热力和动力环境因子对与台风“海燕”路径相似的两类台风强度的相对贡献

徐昝敏 李天明

摘要 本文分析了热力、动力环境因子对与百年一遇超强台风“海燕”有相似路径的热带气旋的强度的影响。为了定量分析环境因子的相对重要性，将相似路径下的台风分为超强台风和一般台风两类。结果表明，相较于动力因子，热力因子对生成超强台风更为重要。根据BDI（Box Difference Index）指数的排序，选择925 hPa湿静力能MSE（Moist Static Energy）、950 hPa比湿、900 hPa温度作为重要预测因子来判断是否生成超强台风。此外，海洋热容量和台风移动速度在两类台风中有着明显差异，也可以作为辅助预测因子。最后，用WRF模式（Weather Research and Forecasting）设计理想数值试验，揭示环境温度和水汽垂直剖面对台风强度影响的相对重要性。敏感性试验结果表明，环境水汽和温度的相对贡献比约为1∶4，它们的共同作用使得相似路径下的一般台风可以发展成为超强台风。

关键词热力和动力环境因子;热带气旋强度;BDI指数;相对贡献

热带气旋（Tropic Cyclone，TC）的强度预报一直是气象业务一个很大的挑战（李泽椿等，2020;张璟等，2022）。在预报台风强度时，对台风能否升级为超强台风以及是否快速增强的预报能力较低。影响台风生成及强度变化的物理过程主要分为3种（Emanuel，1986;Merrill，1988;Elsberry et al.，1992;Bister and Emanuel，1998;周伟灿等，2022;陈春和陶丽，2023）：大尺度环境场对台风强度的影响，包括热力因子如海表面温度（SST）、湿度，动力因子如环境风垂直切变（VWS）、气旋性涡动;边界层和涡旋的相互作用;台风内部结构的变化，如眼墙收缩、外区次级环流产生等。

超强台风“海燕”是2013年第30号热带气旋，是西北太平洋100 a来最强的超强台风之一。根据联合台风警报中心（JTWC）的最佳路径资料，台风“海燕”的强度可达895 hPa，1 min平均风速最大可达170 kt。由于“海燕”是以最强时刻登陆菲律宾，因此其成为全球有气象记录以来登陆时强度最强的台风之一。其生成、移动路径都在较低纬度，也十分罕见。张玲等（2014）指出中央气象台对“海燕”强度预报存在误差的主要原因是难以预报出快速增强阶段以及对最大强度维持阶段的低估，这也增加了对台风强度预报的难度。陈子通等（2014）指出国内外数值模式对台风“海燕”强度的预报都有着较大误差，由于对台风自身内部动力过程并不是很清晰，大部分数值模式无法准确把握台风强度突变（快速增强或快速减弱）以及是否能生成超强台风，这也是造成台风强度预报能力停滞的原因之一。

针对像“海燕”这样强度强、破坏力大的超强台风，朱炜（2016）用天气学分析方法指出海洋热力条件、垂直风切变、水汽条件作为环境因子，对超强台风“海燕”的生成、发展和增强过程发挥着调节作用，并通过数值试验证明了双眼墙结构对“海燕”强度的影响。冯亚萍（2014）指出台风“海燕”迅速增强的原因主要是海气界面潜热交换的结果。以往的研究虽然都共性的认为较高的海洋热容量、水汽等环境因子对台风“海燕”的强度提供了有利的条件，但未能定量地解释这些环境因子对台风“海燕”强度变化的相对重要性。为此，本文选取了1979—2020年西北太平洋上与台风“海燕”有相似路径的台风，按照台风强度分为超强台风和一般台风，通过BDI（Box Difference Index）指数（Fu et al.，2012;Peng et al.，2012）来定量地研究不同环境因子对两类台风强度的相对作用，以提高对相似路径下台风强度的预报能力。进一步通过理想数值模拟，研究热力和动力环境因子对两类台风强度变化的相对贡献。

