地球科学进展, 2020, 35(1): 101-108 DOI: 10.11867/j.issn.1001-8166.2020.01.0101

研究论文

影响中国双台风活动气候特征研究

谢彦君,1,2,3, 任福民,1,2, 李国平1, 王铭杨1,2, 杨慧2

1.成都信息工程大学大气科学学院,四川 成都 610225

2.中国气象科学研究院灾害天气国家 重点实验室,北京 100081

3.株洲市气象局,湖南 株洲 412003

Climatic Characteristics of Influencing China Binary Tropical Cyclones

Xie Yanjun,1,2,3, Ren Fumin,1,2, Li Guoping1, Wang Mingyang1,2, Yang Hui2

1.School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China

2.State Key Laboratory of Severe Weather/Chinese Academy of Meteorological Sciences,Beijing 100081,China

3.Zhuzhou Meteorological Office,Hu'nan Zhuzhou 412003, China

通讯作者: 任福民(1968-),男,贵州黎平人,研究员,主要从事台风和极端事件研究. E-mail:fmren@163.com

收稿日期: 2019-04-25   修回日期: 2019-10-20   网络出版日期: 2020-02-23

基金资助: 国家自然科学基金项目“双台风相互作用对中国极端降水的影响”.  41675042
国家重点基础研究发展计划项目第三课题“中国区域持续性强降水事件检测归因”.  2018YFC1507703

Corresponding authors: Ren Fumin (1968-), male, Liping City, Guizhou Province, Professor. Research area include typhoons and extreme events. E-mail:fmren@163.com

Received: 2019-04-25   Revised: 2019-10-20   Online: 2020-02-23

作者简介 About authors

谢彦君(1987-),男,湖南冷水江人,硕士研究生,主要从事双台风活动研究.E-mail:xyj-111@163.com

XieYanjun(1987-),male,LengshuijiangCity,HunanProvince,Masterstudent.Researchareasincludeactivitiesofbinarycyclones.E-mail:xyj-111@163.com

摘要

在双台风判定客观标准的基础上提出影响中国双台风的定义:在双台风活动期间,双台风中至少有一个台风对中国大陆或2个大岛——海南岛和台湾岛之一造成降水的双台风,称为影响中国双台风。然后利用台站逐日降水资料和台风最佳路径资料,采用热带气旋(TC)降水天气图客观识别法(OSAT)和上述定义,对1960—2017年的影响中国双台风进行研究。结果表明:1960—2017年影响中国双台风共有255对,年均4.4对,占西北太平洋双台风总数的60.6%。影响中国双台风年频数表现为显著下降趋势。影响中国双台风的影响期最长可达10天,主要集中在1天、2天和3天,分别占18.8%,29.4%和24.3%。在地理分布上,影响中国双台风主要分布在112°~138°E、12°~30°N范围,频发区在菲律宾北部附近洋面;受双台风影响的年均频次和年均降水均表现为由东南沿海向西北内陆阶梯递减,主要影响区为中国的台湾岛、东南沿海和华南沿海,其中台湾岛受影响最大。进一步分析发现,影响中国双台风影响期内出现单站最大日降水当日两TC平均位置主要表现为东—西向分布,西台风和东台风正好分别位于东亚夏季风的西南风水汽通道和副热带高压西南侧东南风暖湿气流中,不仅有利于西台风从西南风水汽通道中获得水汽,而且有利于东台风向西台风的水汽输送,从而有利于西台风对中国台湾岛、东南沿海和华南沿海造成的强降水。

