热带气象学报  2018, Vol. 34 Issue (3): 289-296  DOI: 10.16032/j.issn.1004-4965.2018.03.001
0

引用本文  

张丽杰, 朱慧云. 影响中国的热带气旋生成源地研究[J]. 热带气象学报, 2018, 34(3): 289-296.DOI: 10.16032/j.issn.1004-4965.2018.03.001.
张丽杰, 朱慧云. A study on the sources of tropical cyclones in china[J]. JOURNAL OF TROPICAL METEOROLOGY, 2018, 34(3): 289-296. DOI: 10.16032/j.issn.1004-4965.2018.03.001.

基金项目

江苏省教育厅高校哲学社会科学基金项目(公众气象灾害风险感知、应对行为的影响机理研究, 2016SJB630021);江苏省社会科学基金(17ZZD003);江苏高校优势学科建设工程资助项目; 国家公益性行业专向(GYHY 201506051);国家社会科学基金重大项目(16ZDA047、16ZDA054)共同资助

通讯作者

张丽杰, 女, 黑龙江省人, 讲师, 博士, 主要研究气象灾害风险管理。E-mail:lijiezh@163.com

文章历史

收稿日期:2017-03-29
修订日期:2018-03-10
影响中国的热带气旋生成源地研究
张丽杰 1, 朱慧云 2     
1. 南京信息工程大学气象灾害预报预警与评估协同创新中心,江苏 南京 210044;
2. 南京信息工程大学/中国制造业发展研究院,江苏 南京 210044
摘要:使用1971—2010年的TC路径资料,运用TC潜在影响力指数和密度聚类算法,研究TC生成源地的特征。研究发现,影响中国的TC数量和平均潜在影响力指数存在经向波动特征;菲律宾北部吕宋岛以东和140 °E,10 °N附近生成的有影响TC数量多,且强度大。120~135 °E、135~150 °E区域生成的TC主要影响省份多达10个,而且内陆一些省份也会受到影响。2001—2010年间西北太平洋生成的TC的数量减少,一般影响TC的占比没变,高影响TC的占比为1971—2010年间最高。
关键词气候学    热带气旋    潜在影响力指数    密度聚类算法    源地    
A STUDY ON THE SOURCES OF TROPICAL CYCLONES IN CHINA
ZHANG Li-jie1, ZHU Hui-yun2     
1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, NUIST, Nanjing 210044, China;
2. China Institute of Manufacturing Development, NUIST, Nanjing 210044, China
Abstract: The TCs source information from 1971 to 2010 is used to study the characteristics of TCs generation source by using TCs Potential Impact Index (TCPI) and density clustering algorithm. It is found that the impact of TCs and the average TCPI in China have the characteristics of meridional fluctuation. The number of potential impact TCs near the east of Luzon Island and the north of the Philippines is high and the intensity is large near(140 °E, 10 °N). TCs generated in 120~135 °E、135~150 °E regions mainly affected 10 provinces and the inland area of some provinces. The proportion of TCs generated in the Northwest Pacific during the 2001-2010 period was reduced, and that of general impact TCs was not changed. The proportion of high impact TCs was the highest between 1971 and 2010.
Key words: climatology    tropical cyclone    Potential Impact Index    density clustering algorithm    source    
1 引言

热带气旋(Tropical cyclone,TC)生成源地研究主要包括三类,(1)基于预报角度,研究TC产生的机理,主要分析海温、气流和海洋表面风因素等对TC生成的影响,其结论可用于预报[1]。例如,越赤道气流强且有较好对流匹配的区域易生成TC[2];层云降水夹杂着对流降水[3];9月生成的TC容易迅速增强[4];西北太平洋季风槽的年际和年代际变异影响TC的生成[5]等。(2)基于气候变化的角度研究TC生成位置的经纬度和频数的变化。TC不仅仅带来灾害,也带来大量降水,TC的生成位置和频数的变化,意味着我国水资源分布也会发生某种变化。例如,1951—2006年,在5~10 °N之间生成台风的个数呈减少趋势[6]。(3)基于灾害管理的角度,研究影响我国TC位置的变化、构建起点模型[7],可用于防灾建设决策、应急管理以及引发机理研究者的关注等。例如,胡娅敏等[8]研究认为登陆广东不同强度的TC,其生成区域也不同;Zhang等[9]研究认为,TC对广东省东部和西部地区洪水的发生具有重要影响;Mori等[10]使用大西洋TC生成数量变化来评估沿海地区的灾害风险。

