嚴 衛(wèi)，韓 丁＊，周小珂，劉會發(fā)，唐 超

1解放軍理工大學氣象海洋學院，南京 211101

2解放軍92313部隊氣象臺，遼寧興城 125106

1 引 言

熱帶氣旋（簡稱TC）作為當前地球上最強烈的自然災害之一，是一種具有暖心結構和氣旋性地面風環(huán)流的非鋒面性天氣系統(tǒng)，通常發(fā)生在熱帶或副熱帶洋面上，主要借助水汽的凝結和潛熱釋放來維持和發(fā)展.以往對熱帶氣旋的研究主要借助全球各氣象機構如美國國家颶風中心（NHC）、聯合臺風預警中心（JTWC）、日本氣象廳（JMA）以及中國氣象局（CMA）等發(fā)布的多年最優(yōu)路徑資料，分析其發(fā)生頻數、強度變化、路徑異常以及登陸前后的演變規(guī)律等［1］，而對其內部結構詳細而深入的研究相對較少.

隨著衛(wèi)星遙感技術的快速發(fā)展，近年來利用衛(wèi)星資料分析熱帶氣旋內部結構、定位中心位置以及估算強度大小等的研究逐漸增多，如Rodgers等［2－3］利用美國國防氣象衛(wèi)星（DMSP）搭載的被動微波輻射計（SSM／I）資料分析了西北大西洋和西北太平洋熱帶氣旋降水的時空分布規(guī)律，并研究了熱帶氣旋降水在北大西洋和北太平洋總降水的地理、季節(jié)和年際分布中所發(fā)揮的作用［4－5］；Kovacs和McCormick［6］首次借助星載激光雷達實驗（LITE）的高分辨率資料研究了臺風Melissa眼區(qū)、眼墻以及卷云罩內氣溶膠、云和降水的分布特征；Yokoyama和Takayabu［7］利用1997—2003年的熱帶降雨衛(wèi)星（TRMM）資料定量分析了熱帶氣旋降水的三維結構特征；Kidder等［8－9］在利用先進的微波探測器（AMSU）資料分析熱帶氣旋降水潛力的基礎上，開展了暖核結構分析、強度估計、梯度風反演以及聯合靜止衛(wèi)星圖像確定眼區(qū)位置和大小等方面的研究；此外，也有較多學者利用輻射計、靜止衛(wèi)星可見光、紅外云圖甚至掩星資料估算熱帶氣旋強度大小并分析其熱力結構特征［10－12］.上述研究為利用衛(wèi)星資料分析熱帶氣旋的云、降水和熱力結構奠定了堅實基礎，但無論被動可見光、紅外或微波探測器還是主動測雨雷達，其有限的探測靈敏度使得無法測量熱帶氣旋內部云的宏微觀結構參數，如云的邊界高度、相態(tài)、類型、水含量、粒子半徑及數濃度等.

CloudSat衛(wèi)星搭載的94GHz云廓線雷達（CPR）不僅可以探測從薄云到濃厚云的垂直剖面特征，而且可反演剖面上云的宏微觀物理參數，為云的研究提供了全新的平臺.CloudSat較高的垂直分辨率以及探測精度不受陸地和海洋限制的優(yōu)勢，使其可提供高精度的云結構和降水特征信息，對于熱帶氣旋的研究具有重要意義.Luo等［13］利用經過臺風中心時CloudSat測量的云頂高和云廓線信息，結合中分辨率成像輻射光譜儀（MODIS）的云頂溫度，建立了臺風強度的評估模型并取得了較好的效果；Mitrescu等［14］和Durden等［15］利 用A－Train衛(wèi)星編隊中的CPR、MODIS、云－氣溶膠垂直偏振激光雷達（CALIOP）以及先進微波掃描輻射計（AMSR－E）資料對熱帶氣旋的雷達回波強度、云類型、粒子尺度及冰水含量等參數進行定量研究，并統(tǒng)計分析了眼墻和層狀云降水區(qū)雷達反射率因子和冰云微物理參數隨高度的變化規(guī)律；Matrosov［16］基于CloudSat實測數據分析了2008年兩個登陸颶風系統(tǒng)Gustav和Ike中云頂高、冰水路徑及降雨率大小，其降雨率反演結果與地基天氣雷達測量結果具有很好的一致性；趙姝慧［17］聯合CloudSat和TRMM衛(wèi)星資料初步分析了臺風“艾云尼”眼區(qū)和外圍雨帶區(qū)降水云的結構特征，對眼區(qū)附近云系的垂直結構在不同階段的演變規(guī)律進行研究，并通過分析冰水含量和冰粒子數濃度的變化來研究臺風降水的分布特點.

A－Train為多衛(wèi)星編隊組合飛行，實現了多平臺、多傳感器、多光譜段的協同觀測，為深入研究熱帶氣旋物理結構和動態(tài)過程提供了寶貴數據源.截至目前，利用CloudSat衛(wèi)星或聯合A－Train編隊中多顆衛(wèi)星資料對熱帶氣旋的研究僅限于單個或一定數量的個例，而針對某一地區(qū)所有或達到某種等級熱帶氣旋的云、降水和熱力結構的統(tǒng)計研究尚未開展.CloudSat衛(wèi)星熱帶氣旋過境數據集的發(fā)布為此研究的實施提供了可能，該數據集融合了A－Train編隊多個傳感器的探測結果、大氣模式資料以及臺風最優(yōu)路徑數據，主要針對全球6個不同的海洋地區(qū)，對深入研究各地區(qū)熱帶氣旋的結構特征意義重大.論文便利用該數據集中2006—2010年距離熱帶氣旋中心500km范圍內的資料以及官方下載的Unisys颶風數據，定量分析了大西洋地區(qū)（0°N—70°N、110°W—10°W）颶風在不同演變階段內云、降水和熱力結構的分布特征，對該地區(qū)颶風的結構分析、強度估計和路徑預報具有借鑒意義.

