热带气旋生成指数对印度洋热带气旋频数变化的适用性研究

刘春雷 冯小丽 顾剑峰 廖晓晴 曹宁1, 徐建军1, 徐峰 张宇1,

0 引言

印度洋是 21 世纪海上丝绸之路的重要通道,每年都有大量的船只经过．印度洋又是全球热带气旋 (TC) 易发区之一,所产生的热带气旋是世界上破坏力最强的气旋[1],对过往船只和海上作业造成巨大威胁,对沿岸国家(如孟加拉国、印度、巴基斯坦、缅甸、马达加斯加、毛里求斯、莫桑比克等)造成巨大的人员伤亡和财产损失[2-5],也是影响我国西南地区的主要天气系统之一．目前对各海域热带气旋形成机理的研究都有了很大进展[6-9],但对印度洋,尤其是南印度洋热带气旋的研究还比较少[8,10-11],对该区域TC生成的季节性变化和长期趋势缺乏理解．印度洋TC的最大特点是南印度洋台风多,北印度洋台风少,然而存在这样空间分布差异的物理过程尚不清楚．随着全球变暖,影响TC 生成的环境因子 (如涡度、相对湿度、垂直风切变等) 的时空结构也会随之改变,这些变化如何影响 TC 的生成和发展,目前还存在争议,有待于进一步研究[12-19].

目前高分辨率动力模式对南北印度洋TC 的模拟还不理想,因为对环境因子与TC 生成和发展的动力机制的关系还不完全清楚[20-25]．热带气旋生成指数[26-27]融合了这些环境因子,被广泛用于各大洋的热带气旋生成研究[28-32]．林志强[2]用热带气旋生成指数研究了北印度洋的热带气旋生成的气候特征,发现与观测资料一致性很好．Camargo等[28]研究了模式分辨率对热带气旋生成指数的影响,并用大气再分析资料研究ENSO对热带气旋生成指数和TC生成的影响[29],分析了不同环境因子的贡献．Camargo等[30]还利用热带气旋生成指数分析了热带大气季节内振荡 (Madden-Julian Oscillation) 对TC生成的影响．本文采用新发布的 ERA5大气再分析逐月资料计算热带气旋生成指数,作为TC 生成条件的定量化指数,对南北印度洋海域的热带气旋气候特征和年际变化趋势进行分析,并与观测资料进行比较,探讨热带气旋生成指数的适用范围.

1 资料和方法

本研究采用的热带气旋观测数据是最佳路径资料 (IBTrACS)[33-34],以每个TC资料的第一个纪录作为该TC 的生成时间和位置．如没有特殊说明,TC 风速使用的是 WMO (World Meteorological Organization)数据，IBTrACS数据是v04．环境变量来自于ERA5 大气再分析逐月资料[35],水平分辨率为0.25°×0.25°,垂直方向 37层,包括海表温度、海平面气压、850 hPa 绝对涡度、600 hPa 相对湿度、200 hPa 和850 hPa 之间的垂直风切变、热带气旋的潜势强度[15,36-37],以及各气压层的温度和比湿．时间跨度都是1979—2019年.

热带气旋的生成指数[27-29]被定义为:

(1)

其中yGPI是热带气旋生成指数(GPI)的量值,η是850 hPa 的绝对涡度 (s-1),HR是600 hPa 的相对湿度(%),SW是200 hPa和850 hPa之间的垂直风切变 (m·s-1)．Vpot是潜势强度,是基于Emanuel[36]提出的海气相互作用理论,把 TC 的生成发展看作海洋表面热焓通量和海表风速的正反馈,代表TC的最大可能强度,可以通过式 (2)[37]计算:

(2)

(3)

Ts是海表温度,To是TC系统向外输出的平均温度,可以用海表温度、大气温度、湿度垂直分布计算出来.

以上所需常数和变量可以从Emanuel[37]文章中和ERA5 资料中获得．本文中北印度洋(NIO)区域范围为 (0°～30°N,41°～100°E) 的洋面,南印度洋(SIO) 区域范围为 (0°～30°S,33°～100°E)的洋面．利用 ERA5 各气压层的温度和比湿,可以从式(2)算出Vpot,然后再结合其他ERA5资料,从式 (1) 计算出热带气旋生成指数GPI.

