基于ASCAT風(fēng)場數(shù)據(jù)的熱帶氣旋風(fēng)圈半徑的研究

董海嘯，馮佳俊，張淵智

（南京信息工程大學(xué)海洋科學(xué)學(xué)院，江蘇南京 210044）

0 引言

環(huán)太平洋、大西洋大陸國家由于其獨(dú)特和復(fù)雜的地理環(huán)境，自然災(zāi)害頻發(fā)，其中熱帶氣旋（Tropical Cyclone，TC）災(zāi)害[1]以其發(fā)生頻次高、危害程度重、影響范圍廣和災(zāi)害鏈長而備受關(guān)注。TC是一種天氣氣候系統(tǒng)，體現(xiàn)了大氣、海洋、陸地之間的相互作用，對TC 特征結(jié)構(gòu)（強(qiáng)度和尺度）的研究對于TC的監(jiān)測和預(yù)報(bào)都有重要的指導(dǎo)意義。

隨著衛(wèi)星遙感技術(shù)的發(fā)展，其具備的高時(shí)空分辨率和大面積同步觀測的優(yōu)越性極大地降低人力、物力觀測成本，在過去的幾十年已被廣泛應(yīng)用于無法獲得現(xiàn)場數(shù)據(jù)的極端條件下TC 海表風(fēng)場的研究。歐洲Metop氣象業(yè)務(wù)極軌衛(wèi)星攜帶的先進(jìn)散射計(jì)ASCAT（Advanced Scatterometer）能夠提供覆蓋95%以上熱帶海洋的每日風(fēng)場資料，尤其是在2009年11 月快速散射計(jì)QuikSCAT（Quick Scatteromete）失效以后，ASCAT成為TC預(yù)報(bào)和快速風(fēng)矢量搜索算法[2]的重要數(shù)據(jù)來源，并已廣泛應(yīng)用于氣象服務(wù)[3]。

ASCAT 風(fēng)場數(shù)據(jù)已被廣泛應(yīng)用于海洋等領(lǐng)域的研究。高留喜等[4]利用QuikSCAT 和ASCAT 反演風(fēng)場與浮標(biāo)資料在中國南海北部進(jìn)行統(tǒng)計(jì)檢驗(yàn)分析，發(fā)現(xiàn)兩套衛(wèi)星資料在該區(qū)域有較好的適用性。RICCIARDULLI 等[5]對來自氣象衛(wèi)星Metop-A、Metop-B 和Metop-C 的ASCAT 風(fēng)數(shù)據(jù)進(jìn)行相互校準(zhǔn)以獲得穩(wěn)定的氣候數(shù)據(jù)記錄。POLVERARI等[6]使用了2009—2017 年經(jīng)過再處理的12.5 km 分辨率的ASCAT-A風(fēng)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)ASCAT對15 m/s以上風(fēng)速存在低估情況，因此提出了一種基于12 m/s以上風(fēng)速的校準(zhǔn)方法。

與此同時(shí)，基于ASCAT 風(fēng)場數(shù)據(jù)的TC 研究也有一定的進(jìn)展。WIMMERS 等[7]基于ASCAT 散射計(jì)在內(nèi)的多源衛(wèi)星遙感數(shù)據(jù)改進(jìn)了TC 中心定位算法（ARCHER-2），對比美國國家颶風(fēng)中心最佳軌跡結(jié)果，中心修正誤差的中值范圍為24～49 km。LIU等[8]使用海洋二星B 衛(wèi)星（HY-2B）散射計(jì)數(shù)據(jù)HSCAT 和ASCAT 提出了一種直接采用最大散射計(jì)風(fēng)速來評估TC 強(qiáng)度的替代方法，評估了風(fēng)半徑r17（風(fēng)速達(dá)到17 m/s）在確定TC 強(qiáng)度上的可行性。NI等[9]針對合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）和ASCAT CMOD7 數(shù)據(jù)在TC 條件下進(jìn)行風(fēng)速優(yōu)化，通過調(diào)整ASCAT 風(fēng)速來匹配SAR 風(fēng)速，可以使ASCAT 風(fēng)速的誤差減小約16.0 %。張圣雪等[10]結(jié)合風(fēng)云二號F 星（FY-2F）、風(fēng)云二號G 星（FY-2G）和ASCAT 數(shù)據(jù)基于偏角方差（Deviation Angle Variance，DAV）技術(shù)建立了TC 強(qiáng)度回歸模型，對于驗(yàn)證集數(shù)據(jù)模型的均方誤差為4.66 m/s，平均絕對誤差為3.99 m/s，證實(shí)了該模型可以較好地估計(jì)TC強(qiáng)度。NI 等[11]提出了一種將計(jì)算最大1 min 持續(xù)風(fēng)速作為Rankine 渦旋模型衰減參數(shù)函數(shù)的方法，以獲得更準(zhǔn)確的TC 強(qiáng)度估計(jì)，將此方法應(yīng)用于2016—2017 年的ASCAT 風(fēng)場數(shù)據(jù)后，結(jié)果優(yōu)于MAYERS-RUF方法[12]。