我国是受TC影响最严重的国家之一,近十年来,平均每年造成的损失约440多亿元[11]。然而,预报技术大概每十年会有阶段性的进步[12]。所以,需要从多角度、聚焦研究问题,提高研究效率。

起始点模拟的主要依据是历史热带气旋的生成频次、年内时间、地点等数据。采用的方法包括参数模型[7]、非参数模型[13]、历史样本随机抽取[14]等。大多数模型仅对TC的生成时间、空间分布单独模拟,缺少对TC强度、频率周期特征及气候变化影响等因素的引入[15],缺少TC致灾可能性的考量。

西北太平洋不同海域生成的TC对我国的影响存在较大差异。Zhang等[9]发现,有些海域生成的TC更容易登陆,而有些海域生成的TC登陆的可能性较低。但没有考虑未登陆TC造成的灾害影响,有的TC的影响半径可达到5个经纬度[16],表明没有登陆的TC也可能对我国造成巨大损失。例如2011年没有直接登陆我国的“梅花”,给我国造成几十亿元的经济损失。所以,针对影响中国的TC展开生成源地研究,可以提高随机模拟模式的准确性,为TC影响机理研究提供思路。

2 数据和方法

本文使用的TC资料取自中国气象局上海台风研究所编制的《西北太平洋热带气旋最佳路径》数据集。鉴于1970年之后,卫星观测得到的TC位置数据更加准确,所以选择1971—2010年的数据进行研究。

本研究使用的方法包括用于衡量TC可能造成灾害程度的TC潜在影响力指数;用于将生成源地进行划分的密度聚类算法。下面分别进行介绍。

2.1 TC潜在影响力指数

灾害损失与TC强度、承灾体的暴露度、脆弱性与防灾建设、公众灾害风险感知等相关[17]。东南沿海地区发展迅速,单位面积承载的财富水平是几十年前的几倍。同时,由于卫星和雷达技术的普遍采用,防灾水平在不同时期也不相同。这造成历史灾情记录反映的是当时经济、技术水平下的损失程度,纵向比较会出现较大误差。尹宜舟等[18]提出的TC潜在影响力指数(TCPI)可以在某种程度上解决这一问题。TCPI依据的是TC近中心最大平均风速和地理数据,并且证明该指数与灾害损失有关[19],与经济、技术和社会发展程度无关,可以作为TC灾害的客观影响标尺。

单个TC过程的TCPI指数定义公式[18]为:

(1)

其中,i=1,2,……,N,表示该次TC过程对某地区影响的次数(以每6小时作1次统计);j=1,2,……,M,表示TC不同的影响区域,即不同区域TC的影响强度存在差别。以系数a为权重;为该次平均的TC中心附近最大平均风速。b表示某地区受TC影响的面积权重,若该地区完全在某TC影响区域内,则b=1;若部分在,则依影响范围,b取值为0~1;若不在,则b=0。根据前人的做法,这里将全国每隔0.1个经纬度建立一个标记点,共95 956个标记点(使用MapInfo软件筛选,包含中国的南海海岛、台湾、香港和澳门,香港和澳门并入广东省统计),一次TC过程的影响程度用其对标记点影响力的累加值表示,具体计算方法参见文献[18]。

2.2 TC对中国的影响

1971—2010年西北太平洋共生成1 242个TC。其中有578个TC对中国有影响,按578个有影响TC的潜在影响力指数值,由大到小排序(图 1),可见,少数TC的影响力非常大,而大部分TC影响力不大。所以需要将这些TC分开讨论。鉴于很多研究已对前10%的TC进行了研究,且世界卫生组织灾后流行病研究中心管理和维护的紧急灾难数据库(Emergency Events Database,EM -DAT)在1949—2008年的60年间,共收录中国(包括中国大陆、台湾、香港、澳门)相关台风灾情记录99条(包括同一TC在不同地区引发的灾害),平均每年1.65个。所以,本文选择前58个TC为可能引发重大台风灾害的高影响TC,年平均1.45个。为了区别,其它的称为一般影响TC。从TCPI的统计结果看,三分之一强的灾害影响是由高影响TC造成的(图 2)。