2 數據和方法

2.1 數據描述

CloudSat熱帶氣旋過境數據集由美國海軍研究實驗室（NRL）和CloudSat數據處理中心（DPC）聯合發(fā)布，截至2010年底共收集到距離熱帶氣旋中心1000km內的6348次CloudSat過境記錄數據，其中50km范圍內有306次，主要分布在大西洋、西太平洋、東太平洋、太平洋中心、印度洋以及南半球6個海洋地區(qū).該數據集融合了A－Train編隊中CPR、CALIOP、MODIS和AMSR－E的探測資料、美國海軍全球大氣預報模式（NoGAPS）資料以及NHC或JTWC或中太平洋颶風中心（CPHC）發(fā)布的最優(yōu)路徑數據，其中采用的CloudSat數據產品如表1所示.

表1 CloudSat熱帶氣旋過境數據集中的CloudSat產品描述Table 1 The CloudSat product description in tropical cyclone crossing dataset from CloudSat

2.2 分析方法

自CloudSat衛(wèi)星發(fā)射升空至2010年底，共探測到大西洋地區(qū)的熱帶氣旋過境記錄1234軌，囊括了發(fā)生在該地區(qū)的所有75個熱帶氣旋.為了分析颶風在整個生命過程中結構特征的演變規(guī)律，從Unisys颶風數據庫中下載各颶風完整而詳細的路徑資料（CloudSat熱帶氣旋過境數據集中該數據缺失嚴重），尋找其整個生命過程內的最大可維持風速，并根據薩菲爾－辛普森等級法將其劃分為1～5個等級，若颶風在第一次消亡后再次增強，則以消亡時的最低瞬時可維持風速為界，將其分為前后兩個颶風分別進行研究.由于颶風直徑通常為600～1000km，最大可達2000km，最小只有約100km［18］，因此這里僅提取距離中心500km范圍內的颶風資料，共得到33個颶風的313軌、220561條廓線數據，其強度分布如圖1所示.圖中橫軸代表薩菲爾－辛普森等級法的分類強度，縱軸代表CloudSat過境軌道數，各柱條上的數字代表廓線數.

圖1 熱帶氣旋的強度分布Fig.1 Intensity distribution of tropical cyclones

在分析大西洋地區(qū)的颶風結構時，參照Yokoyama和Takayabu的研究方法［7］，將颶風生命過程按照瞬時風速大小劃分為發(fā)展、成熟和消亡三個階段，即以CloudSat過境時的瞬時風速達到其生命過程最大風速80%之前的時間段定義為發(fā)展階段，而瞬時風速減小至最大風速80%以后的時間段定義為消亡階段，中間的生命過程定義為成熟階段.在分析颶風水平結構時，將探測數據格點化至500km×500km的坐標范圍內，其中坐標原點代表颶風中心，X軸指向正東，Y軸指向正北，格點間距為25km；而分析颶風垂直結構時，X軸代表徑向距離，間隔為10km，Y軸代表高度，間隔取為CloudSat數據的垂直分辨率0.24km.

需要說明的是，本研究根據各颶風整個生命過程達到的最大可維持風速將其劃分為5個不同等級，這與以往的分類方法有所不同，如一個探測時次內的較弱颶風可能被劃歸為較強颶風，原因在于其在隨后的演變過程中逐漸發(fā)展為較強颶風.之所以采取這種非常規(guī)的分類方法，主要是為了研究每個潛在增強或減弱的颶風在其整個生命周期內的演變規(guī)律.

在研究颶風的云結構特征時，主要分析其雷達反射率、云發(fā)生概率、冰云參數以及單層云高度的分布特點，其中云發(fā)生概率主要根據CloudSat云分類產品研究常見7種典型云的分布特征，冰云參數主要包括冰水含量、有效粒子半徑、粒子數濃度和分布寬度參數四個參量，而單層云高度由毫米波雷達和激光雷達聯合探測得到.對于颶風降水結構的分析，主要研究水汽含量、液態(tài)水路徑、冰水路徑等水粒子和降雨率的分布以及降雨率與海面溫度的關系，其中冰水路徑由CloudSat反演得到，液態(tài)水路徑和水汽含量取自AMSR－E數據產品，而降雨率AMSRE和CloudSat都可以提供，但考慮到數據缺失，本研究取二者探測結果進行互補，若同時存在則取較大值.颶風熱力結構可通過分析其溫度、比濕、相對濕度和假相當位溫的分布特點而得到，本研究主要分析了颶風在不同階段內溫度、比濕和相對濕度水平距平的剖面分布，以及各徑向距離環(huán)內假相當位溫隨高度的變化曲線.其中，溫度和比濕可通過CloudSat輔助數據產品ECMWF－AUX直接讀取，而相對濕度和假相當位溫則由溫度和比濕計算得到.

