日本海海域1988—2017年气旋的特征分析

吕欣远,刘 娜*,杨永增,孔 彬,何 琰,林丽娜,王颖杰

(1.自然资源部第一海洋研究所 海洋环境与数值模拟研究室,山东 青岛266061；2.自然资源部 海洋环境科学与数值模拟重点实验室,山东 青岛266061；3.青岛海洋科学技术试点国家实验室 区域海洋动力学与数值模拟功能实验室,山东 青岛266237；4.中国海洋大学 海洋与大气学院,山东 青岛266100)

日本海是一个平均深度可达到1 750 m的西北太平洋封闭型边缘海[1],它通过朝鲜海峡和津轻海峡与西北太平洋相连,通过宗谷海峡和鞑靼海峡与鄂霍茨克海相连[2],是一个重要的航道区域。温带气旋和热带气旋的发生会伴随狂风、暴雨、巨浪等恶劣天气和海况,严重影响船舶航行安全[3]。21世纪以来,北极地区剧烈增暖,影响其上大气环流场,导致全球气候发生剧烈变化[4]。且随着北极海冰厚度和密集度的减小,北极的适航性大大增加[5],进行北极气候要素和海洋要素的实地考察更加迫在眉睫。日本海是中国进行北极科学考察的必经航道,除此之外,日本海海域也是“冰上丝绸之路”、“一带一路”北上航线以及带动东北经济发展的东北航道的必经之路,此海域的气候变化特征将对航海安全产生重大影响。

热带气旋和温带气旋被认为是中纬度天气系统和全球环流的重要组成部分[6],均可以促使大气与海洋之间发生强烈的相互作用,输送大量的水分、动量和能量[7-8]。而数值研究表明,包括日本海在内的东亚是气旋活动最为频繁和剧烈的地区[9]。2014年12月,日本海海域内的2个温带气旋不断发展、加强、合并,引发风暴潮,使得农作物被大规模毁坏、电力设备和交通瘫痪,最终造成日本的经济损失高达20亿日元[10-11]。因此,日本海海域内温带气旋和热带气旋会对附近海域及日本产生重大的气候效应和经济影响。

随着20世纪80年代以来再分析数据的蓬勃发展,以此为基础的气旋追踪算法应运而生。不同于人工从气象图上逐个统计,这种统计气旋的方法更加方便、直观、客观[12]。目前,国内被普遍认可的气旋类数据集只有中国气象局上海台风研究所发布的热带气旋最佳路径数据集,而基于再分析数据的气旋追踪算法则可以同时统计温带气旋和热带气旋。此外,气旋追踪算法结合各种模式数据也为气旋预报提供了可能和便利。目前国际上的气旋追踪算法分为拉格朗日方法(如Ulbrich和Christoph[13])和欧拉方法(如Blender[14],Hodges[15]),其中,Hodges[15]研究表明,拉格朗日式追踪算法在时间和空间变化上具有更高的灵活性[12]。还有学者运用Hodges的气旋自动追踪算法统计了南大洋、北极以及中国近海等海域气旋的基本特征,并证实了此算法的可用性[12,16-17]。

在气旋时空变化规律方面,有大量针对西北太平洋的大范围研究,尚未有研究系统探讨过日本海这一封闭局部海域的气旋变化特征。鉴于日本海这一局部海域的重要性以及研究结果的稀缺性,本文在全球变暖的背景下,运用Hodges[15]的拉格朗日式追踪算法,研究在较长的时间尺度内,进入日本海海域的温带气旋和热带气旋的基本特征和变化趋势,以期为日本海海域附近的温带气旋和热带气旋活动的短期气候预测提供科学依据,也为船舶预测和有效避离气旋提供参考。

1 数据与方法

1.1 数据与研究区域

本文所使用的研究数据来自欧洲中心1988—2017年的ERA-Interim的平均海平面气压的再分析数据[18]。此数据的时间分辨率为每6 h一次,空间分辨率为0.75°×0.75°。

本文的研究区域主要包括日本海海域、朝鲜海峡、津轻海峡、宗谷海峡和鞑靼海峡,主要经纬度范围为125°～145°E,30°～55°N(图1)。

图1 研究区域Fig.1 Study area

1.2 方法

1.2.1 气旋追踪算法

使用平均海平面气压数据,采用英国雷丁大学Hodges的气旋追踪算法[15],统计1988—2017年这30 a期间影响日本海附近的气旋。Hodges的气旋追踪算法采用拉格朗日的思路,其追踪过程主要分为滤波、定位和追踪3个步骤。即首先运用离散余弦变换(Discrete Cosine Transform,DCT),滤掉大尺度环流背景场的影响；然后采用四叉树的空间索引方法定位气压的低值中心；最后将低值中心进行连接形成轨迹[19]。需要注意的是,Hodges的算法采用的是就近原则,即在最后一步连接的是周围2°(222 km)范围内的低值中心。