上述研究大多以ASCAT風(fēng)場作為數(shù)據(jù)源，圍繞TC中心位置、強(qiáng)度、TC情況下風(fēng)速產(chǎn)品優(yōu)化校準(zhǔn)等方面開展。不同強(qiáng)度的風(fēng)圈具有不同的預(yù)報(bào)指示意義，34節(jié)（風(fēng)速達(dá)到17.5 m/s）風(fēng)圈半徑（R34）可以表示TC 主體環(huán)流所帶來的大風(fēng)影響范圍，一般以其大小來衡量TC 尺度。SOISUVARN 等[13]基于ASCAT 風(fēng)場氣候數(shù)據(jù)研究了2007—2012 年西北太平洋（Northwest Pacific，NWP）TC 的R34 和R50（50節(jié)的風(fēng)圈半徑），并提出了一種新的風(fēng)圈半徑表征技術(shù)，本文將在此基礎(chǔ)上對ASCAT 數(shù)據(jù)在計(jì)算TC風(fēng)圈半徑方面進(jìn)行進(jìn)一步評估，嘗試基于ASCAT風(fēng)場數(shù)據(jù)計(jì)算2013—2022 年5—11 月發(fā)生在西北太平洋和北大西洋（North Atlantic，NA）TC 的R34和R50以擴(kuò)充研究時(shí)間序列，采用Pearson相關(guān)分析法確定R34定義TC大小的可行性并對所有TC大小進(jìn)行分類，對10 年間TC 風(fēng)圈半徑的變化進(jìn)行統(tǒng)計(jì)分析。

本文將在第1 節(jié)中對所使用的數(shù)據(jù)進(jìn)行介紹；在第2 節(jié)中對最佳路徑數(shù)據(jù)和ASCAT 數(shù)據(jù)進(jìn)行時(shí)空窗匹配提取TC 風(fēng)場信息，通過TC 案例來展示本文所采用的基于ASCAT 風(fēng)場數(shù)據(jù)R34 和R50 的計(jì)算方法；在第3 節(jié)中利用最佳路徑數(shù)據(jù)對結(jié)果進(jìn)行比較，用ASCAT 數(shù)據(jù)對TC 大小進(jìn)行定義，并對10年間北大西洋和西北太平洋所有TC 樣本的R34 和R50進(jìn)行統(tǒng)計(jì)分析；最后在第4節(jié)中進(jìn)行總結(jié)。

1 數(shù)據(jù)

1.1 ASCAT風(fēng)場數(shù)據(jù)

ASCAT 是歐洲空間局（European Space Agency，ESA）發(fā)射的Metop氣象業(yè)務(wù)極軌衛(wèi)星上攜帶的儀器之一，由歐洲氣象衛(wèi)星應(yīng)用組織（EUMETSAT）使用。Metop-A 是Metop 系列3 顆衛(wèi)星中的第一顆，于2006 年10 月19 日發(fā)射，Metop-B于2012 年9 月17 日發(fā)射，Metop-C 于2018 年11 月7日發(fā)射。ASCAT 向海面發(fā)射特性良好的微波能量脈沖，并接收和記錄產(chǎn)生的回波以傳輸?shù)降孛嬲?，然后?dǎo)出有關(guān)風(fēng)速和風(fēng)向的數(shù)據(jù)，其具備更好的分辨率和超過其前身（ERA 地球資源衛(wèi)星ERS-1 和ERS-2上的有源微波儀器）兩倍的覆蓋范圍，可以在短短5 d內(nèi)實(shí)現(xiàn)近乎全球的覆蓋范圍。

ASCAT L2B 海岸風(fēng)場產(chǎn)品是由荷蘭皇家氣象研 究 協(xié) 會（Royal Netherlands Meteorological Institute，KNMI）在L1B 級產(chǎn)品的基礎(chǔ)上再加工而成，空間分辨率為12.5 km，采用改進(jìn)的地球物理模型函數(shù)CMOD7 GMFs 將風(fēng)矢量映射到后向散射信號值中，本文下載的數(shù)據(jù)分別來自Metop-A、Metop-C衛(wèi)星，時(shí)間范圍為2013—2022年的5—11月，空間范圍為西北太平洋和北大西洋。

1.2 最佳路徑數(shù)據(jù)