3 結構特征分析

3.1 云結構特征

3.1.1 雷達反射率分布

雷達反射率的大小反映了雷達所接收到的云滴或雨滴粒子后向散射能力的強弱，其分布特征表明颶風系統(tǒng)中不同相態(tài)、不同粒子大小云的分布規(guī)律.CloudSat衛(wèi)星搭載的CPR雷達標稱波長為3.2mm，對于空氣分子（主要為氧氣和水汽分子）、大氣氣溶膠、沙塵、云滴和小的雨滴而言，粒子尺度相對波長較小，適用于Rayleigh散射理論；對于大的雨滴、雪片和冰雹等而言，粒子尺度與波長相近，適用于Mie散射理論.由于水滴粒子具有比冰粒子更大的介電常數，因而同等大小的水滴粒子雷達反射率要比冰粒子大約7dBZ［19］.圖2給出了大西洋颶風在不同階段、不同徑向距離環(huán)內雷達反射率發(fā)生概率的剖面分布.其中，（a）、（d）、（g）代表發(fā)展階段，（b）、（e）、（h）代表成熟階段，（c）、（f）、（i）代表消亡階段.由各子圖可知，雷達反射率以5km高度為界呈現出兩種截然相反的變化規(guī)律，即5km以下其隨高度降低而迅速減小表明有降水存在，尤其對于0～100 km的內核區(qū)更為明顯，說明此時有較強的對流運動產生，而5km以上雷達反射率的較大值表明存在對流上升運動產生的過冷水滴或大的冰晶粒子，此時雷達反射率隨高度的衰減率可粗略地反映對流上升運動的速率以及過冷水含量的大小［20－21］.此外，內核區(qū)雷達反射率在發(fā)展和消亡階段的5～8km以及成熟階段的8～12km發(fā)生概率較大，反射率也高達10dBZ，而在外圍區(qū)各階段的11～14km內發(fā)生概率較大，但反射率小于－10dBZ，表明颶風頂部向外的輻散作用導致內核區(qū)過冷水滴和大冰晶粒子不斷上升并向外擴散，在雨帶區(qū)聚合形成降水后到達外圍區(qū)時其含量已大大降低，使得回波強度減弱.

圖3為各階段雷達反射率沿徑向的剖面分布，從圖中可以看出，成熟階段回波強度明顯大于發(fā)展和消亡階段，表明此時颶風對流運動強烈并伴有較強降水和較大冰晶粒子產生.同時，各階段5km高度附近都存在一條明顯的亮帶結構，表明0℃凝結層的出現，而對凝結高度的統(tǒng)計結果發(fā)現，各階段100km以外凝結高度都保持在5km附近，100km以內除成熟階段先增加后減小外，其它階段也都幾乎保持不變.此外，成熟階段雷達反射率的較大值向上延伸的高度也最大，達到17km，其向下的伸展高度最低可至2km附近，表明颶風內部存在強烈對流運動使其達到整個生命過程的頂峰.發(fā)展階段反射率的較大值位于內核區(qū)，說明此時較強的對流運動是為颶風進一步發(fā)展積蓄能量，而成熟階段可延伸至220km附近，且其在220～420km內仍存在較強回波，表明此時颶風在水平尺度上也有較大延伸，強烈的對流運動可延伸至颶風中心400km以外區(qū)域，而消亡階段回波強度和伸展尺度明顯減弱，較大值位于60～180km及250～300km內，說明此時颶風的對流運動已大大減弱，逐漸走向衰亡.3.1.2 云發(fā)生概率分布

CloudSat數據處理中心利用測量的云空間尺度、溫度、回波強度以及降水信息將云分為8種基本類型，為了研究颶風內部各類云發(fā)生概率隨高度的分布規(guī)律，根據不同徑向距離進行統(tǒng)計，得到圖4所示結果，由于颶風不同階段內各類云發(fā)生概率的分布特征相似，僅在數值上有所差異，因此這里僅給出成熟階段的分布圖，而層云發(fā)生概率極少，為了不影響對其它各類云的統(tǒng)計，圖4僅給出7類典型云的分布.從圖可知，深對流云發(fā)生概率始終最大，垂直伸展范圍也最廣，可從近地面的幾百米延伸至颶風頂部約16km高度處，且在距離中心300km范圍內都有較大的發(fā)生概率和伸展范圍，而在外圍區(qū)則明顯減弱.卷云和高層云的發(fā)生概率次之，其沿徑向的變化不大，且高層云垂直伸展范圍僅次于深對流云，達到約10km.層積云發(fā)生概率在內核區(qū)較大，在雨帶區(qū)和外圍區(qū)較小且?guī)缀醪蛔?高積云垂直尺度在內核區(qū)和外圍區(qū)較小，而在100～400km的雨帶區(qū)較大.積云和雨層云發(fā)生概率與垂直尺度沿徑向變化較小，其中發(fā)生概率保持在5%左右，向上伸展高度積云可至7km附近，雨層云比其高約1.5km.

為研究云量的空間分布特征，利用各網格內有云廓線數占總廓線數的比值作為該網格的總云量，得到圖5所示各階段總云量的空間分布.從圖5可明顯看出，各階段第一和第四象限的總云量明顯偏高，圍繞颶風中心呈現“倒鉤狀”分布，且在成熟階段的多數網格內總云量達到90%以上（雖然部分網格存在數據缺失），表明經過不斷發(fā)展颶風云量已達到整個生命過程的最大尺度，為伴隨其內部大范圍持續(xù)性降水的產生積累了條件.

3.1.3 冰云參數分布

CloudSat熱帶氣旋過境數據集提供的有關冰云微物理參數，主要通過假設粒子譜分布服從對數正態(tài)分布，并借助譜參數的先驗信息以及實測的雷達反射率數據，利用前向物理模式實現微物理參數的反演［22］.圖6所示為大西洋地區(qū)成熟階段內核區(qū)冰云的冰水含量、有效粒子半徑、冰粒子數濃度以及分布寬度參數4個參量在垂直剖面內的概率分布.由圖可知，內核區(qū)冰水含量的最大值發(fā)生在12km高度附近，達到1.5g／m3，其發(fā)生概率在5～7km以及15km附近較大.通過對比其它徑向環(huán)內的統(tǒng)計結果發(fā)現，冰水含量的最大值沿徑向不斷減小，較大發(fā)生概率的高度也逐漸降低，在外圍區(qū)最大值僅有0.6g／m3，發(fā)生概率的較大值高度下降至5km附近及9～13km內.有效粒子半徑和分布寬度參數都隨高度升高而減小，且沿徑向二者變化范圍都在縮小，概率較大值出現的高度也在不斷降低.其中，有效粒子半徑在距離中心200km范圍內有兩個概率較大值區(qū)，而200km以外僅出現一個10km以上的概率較大值區(qū).粒子數濃度隨高度升高而增大，其在內核區(qū)的最大值為700／L，沿徑向逐漸減小至300／L，而其發(fā)生概率的較大值沿徑向變化很小，且主要集中在5～6km高度內.