1 资料与研究方法及模型

1.1 资料

1）1979—2020年JTWC西北太平洋热带气旋最佳路径数据集。本文中对热带气旋强度的分类是根据中心最大风速来划分：中心最大风速在34～130 kt，为一般台风（TY）;中心最大风速大于或等于130 kt，为超强台风（STY）。

2）1979—2020年欧洲中心天气预报中心每6 h一次再分析资料（ERA-Interim），包括：1 000～100 hPa（垂直方向上共27层）的相对湿度、比湿、风场、位势高度、温度场、垂直速度、散度、涡度，海表面温度，水平分辨率为1°×1°。

3）海洋热容量（OHC）计算采用1980—2020年全球海洋数据同化系统（GODAS）海洋资料，时间分辨率为候，空间分辨率为1°×1°。

1.2 BDI指数

BDI指数同时考虑了均值和样本发散（标准差）情况。BDI是一个无因次量，因此可以通过对环境因子进行排序，定量揭示环境因子的相对重要性。BDI数值较大的环境因子可以选作台风强度的预测因子。BDI指数的定义（Peng et al.，2012）如下：

其中：M代表样本均值;σ代表样本标准差;A和B分别代表超强台风和一般台风的样本。

本文中，两组样本分别为超强台风和一般台风，选取的环境因子有SST、散度、涡度、相对湿度、比湿、温度、水平速度、垂直速度、湿静力能（MSE，Moist Static Energy）。M和σ分别为以台风为中心的10°×10°区域内的10 d低通滤波环境因子的合成平均和标准差。根据BDI指数的定义可以看出，该指数是一个无量纲的参数，当选取的环境因子在两组样本间均值差异越大，且都有较小的标准差时，BDI值越大，可以用来作为台风强度的预测因子。

1.3 WRF（Weather Research and Forecasting）模式基本介绍

WRF模式（朱乾根等，2007）是一个中尺度数值模拟和资料同化模式，这是一个可压缩、非静力模式，变量为守恒的通量形式，采用Fortran90语言编写。WRF的用途十分广泛，既可以使用真实数据（观测资料或再分析资料）预报未来天气，还可以进行大气数值模拟，最主要的特点就是对对流和中尺度降水的模拟。

本文使用的模式是WRF 3.8，采用了三层嵌套、双向反馈，第二、三层采用了自由移动网格，网格会跟随涡旋中心移动。水平分辨率分别为27、9、3 km，垂直层46层，嵌套网格数分别为400×268、241×241、250×250，采用了墨卡托地图投影。在所有试验中，模拟起始时间为1994年12月17日12时，积分时长为162 h，覆盖了台风生成以及达到最大强度的阶段。所有嵌套网格都采用了WSM6微物理过程方案，第一层嵌套采用了KF积云对流参数化方案，行星边界层、陆面过程、长波辐射、短波辐射分别采用了YSU方案、Noah过程、RRTM方案、Dudhia方案。

2 观测分析

2.1 路径相似的两类台风的筛选与对比

根据JTWC最佳路径数据，选取了与“海燕”路径相似的台风。结果发现，这些台风的生成、发展时间主要集中在11—12月，为了便于研究大尺度环境场对秋冬季节这类台风强度的影响，选取了11—12月的13个台风进行研究，相似路径下台风强度的分类结果见图1和表1。可以看出，尽管两类台风有着相似的移动路径，但是两类台风的强度差异明显，超强台风的中心最大风力平均达146 kt，一般台风的中心最大风力平均达100 kt。统计发现，这些超强台风都存在着快速增强过程，这也加大了台风强度的预报难度。

2.2 不同环境因子影响两类台风强度的对比分析

为了研究大尺度环境因子对两类台风强度的影响，采用Lanczos法（Duchon，1979）进行了10 d以上的低通滤波，滤去天气尺度和台风扰动，仅考虑大尺度环境场对台风强度的影响。同时，用动态合成方法对两类台风的环境因子进行合成。样本所选取的时间段是以台风中心为参考点的台风生成时刻到台风达到最强时刻的这段时间。

