利用衛星遙感資料分析臺風“煙花”(202106)的影響過程

唐飛　陳鳳嬌　諸葛小勇　吳福浪　宇路　姚彬

摘要 2021年第6號臺風“煙花”于7月18日生成，7月30日變性為溫帶氣旋，生命史長達13 d，先后對中國東部14個省市造成影響，其主要特點是移動速度慢、陸上滯留時間長和累積雨量大?；陟o止氣象衛星、極軌氣象衛星和全球降水測量衛星的多通道觀測和產品，對“煙花”的影響過程進行分析。結果表明：“煙花”空間尺度較大（最大半徑約為350 km），登陸前對流深厚、云系螺旋特征顯著，登陸后云系結構遭到破壞、中等對流分布密集但沒有組織性;“煙花”在洋面上時液態水和冰態水含量豐富并表現出非對稱分布，登陸后液態水和冰態水主要集中在臺風前進方向的右側。基于微波成像儀的降水反演結果顯示：降水主要分布在臺風外圍螺旋雨帶位置，且在位置和形態上與實況較吻合;雖然雨量估計值與實況存在一定偏差，但對降水預報，特別是常規資料稀少區域的降水預報仍具有參考意義。

關鍵詞臺風“煙花”;衛星遙感;對流;降水

熱帶氣旋（根據生成地，也稱為臺風、颶風）是發生于熱帶洋面的最具破壞力的重要天氣系統（陶麗等，2012，2013;霍利微等，2016）。對發展強盛的臺風進行監測和分析，有助于人們了解臺風結構、及時掌握臺風位置和強度的變化，從而減小由于臺風造成的損失（陸曉婕等，2018）。臺風發展過程中大部分時間位于洋面。在遠洋時，常規資料難以探測到。隨著衛星遙感技術的不斷發展，對臺風的觀測已經并將繼續依賴于衛星遙感觀測（Zou，2020）。

目前，靜止衛星、極軌氣象衛星和降水測量衛星是三種主要的氣象衛星。靜止衛星儀器提供紅外和可見光波段的探測數據，具有較高的時間和空間分辨率，在監測臺風路徑和強度變化方面具有獨特優勢（劉正光等，2003;許健民和張其松，2006;余建波，2008;李峰等，2009;Zhuge et al.，2015）。燕亞菲等（2019）利用日本葵花八號（Himawari-8）衛星的觀測資料估計了臺風“莫蘭蒂”（1614）的強降水及其演變特征。然而，因為工作波長設置原因，靜止衛星無法獲取云中和云下的信息。極軌氣象衛星上搭載的被動微波成像儀/探測儀可以獲得三維立體觀測信息，進而用來估計地表參數和大氣溫濕度垂直結構等信息。游然等（2002）利用美國國防氣象衛星上的專用微波成像儀（SSM/I）遙感圖像分析了洋面臺風的螺旋云帶結構。李小青等（2012）和劉喆等（2012）利用中國風云（Fengyun，FY）-3A/B衛星上的微波溫度計和微成像儀（Microwave Radiation Imager，MWRI）資料分別對臺風“桑達”（1102）和“梅花”（1109）進行了云系特征分析。Tang and Zou（2017）利用FY-3C/MWRI反演的液態水路徑，研究了臺風“浣熊”（1408）的液態水結構演變特征。除此之外，降水測量衛星搭載的主被動觀測儀器可以獲取臺風的三維降水特征。何會中等（2006）利用熱帶降水測量計劃（Tropical Rainfall Measuring Mission，TRMM）衛星上搭載的降水測量雷達（PR）和微波成像儀（TMI）分析了臺風“鯨魚”（0302）降水和水粒子的空間三維結構特征。傅云飛等（2007）利用TRMM衛星上的PR、TMI和紅外輻射計對臺風“云娜”（0413）的降水云和非降水云結構進行了分析。姚小娟等（2014）基于TRMM/TMI反演的水凝物分析了1998—2009年的236個熱帶氣旋潛熱結構的分布特征。周順武等（2015）利用2007—2009年的TRMM/TMI觀測亮溫，建立了一種西北太平洋熱帶氣旋強度模型用于估計臺風強度。游然等（2011）利用TRMM/PR分析了2005年8月發生于墨西哥灣的颶風“卡特里娜”的降水特征。盧美圻和魏鳴（2017）將全球降水觀測衛星（Global Precipitation Measurement，GPM）資料應用于臺風“彩虹”（1522）降水的垂直結構分析。方勉等（2019）基于GPM降水產品對超強臺風“瑪利亞”（1808）的降水率、降水類型以及降水三維結構進行了分析。相較于靜止衛星，極軌衛星和降水測量衛星，微波儀器觀測的空間和時間分辨率較粗。聯合使用多源衛星資料對臺風進行監測，可以彌補單顆衛星觀測不足的缺陷。趙姝慧和周毓荃（2010）同時利用FY-2C、GPM和CloudSat衛星對臺風“艾云尼”（0603）的演變過程和降水云系的宏微觀結構特征進行了分析。趙震（2019）聯合使用Himawar-8、CloudSat和GPM衛星資料從不同角度對臺風“莫蘭蒂”（1614）的演變過程進行了分析，并研究了降水云系的三維結構特征。余茁夫等（2020）利用FY-4A靜止衛星和GPM資料并結合NCEP/NCAR再分析資料，分析了臺風“利奇馬”（1908）發展過程中大氣環流和云的宏觀特征。