图 1 1971—2010年578个有影响TC的潜在影响力指数值(纵坐标)和样本序号(横坐标)
图 2 1971—2010年高影响TC与一般影响TC造成的影响

高影响TC的生成月份更加集中(6—10月)。一般影响TC生成时间的跨度更长,4—11月均有可能生成(图 3)。它们的生成数量峰值时间均为8月,大体呈现正态分布。

图 3 1971—2010年不同影响TC的生成月份
2.3 密度聚类算法

西北太平洋的海域广泛,TC生成位置呈分散状态。研究哪些海域生成的TC对我国影响更大,主要有三种方法:(1)直接分析TC的生成位置。这种方法较适合分析TC数量较少的情况,如影响广东的TC生成位置的变化[8];(2)使用等值线的方法分析TC生成频数,即统计细小网格中的TC频率,然后使用等值线的方法描述出全貌[20]。这种方法仅适合研究单一属性,例如频率。而对于多属性问题,如本文需要解决的生成空间位置和灾害强度的双属性问题,就无法完成;(3)使用密度聚类算法对TC生成海域进行划分。密度聚类算法是一种空间数据挖掘算法,经过前人在多个领域的应用和创新,目前已经可以用于对TC生成海域的多属性聚类问题的研究[21]。它可以实现两种功能:(1)可以找到TC生成的集中区;(2)可以根据TC对我国的影响程度划分成不同的区域(图 4)。但是如果直接使用这种聚类结果会造成海域边界呈不规则形态,不利于深入研究的开展。所以,本文首先使用具有稳定饱和度的密度聚类算法(SS-DBSCAN)进行TC生成海域划分,然后使用经纬线确定具体区域,最后分析区域差异。

图 4 SS-DBSCAN算法所实现的功能 数字代表非空间属性差异。

SS-DBSCAN算法的参数包括5个(TP、Eps、MinPts、threshold、Confidence)。其中TP是包括TC空间属性和致灾属性的数据集,1971—2010年共1 242条记录。Eps是单位圆半径,在空间聚类算法中,单位圆是一个基本单位,若干满足要求的单位圆会构成一簇,也就是某一特定区域。MinPts是单位圆中至少包括的元素数,用以判断哪些区域会集中生成TC,哪些区域生成较少。threshold是门槛值,不同的单位圆的非空间属性会存在差异,当差异小于门槛值时才会被并为一簇,以保证同一海域TC生成规律的一致性。Confidence用以控制不一致性出现的概率,因为不能保证地理上相近的区域均具有相同的TC生成规律,需要允许不一致性的出现,才能保障形成地理上相近的几个簇,当该值越小时不一致性越小,表明簇内非空间属性的分布规律越相似。这里SS-DBSCAN算法的主要作用是找到合适的海域划分粒度,以支持进一步的研究。所以,给定MinPts、threshold、Confidence的值分别为3、50、0.05,这里的非空间属性使用的是前面计算的TCPI指数,允许的指数差异小于50。调整Eps的大小,直到90%以上的TC均被划入各个簇为止。由于TC生成位置的空间间隔较大,所以,Eps的初始值设为0.5个经纬度。计算结果显示,当Eps=1.4时,有90%以上的TC被划入各个簇中(图 5)。

图 5 被划分入各簇中的TC数量随单位圆大小变化
3 TC生成源地分析

有研究[22]认为TC生成有三个源地,但从研究结果显示,这样认识不利于深入研究。由于受到地理环境、洋流、海温和大气环流的影响,地理位置相近区域生成的TC对我国的影响存在较大差异(图 6)。据此,将西北太平洋划分成几十个簇。从图 6可以看出,即使是中国南海,由于受到地理环境的影响,生成的TC对中国的影响力也存在较大差异。这说明,从灾害防御角度出发,有必要详细分析不同区域影响力差异产生的原因,以利于深入分析机理。但图 6所示的不规则的海域划分方式,虽然反映的是原始状态信息,但不利于建模和仿真。鉴于大部分簇的南北边界在5个经纬度之内,所以,在105 °E~180 °,0~30 °N之间,每隔5个经纬度划分1个区域进行详细分析。

图 6 1971—2010年西北太平洋根据TC潜在影响和地理位置形成的聚类结果 颜色区分不同簇。
3.1 TC源地TCPI值的经向变化特征

将西北太平洋按间隔5 °的经纬线划分为若干个海域后发现,在各海域内生成的TC,其平均TCPI呈现经向波动性特征。TC对我国的潜在影响与距离有关,但不是线性关系。在5~30 °N之间存在平均TCPI值大、小相间的情况。这种波动性特征与纬度无关,不同纬度均表现出类似的波动性特征。