图2为两类台风的热力环境因子及其差异随高度的变化情况，差异为超强台风减去一般台风所得。对环境温度而言（图2a、e），对流层低层与对流层顶的温度差异相反，对流层顶温度和海表面温度之差越大，大气稳定度越小，越有利于对流的持续发展，从而使得台风强度越强，这和Emanuel的MPI理论是相一致的。相对湿度的差异（图2b、f）主要出现在对流层中层，由于超强台风在对流层中层的相对湿度更大，水汽更易达到饱和，大量潜热释放，有利于上升运动的加强，而低层的Ekman抽吸使得台风低层辐合加强，从而引起低层上升运动加强，有利于水汽垂直输送。两类台风的比湿差异（图2c、g）在整个对流层都是显著的，对流层低层最为显著，这说明超强台风的对流层低层具备更充足的水汽，为台风提供了更多的能量来源。MSE随高度的差异（图2h）也是在对流层低层最为明显，MSE是一个结合湿度和温度的综合指标，该环境因子由于对流层低层有更充足的水汽和更高的温度而增大，这导致大气对流不稳定增加，更有利于台风强度的加强。因此，从热力环境因子可以看出，低层更高的温度、更充足的水汽以及中层更大的相对湿度都是有利于台风强度发展的有利环境因子。

图3为两类台风的动力环境因子及其差异随高度的变化情况。对散度而言（图3a、d），差异主要集中在对流层中低层，且对流层中低层和高层的差异是相反的，两类台风散度的差异分界处于台风最大上升运动区，靠近300 hPa，超强台风在对流层高层有更强环境风场的辐散。对涡度场而言（图3b、e），超强台风的环境涡度在对流层低层为气旋性涡度且最为显著。对于垂直速度而言（图3c、f），差异主要集中在对流层中高层，这表明超强台风具有更强的环境上升运动，有利于将低层更多的环境场水汽和能量输送到中高层。这帮助增强台风的潜热释放，从而形成更强的暖心结构。从动力因子的角度可以看出，低层更大的辐合、高层更大的辐散以及中高层更强的上升运动，有利于超强台风的发展。

由于不同环境因子具有不同物理单位，不能直接比较它们的相对贡献。以下通过使用无因次的BDI分析方法，对重要的热力和动力环境因子进行排序。通过BDI指数计算，选取了BDI绝对值最大的一层作为该环境因子的代表层，再加上只有单层变量的环境因子SST和VWS，确定了以下影响两类台风的重要环境因子：热力因子有900 hPa温度、800 hPa相对湿度、950 hPa比湿、925 hPa MSE、SST，动力因子有200 hPa散度、900 hPa涡度、225 hPa垂直速度、VSW。这与李艳等（2019）的研究结果一致，他们发现，相对于5°～10°N生成的TC，低层正涡度和中层湿度条件是近赤道TC生成的主要贡献因子。

为了清晰地比较大尺度环境因子对两类台风的影响，图4和图5分别展示了热力和动力因子的样本发散图。对于热力因子而言，900 hPa温度、SST、950 hPa比湿、925 hPa MSE这几个环境因子在两类台风中存在着较为明显的差异，可以通过合成平均和标准差较好地区分两类台风，而800 hPa相对湿度尽管合成平均上存在一定的差异，但在两类台风中的样本相互交叉，不能很好地将两类强度台风区分开来。相较于热力因子，动力因子的结果较差。两类台风中200 hPa散度、900 hPa涡度、225 hPa垂直速度和VWS，尽管从合成平均来看有一定的差异，但样本的相互交叉性较大，这表明对同一组台风而言，很难将两类强度台风区分开来，因而这些动力因子不能作为区分两类强度台风的环境因子。综上所述，大部分热力因子可以较好地将两类台风区分，而动力因子对两类强度台风的区分并不是很敏感。

2.3 不同环境因子的排序

为了评估不同环境因子的相对重要性，并选择哪些环境因子作为能否生成超级台风的预测因子，对所有环境因子的无因次BDI指数进行排序（图6）。由于BDI指数是一个无量纲量，可以用来比较不同环境因子的相对重要性。