臺風“煙花”（202106）（英文名：In-fa）在西北太平洋洋面生成，先后兩次在浙江登陸，沿途經過江蘇、安徽、山東、河北等省市，最終出海并變性為溫帶氣旋。“煙花”生成后移動緩慢，持續時間特別長，對我國東部地區造成了嚴重影響。因此，本文基于Himawari-8觀測和產品、GPM雙頻降水雷達（Dual-frequency Precipitation Radar，DPR）反演產品和GPM微波成像儀（GPM Microwave Imager，GMI）觀測亮溫，以及FY-3D/MWRI降水反演產品，分析“煙花”演變過程中的云系和降水結構特征，為衛星遙感在臺風發展機理研究和監測預警應用中提供有價值的參考。

1 衛星儀器和資料

Himawari-8衛星發射于2014年10月7日，星下點位于140.7°E。Himawari-8搭載的先進Himawari成像儀（Advanced Himawari Imager，AHI）設置有3個可見光通道、3個近紅外通道和10個紅外通道，空間分辨率為0.5～2 km（Bessho et al.，2016;Zou et al.，2016）。有研究基于Himawari-8/AHI觀測發展了云屬性綜合反演算法（Heidinger，2013;Zhuge and Zou，2016;Zhuge et al.，2020，2021），可近實時生成云分類、云相態、云頂高度、云光學厚度和云頂粒子半徑等產品?；贑ALIOP（Cloud-Aerosol Lidar with Orthogonal Polarization）激光雷達觀測的評估表明，新算法對水云和冰云的檢測率分別達到80.20%和86.51%，均高于目前最常用的中分辨率成像光譜儀（MODIS）的二級產品MOD06算法（Zhuge et al.，2020）。MOD06在陸地上有很多像素的相態為“不確定”，新算法明顯減少了這類結果;MOD06在海洋上有很多冰相像素對應的云頂溫度高于0 ℃，這是不合理的，新算法也不存在這一情況（Zhuge et al.，2020）。云分類是云相態分析結果的進一步細分。因為缺乏“真值”，對云光學厚度和云頂粒子半徑反演精度的評估只能被代替為跟MOD06對比。對比結果表明，新算法得到的云光學厚度和云頂粒子半徑總體與MOD06結果一致，相關系數高達0.7～0.9（Zhuge et al.，2021）。

