利用卫星遥感资料分析台风“烟花”(202106)的影响过程

唐飞　陈凤娇　诸葛小勇　吴福浪　宇路　姚彬

摘要 2021年第6号台风“烟花”于7月18日生成，7月30日变性为温带气旋，生命史长达13 d，先后对中国东部14个省市造成影响，其主要特点是移动速度慢、陆上滞留时间长和累积雨量大。基于静止气象卫星、极轨气象卫星和全球降水测量卫星的多通道观测和产品，对“烟花”的影响过程进行分析。结果表明：“烟花”空间尺度较大（最大半径约为350 km），登陆前对流深厚、云系螺旋特征显著，登陆后云系结构遭到破坏、中等对流分布密集但没有组织性;“烟花”在洋面上时液态水和冰态水含量丰富并表现出非对称分布，登陆后液态水和冰态水主要集中在台风前进方向的右侧。基于微波成像仪的降水反演结果显示：降水主要分布在台风外围螺旋雨带位置，且在位置和形态上与实况较吻合;虽然雨量估计值与实况存在一定偏差，但对降水预报，特别是常规资料稀少区域的降水预报仍具有参考意义。

关键词台风“烟花”;卫星遥感;对流;降水

热带气旋（根据生成地，也称为台风、飓风）是发生于热带洋面的最具破坏力的重要天气系统（陶丽等，2012，2013;霍利微等，2016）。对发展强盛的台风进行监测和分析，有助于人们了解台风结构、及时掌握台风位置和强度的变化，从而减小由于台风造成的损失（陆晓婕等，2018）。台风发展过程中大部分时间位于洋面。在远洋时，常规资料难以探测到。随着卫星遥感技术的不断发展，对台风的观测已经并将继续依赖于卫星遥感观测（Zou，2020）。

目前，静止卫星、极轨气象卫星和降水测量卫星是三种主要的气象卫星。静止卫星仪器提供红外和可见光波段的探测数据，具有较高的时间和空间分辨率，在监测台风路径和强度变化方面具有独特优势（刘正光等，2003;许健民和张其松，2006;余建波，2008;李峰等，2009;Zhuge et al.，2015）。燕亚菲等（2019）利用日本葵花八号（Himawari-8）卫星的观测资料估计了台风“莫兰蒂”（1614）的强降水及其演变特征。然而，因为工作波长设置原因，静止卫星无法获取云中和云下的信息。极轨气象卫星上搭载的被动微波成像仪/探测仪可以获得三维立体观测信息，进而用来估计地表参数和大气温湿度垂直结构等信息。游然等（2002）利用美国国防气象卫星上的专用微波成像仪（SSM/I）遥感图像分析了洋面台风的螺旋云带结构。李小青等（2012）和刘喆等（2012）利用中国风云（Fengyun，FY）-3A/B卫星上的微波温度计和微成像仪（Microwave Radiation Imager，MWRI）资料分别对台风“桑达”（1102）和“梅花”（1109）进行了云系特征分析。Tang and Zou（2017）利用FY-3C/MWRI反演的液态水路径，研究了台风“浣熊”（1408）的液态水结构演变特征。除此之外，降水测量卫星搭载的主被动观测仪器可以获取台风的三维降水特征。何会中等（2006）利用热带降水测量计划（Tropical Rainfall Measuring Mission，TRMM）卫星上搭载的降水测量雷达（PR）和微波成像仪（TMI）分析了台风“鲸鱼”（0302）降水和水粒子的空间三维结构特征。傅云飞等（2007）利用TRMM卫星上的PR、TMI和红外辐射计对台风“云娜”（0413）的降水云和非降水云结构进行了分析。姚小娟等（2014）基于TRMM/TMI反演的水凝物分析了1998—2009年的236个热带气旋潜热结构的分布特征。周顺武等（2015）利用2007—2009年的TRMM/TMI观测亮温，建立了一种西北太平洋热带气旋强度模型用于估计台风强度。游然等（2011）利用TRMM/PR分析了2005年8月发生于墨西哥湾的飓风“卡特里娜”的降水特征。卢美圻和魏鸣（2017）将全球降水观测卫星（Global Precipitation Measurement，GPM）资料应用于台风“彩虹”（1522）降水的垂直结构分析。方勉等（2019）基于GPM降水产品对超强台风“玛利亚”（1808）的降水率、降水类型以及降水三维结构进行了分析。相较于静止卫星，极轨卫星和降水测量卫星，微波仪器观测的空间和时间分辨率较粗。联合使用多源卫星资料对台风进行监测，可以弥补单颗卫星观测不足的缺陷。赵姝慧和周毓荃（2010）同时利用FY-2C、GPM和CloudSat卫星对台风“艾云尼”（0603）的演变过程和降水云系的宏微观结构特征进行了分析。赵震（2019）联合使用Himawar-8、CloudSat和GPM衛星资料从不同角度对台风“莫兰蒂”（1614）的演变过程进行了分析，并研究了降水云系的三维结构特征。余茁夫等（2020）利用FY-4A静止卫星和GPM资料并结合NCEP/NCAR再分析资料，分析了台风“利奇马”（1908）发展过程中大气环流和云的宏观特征。