这种大小相间的统计结果主要由两类因素造成。(1)该区域生成的TC较少,在40年中,该区域生成的某个TC对我国造成了较大的灾害影响,所以,统计结果显示平均TCPI较高。例如,图 7中左下角坐标为135 °E,25 °N的海域,共生成2个TC,其中有1个对我国造成较大影响,所以该区域的平均TCPI较高。(2)由于大洋、区域地理位置、大气环流等因素,造成该区域生成的TC较多、较强,且影响我国的可能性较大。这种类型的区域很多,下面会详细分析。

图 7 1971—2010年西北太平洋不同区域生成TC的生成数量(方块中的数字)与平均TCPI(方块的颜色)

另外,总体而言,距离我国越远,纬度偏高和偏低区域产生的TC,对我国的平均影响均较小。例如,160 °E以东的洋面,只有4个区域产生的TC对我国有影响,在5 °N和30 °N附近生成的TC平均影响力要低于中间部分生成的TC(图 8)。

图 8 1971—2010年西北太平洋不同区域生成TC的平均TCPI随经度的变化 用所在区域左下角经纬度代表该区域。
3.2 有影响TC生成的主要海域

有影响TC生成的数量与平均TCPI并不一一对应。下面分析不同经度区间的TC生成情况。

(1) 在105~120 °E靠近大陆的海域,TC生成数量不多,但平均TCPI较高,即偶然有个别TC会发展成有影响力的强热带风暴、台风等级别的TC,造成对我国的影响力较大。观察该TC的路径可以看出,它们在中国临海可盘旋很长时间,最后登陆中国。该TC路径异常,影响力较大。南海的大部分有影响TC生成于15 °N附近(图 9)。

图 9 1971—2010年西北太平洋不同区域生成有影响TC的个数(方块的颜色)与概率(方块中的数字)

(2) 在120~135 °E区域,需要警惕中国台湾、菲律宾北部吕宋岛以东海域生成的TC。中国台湾附近生成有影响的TC不多(图 679),但该海域平均TCPI很高(图 9)。说明该海域几年内偶然会生成1个对我国有较大影响的TC。在菲律宾附近15 °N左右,生成的有影响TC数量非常多,且一些海域平均TCPI很高,该海域的具体形状见图 6,聚类结果显示,其与附近海域有较明显的差异。

(3) 在135~150 °E,15 °N以南有一个TC集中生成的海域,其平均影响力也较大。该海域与其它海域相比,具有TC生成概率大,对我国影响可能性高,平均影响力大,距离大陆较远的特点(图 6图 9)。

(4) 大部分区域有影响TC生成月份呈正态分布,达到峰值的时间大多在8月,135~150 °E的区域峰值时间为7月。150 °E以东生成的有影响TC数在8月达到峰值后,迅速减少,然后有所回升。5月有影响TC主要生成于105~120 °E,6—10月120~150 °E生成的有影响TC较多(图 10)。

图 10 1971—2010年不同区域有影响TC的生成月份
3.3 高影响TC生成的主要海域

TC对我国有影响,但不一定造成灾害,有些可能仅仅带来一些降水而已。但由TCPI的计算原理[19]可知,高影响TC均可能致灾。所以,需要进一步分析高影响TC生成的特征,以确定对我国有高影响TC的生成规律。

高影响TC生成于105~165 °E,5~25 °N区域(图 11),其生成规律与前面总结的类似,也存在不同地方。相同地方是,高影响TC生成数量存在经向波动性特征,但不如平均TCPI明显,且这种波动更多的是由于存在菲律宾以东和140 °E,10 °N附近的两个高影响TC集中生成海域有关(图 11)。高影响TC平均生成概率为4.7%。生成4个或5个高影响TC的区域,其生成概率也同样高于平均概率。防灾需要特别关注两类区域:(1) TC生成数量较多,高影响TC生成概率较大的区域,如左下角坐标为125 °E,15 °N、140 °E,10 °N等区域;(2) TC生成数量少,高影响TC概率大的区域,如左下角坐标为105 °E,15 °N、120 °E,20 °N等区域。

图 11 1971—2010年西北太平洋不同区域生成的高影响TC数量(方块的颜色)与概率(方块中的数字)

大部分区域高影响TC生成的峰值均为8月。120 °E以西生成的高影响TC集中于7月、9月。120~150 °E区域在6—10月均有高影响TC生成,且呈正态分布。150 °E以东海域生成的TC集中于7—9月,且8月最多(图 12)。

