EN中文

地理学报 >

2025 , Vol. 80 >Issue 1: 101 - 119

DOI: https://doi.org/10.11821/dlxb202501007

气候变化与地表过程

1949—2022年登陆中国热带气旋变化特征及其影响因素

  • 贺山峰 , 1 ,
  • 李铮 1, 2 ,
  • 冯爱青 3 ,
  • 王伟 1 ,
  • 马运佳 1 ,
  • 吴绍洪 4
展开
  • 1.曲阜师范大学地理与旅游学院，日照 276800
  • 2.湖南师范大学旅游学院，长沙 410081
  • 3.国家气候中心，北京 100081
  • 4.中国科学院地理科学与资源研究所，北京 100101

贺山峰(1980-), 男, 山东日照人, 教授, 硕士生导师, 中国地理学会会员(S110014091M), 研究方向为环境演变与灾害风险。E-mail:

收稿日期: 2024-05-15

  修回日期: 2024-12-09

  网络出版日期: 2025-01-21

基金资助

山东省泰山学者青年专家计划(tsqn202103065)

国家自然科学基金项目(42371084)

收起

Variation characteristics of landing tropical cyclones over China from 1949 to 2022 and their influencing factors

  • HE Shanfeng , 1 ,
  • LI Zheng 1, 2 ,
  • FENG Aiqing 3 ,
  • WANG Wei 1 ,
  • MA Yunjia 1 ,
  • WU Shaohong 4
Expand
  • 1. School of Geography and Tourism, Qufu Normal University, Rizhao 276800, Shandong, China
  • 2. School of Tourism, Hunan Normal University, Changsha 410081, China
  • 3. National Climate Center, Beijing 100081, China
  • 4. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2024-05-15

  Revised date: 2024-12-09

  Online published: 2025-01-21

Supported by

Young Taishan Scholars Program of Shandong Province(tsqn202103065)

National Natural Science Foundation of China(42371084)

Fold

摘要

20世纪以来，热带气旋活动在全球气候变暖背景下发生了明显变化，登陆中国热带气旋的特征和趋势如何变化仍需进一步明确。基于中国气象局热带气旋最佳路径数据集资料，分析了1949—2022年登陆中国热带气旋的时空特征及变化趋势，并探讨了厄尔尼诺—南方涛动（ENSO）和太平洋年代际振荡（PDO）对登陆热带气旋活动的影响。结果表明：① 年均登陆中国的热带气旋约8.85个，总体呈显著减少趋势且随纬度降低降幅增大，但登陆热带气旋占生成总数的比例以及台风及以上等级热带气旋登陆占比均有增加；7—9月登陆中国热带气旋的数量占全年的76.3%，其中8月份最多。② 空间特征上，热带气旋登陆中国的位置主要集中在18°N~26°N，约占总数88.2%，30°N以北区域登陆的热带气旋频数锐减；登陆热带气旋的生成位置重心向西北方向移动趋势显著，愈加靠近中国，2010—2022年热带气旋生成位置的重心相比1949—1969年西移4.5个经度、北移2.0个纬度。③ ENSO与生成和登陆中国热带气旋频数的年际变化存在相关性，厄尔尼诺年促进了强热带气旋的形成，并且使得登陆热带气旋的生成位置更加偏向东南，拉尼娜年则相反；PDO也在一定程度上影响了热带气旋的生成，当处于PDO的暖位相时，生成热带气旋的数量较冷位相偏少且位置偏西。本文进一步厘清了1949年以来登陆中国热带气旋特征的变化趋势，并揭示了ENSO和PDO对热带气旋活动的影响，研究结果可为开展热带气旋模拟评估和防风减灾工作提供科学依据。

关键词： 登陆热带气旋; 时空特征; 影响因素; 中国; 西北太平洋

本文引用格式

贺山峰 , 李铮 , 冯爱青 , 王伟 , 马运佳 , 吴绍洪 . 1949—2022年登陆中国热带气旋变化特征及其影响因素[J]. 地理学报, 2025 , 80(1) : 101 -119 . DOI: 10.11821/dlxb202501007

Abstract

Tropical cyclone activity has undergone significant changes under the impact of the global warming since the 20th century. However, the characteristic and trend changes of landing tropical cyclones over China still need to be further clarified. We conducted an analysis of the spatiotemporal characteristics and trends of landing tropical cyclones over China from 1949 to 2022 using the dataset of the best tracks of tropical cyclones from the China Meteorological Administration. Additionally, we explored the influences of El Niño-Southern Oscillation (ENSO) and Pacific Decadal Oscillation (PDO) on landing tropical cyclone activities. The results indicate that: (1) The annual average number of landing tropical cyclones over China is approximately 8.85, showing a significant decreasing trend, and the decreasing range becomes larger with lower latitude overall. However, both the proportion of landing tropical cyclones to the total number and the percentage of higher intensity tropical cyclones increase. The landing tropical cyclones from July to September account for 76.3% of the total, in which August experiences the most. (2) The landing positions of tropical cyclones in China are mainly concentrated between 18°N and 26°N, accounting for approximately 88.2% of the total, and the landing frequency shows a sharp decline in the regions north of 30°N. The central landing position of tropical cyclones has shifted significantly northwestward, moving closer to China. Compared to 1949-1969, the central generating position from 2010 to 2022 shifted 4.5 degrees westward and 2.0 degrees northward. (3) There is a correlation between ENSO and the frequency variation of generating tropical cyclones in the Northwest Pacific and landing over China. El Niño promotes the formation of strong tropical cyclones and leads to a more southeastern bias in the generating positions of landing tropical cyclones, while La Niña has an opposite effect. The PDO also affects the tropical cyclones to a certain extent. During the warm phase of PDO, the generating position of tropical cyclones is westward and the number is less than that in the cold phase. This study further clarifies the changing trends and characteristics of the landing tropical cyclones over China since 1949. It also highlights the impacts of ENSO and PDO on tropical cyclone activities. The findings can serve as a scientific basis for conducting simulations and assessments of tropical cyclones and for disaster prevention and mitigation efforts.

Key words： landing tropical cyclone; spatiotemporal characteristics; influencing factor; China; Northwest Pacific