关键词: 影响中国双台风活动 ; 气候特征 ; 降水影响

Abstract

Based on the definition of Binary Tropical Cyclones (BTCs), the definition of influencing china binary tropical cyclones (ICBTCs) was proposed. During the BTCs period, if at least one of the two tropical cyclones causes precipitation over the mainland or one of the two largest islands-Hainan and Taiwan of China, the BTC is called ICBTC. Then, based on daily precipitation data and the tropical cyclone best track data during 1960-2017, this study analyzed the climatic characteristics of ICBTCs using the Objective Synoptic Analysis Technique (OSAT) and the above definitions. First, a total of 255 pairs of ICBTCs, which accounted for 60.6% of the total number of BTCs over the Western North Pacific, occurred with an annual average of 4.4. Annual frequency of ICBTCs showed a significant decreasing trend during 1960-2017. The longest duration of ICBTCs was 10 days, while durations concentrated in 1 day, 2 days and 3 days, accounting for 18.8%, 29.4% and 24.3%, respectively. In terms of geographical distribution, the ICBTCs mainly occurred over the range of 112°~138°E, 12°~30°N, with frequent zones in the oceans around the northern Philippines. In addition, both annual mean frequency and precipitation of the ICBTCs decrease from the southeast coast areas to the northwest inland regions, with severely-affected areas being the Taiwan Island, the Southeast Coast and the South Coast, and the most-severely-affected area being the Taiwan Island. Further analyses reveal that the average position of the two TCs on the maximum daily precipitation day during the ICBTCs period show an east-west distribution pattern, with the western TCs and the eastern TCs locating in the southwest wind water vapor channel of the East Asian Summer Monsoon and the warm-wet air flow of the southeast-wind on the southwest side of the subtropical high. This situation is beneficial to the western TCs obtaining water vapor from the southwest wind water vapor channel, and to the eastern TCs conveying water vapor to the western TCs, and then as a result, to the heavy rainfall over the Taiwan Island, the Southeast and the South Coasts of China caused by the western TCs.

Keywords: Activity of ICBTC ; Climatic characteristics ; Precipitation of ICBTC.

PDF (2295KB) 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

谢彦君, 任福民, 李国平, 王铭杨, 杨慧. 影响中国双台风活动气候特征研究. 地球科学进展[J], 2020, 35(1): 101-108 DOI:10.11867/j.issn.1001-8166.2020.01.0101

Xie Yanjun, Ren Fumin, Li Guoping, Wang Mingyang, Yang Hui. Climatic Characteristics of Influencing China Binary Tropical Cyclones. Advances in Earth Science[J], 2020, 35(1): 101-108 DOI:10.11867/j.issn.1001-8166.2020.01.0101

1 引 言

热带气旋(Tropical Cyclone,TC)是一种灾害性天气,其带来的暴雨、大风和风暴潮常常造成巨大的灾害和损失[1],尤其是近十几年来热带气旋带来的极端降水在我国沿海造成了巨大灾害,而双台风相互作用是造成TC极端降水的重要原因之一。2013年23号台风“菲特”在24号台风“丹娜丝”作用下,在浙闽交界处登陆,造成浙江中北部沿海极端暴雨和风暴潮,导致余姚等城市被淹超过1周时间,直接经济损失超过600亿元。

“双台风相互作用”最早在20世纪初被日本气象学家Fujiwhara[2,3]所关注,是指2个气旋性的涡旋在较近的距离内逆时针互旋且彼此逐渐靠近的现象。针对双台风相互作用,国内外不少研究进行了相关分析。Lander等[4]研究发现历史上典型的藤原效应情况比较少见,进而提出新的双台风互相作用的概念模型,包括相互吸引、互旋、排斥、合并等过程;随后Carr等[5,6]在此概念模型的基础上进行修正,提出了直接、半直接和间接作用的3种概念模型,将双台风相互作用进一步细化。罗哲贤等[7]和白莉娜等[8]分别利用数值模式理想实验和2010年的三台风相互作用的数值模拟印证了该模型的合理性。Xu等[9]和郑峰等[10]通过诊断分析和数值模式研究发现,位于上游的台风“天鹅”向0908号“莫拉克”输送大量的水汽、涡度和能量是导致“莫拉克”维持和增强并在中国台湾和浙江造成极端降水的重要原因。针对1323号强台风“菲特”和1324号超强台风“丹娜丝”,Xu等[11]、Yu等[12]和谢惠敏等[13]指出“丹娜丝”对“菲特”的水汽输送是造成强降水的重要成因。