美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）提供了最佳路徑的TC 數(shù)據(jù)集，最佳路徑數(shù)據(jù)來源于許多機(jī)構(gòu)和數(shù)據(jù)集。在TC 形成期間，氣象預(yù)報(bào)員對TC 的歷史位置和強(qiáng)度進(jìn)行觀測，同時(shí)預(yù)測其未來的位置和強(qiáng)度。在風(fēng)暴結(jié)束后（通常在當(dāng)年臺風(fēng)/颶風(fēng)季結(jié)束后），預(yù)報(bào)員收集所有可用的信息（來自陸地、浮標(biāo)、船只等的相關(guān)報(bào)告、雷達(dá)數(shù)據(jù)、飛機(jī)數(shù)據(jù)和衛(wèi)星數(shù)據(jù)等），利用這些信息對TC 的路徑和強(qiáng)度做出最佳估計(jì)，因此形成“最佳路徑”。隨著時(shí)間的推移和技術(shù)的發(fā)展，相關(guān)機(jī)構(gòu)對所有留存的數(shù)據(jù)進(jìn)行再分析并更新較舊的最佳路徑數(shù)據(jù)集。本論文選取美國源機(jī)構(gòu)觀測的時(shí)間范圍為2013—2022 年的5—11月發(fā)生在NWP 和NA 編號入檔的TC 最佳路徑數(shù)據(jù)，包括每個(gè)觀測時(shí)刻（世界時(shí)，下同）的風(fēng)眼位置、中心最大風(fēng)速、4 個(gè)象限的R34、R50 和TC 名稱。計(jì)算數(shù)據(jù)集中的R34和R50時(shí)，對所有地理象限（NW、NE、SW、SE方向）的風(fēng)圈半徑進(jìn)行方位平均。

2 研究方法

2.1 風(fēng)速優(yōu)化

ASCAT CMOD7 模型數(shù)據(jù)在TC 發(fā)生時(shí)會低估風(fēng)速，CMOD7D[6]模型是CMOD7 模型的多項(xiàng)式變換。CMOD7D公式為：

式中：下標(biāo)7D和7分別代指CMOD7D和CMOD7模型。使用該模型可對原始風(fēng)場≥12 m/s 的風(fēng)速進(jìn)行優(yōu)化，V7D和V7分別表示優(yōu)化后和原始風(fēng)場的風(fēng)速。在相對平靜的海域，即V7<12 m/s時(shí)可忽略V7D的值，即V7D值被V7取代。數(shù)據(jù)處理時(shí)需要將風(fēng)矢量分解成水平分量（U）和垂直分量（V），計(jì)算公式為：

式中：風(fēng)向變量direction 的單位是（°），風(fēng)速speed 的單位是m/s。

2.2 時(shí)空窗匹配

由于最佳路徑數(shù)據(jù)的時(shí)間間隔為3 h，通過時(shí)空窗匹配可過濾出ASCAT L2B 數(shù)據(jù)中的TC 風(fēng)場。首先對最佳路徑數(shù)據(jù)進(jìn)行區(qū)域篩選，保留路徑在NWP 和NA 海盆上的TC；然后進(jìn)行時(shí)間窗匹配，利用最佳路徑數(shù)據(jù)中每個(gè)TC的時(shí)間與ASCAT每日風(fēng)場時(shí)間匹配（設(shè)置1.5 h閾值），同時(shí)以最佳路徑數(shù)據(jù)中每個(gè)TC 路徑中心位置為圓心，500 km 為搜索半徑篩選出衛(wèi)星數(shù)據(jù)中的TC風(fēng)場。

在進(jìn)行時(shí)空窗匹配時(shí)，為了提高R34 和R50 計(jì)算的準(zhǔn)確性，對ASCAT風(fēng)場數(shù)據(jù)按以下標(biāo)準(zhǔn)進(jìn)行二次篩選：①TC 中心必須被刈幅覆蓋，中間和邊緣的距離必須大于1°；②TC 渦流結(jié)構(gòu)必須有超過60%被刈幅覆蓋；③目標(biāo)區(qū)域內(nèi)相鄰網(wǎng)格點(diǎn)沒有明顯的風(fēng)向沖突問題（風(fēng)向模糊），存在明顯TC 渦流的逆時(shí)針結(jié)構(gòu)。

最終獲得2013—2022 年的5—11 月NWP 和NA 海盆的ASCAT 風(fēng)場共1 212 幅，對應(yīng)形成于NA的TC 79個(gè)和NWP 的TC 132個(gè)，共211個(gè)TC 事件。匹配得到的TC 在其整個(gè)生命周期每個(gè)觀測時(shí)刻的最大風(fēng)速按照Saffir-Simpson 等級（即熱帶低壓（Tropical Depression，TD）、熱 帶 風(fēng) 暴（Tropical Storm，TS）、颶風(fēng)等級1—5（Hurricane1—5，H1—5））進(jìn)行分類，結(jié)果見圖1。