2 气候特征

从ERA5资料得到的TC 生成指数GPI (仅画出yGPI> 1.2 的数值) 的多年平均(1979—2019年)和从IBTrACS观测数据统计的热带气旋个数全球分布如图1所示．可以看出,图1a和图1b的空间分布非常相似,说明TC 生成指数GPI能够总体上刻画全球TC的空间分布．例如东太平洋和大西洋赤道以南没有TC 发生．图 1a和图 1b的主要区别在南太平洋辐合带(South Pacific Convergence Zone,SPCZ),该区域的 GPI值比南印度洋的GPI大,但观测资料显示该区域的年平均TC个数与南印度洋的年平均TC个数相当．在北印度洋,整个孟加拉湾都有 TC生成,而阿拉伯海仅东部有 TC生成,且没有孟加拉湾多．在南印度洋,两套资料都显示TC生成的整体分布呈拱形结构,横跨整个南印度洋,靠近东西边界的生成地向南延伸,且南印度洋中部属于 TC高发区.

图2a是南北印度洋GPI大于不同临界值的格点数的比值 (南印度洋/北印度洋),图 2b是观测的最大风速大于不同临界值的TC个数的比值．随着GPI 临界值从 5增加到 60,比值也一直在上升(2～7),然后在6以上振荡,说明南印度洋出现GPI 大值的概率远大于北印度洋,所以南印度洋热带气旋生成的概率也大于北印度洋．观测到的南北印度洋最大风速大于不同临界值的TC 个数的比值如图2b所示,它开始随着最大风速的增加而增加，最大风速达到25 m·s-1之后的TC个数比值在6到8之间,一直到最大风速超过50 m·s-1之后才开始下降,但总的比值一直都大于1.

图3a显示IBTrACS资料中北印度洋热带气旋生成个数的多年平均季节变化,不同曲线代表最大风速大于不同临界值的 TC个数变化．这些风速临界值如表 1所示,代表不同的热带气旋强度．TC个数的月变化有明显的双峰分布,且5—6月左右的峰值小于10月左右的峰值．双峰的季节变化特征与TC强度无关,但随着 TC强度的增加,双峰的高低差别逐渐减小．北印度洋 TC的双峰一个在季风前,一个在季风后,因为季风期间对流层高低层有强的垂直风切变,不利于TC 的生成[38]．图3c是北印度洋 GPI 大于不同百分位值(百分位分别为99.99,99.95,99.90,99.50和99.00)的格点数平均月变化,代表了 TC生成的可能几率．粗红线是北印度洋海表平均温度的季节变化.

表1 热带气旋强度分级Table 1 Tropical cyclone intensity grades

所有曲线都已被标准化(减去平均值,再除以标准方差)．可以看出,标准化后的格点个数峰值大小和位置不依赖于所选的百分位．对比图3a 和图3c 可以看出,GPI能很好地再现观测到的 TC发生频数的双峰结构,并且5—6月的峰值小于10月的峰值,与海表温度的峰值位置相对应,因为高的海表温度更有利于 TC的生成,但海表温度在 5—6月的峰值大于 10月的峰值,与台风个数的峰值大小相反,所以海表温度月变化能解释 TC发生频数的双峰结构,但不能解释双峰的强度差别.

图3b和图3d是相应的南印度洋的多年平均的月变化．观测的TC月变化和计算的GPI结果整体变化相似,南印度洋 TC峰值出现在南半球夏季[18,39]．总的来说,观测的TC最多发生在1月,只有强台风(最大风速U≥41.5 m·s-1) 和超强台风(U≥51 m·s-1)在 3月出现峰值,与图3d的海表温度峰值对应．结合图3a中双峰强度差别随 TC最大风速的增加而减小,可以推论高的海表温度有利于热带气旋增强到台风级别．GPI的峰值在 2月,而不是观测到的 1月和海表温度峰值的 3月,其中原因,有待进一步研究．总的来说,GPI能够再现南北印度洋TC的月变化.

