2022, Vol. 42
2. 南京信息工程大学气象灾害教育部重点实验室，江苏 南京 210044;
3. 中国气象局上海台风研究所，上海 200030;
4. 上海海洋中心气象台，上海 200030;
5. 上海中心气象台，上海 200030
2. Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. Shanghai Typhoon Institute, CMA, Shanghai 200030, China;
4. Shanghai Marine Meteorological Center, Shanghai 200030, China;
5. Shanghai Central Meteorological Observatory, Shanghai 200030, China
热带气旋(tropical cyclone，TC)是破坏力极强的自然灾害，中国所处的西北太平洋海域热带气旋最为活跃，每年有多个热带气旋登陆我国人口稠密、经济发达的东南沿海，造成的经济损失随着经济社会发展和人口规模的增长呈日趋加重的态势[1]。热带气旋带来的大风、暴雨和风暴潮破坏力巨大，成为影响我国重要的灾害性天气系统[2]。自20世纪60年代气象卫星出现以后，气象卫星已经成为世界各国对热带气旋监测的主要手段，尤其对远海TC的监测发挥了巨大的作用。气象卫星具有探测范围广、时效快等特点，能够监测到热带气旋的生成、发展和消亡的全过程，为热带气旋监测和预报提供了有力的数据支撑。开展热带气旋活动(生成、发展、强度及路径预报等方面)的研究，对提高热带气旋活动的预报能力和做好防灾减灾都具有非常重要的意义和实际应用价值[3]。
TC是形成于热带或副热带洋面上强烈的气旋式暖心涡旋，以其眼区为中心呈近似轴对称结构[4]。热带和副热带区域云量的多寡和降水的强弱很大程度上受TC的影响，如何提高TC的强度预测一直是热带气旋研究的难点和热点问题。近年来，TC路径的机理研究和预报技术取得了一定的进展，其客观预报水平有了明显的提高，但有关TC强度的研究和预报技术发展明显滞后[5]。在广阔的热带洋面上常规气象探测资料的匮乏，使得气象卫星成为监测TC的主要工具，气象卫星资料在TC研究中具有重要的应用价值。2002年在澳大利亚召开的第五届国际热带气旋科学大会(The 5th International Workshop on Tropical Cyclone，IWTC-V)中，开辟了应用现代卫星探测资料研究TC的专门话题[5]。气象卫星对TC的探测往往都是从卫星对TC的捕获开始的，TC发生区域的亮温、云和降水特征等要素是其强度变化的重要指示因子。
HOSHINO and NAKAZAWA[6]通过使用热带测雨任务(Tropical Rainfall Measuring Mission，TRMM)卫星微波成像仪(TRMM Microwave Imager，TMI)多通道微波亮温数据和微波散射计数据，分析了微波亮温和TC最大风速的关系。结果显示，微波低频通道10 GHz和19 GHz亮温与TC最大风速具有更大的相关性。在此基础上建立微波亮温与TC最大风速之间的统计模型并用来估算TC强度，基于此模型估算的2004年西北太平洋海盆TC强度的均方根误差为6 m·s-1。CHEN et al.[7]基于1996—2002年的TC样本利用逐步回归的方法建立了西北太平洋TC强度预测方案。研究表明，TC的潜在强度和TC与陆地的接近程度在几乎所有的预测方程中都是非常重要的。但该方案仅适用于表面最大持续风速大于17.2 m·s-1的情形。对于快速削弱的TC和靠近海岸区域的TC，该强度预测方案还需进一步的改进。张淼等[8-9]研究显示，利用中国风云三号卫星微波成像仪数据和微波温度计数据估算TC强度时考虑热带气旋的云系结构特征将有助于进一步提高估计精度，并且大样本的热带气旋数据会更有利于强度估算精度的提高。HU et al.[10]利用先进技术微波探测仪(Advanced Technology Microwave Sounder，ATMS)观测资料和微波反演测试平台(Microwave Retrieval Testbed，MRT)研究了特定背景下大气温湿廓线对TC结构反演的影响。结果表明，ATMS观测能很好地反映出TC内核区的温度和湿度结构，由微波探测仪获得的温度和湿度廓线资料在用于TC强度估计方面具有很高的可靠性。