圖1 2013—2022年5—11月NWP和NA的TC最佳路徑Fig.1 Best Track of TC during May and November in NWP and NA in 2013—2022

為了方便對每個(gè)TC 進(jìn)行分類編號歸檔，我們按照在同一個(gè)TC 的生命周期內(nèi)，ASCAT 散射計(jì)對其重復(fù)觀測的次數(shù)進(jìn)行進(jìn)一步細(xì)化分類，結(jié)果見圖2。經(jīng)過時(shí)空窗匹配再篩選之后的TC 數(shù)據(jù)集中，ASCAT散射計(jì)對單個(gè)TC的重復(fù)觀測次數(shù)大部分集中在1～6 次，共形成142 個(gè)TC，占總數(shù)的67.3%，每個(gè)重復(fù)觀測次數(shù)與其對應(yīng)的TC 個(gè)數(shù)相乘再累加后對應(yīng)的數(shù)值1 212 則是進(jìn)行時(shí)空窗匹配和二次篩選的ASCAT風(fēng)場的幅數(shù)。

圖2 TC-ASCAT觀測次數(shù)分布Fig.2 Distribution of TC-ASCAT observations

進(jìn)行案例研究的主要目的是驗(yàn)證R34 和R50 計(jì)算方法在衛(wèi)星散射計(jì)觀測資料中應(yīng)用的適用性，因此案例選取遵循在同一個(gè)TC 的生命周期內(nèi)散射計(jì)盡可能多地對其進(jìn)行重復(fù)觀測的原則，最終選取觀測次數(shù)較多的1705號臺風(fēng)“奧鹿”（18幅）作為TC案例以便更好地進(jìn)行本文風(fēng)圈半徑計(jì)算方法的結(jié)果展示。

ASCAT 分別于2017 年7 月25 日22 時(shí)12 分、28日11 時(shí)、31 日23 時(shí)30 分以及8 月3 日00 時(shí)27 分觀測到了較為完整的臺風(fēng)“奧鹿”的海面風(fēng)場，結(jié)果見圖3。

圖3 ASCAT觀測的臺風(fēng)“奧鹿”風(fēng)場Fig.3 Wind field of Typhoon"Noru"observed by ASCAT

2.3 風(fēng)圈半徑

TC 大小是研究其結(jié)構(gòu)的一個(gè)重要參數(shù)，通常被定義為最外層閉合等壓線的平均半徑（Radius of the Outermost Closed Isobar，ROCI）和海面風(fēng)場風(fēng)速為15 m/s 或17 m/s 時(shí)的平均半徑[14]。但MERRILL[15]發(fā)現(xiàn)，ROCI 會隨季節(jié)和地區(qū)發(fā)生變化且與TC 強(qiáng)度的相關(guān)性較弱。一般情況下，TC 的風(fēng)圈半徑通常在海面風(fēng)場風(fēng)速達(dá)到34 節(jié)、50 節(jié)和64節(jié)時(shí)被觀測記錄到[13]，3 種半徑分別對應(yīng)于大風(fēng)級、風(fēng)暴級和臺風(fēng)/颶風(fēng)級的TC強(qiáng)度。經(jīng)過時(shí)空窗匹配之后，我們發(fā)現(xiàn)上述研究中34 節(jié)和50 節(jié)風(fēng)圈半徑的樣本量分別為1 212和439，而64節(jié)風(fēng)圈半徑的樣本量較少，這可能是由于ASCAT相鄰觀測刈幅之間相距較遠(yuǎn)減少了匹配的機(jī)會以及風(fēng)場數(shù)據(jù)對實(shí)際風(fēng)速的低估導(dǎo)致的。

考慮上述因素，本文選用R34來反映TC的結(jié)構(gòu)特征和強(qiáng)度大小，并采用等方位角平均的方法基于ASCAT 海面風(fēng)場計(jì)算TC 的34 節(jié)和50 節(jié)的風(fēng)圈半徑。具體來說，首先對最佳路徑數(shù)據(jù)的風(fēng)眼位置進(jìn)行時(shí)間插值以確定ASCAT 風(fēng)場對應(yīng)時(shí)刻的TC 中心；其次，設(shè)定正負(fù)1節(jié)的風(fēng)速閾值來繪制匹配風(fēng)場的34 節(jié)和50 節(jié)風(fēng)速等值廓線，結(jié)果見圖4；然后，以時(shí)間插值確定的TC中心為準(zhǔn)，將空間分為8個(gè)方位角（見圖5a），通過空間雙線性插值獲取風(fēng)速等值廓線上距離每個(gè)方位角最近兩個(gè)點(diǎn)的連線與方位角的交點(diǎn)，并繪制風(fēng)速-半徑剖面（見圖5b）；最后，計(jì)算各個(gè)交點(diǎn)與風(fēng)眼的距離獲得各方位角上的34 節(jié)和50 節(jié)風(fēng)圈半徑Di和Si（i=1，2，…，8），計(jì)算公式為：