为了理解不同强度TC 的贡献,图 4显示了北印度洋不同强度TC 个数的月变化．图 4a是北印度洋总的TC 个数月变化,有显著的双峰结构．图4b是热带低压,除了 6月和 10月的峰值,在 8月还有一个峰值,而且在 5—11月间发生频数较高．热带风暴(图 4c)季节变化和总的TC 季节变化相似,呈双峰结构，且10月的热带风暴个数多于 6月的个数．强热带风暴(图4d)在5月有个较高峰值,然后在11—12月达到第二个弱一些的峰值．强度达到台风级别的TC个数在 5月和 11月有峰值,且11月的峰值远高于5月的峰值(图4e)．值得注意的是强台风的月变化和北印度洋的温度季节变化类似,峰值发生在 5月和11月,且5月的峰值大于11月的峰值(图4f)．和热带风暴、台风的月变化一样,超强台风发生在夏季风之前和之后,且夏季风之后的峰值高于之前的峰值(图4g)．相对于其他强度的TC,观测资料中纪录的低于热带低压的TC很少(图4h).

为了研究绝对涡度、相对湿度、垂直风切变和潜势强度对TC 生成的可能贡献,4个变量的多年 (1979—2019年)区域平均的月变化如图5所示,左列是北印度洋,右列是南印度洋的结果,用式(1)计算的对应4个变量月变化的 GPI也在图5i—5j中给出．在北印度洋,绝对涡度和潜势强度都有与TC生成频数对应的两个峰值,垂直风切变也有对应的两个低值,说明绝对涡度、垂直风切变和潜势强度对双峰结构都有贡献．在南印度洋,除了绝对涡度的季节变化与 GPI不一致外,相对湿度、垂直风切变和潜势强度对GPI的分布都有贡献．通过进一步对印度洋 2月(图 6左列)和 10月(图 6右列)多年平均的绝对涡度、相对湿度、垂直风切变、潜势强度和GPI 的二维空间结构进行对比研究,发现 2月北印度洋TC易发区(阿拉伯海和孟加拉湾)600 hPa的相对湿度较低,而南印度洋较高(图6c),与 GPI的结构类似．在北部阿拉伯海和北部孟加拉湾的垂直风切变较高 (图6e),这些环境因素不利于TC在阿拉伯海和孟加拉湾的生成,造成了 2月北印度洋TC频数较低,而南印度洋TC频数较高(图6i)．10月阿拉伯海东北部和北部孟加拉湾的绝对涡度大,相对湿度较高,垂直风切变小,潜势强度高,有利于TC的生成,造成了TC频数在阿拉伯海东北部和孟加拉湾比其他地方高(图6j).

3 长期趋势

图7是观测的TC个数年变化．图7a显示了IBTrACSv04资料中南北印度洋所有TC的年平均．北印度洋 TC的个数(黑线)从20世纪70年代末每年大约5个到现在每年大约10个,增加了近一倍．Mann-Kendall 检验[40]表明,平均每10年大约1.3个的增长趋势是显著的(p<0.05)．该增长趋势主要是由较弱的TC年变化趋势贡献的,热带风暴和较强的TC并无明显的变化趋势(图7b)．南印度洋 TC个数(红线)长期变化趋势与北印度洋相反,从70年代末每年大约25个,下降到现在每年大约 13个,与北印度洋的 TC个数相当．每10年平均大约 2.8个的下降趋势非常显著(图7a)．对于南印度洋(图7c),除较强TC(U≥32.7 m·s-1)外,不同强度的 TC个数都呈下降趋势.

为了检验南北印度洋每年总的TC生成个数变化趋势的可靠性,从 IBTrACS v03r10 资料中得到的总个数年变化也同时显示在图7a中(虚线)．在南北印度洋,除了 2016年后的资料有变化之外,1979—2016年的资料几乎完全相同．我们进一步用ERA-Interim 的 TC跟踪资料[41]进行了检测(图略),但没有发现明显的下降趋势．这些上升和下降趋势究竟来自于哪个强度区间的TC 个数?为了回答这个问题,图 8显示北印度洋每年TC 总个数和各强度区间TC 个数的时间序列．北印度洋TC个数的上升趋势主要来自于热带低压(TD,图 8b) 和热带风暴(TS,图 8c),而 1990年之前对各强度的TC 几乎没有纪录,所以 1990年之前的资料应忽略．南印度洋的 (图9) TC个数的下降趋势也主要来自于热带低压 (图9b) 和热带风暴 (图9c),另外台风个数 (图9e) 也有下降趋势．随着探测技术的改进,现在能探测到强度较弱的TC,可能是北印度洋 TC个数上升的原因之一．但南印度洋强度较弱的 TC个数下降的原因尚不清楚,需要未来进一步研究.