圖7所示為成熟階段不同徑向環(huán)內各冰云參數隨高度的變化曲線.根據圖7a可知，除內核區(qū)外，冰水含量的較大值均出現在8km高度處，而較小值均出現在5km高度處，結合前面的分析可知，5km附近冰水含量和粒子數濃度的發(fā)生概率較大，同時凝結高度也位于該高度處，另外由圖7c可知此時粒子數濃度達到局部極小，表明颶風內部該高度處冰水含量和粒子數濃度較小但在整個冰云參數分布中的發(fā)生概率較大.有效粒子半徑和分布寬度參數都隨高度升高而減小，雖然各徑向環(huán)內的差異不大，但仍可看出距離中心較近區(qū)域的參數值略偏大.

圖7 成熟階段各徑向距離環(huán)內冰云參數隨高度的變化曲線Fig.7 Varying curve of ice cloud parameters with increasing altitude in each radial ring at mature stage

3.1.4 單層云高度分布

為研究颶風內部云層的垂直結構特征，通過對毫米波雷達與激光雷達聯合探測的云層高度進行統(tǒng)計分析，得到圖8所示的單層云云底高和云厚沿徑向的分布特征以及圖9所示的二維頻率分布圖.從圖8可以看出，各階段單層云云底高總體上沿徑向逐漸增大，云厚則逐漸減小，但云底高在距離中心50km的眼區(qū)內沿徑向先增大，而后逐漸減小至局部極小值，隨后再次增大，在外圍區(qū)達到最大值約為5km.云厚在發(fā)展階段沿徑向逐漸減小，但成熟和消亡階段在距離中心80～200km的雨帶區(qū)內厚度最大，而后才逐漸減小，且消亡階段250km以外區(qū)域云厚基本保持在4km附近，而成熟階段250km以內云厚都大于10km，說明此時該區(qū)域內對流旺盛、云體厚實，便于形成各類降水.

根據圖9云底高和云厚的二維頻率分布，可將各階段的單層云劃分為三種類型，即云底低于5km而云厚大于10km的厚云層、云底高于8km而云厚隨云底升高逐漸減小的云層以及云底低于6km同時云厚小于3km的中低云，分別定義為第一、第二和第三類云，第一類云在各階段內都占有一定比例，第二類云在發(fā)展和成熟階段的特征較為明顯，而消亡階段云底高于7km、云厚小于10km的云層發(fā)生頻率較大，且分布較為均勻，第三類云在發(fā)展和消亡階段出現較多，而成熟階段的分布較少.此外，成熟階段云底和云厚都小于8km的云層發(fā)生概率明顯小于發(fā)展和消亡階段.

3.2 降水結構特征

3.2.1 水粒子分布

圖10所示為不同階段大氣柱內單位面積水汽、液態(tài)水路徑和冰水路徑總含量沿徑向的變化曲線，其中液態(tài)水路徑和冰水路徑乘以因子100.從圖中可以看出，無論在颶風整個生命過程還是其各演變階段內，沿徑向液態(tài)水路徑和冰水路徑都呈減小趨勢，而水汽含量則幾乎不變.其中，液態(tài)水路徑在距離中心80～120km內最大，在460km附近最小，冰水路徑最大值發(fā)生在40～80km的內核區(qū)而最小值位于430～460km的外圍區(qū)，其在280km附近的雨帶區(qū)出現局部極小值.圖11所示為不同階段水汽含量的空間分布，從圖中可以看出，除成熟階段第一和第四象限距離中心150km范圍內出現水汽含量的較大值外，其它階段各區(qū)域內水汽含量的分布相對均勻，無較大差異.同時結合圖10和11可以發(fā)現，發(fā)展階段的水汽含量整體上大于消亡階段10kg／m2以上.

3.2.2 降雨率分布

為研究降雨率沿徑向的分布規(guī)律，對颶風、熱帶風暴和熱帶低壓在不同階段、不同徑向環(huán)內的降雨率進行統(tǒng)計，得到圖12所示結果.從圖12a可知，對于颶風和熱帶風暴而言，在整個生命過程中平均降雨率都沿徑向逐漸減小，而熱帶低壓在0～100km的內核區(qū)最小，在100～200km的雨帶區(qū)最大，而后不斷減小但卻在400～500km的外圍區(qū)出現較大值.從圖12b—12d可以看出，颶風在成熟階段的降雨率明顯大于發(fā)展和消亡階段，且各階段內核區(qū)降雨率始終最大.熱帶風暴和熱帶低壓在雨帶區(qū)的降雨率較大，但最大值在各階段的分布各異，且熱帶低壓在消亡階段100～400km范圍內的降雨率要大于成熟階段.這些分布特征與Rodgers等［2－5］利用輻射計資料對不同區(qū)域、不同強度熱帶氣旋降水結構的研究有所差異，一方面本研究對熱帶氣旋強度的劃分依據為其整個生命過程的最大可維持風速，因此必然存在某較強氣旋的過境風速小于較弱氣旋，從而導致降雨率偏??；另一方面CloudSat衛(wèi)星的刈幅寬度僅有1.4km，對氣旋的水平覆蓋范圍遠小于輻射計，同時其探測時次有限，無法保證探測到各種強度氣旋的每個降雨區(qū).