1 引言

热带气旋是最致命和最具破坏力的自然灾害之一，严重威胁着人类生命健康和社会经济安全[1]。21世纪以来，全球热带气旋造成的相关经济损失明显增加，暴露人口数量也从2002年的4.08亿增加到2019年的7.92亿[2]。2005年“卡特里娜”飓风造成1800多人遇难，高达2000亿美元经济损失，是袭击美国最惨重的自然灾害。2019年超强台风“利奇马”登陆中国，共造成浙江、山东等9个省市1400多万人受灾。2023年9月，飓风Daniell突袭利比亚，造成重大人员伤亡和财产损失，是2008年缅甸风灾后全球最严重的风暴灾害。中国拥有长达18400 km的大陆海岸线，是世界上受热带气旋影响最为频繁、损失最为严重的国家之一[3]。2003—2023年中国有3520多人因热带气旋灾害死亡，直接经济损失超过10150亿元，沿海地区的灾害暴露度和损失亦呈不断增大趋势[4]。造成这种形势的原因一方面是由于沿海地区常住人口增长、经济快速发展导致的承灾体暴露度增加，另一方面是在全球气候变化背景下，热带气旋的活动特征发生了较大变化[5]。IPCC第六次报告指出，未来登陆的强台风数量可能更多，平均风速也会进一步增大[6]。
登陆热带气旋造成的影响与其生成位置、数量、强度、路径、登陆点等特征密切相关。登陆印度、孟加拉国和缅甸的热带气旋主要生成于北印度洋5°N~16°N海域[7]，而西北太平洋（包括南海）的热带气旋大多会对中国、日本、越南和菲律宾造成影响[8]。近年来，西北太平洋首个热带气旋的生成时间有所滞后，并且往往在更加偏西、偏北的洋面生成[9]。从数量上看，20世纪全球每年生成的热带气旋频数相比19世纪下半叶减少了13%，其中西北太平洋地区大约减少9%[10]。然而热带气旋生成数量的下降并不意味着其威胁减弱，Kossin等指出全球热带气旋的登陆概率在显著增加[11]，并且21世纪以来，登陆中国的秋季台风中超强台风的比例逐渐增加[12]。热带气旋的登陆位置和路径决定了其影响范围，而热带气旋造成危害的大小很大程度上受其强度和持续时间的影响[13-14]。登陆东亚和东南亚的热带气旋在20世纪70年代以来增强了12%~15%，高强度等级风暴的比例甚至增加了3倍[15]，同时这些高强度台风从沿海地区延伸到了更远的内陆地区，在陆地上停留的时间更长[16]。此外，热带气旋的移动速度也是研究登陆热带气旋特征的重要参数，灾害管理部门需要为即将登陆的热带气旋进行防风防汛部署，但当其以更快的移动速度或更短的时间登陆时，受影响地区可能因准备不足而导致灾害损失加大[17]，这在以往的研究中未得到充分重视。
厄尔尼诺—南方涛动（ENSO）和太平洋年代际振荡（PDO）是影响热带气旋特征演变较为关键的两个因素[18-19]。作为大气—海洋耦合系统中最重要的年际变化信号，ENSO能够通过改变垂直风切变和稳定性等大气动力学因素，对太平洋、大西洋和印度洋各海盆的热带气旋活动造成影响[20-21]。但ENSO对于不同区域热带气旋活动的影响方式和强度并不相同[3]。在拉尼娜年影响澳大利亚的台风显著减少[22]，而进入中国东海的台风频数则较常年增加[23]。当处于厄尔尼诺年时，登陆菲律宾的热带气旋频数明显低于平均值[24]，同时会使得西北太平洋夏季热带气旋的强度有所增大[25]。ENSO对热带气旋生成位置也具有很强的调制作用，厄尔尼诺年登陆中国热带气旋的生成位置分布经度范围更广[26]，而在孟加拉湾生成的热带气旋的位置会在拉尼娜年向东移动[27]。PDO同样可以通过调节海面温度改变西北太平洋的大尺度环境场条件，从而对热带气旋的时空特征产生影响[28]。当PDO处于冷位相时，包括海面温度、垂直风切变和转向风在内的大尺度环境更有利于西北太平洋中纬度热带气旋的生成[29]，使得进入中国东海海域的热带气旋频数增多[23]。此外，PDO的相位转换也能显著影响热带气旋生成位置[30]。
西北太平洋是全球热带气旋最活跃的海洋盆地[31-32]。尽管近年来该海域热带气旋的生成频数有所下降，但其平均强度却呈现增大趋势[33]，持续时间也变得更长[34]。目前对于全球变化背景下登陆中国的热带气旋频数、强度、位置等特征的变化仍有待明确，这使得评估未来热带气旋活动的综合影响存在很大不确定性。以往相关研究更多集中于高强度等级或造成较大损失的热带气旋的某一具体特征上，对于登陆中国热带气旋整体特征变化进行长时间序列的分析相对较少，且影响因素方面主要关注了ENSO与热带气旋活动的关系，缺乏系统性揭示ENSO和PDO等因素对登陆热带气旋频数、强度和生成位置等特征变化产生的影响。因此，本文基于中国气象局热带气旋最佳路径数据集，分析了1949—2022年登陆中国热带气旋的时空特征和变化趋势，并尝试揭示ENSO、PDO对热带气旋活动的影响，以期探究全球变化背景下登陆中国热带气旋活动的最新特征，为提升热带气旋灾害风险评估水平、增强灾害应对能力提供科学依据。

2 数据来源与研究方法

2.1 数据来源

热带气旋数据来自中国气象局热带气旋资料中心的热带气旋最佳路径数据集（https://tcdata.typhoon.org.cn/index.html），具体包括1949—2022年西北太平洋生成热带气旋的编号、时间、每隔6h的中心位置、近中心最大平均风速等指标[35]。根据中国气象局发布的《热带气旋等级》（GB/T19021-2006）划分标准，将热带气旋按照其强度进一步分为热带低压（TD）、热带风暴（TS）、强热带风暴（STS）、台风（TY）、强台风（STY）和超强台风（SuperTY）6个等级。热带气旋登陆时强度为热带气旋登陆前最后一个轨迹点记录的强度，登陆时刻热带气旋移动速度根据登陆点前后两个轨迹点地理位置计算得出。
一般来说，热带气旋在首次登陆时其中心气压值最低、近中心风速最大，造成的破坏力也最强。为避免重复计算，若同一热带气旋有两次及以上登陆情况，则只统计其首次登陆信息。此外，统计登陆点时只记录在中国登陆的热带气旋，沿海岛屿除台湾、海南岛、香港、舟山群岛和崇明岛以外，均不计入登陆统计范围。
Niño-3.4区（5°S~5°N, 170°W~120°W）温度异常指数经常被用来定义ENSO事件，本文使用的Niño 3.4指数来自美国国家环境预测中心（https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php）。以热带气旋登陆活动多发季节（5—11月）的月Niño 3.4指数平均值作为5—11月的Niño 3.4指数，将其均值> 0.5和≤ -0.5的年份分别定义为厄尔尼诺年和拉尼娜年，其余年份定义为正常年[36]。PDO指数来自华盛顿大学大气与海洋研究所（https://psl.noaa.gov/gcos_wgsp/Timeseries/Data/pdo.long.data），当某时段PDO指数为正值时，表示此段时间PDO处于暖位相；当PDO指数为负值时，则为冷位相。

2.2 研究方法

2.2.1 Mann-Kendall检验法

M-K检验法是一种非参数检验方法，由于其具有应用局限性和主观性较小、操作简单和结果直观等优点，可以客观反映时间序列变化趋势，目前已经被广泛用于时间序列的分析，本文采用此方法对登陆热带气旋时序变化的趋势和突变点进行分析和检验， Χ ( x 1 ,   x 2 ,   . . . ,   x n )为表示时间序列的变量，构造一个秩序列：
H m = ∑ i = 1 m z i ,       z i = 1           x i > x j 0           x i ≤ x j ,             j = 1 ,   2 ,   … ,   i
假设时间序列 Χ随机且相互独立，则统计变量 U F m可以定义为：
U F m = H m - E H m / V a r H m ,             m = 1 ,   2 ,   … ,   n
式中： E ( H m )和 V a r ( H m )分别是 H m的均值和方差。对于给定的显著水平 α，当 | U F m | > U α时，则说明该时间序列具有显著的趋势。按照时间序列 Χ逆序列 x n, x n - 1, …, x 1，再重复上述过程，构造逆序列 U B m。 U F和 U B与时间的关系图可以揭示数据的趋势。若 U F > 0，则表明序列呈上升趋势，小于0则表明呈下降趋势。若 U F和 U B曲线相交，并且交点在上下两条显著性水平线之间，那么交点对应的时间即为突变起始时间。