根据BDI数值大小，可以将这些环境因子分为三类：BDI值大于1的环境因子有925 hPa MSE、950 hPa比湿、900 hPa温度，说明这些因子可以作为最重要的预测因子来判断与“海燕”有相似路径的台风是否会生成超强台风;BDI值在0.5～1.0的环境因子有SST、225 hPa垂直速度、200 hPa散度，说明这些因子可以作为辅助预测因子来考虑;BDI值小于0.5的环境因子有800 hPa相对湿度、VWS、900 hPa涡度，表明这些环境因子只能在业务预报中作为辅助参考。从BDI指数的排序来看，在西北太平洋上，与热力因子相关的BDI值（除RH）要大于与动力因子相关的BDI值，更有利于区分相似路径下的超强台风与一般台风。

结合样本发散图所分析的结果，可以得出925 hPa MSE、950 hPa比湿、900 hPa温度可以很好地作为预测因子来判断是否会生成超强台风，而SST作为预测因子考虑时，权重要比上述三个预测因子小。

2.4 OHC对两类台风强度的影响

前人工作指出，台风强度不仅受海洋表面（如SST）的影响，海洋热容量（OHC）作为上层海洋热力因子对台风强度的影响也至关重要，因此研究台风经过上层海洋时的变化对改善台风强度预报有一定意义（Park，2012;Lin et al.，2013）。蕴藏丰富OHC的洋面可以降低由于Ekman抽吸引起冷水上涌的冷却效应，削弱海气之间的负反馈作用，使得台风强度维持并加强（Shay et al.，2000）。

图7为这些台风相对应的OHC和移动速度（由于台风Vera是1979年，没有OHC资料），可以看到，超强台风的OHC普遍比一般台风大（台风Nina除外），这与Goni et al.（2009）的研究结果是相一致的，很多超强台风在OHC较大的区域可以达到快速增强。其中，台风“海燕”的OHC最大，可达到3.628×1011 J·m-2，说明较大的OHC蕴藏着深厚的海洋暖水层，对“海燕”形成超强台风有着很重要的影响。

此外，Wada（2015）指出在西北太平洋5°～10°N的区域里，有两个台风移速区间有利于台风强度趋于加强，分别为3～5和7～9 m·s-1，进一步研究发现，台风移动速度越快，使得因台风引起的冷水上翻冷却作用变小，累积的海洋热容量就越大，台风强度更容易加强，从而形成一个正反馈过程。针对本文中选取的两类台风而言，移动路径主要集中在5°～10°N的区域里，根据计算发现，超强台风的移动速度普遍大于28 km·h-1（台风Mike除外），一般台风的移动速度都小于28 km·h-1，而OHC和移动速度的相关系数为0.46，这表明OHC和移动速度呈正相关关系，台风移动速度越快，作用在海洋上的时间越短，不容易引起冷水上翻冷却，再加上OHC越大，海洋的暖水层也越厚，有利于超强台风的维持。因此，在台风强度预报过程中，OHC、台风移动速度是另外可以考虑的因子。同样对OHC进行了BDI指数计算，数值为1.1，说明OHC也可以作为预测相似路径下台风强度的环境因子。

3 理想数值模拟及分析

3.1 模式试验设计

基于观测结果，在相似路径不同强度的两类台风中，热力因子比动力因子更为重要。进一步利用WRF模式，设计了理想数值试验，来验证热力因子中的环境温度和水汽场的相对重要性。

选择一个一般台风个例Alex作为控制试验（CTRL），将其中区域平均的环境水汽和温度的垂直廓线替换成台风“海燕”的作为敏感性试验，来研究环境水汽和温度对台风强度的相对贡献，敏感性试验的名称分别用Axel_SH、Axel_T和Axel_SH+T来代替，表2是控制试验额敏感性试验的名称及试验设计。其中，垂直廓线替换是指分别计算出每个时刻下台风Alex和台风“海燕”中每层物理量（如水汽、温度、水汽和温度）的区域平均值得到每个台风的垂直廓线，然后用台风“海燕”的垂直廓线来代替台风Alex的垂直廓线。区域选择为从台风生成到台风达到最强时刻的范围，即120°～160°E、0°～15°N。该理想试验满足各物理场之间的平衡。