圖13為不同季節(jié)、不同階段颶風降雨率沿緯向的變化特征，其中不同月份的劃分主要是為了分析夏季早期和晚期（簡稱早夏和晚夏）以及秋季的降雨率特點.由圖可知，整個生命過程中夏季降雨率明顯大于秋季，在5°N—45°N以及55°N—60°N的緯度帶內降雨率較大值發(fā)生在晚夏，而在45°N—55°N內早夏的降雨率偏大.發(fā)展階段降雨率僅發(fā)生在35°N以內地區(qū)，各季節(jié)的差異不大；成熟階段晚夏降雨率始終最大，且在10°N—55°N內都有降水產生，而早夏降雨僅發(fā)生在亞熱帶地區(qū)；消亡階段降雨率最大值的分布特征與整個生命過程相似，不同之處在于早夏降雨僅發(fā)生在28°N以上地區(qū)，而秋季在48°N以上未檢測到颶風降水的存在.

為深入分析熱帶氣旋降雨率隨季節(jié)的變化特點，針對不同強度、不同階段的降雨率進行統(tǒng)計，得到表2所示的逐月變化結果，表中A、B、C、D依次代表整個生命過程、發(fā)展、成熟和消亡階段.由表2可知，不同階段內各強度熱帶氣旋的降雨率基本都隨月份先增大后減小，但多數情況下6月份的降雨率仍然較大，對應圖13中早夏較大的降雨率.對于颶風和所有氣旋而言，各月降雨率基本都在成熟階段較大，而在秋季的消亡階段較小.雖然熱帶風暴和熱帶低壓在11月份都未探測到降水存在，且熱帶低壓各階段內的數據缺失較為嚴重，無法給出其季節(jié)變化的較詳細描述，但仍可看出晚夏的降雨率較大.

表2 不同強度熱帶氣旋在各階段內降雨率的逐月變化Table 2 Monthly variation of rainfall rate for tropical cyclones with different intensities at each stage

圖14 颶風SST與最大風速和0～100km降雨率之間的關系（1kt＝0.514m／s）Fig.14 Relationship between SSTs and maximum wind speeds or rainfall rates of hurricanes within 0～100km

3.2.3 臺風最大強度、降雨率與海面溫度

早期的研究發(fā)現，海面水汽通量作為空氣溫度與海面溫度SST之差以及海面風速的函數，其變化對熱帶氣旋的潛在增強具有深遠影響.如Zehr［23］對西北太平洋熱帶氣旋的觀測結果表明，當SST低于26℃時該地區(qū)從未有熱帶氣旋產生.理論和實際觀測都表明，熱帶氣旋可維持的最大強度主要受限于SST以及對流層溫度和環(huán)境濕度的變化［24－26］，且其最大潛在降雨率也受SST支配［3］.為分析SST對熱帶氣旋潛在最大強度和最大降雨率的影響，統(tǒng)計得到圖14所示的散點分布圖，圖中垂直線代表SST為26℃，從而建立起颶風SST與最大風速及內核區(qū)降雨率之間的關系.

從圖14a可以看出，當SST低于26℃時僅觀測到一級颶風及少量的二級颶風，而當SST高于26℃時颶風最大強度對SST的變化更加敏感，且其若要達到二級以上則SST必須高于27℃.Demaria和Kaplan的研究表明［27］，颶風的潛在強度對暖的SST靈敏度較高，主要是因為暖的SST所在緯度帶內對流層溫度存在較大變化.圖14b清楚地表明內核區(qū)降雨率從25℃以下的2mm／h近似以指數形式增長至29℃附近的25mm／h以上，且最大潛在降雨率對暖的SST變化更為敏感.圖14的散點分布圖說明，颶風所能達到的最大潛在強度和降雨率與海面通量之間存在強烈的相關性，但當溫度大于29℃時，其最大強度和降雨率受SST的影響逐漸減弱，可能的原因在于：（1）隨著颶風強度的增強，不穩(wěn)定內核區(qū)的加熱導致颶風系統(tǒng)變得不再活潑；（2）由于對流運動的抬升作用有限，使得內核區(qū)溫度更高且更加穩(wěn)定；（3）颶風增強所產生的更多降水和飛沫使其可獲取的海面能量通量不斷減少.

3.3 熱力結構特征

較多的研究成果表明，熱帶氣旋對流層中上部的暖核結構主要由發(fā)展過程中眼區(qū)的下沉氣流引起絕熱增暖并在對流旺盛區(qū)釋放潛熱產生.目前對熱帶氣旋暖核即熱力結構的研究主要借助微波探測器數據、NCEP／NCAR再分析資料、飛機下投式探空儀甚至COSMIC掩星資料等，如王瑾和江吉喜［28］利用AMSU資料揭示了西北太平洋12個不同強度熱帶氣旋的熱力結構特征，并根據熱力結構的變化來推斷熱帶氣旋強度的變化趨勢；劉學剛借助NCEP／NCAR全球對流層1°×1°再分析格點資料，研究了西北太平洋夏季10個登陸臺風在不同階段內暖核結構的形成過程及其與強度變化之間的關系［29］；丁金才等［12］基于COSMIC掩星資料較詳細分析了西北太平洋17個臺風眼區(qū)外的溫濕熱力結構；彭犁然和舒守娟［30］利用飛機下投式探空儀資料，初步分析了2005年登陸我國的典型強臺風“龍王”的動力、熱力和非對稱結構的變化規(guī)律等等.與上述資料相比，CloudSat由于可以“切開”云層表面研究其內部結構，具有高垂直分辨率和全天候探測的優(yōu)勢，同時其數據產品融合了精細的溫壓濕信息，為更加深入而準確地分析熱帶氣旋熱力結構特征提供了全新數據源.本研究便基于CloudSat熱帶氣旋過境數據集中的溫度和比濕數據，通過計算得到相對濕度和假相當位溫大小，進而分析大西洋颶風在不同階段、不同區(qū)間內的溫度、比濕、相對濕度和假相當位溫等熱力結構參數的演變特征.