2.2.2 重心—标准差椭圆分析

重心—标准差椭圆分析是一种可以直观显示出点集空间分布特征的方法[37]。该方法能够反映地理要素在空间上的方向分布，椭圆的范围表征了要素分布的主要空间区域，椭圆的大小反映了要素在空间分布上的集聚性，而地理要素重心转移的方向以及距离反映出地理要素在空间位置上的演化。本文主要应用此方法分析登陆热带气旋生成位置的空间分布特征及变化。主要计算公式如下：
X = ∑ i = 1 n w i x i ∑ i = 1 n w i ,             Y = ∑ i = 1 n w i y i ∑ i = 1 n w i
σ x = ∑ j = 1 n w i x i c o s θ - w i y i s i n θ 2 ∑ i = 1 n w i 2
σ y = ∑ j = 1 n w i x i s i n θ - w i y i c o s θ 2 ∑ i = 1 n w i 2
t a n θ = ∑ i = 1 n w i 2 x i 2 - ∑ i = 1 n w i 2 y i 2 + ∑ i = 1 n w i 2 x i 2 - ∑ i = 1 n w i 2 y i 2 2 - 4 ∑ i = 1 n w i 2 x i 2 y i 2 2 ∑ i = 1 n w i 2 x i 2 y i 2
式中： ( X ,   Y )为重心坐标； ( x i ,   y i )为研究对象的空间区位； w i为对应权重； σ x、 σ y分别为沿 x轴和 y轴的标准差； θ为椭圆方位角； t a n θ为椭圆正切函数。

2.2.3 核密度分析

核密度分析是以空间中任意一个点要素周围一定规则区域作为密度的计算范围，通过计算该区域内点要素的密集程度，从而显示出点要素在空间上的分布情况[38]。本文通过核密度分析探究登陆热带气旋生成点的高发区域，其计算公式如下：
H i = 1 n π R 2 × ∑ j = 1 n K j 1 - D i j 2 R 2 2
式中： H i为空间上任意一点要素 i的核密度； K j为研究对象的权重； D i j为空间点要素 i与研究对象 j之间的距离； R为选定的一定规则区域的带宽（ D i j < R）； n为带宽 R的范围内研究对象 j的数量。

2.2.4 小波分析

小波分析是分析时间序列内局部变化的常用工具，通过将时间序列分解为时间—频率空间，可以确定序列的变化趋势和周期组成[39]。在本文中，采用海洋和气象研究中常用的复小波函数 ψ t，对热带气旋活动的周期性进行分析。其表达式如下：
ψ t = π - 1 / 4 e - t 2 / 2 e i ω 0 t
式中： t为时间参数； ω 0为中心频率，参考Torrence等[39]的研究，取6以满足容许条件。

2.2.5 小波相干分析

小波相干分析（WTC）可以显示出时频空间中两时间序列在其低能量区的相关关系，本文采用小波相干分析来探究ENSO和PDO与热带气旋各时空特征间的遥相关关系。定义两个时间序列 X i和 Y i的小波相干谱为[40]：
R 2 α ,   β = S α - 1 W X Y α ,   β 2 S α - 1 W X α ,   β 2 S α - 1 W Y α ,   β 2
式中： S为平滑窗口， S α - 1 W X Y α ,   β 2为两个时间序列在某一振幅下的交叉积， S α - 1 W X α ,   β 2和 S α - 1 W Y α ,   β 2为两个时间序列振动波的波幅。
此外，本文使用线性趋势法分析登陆热带气旋在长时间序列上的变化倾向，并结合M-K检验法来分析该变化趋势是否显著；使用相关分析法来量化热带气旋特征与影响因素之间相关性的密切程度，相关性强弱取决于相关系数R，R取值范围为[-1, 1]，越接近1或-1表明两个变量之间的相关程度越强，符号代表呈正相关或负相关。

3 登陆热带气旋时空特征分析

3.1 热带气旋频数变化

1949—2022年西北太平洋地区共生成2418个热带气旋，其中有655个热带气旋在中国登陆，平均每年登陆8.85个（图1a）。登陆热带气旋频数存在显著年际间差异，1952年和1961年的登陆数量最多，达15个，最少为1982年的4个。登陆频数亦存在明显的年代际变化特征，20世纪50年代、60年代登陆热带气旋频数最多，均为97个，20世纪90年代以后数量明显减少，21世纪10年代登陆频数最少，只有80个。整体上西北太平洋生成和登陆中国热带气旋频数均呈现显著下降趋势（p<0.05），结合M-K突变检验可知，生成频数和登陆频数分别在1986年和1967年发生减少突变，此后至今一直呈波动下降趋势（图1c~1d）。每年登陆中国的热带气旋频数占生成热带气旋总数的比例介于13.8%~45.8%之间（图1b），总体呈上升趋势，这与登陆频数的年际变化不同。按年代统计发现，21世纪前10 a登陆中国热带气旋占比最高，有31.3%的生成热带气旋登陆中国，而20世纪60年代占比最少，为24.0%，M-K检验结果表明热带气旋登陆占比在1949—2018年期间上升趋势显著（p<0.05）。
图1 1949—2022年西北太平洋生成热带气旋和登陆中国热带气旋频数、登陆频数占比及生成热带气旋频数和登陆热带气旋频数的M-K检验

Fig. 1 The interannual variation of the frequency of generating and landing tropical cyclones over China, the proportion of landing frequency to the total number of generating tropical cyclones, M-K test for generating tropical cyclone frequency and landing tropical cyclone frequency from 1949 to 2022

西北太平洋地区热带气旋生成频数变化存在明显周期振荡，在45 a的时间尺度下主周期为28 a左右（图2a~2b），此外生成数量还在31 a、18 a和8 a等时间尺度上有次要变化周期，并且随着时间尺度的减小，变化周期和振荡强度逐渐减弱。登陆中国热带气旋频数在7 a、33 a等多个时间尺度上都存在周期变化，其中在7 a的时间尺度下振幅最大（图2c~2d）。热带气旋生成频数和登陆中国频数在整个研究时段都存在低频—高频的循环交替现象，但两者的变化周期却差别较大，并不具有一致性。
图2 1949—2022年西北太平洋生成热带气旋频数和登陆中国热带气旋频数的小波分析和小波方差图

Fig. 2 Wavelet analysis and wavelet variogram of the frequency of generating tropical cyclones in the Northwest Pacific, and landing tropical cyclones over China from 1949 to 2022

3.2 登陆时间与台风季长度变化

热带气旋登陆中国具有明显的季节性，6—11月份即夏秋两季登陆热带气旋占全年的96.8%，最频繁的月份集中在7—9月，登陆热带气旋数量合计达500个，占登陆总数的76.3%，其中登陆频数最高的8月为191个，而1—3月份未有热带气旋登陆中国的记录（图3a）。进一步分析发现，热带气旋登陆位置与月份也有着较为密切的关系，总体上热带气旋登陆点随着月份增加有逐渐向北移动的趋势。4—5月仅广东、海南和台湾有热带气旋登陆记录，6月份除山东和浙江各有一次热带气旋登陆外，其余热带气旋均在福建及以南省份登陆，进入7月后福建以北省份登陆热带气旋开始变得频繁。4—9月热带气旋登陆点的平均纬度值为21.9°N，10—12月各月份的登陆点平均纬度均超过了23°N，而在12月份达到了25.8°N，相比4月份北移了4.2个纬度。
图3 1949—2022年登陆中国热带气旋的年内时间分布和台风季长度