台风“烟花”（202106）（英文名：In-fa）在西北太平洋洋面生成，先后两次在浙江登陆，沿途经过江苏、安徽、山东、河北等省市，最终出海并变性为温带气旋。“烟花”生成后移动缓慢，持续时间特别长，对我国东部地区造成了严重影响。因此，本文基于Himawari-8观测和产品、GPM双频降水雷达（Dual-frequency Precipitation Radar，DPR）反演产品和GPM微波成像仪（GPM Microwave Imager，GMI）观测亮温，以及FY-3D/MWRI降水反演产品，分析“烟花”演变过程中的云系和降水结构特征，为卫星遥感在台风发展机理研究和监测预警应用中提供有价值的参考。

1 卫星仪器和资料

Himawari-8卫星发射于2014年10月7日，星下点位于140.7°E。Himawari-8搭载的先进Himawari成像仪（Advanced Himawari Imager，AHI）设置有3个可见光通道、3个近红外通道和10个红外通道，空间分辨率为0.5～2 km（Bessho et al.，2016;Zou et al.，2016）。有研究基于Himawari-8/AHI观测发展了云属性综合反演算法（Heidinger，2013;Zhuge and Zou，2016;Zhuge et al.，2020，2021），可近实时生成云分类、云相态、云顶高度、云光学厚度和云顶粒子半径等产品。基于CALIOP（Cloud-Aerosol Lidar with Orthogonal Polarization）激光雷达观测的评估表明，新算法对水云和冰云的检测率分别达到80.20%和86.51%，均高于目前最常用的中分辨率成像光谱仪（MODIS）的二级产品MOD06算法（Zhuge et al.，2020）。MOD06在陆地上有很多像素的相态为“不确定”，新算法明显减少了这类结果;MOD06在海洋上有很多冰相像素对应的云顶温度高于0 ℃，这是不合理的，新算法也不存在这一情况（Zhuge et al.，2020）。云分类是云相态分析结果的进一步细分。因为缺乏“真值”，对云光学厚度和云顶粒子半径反演精度的评估只能被代替为跟MOD06对比。对比结果表明，新算法得到的云光学厚度和云顶粒子半径总体与MOD06结果一致，相关系数高达0.7～0.9（Zhuge et al.，2021）。

GPM搭载的双频测雨雷达（DPR）设有13.6 GHz（Ku波段）和35.5 GHz（Ka波段）两个频率，与只有Ku波段的TRMM/PR相比，DPR可同时获得双频信息用于更准确的反演雨滴谱信息，如质量权重中值直径（Dm）和归一化截距（Nw）。GMI是具有13个微波观测通道的圆锥扫描仪器（Hou et al.，2014）。GMI和DPR协同观测，以相对较高的（区域）分辨率评估全球的降水微观和宏观结构、强度和相位（Skofronick-Jackson et al.，2017）。为了研究台风“烟花”降水结构及云中冰粒子散射特征，本研究使用了GPM/DPR产品（2A/DPR;版本6）和GPM/GMI产品（1C/GMI;版本5），数据皆为NASA官网提供（https：//gpm.nasa.gov/data/directory）。除了雨滴粒子谱信息外，2A/DPR产品还提供了三维雷达反射率因子（Ze）、三维降水信息、液水路径（Liquid Water Path，LWP）、冰水路径（Ice Water Path，IWP）产品。需要说明的是，DPR中冰水路径，是指未被识别为液水的路径，可能包含了混合相态的粒子信息。具体算法流程，可参考DPR产品算法文档（Iguchi et al.，2010）。

风云极轨气象卫星近年来在灾害天气监测中越来越发挥出了重要作用。目前在轨运行的FY-3D卫星每天凌晨和下午各过境一次。FY-3D/MWRI具有10.65～89 GHz五个微波频率，主要用于地表参数、大气水汽和降水的观测（Yang et al.，2011;Tang et al.，2016）。值得说明的是，Iturbide-Sanchez et al.（2011）利用美国极轨卫星微波探测仪和成像仪资料，基于一维变分方法反演降水率产品，并对产品精度进行了评估后，应用于业务产品生成。Iturbide-Sanchez et al.（2011）指出一维变分方法可以推广应用到国际同类卫星仪器。本文利用FY-3D/MWRI观测亮温，基于一维变分方法反演得到的降水率产品，分析台风“烟花”在陆地上的降水分布特征。

