yīng),日本海附近氣旋主要集中出現(xiàn)在每年的春季和秋季,相比較而言,夏季的氣旋數(shù)略少。1990年代初期的氣旋頻數(shù)極小值并非出現(xiàn)在夏季,出現(xiàn)時段向后延遲了1個月。另外,在1990年代中期至2010年代中后期,氣旋頻數(shù)極小值出現(xiàn)的時間段逐漸前移,如在1995年,每月氣旋數(shù)目小于10個的現(xiàn)象開始于6—7月,而在2017年,此現(xiàn)象則開始于5—6月,幾乎提前了1個月。

圖3 1988—2017年日本海氣旋月頻數(shù)比例Fig.3 The ratio of monthly frequency of the cyclones in the Sea of Japan from 1988 to 2017

圖4 1988—2017年期間日本海氣旋逐月變化Fig.4 Monthly variation of the cyclones in the Sea of Japan from 1988 to 2017

2.2 氣旋的空間分布特征

2.2.1 氣旋強度特征及變化趨勢

就近30 a期間日本海海域氣旋強度異常的長期變化趨勢而言(圖5紅色虛線),強度整體呈現(xiàn)為不顯著的增加趨勢。根據(jù)M-K突變檢驗,年平均氣旋強度異常在2004年發(fā)生了1次明顯的由弱到強的突變,氣旋強度從偏弱期轉(zhuǎn)變?yōu)槠珡娖凇?/p>

圖5 1988—2017年日本海區(qū)域平均的氣旋年平均強度異常Fig.5 Anomalies of the annual average intensity of cyclones in the Sea of Japan from 1988 to 2017

根據(jù)圖6,近30 a期間1—4月和9—12月的氣旋總體較強,日本海大部分地區(qū)的氣旋異常強度大多在10～20 h Pa范圍內(nèi),且氣旋強度自日本海西南向東北逐漸增強。近30 a氣旋月平均強度異常達到20 hPa以上的氣旋僅位于日本海最北端、韃靼海峽南部海域,且僅存在于11月、12月和1月。5—8月月平均氣旋異常強度的空間分布特征與其他月份不同,不是嚴(yán)格的自西南向東北逐漸遞增,如5月氣旋月平均異常強度在40°N以南呈現(xiàn)為自南向北逐漸遞增,等值線為平直的東西向。

1988—2017年期間日本海海域氣旋強度的特征和變化趨勢離不開大氣和海洋的相互作用。此外,本文未對得到的日本海附近海域氣旋頻數(shù)、強度等時空變化特征的影響機制進行分析。一方面,其與大氣環(huán)流模態(tài)和遙相關(guān)等息息相關(guān),直接影響氣壓梯度和上層急流強弱,從而影響氣旋活動特征[17,21]。影響日本海附近海域的大氣環(huán)流模態(tài)主要有北極濤動(Arctic Oscillation,AO)、太平洋年代際振蕩(Pacific Decadal Oscillation,PDO)、日本-太平洋遙相關(guān)型(Pacific-Japan,P-J型)以及亞洲-太平洋濤動(Asian-Pacific Oscillation,APO)等。另一方面,受到ENSO(El Ni?o-Southern Oscillation)影響的海溫梯度會影響氣壓梯度,也是造成氣旋活動異常的關(guān)鍵因素之一。在接下來的研究中,可以通過相關(guān)分析以及合成分析等方法對本文中得到結(jié)論進行驗證,并分析影響其的具體動力和熱力因素。

為了進一步分析較強強度氣旋的周期變化特征,根據(jù)圖6,將氣旋異常強度在13 hPa之上的氣旋認定為本文中較強的氣旋,并繪制1—12月平均氣旋異常強度分布,如圖7。1988年至1990年,較強氣旋的南邊界出現(xiàn)在津輕海峽附近,并向日本海東北方逐漸加強(圖7a)。與之相比,1991年至2008年期間,較強氣旋出現(xiàn)的范圍明顯向北收縮(圖7b)。在2009年至2015年期間,較強強度氣旋出現(xiàn)的范圍再次南擴,且范圍比1988年至1990年更大(圖7c)。而到了2016年至2017年,范圍再次收縮(圖7d)。因此,在近30 a期間,1—12月平均異常強度在13 hPa以上的氣旋出現(xiàn)在日本海的范圍呈現(xiàn)為北縮—南擴—北縮的變化特征。

圖6 近30 a平均的1月至12月氣旋異常強度空間分布Fig.6 Spatial distribution of cyclone anomalous intensity from January to December averaged over the past 30 years

圖7 年平均異常強度在13 h Pa以上的氣旋強度空間分布Fig.7 Spatial distribution of cyclones with annual average anomalous intensity above 13 hPa

2.2.2 氣旋源地密度特征及變化趨勢

近30 a期間產(chǎn)生在日本海附近的氣旋多出現(xiàn)于1月、2月、11月和12月,且這4個月份的氣旋源地中心均位于日本海西南部(圖8)。4月、5月和6月期間,日本海海域內(nèi)沒有氣旋源地中心存在,但受日本東南部西北太平洋海域上的氣旋源地中心影響,日本本州島日本海沿岸附近海域氣旋源地密度較大。10月氣旋源地密度中心位于日本海北部。值得注意的是,整個日本海在7月的氣旋源地密度分布很均勻,且中心在日本海南部。