3.2 模拟结果分析

理想数值试验结果表明，无论是控制试验还是敏感性试验，台风Alex的路径模拟结果都是和JTWC最佳路径一致（图略）。无论从中心最大风速，还是从中心最低海平面气压随时间的演变来看，观测的强度和控制试验对台风Alex的强度模拟结果也比较一致（图8）。因此，可以进一步进行敏感性试验。

敏感性试验设计的目的是为了验证环境水汽、环境温度以及二者共同作用对一般台风Alex的强度影响，图8a、b均表明相较于控制试验，三组敏感性试验都对台风Alex强度有所影响。此外，图8b可以看到CTRL、Axel_SH、Axel_T、Axel_T+SH试验的中心最低海平面气压分别为950、939、910、903 hPa，其中Axel_T和Axel_T+SH试验中模拟的台风强度达到了超强台风级别，这表明台风“海燕”中更为充足的环境水汽和更不稳定的环境温度垂直结构对超强台风强度都起到了重要的调控作用，而环境温度场的影响尤为重要，计算得到环境水汽和温度的相对贡献约为1∶4。因此环境温度和水汽的共同作用使得台风Alex的强度与台风“海燕”的强度十分接近，可见热力因子对这类相似路径下的台风强度贡献非常重要。

4 结论

本文研究在西北太平洋上影响超强台风生成、发展的大尺度环境因子。以百年一遇超强台风“海燕”为关注点，选取了1979—2020年期间与“海燕”有相似路径的台风，根据台风强度分为超强台风和一般台风两类，通过BDI指数和WRF数值试验，研究热力和动力环境因子对台风强度的影响及相对重要性。主要结论如下：

1）采用动态合成和BDI分析方法发现，不同热力和动力环境因子对台风强度的影响是不同的。相比较动力因子，热力因子对此类相似路径下的台风强度的调控作用更为明显。其中，925 hPa MSE、950 hPa比湿、900 hPa温度的BDI值均大于1，因此，可以根据低层的MSE、比湿、温度判断在西北太平洋上，当出现与台风“海燕”有着相似路径的台风时，是否会生成超强台风。而SST的BDI值在0.5～1，可作为附加预测因子。这几个热力因子均能表示海洋和低层高温高湿的大气环境可以为台风强度提供有利的潜热、感热和水汽条件，这与前人的研究结论（薛根元等，2007;Wadler et al.，2023;Wu et al.，2023）是相一致的。虽然以往研究了很多关于热力和动力因子对台风强度的影响（Gray，1968;Gray et al.，1975），但大多数是定性的判断，而本文采用BDI分析，可以定量地研究相似路径下不同环境因子对台风强度的影响，以提高对相似路径下台风强度的预报能力。

2）通过分析上层海洋热力因子OHC对台风强度的影响，发现超强台风的环境OHC普遍大于一般台风的OHC，再加上超强台风的移动速度普遍大于一般台风，可以形成一个有利于台风强度增强的正反馈过程。台风移动速度越大，台风引起的冷水上翻冷却效应就越小，使海洋热容量越深厚，这导致台风强度更容易加强。因此，OHC也可以作为预测因子。Trenberth et al.（2018）也指出台风经过洋面时OHC的变化对改进台风强度预报有一定的意义。

3）本文用WRF模式设计了3组敏感性试验，分别代表环境水汽、环境温度以及二者共同作用对一般台风强度的台风Alex的影响，试验结果表明，超强台风“海燕”的环境水汽和温度垂直结构对台风强度都起到了重要的调节作用，相比于环境水汽，环境温度垂直结构对相似路径下的台风强度影响更大。根据两组敏感性试验，定量地计算得出环境水汽和温度的相对贡献比约为1∶4。通过数值试验，验证了热力因子对此类相似路径下的台风强度影响大，且定量得到了不同环境因子的相对贡献。

参考文献（References）

Bister M，Emanuel K A，1998.Dissipative heating and hurricane intensity［J］.Meteorol Atmos Phys，65（3）：233-240.doi：10.1007／BF01030791.