从前面的分析可以看出,近年来双台风互相作用对中国降水影响的研究受到关注,但是,缺乏针对中国近海双台风作用气候特征和活动规律的研究。开展此项研究的一个重要基础是需要双台风的判定标准。针对双台风的判定标准主要是主观标准的现状,近期尹碧文等[14]发展了西北太平洋双台风判定的客观标准。

本文基于尹碧文等[14]发展的双台风判定客观标准,首先提出影响中国双台风的定义;在此基础上,识别得到历史上的影响中国双台风,进而对影响中国双台风的基本气候特征和活动规律进行分析和讨论。

2 资料和方法

2.1 资料

本文采用以下气象资料:热带气旋资料选自1960—2017年中国气象局上海台风研究所西北太平洋热带气旋最佳路径资料集中的热带风暴及以上级别的热带气旋,包括每6小时的中心位置、中心附近最大风速和最低气压数据。降水资料来自1960—2017年国家信息中心的中国大陆2005个气象站逐日降水数据;中国台湾21站逐日降水资料。

2.2 方法

(1) 双台风判定客观标准

本文引用尹碧文等[14]提出的双台风定义:2个TC之间的中心距离小于等于1 800 km时,同时共存时间大于等于12 h,则视为双台风活动。

需要指出的是,针对3个及以上的台风同时存在的情况,将其拆分为多个台风对进行双台风判定,满足判定标准,则称为双台风。双台风中的“台风”一词是指热带气旋,故以下将称为双台风(Binary Tropical Cyclones,BTC);为描述方便,本文除图件及相关分析中涉及强度级别的台风(Typhoon,TY)外,其余地方“台风”一词泛指热带气旋。

(2) 热带气旋降水天气图客观识别法

本文采用Ren 等[15]提出的TC降水天气图客观识别法(Objective Synoptic Analysis Technique, OSAT)识别我国沿海地区热带气旋降水。该方法思想是模拟预报员利用天气图人工分离TC降水的过程,将日降水场分解成几个独立的自然雨带和一些离散的降水台站,根据自然雨带与TC中心的位置关系,确定出可能的TC雨带;最后针对每一个降水台站,根据其是否属于TC雨带以及其与TC中心之间的距离大小,判断其降水是否为TC降水,进而将所有的TC降水台站组合成为TC降水场。

(3) 影响中国双台风的定义

影响中国双台风的定义如下:双台风活动期间,双台风中至少有一个台风对中国大陆或2个大岛——海南岛和台湾岛之一造成降水的双台风,称为影响中国双台风(Influencing China Binary Tropical Cyclones,ICBTC)。

针对3个及以上多TC同时存在的情形,将其简化为多对双台风,分别判别是否为ICBTC。

(4) 影响中国双台风的识别方法

首先根据上述的双台风客观判定标准,针对西北太平洋热带风暴(Tropical Storm,TS)及以上级别的热带气旋进行双台风识别,得到西北太平洋所有的双台风;然后利用OSAT方法对双台风中的每一个台风进行降水识别,最后判定该双台风是否为影响中国双台风。

以2013年双台风“菲特”和“丹娜丝”为例给出影响中国双台风的识别过程。第一步双台风识别:根据双台风客观判定标准,得出台风“菲特”和“丹娜丝”是双台风,且其活动期为10月5~7日;第二步单个台风降水分离:采用OSAT方法,得到2个台风影响中国的降水时段分别为10月4~7日(“菲特”)和10月7~8日(“丹娜丝”);第三步双台风活动期内有降水影响的判定:基于前两步,“菲特”和“丹娜丝”均给中国带来了降水影响,可以判定属于影响中国双台风,其影响期为10月5~7日。