GPM搭載的雙頻測雨雷達（DPR）設有13.6 GHz（Ku波段）和35.5 GHz（Ka波段）兩個頻率，與只有Ku波段的TRMM/PR相比，DPR可同時獲得雙頻信息用于更準確的反演雨滴譜信息，如質量權重中值直徑（Dm）和歸一化截距（Nw）。GMI是具有13個微波觀測通道的圓錐掃描儀器（Hou et al.，2014）。GMI和DPR協同觀測，以相對較高的（區域）分辨率評估全球的降水微觀和宏觀結構、強度和相位（Skofronick-Jackson et al.，2017）。為了研究臺風“煙花”降水結構及云中冰粒子散射特征，本研究使用了GPM/DPR產品（2A/DPR;版本6）和GPM/GMI產品（1C/GMI;版本5），數據皆為NASA官網提供（https：//gpm.nasa.gov/data/directory）。除了雨滴粒子譜信息外，2A/DPR產品還提供了三維雷達反射率因子（Ze）、三維降水信息、液水路徑（Liquid Water Path，LWP）、冰水路徑（Ice Water Path，IWP）產品。需要說明的是，DPR中冰水路徑，是指未被識別為液水的路徑，可能包含了混合相態的粒子信息。具體算法流程，可參考DPR產品算法文檔（Iguchi et al.，2010）。

風云極軌氣象衛星近年來在災害天氣監測中越來越發揮出了重要作用。目前在軌運行的FY-3D衛星每天凌晨和下午各過境一次。FY-3D/MWRI具有10.65～89 GHz五個微波頻率，主要用于地表參數、大氣水汽和降水的觀測（Yang et al.，2011;Tang et al.，2016）。值得說明的是，Iturbide-Sanchez et al.（2011）利用美國極軌衛星微波探測儀和成像儀資料，基于一維變分方法反演降水率產品，并對產品精度進行了評估后，應用于業務產品生成。Iturbide-Sanchez et al.（2011）指出一維變分方法可以推廣應用到國際同類衛星儀器。本文利用FY-3D/MWRI觀測亮溫，基于一維變分方法反演得到的降水率產品，分析臺風“煙花”在陸地上的降水分布特征。

2 臺風“煙花”過程分析

2021年第6號臺風“煙花”于7月18日02時（北京時，下同）在西北太平洋洋面生成，21日11時加強為強臺風級。在23日之后，臺風“煙花”持續向西北方向移動，于25日12時30分在浙江舟山普陀沿海登陸，登陸時強度為臺風級。在舟山島滯留了5 h、杭州灣徘徊了16 h后，“煙花”于26日09時50分在浙江嘉興平湖市沿海再次登陸，登陸時強度為強熱帶風暴級?！盁熁ā毕群筮M入浙江、江蘇、安徽、山東和河北境內，于30日晚間變性為溫帶氣旋，20時被停止編號。圖1給出了“煙花”的最佳移動路徑?！盁熁ā闭麄€生命史先后經歷了熱帶風暴、強熱帶風暴、臺風、強臺風和熱帶低壓5個等級（圖2）。

臺風“煙花”移動過程引導氣流較弱，因此其移速非常緩慢（圖3）。特別是在首次登陸（25日12時30分）之后，臺風“煙花”以平均時速低于10 km·h-1的速度緩慢向西北方向移動，56 h行進的直線距離僅約360 km。臺風“煙花”在中國大陸上滯留時間長達95 h，為1949年以來之最。

臺風“煙花”生命史長達13 d，先后影響了我國臺灣、浙江、上海、江蘇、安徽、山東、河南、北京、天津、河北、內蒙古、遼寧、吉林、黑龍江等14個省市。“煙花”對多個省市的風雨影響創造了歷史紀錄（以下數據來自國家氣象中心、國家氣候中心和江蘇省氣象臺）。