近年来，西北太平洋TC的移动路径出现极向迁移的趋势[11]，TC登陆时引发的洪水和降雨已经成为对人类生命的主要威胁之一[12]，并呈现出降水总量大、超警河流多、暴雨洪涝及次生灾害影响重等典型的气象灾害特征[13]。曾智华等[14]利用WRF(Weather Research and Forecasting)模式，在理想岛屿地形条件下设计了云的微物理冰相过程中水凝物有霰和无霰的两个对比试验，考察了TC登陆时复杂冰相和简单冰相对TC移动路径、强度和降水增幅的影响。降雨气候学和持续性模型(R-CLIPER)是美国国家飓风中心(National Hurricane Center，NHC)用于TC降雨预报的主要工具之一，TC降雨预报技术的改进在很大程度上依赖于基于卫星观测对降雨估计的精度[15]。由TC引发的降雨分布特征[16-17]，TC内核区的对流特性和外围雨带的降雨特性[18]，深对流分布[19]和快速增强[20-21]等都需要TC数据集的支撑，基于卫星观测的TC数据集是TC强度和路径研究的基础支撑数据。
NESBITT et al.[22]使用TRMM卫星的近地面降水雷达(precipitation radar，PR)反射率资料和TMI 85.5 GHz极化校正亮温(polarization corrected temperature，PCT)资料建立了TRMM降水特征数据集，基于该数据集开发了中尺度对流系统和PCT小于250 K时的降水识别算法。该算法对近地表PR反射率大于或等于20 dBZ或由TMI 85 GHz极化校正亮温定义的小于或等于250 K的冰散射特征的空间相邻像素进行分组，并用来估计热带降水系统的对流强度和降水分布。LIU et al.[23]对该数据集进行了改进，使用了云和降水特征的多种定义，以增加其对更广泛研究领域的适用性。JIANG et al.[24]利用TRMM PR、TMI、可见光和红外扫描仪(Visible and Infrared Scanner，VIRS)、闪电成像系统(Lightning Imaging System，LIS)和TRMM测雨产品3B42，建立了热带气旋降水、云和对流特征数据集。该数据集包括对流和降雨特性，为改进TC增强和降雨预报的研究提供了潜在的帮助。然而，对台风强度估算的不确定性仍然存在，迫切需要用更大、信息更丰富的TC数据集进行定量分析。
风云三号是我国第二代极轨气象卫星，其上搭载有多种先进的微波探测仪器，功能和探测精度有了显著的提高。本文利用风云三号B星(FY-3B)微波成像仪(Microwave Radiation Imager，MWRI)一级亮温数据和每6 h一次的TC最佳路径数据集数据进行时空匹配，建立热带气旋微波亮温数据集。该数据集的建立丰富了风云三号气象卫星资料在TC监测方面的应用，同时将为热带气旋强度与微波亮温的关系分析以及TC强度估算方法开发提供有力的数据支撑。
1 数据和方法 1.1 TC最佳路径数据集利用2011—2016年FY-3B/MWRI一级亮温资料与每6 h一次的TC最佳路径数据匹配，建立全球六大海盆的热带气旋微波亮温数据集。
本文考虑了6个TC易发生海盆：大西洋(Atlantic，ATL)海盆，东太平洋中部(Eastern Pacific，EPA)海盆，西北太平洋(North-Western Pacific，NWP)海盆，北印度洋(Northern Indian Ocean，NIO)海盆，南印度洋(Southern Indian Ocean，SIO)海盆和南太平洋(South Pacific，SPA)海盆。ATL海盆和EPA海盆的TC最佳路径数据由美国国家飓风中心(NHC)提供。其他4个海盆的数据来自美国联合台风警报中心(Joint Typhoon Warning Center，JTWC)，有关数据的详细信息，请参阅https://www.metoc.navy.mil/jtwc/jtwc.html?western-pacific。
经统计，2011—2016年全球六大海盆共有538个达到热带风暴强度或以上级别的TC生成。图 1展示了这6 a间各海盆TC的最佳路径分布图，同时对各海盆区域生成TC的个数做出统计。NWP海盆的TC生成次数最多，达168次；EPA海盆TC生成113次，居第二位；ATL海盆TC生成91次，居第三位；NIO海盆生成的TC个数最少，为31次。在这6 a间，NWP、EPA和ATL三大海盆生成TC的数量占全球TC总数的近70%，其中NWP成为全球TC最频发的海盆。
|
图 1 2011—2016年全球六大海盆TC最佳路径分布(图例中数字表示TC个数)。图片摘自文献[25] Fig.1 Best tracks of tropical cyclones (TCs) generated in 6 global ocean basins from 2011 to 2016 (the number in the legend indicates the number of TCs). Adapted from reference [25] |
