吴晓京;朱小祥;毛紫阳;杨冰韵;黄小玉;王曦
【摘 要】提升灾害性对流天气的监测预警能力是短临天气预报的首要目标,但对流性降水在时间、空间上分布高度不均,观测难度大.卫星遥感监测降水的传统红外、水汽亮温判识方法,报警云团数量多,空报率高,指示意义不稳定,需要结合背景因素寻方法提炼卫星辐射观测中更多的内在隐含信息,建立云顶亮温与此类灾害天气间的联系.此文尝试使用FY-2气象卫星红外云图数据和逐时加密地面降水观测资料,通过追踪云团移动进而分类、提取参数,然后用模糊支持向量机(FSVM)方法建立地面观测雨强与云团特征动态演变间的机器学习数学关系,标识出有监测预警意义的云团和强降水中心,对检验地域和时间的卫星强降水云团检测识别率达80％左右.
【期刊名称】《山东气象》
【年(卷),期】2019(039)003
夏威夷果的功效与作用害处
【总页数】10页(P1-10)乐山大佛旅游攻略路线
【关键词】红外亮温;对流云团;识别追踪;模糊支持向量机
【作 者】吴晓京;朱小祥;毛紫阳;杨冰韵;黄小玉;王曦
【作者单位】峡江县公共资源交易网公告国家卫星气象中心,北京100081;山东省气象局,山东济南250031;国防科技大学数学与系统科学系,湖南长沙410073;国家卫星气象中心,北京100081;国家气象中心,北京100081;国家卫星气象中心,北京100081
【正文语种】中 文
【中图分类】P426.5
引言
对流性降水是夏季强降雨的主要形式，其分布范围广，突发性强，造成损失大，预警预报难度大。对流云团产生的强降雨和大风强度信息为气象灾害预警所必需。常规地面观测、天气雷达监测降雨会受到代表性、覆盖范围等因素限制[1]。作为宏观实时观测手段的气象卫星遥感能部分填补上述观测手段在监测和预警方面的不足，已业务运行的FY-2E/D/F/G/
H等多颗我国第一代以及去年投入使用的第二代FY-4A静止气象卫星已经形成了高时空密度的观测格点[2-3]，其红外观测对我国及周边天气的监测已能达到单星时间分辨率5～15 min，空间分辨率2～4 km，已基本具备了多星观测能力，达到min/km分辨率，有充分潜力提高强对流等高时空变化天气现象的监测预警水平。
气象卫星观测到的云顶低亮温通常表明有较高的降雨率，但同样云顶低亮温、形态类似的不同云团往往产生强度迥异的降水，在云团范围内降水分布也不同于其均一的云顶亮温特征，这与当前静止气象卫星主载荷(红外和可见光扫描辐射计等成像类光学仪器)观测气柱云雨层水滴和冰粒的能力不足有关。云顶部辐射亮温(black body temperature，TBB)和反射信息与云团造成的降水关系中的不确定性，源于云团所处天气系统类型、发展阶段以及季节、纬度、地形特征等较为复杂的背景影响因素，但这其中也有规律可循，例如：仅用云团顶部TBB估计降水会低估暖云顶、浅对流产生的大降雨以及中纬度锋面层状云降水，高估冷云顶非降水卷云造成的降水。大多数(75%)符合中尺度对流云团(mesoscale convective complex，MCC)标准的云团降水非对称[4]。暴雨区青睐暖湿空气供应更充足的云团赤道一侧[5]。降雨强度与云顶低亮温的相关性有纬度差异，热带地区好于中纬度[6]。生命史更长的有组织对流，一般比单个对流云团降水强等。
迄今对流云团卫星监测技术已发展多年，有代表性的方法和产品如：云团“生命史技术”[7]是按发展阶段给予云团差异降雨率的方法，其赋予迅速增长阶段云团逐渐接近峰值的降雨率，而当云团成长到极限后降雨率则大大减少；“云指数技术”或称“云区时间积分技术”[8]是以卫星反演的云分类类型的平均降雨率乘以持续时间而反演降雨强度的方法；“双通道反演技术”[9]目标是结合红外、可见光二者反演降雨的优势，但因可见光观测仅有半数时间可获取，证明其优势效果困难，却增加了算法复杂度；“最大相关空间跟踪法”[10]用连续观测中云团的红外亮温计算均值和方差、云团水平面积、周长、最小亮温、对流区域像元百分比、云团重心移动和云团分裂等指标，得到对流云团水平区域变化的空间相关性，是一种简单和较准确地跟踪对流云生命周期演变的技术。全球对流诊断产品[11]核心是以卫星6.7 μm水汽和11 μm红外通道亮温差确定深对流，用于对流天气预警。新一代静止气象卫星观测能力的提升使反演对流云团的方法和产品跨上了新台阶。FY-4A已经研发出对流初生检测、对流层顶折叠检测和闪电定位等对流天气监测预警产品[12]。使用葵花卫星(Himawari-8或Himawari-9)/AHI匹配地面雷电遥感观测，研发了快速发展积云区检测(RDCA)产品，可突出预警对流和强降雨高风险区域，还将由JMA Non-Hydrostatic Model(JMA-NHM)模拟对流尺度强降水演变以得到新识别标准，最终形成高级对流云识别产品[13]。为帮助预报