图 12 1971—2010年不同区域高影响TC的生成月份
3.4 不同区域和年代的TC对我国的影响程度

不同区域生成的TC对我国的潜在影响区域和程度均不同。在105~120 °E区域中生成的TC主要影响(TCPI指数大于10 000)我国的广西、广东(香港、澳门的TCPI统计计入广东,下同)、海南、江西、福建和台湾(图 13a)。其中影响最大的是广东,这与胡娅敏等[8]的研究结论一致。单位面积影响最大的是海南。

图 13 1971—2010年105~120 °E(a)、120~135 °E(b)、135~150 °E(c)、150 °E以东(d)区域中生成的TC对我国的主要影响 方块中数字表示“有影响TC数/TC总数”。

在120~135 °E和135~150 °E区域主要影响的省、区相同(图 13b13c),安徽、江西和湖南均受到该区域生成TC的影响。120~135 °E区域生成TC的潜在影响更大,福建、广东、广西的累计TCPI达到6位数。135~150 °E区域生成有TC的概率小些,累计TCPI也小些。

150 °E以东区域中生成的TC主要影响我国浙江、福建、台湾、广东、广西(图 13d),相对于其它区域,该区域生成的TC对我国的潜在影响力偏小。

气候变化对TC的影响一直存在争议。政府间气候评估委员会(IPCC)关于气候变化对台风影响的主要结论认为,1970年以来,北大西洋强飓风活跃,与热带海面水温相关;一些海域的强台风比例增多;全球TC频数的年代际变化不明显;数值试验表明,全球变暖和海温升高,令未来的强台风可能更强[23]。从本文统计结果看,西北太平洋与全球的情况略有不同,TC生成的数量在减少,但高影响TC的占比在增加。1971—1980年,西北太平洋生成354个TC,2001—2010年减少为263个。秦丽娟等[24]研究发现,1995年后TC频数明显下降。1971年到现在正经历全球温度升高的阶段。但由于40年的年限较短,还不能据此得出气温升高导致西北太平洋TC减少的结论。一般影响TC的占比并没有明显变化,为40%~42%。高影响TC的占比变化较大,2001—2010年最多,1991—2000年最少(表 1),同样从统计学角度也无法得出高影响TC增加的结论。需要警惕的是高影响TC在未来可能造成的灾害。

表 1 不同年代TC生成个数
4 结论

近几十年,东南沿海的制造业迅速发展,聚集了大量人口,单位面积承灾体的价值迅速增加。规避TC灾害造成的风险是政府和公众共同的愿望。本文通过研究TC生成源地得出以下结论。

(1) 西北太平洋生成的TC的潜在影响力差异非常大。1971—2010年共生成578个对我国有潜在影响的TC,其中三分之一强的灾害影响是由高影响TC造成的。一般影响TC和高影响TC的生成数量均在8月达到峰值。

(2) 根据TC影响力指数和生成位置聚类发现,在140 °E,10 °N、125 °E,15 °N的西北太平洋附近海域与其它海域具有明显差异,中国南海根据影响力不同可以分成很多区域。

(3) 从有影响TC生成数量和平均影响力的角度观察,均存在经向波动性特征。这种波动性特征在5~30 °N之间均有呈现。总体而言,有影响TC生成数量和平均影响力并不是波动性衰减的,而是大体呈现出:较高、较弱、更高、较弱的形式。引发这种现象的原因需要进一步研究。

(4) 对高影响TC源地进行分析发现,存在2个集中生成海域:菲律宾以东和140 °E,10 °N附近。这2个海域在聚类分析中呈现得更加确切。当这2个海域生成TC后,需要密切关注其发生、发展状况,及早通知公众和相关部门做好减灾准备。

(5) 在120~135 °E和135~150 °E区域生成的TC主要影响省份多达10个,而且内陆一些省份也会受到影响。120 °E以西,即南海生成的TC主要影响偏南的沿海省份,对浙江和江苏影响较小。150 °E以东海域生成的TC对内陆省份影响较小。