2 台风“烟花”过程分析

2021年第6号台风“烟花”于7月18日02时（北京时，下同）在西北太平洋洋面生成，21日11时加强为强台风级。在23日之后，台风“烟花”持续向西北方向移动，于25日12时30分在浙江舟山普陀沿海登陆，登陆时强度为台风级。在舟山岛滞留了5 h、杭州湾徘徊了16 h后，“烟花”于26日09时50分在浙江嘉兴平湖市沿海再次登陆，登陆时强度为强热带风暴级。“烟花”先后进入浙江、江苏、安徽、山东和河北境内，于30日晚间变性为温带气旋，20时被停止编号。图1给出了“烟花”的最佳移动路径。“烟花”整个生命史先后经历了热带风暴、强热带风暴、台风、强台风和热带低压5个等级（图2）。

台风“烟花”移动过程引导气流较弱，因此其移速非常缓慢（图3）。特别是在首次登陆（25日12时30分）之后，台风“烟花”以平均时速低于10 km·h-1的速度缓慢向西北方向移动，56 h行进的直线距离仅约360 km。台风“烟花”在中国大陆上滞留时间长达95 h，为1949年以来之最。

台风“烟花”生命史长达13 d，先后影响了我国台湾、浙江、上海、江苏、安徽、山东、河南、北京、天津、河北、内蒙古、辽宁、吉林、黑龙江等14个省市。“烟花”对多个省市的风雨影响创造了历史纪录（以下数据来自国家气象中心、国家气候中心和江苏省气象台）。

7月20—21日，在副热带高压南侧偏东气流引导下，台风“烟花”大量水汽源源不断地从海上输送到内陆，并在多尺度系统相互作用及地形影响下，河南中北部产生持续性强降水，多个国家级气象观测站日降雨量突破有气象记录以来历史极值;其中，郑州气象观测站最大小时降雨量达201.9 mm（20日16—17时），突破中国大陆小时降雨量历史峰值。

“烟花”是有气象记录以来首个在浙江省内两次登陆的台风;7月22日08时—28日08时，浙江省平均雨量191 mm，过程总雨量为浙江登陆台风之最大纪录，最大雨量为1 034 mm（余姚大岚镇），接近浙江登陆台风过程雨量极值纪录（安吉天荒坪1 056 mm;2013年台风“菲特”创造）;7月24日，受台风“烟花”的影响，又恰逢天文大潮期，浙江沿海出现了风暴潮，浙江省温岭市石塘镇金沙滩海域的巨浪高达30 m。

在台风“烟花”螺旋雨带的持续影响下，7月24日08时—27日08时，上海市最大雨量为402.1 mm（金山亭林鎮），“烟花”是近十年影响上海过程雨量最大的台风。

因为移速缓慢，台风“烟花”在江苏省内停留约37 h，是有记录以来停留时间最长的台风;7月24日00时—29日10时，江苏全省平均雨量220.9 mm，接近常年平均梅雨量，最大雨量为569.2 mm（江都真武镇），“烟花”成为有气象记录以来影响江苏过程雨量最大的台风。

3 卫星遥感分析

3.1 基于Himawari-8卫星观测和产品的分析

图4展示了台风“烟花”在不同生命史阶段的对流RGB（Red Green Blue）合成分布，可以看到，从19日12时达到台风级强度后，一直到25日12时接近登陆，台风“烟花”的云系呈现出显著螺旋形态、范围比较宽阔（最大半径约为350 km），台风眼清晰可辨。登陆之后，下垫面改变导致低层热量和水汽补给不足，深对流的发展受到抑制，“烟花”螺旋云系逐渐不完整，但影响范围仍很广，可同时覆盖五个省。

图5展示了台风3个不同时刻（分别代表成熟期、登陆时和登陆后）的云产品反演结果。21日12时，“烟花”刚加强为强台风级，中心云系完整，以厚冰云（由光学厚度可知是积雨云）为主，沿眼墙的深对流发展深厚，上冲对流云顶高度达16 km。25日12时接近首次登陆时，“烟花”对流有所减弱，东半侧分布着较广的积雨云，云顶高度仍然有14 km;第四象限受陆地的影响，云顶高度明显降低，但大的光学厚度说明此处可能有较强的降水。27日12时，“烟花”刚刚进入江苏南京境内，此时云系主要由积雨云和多层云构成，云顶高度8～13 km;光学厚度极值分布不集中，说明对流组织性不强，台风螺旋雨带遭到了破坏。