陈春，陶丽，2023.热带气旋潜在生成指数的对比分析及其在西北太平洋的改进［J］.大气科学学报，46（4）：615-629. Chen C，Tao L，2023.A comparison of tropical cyclone Genesis Potential Indices （GPIs） and a modified version for the western North Pacific［J］.Trans Atmos Sci，46（4）：615-629.doi：10.13878／j.cnki.dqkxxb.20210130001.（in Chinese）.

陈子通，张诚忠，黄燕燕，等，2014.南海台风模式对“海燕”移动路径的预报［J］.气象学报，72（4）：678-689. Chen Z T，Zhang C Z，Huang Y Y，et al.，2014.The track of Typhoon “Haiyan” as predicted by the typhoon model for South China Sea［J］.Acta Meteorol Sin，72（4）：678-689.doi：10.11676／qxxb2014.049.（in Chinese）.

Duchon C E，1979.Lanczos filtering in one and two dimensions［J］.J Appl Meteor，18（8）：1016-1022.doi：10.1175／1520-0450（1979）018<1016：lfioat>2.0.co;2.

Elsberry R L，Holland G J，Gerrish H，et al.，1992.Is there any hope for tropical cyclone intensity prediction？—a panel discussion［J］.Bull Amer Meteor Soc，73（3）：264-277.doi：10.1175／1520-0477-73.3.264.

Emanuel K A，1986.An air-sea interaction theory for tropical cyclones.part Ⅰ：steady-state maintenance［J］.J Atmos Sci，43（6）：585-605.doi：10.1175／1520-0469（1986）043<0585：aasitf>2.0.co;2.

冯亚萍，2014.2013年西北太平洋台风异常发生原因诊断分析［D］.青岛：中国海洋大学. Feng Y P，2014.The diagnostic analysis on the causes of the anomalous typhoon phenomena in Northwest Pacific Ocean in 2013［D］.Qingdao：Ocean University of China.（in Chinese）.

Fu B，Peng M S，Li T，et al.，2012.Developing versus nondeveloping disturbances for tropical cyclone formation.part Ⅱ：western North Pacific［J］.Mon Wea Rev，140（4）：1067-1080.doi：10.1175／2011MWR3618.1.

Goni G，DeMaria M，Knaff J，et al.，2009.Applications of satellite-derived ocean measurements to tropical cyclone intensity forecasting［J］.Oceanography，22（3）：190-197.doi：10.5670／oceanog.2009.78.

Gray W M，Ruprecht E，Phelps R，1975.Relative humidity in tropical weather systems［J］.Mon Wea Rev，103（8）：685-690.doi：10.1175／1520-0493（1975）103<0685：rhitws>2.0.co;2.

Gray W M，1968.Global view of the origin of tropical disturbances and storms［J］.Mon Wea Rev，96（10）：669.doi：10.1175／1520-0493（1968）0960669：GVOTOO>2.0.CO;2.

李艳，符彩芳，金茹，2019.西北太平洋近赤道热带气旋生成的特征分析［J］.大气科学学报，42（5）：695-704. Li Y，Fu C F，Jin R，2019.Analysis of near-equatorial tropical cyclone genesis in the western North Pacific［J］.Trans Atmos Sci，42（5）：695-704.doi：10.13878／j.cnki.dqkxxb.20170427001.（in Chinese）.

李泽椿，张玲，钱奇峰，等，2020.中央气象台台风预报业务的发展及思考［J］.大气科学学报，43（1）：10-19. Li Z C，Zhang L，Qian Q F，et al.，2020.The development and consideration of typhoon forecast operation of National Meteorological Center［J］.Trans Atmos Sci，43（1）：10-19.doi：10.13878／j.cnki.dqkxxb.20200110015.（in Chinese）.

Lin I I，Goni G J，Knaff J A，et al.，2013.Ocean heat content for tropical cyclone intensity forecasting and its impact on storm surge［J］.Nat Hazards，66（3）：1481-1500.doi：10.1007／s11069-012-0214-5.