Fig. 3 Intra-annual temporal distribution of landing tropical cyclones over China and typhoon season length from 1949 to 2022

台风季指热带气旋每年首次和末次登陆日期之间的时间间隔。热带气旋每年登陆的首末次日期及台风季长度，一定程度上也反映了西北太平洋热带气旋活动的时间特征。由图3b可知，热带气旋每年首次登陆中国的日期平均为6月17日，总体上有推迟趋势，但进入21世纪后首次登陆日期又出现提前的倾向；末次登陆日期总体呈现出提前趋势，年均日期为10月10日，超过75%的年份热带气旋末次登陆时间集中在9月和10月。值得一提的是，1996—2022年末次登陆日期却表现出推迟的趋势，且趋势通过了0.05的显著性检验。中国的台风季年平均长度为115.4 d，跨度最长为185 d，出现在1954年，最短为1997年的28 d。虽然总体上中国台风季长度有缩短趋势，但1996年以来台风季有所延长并且趋势显著（p<0.05），这与最近20 a热带气旋登陆的首次日期提前、末次日期推迟有关。

3.3 登陆热带气旋强度变化

图4a展示了登陆中国热带气旋强度等级的年际变化。1949—2022年登陆热带气旋中台风等级的频数和占比最高，分别为155次和23.7%，其次是强热带风暴，共发生151次，除个别年份外，几乎每年都有热带低压登陆。强台风和超强台风的频数变化无明显规律，强台风在2005年登陆次数最多（6次），超强台风在1959年和2016年各登陆2次，其中登陆时中心风速最大的为2014年09号超强台风“威马逊”。可以发现，近些年来热带低压登陆频数明显减少，而进入21世纪后台风及以上等级的热带气旋登陆占比明显增多，由1949—1999年间的33.7%提高至21世纪的46.3%。
图4 登陆热带气旋等级、移动速度和风速的年际变化及风速变化的M-K检验

Fig. 4 Interannual distribution of landing tropical cyclone intensity, moving speed and wind speed, and M-K test for wind speed variation

热带气旋在登陆前和登陆时的移动速度也是影响其致灾危险性大小的重要参数（图4b）。登陆前热带气旋的移动速度大多在4~6 m/s之间，平均值为5.01 m/s，总体上呈现出微弱下降趋势。而热带气旋登陆时的移动速度整体高于登陆前移动速度且略呈上升趋势，年际间变化差异较大，最高值为8.21 m/s，比最低值大83.3%。此外，对热带气旋登陆时刻风速与登陆时移动速度进行相关性分析发现，两者之间相互独立，相关性较弱（R=0.14），因此不能依据热带气旋中心风速的大小预测其移动速度，这无疑加大了热带气旋运行趋势的预测难度。
如图4c所示，登陆热带气旋生命期最大风速的平均值为37.27 m/s，呈现出极显著的下降趋势（p<0.01），登陆时刻风速则呈略微上升趋势，平均值为29.82 m/s，两者的相关性达到了极显著水平（R=0.67，p<0.01）。热带气旋登陆时风速通常要小于其生命期最大风速，这是因为受到周围大气和海陆条件的影响，当热带气旋接近陆地时，周围环境的水汽供应减少及摩擦力增加导致其风速降低、强度减弱。使用M-K检验对两者进行突变分析发现（图4d），热带气旋生命期最大风速总体为先上升后下降，在1990年发生减少突变，并且在20世纪90年代末之后的下降趋势达到显著水平（p<0.05）。热带气旋登陆时刻风速在1960—1970年有明显的增强趋势，在1980年前后有3个交叉点，但结合滑动t检验发现结果都不显著，因此认为这期间不存在突变发生。在1988年热带气旋登陆时刻风速发生了增强突变，并在21世纪10年代中期增强趋势短暂达到显著性水平（p<0.05）。

3.4 热带气旋登陆位置变化

热带气旋登陆点大多分布在18°N~30°N的沿海区域，其中广东、福建、台湾和海南四省热带气旋登陆最为频繁（图5a）。在30°N以北，登陆中国的热带气旋频数锐减，这主要是由于中纬度地区对流层盛行西风，有较强的西风转向气流，因此进入东亚中纬度的热带气旋更多倾向于在韩国和日本登陆[41]，此外中国海岸线在长江口以北沿西北走向也是原因之一。对热带气旋登陆时强度进行统计发现（图5b），在22°N~25°N、27°N~30°N区间，即台湾岛东部、广东东部、福建东南部和浙江东部沿海地区登陆的热带气旋强度相对较大，其中在27°N~28°N登陆的热带气旋强度最大，平均风速达34.2 m/s。
图5 热带气旋登陆位置、风速及登陆频数变化

注：基于自然资源部标准地图服务网站的GS(2019)1825号标准地图绘制，底图边界无修改。

Fig. 5 Tropical cyclone landing position, wind speed and the change of landing frequency along the latitude interval

由于分析经度的变化需结合海岸线等因素进行考虑，且纬度能够更好地反映登陆位置的变化规律，因此本文重点分析登陆位置的纬度变化。在纬度变化上，每年各纬度登陆频数波动较大，体现出热带气旋活动的不规则性。热带气旋登陆频数由南到北总体呈逐渐减少趋势，在18°N~26°N登陆热带气旋数量占总数的88.2%，其中在22°N~23°N登陆数量最多，年均2.8个。图5c展示了每隔一定纬度区间热带气旋登陆数量的变化，除24°N~26°N区间略有增加外，其余纬度区间均呈减少趋势，并且总体上越往南热带气旋登陆频数减少速率越快。18°N~20°N区间（集中在海南岛）登陆的热带气旋频数减少趋势较显著（p<0.1），若将18°N~22°N或18°N~24°N合并为一组统计，热带气旋登陆频数的减少趋势分别通过了0.05和0.01的显著性检验，而其他纬度区间热带气旋登陆频数的线性趋势变化并不显著。以年代际尺度分析热带气旋登陆点的年平均位置发现在纬向上存在着南移—北移—南移的变化规律，即在1980年以前，热带气旋登陆点的平均位置纬向逐渐南移，而1980—2000年间北移趋势明显，此后又逐渐向南移动。

3.5 登陆热带气旋生成位置变化

对登陆热带气旋生成位置的统计有助于分析热带气旋的移动路径以及可能登陆的位置。如图6a所示，在0°N~36°N、106°E~180°E的西北太平洋广大区域内生成的热带气旋均有可能登陆中国，但生成位置分布很不均匀。根据生成点的核密度计算，划定了A、B、C 3个主要高发区。A区位于中国南海北部（13°N~22°N、110°E~120°E），共生成172个热带气旋，密度为1.62个/万km2。B区在菲律宾以东洋面（10°N~20°N、125°E~135°E），共有142个热带气旋，占总数的21.7%，密度为1.19个/万km2。C区分布在塞班岛及马里亚纳群岛周围海域（7°N~14°N、135°E~150°E），密度为0.93个/万km2。其他海域共有224个热带气旋生成，密度远小于A区、B区和C区，尤其在20°N以北和150°E以东洋面上热带气旋的生成数量较少且非常分散。
图6 登陆中国热带气旋的生成位置、年均经纬度及生成—登陆距离和时间变化