进一步,可以将影响中国双台风分为2类:即2个台风在双台风活动期间均对中国产生降水(简称“双TC降水型”)和仅1个台风在双台风活动期间对中国产生降水(简称“单TC降水型”)。

3 ICBTC气候特征

3.1 基本特征

根据双台风客观判定标准和影响中国双台风的定义及判识方法,得到1960—2017年西北太平洋一共出现421对BTC,平均每年约7.3对,其中ICBTC共255对,占总体BTC的60.6%,平均每年4.4对。进一步,255对ICBTC中包括双TC降水型117对和单TC降水型138对。

为了探讨ICBTC的时间序列变化特征,图1给出西北太平洋BTC与ICBTC频次时间序列。利用Mk检验得出BTC和ICBTC年频次,通过置信水平α=0.05的显著性检验,即西北太平洋BTC和ICBTC频次表现为显著下降趋势,且BTC下降趋势更明显。BTC频次前3位高值分别出现在1960年、1966年和1967年,分别是19对、19对和18对;其中2014年无BTC活动。ICBTC频次前3位高值年分别出现在1960年、1973年和1966年,分别是13对、12对和10对;其中2005年和2014年无ICBTC的活动。

图1

图1   19602017年西北太平洋双台风与影响中国双台风频次时间序列

Fig.1   Interannual variations of BTC and ICBTC frequencies in the Western North Pacific during 1960-2017


图2为西北太平洋双台风与影响中国双台风频次的季节变化,可以看出西北太平洋双台风和影响中国双台风频次多年平均季节变化均呈单峰型分布,两者的频发期为7~9月,其中8月最盛——西北太平洋BTC为2.3对,ICBTC为1.6对。

图2

图2   19602017年西北太平洋双台风与影响中国双台风频次多年平均季节变化

Fig.2   Seasonal variations frequencies of BTC and ICBTC in the Northwest Pacific Ocean during 1960-2017


为了分析ICBTC影响期时长与频数的关系,图3给出ICBTC影响期时长—频次比率统计分布。从图3可以看出,影响期时长最大可达10天,较集中出现在1~3天,其频次比率分别为18.8%,29.4%和24.3%。

图3

图3   影响中国双台风影响期时长—频次比率统计分布

Fig.3   The frequency percentage of ICBTCs as a function of the influence duration


定义ICBTC影响期内2个TC之间的最短距离为ICBTC最短距离,进一步分析影响期时长与最短距离的关系。图4给出ICBTC影响期时长—最短距离的频次统计分布,频次色标如图4右侧所示。可见,最大频次分布在最短距离为1 600 km且时长为1~2天的区域,最大频次为10次;次大频次8次出现在最短距离为1 300 km且时长为3天的小范围内。

图4

图4   影响中国双台风影响期时长—最短距离的频次统计分布

Fig.4   The distribution of frequencies of the minimum distance under the duration of the influence period of ICBTC


每一对ICBTC中2个TC的强度定义为影响期内它们各自的最大强度,进而可以根据它们的强度区分为强TC和弱TC。统计发现,255对ICBTC中有25对2个TC的强度相等,根据除此之外的230对统计得到强TC和弱TC频数比率统计分布如图5所示。发现ICBTC中的强台风频次比率前2位分别为台风(TY,25.8%)和超强台风(Super TY,22.7%);ICBTC中的弱台风频次比率前2位则分别为热带低压(TD,28.8%)和强热带风暴(STS,26.2%)。

图5

图5   影响中国双台风中强、弱TC频数比率统计分布

Fig.5   The distribution of frequencies’ proportions of strong TC and weak TC in ICBTCs


3.2 空间分布特征

分析1960—2017年255对ICBTC的路径地理分布,可以发现ICBTC通常出现在112°~140°E、12°~32°N,主要出现在菲律宾北部到中国台湾岛附近的洋面上。