7月20—21日，在副熱帶高壓南側偏東氣流引導下，臺風“煙花”大量水汽源源不斷地從海上輸送到內陸，并在多尺度系統相互作用及地形影響下，河南中北部產生持續性強降水，多個國家級氣象觀測站日降雨量突破有氣象記錄以來歷史極值;其中，鄭州氣象觀測站最大小時降雨量達201.9 mm（20日16—17時），突破中國大陸小時降雨量歷史峰值。

“煙花”是有氣象記錄以來首個在浙江省內兩次登陸的臺風;7月22日08時—28日08時，浙江省平均雨量191 mm，過程總雨量為浙江登陸臺風之最大紀錄，最大雨量為1 034 mm（余姚大嵐鎮），接近浙江登陸臺風過程雨量極值紀錄（安吉天荒坪1 056 mm;2013年臺風“菲特”創造）;7月24日，受臺風“煙花”的影響，又恰逢天文大潮期，浙江沿海出現了風暴潮，浙江省溫嶺市石塘鎮金沙灘海域的巨浪高達30 m。

在臺風“煙花”螺旋雨帶的持續影響下，7月24日08時—27日08時，上海市最大雨量為402.1 mm（金山亭林鎮），“煙花”是近十年影響上海過程雨量最大的臺風。

因為移速緩慢，臺風“煙花”在江蘇省內停留約37 h，是有記錄以來停留時間最長的臺風;7月24日00時—29日10時，江蘇全省平均雨量220.9 mm，接近常年平均梅雨量，最大雨量為569.2 mm（江都真武鎮），“煙花”成為有氣象記錄以來影響江蘇過程雨量最大的臺風。

3 衛星遙感分析

3.1 基于Himawari-8衛星觀測和產品的分析

圖4展示了臺風“煙花”在不同生命史階段的對流RGB（Red Green Blue）合成分布，可以看到，從19日12時達到臺風級強度后，一直到25日12時接近登陸，臺風“煙花”的云系呈現出顯著螺旋形態、范圍比較寬闊（最大半徑約為350 km），臺風眼清晰可辨。登陸之后，下墊面改變導致低層熱量和水汽補給不足，深對流的發展受到抑制，“煙花”螺旋云系逐漸不完整，但影響范圍仍很廣，可同時覆蓋五個省。

圖5展示了臺風3個不同時刻（分別代表成熟期、登陸時和登陸后）的云產品反演結果。21日12時，“煙花”剛加強為強臺風級，中心云系完整，以厚冰云（由光學厚度可知是積雨云）為主，沿眼墻的深對流發展深厚，上沖對流云頂高度達16 km。25日12時接近首次登陸時，“煙花”對流有所減弱，東半側分布著較廣的積雨云，云頂高度仍然有14 km;第四象限受陸地的影響，云頂高度明顯降低，但大的光學厚度說明此處可能有較強的降水。27日12時，“煙花”剛剛進入江蘇南京境內，此時云系主要由積雨云和多層云構成，云頂高度8～13 km;光學厚度極值分布不集中，說明對流組織性不強，臺風螺旋雨帶遭到了破壞。

3.2 基于GPM觀測和產品的分析

7月23日04時，GPM觀測到了處于成熟期的“煙花”。圖6顯示了“煙花”的DPR近地表雷達反射率因子（Ze）、近地表雨滴粒子譜信息（包括粒子大小Dm和粒子數濃度Nw）、云內液態水、冰水路徑、風暴頂高度，以及GMI極化訂正溫度（Polarization-Corrected Temperature，TPC）在89 GHz通道的值（TPC89=1.818×T89V-0.818×T89H;T89V和T89H分別代表89 GHz垂直和水平極化通道觀測亮溫）。在有云情況下，TPC89受下墊面輻射影響小，且與冰粒子散射相關。通常云中冰粒子含量越高，冰粒子散射越強，TPC89值也越低（Spencer et al.，1989）。TPC89分布表明，臺風的暖心結構（亮溫值超過290 K）明顯，臺風云墻TPC89亮溫值低于230 K，反映云墻中大量的冰粒子;從風暴頂高、液態水和冰水路徑來看，云墻內回波頂高超過11 km，液態水和冰水路徑分別超過5 000 g/m2和1 500 g/m2，這證實了此時臺風云系發展深厚，液態水和冰態水含量豐富。此外，臺風系統外圍表現出明顯的螺旋雨帶特征，TPC89亮溫甚至低于臺風云墻處，部分區域的風暴頂高度甚至超過13 km，對應的冰水和液態水路徑也較高，這反映了臺風系統外圍同樣存在深厚的對流。從近地表粒子譜分布來看，靠近臺風眼區為高濃度的小粒子，遠離臺風眼區的云墻內為高濃度的大粒子，而臺風外圍的螺旋雨帶近地表為低濃度的大粒子。此外，臺風中心東南方向的液態和冰水含量最高，近地表降水率也最高，表現出不對稱性。