注：基于自然资源部标准地图服务网站的GS(2016)1663号标准地图绘制，底图边界无修改，后图同。

Fig. 6 Distribution of generating positions of tropical cyclones landing over China, changes in mean annual latitude and longitude and changes in generating-landing distance and time

由图6a可以发现，登陆热带气旋生成位置的标准差椭圆随时间呈现缩小的态势，这说明热带气旋的生成位置有越来越集中的倾向。同时，登陆热带气旋生成位置的空间分布重心也逐渐向西北方向移动，2010—2022年热带气旋生成位置的重心相比1949—1969年西移了4.5个经度，北移了2.0个纬度，更加靠近中国。线性拟合结果同样印证了这一现象（图6b），74 a间登陆热带气旋生成位置经度西移、纬度北移的趋势明显，均通过显著性检验（p<0.01）。进一步分析发现，热带气旋生成位置向西北方向移动的速度在逐渐加快，1970—1989年相比1949—1969年，生成位置重心的移动速度为30.2 km/10a，而2010—2022年相比1990—2009年移动速度为83.7 km/10a，速度加快了近1.8倍。登陆热带气旋生成位置向西北方向移动在一定程度上解释了登陆中国热带气旋比例呈增加趋势的原因。Guan等在研究中也指出近年来中国登陆热带气旋的生成地点相比非登陆热带气旋更偏西[41]，登陆热带气旋生成位置更加靠近陆地，这增加了热带气旋登陆的机会。此外，研究期间热带气旋从生成到登陆中国的时间和距离也有显著缩短的趋势（p<0.01，图6c）。在2000年以前，热带气旋生成后平均需要130.8 h登陆中国，而进入21世纪后只需109.9 h就在中国登陆，耗时平均缩短了16.0%，热带气旋从生成到登陆的平均距离也由20世纪的2065.4 km减少到21世纪的1693.8 km。

4 登陆热带气旋与ENSO和PDO的关系分析

4.1 ENSO和PDO对热带气旋频数的影响

1949—2022年共有19个年份为厄尔尼诺年，24个年份为拉尼娜年。除个别年份外，当处于厄尔尼诺年时，西北太平洋地区热带气旋生成数量较正常年份偏少，而拉尼娜年则相反（图7a）。Niño 3.4指数与热带气旋生成频数具有明显的负相关关系，在超强厄尔尼诺期，如1982—1983年、1997—1998年和2014—2016年，热带气旋的生成频数远远低于厄尔尼诺年的前后几年，说明ENSO在一定程度上影响了西北太平洋热带气旋的生成频数。但在1990年之后这种影响发生了变化，如1995年、1998年和2010年虽处于拉尼娜年，但热带气旋的生成频数却较少，其他年份与Niño 3.4指数也未表现出明显的相关性。在登陆频数上，厄尔尼诺年平均有7.79个热带气旋登陆中国，低于拉尼娜年的8.92个（图7b），反映出与热带气旋生成频数相同的态势。在登陆热带气旋频数最少的1982年（4个）以及较少的1997年（5个）和2015年（5个），都处于超强厄尔尼诺期。小波相干分析结果也验证了在研究时段内热带气旋频数与Niño 3.4指数呈现负相关关系（图7c~7d）。1966—1988年间Niño 3.4指数与热带气旋生成频数在2~6 a尺度上的负相关达到显著性程度，而在1990年以后ENSO则转为以正向影响为主；登陆热带气旋数量在1965—2000年之间有两个与ENSO呈显著负相关的时期，进入21世纪后两者未显示出明显相关性。
图7 不同ENSO事件下生成热带气旋和登陆中国热带气旋的频数变化及其与ENSO的小波相干谱

Fig. 7 Frequency variations of generating and landing tropical cyclones over China under different ENSO events and wavelet coherence spectra of those with ENSO

图8a~8b展示了伴随着PDO指数暖、冷位相的转换，热带气旋生成和登陆中国的频数变化。PDO指数在1977年左右发生了一次突变，北太平洋海温在1976年以前处于冷位相阶段，此后20 a暖位相占主导地位。在PDO处于暖位相时，热带气旋年均生成频数为30.64个，小于冷位相年份的34.32个，两者呈显著负相关关系（R=-0.27、p<0.05）。这说明PDO在一定程度上影响着热带气旋的生成频数，即当PDO处于暖位相时，热带气旋频数较少，而处于冷位相时则较多。登陆中国热带气旋频数对PDO位相变化的响应亦有相似规律，在暖位相年均登陆数量为8.18个，小于冷位相年份的9.39个。1966—1985年热带气旋生成频数与PDO指数在准2~5 a尺度上呈显著的负相关关系（图8c），PDO在1967—1975年、1985—2001年和2006—2016年3个时间段对登陆热带气旋频数具有较为显著的影响（图8d），在其他时间段共振能量较弱，只有零星区域通过显著性检验。
图8 不同PDO事件下生成热带气旋和登陆中国热带气旋的频数变化及其与PDO的小波相干谱

Fig. 8 Frequency variations of generating and landing tropical cyclones over China under different PDO events and wavelet coherence spectra of those with PDO

4.2 ENSO和PDO对登陆热带气旋强度的影响

登陆热带气旋生命期最大风速与Niño 3.4指数虽没有显著相关性（图9a），但厄尔尼诺年热带气旋的最大风速整体上要大于拉尼娜年，前者比后者高出13.1%，这表明在厄尔尼诺年发生的热带气旋强度等级相对更高。热带气旋登陆时刻风速与Niño 3.4指数的关系更为复杂，在整个研究时段两者正相关与负相关交替出现（图9b），表明ENSO对热带气旋登陆时刻强度的影响相对较弱。小波相干分析结果显示ENSO与热带气旋风速在几个共振周期高能量区均呈现正相关关系（图9c~9d），1965—2010年ENSO与热带气旋生命期最大风速之间基本都存在相同的共振周期，而登陆时刻风速与ENSO之间的共振周期并不连续。
图9 不同ENSO事件下热带气旋最大风速和登陆风速的变化及其与ENSO的小波相干谱

Fig. 9 Variations of tropical cyclone maximum wind speed and landing wind speed under different ENSO events and wavelet coherence spectrum of those with ENSO

登陆热带气旋生命期最大风速、登陆时刻风速与PDO指数间亦未表现出显著的线性关系（图10a~10b）。20世纪70年代末，热带气旋最大风速随着PDO转为暖位相而有所减弱，在此之后最大风速和登陆风速均会随位相转变而发生变化，2000年以前PDO冷位相时期的平均风速整体要稍大于暖位相时期。然而这种关联在进入21世纪后发生了变化，PDO暖位相时期的热带气旋风速较冷位相时期相对更强。结合小波相干分析结果发现，PDO指数与最大风速、登陆风速在1960年以前和21世纪后有相同的共振周期，21世纪后PDO转为正向影响热带气旋风速（图10c~10d）。研究发现，PDO冷、暖位相在21世纪初交替出现，而风速与PDO之间相关性的变化也是从2000年以后开始的，位相的快速转变可能是导致热带气旋强度和PDO之间关系变化的原因。
图10 不同PDO事件下热带气旋最大风速和登陆风速的变化及其与PDO的小波相干谱