Merrill R T，1988.Environmental influences on hurricane intensification［J］.J Atmos Sci，45（11）：1678-1687.doi：10.1175／1520-0469（1988）045<1678：eiohi>2.0.co;2.

Park M S，2012.Vertical wind shear and ocean heat content as environmental modulators of western North Pacific tropical cyclone intensification and decay［J］ Tropical Cyclone Research ＆ Review，42（4）：42-6.

Peng M S，Fu B，Li T，et al.，2012.Developing versus nondeveloping disturbances for tropical cyclone formation.part Ⅰ：North Atlantic［J］.Mon Wea Rev，140（4）：1047-1066.doi：10.1175／2011mwr3617.1.

Shay L K，Goni G J，Black P G，2000.Effects of a warm oceanic feature on hurricane opal［J］.Mon Wea Rev，128（5）：1366-1383.doi：10.1175／1520-0493（2000）128<1366：eoawof>2.0.co;2.

Trenberth K E，Cheng L J，Jacobs P，et al.，2018.Hurricane Harvey links to ocean heat content and climate change adaptation［J］.Earths Future，6（5）：730-744.doi：10.1029／2018EF000825.

Wada A，2015.Verification of tropical cyclone heat potential for tropical cyclone intensity forecasting in the western North Pacific［J］.J Oceanogr，71（4）：373-387.doi：10.1007／s10872-015-0298-0.

Wadler J B，Rudzin J E，Jaimes de la Cruz B，et al.，2023.A review of recent research progress on the effect of external influences on tropical cyclone intensity change［J］.Trop Cyclone Res Rev，12（3）：200-215.doi：10.1016／j.tcrr.2023.09.001.

Wu L G，Lu J，Feng X F，2023.Increased tropical cyclone intensification time in the western North Pacific over the past 56 years［J］.Environ Res Lett，18（9）：094031.doi：10.1088／1748-9326／acec8a.

薛根元，张建海，陈红梅，等，2007.超强台风Saomai（0608）加强成因分析及海温影响的数值试验研究［J］.第四纪研究，27（3）：311-321. Xue G Y，Zhang J H，Chen H M，et al.，2007.Analysis on causes of strengthening of super strong typhoon Saomai（0608） and numerical experiments of the impact of sst on its intensity［J］.Quat Sci，27（3）：311-321.doi：10.3321／j.issn：1001-7410.2007.03.002.（in Chinese）.

张玲，许映龙，黄奕武，2014.1330号台风海燕强烈发展和快速移动原因分析［J］.气象，40（12）：1464-1480. Zhang L，Xu Y L，Huang Y W，2014.Analysis of the intense development and fast-moving of No.1330 Typhoon Haiyan［J］.Meteor Mon，40（12）：1464-1480.（in Chinese）.

张璟，李泓，段晚锁，等，2022.台风集合预报研究进展［J］.大气科学学报，45（5）：713-727. Zhang J，Li H，Duan W S，et al.，2022.Review on the research progress of typhoon ensemble forecast［J］.Trans Atmos Sci，45（5）：713-727.doi：10.13878／j.cnki.dqkxxb.20211124001.（in Chinese）.

朱乾根，林锦瑞，寿绍文，等，2007.天气学原理和方法［M］.北京：气象出版社. Zhu Q G，Lin J R，ShouS W，et al.，2007.Principles and methods of weather science［M］.Beijing：China Meteorological Press.（in Chinese）.

朱炜，2016.超强台风“海燕”次眼墙形成过程分析［D］.南京大学. Zhu W，2016.Analyses on the secondary eyewall formation of Suoer Typhoon Haiyan［D］.Nanjing University.（in Chinese）.

周伟灿，张小雨，赵海坤，等，2022.西北太平洋热带气旋频数异常与五类主要大尺度环流型的关系［J］.大气科学学报，45（1）：30-39. Zhou W C，Zhang X Y，Zhao H K，et al.，2022.Relationship between the anomalous frequency of tropical cyclone genesis over the western North Pacific and five major large-scale circulation patterns［J］.Trans Atmos Sci，45（1）：30-39.doi：10.13878／j.cnki.dqkxxb.20200323012.（in Chinese）.