2022年8月南海典型空心台风“木兰”的诊断分析及高分辨率模拟

王静瑶 于恩涛 马洁华 汪君 陈冬 陈科艺

摘要 利用站点观测、FNL分析数据和融合降水等多源资料，对2022年8月南海空心台风“木兰”的特征及成因开展系统的诊断分析，结果表明“木兰”属于南海的季风低压发展而成的弱台风，具有季风低压的特征，整个台风过程无明显台风眼，前期气旋环流中有多个小环流。虽为弱台风，但其东北侧的低空东南急流配合南海充沛的水汽输送，以及陆地局部的强对流活动，造成了我国广东、广西和云南南部等地的大风和暴雨天气。使用中尺度模式WRF开展分辨率为9 km和3 km的嵌套模拟，结果显示模式能合理再现“木兰”的环流结构特征和演变过程，但模拟的副热带高压南侧季风槽偏强，风速偏大。模式模拟的台风路径与观测整体上较为吻合，与FNL分析资料的结果相比，WRF对降水量的模拟有显著改进，此外，WRF模式分辨率的提高可降低模拟降水的误差。

关键词WRF;“木兰”台风;诊断分析;空心台风;高分辨率模拟

热带气旋是一种具有暖心结构的强烈的气旋性涡旋，破坏力大且突发性强。每年全球约有80个热带气旋生成，其中平均有7～8个台风在我国登陆，这对我国沿海地区造成了巨大的经济损失和人员伤亡（陈联寿和孟智勇，2001）。特别是近几年极端事件频发，如台风“烟花”和南海台风“查帕卡”的双台风联合造成的河南“21.7”极端暴雨事件（梁旭东等，2022），给受灾地区和人民带来极大的损失，因此精准预报台风及其带来的暴雨和大风等灾害天气已经成为当前防灾减灾工作中急需解决的问题。影响我国的热带气旋主要来自南海地区和西北太平洋地区，其中南海是全球台风活跃的海域之一，南海的强台风多数源自西北太平洋，而弱台风主要起源于南海（关芬呈和谢清华，1984），虽然南海台风的活动范围小，其平均半径约200 km，垂直高度低、强度较弱，但仍不可小觑它给我国带来的影响（Li et al.，2021）。台风“木兰”是2022年8月在我国南海中西部生成的第7号台风，由南海季风低压发展而成，为南海弱台风。其生命周期短、强度弱，最高等级为热带风暴级，但仍给我国广东沿海、广西东部、云南南部等地带来了8～9级阵风和暴雨影响，观测资料显示广东局地最大降水量达350～439 mm（王皘和董林，2022）。

台风的生成、发展和运动受大尺度环流、周围天气系统和自身结构等因素的影响（陈联寿和丁一汇，1979;陈联寿，2006;Wu et al.，2013），其降水受台风结构、地形以及台风与其他系统（高低空急流、副热带高压、低槽冷锋等）相互作用等因素影响（程正泉等，2005;Gao et al.，2009）。许多针对强台风的研究表明，高空西风急流与低层偏南风急流的耦合有利于强对流发展，从而为超强台风“山竹”提供了充足的水汽来源（Yu et al.，2020）;对流层低层短波槽的加深有利于加强超强台风“利奇马”的远距离降水的雨强（刘希等，2023）;强台风“韦森特”的水汽输送通道的主要驱动力来自台风与副高的相互作用（Wen et al.，2015）;超强台风“狮子山”与西风带低涡接近的过程中，向低涡环流输送的热量与水汽能够在倒槽切变处引发辐合抬升，进而产生暴雨（任丽等，2019）。已有对台风暴雨分析的研究中，研究对象多集中于强台风（按GB／T 19201—2006《热带气旋等级》国家标准，定义为台风底层中心附近最大平均风速超过41.5 m／s），然而，南海弱台风的预报难度更大，如2012年13号弱台风启德，其24 h和48 h的预报路径误差远高于同年所有台风的平均。同时，由于南海海域较小且紧邻大陆，其台风突发性强，使得该区域弱台风更难预报（Huang and Zheng，2020）。目前，针对南海弱台风的相关研究依旧不足，特别是对于弱台风降水特征及其机制的探讨十分缺乏。

近几十年来，台风数值预报的准确性取得显著的提升，这一定程度上是各种数值模式及其业务化应用发展取得的成果（Heming et al.，2019）。国内的台风路径业务的预报水平基本达到了国际先进水平（李泽椿等，2020），台风的数值预报成为防台减灾的关键（张璟等，2022），采用模式开展台风数值模拟的研究也越来越广泛。其中，中尺度WRF（Weather Research and Forecasting）模式已成为近年来台风个例分析的重要工具（王晓君和马浩，2011），WRF模式能较好地模拟出台风的登陆时间、登陆地点、平均海平面气压和最大风速等显著特征（Potty et al.，2012）。近年来许多学者使用WRF开展台风数值模拟研究。例如，对2006年0608号强台风“桑美”的模拟研究表明，WRF模式能够较好地捕捉台风的路径和降水分布（马玉芬等，2009）。郭兴亮等（2019）使用WRF的谱逼近法研究地形对超强台风“鲇鱼”路径的影响发现，数值试验能较为准确地反映台风的路径偏折过程。Islam et al.（2015）利用WRF模式评估不同物理过程参数化方案的组合对超强台风“海燕”模拟的影响，发现不同方案在模拟台风路径变化方面均表现良好。WRF模式不仅能准确模拟强台风，还能在台风整体减弱的情况下有效地模拟台风的水汽输送和新生的强对流单体（谢文锋等，2020）。为了提高南海台风模拟的精度，Wu et al.（2019）探索了WRF模式不同分辨率对台风模拟的影响，发现高分辨率能够更真实地模拟台风强度，区域嵌套技术有助于提高模拟的精度与效率。