Fig. 10 Variation of tropical cyclone maximum wind speed and landing wind speed under different PDO events and wavelet coherence spectrum of those and PDO

4.3 ENSO、PDO对登陆热带气旋生成位置的影响

通过分析不同ENSO事件下登陆热带气旋生成位置的空间分布发现（图11a），厄尔尼诺年热带气旋的生成位置相比拉尼娜年整体上偏东4.7个经度、偏南1.1个纬度，而生成位置更加偏向东南意味着热带气旋需要在温暖的海洋上传播更长的时间、运行更远的路径才可能登陆中国，这可能是厄尔尼诺年登陆中国热带气旋强度较大但频数偏少的主要原因。小波相干分析结果也验证了Niño 3.4指数对登陆热带气旋生成位置的纬度具有负向影响，而对生成位置的经度有正向影响。在1967—1974年、1981—1990年和1990—2010年3个时间段，ENSO均与热带气旋生成纬度有着不同尺度的共振周期，两者具有显著的负相关关系，而在生成经度上，1981年至今都和ENSO之间存在正相关。
图11 不同ENSO和PDO事件下热带气旋生成位置

Fig. 11 Generating positions of tropical cyclones under different events of ENSO and PDO

相比PDO冷位相时期，在暖位相阶段登陆中国的热带气旋生成位置整体略偏西（图11b），这可能是由于当PDO处于冷位相时，西北太平洋副热带高压强度较弱，副高中心向东向北移动，从而影响热带气旋生成位置偏东，暖位相则相反。小波相干分析结果显示PDO指数与热带气旋生成位置的纬度存在负相关关系，与经度呈正相关，但由于两者共振周期较短且不连续，因此从总体上看PDO对热带气旋生成位置的影响并不明显。

5 结论与讨论

5.1 结论

本文基于中国气象局热带气旋资料，采用线性拟合、M-K检验、重心—标准差椭圆、核密度分析和小波分析等方法，进一步明确了1949年以来登陆中国热带气旋的长期特征及变化趋势，并结合相关分析法和小波相干法探讨了ENSO、PDO与登陆热带气旋活动之间的关系。主要结论如下：
（1）1949—2022年共有655场热带气旋登陆中国，登陆频数年际间差异较大，整体上呈显著下降趋势，但登陆数量占西北太平洋生成热带气旋总数的比例在增加。热带气旋登陆主要集中在7-9月，其中8月份最多，夏秋两季登陆热带气旋占全年总数的96.8%。进入21世纪后首次和末次登陆日期分别有所提前和推迟，台风季也随之显著延长。强度变化方面，TD等级登陆频数呈减少趋势，进入21世纪以后台风及以上等级热带气旋的登陆占比明显增多。
（2）热带气旋登陆点的纬度集中在18°N~25°N，在30°N以北，登陆热带气旋频数很少；从登陆纬度变化上看，总体上越往南频数减少速率越快。登陆热带气旋生成位置分布广泛且不均匀，高发区主要集中在中国南海北部、菲律宾东部和塞班岛及马里亚纳群岛周围海域，生成位置重心向西北方向移动明显，2010—2022年相比1949—1969年生成源地重心西移了4.5个经度、北移了2.0个纬度。登陆热带气旋从生成到登陆的距离和时间均呈现出显著缩短的趋势。
（3）ENSO对热带气旋的数量、强度及生成位置等特征具有明显影响，厄尔尼诺年西北太平洋热带气旋生成频率和登陆中国频数较正常年份偏少，但强度相对较高。与厄尔尼诺年相比，拉尼娜年登陆热带气旋的生成位置更加偏向西北。PDO也对热带气旋的活动产生一定影响，在冷位相阶段，热带气旋的生成和登陆频数要高于暖位相，生成位置更加偏东。

5.2 讨论

全球变化背景下，登陆热带气旋变得更加强烈[15]，高致灾热带气旋的比例明显增加，未来沿海地区将面临更严重的台风灾害风险[5]。本文发现，近年来登陆中国热带气旋的频数、强度、登陆点和生成位置等特征发生了显著变化。热带气旋登陆频数显著下降一定程度上归因于20世纪90年代中期以来西北太平洋生成热带气旋数量正处于低频期。全球变暖使得西北太平洋热带气旋向中东太平洋偏移，从而导致西北太平洋热带气旋数量减少[21]。同时研究发现，每年登陆中国热带气旋占生成总数的比例以及高强度等级热带气旋的占比呈上升趋势，这与Guan等对于登陆东亚热带气旋长期变化的研究结论一致[41]。Wang等认为近年来热带气旋强度增大主要是由海洋变暖引起的，伴随着全球海温升高，热带气旋可以从温暖的洋面获取更多热量而不断增强[33]，而未来登陆中国热带气旋的平均强度很可能会继续增加[42]。登陆中国热带气旋登陆点的纬度变化也存在一定年代际规律，陆晓婕等指出西北太平洋副热带高压的位置和强度变化是引起登陆点位置移动的主要原因之一，当副高中心向东北移动且强度偏弱时，热带气旋登陆点偏北，反之登陆点偏南[23]。近些年登陆中国低纬度地区热带气旋的频数有明显减少趋势，可能与西北太平洋热带气旋的登陆位置逐渐北移有关[43]。同时西北太平洋热带气旋达到最大强度的位置也有向北移动的趋势[44]，这意味着中国中高纬度地区面临的台风灾害风险可能比以往更加严峻。此外，登陆中国热带气旋生成位置显著地向西北方向移动也应引起关注和重视，Choi等也发现自1998年以来，西北太平洋热带气旋的生成位置有西移趋势[45]，但未分析纬向变化。生成位置更加靠近中国会使得热带气旋从生成到登陆成害的时间大幅缩短，研究期间热带气旋从生成到登陆中国的平均距离和时间均具有显著减少的趋势，这对沿海地区的备灾与预警提出了更高要求。
尽管已有研究未发现热带气旋活动与ENSO之间存在显著的线性相关[46]，但本文结果表明西北太平洋生成和登陆中国的热带气旋频数在发生不同ENSO事件时明显不同，其原因是当处于厄尔尼诺年，影响热带气旋生成的赤道辐合带相对不活跃，从而形成不利于热带气旋生成的环境条件，造成厄尔尼诺年热带气旋频数较拉尼娜年偏少的现象[23]。相比频数，ENSO对于热带气旋强度尤其是登陆热带气旋强度的影响并不显著，虽然数据上显示厄尔尼诺年生成的热带气旋强度相对更大，但影响热带气旋生成和热带气旋强度的因素很可能并不相同。Frank等[47]指出较强的热带气旋往往在各海盆间表现出更高的相关性，与ENSO的关系更强，这也表明控制热带气旋生成数量的因素与最终决定热带气旋强度的因素在重要程度上存在差别。在生成位置上，本文对于在厄尔尼诺年热带气旋生成位置偏东偏南的结论与以往研究观点一致[36]。但实际上ENSO现象非常复杂，全球变暖背景下ENSO对气候系统的影响明显增强，同样振幅的ENSO能导致更大幅度大气环流、气温和降水异常变化，这表明未来ENSO事件可能会造成更大的气候灾害[48]，对热带气旋活动的影响也会更加强烈。另一方面，西北太平洋热带气旋积累的能量移动也可显著影响ENSO的强度变化，前者可通过大气环流、海洋过程等途径影响后者[46]。因此，ENSO未来如何发展及其对热带气旋活动的具体影响，仍需进一步深入研究。
PDO虽与ENSO都是以海温为基础的模态，但两者在时间尺度上却有很大差别，ENSO事件往往持续1 a左右，而PDO的特征可能会持续长达30 a[9]。本文发现在PDO暖位相时，热带气旋频数明显比冷位相要低，Wang等[28]的研究也表明热带气旋频数的变化与PDO位相转变密切相关。PDO的冷位相通常对应着西北太平洋海温异常升高，而海洋表层温度异常可能会通过热力交换影响海气相互作用，从而对热带气旋强度造成一定影响。然而本文并没有发现PDO指数与热带气旋强度之间存在显著相关性，这一方面说明PDO和热带气旋活动之间的关系非常复杂，另一方面可能是由于PDO是一种长期的海洋大气气候变化模式，而本文分析的时间覆盖范围较为有限[49]。生成位置方面，登陆热带气旋源地在PDO暖位相时期略微偏西，距离中国更近。Wang等[30]的研究同样关注到了这点，热带气旋生成位置的改变导致平移距离的变化，而热带气旋平移距离的突变点与PDO位相转换时间一致。
本文仍存在以下不足之处，尚需进一步开展相关研究。① 本文的研究对象只包括在中国登陆的热带气旋，有些未登陆但对中国造成较大影响的热带气旋并没有被统计在内；② 在影响因素方面，仅选取了对热带气旋活动影响较大的ENSO和PDO进行分析，其他如太阳活动、气溶胶和大西洋多年代际振荡（AMO）等因素对热带气旋活动的调节作用并未涉及；③ 热带气旋的时空特征变化非常复杂，会同时受到多种因素的共同影响，而这些影响因素间也存在交互作用，如PDO可以通过改变热带太平洋的气候背景态来影响ENSO的振幅、频率等特征，另一方面，ENSO也能够在一定时间尺度上调制PDO强度。因此热带气旋活动变化也可能取决于各因素间的交互作用，未来需要更多研究来充分理解这些因素对热带气旋活动的影响机制。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Hu L, Wen T, Shao Y, et al. Economic impacts of tropical cyclone-induced multiple hazards in China. Earth's Future, 2023, 11(9): e2023EF003622. DOI: 10.1029/2023EF003622.