为了避免低压扰动的干扰,本文统计了生命史超过24 h、移动范围超过500 km的气旋。为了研究进入日本海区域的气旋的影响,则统计了所有进入日本海的气旋,即使气旋的源地或者消亡地不在日本海范围内[16]也进行了统计。

1.2.2 Mann-Kendall(M-K)突变检验

本文采用M-K检验方法来分析气旋个数和气旋强度的突变年份,对有n个样本量的时间序列X,构造一秩序列,是第i个时刻数据大于j时刻数值个数的累积量s k:

然后,在时间序列随机独立的假定下,定义统计量:

式中:E(s k)和Var(s k)分别表示s k的均值和方差,在时间序列x1,x2,…,x n相互独立,且有相同连续分布时,其计算公式如下

UF k为标准正态分布,它是按时间序列X顺序计算出的统计量序列。按时间序列X逆序,而后再通过上述步骤计算得到UF k,最后令UB k＝-UF k(k＝n,n-1,…,1),UB1＝0。

当UF k或UB k大于(小于)0时,表明时间序列为上升(下降)趋势。当UF k或UB k超过临界直线时,表明时间序列的上升或下降趋势显著,且超过临界线的范围为突变发生的时间范围。如果当UF k和UB k两条曲线出现交点,且交点在临界线之间,交点则为突变开始的时间。

1.2.3 气旋密度估计算法

为了分析日本海海域范围内气旋的源地密度特征和消亡密度特征,运用Hodges气旋追踪算法中的核概率密度算法,在气旋轨迹的基础上,生成连续且平滑的气旋密度分布图[16]。首先通过核概率密度算法,以每个格点周围5°的球冠面积(约为106km2)作为基本单位,追踪气旋位置并建立适当的核函数,最终得到全球144×73个格点内的气旋的概率密度[17],然后根据公式:数密度＝概率密度×(概率密度在统计区域内的积分)×面积的权重[17,20],计算概率数密度,即气旋密度。

气旋强度密度分布图的得到类似于上述方法,这里的气旋强度指的是在气旋从生成到消亡的过程中,气旋低于正常气压值的最大值,并以此来计算气旋强度密度特征。

轨迹密度特征的计算方法与上述方法稍有不同,只用到单位面积的每条气旋轨道上距离估计点最近的一个点[17]。通过核概率密度算法无法得到全球144×73个格点,但可以通过标准化整合为相同的形式,从而模拟出研究区域内气旋路径的分布状况[17]。

1.2.4 合成分析

通过合成分析的方法分析气旋源地密度、轨迹密度和消亡密度的年际变化特征,各个变量进行合成分析的方法是一致的,这里以源地密度为例进行详细说明。分别分析比对1988—2017年期间气旋源地密度每年的空间分布情况,然后根据每年的空间分布特征,将空间分布,尤其是源地密度中心区大体一致的年份进行合成分析处理,得到多年平均的源地密度空间分布情况。

2 气旋的气候特征

2.1 气旋频数的基本统计特征

1988—2017年期间日本海气旋频数的变化情况如图2所示。1988—2017年期间日本海气旋频数最大值和最小值分别出现在1995年(138个)和2011年(114个)。值得注意的是,结合气旋频数距平值来看,气旋频数最小值和最大值与其相邻2 a的气旋数均相差20个左右,变化幅度很大。且由M-K突变检验,1995年前后共发生了2次气候突变,1994—1995年期间气旋频数发生了1次由少至多的突变,而1995—1996年期间则发生了1次由多至少的突变。在1995年之前,日本海附近气旋的波动变化很明显,表明日本海气旋频数变化较为剧烈。而1995—1996年由多至少的突变之后,直到2010年代中后期,均没有突变点出现,且气旋频数没有明显的上升或下降趋势,气旋频数为偏少期。由图中的红色虚线可知,在整个1980年代末期至2010年代中后期,日本海气旋频数的长期变化趋势呈现非常明显的下降趋势,且通过了0.05的显著水平检验,黄色点虚线为0.05显著水平置信度线(U0.05＝1.96)。