自20世纪80年代中期起，弱台风引发大暴雨甚至极端降水事件的频次明显增加（张希帆等，2019），其中海南弱台风降水甚至为近40年来登陆台风引发极端降水的主要五种类型之一（Zhao et al.，2022），弱台风在一定条件下可引发较高的降水量，因此弱台风的研究价值不可忽略。然而，相比强台风，南海区域弱台风的路径、降水和动力热力结构方面等特征以及数值模拟研究还十分欠缺。因此，本文针对由季风低压形成的南海弱台风“木兰”，在天气学分析诊断的基础上，开展关于其特征分析以及降水和路径的数值模拟研究，以期为实际工作提供一定的科学依据。

1 资料、模式和试验设计

1.1 数据

本文所使用的观测资料主要包括：1）由美国环境预测中心提供的全球业务型对流层分析数据FNL（Final Operational Global Analysis data，https：／／rda.ucar.edu／datasets／ds083.3），该产品时间分辨率为6 h，水平分辨率为0.25°×0.25°，主要提供地面气压、海平面气压、位势高度、温度、海面温度、相对湿度等气象变量，本文中FNL资料同时为WRF模拟提供初始和边界条件。2）由美国国家环境预报中心提供的最优插值的OISST （Optimum Interpolation Sea Surface Temperature）海表面温度数据集（https：／／psl.noaa.gov／data／gridded／data.noaa.oisst.v2.highres.html），该产品是美国国家海洋和大气管理局的高分辨率探测器多通道SST（Sea Surface Temperature）产品的最优化插值结果，并经过了浮标和岛屿观测数据的校正。其水平分辨率为0.25°×0.25°，时间分辨率为天（Huang et al.，2021）。3）由中国气象局热带气旋资料中心提供的热带气旋最佳路径集，以此来确定台风“木兰”的强度以及路径，该数据提供了台风中心位置、台风强度、台风移向、平均最大风速和最低海平面气压，时间分辨率为小时（Ying et al.，2014;Lu et al.，2021）。4）由日本气象厅气象卫星中心网站（https：／／himawari8.nict.go.jp／zh／himawari8-image.htm）提供的静止卫星葵花8号卫星资料，其探测范围涵盖中国在内的东亚和西太平洋区域。其水平分辨率为0.05°×0.05°，时间分辨率为10 min，共拥有16个通道，本文选择其长波红外16通道亮温数据（TBB_16），其中心波长为13.3 μm，主要应用于云高、云量和大气温度（Bessho et al.，2016）。5）由美国宇航局-日本宇宙航空研究开发机构联合全球降水测量（Global Precipitation Measurement，GPM）任务发布的综合多卫星检索的全球卫星降水计划（Integrated Multi-satellitE Retrievals for GPM，GPM IMERG），该产品包含L1，L2和L3三类数据，L1为卫星观测仪器的基数据，L2在L1相同的分辨率和位置上处理导出地球物理变量，L3在L2基础上对固定时间和空间尺度进行插值，数据完整性和一致性较高，本文选择L3数据（https：／／disc.gsfc.nasa.gov／datasets／GPM_3IMERGHH_07／summary？keywords=GPM％20IMERG），其空间分辨率为0.1°×0.1°，时间分辨率为30 min。6）由中国气象局提供的站点观测数据，包含风速、温度、降水等数据。本文使用广东、广西的国家站点的降水数据，共计117个站点（站点分布见图1），时间分辨率为小时。

1.2 模式及试验方案介绍

WRF模式是由美国环境预测中心、美国国家大气研究中心、预报系统实验室、美国空军气象局、美国海军科学研究所实验室等美国科研机构和高校为研究和业务预报合作研发的新一代中尺度数值天气预报系统，WRF模式为完全可压的非静力平衡模式。本文使用的是WRF-ARW内核，版本为4.5.1。

使用FNL数据为模式提供初始场和边界条件，并使用OISST数据更新模式中海表温度，模式模拟时段为2022年8月8日00时（世界时，下同）到2022年8月11日12时，共计84 h，其中模式spin-up时段为12 h，最后72 h模拟用于结果分析。本文采用双层嵌套区域设置（图1），区域中心位于（110°E，20°N），嵌套外层网格数为453×375，覆盖我国南海及周边陆地区域，分辨率为9 km，嵌套内层网格数为598×544，覆盖“木兰”台风主要途径区域，分辨率为3 km。WRF的物理过程参数化方案信息如表1所示。