圖4 臺風(fēng)“奧鹿”34節(jié)和50節(jié)風(fēng)速等值廓線Fig.4 34-knot and 50-knot wind speed contour of Typhoon"Noru"

圖5 R34和R50計(jì)算方法Fig.5 The method of calculating R34 and R50

式中：下標(biāo)代表每個(gè)方位，將方位角進(jìn)行平均后可得出半徑計(jì)算公式，并用R34 和R50 表征該時(shí)刻TC尺度大小。

從圖4 可以看出，TC 風(fēng)場在實(shí)際情況下往往具有非對稱特征，高風(fēng)速區(qū)呈現(xiàn)不均勻分布，集中在環(huán)流某一側(cè)，圓對稱性結(jié)構(gòu)較差，每個(gè)方位角的風(fēng)圈半徑是不相等的；當(dāng)34 節(jié)風(fēng)圈較大時(shí)，由于刈幅限制，等值廓線不閉合，部分方位角上的風(fēng)圈半徑無法計(jì)算；由于TC 風(fēng)眼附近存在低風(fēng)速區(qū)，一個(gè)方位角上存在多個(gè)符合風(fēng)速閾值內(nèi)的風(fēng)速。

針對以上情況，我們優(yōu)化了計(jì)算程序，將缺失的方位角半徑設(shè)為缺測值，不計(jì)入方位角平均計(jì)算之中。真實(shí)環(huán)境下能夠較完整呈現(xiàn)臺風(fēng)“奧鹿”結(jié)構(gòu)的ASCAT 風(fēng)場數(shù)據(jù)中的風(fēng)速矢量往往是以離散格點(diǎn)形式分布的，這可能是由于雷達(dá)測量噪聲引起風(fēng)速廓線偽振蕩導(dǎo)致的，所以通過設(shè)定閾值定義風(fēng)速區(qū)間來繪制風(fēng)場風(fēng)速等值線的方法得到的廓線邊緣是粗糙的，使用方位角平均將風(fēng)速等值廓線圓對稱化，可以消除大部分與TC 運(yùn)動相關(guān)的不對稱[16]，同時(shí)也便于后續(xù)的統(tǒng)計(jì)研究。

圖5b 是臺風(fēng)“奧鹿”在4 個(gè)時(shí)刻各方位角風(fēng)速隨距離變化的風(fēng)剖面曲線，在其生成和發(fā)展階段，風(fēng)速-半徑剖面較為平坦；隨著臺風(fēng)進(jìn)入成熟階段，其逐漸發(fā)展出風(fēng)眼結(jié)構(gòu)且逐漸增大，風(fēng)速-半徑剖面越來越陡峭，呈單“峰”分布且風(fēng)速“峰”越來越突出。此時(shí)，34 節(jié)和50 節(jié)風(fēng)速等值線出現(xiàn)多個(gè)交點(diǎn)，在計(jì)算各方位角上的風(fēng)圈半徑值時(shí)，需要排除風(fēng)眼內(nèi)的較小值，保留風(fēng)眼外的較大值作為該方位角上的有效值。

2.4 比較方法

計(jì)算時(shí)空窗匹配所得TC 的R34 和R50 與對應(yīng)最佳路徑數(shù)據(jù)的觀測值對比，采用偏差法、均方根誤差法和相關(guān)系數(shù)分析法作為衡量比較結(jié)果的標(biāo)準(zhǔn)。計(jì)算公式為：

式中：Xi、Yi分別表示最佳路徑數(shù)據(jù)中風(fēng)圈半徑的觀測值和基于ASCAT 風(fēng)場的計(jì)算值，i代表每個(gè)數(shù)據(jù)的編號，Xˉ、Yˉ分別對應(yīng)于Xi、Yi數(shù)據(jù)集的均值；n為樣本數(shù)。Bias 表示兩個(gè)數(shù)據(jù)序列的偏離程度，正偏差表明計(jì)算值高于觀測值，即高估，反之為負(fù)偏差，低估。RMSE 值始終為正且對異常值反映敏感，越接近0 表明計(jì)算方法越適用。CC 值表示兩個(gè)序列的相關(guān)程度，CC=1 表示兩變量完全線性相關(guān)，CC=0則表示兩變量完全不相關(guān)，一般情況下，CC>0.8 表示兩變量相關(guān)度較好。