风云三号是我国第二代极轨气象卫星，FY-3B气象卫星于2010年11月4日发射升空。FY-3B是一颗下午星，它在距离地球836 km高度的近极地太阳同步轨道上运行。该星上搭载了五频段十通道的微波成像仪，采用圆锥扫描方式，刈幅宽度为1 400 km。表 1是MWRI各通道的空间分辨率及极化方式。本文使用的是2011—2016年FY-3B/MWRI的一级亮温数据。
|
表 1 FY-3B/MWRI仪器特征 Table 1 Descriptions and channel characteristics of FY-3B/MWRI |
利用每6 h一次的全球TC最佳路径数据集和FY-3B/MWRI一级亮温数据建立TC微波亮温数据集，该数据集包含2011—2016年全球六大海盆热带风暴级别以上TC的MWRI微波十通道亮温以及36.50 GHz、89.00 GHz的极化校正亮温度。极化校正亮温度可以减少由于微波极化差异带来的冰散射和冷海面造成的低亮温的不确定性。极化校正亮温度的计算方法如下[26-27]：
| $ T_{\text {B_PCT37 }}=T_{\text {B_37v }}+1.18 \times\left(T_{\text {B_37v }}-T_{\text {B_37h }}\right) $ | (1) |
| $ T_{\text {B_PCT89 }}=T_{\text {B_89v }}+0.818 \times (T_{\text {B_89v }}-T_{\text {B_89h }}) $ | (2) |
式中，TB_PCT37和TB_PCT89分别代表36.50 GHz和89.00 GHz通道的极化校正亮温度，TB_37v、TB_37h和TB_89v、TB_89h分别代表36.50 GHz通道的垂直极化、水平极化亮温度和89.00 GHz通道的垂直极化、水平极化亮温度。
读取TC最佳路径数据和MWRI微波亮温数据，判定TC中心与MWRI星下点之间的距离是否小于600 km。若满足该条件，则将MWRI的观测时间和每6 h一次的TC最佳路径数据的线性插值数据作时间匹配和空间位置的匹配；若不满足此条件，则数据匹配失败。下一步，将MWRI观测到TC的微波亮温数据和TC参数数据分别保存，形成数据集文件。图 2展示的是基于FY-3B/MWRI观测的TC微波亮温数据集的构建流程图。
|
图 2 基于FY-3B/MWRI的热带气旋微波亮度温度数据集构建流程图 Fig.2 Flow chart of construction of tropical cyclone microwave brightness temperature database based on FY-3B/MWRI |
TC最佳路径数据集(best track dataset)的时间分辨率是6 h，也就是该数据集仅提供0 h、6 h、12 h、18 h、24 h等的TC中心位置经纬度、海平面气压、最大维持风速及编号、日期、发生海域等信息。因此，在数据处理时首先将TC的每6 h最佳路径数据做线性差值，得到每个TC从开始到消亡的时间和路径(经纬度)插值数据(TC发生的时间、中心位置、最大维持风速等)，以方便与FY-3B/MWRI时间匹配。
本文所用的是FY-3B/MWRI一级亮温数据，其文件名命名格式如下所示：FY3B_MWRIA_GBAL_L1_20150107_0113_010KM_MS.HDF。其中，20150107_0113代表了该数据的时间，为2015年1月7日01:13。数据处理时将FY-3B/MWRI的文件名拆分，读取年、月、日、小时、分钟数据并将其转化为儒略日(Julian day)时间，即将2015年1月7日01：13转化为儒略日时间，该时间为FY-3B/MWRI的观测时间。将该时间与TC最佳路径数据的插值数据相匹配，即可获得卫星观测到的TC时间、位置(TC中心经纬度)、最大维持风速等关键信息，同时生成MWRI与TC时间相匹配的数据清单。
FY-3B/MWRI扫描宽度为1 400 km，数据集开发过程中设置TC中心至MWRI星下点轨迹(即扫描带中心)的最小距离为600 km，如图 3所示。该距离设置依据是700 km为MWRI的扫描带半宽度，且考虑了大多数TC眼区和眼墙的平均半径约为100 km。通过TC最佳路径数据和MWRI亮温数据的时空匹配，找到对应于每一个MWRI扫描时间的TC中心，然后通过计算，搜索所有的MWRI星下点轨迹和TC中心之间的最小距离，若此距离小于等于600 km，则MWRI均能观测到TC。