3.3.1 溫度分布

圖15所示為不同階段颶風溫度距平的剖面分布圖，其中溫度距平定義為某一高度層各格點溫度與該高度層整個颶風區(qū)域的平均溫度之差.從圖中可以看出，颶風各階段200km以外溫度距平較小，200km以內隨颶風演變逐漸增大.陳瑞閃［31］的研究表明，臺風眼上空的暖心在300～200hPa高度達到最強，眼區(qū)內外溫差達到10℃左右.由圖可知，颶風眼區(qū)外也存在一個正溫度距平的暖核，發(fā)展階段位于距離中心80～120km、高度6～15km的范圍內，溫度距平大于0.5℃，成熟和消亡階段達到1℃以上，水平范圍也更廣，但在垂直方向有下沉趨勢，且成熟階段集中在10km以下.

3.3.2 比濕分布

采用與溫度距平計算相同的方法，得到比濕在垂直剖面內的距平分布，如圖16所示.在颶風各階段的8km以下都存在一個濕心區(qū)，且成熟和消亡階段的比濕距平大于發(fā)展階段.對比圖15和16發(fā)現，各階段的濕心區(qū)恰好位于暖心區(qū)下方，說明水汽在濕心區(qū)匯聚后經對流抬升作用上升至對流層上部并發(fā)生凝結，從而釋放潛熱形成暖心區(qū).發(fā)展階段距離中心80～120km、6km以下高度存在一個比濕距平為0.4g／kg的弱濕區(qū)，成熟階段該弱濕區(qū)的強度明顯增強，比濕距平增大至2g／kg，而消亡階段其水平范圍和垂直尺度都在縮減，比濕距平也減小至1.5g／kg.

3.3.3 相對濕度分布

相對濕度指一定溫度和壓強下濕空氣中水汽壓與飽和水汽壓的百分比，其綜合反映了大氣中水汽和溫度的分布特征，利用其隨高度變化的廓線可進行云邊界高度的判定［32］.圖17給出了各階段相對濕度距平的剖面分布.從圖中可以看出，發(fā)展階段內核區(qū)的4～8km高度出現相對濕度距平的較大值區(qū)，這與圖16a中比濕距平的分布相似，而通過分析相對濕度的剖面分布特征，發(fā)現該區(qū)域相對濕度高達85%以上，表明此處濕空氣的水汽含量充足并接近飽和.成熟階段內核區(qū)5～12km高度存在一個相對濕度距平遠小于0并向外傾斜的未飽和區(qū)，該區(qū)域對應圖15b成熟階段的暖心區(qū)，同時從圖16b比濕的距平分布可知該區(qū)域空氣濕度不大，說明底層濕空氣上升凝結釋放潛熱后導致該區(qū)域水汽含量降低，空氣遠達不到飽和.該未飽和區(qū)在消亡階段抬升至8km以上，其上端接近颶風頂部，而從相對濕度的剖面分布可知，在5～12km內相對濕度都保持在70%左右，沿徑向其垂直范圍在不斷擴大，但相對濕度在逐漸減小，表明颶風開始走向衰亡，濕空氣的飽和程度在不斷減弱，導致降水越來越少.

3.3.4 假相當位溫分布

假相當位溫的垂直遞減率可用來判定大氣的對流穩(wěn)定性，若垂直遞減率大于0則為對流性穩(wěn)定層結，若小于0則為對流性不穩(wěn)定層結，否則為中性層結［33］.圖18給出了不同階段、不同徑向環(huán)內假相當位溫的垂直分布.由圖可知，各階段不同徑向環(huán)內10km以上假相當位溫差異較小，且垂直遞減率大于0，說明颶風10km以上高度內大氣始終保持均勻穩(wěn)定的層結結構.10km以下發(fā)展階段各徑向環(huán)內假相當位溫的差異仍然很小，幾乎重合，但在4km左右存在拐點，該高度以上垂直遞減率大于0，為對流性穩(wěn)定層結，該高度以下垂直遞減率小于0，為對流性不穩(wěn)定層結，表明發(fā)展階段颶風內部的對流上升運動源自4km以下.成熟階段的對流性不穩(wěn)定層結仍然位于4km以下，但在2～3km出現中性層結，而該高度層以下仍以對流性不穩(wěn)定層結為主.消亡階段除內核區(qū)1～2km以及3～10km為中性層結外，其它各徑向環(huán)1km以上主要為對流性穩(wěn)定層結，而不穩(wěn)定層結主要發(fā)生在1km以下，說明對流運動明顯減弱，颶風內部熱力結構與外圍區(qū)域逐漸趨于一致.此外，在颶風不同演變階段，各高度層內假相當位溫都沿徑向逐漸減小，且對于15km以下的成熟和消亡階段而言，內核區(qū)的假相當位溫明顯大于其它各徑向環(huán).

4 結論與討論

利用CloudSat熱帶氣旋過境數據集資料，針對2006—2010年發(fā)生在大西洋地區(qū)的33個颶風結構進行深入分析，主要研究了距離中心500km范圍內颶風的云、降水和熱力結構在發(fā)展、成熟和消亡階段的水平分布和垂直結構，重點討論了雷達反射率、云發(fā)生概率、冰云參數和單層云高度等云結構參數，水汽含量、液態(tài)水和冰水路徑、降雨率及其與SST的關系等降水結構特征，以及溫度、比濕、相對濕度和假相當位溫等熱力結構分布，得到以下主要結論：

（1）雷達反射率的發(fā)生概率以5km高度為“拐點”呈現出兩種截然相反的變化規(guī)律，成熟階段回波強度和伸展高度明顯大于發(fā)展和消亡階段，而各階段5km附近明顯的亮帶結構表明0℃凝結層的出現.深對流云發(fā)生概率始終最大、垂直伸展范圍也最廣，卷云和高層云次之，高積云在雨帶區(qū)較大而積云和雨層云始終較小.冰水含量沿徑向不斷減小，有效粒子半徑和分布寬度參數隨高度減小而粒子數濃度卻增大.單層云云底高總體上沿徑向增大而云厚卻減小，其二維頻率分布在各階段的特征各異.