为直观了解ICBTC对中国的影响,针对ICBTC的年均影响频次和年均降水进行统计分析。首先将每一次ICBTC影响到的台站影响频次加1,得到多年平均影响频次的空间分布(图6a)。可见,空间分布上影响频次由东南沿海向西北内陆阶梯递减;年均频次最大值出现在中国台湾东部,为2.5次以上;次大值2.0~2.5次出现在中国台湾西部、福建东北部和浙江西南部。

图6

图6   19602017年影响中国双台风影响的空间分布

Fig.6   The spatial distribution of ICBTCs from 1960 to 2017


然后将ICBTC的降水进行统计得出多年平均降水的空间分布(图6b),年均降水表现出与年均影响频次一致的特征,即从东南沿海向西北内陆阶梯递减;最大年均降水出现在中国台湾岛,一般为200~400 mm,中心值超过400 mm;东南沿海及广东沿海大部一般为100~150 mm,个别地方如浙闽交界和珠江口附近达150~200 mm。

上述分析了ICBTC的年均影响,接下来针对ICBTC对中国造成强降水的影响进行分析。针对每对ICBTC影响期内出现单站最大日降水当日,给出ICBTC双TC平均位置及其连线(“哑铃”)分布如图7所示。可以看出,单站最大日降水当日ICBTC主要出现在112°~140°E,12°~30°N,其中有ICBTC中的西台风更靠近中国,而且不少台风已登陆中国,这种配置容易给中国造成强降水影响。将每对ICBTC影响期内出现单站最大日降水进行排序,前3位分别是1165.5,737.7和733 mm。

图7

图7   19602017年影响中国双台风影响期内出现单站最大日降水当日的双TC平均位置(蓝色点)及其连线(灰色线)地理分布

Fig.7   The geographical distribution of average locations (blue dots) and connections (grey line) of two TC’ activity on the day of maximum daily precipitation at single station in ICBTCs from 1960 to 2017


为了理解ICBTC上述这种降水特征,本文进一步做了如下分析。

图8为ICBTC连线方向的划分示意图。在直角坐标系中,2个台风的连线及其延长线在第一和第二象限与X轴正方向(东方)的夹角大小在0°~180°。将0°~180°六等分:0°~30°,30°~60°,60°~90°,90°~120°,120°~150°,150°~180°,分别命名为方向1(东北东—西南西)、方向2(东北—西南)、方向3(东北北—西南南)、方向4(西北北—东南南)、方向5(西北—东南)及方向6(西北西—东南东)。

图8

图8   影响中国双台风连线方向的划分示意图

Fig.8   Division of the direction for line between ICBTCs


图6中的每一对ICBTC的连线图,按照图7的方向划分且进行频次统计,得到不同方向对频次占总体比值的表格(表1)。显然方向1(东北东—西南西)和方向6(西北西—东南东)的占比值明显大于其他方向,而且合并这两个方向后,东—西向的累计占比为65.9%。

表1   影响期内出现单站最大日降水日2TC平均位置的连线位置6个方向频次占总体比值

Table 1  The rate of average locations and connections of two TC’ activity under the different direction on the day of maximum daily precipitation in the Influence period

方向方向1方向2方向3方向4方向5方向6
占比/%30.214.126.676.676.6735.69

新窗口打开| 下载CSV


将方向1和方向6合并后,实质上的东—西向进行季节变化统计分析,发现其频发期为7~9月,其占总体比率高达为85.1%;也就是“东—西向”主要发生在7~9月。从而给出了图9影响期内出现单站最大日降水日TC连线位置的“东—西向”(灰线连接蓝色的点)及其平均连线位置(红线连接红色的点),与500 hPa上的588 gpm等高线(紫色实线)在1960—2017年7~9月的平均高度场。可以发现,其平均连线位置位于119.2°E、22.4°N(西台风)和133.2°E、22°N(东台风),呈东—西向分布。西台风位置靠近中国台湾岛和东南沿海,并正好位于东亚夏季风的西南水汽通道,有利于西台风从西南水汽通道中获得水汽;东台风在副热带高压西南侧,位于副热带高压的东风暖湿气流中,有利于使东台风向西台风的水汽输送[8]。ICBTC在这种配置下十分有利于西台风对中国台湾岛和东南沿海造成强降水。