员诊断强劲对流云正在发展的位置，由GOES-16/ABI连续观测的红外通道亮温云顶冷却变化速率，形成了对流云顶冷却检测(cloud-top cooling detection，CTC)产品，并将以其中卫星反演的云增长强度与NEXRAD观测的风暴强度对比，用于短临的预警[14]。GOES-16/ABI的上冲云顶识别(overshooting top detection，OTD)产品，以红外亮温低于数值天气预报对流层顶高度温度的云团区域为候选上冲云顶(overshooting top，OT)，在OT大约8 km半径卷云砧中计算平均亮温(brightness temperature，BT)，再由MODIS和AVHRR的经验OT和“增强V”风暴阈值最终确定OT区域[14]。
重庆自驾游十大景点排行榜
星载大气垂直探测能力的增强为提升卫星反演产品质量提供了新资源[15]，近年来国际上重视利用星载云雷达CloudSat/CPR等垂直云参数观测以提高气象卫星光学载荷观测反演OT的精度[16]。为FY-2观测提供云团预警的依据，用 CloudSat和CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)反演云高等参数和FY-2E 反演的对流系统面积、活跃性对流比、偏心率、最低亮温、平均亮温梯度等云团特征，获得了分纬度、季节、海陆分布的中国区域深对流和穿透性对流特征指标[17]，正在尝试用于改进业务。
随着AI(人工智能)、大数据等新技术应用崛起，提取卫星遥感对流云团降水特征有了新的技术可能。人工神经网络模式识别已经用于卫星云图估计降水多年[18]。新技术方法，例如此文使用的模糊支持向量机(fuzzy support vector machines，FSVM)，原是将噪声或野点与有效样本区分开的数学方法[19]，现已经成功应用在模式识别、图像分类和预测等实效工作领域。此文探索将其用于结合提炼为算法的主观认知，以得到有价值但难定量描述的卫星云团降水监测预警信息。
1 资料与方法
1.1 资料的选取
为使研究目标与观测能力相宜，选取了逐时FY-2E 红外1(IR1-中心波长10.7 μm)数据。FY-2的长波红外IR1(探测波长范围：10.3～11.3 μm)和IR2(探测波长范围：11.5～12.5 μm)的探测性能可靠，数据质量稳定，在FY-2C/D/E/F/G/H卫星上均有一致表现，因此文中的算法在FY-2其他卫星均可适用。FY-2红外通道星下点5 km的分辨率，符合监测α中尺度、β中尺度、γ中尺度云团以及中尺度对流系统和中尺度对流复合体的需要[20]；红外通道不受日照因素影响，具有连续监测预警的优势。考虑地面降水测站的分布现状，此文选择我国中
东部为研究区域，其中站点分布如图1所示。对四川盆地附近进行单独检验。检验涉及国家气象中心实时预报业务数据库1 h逐时加密降水量观测资料。因仅记录有降水的测站，导致站数变化，试验期间(2010年7月1日00时—31日23时和2010年8月1日00时—10日23时)站数从672到3 367个不等。对降水资料进行了简单的质量控制，即对单站时空不连续突变性大降水予以剔除。
图1 我国中东部站点分布图Fig.1 Distribution of stations in middle and eastern China
1.2 研究方法
如前所述，以对流云团的红外亮温特征监测预警强降水，结果会因云团演变、地域、时间、季节等因素而产生差异，需要方法深入提炼其中的隐含信息。通过对历史云图资料与降雨观测的人工分析，发现发生强降雨的云团常出现在短时内剧烈变化的云团中，云团的迎风面(云团中的上游位置)和几个新生成的小云团合并为一个大云团后等。而从原来较大的云团独立出来的面积较小的云团，一般不会出现强降水等，这些都与云团生命史密切相关。为此设计了云团提取、分类标准，将当前时刻前的若干连续时次的云图视为一个整体，以云团为单位考察云团的生成及演变过程，使用机器学习的数学方法综合背景气象因