|
图 3 MWRI观测与TC的空间匹配示意图(图中星下点轨迹与TC中心之间的距离设置为600 km，红色星代表TC中心的位置) Fig.3 Schematic representation of spatial matching of MWRI observations and TC (the distance between the trajectory of sub-satellite point and TC center is set as 600 km, and the red star represents the location of TC center) |
通过完成数据的时空匹配，2011—2016年MWRI共有4 039轨的数据观测到六大海盆热带风暴级别以上的TC共计538个。表 2对MWRI在各个海盆观测到的TC数量做了统计，其中NWP海盆观测到的TC数量最多，为168个；其次是EPA，为113个。图 4统计了TC中心与MWRI星下点轨迹之间的距离分别为小于100 km、100~200 km、200~300 km及300 km以上时，观测到TC的MWRI轨道数。
|
|
表 2 2011—2016年FY-3B/MWRI观测到的TC数量 Table 2 The number of TCs observed by FY-3B/MWRI from 2011 to 2016 |
|
图 4 2011—2016年FY-3B/MWRI不同轨道观测到的TC的地理分布(不同颜色表示星下点轨迹与TC中心的距离L不同；L < 100 km时，有671轨数据；100 km≤L < 200 km时，有679轨数据；200 km≤L≤300 km时，有650轨数据；L>300 km时，有2 039轨数据)。图片摘自文献[25] Fig.4 Geographic distribution of TCs observed by FY-3B/MWRI different orbits from 2011 to 2016 (the distance L between the trajectory of sub-satellite point and TC center is indicated in different colors; in the condition of L < 100 km, there are 671 orbits data; in the condition of 100 km≤L < 200 km, there are 679 orbits data; in the condition of 200 km≤L≤300 km, there are 650 orbits data; in the condition of L>300 km, there are 2 039 orbits data). Adapted from reference [25] |
2014年第8号台风“浣熊”(Neoguri)于7月4日上午在西北太平洋洋面上由热带风暴加强为超强台风，中心最大持续风速达55 m·s-1，中心最低气压930 hPa。7月5日02时，JTWC将其提升为一级台风(Saffir-Simpson强度分类标准)；08时，JTWC将其提升为二级台风；14时，JTWC将其直接提升为四级台风。7月10日06时于日本鹿儿岛县阿久根市沿海登陆。7月11日12时，日本气象厅将其强度降为热带风暴(台风年鉴，http://www.stwc.icoc.cc/pd.jsp?id=17)。
台风“浣熊”属于超强台风，生命周期较长，在其整个生命周期内被FY-3B/MWRI共探测到10次，表 3列出了FY-3B/MWRI对台风“浣熊”的观测时间(世界时)。图 5和图 6分别展示的是2014年7月5日04:15和16:56由FY-3B/MWRI对台风“浣熊”的全通道微波亮温监测图像以及36.50 GHz和89.00 GHz通道的极化校正亮温度(PCT36.50和PCT89.00)分布图。7月5日16:56台风“浣熊”已发展为四级台风，在微波亮温图像上台风眼、墙均显示出明显的非对称性。
|
|
表 3 FY-3B/MWRI对台风“浣熊”的监测时间序列 Table 3 Time series of Typhoon Neoguri monitored by FY-3B/MWRI |
|