图9

图9   影响中国双台风出现单站最大日降水日的位置连线(灰色)和副高位置的地理分布(黑色)

考虑到ICBTC频发期为7~9月,故副高位置采用500 hPa上的588 gpm等高线1960—2017年7~9月的平均值。以及影响中国双台风的平均位置及连线均为红色

Fig.9   The geographical distribution of subtropical high (black line) and connections of ICBTCs (grey lines), which are on the days of maximum daily precipitation at single station

As the frequent period of ICBTC is from July to September, the annual mean 588 gpm contour line at 500 hPa from July to September during 1960-2017 is used for the location of subtropical high. The average locations and connections of ICBTCs are all in red


4 结语和讨论

综合上述分析,小结如下:

(1) 1960—2017年西北太平洋一共出现421对BTC,年均约7.3对;其中ICBTC共255对,年均约4.4对,占总体BTC的60.6%。ICBTC的年频次表现为显著下降趋势,其频发期为7~9月,其中8月最盛。

(2) ICBTC的影响期时长最长可达10天,1~3天的频次比率之和高达72.8%,其中2天的频次比率最大,为29.4%。ICBTC通常活动在112°~138°E和12°~32°N,主要活动在菲律宾北部到中国台湾岛附近的洋面上。

(3) ICBTC的年均影响频次与年均降水均表现为由东南沿海向西北内陆阶梯递减;ICBTC的主要影响区为中国台湾岛、东南沿海和华南沿海,其中中国台湾岛受影响最大。

(4) ICBTC影响现单站最大日降水当日双TC平均位置主要表现为东—西向分布,西台风和东台风正好分别位于东亚夏季风的西南水汽通道和副高西南侧东风暖湿气流中,不仅有利于西台风从西南水汽通道中获得水汽,而且有利于东台风向西台风的水汽输送,从而有利于西台风对中国台湾岛和东南沿海造成强降水。

从本文影响中国双台风定义及判定方法来看,对ICBTC的判定主要依据是2个TC之间的距离及是否给中国陆上造成降水影响,对于是否同时存在3个或更多TC相互作用的问题,并未做更详实的探讨。在此基础上,下一步拟针对双台风极端降水用大涡方法模拟,找出双台风之间的水汽、能量输送等的机理[16]

参考文献

Chen Lianshou.

Tropical meteorological calamities and its research evaluation

[J].Meteorological Monthly, 2010, 367):101-110.

[本文引用: 1]

陈联寿.

热带气象灾害及其研究进展

[J].气象,2010, 367):101-110.

[本文引用: 1]

Fujiwhara S.

The natural tendency towards symmetry of motion and its application as a principle in meteorology

[J]. Quarterly Journal of the Royal Meteorological Society, 2010, 47(200):287-292.

[本文引用: 1]

Fujiwhara S.

On the growth and decay of vortical systems

[J]. Quarterly Journal of the Royal Meteorological Society, 2010, 49(206):75-104.

[本文引用: 1]

Lander M, Holland G J.

On the interaction of tropical-cyclone-scale vortices. I: Observations

[J]. The Quarterly Journal of the Royal Meteorological Society, 1993, 119(514):1 347-1 361.

[本文引用: 1]

Carr L E, Boothe M, Elsberry R L.

Observational evidence for alternate modes of track-altering binary tropical cyclone scenarios

[J]. Monthly Weather Review, 1997, 125(9):2 094-2 111.