使用均方根误差以检测模拟降水场的质量，均方根误差越大表示模拟与观测的偏差越大，模拟效果越差。均方根误差的具体表达式为：

其中：S表示模拟的降水场;SA表示站点的降水场。

2 “木兰”台风特征分析

2.1 台风路径

2022年8月8日“木兰”在南海的西沙群岛南部生成，生成时中心风力为6级，生成后向东北方向移动;9日03时加强为热带风暴级，加强后继续向东北方向移动，14时起转为西北方向;10日02时在广东徐闻登陆，登陆时中心风力为8级，中心风速为20 m／s，中心气压为995 hPa，强度为热带风暴级;登陆后向西移动，10日06时左右再次入海并向西北方向移动，11日00时强度减弱为热带低压（图2）。

2.2 降水特征

由GPM IMERG全球卫星降水的逐半小时降水量数据绘制累计降水量分布，从8日24 h累计降水量（图3a）可见，台风中心附近降水量较少，暴雨区分散分布在“木兰”外围，呈环状分布，“木兰”中心附近呈降水空心状，而强台风的强降水主要分布在台风眼墙附近以及螺旋雨带处（程正泉等，2005;何会中等，2006;唐飞等，2021），二者形成鲜明对比。随着台风北移，暴雨区随螺旋云系移动至台风中心南侧以及东侧，降水落区集中，呈非对称型降水分布;由台风西北移动过程中可以清晰看到，9日降水落区从分散分布随着螺旋雨带向北移动且逐渐合并，降水主要分布在“木兰”的东北侧，台风中心附近24 h降水量不足25.0 mm，而距离台风中心东部几百千米的地区24 h累积降水量超过100 mm，表明台风外围降水较强。10日降水区集中在台风中心附近及其东侧。由此可见，“木兰”台风外围降水远大于中心降水，暴雨主要影响我国广东、广西和云南南部地区。

2.3 环流特征与演变

云顶亮温可以体现出对流发展的程度，如图4所示，2022年8月9日03时，“木兰”强度加强为热带风暴级，呈现出季风低压的特征，表现为明显非对称结构，云系呈环形，云体较大且结构松散。“木兰”中心附近云系TBB（Black Body Temperature）高于241 K，这表明其中心附近无深对流云系发展;TBB低于213 K的强对流云团远离台风中心，分布在其南侧和东侧，最低TBB低于203 K;中心南侧与东侧对流发展旺盛，云团中嵌有多个发展旺盛的小对流云中心。这说明“木兰”外围有深对流发展而中心深对流较弱。10日03时随着“木兰”发展并即将登陆，左右两侧分散云团合并，中心附近对流云系有所发展;西侧的强对流云团由于陆地摩擦消耗作用面积有所减小，对流云团强度维持;东侧积云对流强度减弱，密闭云区相对台风中心南移。

相比于同海域典型强台风的台风眼结构完整且明显，云图可见完整的台风眼涡旋结构，螺旋结构清晰，云体密实等特点（甘静等，2009）。“木兰”在整个过程中均无完整的台风眼结构，云团结构松散，说明“木兰”自季风低压加强为热带风暴到登陆的过程中仍未发展出典型的台风眼结构，整体特征仍较符合季风低压。

由垂直剖面可见台风整体上对流发展并不深厚（图5）。相比强台风的垂直结构：有明显的中心下沉两侧上升的运动，中心附近的对流强并保持剧烈的上升运动，以及明显的暖心结构（杨文霞等，2011）。“木兰”的活动过程中均无明显完整的台风眼，所以其中心剖面的典型台风中心结构特征并不明显，且其中心附近对流较弱，缺乏组织性深对流，暖心结构也并不突出。发展初期9日00时（图5a）台风中心两侧的上升运动明显随高度倾斜，较强的上升运动主要分布在中高层，剖面内存在多个从地面贯穿至200 hPa的上升气流。10日00时（图5b）过台风中心剖面仅剩台风中心两侧从地面贯穿至200 hPa的上升气流，且相较于前期上升气流较为垂直，这有利于组织性深对流的发展，但台风中心附近对流结构仍然较弱，下沉气流仅从地面到500 hPa，而其对流层中上层以上升气流为主，最大上升速度出现在400～200 hPa。

垂直剖面与云顶亮温（图4）特征相呼应，能体现出台风“木兰”的结构变化特征，即前期环流中有多个深对流中心发展，随着台风北上，台风中心附近对流有所发展，但整体上台风中心附近对流较弱，无明显台风眼结构。

由图6的500 hPa高度场和风场可以看到，“木兰”生成于季风槽中，在加强为热带风暴前为季风低压。气旋结构上，2022年8月8—9日环流均呈椭圆形，且内部有多个环流中心存在，这符合季风低压发展成热带气旋过程的特征（Lander，1994），这说明气旋系统尚未组织好其内部环流结构。随着“木兰”北移，季风槽减弱，由于西太平洋副热带高压偏西偏强，呈东西带状，引导气流强，这有利于台风沿副高南部西行（任素玲等，2007），因此随着“木兰”北上，其移动路径由西北方向转为向西移动。同时，由于受北侧副热带高压阻挡，“木兰”东侧和北侧等高线密集，且源自南海的西南季风与源自西北太平洋副高南侧的东南季风在台风的东北侧汇合，因此产生的大风分布在台风的东北侧，风场呈明显非对称分布。