3.2 基于GPM观测和产品的分析

7月23日04时，GPM观测到了处于成熟期的“烟花”。图6显示了“烟花”的DPR近地表雷达反射率因子（Ze）、近地表雨滴粒子谱信息（包括粒子大小Dm和粒子数浓度Nw）、云内液态水、冰水路径、风暴顶高度，以及GMI极化订正温度（Polarization-Corrected Temperature，TPC）在89 GHz通道的值（TPC89=1.818×T89V-0.818×T89H;T89V和T89H分别代表89 GHz垂直和水平极化通道观测亮温）。在有云情况下，TPC89受下垫面辐射影响小，且与冰粒子散射相关。通常云中冰粒子含量越高，冰粒子散射越强，TPC89值也越低（Spencer et al.，1989）。TPC89分布表明，台风的暖心结构（亮温值超过290 K）明显，台风云墙TPC89亮温值低于230 K，反映云墙中大量的冰粒子;从风暴顶高、液态水和冰水路径来看，云墙内回波顶高超过11 km，液态水和冰水路径分别超过5 000 g/m2和1 500 g/m2，这证实了此时台风云系发展深厚，液态水和冰态水含量丰富。此外，台风系统外围表现出明显的螺旋雨带特征，TPC89亮温甚至低于台风云墙处，部分区域的风暴顶高度甚至超过13 km，对应的冰水和液态水路径也较高，这反映了台风系统外围同样存在深厚的对流。从近地表粒子谱分布来看，靠近台风眼区为高浓度的小粒子，远离台风眼区的云墙内为高浓度的大粒子，而台风外围的螺旋雨带近地表为低浓度的大粒子。此外，台风中心东南方向的液态和冰水含量最高，近地表降水率也最高，表现出不对称性。

图7给出了台风中心（台风眼大致位于23.9°N附近）附近降水及微物理参数在剖面上的分布，可以看到，与台风眼南侧相比，台风眼北侧的（24.5°N左右）雷达反射率因子廓线较为浅薄，整个廓线内降水强度及Dm值均较小，表现出明显的不对称性。台风眼南侧，降水结构随着距离台风眼的距离变化十分显著。23.3°N以北（即靠近台风眼侧），台风系统发展高度不高（仅4 km），降水强度较小，云中冰相过程不明显（IWP小于500 g/m2），云中主要是由高浓度的小粒子组成。22.7°～23.3°N，降水系统的发展逐渐深厚，雷达反射率因子最高可达到12 km左右（图7a），说明垂直上升气流旺盛;在6 km以上存在较高浓度的冰相粒子（图7g），云中液水和冰水含量丰富，LWP可达到9 000 g/m2，IWP可达2 000 g/m2;在6 km左右出现明显的融化层亮带（高Ze），推测可能存在持续稳定的强上升气流;在6 km以下，上层的冰粒子逐渐融化，形成尺度较大的雨滴粒子（图7e），近地表降水强度也超过50 mm/h。21.5°～22.1°N，为台风的外围雨带，雷达反射率因子最高可超过12 km左右（图7a），且最大Ze大致位于6 km左右，同时IWP出现了高于1 000 g/m2的大值，说明台风外围冰相活动仍然较为活跃，这与前人研究发现台风外围也有较高的闪电发生频次是一致的（Ranalkar et al.，2017）。与空间分布一致，外围雨带虽然粒子平均直径较大，但其浓度很低，反映了粒子的碰并增长过程。

7月25日18时，GPM再次以合适的角度观测到台风“烟花”。此时“烟花”刚离开舟山市，位于杭州湾内。在台风前进右侧方向，存在明显的低TPC89亮温带，而左侧为高亮温带，表现出明显的不对称性（图8h）。由于DPR的幅宽仅为245 km，此次主要观测到台风的外螺旋雨带部分。从DPR观测和反演结果来看，台风液态水和冰态水主要集中在台风前进方向右侧（亦即北侧），最大值可分别超过5 000 g/m2和1 500 g/m2，近地表降水强度超过25 mm/h;而南侧液水含量低，多在1 000 g/m2左右，冰相过程较弱，与之一致的是风暴顶高度也低，南北侧的回波顶高差异很大，达到5 km（图8g）。从近地表雨滴谱分布来看（图8e和8f），Nw反演结果在内外幅位置出现明显的空间不一致，这是由于内幅主要是利用了双频反演算法，而外幅仅使用的单频反演算法导致的。通常，双频反演算法更加可靠，因此，本次仅就内幅的雨滴谱进行分析。由图8f和8d可知，台风南侧为高浓度的小粒子，北侧的螺旋雨带近地表的粒子浓度较大，平均直径也较大。

图9给出了相应的降水及微物理参数在剖面上的分布。在30.1°N以南，台风系统发展的不深厚，Ze最高仅达到6 km，冰水含量值为0，主要为暖雨过程，液态水路径集中在3 000 g/m2以下，整个垂直廓线内分布着浓度较高的小粒子。在31.3°N附近，即图8中显示的外螺旋雨带最大降水处，其冻结层（6 km）以下仍有较强的超过42 dBZ的雷达回波，降水粒子多为浓度较低的大粒子，反映了此处粒子的碰并增长过程。在31.3°N以南，近地表降水活动逐渐减弱，液水路径明显减小（<1 500 g/m2），冰相活动仍然较为活跃，冰水路径大都在500 g/m2左右，最大可达到1 000 g/m2。此外，冻结层以下（6 km处），雨滴粒子的浓度大大降低，平均直径仍较大。