图2 1988—2017年日本海气旋频数Fig.2 The frequency of cyclones in the Sea of Japan from 1988 to 2017

图3 为1988—2017年日本海气旋月频数比例统计图。可见,近30 a期间,日本海气旋主要集中于春季的3月和4月以及秋季的10月,占总数的29.73%。夏季的气旋频数普遍较低,尤其是盛夏时期,其比例仅占总数的13.2%。总的来说,日本海附近气旋频数的分布在各个月期间的分布相对均匀。

图4 为1988—2017年日本海附近气旋逐月变化图。与图3相对应,日本海附近气旋主要集中出现在每年的春季和秋季,相比较而言,夏季的气旋数略少。1990年代初期的气旋频数极小值并非出现在夏季,出现时段向后延迟了1个月。另外,在1990年代中期至2010年代中后期,气旋频数极小值出现的时间段逐渐前移,如在1995年,每月气旋数目小于10个的现象开始于6—7月,而在2017年,此现象则开始于5—6月,几乎提前了1个月。

图3 1988—2017年日本海气旋月频数比例Fig.3 The ratio of monthly frequency of the cyclones in the Sea of Japan from 1988 to 2017

图4 1988—2017年期间日本海气旋逐月变化Fig.4 Monthly variation of the cyclones in the Sea of Japan from 1988 to 2017

2.2 气旋的空间分布特征

2.2.1 气旋强度特征及变化趋势

就近30 a期间日本海海域气旋强度异常的长期变化趋势而言(图5红色虚线),强度整体呈现为不显著的增加趋势。根据M-K突变检验,年平均气旋强度异常在2004年发生了1次明显的由弱到强的突变,气旋强度从偏弱期转变为偏强期。

图5 1988—2017年日本海区域平均的气旋年平均强度异常Fig.5 Anomalies of the annual average intensity of cyclones in the Sea of Japan from 1988 to 2017

根据图6,近30 a期间1—4月和9—12月的气旋总体较强,日本海大部分地区的气旋异常强度大多在10～20 h Pa范围内,且气旋强度自日本海西南向东北逐渐增强。近30 a气旋月平均强度异常达到20 hPa以上的气旋仅位于日本海最北端、鞑靼海峡南部海域,且仅存在于11月、12月和1月。5—8月月平均气旋异常强度的空间分布特征与其他月份不同,不是严格的自西南向东北逐渐递增,如5月气旋月平均异常强度在40°N以南呈现为自南向北逐渐递增,等值线为平直的东西向。

1988—2017年期间日本海海域气旋强度的特征和变化趋势离不开大气和海洋的相互作用。此外,本文未对得到的日本海附近海域气旋频数、强度等时空变化特征的影响机制进行分析。一方面,其与大气环流模态和遥相关等息息相关,直接影响气压梯度和上层急流强弱,从而影响气旋活动特征[17,21]。影响日本海附近海域的大气环流模态主要有北极涛动(Arctic Oscillation,AO)、太平洋年代际振荡(Pacific Decadal Oscillation,PDO)、日本-太平洋遥相关型(Pacific-Japan,P-J型)以及亚洲-太平洋涛动(Asian-Pacific Oscillation,APO)等。另一方面,受到ENSO(El Niño-Southern Oscillation)影响的海温梯度会影响气压梯度,也是造成气旋活动异常的关键因素之一。在接下来的研究中,可以通过相关分析以及合成分析等方法对本文中得到结论进行验证,并分析影响其的具体动力和热力因素。

为了进一步分析较强强度气旋的周期变化特征,根据图6,将气旋异常强度在13 hPa之上的气旋认定为本文中较强的气旋,并绘制1—12月平均气旋异常强度分布,如图7。1988年至1990年,较强气旋的南边界出现在津轻海峡附近,并向日本海东北方逐渐加强(图7a)。与之相比,1991年至2008年期间,较强气旋出现的范围明显向北收缩(图7b)。在2009年至2015年期间,较强强度气旋出现的范围再次南扩,且范围比1988年至1990年更大(图7c)。而到了2016年至2017年,范围再次收缩(图7d)。因此,在近30 a期间,1—12月平均异常强度在13 hPa以上的气旋出现在日本海的范围呈现为北缩—南扩—北缩的变化特征。

图6 近30 a平均的1月至12月气旋异常强度空间分布Fig.6 Spatial distribution of cyclone anomalous intensity from January to December averaged over the past 30 years