(6) 2001—2010年西北太平洋生成的TC减少为263个,一般影响TC在同比例减少,高影响TC的生成概率有所增加,绝对数量比前一个十年增加了6个。

参考文献
[1] PARK M S, KIM M, LEE M I, et al. Detection of tropical cyclone genesis via quantitative satellite ocean surface wind pattern and intensity analyses using decision trees[J]. Rem Sens Envir, 2016, 183: 205-214. DOI:10.1016/j.rse.2016.06.006
[2] 黄勇, 李崇银, 王颖. 2006年西北太平洋热带气旋生成频数和源地异常的成因分析[J]. 热带气象学报, 2008, 24(6): 590-598.
[3] 柴乾明, 王文彩, 黄忠伟. 基于卫星数据研究热带气旋眼壁及周围螺旋云带宏微观结构特征[J]. 热带气象学报, 2016, 32(2): 172-182.
[4] 胡皓, 端义宏. 南海热带气旋迅速加强环境场因子的影响分析[J]. 热带气象学报, 2016, 32(3): 299-310.
[5] 黄荣辉, 皇甫静亮, 武亮, 等. 关于西北太平洋季风槽年际和年代际变异及其对热带气旋生成影响和机理的研究[J]. 热带气象学报, 2016, 32(6): 767-785.
[6] 黄焕卿, 张海影, 魏立新, 等. 西北太平洋台风发生个数及源地的统计分析[J]. 海洋预报, 2009, 26(1): 59-61. DOI:10.11737/j.issn.1003-0239.2009.01.009
[7] RUMPF J, WEINDL H, HÖPPE P, et al. Stochastic modeling of tropical cyclone tracks. mathematical methods of operational research[J]. 2007, 66(3): 475-490.
[8] 胡娅敏, 宋丽莉, 罗晓玲. 近58年登陆广东热带气旋位置和生成源地的变化[J]. 中山大学学报自然科学版, 2011, 50(4): 113-120.
[9] ZHANG L J, ZHU H Y, SUN X J. China's tropical cyclone disaster risk source analysis based on the gray density clustering[J]. Nat Haz, 2014, 71(2): 1053-1065. DOI:10.1007/s11069-013-0700-4
[10] MORI N, TAKEMI T. Impact assessment of coastal hazards due to future changes of tropical cyclones in the North Pacific Ocean[J]. Wea Clim Extr, 2016, 11(1): 53-69.
[11] 赵珊珊, 任福民, 高歌, 等. 近十年我国热带气旋灾害的特征研究[J]. 热带气象学报, 2015, 31(3): 424-432.
[12] 张大林. 大气科学的世纪进展与未来展望[J]. 气象学报, 2005, 63(5): 812-824. DOI:10.11676/qxxb2005.078
[13] HALL T M, JEWSON S. Statistical modelling of North Atlantic tropical cyclone tracks[J]. Tell Ser A-dyn Meteorol Oceanogr, 2007, 59(4): 486-498. DOI:10.1111/j.1600-0870.2007.00240.x
[14] VICKERY P J, SKERLJ P F, TWISDALE L A. Simulation of hurricane sisk in the US using empirical track model[J]. J Struct Engin, 2000, 126(10): 1222-1237. DOI:10.1061/(ASCE)0733-9445(2000)126:10(1222)
[15] 方伟华, 石先武. 面向灾害风险评估的热带气旋路径及强度随机模拟综述[J]. 地球科学进展, 2012, 27(8): 866-875.
[16] 陈小燕, 杨劲松, 黄韦艮, 等. 0414号"云娜"台风浪时空分布特征的遥感研究[J]. 海洋学研究, 2009, 27(4): 10-16.
[17] 张浩, 马晓群, 彭妮, 等. 淮河流域冬小麦涝渍灾害损失评估研究[J]. 气象与环境学报, 2015, 66(6): 123-129.
[18] 尹宜舟, 肖风劲, 罗勇, 等. 我国热带气旋潜在影响力指数分析[J]. 地理学报, 2011, 66(3): 367-375. DOI:10.11821/xb201103009
[19] 尹宜舟, 罗勇, 肖风劲, 等. 热带气旋年潜在影响力指数[J]. 中国科学:地球科学, 2013, 43(12): 2086-2098.
[20] 夏淋淋, 朱益民, 程乘, 等. 西北太平洋热带气旋频数的年际、年代际变化及预测[J]. 气象与环境科学, 2014, 37(2): 1-7.
[21] 张丽杰. 具有稳定饱和度的DBSCAN算法[J]. 计算机应用研究, 2014, 31(7): 1972-1975.
[22] 杨亚新. 西北太平洋热带气旋发生的时空变化特征[J]. 海洋预报, 2005, 22(1): 86-91. DOI:10.11737/j.issn.1003-0239.2005.01.013
[23] 雷小途. 全球气候变化对台风影响的主要评估结论和问题[J]. 中国科学基金, 2011, 25(2): 85-89.
[24] 秦丽娟, 董庆, 薛存金. 西北太平洋热带气旋源地30 a的季节和年代际变化[J]. 海洋环境科学, 2015, 34(5): 723-728.