3.3 基于FY-3D卫星的陆面降水估计

2021年7月28日凌晨01—02时，台风“烟花”离开江苏南京进入安徽滁州境内;7月28日14时，“烟花”继续北上到达安徽蚌埠西北一带。28日当天，台风“烟花”给苏皖等地带来了大风和降水。本节利用基于FY-3D/MWRI亮溫反演的地面降水强度，分析“烟花”在陆面造成的降水特征。

图10给出了基于MWRI反演的台风“烟花”过境时的降水率。从图10可以看出，7月28日02时，降水主要集中在安徽和江苏北部，以及江苏南部区域;28日14时，雨带北移，降水则集中在河南东部、江苏和安徽北部，以及山东中南部区域。近地面降水强度集中在20 mm/h以下，较大的降水强度分布在台风外围螺旋雨带。

为了验证FY3D/MWRI降水反演的精度，图11将MWRI反演的台风“烟花”在华东区域（图10中黑色矩形框围成的区域）的降水率与地面观测1 h降水量实况进行了对比。总体上，MWRI降水率空间分布和实况较为吻合。但由于MWRI的观测视场较大（分辨率在25 km），反演结果较实况偏弱;个别站点降水强度超过40 mm/h（图11d），FY-3D/MWRI没有反演出来，说明卫星资料反演较强降水还有一定局限性。另外，MWRI的观测频率对弱降水不敏感，在实况降水量较小区域，反演结果也存在偏差。

值得说明的是，相较于地面站点观测，卫星具有观测覆盖范围广的优势。在地面观测稀疏的区域（比如海洋、海岛、森林、荒原等），卫星反演估计是唯一的降水率获取手段，在天气预报业务中仍具有显著的参考意义。

4 结论和讨论

综合利用Himawari-8、GPM和FY-3D的观测和产品，从云系、降水三维结构、以及陆面降水率等方面对登陆前、后的台风“烟花”进行了分析，主要有以下结论：

1）本研究第一次利用静止卫星云产品对台风过程进行了细致分析。Himawari-8卫星观测和产品显示，台风“烟花”的尺度较大（最大半径约为350 km）;在登陆前云系螺旋特征显著，对流深厚、上冲云顶突破16 km高度;登陆后云系结构遭到破坏，以中等对流为主，分布密集但没有组织性。

2）全球降水测量卫星两次过境分别监测到“烟花”在洋面上和登陆之后的形态。“烟花”在洋面上时液态水和冰态水含量丰富、并具有不对称分布特征，6 km以上高度存在较高浓度的冰粒子;登陆之后液态水和冰态水主要集中在台风前进方向的右侧，南北侧的回波顶高差异可达到5 km。

3）基于风云三号微波成像仪的陆面降水反演结果在位置和形態上与实况比较吻合，但降水强度还是存在一定偏差。总体上看，微波反演的降水率具有一定的预报意义。

静止卫星和极轨卫星等观测和产品的联合使用，弥补了单颗卫星观测在时间和空间上分辨率不足的缺点;可见光、红外和微波等多波段、主被动相结合的观测手段，加强了台风云系变化、内部结构演变和降水特征的精细研究。

致谢：中国国家卫星气象中心、中国国家气象中心、日本气象卫星中心和美国国家航空航天局为本研究提供了数据服务;本文在写作过程中，得到了费建芳教授、郑媛媛研究员、曾明剑研究员的细致指导和热心帮助。在此一并感谢！

参考文献（References）

Bessho K，Date K J，Hayashi M，et al.，2016.An introduction to Himawari-8/9—Japan's new-generation geostationary meteorological satellites[J].J Meteor Soc Japan，94（2）：151-183.doi：10.2151/jmsj.2016-009.

方勉，何君涛，符永铭，等，2019.基于GPM卫星降水产品对1808号超强台风“玛利亚”降水结构的分析[J].大气科学学报，42（6）：845-854. Fang M，He J T，Fu Y M，et al.，2019.The precipitation structure for super typhoon Maria（1808） based on GPM satellite rainfall products[J].Trans Atmos Sci，42（6）：845-854.doi：10.13878/j.cnki.dqkxxb.20181101001.（in Chinese）.

傅云飞，刘栋，王雨，等，2007.热带测雨卫星综合探测结果之“云娜”台风降水云与非降水云特征[J].气象学报，65（3）：316-328. Fu Y F，Liu D，Wang Y，et al.，2007.Characteristics of precipitating and non-precipitating clouds in typhoon Ranan as viewed by TRMM combined measurements[J].Acta Meteorol Sin，65（3）：316-328.（in Chinese）.