图7为850 hPa高度场、风场和温度场。“木兰”的中心附近风力较小，大风主要分布在台风的外围，而强台风的最大风速出现在台风眼墙附近且随着距台风中心的距离增大而减小（王蓉等，2013;陈德花等，2018），二者风场结构特征形成对比。2022年8月8日南海东南部存在较为明显的越赤道气流，为“木兰”的初生提供了充沛水汽和能量。8日00时气旋初生，其南侧和东北侧均有反气旋性环流，大风主要分布在南侧。随着“木兰”向西北移动，9日南侧反气旋性环流消失，在“木兰”的东北侧形成了偏东方向的急流，因此9日00时起至10日台风东北侧的低空东南急流将水汽一直输送至陆地，为我国华南的降水带来充足水汽。

结合中低层高度场和风场可看到台风的结构变化，8日500 hPa及其以下对流层中低层台风环流结构变形拉伸，风场与位势高度场呈东北-西南向的椭圆环流。随着台风向北移动，9日12时850 hPa台风环流近似圆形，而500 hPa仍呈椭圆形环流，台风环流结构在中低层变化不同步。同时可见9日台风垂直结构存在明显的中心倾斜，尤其在9日12时，台风中心随高度向南侧倾斜，这不利于台风中心附近对流的发展。10日00时中低层台风环流中心近乎重合且环流均呈圆形，台风垂直结构趋近于垂直，这有利于台风对流活动的发展。

海温作为台风生成必要条件之一，判断台风能否在洋面加强或维持的重要参考依据为海表温度是否达到26 ℃。较高的海温可以和水汽条件配合从而使台风加强，研究表明暖海温加热可使得低层水汽辐合增强，进而加强凝结潜热释放和对流的发展（Gray，1998）。通过分析“木兰”在洋面上活动过程的海表温度发现，“木兰”活动周边海域均高于27 ℃，满足台风生成的海温条件。8日至9日00时台风中心附近海温相比于台风外围的海温较低，不利于台风中心附近对流的发展（图7a—c）。9日12时起（图7 d、e、f），台风中心所在区域海温较暖，在30 ℃左右，有利于台风的发展和维持。

水汽输送对台风的发展和维持提供了重要作用（李英等，2005），充沛水汽上升运动的同时暖湿空气释放大量凝结潜热，从而通过第二类条件性不稳定机制（叶笃正，1988）使得天气尺度的低压扰动发展，同时也加强了积云对流的发展。由低空急流（850 hPa层风速大于等于12 m/s）（Bonner，1968）配合充足水汽形成的水汽输送通道为暴雨提供了充分的水汽条件和对流能量。

水汽输送对台风“木兰”的发展和维持以及降水贡献分为两个阶段（图8）。第一个阶段（8日）主要是偏西风低空急流，水汽来自台风南侧，是由越赤道气流（图7a、b）提供的充足水汽;第二阶段（9—10日）主要是偏南风低空急流和东南风低空急流，其中副热带高压南侧的偏东气流是重要的水汽输送带，而台风东北侧持续的水汽输送一方面给广东、广西和云南南部等地提供了强烈的水汽辐合和高湿度的降水条件，另一方面也减少了台风登陆后地面摩擦带来的能量亏损。8日至9日00时（图8a—c）“木兰”东南侧有较强的西南水汽输送，中心附近850 hPa的水汽通量散度为正但强水汽辐合中心比较分散。10日00时（图8e）可见强水汽辐合区集中在台风中心附近且强度增强，配合洋面的暖中心（图7e），有利于水汽辐合上升释放凝结潜热，使得台风中心附近积云对流发展，与图4中10日台风中心东侧的强盛的对流云系相对应，使得“木兰”在登陆之前强度进一步增强，且10日（图8e、f）台风“木兰”中心东侧以及东北象限区域内存在强盛的水汽输送，华南南部出现强水汽辐合中心，表示此地在850 hPa有强的水汽净流入，同时由图7e、f可见此区域存在低空东南急流，综合以上分析可知，在弱台风“木兰”近海登陆前的加强过程中通过强盛低空急流的水汽输送与对流发展的共同作用，引发了我国华南南部产生强降水。

综上，弱台风“木兰”的显著特点有：第一，它是由南海季风低压出生的弱台风。台风强度加强为热带风暴级时，台风中心附近无深对流发展，木兰内部有多个小环流中心，仍具备季风低压特征。强对流和暴雨主要分布于台风外围，外围降水远大于台风中心附近降水，“木兰”的中心附近风力小，而外围风力大，符合空心台风特点（陈瑞闪，1987）。第二，随着“木兰”向西北方向移动，台风中心附近对流云系有所发展，降水落区随着螺旋雨带北移并合并。第三，“木兰”的整个过程发展迅速，在编期间仅两天时间左右，强度弱，从台风生成至登陆的过程中卫星云图均无明显台风眼，云体结构较为松散，但由于各系统配合使其在华南地区引起的降水较强。