3 結(jié)果與討論

3.1 結(jié)果比較

基于第2 節(jié)的方法將NWP 和NA 海盆2013—2022年的5—11月的所有TC（見圖1）結(jié)合在一起構(gòu)建ASCAT 風(fēng)場R34 和R50 數(shù)據(jù)集，并與最佳路徑數(shù)據(jù)進(jìn)行對比，結(jié)果見圖6a 和6b。R34 和R50 的樣本總數(shù)分別為1 212 和439，R34 和R50 的Bias 分別為8.6 km和-15.4 km，RMSE分別為52.4 km和39.6 km。ASCAT 觀測的R34 比最佳路徑大4.5%左右，差異誤差約為12.3%；而ASCST 觀測的R50 比最佳路徑小約4.0%，差異誤差約為25.4%，這個(gè)結(jié)果優(yōu)于SOISUVARN 等[13]計(jì)算的R34 和R50 與最佳路徑的比較結(jié)果，其對應(yīng)的差異值和誤差分別為3%、36%、28%和39%。

圖6 最佳路徑和ASCAT風(fēng)圈半徑統(tǒng)計(jì)比較Fig.6 Statistical comparison of R34 and R50 between Best Track and ASCAT data

ASCAT 估算的R34 和R50 與最佳路徑數(shù)據(jù)的CC 值分別為0.88 和0.74（p<0.01），相關(guān)性較高。圖6c和6d展示了ASCAT 風(fēng)半徑和最佳路徑數(shù)據(jù)的線性回歸結(jié)果，R34 和R50 的擬合關(guān)系分別為y=1.03x和y=0.87x，擬合模型的判定系數(shù)（R2）分別為0.77 和0.54，表明回歸直線對最佳路徑數(shù)據(jù)的擬合程度較好，且R34比R50的擬合結(jié)果更接近觀測值，相關(guān)性更加顯著。

由于Metop-A、Metop-B、Metop-C 是極軌衛(wèi)星，在2.2 節(jié)時(shí)空窗匹配時(shí)也發(fā)現(xiàn)其在中低緯度的經(jīng)過頻率很低，ASCAT 對所有TC 樣本的單日觀測次數(shù)最多為1～2 次，且當(dāng)TC 較大時(shí)，由于刈幅限制，ASCAT 通常只能觀測到部分環(huán)流結(jié)構(gòu)（在圖4 中體現(xiàn)為34 節(jié)風(fēng)速等值風(fēng)圈不閉合），因此，對TC 結(jié)構(gòu)不完整的風(fēng)場進(jìn)行方位角平均可能會引起R34 偏大；另一方面，由于ASCAT 對高風(fēng)速存在低估[6]，這會引起強(qiáng)度達(dá)到風(fēng)暴及以上的TC的50節(jié)風(fēng)圈比真實(shí)情況小，因此R50呈現(xiàn)負(fù)偏差，以上可能是導(dǎo)致基于ASCAT 風(fēng)場的計(jì)算結(jié)果與最佳路徑存在差異的原因。

3.2 R34表征TC尺度

在2.3節(jié)中已提出用R34來反映TC的結(jié)構(gòu)特征和強(qiáng)度大小，雖然C 波段ASCAT 對降雨相當(dāng)不敏感，但是由于在高風(fēng)速情況下風(fēng)速數(shù)據(jù)存在不確定性，而且散射計(jì)測量的風(fēng)速和最佳路徑數(shù)據(jù)的時(shí)間尺度不一樣，本節(jié)采用最佳路徑的1 min 持續(xù)最大風(fēng)速Vmax來表征TC 強(qiáng)度，檢驗(yàn)與TC 大小相關(guān)的4個(gè)潛在相關(guān)環(huán)境變量（Vmax、緯度、TC 移動速度和風(fēng)暴年齡）對ASCAT估算的TC風(fēng)圈半徑的影響程度，對這4 個(gè)參數(shù)和TC 風(fēng)圈半徑（R34 和R50）進(jìn)行Pearson相關(guān)分析，結(jié)果見表1。

表1 NWP、NA和整個(gè)研究區(qū)TC風(fēng)半徑（R34、R50）與TC尺度相關(guān)環(huán)境變量之間的Pearson相關(guān)系數(shù)Tab.1 Pearson's correlation coefficients between TC wind radii（R34，R50）and TC size-related environmental variables in NWP，NA and the entire study area