何会中，程明虎，周凤仙，2006.0302号（鲸鱼）台风降水和水粒子空间分布的三维结构特征[J].大气科学，30（3）：491-503. He H Z，Cheng M H，Zhou F X，2006.3D structure of rain and cloud hydrometeors for typhoon kujira（0302）[J].Chin J Atmos Sci，30（3）：491-503.（in Chinese）.

Heidinger A K，2013.ABI cloud height algorithm theoretical basis document（ATBD）[R/OL].[2020-01-04].NOAA NESDIS Center for Satellite Applications and Research （STAR）.http：//www.star.nesdis.noaa.gov/goesr/docs/ATBD/Cloud_Height.pdf.

Hou A Y，Kakar R K，Neeck S，et al.，2014.The global precipitation measurement mission[J].Bull Amer Meteor Soc，95（5）：701-722.doi：10.1175/bams-d-13-00164.1.

霍利微，郭品文，张福颖，2016.夏季热带北大西洋海温异常对西北太平洋热带气旋生成的影响[J].大气科学学报，39（1）：55-63. Huo L W，Guo P W，Zhang F Y，2016.Impact of summer tropical Atlantic SST anomaly on western North Pacific tropical cyclone genesis[J].Trans Atmos Sci，39（1）：55-63.doi：10.13878/j.cnki.dqkxxb.20150403002.（in Chinese）.

Iguchi T，Seto S，Meneghini R，et al.，2010.GPM/DPR level-2 algorithm theoretical basis document[R/OL].[2020-01-04].NASA-GSFC.https：//gpm.nasa.gov/sites/default/files/document_files/ATBD_GPM_DPR_n3_dec15.pdf.

Iturbide-Sanchez F，Boukabara S A，Chen R Y，et al.，2011.Assessment of a variational inversion system for rainfall rate over land and water surfaces[J].IEEE Trans Geosci Remote Sens，49（9）：3311-3333.doi：10.1109/TGRS.2011.2119375.

李峰，王振会，官莉，等，2009.两种导风方法在台风路径分析中的应用比较研究[J].气象科学，29（3）：330-334. Li F，Wang Z H，Guan L，et al.，2009.Two methods for cloud motion vectors and its comparative applications in the analysis of typhoon track[J].Sci Meteorol Sin，29（3）：330-334.doi：10.3969/j.issn.1009-0827.2009.03.008.（in Chinese）.

李小青，杨虎，游然，等，2012.利用风云三号微波成像仪资料遥感“桑达”台风降雨云结构[J].地球物理学报，55（9）：2843-2853. Li X Q，Yang H，You R，et al.，2012.Remote sensing typhoon Songda's rainfall structure based on Microwave Radiation Imager of FY-3B satellite[J].Chin J Geophys，55（9）：2843-2853.doi：10.6038/j.issn.0001-5733.2012.09.004.（in Chinese）.

刘喆，白洁，邱红，等，2012.利用FY-3星载微波资料对热带气旋云系和暖核特征的分析[J].气象科学，32（5）：534-541. Liu Z，Bai J，Qiu H，et al.，2012.Analysis of tropical cyclone spiral cloud and warm core characteristics with FY-3 satellite microwave data[J].J Meteor Sci，32（5）：534-541.doi：10.3969/2012jms.0090.（in Chinese）.

劉正光，喻远飞，吴冰，等，2003.利用云导风矢量的台风中心自动定位[J].气象学报，61（5）：636-640. Liu Z G，Yu Y F，Wu B，et al.，2003.Automatic location of typhoon center using cloud derived wind vectors[J].Acta Meteorol Sin，61（5）：636-640.doi：10.3321/j.issn：0577-6619.2003.05.013.（in Chinese）.

卢美圻，魏鸣，2017.GPM资料在分析“彩虹”台风降水垂直结构中的应用[J].遥感技术与应用，32（5）：904-912. Lu M Q，Wei M，2017.GPM data application in analysis of vertical structure of typhoon ‘Mujigae precipitation[J].Remote Sens Technol Appl，32（5）：904-912.doi：10.11873/j.issn.1004-0323.2017.5.0904.（in Chinese）.

陆晓婕，董昌明，李刚，2018.1951—2015年进入东海的台风频数及登陆点的变化[J].大气科学学报，41（4）：433-440. Lu X J，Dong C M，Li G，2018.Variations of typhoon frequency and landfall position in East China Sea from 1951 to 2015[J].Trans Atmos Sci，41（4）：433-440.doi：10.13878/j.cnki.dqkxxb.20170803001.（in Chinese）.

Ranalkar M R，Pawar S D，Pradeep Kumar P，2017.Characteristics of lightning activity in tropical cyclones developed over North Indian Ocean basin during 2010—2015[J].Atmos Res，187：16-32.doi：10.1016/j.atmosres.2016.12.003.

Skofronick-Jackson G，Petersen W A，Berg W，et al.，2017.The global precipitation measurement （gpm） mission for science and society[J].Bull Am Meteorol Soc，98（8）：1679-1695.doi：10.1175/BAMS-D-15-00306.1.