3 模式模拟结果分析

3.1 环流场模拟评估

图9为台风“木兰”活动期间试验模拟的高低空环流形势场，从图中可以看出，WRF模式基本可以再现台风木兰的主要环流特征。从模拟的500 hPa环流场可见，8—9日气旋气压场呈椭圆形环流，至10日呈圆形环流的特征，这与FNL分析资料一致，此外模式能模拟出8—9日气旋环流中的多个小环流，能再现台风“木兰”前期内部有多个小环流中心的特征。模拟场副热带高压位置也与FNL分析资料基本一致，因此模拟路径与观测路径较为吻合。但模拟的副高南侧的季风槽更强，使得“木兰”东侧以及北侧的风速更大。

从模拟的850 hPa环流场可见，气旋的环流变化与FNL分析资料较为一致，因此模式能较好模拟出“木兰”的演变过程。大风主要分布在气旋的东侧和南侧，风场分布特征与FNL分析资料一致，整体风速偏大，尤其是气旋东侧风速偏大最为明显，“木兰”东北方向的低空急流模拟的更强，气旋东南侧风速等值线梯度较大，而在西北方向梯度较小。

图10是“木兰”活动期间d01和d02区域模拟的水汽通量和水汽通量散度，对比图8可见，WRF模式能基本模拟出水汽通量和水汽通量散度的空间分布特征，8日（图10a、e）的水汽输送大值区主要分布在台风的南侧，9日（图10b、c、f、g）转移到台风的东侧，10日水汽输送主要在台风的东北侧。9日12时（图10c、g）起，模拟的台风靠近陆地，台风北侧较强的水汽输送部分抵达陆地，华南南部沿海区域开始出现较强的水汽通量辐合区，10日00时（图10d、h），随着台风即将登陆，台风北侧的偏东和东南的强水汽输送进入陆地，陆地上的水汽通量辐合区域增多、强度加强，我国华南南部出现多个强水汽辐合中心，这与分析资料基本一致，因此WRF能较好地模拟出台风引起我国南部降水的活动过程。对比d01和d02区域的模拟场可见，d02的水汽输送矢量场环流形状比d01更为合理。

3.2 路径模拟评估

台风路径是研究台风的关注点之一，就台风“木兰”在9日00时至10日18时期间对模拟试验的路径模拟结果进行评估（图11）。结果表明，所有试验整体上模拟出了台风“木兰”的倒抛物线型路线，d01和d02模拟区域均能较好再现台风的主要移动路径。但模拟的台风在后期近岸以及登陆附近时模拟的位置偏东偏北。已有研究表明，副高的位置和强度以及季风槽的位置和形态对台风的活动影响很大（田华等，2010），因此路径的模拟误差可能与WRF模拟的副热带高压以及季风槽的偏差有关。例如8月10日00时，500 hPa模拟场的副高（图9h）强度偏弱，使得模拟场台风向北移速偏快，相比于观测场台风位置偏北;同时，8月9日12时起季风槽明显减弱，而模拟场副高南侧的季风槽依旧保持强度，使得模拟的季风槽偏东偏强，最终导致WRF模拟的台风位置偏东。 WRF模式对台风路径模拟的误差，一方面可能来源于模式初始和边界资料的不确定性，另一方面可能来源于模式本身物理过程参数化方案的不确定性。

3.3 降水量模拟评估

表2为FNL资料和WRF模式不同分辨率模拟与站点观测降水的均方根误差，包含了8月8日至10日逐日降水的均方根误差以及三日平均的均方根误差。从表中可以看出，与FNL资料对比，WRF模拟的降水RMSE更低，三日平均的RMSE从42 mm降低到11 mm左右，降幅超过70％。特别是8月9日，WRF模拟降水的RMSE约为13 mm，而FNL资料的RMSE则超过130 mm。此外，对比WRF不同分辨率的模拟结果可见，由于降水时间分配的差异，3 km分辨率的模拟结果虽然没有在8月8日至10日每天的RMSE都低于9 km结果，但平均降水的RMSE指标上，3 km分辨率结果相比9 km还是表现出了一定的优势。因此，提升模式分辨率有助于提高降水的预报能力。评估结果如表2所示。

WRF与站点对比的空间分布（图12）显示，模式能模拟出广东和广西的降水分布以及降水中心，模式模拟总体和观测较为一致。同时，模式也存在较为明显的偏差，如8月10日，模式高估了广东省东南部区域的降水，同时，8月9日、10日3 km分辨率结果相比9 km结果高估更为明显，这可能是3 km分辨率模拟的东南急流更强，从而使得输送至陆地的水汽更多导致的。

4 结论与讨论

本文利用FNL分析资料、GPM IMERG降水产品、CMA热带气旋最佳路径集以及站点资料，针对台风“木兰”的发展过程以及暴雨成因展开了研究，并使用WRF模式开展高分辨率模拟，研究模式对此类弱台风的模拟能力。所得到结论如下：

台风“木兰”于季风槽内生成，加强为台风前为季风低压，台风前期中心附近缺少组织深对流，深对流和暴雨均分布在台风外围，符合空心台风特征。其环流外形在8—9日呈椭圆状，且台风中心随高度倾斜，气旋环流中有多个小环流存在。直至10日气旋环流外形才整合为圆形，且台风中心随高度倾斜的情况有所变化，使得台风中心在登陆前能进一步发展组织对流，强度有所加强。