[2]
Jing R Z, Heft-Neal S, Chavas D R, et al. Global population profile of tropical cyclone exposure from 2002 to 2019. Nature, 2024, 626(7999): 549-554.

[3]
Pan Wei, Man Zhimin, Liu Dawei, et al. The changing of Chinese coastal typhoon frequency based on historical documents, 1644-1911AD. Geographical Research, 2014, 33(11): 2195-2204.

[潘威, 满志敏, 刘大伟, 等. 1644—1911年中国华东与华南沿海台风入境频率. 地理研究, 2014, 33(11): 2195-2204.]

DOI

[4]
Su Zhaohui, Fang Weihua. Analysis of tropical cyclone exposure changes in coastal areas of China from 1980 to 2015. Journal of Natural Disasters, 2023, 32(3): 102-117.

[苏朝晖, 方伟华. 1980—2015年中国沿海地区热带气旋暴露度变化分析. 自然灾害学报, 2023, 32(3): 102-117.]

[5]
Wu Shaohong. Research progress in climate change impact, risk, and adaptation: An interpretation of Part 2 of China's Fourth National Assessment Report on Climate Change. China Population, Resources and Environment, 2023, 33(1): 80-86.

[吴绍洪. 中国“气候变化的影响、风险与适应”研究进展: 中国《第四次气候变化国家评估报告·第二部分》解读. 中国人口·资源与环境, 2023, 33(1): 80-86.]

[6]
IPCC. Climate Change 2021: The Physical Science Basis. Cambridge: Cambridge University Press, 2021.

[7]
Bhardwaj P, Singh O. Climatological characteristics of Bay of Bengal tropical cyclones: 1972-2017. Theoretical and Applied Climatology, 2020, 139: 615-629.

[8]
Liu K S, Chan J C L. Recent increase in extreme intensity of tropical cyclones making landfall in South China. Climate Dynamics, 2020, 55(5/6): 1059-1074.

[9]
Cha Y M, Choi J W, Ahn J B. Interdecadal changes in the genesis activity of the first tropical cyclones over the Western North Pacific from 1979 to 2016. Climate Dynamics, 2023, 60(5/6): 1885-1906.

[10]
Chand S S, Walsh K J E, Camargo S J, et al. Declining tropical cyclone frequency under global warming. Nature Climate Change, 2022, 12(7): 655-661.

[11]
Kossin J P, Knapp K R, Olander T L, et al. Global increase in major tropical cyclone exceedance probability over the past four decades. PNAS, 2020, 117(22): 201920849. DOI: 10.1073/pnas.1920849117.

[12]
Yao Xiuping, Peng Siyue. Research progress and outlook of autumn tropical cyclones over western North Pacific. Journal of Marine Meteorology, 2023, 43(3): 1-8.

[姚秀萍, 彭思越. 秋季西北太平洋上热带气旋研究进展及展望. 海洋气象学报, 2023, 43(3): 1-8.]

[13]
He Shanfeng, Li Zheng, Chen Chaobing, et al. Evolution of landing typhoon characteristics and typhoon hazard in Hainan province of China. Progress in Geography, 2023, 42(7): 1355-1364.

DOI

[贺山峰, 李铮, 陈超冰, 等. 海南省登陆台风特征演变及其危险性分析. 地理科学进展, 2023, 42(7): 1355-1364.]

DOI

[14]
Yin Jie, Dai Erfu, Wu Shaohong, et al. A study on the relationship between typhoon intensity grade and disaster loss in China. Geographical Research, 2013, 32(2): 266-274.

[殷洁, 戴尔阜, 吴绍洪, 等. 中国台风强度等级与可能灾害损失标准研究. 地理研究, 2013, 32(2): 266-274.]

[15]
Mei W, Xie S P. Intensification of landfalling typhoons over the Northwest Pacific since the late 1970s. Nature Geoscience, 2016, 9(10): 753-757.

[16]
Li L, Chakraborty P. Slower decay of landfalling hurricanes in a warming world. Nature, 2020, 587(7833): 230-234.

[17]
Takagi H, Esteban M. Statistics of tropical cyclone landfalls in the Philippines: Unusual characteristics of 2013 Typhoon Haiyan. Natural Hazards, 2016, 80: 211-222.

[18]
Feng Lihua. Relationship between tropical cyclones landing in China and sea surface temperature in the Pacific. Acta Geographica Sinica, 2003, 58(2): 209-214.

DOI

[冯利华. 中国登陆热带气旋与太平洋海表温度的关系. 地理学报, 2003, 58(2): 209-214.]

[19]
Han Yansong, Jiang Wei, Xiao Yuwen, et al. Main change characteristics and influencing factors of tropical cyclones under the background of global change. Advances in Earth Science, 2023, 38(5): 515-532.

DOI

[韩岩松, 姜伟, 肖玉雯, 等. 全球变化背景下热带气旋主要变化特征及影响因素. 地球科学进展, 2023, 38(5): 515-532.]