結(jié)果表明，在這4 個(gè)參數(shù)中，最大風(fēng)速與R34 和R50 的總體相關(guān)性最強(qiáng)（CC=0.36～0.66），與R50 在NWP 和NA 海盆中的估計(jì)（CC=0.36～0.48）相比，R34 與最大風(fēng)速具有更強(qiáng)的相關(guān)性（CC=0.62～0.66）。在NWP 海盆中，緯度與風(fēng)圈半徑的相關(guān)性較?。–C=0.13～0.18），在NA 海盆中具有弱相關(guān)性（CC=0.25～0.26），同樣在NWP中TC移動速度與風(fēng)圈半徑的相關(guān)性很?。–C=0.07～0.10），在NA 中相關(guān)性也較弱（CC=0.16～0.28）。值得注意的是，不同于緯度和TC 的移動速度，TC 風(fēng)暴年齡與各海盆的風(fēng)圈半徑相關(guān)性增強(qiáng)（在NWP 的CC=0.28～0.33;在NA 的CC=0.35～0.37），KIM 等[17]認(rèn)為這是由于TC風(fēng)暴年齡與最大風(fēng)速和緯度之間的相關(guān)性較強(qiáng)導(dǎo)致的。

以上結(jié)果表明，基于ASCAT 風(fēng)場計(jì)算的R34變化趨勢與最佳路徑最大風(fēng)速的變化趨勢基本一致，這也說明了散射計(jì)的R34值比R50能夠更好地表征TC 的影響強(qiáng)度和范圍，因此，本文選用R34 值來反映TC 的結(jié)構(gòu)特征和定義其強(qiáng)度大?。ǔ叨龋┑姆椒ㄊ蔷哂锌尚行缘?。此外，本文發(fā)現(xiàn)TC 的大小（R34）和其對應(yīng)的強(qiáng)度之間存在明顯正相關(guān)（CC=0.62～0.66），這與胡邦輝等[18]的結(jié)論相似，以上結(jié)果也體現(xiàn)了從ASCAT風(fēng)場得到的風(fēng)半徑信息，在臨近預(yù)報(bào)或短期預(yù)報(bào)方面對于分析TC 強(qiáng)度是有參考價(jià)值的。

3.3 TC大小分類和分布

2.3 節(jié)中已經(jīng)介紹過，計(jì)算R34 和R50 時(shí)將研究的TC 都看作具有對稱性，使用方位角平均將風(fēng)速等值廓線圓對稱化可以消除大部分與TC 運(yùn)動相關(guān)的不對稱。本節(jié)對2013—2022年的5—11月ASCAT探測到的NWP 和NA 海盆上的有效TC 數(shù)據(jù)進(jìn)行分類，小型和大型TC 的分類節(jié)點(diǎn)采用R34 的均值（R）加減標(biāo)準(zhǔn)差（s）來定義，得到的值分別為1.54°緯度和3.51°緯度，因此將小于1.5°緯度的TC 歸為小型，大于3.5°緯度的TC歸為大型，中間為中型。

表2 總結(jié)了MERRILL[15]，日本氣象廳（Japan Meteorological Agency，JMA）和聯(lián)合臺風(fēng)預(yù)報(bào)中心（Joint Typhoon Warning Center，JTWC）以 及 梁 梅等[19]對TC 進(jìn)行分類的結(jié)果，采用ROCI 分類和基于等值風(fēng)速的平均半徑進(jìn)行定義的結(jié)果存在差異。本文對小型TC 的分類節(jié)點(diǎn)（1.5°緯度）與梁梅等（1.2°緯度）相近，由于ROCI會隨季節(jié)和地區(qū)變化且與TC 強(qiáng)度的相關(guān)性較弱，因此MERRILL、JMA 和JTWC 對小型和大型TC 的分類結(jié)果偏大（分類節(jié)點(diǎn)約為3°緯度和5°～6°緯度）。

表2 不同研究人員和氣象中心對TC大小的分類Tab.2 TC size categories used by different researchers and meteorological centers

圖7為2013—2022年的5—11月NWP和NA海盆上ASCAT估算的R34月平均變化及標(biāo)準(zhǔn)差區(qū)間。標(biāo)準(zhǔn)差與月均值分布基本一致，兩個(gè)海盆上平均尺度的峰值出現(xiàn)在9 月（NWP 的R34 為297.8 km）和10 月（NWP 的R34 為305.6 km; NA 的R34 為322.5 km），同時(shí)R34最大值均在10月（NWP的R34為591.9 km; NA 的R34 為575.4 km），之后11 月、5月、6 月呈下降趨勢且NWP 的降幅更大，隨著夏季臨近（7月、8月），NWP的增長趨勢平穩(wěn)，而NA 的平均尺度低值出現(xiàn)在8 月（R34 為201 km），NWP 上月均值的最大值出現(xiàn)在10 月，與梁梅等[19]根據(jù)37 a（1980—2016 年）數(shù)據(jù)集分析得到的TC 尺度季節(jié)變化的結(jié)果一致。

圖7 2013—2022年ASCAT R34月平均變化趨勢Fig.7 Monthly average variation trend of ASCAT R34 during 2013—2022