“木兰”的活动过程中，前期南侧和东侧风速大，其南侧越赤道气流为气旋提供了充沛的水汽和能量。随着台风北上，由于受深入内地的副热带高压影响，以及南海西南季风与西北太平洋东南季风在台风东北侧的汇合影响，“木兰”东北侧出现低空东南急流，配合南海源源不断的水汽输送以及副高南侧的偏东气流提供充足的水汽条件，使得我国华南南部出现暴雨。同时由于副高长居我国中纬度地带，使得“木兰”无法进一步北上，在广东南部登陆后路径由西北转为西行方向。

WRF模式可以再现“木兰”台风的活动过程。模式模拟的环流场与FNL分析资料基本吻合，能模拟出台风高低层气旋环流形状与内部结构的变化，以及水汽输送情况，但风速模拟偏大。WRF模式可以合理再现台风的主要路径，但也存在较为明显误差。相比于FNL分析资料，模式模拟的降水偏差更小。此外，提升WRF模式分辨率能提高对降水的模拟技巧。

本文主要针对空心台风“木兰”进行了特征诊断，并结合高分辨率数值模拟研究中尺度模式对“木兰”的演变及降水的模拟能力。但台风除了受不同系统与台风之间的相互作用等的宏观动力过程影响（任素玲等，2007;周磊等，2019），微观云微物理过程也有重要的影响（花丛和刘奇俊，2013），下一步工作将继续关注空心台风“木兰”云微物理特征及在模式中不同参数化方案的模拟性能，从而进一步提升对带来强降水的弱台风的认知。

参考文献（References）

Bonner W D，1968.Climatology of the low level jet［J］.Mon Wea Rev，96（12）：833-850.doi：10.1175／1520-0493（1968）096<0833：cotllj>2.0.co;2.

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

陈德花，张玲，张伟，等，2018.“莫兰蒂” 台风致灾大风的结构特征及成因［J］.大气科学学报，41（5）：692-701. Chen D H，Zhang L，Zhang W，et al.，2018.Structure characteristics and cause analysis of catastrophic wind caused by super typhoon Meranti［J］.Trans Atmos Sci，41（5）：692-701.doi：10.13878／j.cnki.dqkxxb.20180203004.（in Chinese）.

陈联寿，丁一汇，1979.西太平洋台风概论［M］.北京：科学出版社. Chen L S，Ding Y H，1979.Introduction to typhoons in the western Pacific［M］.Beijing：Science Press.（in Chinese）.

陈联寿，孟智勇，2001.我国热带气旋研究十年进展［J］.大气科学，25（3）：420-432. Chen L S，Meng Z Y，2001.An overview on tropical cyclone research progress in China during the past ten years［J］.Chin J Atmos Sci，25（3）：420-432.（in Chinese）.

陈联寿，2006.热带气旋研究和业务预报技术的发展［J］.应用气象学报，17（6）：672-681. Chen L S，2006.The evolution on research and operational forecasting techniques of tropical cyclones［J］.J Appl Meteor Sci，17（6）：672-681.doi：10.11898／1001-7313.20060605.（in Chinese）.

陈瑞闪，1987.试论台风的“空心” 现象［J］.海洋预报，4（1）：68-72. Chen R S，1987.On the phenomenon of “hollow centre” of typhoons［J］.Mar Forecasts，4（1）：68-72.（in Chinese）.

程正泉，陈联寿，徐祥德，等，2005.近10年中国台风暴雨研究进展［J］.气象，31（12）：3-9. Cheng Z Q，Chen L S，Xu X D，et al.，2005.Research progress on typhoon heavy rainfall in China for last ten years［J］.Meteor Mon，31（12）：3-9.doi：10.3969／j.issn.1000-0526.2005.12.001.（in Chinese）.

Gao S Z，Meng Z Y，Zhang F Q，et al.，2009.Observational analysis of heavy rainfall mechanisms associated with severe tropical storm bilis （2006） after its landfall［J］.Mon Wea Rev，137（6）：1881-1897.doi：10.1175／2008mwr2669.1.

关芬呈，谢清华，1984.南海台风的统计特征［J］.海洋通报，3（4）：19-27. Guan F C，Xie Q H，1984.The statistical characteristics of typhoon in the South China Sea［J］.Mar Sci Bull，3（4）：19-27.（in Chinese）.

甘静，邢维东，郭兴业，等，2009.0814号强台风“黑格比” 路径及降水分析［J］.气象研究与应用，30（4）：25-28，109. Gan J，Xing W D，Guo X Y，et al.，2009.Study on the mobile path and rainfall of “0814” typhoon hagupit［J］.J Meteor Res Appl，30（4）：25-28，109.doi：10.3969／j.issn.1673-8411.2009.04.007.（in Chinese）.

Gray W M，1998.The formation of tropical cyclones［J］.Meteor Atmos Phys，67（1）：37-69.doi：10.1007／BF01277501.

郭兴亮，钟玮，张入财，2019.地形对台风Megi（2010）过岛阶段路径偏折影响的数值研究［J］.大气科学学报，42（4）：481-491. Guo X L，Zhong W，Zhang R C，2019.Numerical study on the topographic influence of the track deflection of typhoon Megi （2010） during the island-passing period［J］.Trans Atmos Sci，42（4）：481-491.doi：10.13878／j.cnki.dqkxxb.20170904001.（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.Three-dimensional structural characteristics of the spatial distribution of precipitation and water particles in Typhoon 0302 （Whale）［J］.Atmos Sci，30（3）：491-503.（in Chinese）.