DOI

[20]
Jin F F, Boucharel J, Lin I I. Eastern Pacific tropical cyclones intensified by El Niño delivery of subsurface ocean heat. Nature, 2014, 516(7529): 82-85.

[21]
Tan K X, Huang P, Liu F, et al. Simulated ENSO's impact on tropical cyclone genesis over the western North Pacific in CMIP 5 models and its changes under global warming. International Journal of Climatology, 2019, 39(8): 3668-3678.

[22]
Chand S S, Tory K J, McBride J L, et al. The different impact of positive-neutral and negative-neutral ENSO regimes on Australian tropical cyclones. Journal of Climate, 2013, 26(20): 8008-8016.

[23]
Lu Xiaojie, Dong Changming, Li Gang. Variations of typhoon frequency and landfall position in East China Sea from 1951 to 2015. Transactions of Atmospheric Sciences, 2018, 41(4): 433-440.

[陆晓婕, 董昌明, 李刚. 1951—2015年进入东海的台风频数及登陆点的变化. 大气科学学报, 2018, 41(4): 433-440.]

[24]
Corporal-Lodangco I L, Leslie L M, Lamb P J. Impacts of ENSO on Philippine tropical cyclone activity. Journal of Climate, 2016, 29(5): 1877-1897.

[25]
Tong B, Wang X, Wang D, et al. A novel mechanism for extreme El Niño events: Interactions between tropical cyclones in the Western North Pacific and sea surface warming in the Eastern Tropical Pacific. Journal of Climate, 2023, 36(8): 2585-2601.

[26]
Wang Xiangjun, Li Qiusheng. Quantile regression analysis of interannual variation characteristics of landing tropical cyclones in China under the influence of ENSO events. Journal of Tropical Meteorology, 2022, 38(1): 11-22.

[王相军, 李秋胜. ENSO事件影响下登陆中国热带气旋年际变化特征的分位数回归分析. 热带气象学报, 2022, 38(1): 11-22.]

[27]
Girishkumar M S, Ravichandran M. The influences of ENSO on tropical cyclone activity in the Bay of Bengal during October-December. Journal of Geophysical Research: Oceans, 2012, 117: C02033. DOI: 10.1029/2011JC007417.

[28]
Wang H L, Wang C Z. What caused the increase of tropical cyclones in the western North Pacific during the period of 2011-2020? Climate Dynamics, 2023, 60(1/2): 165-177.

[29]
Lee M, Kim T, Cha D H, et al. How does Pacific decadal oscillation affect tropical cyclone activity over far East Asia? Geophysical Research Letters, 2021, 48(24): e2021GL096267. DOI: 10.1029/2021GL096267.

[30]
Wang L C, Gu X H, Slater L J, et al. Phase shifts of the PDO and AMO alter the translation distance of global tropical cyclones. Earth's Future, 2023, 11(3): e2022EF003079. DOI: 10.1029/2022EF003079.

[31]
Zhou Mingzhu, Xu Jing. Covariation relationship between tropical cyclone intensity and size change over the Northwest Pacific. Journal of Applied Meteorological Science, 2023, 34(4): 463-474.

[周明珠, 徐晶. 西北太平洋热带气旋强度和尺度协同变化特征. 应用气象学报, 2023, 34(4): 463-474.]

[32]
Qian Y T, Hsu P C, Murakami H, et al. Intraseasonal variability of anticyclonic Rossby wave breaking and its impact on tropical cyclone activity over the western North Pacific. Journal of Climate, 2024, 37(1): 179-197.

[33]
Wang G H, Wu L W, Mei W, et al. Ocean currents show global intensification of weak tropical cyclones. Nature, 2022, 611(7936): 496-500.

[34]
Nayak S, Takemi T. Statistical analysis of the characteristics of typhoons approaching Japan from 2006 to 2019. Geomatics, Natural Hazards and Risk, 2023, 14(1): 2208722. DOI: 10.1080/19475705.2023.2208722.

[35]
Lu X Q, Yu H, Ying M, et al. Western North Pacific tropical cyclone database created by the China Meteorological Administration. Advances in Atmospheric Sciences, 2021, 38(4): 690-699.

[36]
Gu Chenglin, Kang Jiancheng, Yan Guodong, et al. Variation characteristics of tropical cyclones making landfall over China during 1951-2015 and its relationship with the ENSO. Journal of Catastrophology, 2018, 33(4): 129-134, 140.

[顾成林, 康建成, 闫国东, 等. 1951—2015年登陆中国热带气旋的时空变化特征及与ENSO的关系. 灾害学, 2018, 33(4): 129-134, 140.]

[37]
Zhao Zuoquan. Spatial Pattern Statistics and Spatial Economic Analysis. Beijing: Science Press, 2014.

[赵作权. 空间格局统计与空间经济分析. 北京: 科学出版社, 2014.]

[38]
Xu Zening, Gao Xiaolu. A novel method for identifying the boundary of urban built-up areas with POI data. Acta Geographica Sinica, 2016, 71(6): 928-939.

DOI

[许泽宁, 高晓路. 基于电子地图兴趣点的城市建成区边界识别方法. 地理学报, 2016, 71(6): 928-939.]

DOI

[39]
Torrence C, Compo G P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society, 1998, 79(1): 61-78.

[40]
Grinsted A, Moore J C, Jevrejeva S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566.

[41]
Guan S D, Li S Q, Hou Y J, et al. Increasing threat of landfalling typhoons in the western North Pacific between 1974 and 2013. International Journal of Applied Earth Observation and Geoinformation, 2018, 68: 279-286.

[42]
Nie Xinyu, Tan Hongjian, Cai Rongshuo, et al. Projection of the tropical cyclones landing in China in the future based on regional climate model. Climate Change Research, 2023, 19(1): 23-37.

[聂心宇, 谭红建, 蔡榕硕, 等. 利用区域气候模式预估未来登陆中国热带气旋活动. 气候变化研究进展, 2023, 19(1): 23-37.]

[43]
Chen T, Chen S M, Zhou M S, et al. Northward shift in landfall locations of tropical cyclones over the Western North Pacific during the last four decades. Advances in Atmospheric Sciences, 2022, 39(2): 304-319.

[44]
Kossin J P, Emanuel K A, Vecchi G A. The poleward migration of the location of tropical cyclone maximum intensity. Nature, 2014, 509(7500): 349-352.

[45]
Choi J W, Seo K H. Interdecadal variation of tropical cyclone genesis longitudes over the western North Pacific. Climate Dynamics, 2024, 62(5): 3965-3975.

[46]
Wang Q Y, Li J P, Jin F F, et al. Tropical cyclones act to intensify El Niño. Nature Communications, 2019, 10(1): 3793. DOI: 10.1038/s41467-019-11720-w.

[47]
Frank W M, Young G S. The interannual variability of tropical cyclones. Monthly Weather Review, 2007, 135(10): 3587-3598.

[48]
Hu K M, Huang G, Huang P, et al. Intensification of El Niño-induced atmospheric anomalies under greenhouse warming. Nature Geoscience, 2021, 14(6): 377-382.

[49]
Basconcillo J, Moon I J. Increasing activity of tropical cyclones in East Asia during the mature boreal autumn linked to long-term climate variability. NPJ Climate and Atmospheric Science, 2022, 5(1): e4. DOI: 10.1038/s41612-021-00222-6.

Options
文章导航

/

〈 〉