對ASCAT的TC數(shù)據(jù)進(jìn)行大小分類的月分布結(jié)果見圖8，其中中型TC 總數(shù)量最多，在NWP 和NA所占比重分別為68%和66.7%，NWP 的中型TC 主要分布在8—10 月，而NA 則集中分布在9—10 月。NWP 的大型TC 數(shù)量在7—10月呈顯著增勢且在10月達(dá)到峰值，其中9 月和10 月的數(shù)量超過小型TC，而NA的大型TC在9月和10月明顯增長，10月出現(xiàn)峰值且數(shù)量超過小型TC。兩個(gè)海盆上3 種類型TC的變化趨勢總體均呈現(xiàn)單峰分布，小型和中型TC的峰值出現(xiàn)在9 月，大型TC 峰值滯后1 個(gè)月，但小型和大型TC 的總數(shù)相差不大，其在NWP 上分別為14.3%和17.7%，NA 上分別為17%和16.3%，這與LIU等[20]的研究結(jié)果一致。

圖8 2013—2022年兩個(gè)海盆上ASCAT TC的3種類別的時(shí)間分布Fig.8 Time distribution of the ASCAT TC in three categories during 2013—2022 over the two basins

4 結(jié)論

本文基于ASCAT風(fēng)場數(shù)據(jù)，采用了方位角平均估計(jì)TC 風(fēng)場R34 和R50 的計(jì)算方法，探索了ASCAT 在研究TC 風(fēng)圈半徑的應(yīng)用，并與最佳路徑數(shù)據(jù)進(jìn)行比較，同時(shí)對結(jié)果的誤差做了分析，最后對西北太平洋和北大西洋上2013—2022年的5—11月的TC 大小進(jìn)行分類和統(tǒng)計(jì)分析。主要結(jié)論如下：

①對于匹配的所有TC 樣本，R34比最佳路徑大4.5%左右，差異誤差約為12.3%，R50 比最佳路徑小約4.0%，差異誤差約為25.4%；R34 和R50 的Bias 分別為8.6 km 和-15.4 km，RMSE 分別為52.4 km 和39.6 km，與最佳路徑數(shù)據(jù)的CC 值分別為0.88 和0.74（p<0.01），相關(guān)性較高。與其他已有方法比較，結(jié)果表明本方法能夠較好地估計(jì)TC風(fēng)圈半徑。

②在風(fēng)圈半徑與TC 大小潛在相關(guān)環(huán)境變量的相關(guān)性分析中，最大風(fēng)速與R34 和R50 的總體相關(guān)性最強(qiáng)（CC=0.36～0.66），R34 與最大風(fēng)速在NWP和NA 海盆中具有較強(qiáng)的相關(guān)性（CC=0.62～0.66）。ASCAT 散射計(jì)的R34 值比R50 能夠更好地表征TC的結(jié)構(gòu)特征和尺度大小，在臨近預(yù)報(bào)或短期預(yù)報(bào)方面對于分析TC強(qiáng)度是有參考價(jià)值的。

③從2013—2022 年NWP 和NA 海盆上R34 的月平均變化趨勢來看，TC 平均尺度的峰值出現(xiàn)在9月（NWP 的R34 為297.8 km）和10 月（NWP 的R34為305.6 km；NA 的R34 為322.5 km）；兩個(gè)海盆TC分類的月分布結(jié)果表明，中型TC 的總數(shù)量最多，在NWP 和NA 所占比重分別為68%和66.7%，3 種類型TC 的變化趨勢總體均呈現(xiàn)單峰分布，小型和中型TC 的峰值出現(xiàn)在9 月，大型TC 峰值滯后1 個(gè)月，但小型和大型TC的總數(shù)量相差不大。

由于需要將最佳路徑記錄和ASCAT 風(fēng)場相匹配，受數(shù)據(jù)時(shí)空范圍的限制，匹配案例數(shù)目較少。下一步的工作將使用更多源的數(shù)據(jù)集獲取更多的匹配案例來驗(yàn)證和優(yōu)化本文方法，同時(shí)拓展研究時(shí)間序列，建立TC尺度大小的氣候?qū)W統(tǒng)計(jì)分析。

致謝：本文使用的ASCAT 近海岸風(fēng)場數(shù)據(jù)由歐洲氣象衛(wèi)星組織（EUMETSAT）海洋與海冰衛(wèi)星應(yīng)用設(shè)施（OSI SAF）提供，本論文是第一作者本科畢業(yè)設(shè)計(jì)的部分內(nèi)容，在完成本科畢業(yè)設(shè)計(jì)期間還得到張彪教授的建議和指導(dǎo)。本文是在原畢業(yè)設(shè)計(jì)的基礎(chǔ)上經(jīng)過進(jìn)一步修改、補(bǔ)充、計(jì)算和擴(kuò)充后完成，在此一并致謝。