圖8 近30 a平均的月平均源地密度的空間分布Fig.8 Spatial distribution of monthly source density of cyclones averaged over the past 30 years

近30 a期間,日本海氣旋源地密度空間分布主要表現(xiàn)為4種,如圖9所示。將1988—1993年、1997—1998年、2001年、2003年、2005年、2012—2014年和2016年的源地密度分布特征命名為類型一,圖9a為這15 a的源地密度年平均。日本海上的源地中心位于日本海西南部與此同時,日本東南部西北太平洋海域上也有1個氣旋源地中心,在東西2個源地中心的共同影響下,整個日本海南部的源地密度均較大。將1994年、1996年、2000年、2002年、2006年和2011年的源地密度分布特征命名為類型二,圖9b為這6 a源地密度年平均。與類型一相比,日本海西南部的源地中心消失,受到日本東南部源地中心的影響,日本海上源地密度較高處為日本海中部。將1995年、2005年、2009年和2017年的源地密度分布特征命名為類型三,圖9c則為這4 a源地密度年平均。源地密度中心主要在日本海西南部,與類型一的源地密度中心位置類似,但更偏北。此外,宗谷海峽西部海域附近的源地密度也較高,為日本海上的第二個源地中心。再加上日本本州島東側(cè)源地中心的影響,整個日本海的源地密度均較高。將2007年、2008年和2015年的源地密度分布特征命名為類型四,圖9d為這3 a的源地密度年平均。日本海上的源地密度中心在日本海北部,且與類型一、和類型三相比,類型四的源地密度中心要弱很多。除此之外,朝鮮海峽南部存在1個源地密度中心,受其影響,朝鮮海峽北部的日本海海域的源地密度相對較高。除這4種類型外,還有2種特殊類型的源地密度空間分布特征,分別為2010年的特殊類型一(圖9e)和2004年的特殊類型二(圖9f)。

圖9 不同類型的年平均源地密度的空間分布Fig.9 Spatial distribution of different types of annual average source density

2.2.3 氣旋軌跡密度特征及變化趨勢

圖10 統(tǒng)計了日本海附近海域氣旋路徑的分布狀況[17]。5—9月,日本海范圍內(nèi)的氣旋軌跡密度普遍較小。10月,日本海北部的氣旋軌跡密度最大,之后,此軌跡密度中心減弱且逐漸向日本海的西南擴大。12月,整個日本海區(qū)域內(nèi)的軌跡密度均增大,而此后的1月和2月,日本海上的軌跡密度不斷減弱。在3月,軌跡密度中心在日本海北部,并不斷減弱,直到6月,整個日本海海域內(nèi)不存在軌跡密度中心。

圖10 近30 a平均的月平均軌跡密度的空間分布Fig.10 Spatial distribution of monthly trajectory density of cyclones averaged over the past 30 years

近30 a期間,日本海氣旋軌跡密度空間分布主要表現(xiàn)為4種,如圖11。將1988年、1989年、2006年、2011年和2013年的軌跡密度分布特征命名為“無中心型”,圖11a為這5 a的軌跡密度年平均,整個日本海區(qū)域內(nèi)沒有軌跡密度中心存在。將2003年和2007年的軌跡密度分布特征命名為“偏南型”,圖11b為這2 a的軌跡密度年平均,日本海區(qū)域內(nèi)的軌跡密度中心在日本海南部海域。另外,宗谷海峽處也有1個比較弱的軌跡密度中心,受其影響,日本海最北部部分地區(qū)的軌跡密度較大。將1992年、1994年、1996年、1998年、1999年、2001年、2002年、2005年、2008—2010年和2014—2016年的軌跡密度分布特征命名為“偏北型”,圖11c為這14 a的軌跡密度年平均,日本海區(qū)域內(nèi)的軌跡密度中心在宗谷海峽西部的日本海北部海域。將1990-1991年、1993年、1995年、1997年、2000年、2004年、2012年和2017年的軌跡密度分布特征命名為“西南—東北型”,圖11d為這9 a的軌跡密度年平均,整個日本海海域內(nèi)的氣旋軌跡較為密集,氣旋的軌跡密度中心整體呈現(xiàn)SW—NE的空間分布特征。

圖11 不同類型的年平均軌跡密度的空間分布Fig.11 Spatial distribution of different types of annual average trajectory density

2.2.4 氣旋消亡密度特征及變化趨勢

總體來看,日本海上消亡密度總體較弱且沒有氣旋消亡中心存在,消亡密度較大的區(qū)域均為受日本海西部大陸上的消亡中心影響的區(qū)域(圖12)。日本海西部大陸上的消亡中心在4月和5月密度最大,因此,受其影響的日本海西北部及北部海域上的消亡密度也最大。1月、9月和12月,日本海西部大陸上的消亡中心范圍較小,幾乎沒有對日本海產(chǎn)生影響,因此日本海上氣旋的消亡密度分布比較均勻且比較低。受日本海西部大陸上氣旋消亡中心的影響,7月日本海中部海域上的消亡密度較大,而3月和8月日本海北部海域上的消亡密度較大。