（2）各階段液態(tài)水和冰水路徑沿徑向減小而水汽含量則幾乎不變，內核區(qū)降雨率始終最大，且成熟階段明顯大于發(fā)展和消亡階段.夏季降雨率明顯大于秋季，且各緯度帶內的較大值主要發(fā)生在晚夏和早夏.當SST高于26℃時，颶風最大強度對SST的變化較為敏感，且若要達到二級以上則SST必須高于27℃.內核區(qū)降雨率近似以指數形式增長，最大潛在降雨率對暖的SST較為敏感，但當溫度高于29℃時，颶風最大強度和最大潛在降雨率受SST的影響逐漸減弱.

（3）距離中心200km以外區(qū)域颶風的溫度距平較小，200km以內其隨颶風演變逐漸增大，同時眼區(qū)外仍存在正溫度距平的暖區(qū).各階段8km以下存在濕心區(qū)，且正好位于暖心區(qū)下方.發(fā)展階段內核區(qū)4～8km高度存在相對濕度及其距平都較大的區(qū)域，而成熟階段5～12km存在距平小于0并向外傾斜的未飽和區(qū)，并在消亡階段抬升至8km以上.各階段不同徑向環(huán)內10km以上假相當位溫差異較小，且4km以上主要為對流性穩(wěn)定層結，而4km以下的分布各異，但各高度層內假相當位溫都沿徑向逐漸減小.

CloudSat熱帶氣旋過境數據集融合了多種主被動傳感器以及模式資料，可以用來精細刻畫熱帶氣旋內部結構的演變過程，這是任何其它靜止或極軌衛(wèi)星設備所無法匹及的.論文基于此數據集分析了大西洋地區(qū)颶風的云、降水和熱力結構在不同演變階段的變化規(guī)律，其中對云和熱力結構剖面特征的詳細分析在以往的研究中出現較少，為分析大西洋地區(qū)的颶風結構提供了重要參考.很顯然，CloudSat的諸多優(yōu)勢如對云和降水探測的高空間分辨率、在陸地和海洋以及白天和夜間幾乎相同的探測精度等，都使其反演結果可作為熱帶氣旋研究的一種良好補充源，為各種預報模式的開發(fā)研究提供有效的驗證信息，并可用于追蹤登陸熱帶氣旋的結構變化，然而其有限的探測時次和刈幅寬度限制了其對熱帶氣旋結構的連續(xù)性大范圍監(jiān)測研究，而靜止衛(wèi)星資料恰好彌補了這一不足.因此，可考慮將靜止衛(wèi)星資料融入CloudSat熱帶氣旋過境數據集中，實現對熱帶氣旋結構特征與演變規(guī)律的更深入細致分析和連續(xù)性監(jiān)測預報，這將是下一步研究的方向.

致 謝 本研究利用的CloudSat熱帶氣旋過境數據集由美國海軍研究實驗室（NRL）和CloudSat數據處理中心（DPC）聯合發(fā)布（http：∥reef.atmos.colostate.edu／～natalie／tc／），最優(yōu)路徑數據由美國信息系統(tǒng)（Unisys）的颶風數據庫官方發(fā)布（http：∥www.weather.unisys.com／hurricane／），在此謹表感謝！

（

）

［1］ 薛根元，王志福，周麗峰等.登陸東南沿海熱帶氣旋的異常特征及其成因研究.地球物理學報，2007，50（5）：1362－1372.

Xue G Y，Wang Z F，Zhou L F，et al.On abnormal features and formation causes of tropical cyclones landing southeastern coastal zones of China.ChineseJ.Geophys.（in Chinese），2007，50（5）：1362－1372.

［2］ Rodgers E B，Chang S W，Pierce H F.A satellite observational and numerical study of precipitation characteristics in Western North Atlantic tropical cyclones.J.Appl.Meteor.，1994，33（2）：129－139.

［3］ Rodgers E B，Pierce H F.A satellite observational study of precipitation characteristics in Western North Pacific tropical cyclones.J.Appl.Meteor.，1995，34（12）：2587－2599.

［4］ Rodgers E B，Adler R F，Pierce H F.Contribution of tropical cyclones to the North Pacific climatological rainfall as observed from satellites.J.Appl.Meteor.，2000，39（10）：1658－1678.

［5］ Rodgers E B，Adler R F，Pierce H F.Contribution of tropical cyclones to the North Atlantic climatological rainfall as observed from satellites.J.Appl.Meteor.，2001，40（11）：1785－1800.

［6］ Kovacs T A，McCormick M P.Observations of typhoon Melissa during the lidar in－space technology experiment（LITE）.J.Appl.Meteor.，2003，42（7）：1003－1013.

［7］ Yokoyama C，Takayabu Y N.A statistical study on rain characteristics of tropical cyclones using TRMM satellite data.Mon.Wea.Rev.，2008，136（10）：3848－3862.

［8］ Kidder S Q，Goldberg M D，Zehr R M，et al.Tropical cyclone analysis using AMSU data.∥Proceedings of 10th Conference on Satellite Meteorology and Oceanography，Long Beach，California.Boston，America：American Meteorological Society，2000：185－188.

［9］ Kidder S Q，Goldberg M D，Zehr R M，et al.Satellite analysis of tropical cyclones using the Advanced Microwave Sounding Unit（AMSU）.Bull.Amer.Meteor.Soc.，2000，81（6）：1241－1259.

［10］ 劉喆，李萬彪，韓志剛等.利用AMSU－A亮溫估測西北太平洋區(qū)域熱帶氣旋強度.地球物理學報，2008，51（1）：51－57.

Liu Z，Li W B，Han Z G，et al.Estimating the intensity of tropical cyclone in Western North Pacific basin with AMSU－A brightness temperature.ChineseJ.Geophys.（in Chinese），2008，51（1）：51－57.