图10显示经标准化后的每年观测的(IBTrACS v04)TC个数变化(粗黑线)和大于不同 GPI 百分位值的格点数变化,所有曲线都已经被标准化．对不同的 GPI百分位值,北半球格点数(图 10a)的变化趋势和观测的 TC个数变化趋势相一致,2005年之前有明显的上升,之后几年较为稳定,2012以后又开始上升．但观测曲线和 GPI曲线的相关不显著．南印度洋的观测结果和GPI曲线变化趋势正好相反(图10b),观测曲线呈显著的下降趋势(见图7a,7c),GPI 曲线在 2001年前后有明显的年代际变化,但整体呈显著的上升趋势．该不一致的地方有可能来自于观测资料,也可能是 GPI 公式的适用性问题,需要进一步的深入研究.

4 讨论和小结

本文利用1979—2019年ERA5逐月大气再分析资料,计算了南北印度洋各格点的潜势强度Vpot[37],结合ERA5资料中海表温度、海平面气压、850 hPa绝对涡度、600 hPa相对湿度,以及200 hPa和850 hPa之间的垂直风切变,对每个格点的热带气旋生成指数进行了计算[27-28],并把结果与IBTrACS观测数据进行了比较．结果表明,热带气旋生成指数GPI能够较好地刻画观测到的TC在南北印度洋的空间分布特征,并且南印度洋TC生成个数比北印度洋多．GPI能够重现印度洋TC生成的气候态分布,如北印度洋TC生成个数的双峰结构和南印度洋的单峰结构,并且北印度洋TC生成个数5—6月的峰值小于10月左右的峰值,与观测结果一致．通过设定不同的最大风速U和GPI百分位值,发现观测资料中TC生成的月变化曲线和ERA5资料中大于GPI百分位值的格点数曲线变化非常一致．因此总体而言,GPI能准确描述南北印度洋TC的气候特征.

南北印度洋最大风速大于不同临界值的TC个数的比值和南北印度洋GPI大于不同百分位值的格点数的比值(南印度洋/北印度洋)都大于1,最大比值分别超过7和10,意味着南印度洋的TC生成数远大于北印度洋(图2)．通过分析绝对涡度、相对湿度、垂直风切变和潜势强度与GPI的关系,发现在北印度洋,绝对涡度、垂直风切变和潜势强度对双峰结构都有贡献．在南印度洋,相对湿度、垂直风切变和潜势强度对GPI的分布有贡献.

对观测资料IBTrACSv04的分析表明,北印度洋TC生成总个数以每10年1.3个的趋势增加,而南印度洋TC生成总个数以每10年2.8个的趋势减少．通过对不同强度的TC生成个数分析发现,北印度洋的TC个数上升趋势主要来源于弱热带气旋的贡献(热带低压和热带风暴),而强度较强的TC个数没有明显的变化趋势(图7—8)．GPI分析的结果显示,大于不同GPI百分位值的格点数都呈上升趋势(图10a)．在南印度洋的观测数据中,几乎所有强度的TC个数都呈下降趋势(图9b—9g),且超强台风的个数接近于热带风暴的个数(图9c,9g)．然而GPI分析的结果却显示大于不同GPI百分位值的格点数都呈上升趋势(图10b),且在2002年前后有明显的年代际变化．通过对比发现,IBTrACS v4.0和IBTrACS v3r10的结果与ERA-Interim的TC跟踪资料[41]结果在北印度洋较一致,但在南印度洋的变化趋势相反,需要进一步的详细研究.

致谢感谢ECMWF提供ERA5资料以及提供IBTrACS资料的团队．刘春雷还感谢英国雷丁大学气象系为访问提供方便.