图 5 2014年7月5日04:15 FY-3B/MWRI观测的台风“浣熊”全通道微波亮温分布图(a. 10.65 GHz垂直极化亮温图像；b. 10.65 GHz水平极化；c. 18.70 GHz垂直极化；d. 18.70 GHz水平极化；e. 23.80 GHz垂直极化；f. 23.80 GHz水平极化；g. 36.50 GHz垂直极化；h. 36.50 GHz水平极化；i. 36.50 GHz极化校正亮温；j. 89.00 GHz垂直极化；k. 89.00 GHz水平极化；l. 89.00 GHz极化校正亮温，其中的轮廓线为250 K等亮温线) Fig.5 Brightness temperature distribution of Typhoon Neoguri in the whole channel observed by FY-3B/MWRI at 04:15 UTC 5 July 2014 (a/c/e/g/j. vertical polarization of 10.65/18.70/23.80/36.50/89.00 GHz; b/d/f/h/k. horizontal polarization of 10.65/18.70/23.80/36.50/89.00 GHz; i/l. polarization corrected brightness temperature of 36.50/89.00 GHz; in Fig. 5l, the contour line indicates that the brightness temperature is 250 K) |
|
图 6 2014年7月5日16:56 FY-3B/MWRI观测的台风“浣熊”全通道微波亮温分布图(a. 10.65 GHz垂直极化亮温图像；b. 10.65 GHz水平极化；c. 18.70 GHz垂直极化；d. 18.70 GHz水平极化；e. 23.80 GHz垂直极化；f. 23.80 GHz水平极化；g. 36.50 GHz垂直极化；h. 36.50 GHz水平极化；i. 36.50 GHz极化校正亮温；j. 89.00 GHz垂直极化；k. 89.00 GHz水平极化；l. 89.00 GHz极化校正亮温，其中的轮廓线为250 K等亮温线) Fig.6 The same as Fig. 5, but for 16:56 on 5 July 2014 |
对热带气旋的气候学研究及TC强度的客观估算算法研究需要大量卫星观测样本的支撑，发挥气象卫星尤其是极轨气象卫星可以监测全球TC的优势，建立卫星资料对TC生命史全程的监测气候数据集是一项非常重要的基础性工作。
利用FY-3B/MWRI一级亮温数据和TC最佳路径数据集建立热带气旋微波亮温数据集，该数据集包含2011—2016年全球六大海盆热带风暴级别以上的TC共计538个，以及MWRI微波十通道亮温分布图和36.50 GHz、89.00 GHz的极化校正亮温度(PCT36.50、PCT89.00)分布。建立的微波亮温气候数据集收集了2011—2016年的卫星监测TC个例，能够迅速查找TC的具体信息，如时间、命名、编号、生成海域、路径及微波通道的亮温分布特征等信息。利用该气候数据集，可以开展TC强度与微波亮温的关系分析以及TC强度客观估算方法开发等研究，还可以利用36.50 GHz极化亮温图像和PCT36.50图像生成37.00 GHz伪彩色合成图，可用于区分TC的深对流区和层状云降水区，也可以区分降水和对流类型[28]。
基于单一微波遥感器(FY-3B/MWRI)观测建立的TC亮温气候数据集，随着卫星资料的不断积累，可以将更多的卫星遥感观测数据，如FY-3C/D/E星的微波成像仪，微波温、湿度计(MWTS、MWHS)，先进技术微波探测仪(ATMS)，微波降水产品和GPM(Global Precipitation Measurement)星载微波雷达数据等融入到本数据集，将会得到更加丰富、更加多源化的热带气旋信息。随着研究的不断成熟和深入，本数据集将逐步完善并将适时向公众开放和共享。利用该数据集可以研究温度场、湿度场、降水、深对流等气象要素对TC强度及强度改变的影响，将为TC强度客观估计算法研究提供更丰富的基础数据。
致谢: 感谢中国气象局国家卫星气象中心提供的FY-3B/MWRI数据，感谢美国国家飓风中心(NHC)和美国联合台风警报中心(JTWC)提供的热带气旋最佳路径数据。
| [1] |
雷小途, 应明, 余晖, 等. 西北太平洋热带气旋气候图集(1981—2010)[M]. 北京: 科学出版社, 2017.