［11］ Pineros M F，Ritchie E A，Tyo J S.Objective measures of tropical cyclone structure and intensity change from remotely sensed infrared image data.IEEETrans.Geosci.Remote Sens.，2008，46（11）：3574－3580.

［12］ 丁金才，郭英華，郭永潤等.利用COSMIC資料對17個臺風熱力結構的合成分析.熱帶氣象學報，2011，27（1）：31－43.

Ding J C，Guo Y H，Guo Y R，et al.The composite analysis of the thermal structure of 17typhoons by using COSMIC data.J.Trop.Meteor.（in Chinese），2011，27（1）：31－43.

［13］ Luo Z Z，Stephens G L，Emanuel K A，et al.On the use of CloudSat and MODIS data for estimating hurricane intensity.IEEEGeosci.RemoteSens.Lett.，2008，5（1）：13－16.

［14］ Mitrescu C，Miller S，Hawkins J.Near－real－time applications of CloudSat data.J.Appl.Meteor.Climatol.，2008，47（7）：1982－1994.

［15］ Durden S L，Tanelli S，Dobrowalski G.CloudSat and ATrain observations of tropical cyclones.OpenAtmos.Sci.J.，2009，3（1）：80－92.

［16］ Matrosov S Y.CloudSat measurements of landfalling hurricanes Gustav and Ike（2008）.J.Geophys.Res.，2011，116（D1）：D01203，doi：10.1029／2010JD014506.

［17］ 趙姝慧.利用TRMM衛(wèi)星和CloudSat衛(wèi)星對不同類型云系的中微尺度結構的研究分析［碩士論文］.南京：南京信息工程大學，2008：66－72.

Zhao S H.A study on the mesoscale and microscale structure in different types of clouds by TRMM satellite and CloudSat satellite［Master′s thesis］（in Chinese）.Nanjing：Nanjing University of Information Science ＆Technology，2008：66－72.

［18］ 朱乾根，林景瑞，壽少文等.天氣學原理和方法.第4版.北京：氣象出版社，2007：508－555.

Zhu Q G，Lin J R，Shou S W，et al.Weather Principles and Methods（in Chinese）.4th Ed.Beijing：China Meteorological Press，2007：508－555.

［19］ Cecil D J，Zipser E J，Nesbitt S W.Reflectivity，ice scattering，and lighting characteristics of hurricane eyewalls and rainbands.Part I：quantitative description.Mon.Wea.Rev.，2002，130（4）：769－784.

［20］ Black M L，Burpee R W，Marks F D Jr.Vertical motion characteristics of tropical cyclones determined with airborne Doppler radial velocities.J.Atmos.Sci.，1996，53（13）：1887－1909.

［21］ Black R A，Hallett J.Electrification of the hurricane.J.Atmos.Sci.，1999，56（12）：2004－2028.

［22］ Austin R T，Heymsfield A J，Stephens G L.Retrieval of ice cloud microphysical parameters using the CloudSat millimeterwave radar and temperature.J.Geophys.Res.，2009，114（D8）：D00A23，doi：10.1029／2008JD010049.

［23］ Zehr R M.Satellite diagnostics of tropical cyclones.∥Proceedings of 3rd Conference on Satellite Meteorology and Oceanography，Anaheim，California.Boston，America：American Meteorological Society，1988：241－246.

［24］ Emanuel K A.The maximum intensity of hurricanes.J.Atmos.Sci.，1986，45（7）：1143－1155.

［25］ Merrill R T.Environmental influences on hurricane intensification.J.Atmos.Sci.，1988，45（11）：1678－1687.

［26］ Evans J L.Sensitivity of tropical cyclone intensity to sea surface temperature.J.Climate，1993，6（6）：1133－1140.

［27］ Demaria M，Kaplan J.A statistical hurricane intensity prediction scheme（SHIPS）for the Atlantic basis.Wea.Forecasting，1994，9（2）：209－220.

［28］ 王瑾，江吉喜.AMSU資料揭示的不同強度熱帶氣旋熱力結構特征.應用氣象學報，2005，16（2）：159－166.

Wang J，Jiang J X.The thermal structure characteristics of tropical cyclones with different intensity revealed by AMSU data.J.Appl.Meteor.Sci.（in Chinese），2005，16（2）：159－166.

［29］ 劉學剛.臺風暖心結構與強度變化的統(tǒng)計聯系［碩士論文］.南京：南京信息工程大學，2007：11－95.

Liu X G.Statistical relationship between typhoon′s warm center structure and intensity change［Master′s thesis］（in Chinese）.Nanjing：Nanjing University of Information Science ＆Technology，2007：11－95.

［30］ 彭犁然，舒守娟.利用GPS Dropsonde資料研究“龍王”臺風的結構特征.熱帶氣象學報，2010，26（1）：13－21.

Peng L R，Shu S J.Analysis on structure of typhoon Longwang based on GPS Dropsonde data.J.Trop.Meteor.（in Chinese），2010，26（1）：13－21.

［31］ 陳瑞閃.臺風.福州：福建科學技術出版社，2002：379－391.

Chen R S.Typhoons（in Chinese）.Fuzhou：Fujian Science and Technology Press，2002：379－391.

［32］ 嚴衛(wèi)，韓丁，陸文等.基于COSMIC掩星探測資料的云底高反演研究.地球物理學報，2012，55（1）：1－15，doi：10.6038／j.issn.0001－5733.2012.01.001.

Yan W，Han D，Lu W，et al.Research of cloud－base height retrieval based on COSMIC occultation sounding data.ChineseJ.Geophys.（in Chinese），2012，55（1）：1－15，doi：10.6038／j.issn.0001－5733.2012.01.001.

［33］ 盛裴軒，毛節(jié)泰，李建國等.大氣物理學.北京：北京大學出版社，2003：162－165.

Sheng P X，Mao J T，Li J G，et al.Atmospheric Physics（in Chinese）.Beijing：Peking University Press，2003：162－165.