素和过程指标，以识别强降水云团和其中的强降水点。其技术方案如下所述。
九寨沟旅游景点攻略1.2.1 云团的提取方案
借鉴International Satellite Cloud Climatology Project(ISCCP)计算晴空亮温的方法[21]，计算“短时最高亮温图”，用以识别短时剧烈变化的云团。短时最高亮温图的获取方法是：取当前时刻之前的N张云图，计算每一位置的亮温最高值，合成为一张短时最高亮温图。以每半小时一张卫星图像计算，如果N取3，即：使用过去2 h内的三张图片计算最高亮温，表示过去2 h内各云团的基础亮温。图2a为当前时刻(8月1日00时)前三个时刻(即7月31日23:30，23:00，22:30)云图合成的短时最高亮温图。图2b为当前时刻(8月1日00时)云图与图2a做差得到的图像。
短时最高亮温图(图2a)所涉及到的数据时次较少，时间跨度小，因此并不是近似的“晴空亮温”图，而是短时内各云团的基本亮温。与当前云图做差后，一般可以将近期明显增强的云团标识出来(图2b)，也代表了云的时间变率。图中越白亮(亮温值越低)表示在过去2 h内该区域云量增加的越多，在这些区域产生强降水的可能性较大。使用图像分割算法(如此文使用的阈值法，设阈值为T1)，则将图2b的云团进行分割，识别出强降雨云团的备选区域(图2
青岛西海岸景点排行榜
c，蓝边界标识出备选云团)。
图2 2008年8月1日00时(UTC)前三个时刻合成短时最高亮温(a)、00时云图与图2a的差(b)和00时强降雨云团识别备选区域(c;蓝边界标识出备选云团)Fig.2 Cloud imagery of synthetic short-time maximum brightness temperature at 00:00 UTC on 1 August synthesized by brightness temperature at 23:30 UTC, 23:00 UTC, and 22:30 UTC on 31 July (a), difference between cloud imagery at 00:00 UTC on 1 and Fig.2a (b), and alternative area (blue boundary) of heavy rain cloud identification at 00:00 UTC on 1 (c) August 2008
1.2.2 云团追踪与分类思想
降水强弱与云团短时剧烈发展、云团合并、从大云团独立出的小云团(分裂)等随时间变化特征密切相关，在红外云图上表现为低亮温像元集合随时间出现、聚集、分散、扩展、缩小、消失等。
在前述备选云团区域中，通过追踪后分类提取出云团随时间变化的信息。其思想为：每一
时刻(相邻两个时刻)的红外数据通过前述云图提取方法使用T1阈值将云区分离出来，形成若干连通区域，再将每一连通云区分割为规则的方型网格单元，网格的最优尺寸控制在3×3。根据前后两个时刻的数据，对每个单元进行运动估计。所谓运动估计是出前一时刻中每一单元所代表的云团在后一时刻的位置，计算相对运动向量。优化的原则是整体误差最小，局部运动向量尽量一致。由每一单元的运动向量，可以拟合出整个云区的运动向量场，从而了解整个云区的运动规律。
按照生命史和演变特征的不同，将云团分为新生、生长变化、分裂、合并四种情况(简称“4大类”)。确定卫星观测到的这4大类云团动态特征的规则为：如果云图中上一时刻有两个强对流云团在下一时刻对应同一位置单元，则可认为产生了云团的合并；如果云图中上一时刻有某个强对流云团在下一时刻对应两个以上可能的单元，则可认为产生了云团的分裂；如果云图中下一时刻有“多余”的强对流云团，则可以初步认定为新生的云团，再考察其在再下一时刻的位置，从而判断是否确实是新生的云团；如果对上一时刻中每一个强对流云团，都能在下一时刻云图中到唯一对应的单元，则可判断为已有云团的生长变化，此过程中计算出每一强对流云团的运动参数。