|
| [2] |
陈联寿, 许映龙. 中国台风特大暴雨综述[J]. 气象与环境科学, 2017, 40(1): 3-10. |
| [3] |
赵海坤, 吴立广. 西北太平洋热带气旋气候变化的若干研究进展[J]. 气象科学, 2015, 35(1): 108-118. |
| [4] |
费建芳, 刘磊, 黄小刚, 等. 热带气旋眼墙非对称结构的研究综述[J]. 气象学报, 2013, 71(5): 987-995. |
| [5] |
端义宏, 余晖, 伍荣生. 热带气旋强度变化研究进展[J]. 气象学报, 2005, 63(5): 636-645. DOI:10.3321/j.issn:0577-6619.2005.05.009 |
| [6] |
HOSHINO S, NAKAZAWA T. Estimation oftropical cyclone's intensity using TRMM/TMI brightness temperature data[J]. J Meteor Soc Japan, 2007, 85(4): 437-454. DOI:10.2151/jmsj.85.437 |
| [7] |
CHEN P, YU H, CHAN J C L. A western North Pacific tropical cyclone intensity prediction scheme[J]. Acta Meteor Sinica, 2011, 25(5): 611-624. DOI:10.1007/s13351-011-0506-9 |
| [8] |
张淼, 邱红, 方翔, 等. 基于风云三号微波成像仪的热带气旋强度的多元统计估计方法研究[J]. 热带气象学报, 2015, 31(1): 87-94. |
| [9] |
张淼, 覃丹宇, 邱红. 基于FY-3C/MWTS-Ⅱ数据估计西北太平洋热带气旋强度[J]. 气象, 2017, 43(5): 573-580. |
| [10] |
HU H, WENG F Z, HAN Y, et al. Remote sensing of tropical cyclone thermal structure from satellite microwave sounding instruments: Impacts of background profiles on retrievals[J]. J Meteor Res, 2019, 33(1): 89-103. DOI:10.1007/s13351-019-8094-1 |
| [11] |
吴泽铭, 张冬娜, 胡春迪, 等. 西北太平洋热带气旋频数及生成位置的气候变化研究进展[J]. 海洋气象学报, 2020, 40(4): 1-10. |
| [12] |
RAPPAPORT E N. Loss of life in the United States associated with recent Atlantic tropical cyclones[J]. Bull Amer Meteor Soc, 2000, 81(9): 2065-2073. DOI:10.1175/1520-0477(2000)081<2065:LOLITU>2.3.CO;2 |
| [13] |
周冠博, 董林, 王海平, 等. 2020年西北太平洋和南海台风活动概述[J]. 海洋气象学报, 2021, 41(1): 1-10. |
| [14] |
曾智华, 管靓, 陈联寿, 等. 理想地形下不同云微物理方案对登陆台风降水增幅影响的数值研究[J]. 海洋气象学报, 2020, 40(4): 22-32. |
| [15] |
LONFAT M, ROGERS R, MARCHOK T, et al. A parametric model for predicting hurricane rainfall[J]. Mon Wea Rev, 2007, 135(9): 3086-3097. DOI:10.1175/MWR3433.1 |
| [16] |
LONFAT M, MARKS F D, CHEN S S. Precipitation distribution in tropical cyclones using the Tropical Rainfall Measuring Mission (TRMM) Microwave Imager: A global perspective[J]. Mon Wea Rev, 2004, 132(7): 1645-1660. DOI:10.1175/1520-0493(2004)132<1645:PDITCU>2.0.CO;2 |
| [17] |
JIANG H, ZIPSER E J. Contribution of tropical cyclones to the global precipitation from eight seasons of TRMM data: Regional, seasonal, and interannual variations[J]. J Climate, 2010, 23(6): 1526-1543. DOI:10.1175/2009JCLI3303.1 |
| [18] |