圖7給出了臺風中心（臺風眼大致位于23.9°N附近）附近降水及微物理參數在剖面上的分布，可以看到，與臺風眼南側相比，臺風眼北側的（24.5°N左右）雷達反射率因子廓線較為淺薄，整個廓線內降水強度及Dm值均較小，表現出明顯的不對稱性。臺風眼南側，降水結構隨著距離臺風眼的距離變化十分顯著。23.3°N以北（即靠近臺風眼側），臺風系統發展高度不高（僅4 km），降水強度較小，云中冰相過程不明顯（IWP小于500 g/m2），云中主要是由高濃度的小粒子組成。22.7°～23.3°N，降水系統的發展逐漸深厚，雷達反射率因子最高可達到12 km左右（圖7a），說明垂直上升氣流旺盛;在6 km以上存在較高濃度的冰相粒子（圖7g），云中液水和冰水含量豐富，LWP可達到9 000 g/m2，IWP可達2 000 g/m2;在6 km左右出現明顯的融化層亮帶（高Ze），推測可能存在持續穩定的強上升氣流;在6 km以下，上層的冰粒子逐漸融化，形成尺度較大的雨滴粒子（圖7e），近地表降水強度也超過50 mm/h。21.5°～22.1°N，為臺風的外圍雨帶，雷達反射率因子最高可超過12 km左右（圖7a），且最大Ze大致位于6 km左右，同時IWP出現了高于1 000 g/m2的大值，說明臺風外圍冰相活動仍然較為活躍，這與前人研究發現臺風外圍也有較高的閃電發生頻次是一致的（Ranalkar et al.，2017）。與空間分布一致，外圍雨帶雖然粒子平均直徑較大，但其濃度很低，反映了粒子的碰并增長過程。

7月25日18時，GPM再次以合適的角度觀測到臺風“煙花”。此時“煙花”剛離開舟山市，位于杭州灣內。在臺風前進右側方向，存在明顯的低TPC89亮溫帶，而左側為高亮溫帶，表現出明顯的不對稱性（圖8h）。由于DPR的幅寬僅為245 km，此次主要觀測到臺風的外螺旋雨帶部分。從DPR觀測和反演結果來看，臺風液態水和冰態水主要集中在臺風前進方向右側（亦即北側），最大值可分別超過5 000 g/m2和1 500 g/m2，近地表降水強度超過25 mm/h;而南側液水含量低，多在1 000 g/m2左右，冰相過程較弱，與之一致的是風暴頂高度也低，南北側的回波頂高差異很大，達到5 km（圖8g）。從近地表雨滴譜分布來看（圖8e和8f），Nw反演結果在內外幅位置出現明顯的空間不一致，這是由于內幅主要是利用了雙頻反演算法，而外幅僅使用的單頻反演算法導致的。通常，雙頻反演算法更加可靠，因此，本次僅就內幅的雨滴譜進行分析。由圖8f和8d可知，臺風南側為高濃度的小粒子，北側的螺旋雨帶近地表的粒子濃度較大，平均直徑也較大。