图7 年平均异常强度在13 h Pa以上的气旋强度空间分布Fig.7 Spatial distribution of cyclones with annual average anomalous intensity above 13 hPa

2.2.2 气旋源地密度特征及变化趋势

近30 a期间产生在日本海附近的气旋多出现于1月、2月、11月和12月,且这4个月份的气旋源地中心均位于日本海西南部(图8)。4月、5月和6月期间,日本海海域内没有气旋源地中心存在,但受日本东南部西北太平洋海域上的气旋源地中心影响,日本本州岛日本海沿岸附近海域气旋源地密度较大。10月气旋源地密度中心位于日本海北部。值得注意的是,整个日本海在7月的气旋源地密度分布很均匀,且中心在日本海南部。

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

近30 a期间,日本海气旋源地密度空间分布主要表现为4种,如图9所示。将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为类型一,图9a为这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与此同时,日本东南部西北太平洋海域上也有1个气旋源地中心,在东西2个源地中心的共同影响下,整个日本海南部的源地密度均较大。将1994年、1996年、2000年、2002年、2006年和2011年的源地密度分布特征命名为类型二,图9b为这6 a源地密度年平均。与类型一相比,日本海西南部的源地中心消失,受到日本东南部源地中心的影响,日本海上源地密度较高处为日本海中部。将1995年、2005年、2009年和2017年的源地密度分布特征命名为类型三,图9c则为这4 a源地密度年平均。源地密度中心主要在日本海西南部,与类型一的源地密度中心位置类似,但更偏北。此外,宗谷海峡西部海域附近的源地密度也较高,为日本海上的第二个源地中心。再加上日本本州岛东侧源地中心的影响,整个日本海的源地密度均较高。将2007年、2008年和2015年的源地密度分布特征命名为类型四,图9d为这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,且与类型一、和类型三相比,类型四的源地密度中心要弱很多。除此之外,朝鲜海峡南部存在1个源地密度中心,受其影响,朝鲜海峡北部的日本海海域的源地密度相对较高。除这4种类型外,还有2种特殊类型的源地密度空间分布特征,分别为2010年的特殊类型一(图9e)和2004年的特殊类型二(图9f)。

图9 不同类型的年平均源地密度的空间分布Fig.9 Spatial distribution of different types of annual average source density

2.2.3 气旋轨迹密度特征及变化趋势

图10 统计了日本海附近海域气旋路径的分布状况[17]。5—9月,日本海范围内的气旋轨迹密度普遍较小。10月,日本海北部的气旋轨迹密度最大,之后,此轨迹密度中心减弱且逐渐向日本海的西南扩大。12月,整个日本海区域内的轨迹密度均增大,而此后的1月和2月,日本海上的轨迹密度不断减弱。在3月,轨迹密度中心在日本海北部,并不断减弱,直到6月,整个日本海海域内不存在轨迹密度中心。

图10 近30 a平均的月平均轨迹密度的空间分布Fig.10 Spatial distribution of monthly trajectory density of cyclones averaged over the past 30 years

近30 a期间,日本海气旋轨迹密度空间分布主要表现为4种,如图11。将1988年、1989年、2006年、2011年和2013年的轨迹密度分布特征命名为“无中心型”,图11a为这5 a的轨迹密度年平均,整个日本海区域内没有轨迹密度中心存在。将2003年和2007年的轨迹密度分布特征命名为“偏南型”,图11b为这2 a的轨迹密度年平均,日本海区域内的轨迹密度中心在日本海南部海域。另外,宗谷海峡处也有1个比较弱的轨迹密度中心,受其影响,日本海最北部部分地区的轨迹密度较大。将1992年、1994年、1996年、1998年、1999年、2001年、2002年、2005年、2008—2010年和2014—2016年的轨迹密度分布特征命名为“偏北型”,图11c为这14 a的轨迹密度年平均,日本海区域内的轨迹密度中心在宗谷海峡西部的日本海北部海域。将1990-1991年、1993年、1995年、1997年、2000年、2004年、2012年和2017年的轨迹密度分布特征命名为“西南—东北型”,图11d为这9 a的轨迹密度年平均,整个日本海海域内的气旋轨迹较为密集,气旋的轨迹密度中心整体呈现SW—NE的空间分布特征。

图11 不同类型的年平均轨迹密度的空间分布Fig.11 Spatial distribution of different types of annual average trajectory density