Heming J T，Prates F，Bender M A，et al.，2019.Review of recent progress in tropical cyclone track forecasting and expression of uncertainties［J］.Trop Cyclone Res Rev，8（4）：181-218.doi：10.1016／j.tcrr.2020.01.001.

花丛，刘奇俊，2013.云微物理过程影响登陆台风结构及降水的数值试验［J］.热带气象学报，29（6）：924-934. Hua C，Liu Q J，2013.Sensitivity of landfalling typhoon structure and precipitation to varying cloud microphysical processes［J］.J Trop Meteor，29（6）：924-934.（in Chinese）.

Huang Y Y，Zheng B，2020.Tropical cyclone structure in the South China Sea based on high-resolution reanalysis data and comparison with that of ‘bogus vortices［J］.Dyn Atmos Oceans，89：101128.doi：10.1016／j.dynatmoce.2019.101128.

Huang B Y，Liu C Y，Banzon V，et al.，2021.Improvements of the daily optimum interpolation sea surface temperature （DOISST） version 2.1［J］.J Climate，34（8）：2923-2939.doi：10.1175／jcli-d-20-0166.1.

Islam T，Srivastava P K，Rico-Ramirez M A，et al.，2015.Tracking a tropical cyclone through WRF-ARW simulation and sensitivity of model physics［J］.Nat Hazards，76（3）：1473-1495.doi：10.1007／s11069-014-1494-8.

Lander M A，1994.Description of a monsoon gyre and its effects on the tropical cyclones in the western North Pacific during August 1991［J］.Wea Forecasting，9（4）：640-654.doi：10.1175／1520-0434（1994）009<0640：doamga>2.0.co;2.

Li J H，Wan Q L，Xu D S，et al.，2021.An initialization scheme for weak tropical cyclones in the South China Sea［J］.J Meteor Res，35（2）：358-370.doi：10.1007／s13351-021-0069-3.

李英，陈联寿，徐祥德，2005.水汽输送影响登陆热带气旋维持和降水的数值试验［J］.大气科学，29（1）：91-98. Li Y，Chen L S，Xu X D，2005.Numerical experiments of the impact of moisture transportation on sustaining of the landfalling tropical cyclone and precipitation［J］.Chin J Atmos Sci，29（1）：91-98.doi：10.3878／j.issn.1006-9895.2005.01.11.（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）.

梁旭东，夏茹娣，宝兴华，等，2022.2021年7月河南极端暴雨过程概况及多尺度特征初探［J］.科学通报，67（10）：997-1011. Liang X D，Xia R D，Bao X H，et al.，2022.Preliminary investigation on the extreme rainfall event during July 2021 in Henan Province and its multi-scale processes［J］.Chin Sci Bull，67（10）：997-1011.doi：10.1360／TB-2021-0827.（in Chinese）.

刘希，曾明剑，王亚强，等，2023.台风“利奇马” 远距离暴雨的关键动力因子和水汽来源［J］.大气科学学报，46（5）：776-789. Liu X，Zeng M J，Wang Y Q，et al.，2023.Analysis of key dynamical factors and water vapor sources influencing remote heavy rainfall produced by typhoon Lekima［J］.Trans Atmos Sci，46（5）：776-789.doi：10.13878／j.cnki.dqkxxb.20220406001.（in Chinese）.

Lu X Q，Yu H，Ying M，et al.，2021.Western North Pacific tropical cyclone database created by the China meteorological administration［J］.Adv Atmos Sci，38（4）：690-699.doi：10.1007／s00376-020-0211-7.

马玉芬，沈桐立，丁治英，等，2009.台风“桑美” 的数值模拟和地形敏感性试验［J］.南京气象学院学报，32（2）：277-286. Ma Y F，Shen T L，Ding Z Y，et al.，2009.Numerical simulation and orographic sensitive experiments of typhoon Saomai during landfall［J］.J Nanjing Inst Meteor，32（2）：277-286.doi：10.13878／j.cnki.dqkxxb.2009.02.011.（in Chinese）.

Potty J，Oo S M，Raju P V S，et al.，2012.Performance of nested WRF model in typhoon simulations over West Pacific and South China Sea［J］.Nat Hazards，63（3）：1451-1470.doi：10.1007／s11069-011-0074-4.

任丽，赵玲，韩冰，等，2019.台风狮子山与中纬度系统相互作用所致暴雨成因分析［J］.沙漠与绿洲气象，13（1）：44-51. Rer L，Zhao L，Han B，et al.，2019.The analysis of rainstorm caused by the interaction between mid-latitude system and typhoon（1610） Lionrock［J］.Desert and Oasis Meteorology，13（1）：44-51.（in Chinese）.

任素玲，刘屹岷，吴国雄，2007.西太平洋副热带高压和台风相互作用的数值试验研究［J］.气象学报，65（3）：329-340. Ren S L，Liu Y M，Wu G X，2007.Interactions between typhoon and subtropical anticyclone over Western Pacific revealed by numerical experiments［J］.Acta Meteorol Sin，65（3）：329-340.doi：10.3321／j.issn：0577-6619.2007.03.003.（in Chinese）.