圖9給出了相應的降水及微物理參數在剖面上的分布。在30.1°N以南，臺風系統發展的不深厚，Ze最高僅達到6 km，冰水含量值為0，主要為暖雨過程，液態水路徑集中在3 000 g/m2以下，整個垂直廓線內分布著濃度較高的小粒子。在31.3°N附近，即圖8中顯示的外螺旋雨帶最大降水處，其凍結層（6 km）以下仍有較強的超過42 dBZ的雷達回波，降水粒子多為濃度較低的大粒子，反映了此處粒子的碰并增長過程。在31.3°N以南，近地表降水活動逐漸減弱，液水路徑明顯減小（<1 500 g/m2），冰相活動仍然較為活躍，冰水路徑大都在500 g/m2左右，最大可達到1 000 g/m2。此外，凍結層以下（6 km處），雨滴粒子的濃度大大降低，平均直徑仍較大。

3.3 基于FY-3D衛星的陸面降水估計

2021年7月28日凌晨01—02時，臺風“煙花”離開江蘇南京進入安徽滁州境內;7月28日14時，“煙花”繼續北上到達安徽蚌埠西北一帶。28日當天，臺風“煙花”給蘇皖等地帶來了大風和降水。本節利用基于FY-3D/MWRI亮溫反演的地面降水強度，分析“煙花”在陸面造成的降水特征。

圖10給出了基于MWRI反演的臺風“煙花”過境時的降水率。從圖10可以看出，7月28日02時，降水主要集中在安徽和江蘇北部，以及江蘇南部區域;28日14時，雨帶北移，降水則集中在河南東部、江蘇和安徽北部，以及山東中南部區域。近地面降水強度集中在20 mm/h以下，較大的降水強度分布在臺風外圍螺旋雨帶。

為了驗證FY3D/MWRI降水反演的精度，圖11將MWRI反演的臺風“煙花”在華東區域（圖10中黑色矩形框圍成的區域）的降水率與地面觀測1 h降水量實況進行了對比。總體上，MWRI降水率空間分布和實況較為吻合。但由于MWRI的觀測視場較大（分辨率在25 km），反演結果較實況偏弱;個別站點降水強度超過40 mm/h（圖11d），FY-3D/MWRI沒有反演出來，說明衛星資料反演較強降水還有一定局限性。另外，MWRI的觀測頻率對弱降水不敏感，在實況降水量較小區域，反演結果也存在偏差。

值得說明的是，相較于地面站點觀測，衛星具有觀測覆蓋范圍廣的優勢。在地面觀測稀疏的區域（比如海洋、海島、森林、荒原等），衛星反演估計是唯一的降水率獲取手段，在天氣預報業務中仍具有顯著的參考意義。

4 結論和討論

綜合利用Himawari-8、GPM和FY-3D的觀測和產品，從云系、降水三維結構、以及陸面降水率等方面對登陸前、后的臺風“煙花”進行了分析，主要有以下結論：

1）本研究第一次利用靜止衛星云產品對臺風過程進行了細致分析。Himawari-8衛星觀測和產品顯示，臺風“煙花”的尺度較大（最大半徑約為350 km）;在登陸前云系螺旋特征顯著，對流深厚、上沖云頂突破16 km高度;登陸后云系結構遭到破壞，以中等對流為主，分布密集但沒有組織性。

2）全球降水測量衛星兩次過境分別監測到“煙花”在洋面上和登陸之后的形態?！盁熁ā痹谘竺嫔蠒r液態水和冰態水含量豐富、并具有不對稱分布特征，6 km以上高度存在較高濃度的冰粒子;登陸之后液態水和冰態水主要集中在臺風前進方向的右側，南北側的回波頂高差異可達到5 km。