圖12 近30 a平均的月平均消亡密度的空間分布Fig.12 Spatial distribution of the average monthly extinction density of cyclones averaged over the past 30 years

近30 a期間,日本海氣旋消亡密度空間分布主要表現(xiàn)為4種(圖13)。將1988—1993年、1996年、1999年、2001年、2003年、2005年和2008—2017年的消亡密度分布特征命名為類型一,圖13a為這21 a的消亡密度年平均。日本海西部大陸上的消亡中心范圍很大,影響到日本海西北大陸沿岸及北部海域的消亡密度略有增加。將1998年和2006年的消亡密度分布特征命名為類型二,圖13b為這2 a的消亡密度年平均。與類型一相比,類型二中日本西部大陸上的消亡中心范圍更小且更偏西,因此,日本海海域不受其影響,整個日本海上的消亡密度分布均勻,且年平均密度很小。將1994年、1997年、2002年和2004年的消亡密度分布特征命名為類型三,圖13c為這4 a的消亡密度年平均。在日本海中部偏北的海域上存在1個從日本海西部大陸上的消亡中心中分裂出的氣旋消亡中心,受其影響,在日本海上,南至津輕海峽西部海域、北至宗谷海峽西部海域的范圍內(nèi),消亡中心密度增加。將2000年和2007年的消亡密度分布特征命名為類型四,圖13d為這2 a的消亡密度年平均。日本海西部大陸上的消亡中心有一半向東南移動到日本海上,使得日本海中部海域的消亡密度增加。除以上提到的4種類型外,1995年年平均消亡密度空間分布在近30 a中比較特殊(圖13e)。

圖13 不同類型的年平均消亡密度的空間分布Fig.13 Spatial distribution of different types of annual average extinction density

3 結(jié) 論

在整個1980年代末至2010年代中后期,日本海氣旋頻數(shù)的長期變化趨勢呈現(xiàn)非常明顯的下降趨勢,且日本海氣旋頻數(shù)在1990年代中期之前變化較為劇烈,此后逐漸趨于平穩(wěn)。日本海附近氣旋頻數(shù)的分布在各個月期間的分布比較均勻。相比較而言,春季的3月和4月以及秋季的10月較高,而夏季較低。值得注意的是,在1990年代初期,氣旋頻數(shù)極小值并非均出現(xiàn)在夏季。

近30 a期間日本海海域氣旋強度異常的長期變化趨勢整體呈現(xiàn)為不顯著的上升趨勢,在2004年發(fā)生了1次明顯的由弱到強的突變,直至2017年,始終處于“偏強期”。因此,雖然近年來氣旋頻數(shù)在減少,但是氣旋強度卻在不斷增強,仍需要對氣旋的變化引起足夠重視。此外,氣旋頻數(shù)和強度均在夏季最弱,適航性最強。近30 a氣旋月平均強度自日本海西南向東北逐漸增強,因此較強的氣旋僅發(fā)生在冬季的日本海最北端和韃靼海峽南部海域。在近30 a期間,年平均異常強度在13 hPa以上的氣旋出現(xiàn)在日本海的范圍呈現(xiàn)為北縮—南擴—北縮的變化特征,在接下來的幾年,很大概率仍然表現(xiàn)為“北縮”的變化特征。

本文發(fā)現(xiàn)20世紀(jì)90年代前后的氣旋強度的時空變化特征有一定的聯(lián)系,且氣旋頻數(shù)和強度均具有趨勢性、周期性、突變性、隨機性等特性。因此,在本文研究的基礎(chǔ)上,使用ERA20C的1900—2010年的數(shù)據(jù),并結(jié)合頻率分析的方法,從更長的時間尺度抓住其本質(zhì)規(guī)律特征,以期在航海天氣的預(yù)報等方面夯實基礎(chǔ)。

日本海海域內(nèi)的氣旋月平均源地密度在冬季最大,而在夏季最小。日本海氣旋年平均源地密度空間分布主要表現(xiàn)為4種基本類型,源地中心分別位于日本海西南部、日本海中部、日本海西南部和宗谷海峽西部的日本海海域、日本海北部和朝鮮海峽北部的日本海海域。日本海海域內(nèi)的氣旋軌跡主要在秋末到春初期間。日本海氣旋年平均軌跡密度空間分布也主要表現(xiàn)為4種類型,分別為:“無中心型”、“偏南型”、“偏北型”和“西南—東北型”。日本海氣旋年平均消亡密度空間分布同樣有4種主要類型,除類型二在日本海上幾乎沒有氣旋消亡外,類型一、類型三和類型四中氣旋消亡率較高的地方分別在:日本海西北大陸沿岸及北部海域、津輕海峽西部海域至宗谷海峽西部海域、日本海中部海域。