唐飞，陈凤娇，诸葛小勇，等，2021.利用卫星遥感资料分析台风“烟花” （202106）的影响过程［J］.大气科学学报，44（5）：703-716. Tang F，Chen F J，Zhuge X Y，et al.，2021.Analysis of influence process of typhoon In-fa（202106） based on satellite remote sensing data［J］.Trans Atmos Sci，44（5）：703-716.doi：10.13878／j.cnki.dqkxxb.20210812001.（in Chinese）.

田华，李崇银，杨辉，2010.大气季节内振荡对西北太平洋台风路径的影响研究［J］.大气科学，34（3）：559-579. Tian H，Li C Y，Yang H，2010.Modulation of typhoon tracks over the western North Pacific by the intraseasonal oscillation［J］.Chin J Atmos Sci，34（3）：559-579.（in Chinese）.

王皘，董林，2022.2022年8月大气环流和天气分析［J］.气象，48（11）：1487-1496. Wang J，Dong L，2022.Atmospheric circulation and weather analysis for August 2022［J］.Meteor Mon，48（11）：1487-1496.（in Chinese）.

王蓉，姚小娟，肖瑜璋，等，2013.1208号台风“韦森特” 特征分析［J］.海洋预报，30（6）：13-20. Wang R，Yao X J，Xiao Y Z，et al.，2013.Analysis of the characteristic of typhoon “Vicente”（1208）［J］.Mar Forecasts，30（6）：13-20.doi：10.11737／j.issn.1003-0239.2013.06.003.（in Chinese）.

王晓君，马浩，2011.新一代中尺度预报模式（WRF）国内应用进展［J］.地球科学进展，26（11）：1191-1199. Wang X J，Ma H，2011.Progress of application of the weather research and forecast（WRF） model in China［J］.Adv Earth Sci，26（11）：1191-1199.（in Chinese）.

Wen Y R，Xue L，Li Y，et al.，2015.Interaction between Typhoon Vicente （1208） and the western Pacific subtropical high during the Beijing extreme rainfall of 21 July 2012［J］.J Meteor Res，29（2）：293-304.doi：10.1007／s13351-015-4097-8.

Wu L G，Zong H J，Liang J，2013.Observational analysis of tropical cyclone formation associated with monsoon gyres［J］.J Atmos Sci，70（4）：1023-1034.doi：10.1175／jas-d-12-0117.1.

Wu Z Y，Jiang C B，Deng B，et al.，2019.Sensitivity of WRF simulated typhoon track and intensity over the South China Sea to horizontal and vertical resolutions［J］.Acta Oceanol Sin，38（7）：74-83.doi：10.1007／s13131-019-1459-z.

谢文锋，刘峰，郭智亮，等，2020.台风“艾云尼” 引发广州机场强降水的模拟［J］.广东气象，42（1）：5-9. Xie W F，Liu F，Guo Z L，et al.，2020.A simulation of intense rain at the Guangzhou airport induced by typhoon Ewiniar［J］.Guangdong Meteor，42（1）：5-9.doi：10.3969／j.issn.1007-6190.2020.01.002.（in Chinese）.

杨文霞，赵利品，邓育鹏，等，2011.台风眼壁的云结构与降水形成机制分析［J］.气象，37（12）：1481-1488. Yang W X，Zhao L P，Deng Y P，et al.，2011.Study on the cloud structure and precipitation forming mechanisms of the storm near typhoon eyewall［J］.Meteor Mon，37（12）：1481-1488.（in Chinese）.

叶笃正，1988.动力气象学［M］.北京：科学出版社. Ye D Z，1988.Dynamic meteorology［M］.Beijing：Science Press.（in Chinese）.

Ying M，Zhang W，Yu H，et al.，2014.An overview of the China meteorological administration tropical cyclone database［J］.J Atmos Ocean Technol，31（2）：287-301.doi：10.1175／jtech-d-12-00119.1.

Yu J Q，Gao S，Zhang L，et al.，2020.Analysis of A remote rainstorm in the Yangtze River Delta region caused by typhoon mangkhut （2018）［J］.J Mar Sci Eng，8（5）：345.doi：10.3390／jmse8050345.

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）.

张希帆，黄菲，许士斌，等，2019.弱台风影响下中国大暴雨事件发生频次的统计特征［J］.海洋气象学报，39（3）：11-18. Zhang X F，Huang F，Xu S B，et al.，2019.Statistics of frequency of heavy rainfall in China under influence of weak typhoon［J］.J Mar Meteor，39（3）：11-18.doi：10.19513／j.cnki.issn2096-3599.2019.03.002.（in Chinese）.

Zhao D J，Xu H X，Yu Y B，et al.，2022.Identification of synoptic patterns for extreme rainfall events associated with landfalling typhoons in China during 1960—2020［J］.Adv Clim Change Res，13（5）：651-665.doi：10.1016／j.accre.2022.07.002.

周磊，陈大可，雷小途，等，2019.海洋与台风相互作用研究进展［J］.科学通报，64（1）：60-72. Zhou L，Chen D K，Lei X T，et al.，2019.Progress and perspective on interactions between ocean and typhoon［J］.Chin Sci Bull，64（1）：60-72.doi：10.1360／N972018-00668.（in Chinese）.