3）基于風云三號微波成像儀的陸面降水反演結果在位置和形態上與實況比較吻合，但降水強度還是存在一定偏差?？傮w上看，微波反演的降水率具有一定的預報意義。

靜止衛星和極軌衛星等觀測和產品的聯合使用，彌補了單顆衛星觀測在時間和空間上分辨率不足的缺點;可見光、紅外和微波等多波段、主被動相結合的觀測手段，加強了臺風云系變化、內部結構演變和降水特征的精細研究。

致謝：中國國家衛星氣象中心、中國國家氣象中心、日本氣象衛星中心和美國國家航空航天局為本研究提供了數據服務;本文在寫作過程中，得到了費建芳教授、鄭媛媛研究員、曾明劍研究員的細致指導和熱心幫助。在此一并感謝！

參考文獻（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，何君濤，符永銘，等，2019.基于GPM衛星降水產品對1808號超強臺風“瑪利亞”降水結構的分析[J].大氣科學學報，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）.

傅云飛，劉棟，王雨，等，2007.熱帶測雨衛星綜合探測結果之“云娜”臺風降水云與非降水云特征[J].氣象學報，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）.

何會中，程明虎，周鳳仙，2006.0302號（鯨魚）臺風降水和水粒子空間分布的三維結構特征[J].大氣科學，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，張福穎，2016.夏季熱帶北大西洋海溫異常對西北太平洋熱帶氣旋生成的影響[J].大氣科學學報，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，王振會，官莉，等，2009.兩種導風方法在臺風路徑分析中的應用比較研究[J].氣象科學，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，楊虎，游然，等，2012.利用風云三號微波成像儀資料遙感“桑達”臺風降雨云結構[J].地球物理學報，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）.

劉喆，白潔，邱紅，等，2012.利用FY-3星載微波資料對熱帶氣旋云系和暖核特征的分析[J].氣象科學，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，喻遠飛，吳冰，等，2003.利用云導風矢量的臺風中心自動定位[J].氣象學報，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）.

盧美圻，魏鳴，2017.GPM資料在分析“彩虹”臺風降水垂直結構中的應用[J].遙感技術與應用，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）.

陸曉婕，董昌明，李剛，2018.1951—2015年進入東海的臺風頻數及登陸點的變化[J].大氣科學學報，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.

陶麗，李雙君，濮梅娟，等，2012.熱帶大氣準雙周振蕩對西北太平洋地區熱帶氣旋路徑的影響[J].大氣科學學報，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）.

陶麗，靳甜甜，濮梅娟，等，2013.西北太平洋熱帶氣旋氣候變化的若干研究進展[J].大氣科學學報，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）.

許健民，張其松，2006.衛星風推導和應用綜述[J].應用氣象學報，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，黎偉標，陳淑敏，2014.利用TMI反演的水汽凝結物對熱帶氣旋潛熱結構分布的探索研究[J].大氣科學，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）.

燕亞菲，談建國，崔林麗，等，2019.利用葵花8號（Himawari-8）高時空分辨率的紅外亮溫資料估計臺風莫蘭蒂的短時強降水及其演變[J].氣象，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，張文建，2002.用SSM/I微波遙感圖像分析海上臺風的螺旋云帶[J].氣象學報，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，盧乃錳，邱紅，等，2011.用PR資料分析熱帶氣旋卡特里娜降水特征[J].應用氣象學報，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.基于氣象衛星云圖的云類識別及臺風分割和中心定位研究[D].武漢：武漢理工大學. 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，馬爍，胡雄，等，2020.基于多源數據的“利奇馬”臺風大氣環流、云及降水特征分析[J].氣象科學，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）.

趙姝慧，周毓荃，2010.利用多種衛星研究臺風“艾云尼”宏微觀結構特征[J].高原氣象，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）.

趙震，2019.2016年臺風“莫蘭蒂”結構特征的多源衛星探測分析[J].高原氣象，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）.

周順武，盧怡，趙兵科，等，2015.利用TMI資料估計西北太平洋熱帶氣旋強度的客觀方法[J].大氣科學學報，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

（責任編輯：張福穎）