2.2.4 气旋消亡密度特征及变化趋势

总体来看,日本海上消亡密度总体较弱且没有气旋消亡中心存在,消亡密度较大的区域均为受日本海西部大陆上的消亡中心影响的区域(图12)。日本海西部大陆上的消亡中心在4月和5月密度最大,因此,受其影响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,日本海西部大陆上的消亡中心范围较小,几乎没有对日本海产生影响,因此日本海上气旋的消亡密度分布比较均匀且比较低。受日本海西部大陆上气旋消亡中心的影响,7月日本海中部海域上的消亡密度较大,而3月和8月日本海北部海域上的消亡密度较大。

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

近30 a期间,日本海气旋消亡密度空间分布主要表现为4种(图13)。将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为类型一,图13a为这21 a的消亡密度年平均。日本海西部大陆上的消亡中心范围很大,影响到日本海西北大陆沿岸及北部海域的消亡密度略有增加。将1998年和2006年的消亡密度分布特征命名为类型二,图13b为这2 a的消亡密度年平均。与类型一相比,类型二中日本西部大陆上的消亡中心范围更小且更偏西,因此,日本海海域不受其影响,整个日本海上的消亡密度分布均匀,且年平均密度很小。将1994年、1997年、2002年和2004年的消亡密度分布特征命名为类型三,图13c为这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个从日本海西部大陆上的消亡中心中分裂出的气旋消亡中心,受其影响,在日本海上,南至津轻海峡西部海域、北至宗谷海峡西部海域的范围内,消亡中心密度增加。将2000年和2007年的消亡密度分布特征命名为类型四,图13d为这2 a的消亡密度年平均。日本海西部大陆上的消亡中心有一半向东南移动到日本海上,使得日本海中部海域的消亡密度增加。除以上提到的4种类型外,1995年年平均消亡密度空间分布在近30 a中比较特殊(图13e)。

图13 不同类型的年平均消亡密度的空间分布Fig.13 Spatial distribution of different types of annual average extinction density

3 结 论

在整个1980年代末至2010年代中后期,日本海气旋频数的长期变化趋势呈现非常明显的下降趋势,且日本海气旋频数在1990年代中期之前变化较为剧烈,此后逐渐趋于平稳。日本海附近气旋频数的分布在各个月期间的分布比较均匀。相比较而言,春季的3月和4月以及秋季的10月较高,而夏季较低。值得注意的是,在1990年代初期,气旋频数极小值并非均出现在夏季。

近30 a期间日本海海域气旋强度异常的长期变化趋势整体呈现为不显著的上升趋势,在2004年发生了1次明显的由弱到强的突变,直至2017年,始终处于“偏强期”。因此,虽然近年来气旋频数在减少,但是气旋强度却在不断增强,仍需要对气旋的变化引起足够重视。此外,气旋频数和强度均在夏季最弱,适航性最强。近30 a气旋月平均强度自日本海西南向东北逐渐增强,因此较强的气旋仅发生在冬季的日本海最北端和鞑靼海峡南部海域。在近30 a期间,年平均异常强度在13 hPa以上的气旋出现在日本海的范围呈现为北缩—南扩—北缩的变化特征,在接下来的几年,很大概率仍然表现为“北缩”的变化特征。

本文发现20世纪90年代前后的气旋强度的时空变化特征有一定的联系,且气旋频数和强度均具有趋势性、周期性、突变性、随机性等特性。因此,在本文研究的基础上,使用ERA20C的1900—2010年的数据,并结合频率分析的方法,从更长的时间尺度抓住其本质规律特征,以期在航海天气的预报等方面夯实基础。

日本海海域内的气旋月平均源地密度在冬季最大,而在夏季最小。日本海气旋年平均源地密度空间分布主要表现为4种基本类型,源地中心分别位于日本海西南部、日本海中部、日本海西南部和宗谷海峡西部的日本海海域、日本海北部和朝鲜海峡北部的日本海海域。日本海海域内的气旋轨迹主要在秋末到春初期间。日本海气旋年平均轨迹密度空间分布也主要表现为4种类型,分别为:“无中心型”、“偏南型”、“偏北型”和“西南—东北型”。日本海气旋年平均消亡密度空间分布同样有4种主要类型,除类型二在日本海上几乎没有气旋消亡外,类型一、类型三和类型四中气旋消亡率较高的地方分别在:日本海西北大陆沿岸及北部海域、津轻海峡西部海域至宗谷海峡西部海域、日本海中部海域。