Spencer R W，Goodman H M，Hood R E，1989.Precipitation retrieval over land and ocean with the SSM/I：identification and characteristics of the scattering signal[J].J Atmos Oceanic Technol，6（2）：254-273.doi：10.1175/1520-0426（1989）006<0254：prolao>2.0.co;2.

Tang F，Zou X L，2017.Liquid water path retrieval using the lowest frequency channels of Fengyun-3C Microwave Radiation Imager（MWRI）[J].J Meteor Res，31（6）：1109-1122.doi：10.1007/s13351-017-7012-7.

Tang F，Zou X L，Yang H，et al.，2016.Estimation and correction of geolocation errors in FengYun-3C microwave radiation imager data[J].IEEE Trans Geosci Remote Sens，54（1）：407-420.doi：10.1109/TGRS.2015.2458851.

陶丽，李双君，濮梅娟，等，2012.热带大气准双周振荡对西北太平洋地区热带气旋路径的影响[J].大气科学学报，35（4）：404-414. Tao L，Li S J，Pu M J，et al.，2012.Impact of QBW on TCs track change over the western North Pacific[J].Trans Atmos Sci，35（4）：404-414.doi：10.13878/j.cnki.dqkxxb.2012.04.007.（in Chinese）.

陶丽，靳甜甜，濮梅娟，等，2013.西北太平洋热带气旋气候变化的若干研究进展[J].大气科学学报，36（4）：504-512. Tao L，Jin T T，Pu M J，et al.，2013.Review of the researches on climatological variations of tropical cyclones over western North Pacific[J].Trans Atmos Sci，36（4）：504-512.doi：10.13878/j.cnki.dqkxxb.2013.04.013.（in Chinese）.

许健民，张其松，2006.卫星风推导和应用综述[J].应用气象学报，17（5）：574-582. Xu J M，Zhang Q S，2006.Status review on atmospheric motion vectors-derivation and application[J].J Appl Meteor Sci，17（5）：574-582.doi：10.3969/j.issn.1001-7313.2006.05.007.（in Chinese）.

姚小娟，黎伟标，陈淑敏，2014.利用TMI反演的水汽凝结物对热带气旋潜热结构分布的探索研究[J].大气科学，38（5）：909-923. Yao X J，Li W B，Chen S M，2014.Research on latent heat distributions in tropical cyclones from hydrometeor TMI retrieval data[J].Chin J Atmos Sci，38（5）：909-923.doi：10.3878/j.issn.1006-9895.1401.13188.（in Chinese）.

燕亚菲，谈建国，崔林丽，等，2019.利用葵花8号（Himawari-8）高时空分辨率的红外亮温资料估计台风莫兰蒂的短时强降水及其演变[J].气象，45（3）：318-329. Yan Y F，Tan J G，Cui L L，et al.，2019.Estimating the short-time severe precipitation of Typhoon Meranti and its evolution by using the infrared brightness temperature data from himawari-8 satellite with high spatio-temporal resolution[J].Meteor Mon，45（3）：318-329.doi：10.7519/j.issn.1000-0526.2019.03.003.（in Chinese）.

Yang H，Weng F Z，Lü L，et al.，2011.The FengYun-3 microwave radiation imager on-orbit verification[J].IEEE Trans Geosci Remote Sens，49（11）：4552-4560.doi：10.1109/TGRS.2011.2148200.

游然，許健民，张文建，2002.用SSM/I微波遥感图像分析海上台风的螺旋云带[J].气象学报，60（4）：477-485. You R，Xu J M，Zhang W J，2002.Analysis of typhoon spiral cloud band at sea with SSM/I image[J].Acta Meteorol Sin，60（4）：477-485.doi：10.3321/j.issn：0577-6619.2002.04.011.（in Chinese）.

游然，卢乃锰，邱红，等，2011.用PR资料分析热带气旋卡特里娜降水特征[J].应用气象学报，22（2）：203-213. You R，Lu N M，Qiu H，et al.，2011.Precipitation characteristics in tropical cyclone Katrina using TRMM precipitation radar[J].J Appl Meteor Sci，22（2）：203-213.doi：10.3969/j.issn.1001-7313.2011.02.009.（in Chinese）.

余建波，2008.基于氣象卫星云图的云类识别及台风分割和中心定位研究[D].武汉：武汉理工大学. Yu J B，2008.The research on the recognition of the classification of cloud，typhoon segmentation and locating of the typhoon's centre based on the meteorological satellite cloud image[D].Wuhan：Wuhan University of Technology.（in Chinese）.