[本文引用: 1]

Carr L E, Elsberry R L.

Objective diagnosis of binary tropical cyclone interactions for the Western North Pacific Basin

[J]. Monthly Weather Review, 1998, 126(6):1 734-1 740.

[本文引用: 1]

Luo Zhexian, Ma Jingxian.

Study on the numerical simulation of binary typhoons in the south of the subtropical high

[J]. Journal of Meteorology2001594):450-458.

[本文引用: 1]

罗哲贤马镜娴.

副热带高压南侧双台风相互作用的数值研究

[J].气象学报,2001594):450-458.

[本文引用: 1]

Bai Li'na, Ma Leiming, Zeng Zhihua, et al.

Numerical analysis on the role of tropical storm Namtheun in the unusual track of three tropical cyclones in 2010

[J]. Journal of Tropical Meteorology, 2013, 29(3):421-431.

[本文引用: 2]

白莉娜, 马雷鸣, 曾智华, .

热带气旋“南川”在2010年三个热带气旋异常路径中作用的数值模拟研究

[J]. 热带气象学报, 2013, 29(3):421-431.

[本文引用: 2]

Xu Xiangde, Lu C, Xu Hongxiong, et al.

A possible mechanism responsible for exceptional rainfall over Taiwan from Typhoon Morakot

[J]. Atmospheric Science Letters, 2011,12(3):294-299.

[本文引用: 1]

Zheng Feng, Zhang Lingjie.

A simulation analysis of Typhoon Goni’s impact on the intensity maintenance of typhoon morakot

[J]. Meteorological Science and Technology, 2013,41(4):664-669.

[本文引用: 1]

郑峰张灵杰.

2013: 台风“天鹅”对“莫拉克”强度维持影响的模拟分析

[J]. 气象科技,2013,41(4):664-669.

[本文引用: 1]

Xu Hongxiong, Du Bo.

The impact of Typhoon Danas (2013) on the Torrential rainfall associated with Typhoon Fitow (2013) in East China

[J]. Advances in Meteorology,2015. DOI:10.1155/2015/383712.

[本文引用: 1]

Yu Zhenshou, Ji Chunxiao, Xu Jing, et al.

Numerical simulation and analysis of the Yangtze River Delta rainstorm on 8 october 2013 caused by binary typhoons

[J]. Atmospheric Research, 2015,16633-48.

[本文引用: 1]

Xie Huimin, Ren Fumin, Li Guoping, et al.

The role of supper typhoon “Danas” in extreme precipitation associated with severe typhoon Fitow

[J].Journal of Meteorology201642(2): 156-165.

[本文引用: 1]

谢惠敏, 任福民, 李国平,.

超强台风“丹娜丝”对1323号强台风“菲特”极端降水的作用

[J].气象,201642(2): 156-165.

[本文引用: 1]

Yin Biwen, Ren Fumin, Li Guoping.

Climatic characteristics of binary tropical cyclones in the Northwest Pacific Ocean

[J].Advances in Earth Science, 2017, 32(6):643-650.

[本文引用: 3]

尹碧文, 任福民, 李国平.

1951—2014年西北太平洋双台风活动气候特征研究

[J]. 地球科学进展, 2017, 32(6):643-650.

[本文引用: 3]

Ren Fumin, Wang Yongmei, Wang Xiaoling, et al.

Estimating tropical cyclone precipitation from station observations

[J]. Advances in Atmospheric Sciences,2007244):700-711.

[本文引用: 1]

Ma Leiming, Bao Xuwei.

Research progress on physical parameterization schemes in numerical weather prediction models

[J]. Advances in Earth Science, 2017, 32(7): 679-687.

[本文引用: 1]

马雷鸣, 鲍旭炜.

数值天气预报模式物理过程参数化方案的研究进展

[J]. 地球科学进展, 2017, 32(7): 679-687.

[本文引用: 1]

/