JIANG H, RAMIREZ E M, CECIL D J. Convective and rainfall properties of tropical cyclone inner cores and rainbands from 11 years of TRMM data[J]. Mon Wea Rev, 2013, 141(2): 431-450. DOI:10.1175/MWR-D-11-00360.1 |
| [19] |
JIANG H, TAO C. Contribution oftropical cyclones to global very deep convection[J]. J Climate, 2014, 27(11): 4313-4336. DOI:10.1175/JCLI-D-13-00085.1 |
| [20] |
TAO C, JIANG H. Distributions of shallow to very deep precipitation-convection in rapidly intensifying tropical cyclones[J]. J Climate, 2015, 28(22): 8791-8824. DOI:10.1175/JCLI-D-14-00448.1 |
| [21] |
ZAGRODNIK J P, JIANG H. Rainfall, convection, and latent heating distributions in rapidly intensifying tropical cyclones[J]. J Atmos Sci, 2014, 71(8): 2789-2809. DOI:10.1175/JAS-D-13-0314.1 |
| [22] |
NESBITT S W, ZIPSER E J, CECIL D J. A census of precipitation features in the tropics using TRMM: Radar, ice scattering, and lightning observations[J]. J Climate, 2000, 13(23): 4087-4106. DOI:10.1175/1520-0442(2000)013<4087:ACOPFI>2.0.CO;2 |
| [23] |
LIU C, ZIPSER E J, CECIL D J, et al. A cloud and precipitation feature database from nine years of TRMM observations[J]. J Appl Meteor Climatol, 2008, 47(10): 2712-2728. DOI:10.1175/2008JAMC1890.1 |
| [24] |
JIANG H, LIU C, ZIPSER E J. A TRMM-based tropical cyclone cloud and precipitation feature database[J]. J Appl Meteor Climatol, 2011, 50(6): 1255-1274. DOI:10.1175/2011JAMC2662.1 |
| [25] |
QIAN B, JIANG H, WENG F, et al. Climatology of passive microwave brightness temperatures in tropical cyclones and their relations to storm intensities as seen by FY-3B/MWRI[J]. Remote Sens, 2020, 12(1): 147. DOI:10.3390/rs12010147 |
| [26] |
SPENCER R W, GOODMAN H M, HOOD R E. Precipitation retrieval over land and ocean with the SSM/I: Identification and characteristics of the scattering signal[J]. J Atmos Oceanic Technol, 1989, 6(2): 254-273. DOI:10.1175/1520-0426(1989)006<0254:PROLAO>2.0.CO;2 |
| [27] |
GRODY N C. Remote sensing of the atmosphere from satellites using microwave radiometry[M]//Janssen M J. Atmospheric remote sensing by microwave radiometry. New York: John Wiley, 1993: 259-304.
|
| [28] |
JIANG H, ZAGRODNIK J P, TAO C, et al. Classifying precipitation types in tropical cyclones using the NRL 37 GHz color product[J]. J Geophys Res: Atmos, 2018, 123(10): 5509-5524. DOI:10.1029/2018JD028324 |