余茁夫，马烁，胡雄，等，2020.基于多源数据的“利奇马”台风大气环流、云及降水特征分析[J].气象科学，40（1）：41-52. Yu Z F，Ma S，Hu X，et al.，2020.Analysis of atmospheric circulation，cloud and precipitation characteristics of typhoon “Lekima” based on multi-source data[J].J Meteor Sci，40（1）：41-52.doi：10.3969/2019jms.0058.（in Chinese）.

赵姝慧，周毓荃，2010.利用多种卫星研究台风“艾云尼”宏微观结构特征[J].高原气象，29（5）：1254-1260. Zhao S H，Zhou Y Q，2010.Research on macro-micro structures of typhoon ‘Ewiniar using a variety of satellites[J].Plateau Meteor，29（5）：1254-1260.（in Chinese）.

赵震，2019.2016年台风“莫兰蒂”结构特征的多源卫星探测分析[J].高原气象，38（1）：156-164. Zhao Z，2019.Multi-satellite observations on the structure characteristics of Typhoon Meranti in 2016[J].Plateau Meteor，38（1）：156-164.（in Chinese）.

周顺武，卢怡，赵兵科，等，2015.利用TMI资料估计西北太平洋热带气旋强度的客观方法[J].大气科学学报，38（3）：407-413. Zhou S W，Lu Y，Zhao B K，et al.，2015.An objective method to estimate tropical cyclone intensity over Northwest Pacific using TRMM/TMI data[J].Trans Atmos Sci，38（3）：407-413.doi：10.13878/j.cnki.dqkxxb.20130514001.（in Chinese）.

Zhuge X Y，Zou X，2016.Test of a modified infrared-only ABI cloud mask algorithm for AHI radiance observations[J].J Appl Meteor Climatol，55（11）：2529-2546.doi：10.1175/jamc-d-16-0254.1.

Zhuge X Y，Guan J，Yu F，et al.，2015.A new satellite-based indicator for estimation of the western North Pacific tropical cyclone current intensity[J].IEEE Trans Geosci Remote Sens，53（10）：5661-5676.doi：10.1109/TGRS.2015.2427035.

Zhuge X Y，Zou X L，Wang Y，2020.Determining AHI cloud-top phase and intercomparisons with MODIS products over north Pacific[J].IEEE Trans Geosci Remote Sens，59（1）：436-448.doi：10.1109/TGRS.2020.2990955.

Zhuge X Y，Zou X L，Wang Y，2021.AHI-derived daytime cloud optical/microphysical properties and their evaluations with the collection-6.1 MOD06 product[J].IEEE Trans Geosci Remote Sens，59（8）：6431-6450.doi：10.1109/TGRS.2020.3027017.

Zou X，2020.Atmospheric satellite observations：variation assimilation and quality assurance[M].Cambridge：Academic Press.

Zou X，Zhuge X，Weng F，2016.Characterization of bias of advanced Himawari imager infrared observations from NWP background simulations using CRTM and RTTOV[J].J Atmos Ocean Technol，33（12）：2553-2567.doi：10.1175/jtech-d-16-0105.1.

Analysis of influence process of Typhoon In-fa （202106） based on satellite remote sensing data

TANG Fei1，2，CHEN Fengjiao3，ZHUGE Xiaoyong1，2，WU Fulang4，YU Lu1，2，YAO Bin1，2

1Key Laboratory of Transportation Meteorology，China Meteorological Administration，Nanjing 210041，China;

2Nanjing Joint Institute for Atmospheric Sciences，Nanjing 210041，China;

3Anhui Meteorological Information Center，Hefei 230031，China;

4Meteorological Station of Ningbo Air Traffic Management Station of CAAC，Ningbo 315154，China

Typhoon In-fa （202106） formed on July 18，2021，and became an extratropical cyclone on July 30，with a life history of 13 d.It affected 14 provinces and cities in eastern China.Its main characteristics are slow moving speed，long retention time on land and large accumulated rainfall.Based on multi-channel observations and products from geostationary meteorological satellites，polar-orbiting meteorological satellites and global precipitation measurement satellites，this paper analyzes the influence process of Typhoon In-fa.Results show that the spatial scale of Typhoon In-fa is large，with the maximum radius of about 350 km.Before landing，the convection is deep and the spiral characteristics of the cloud system are significant.After landing，the cloud system structure is destroyed and the medium convection is densely distributed but unorganized.When Typhoon In-fa is on the ocean surface，the liquid water and ice water are rich and show asymmetric distribution.After landing，the liquid and ice water are mainly concentrated on the right side of forward direction of the typhoon.Based on microwave imager，the retrieved precipitation rate show that the precipitation mainly locates in the spiral rain belt around the typhoon，and the position and area are in good agreement with the observations.Although there is a certain deviation between the estimated precipitation and the observed precipitation，it is still useful for precipitation forecasting，especially in regions where the conventional data are scarce.

Typhoon In-fa;satellite remote sensing;convection;precipitation

doi：10.13878/j.cnki.dqkxxb.20210812001

（責任编辑：张福颖）