基于FY2C数据的平均box方法预报对流初生

徐慧

（中国海洋大学 信息科学与工程学院，山东 青岛 266100）

我国强对流天气频发，常常导致重大人员伤亡和财产损失。比如，2005年6月10日下午，黑龙江宁安市沙兰镇沙兰河上游山区突降暴雨，导致包括103名学生、2名幼儿在内共117人遇难；2009年6月3、5和14日华东连续出现强对流天气，11月9日我们南方出现罕见强对流天气。

据统计，2001-2007年强对流灾害所造成的直接经济损失每年均在110亿元以上，占气象灾害全部损失的6%～15%；2009年强对流天气则是我国第3大气象灾害，仅次于干旱和暴雨洪涝。所以准确预报CI（Convective Initiation）是近年来国内外研究的热点之一。

世界气象组织（WMO）定义，短时预报（very short-range forecasting VSRF）是指0～12 h以内的天气预报。对流天气临近预报是指对未来0～2 h的对流天气系统及其所伴随的灾害性天气的发生、发展、演变和消亡的预报，也可以称当时的天气监测和2 h以内的简单外推预报为临近预报。

文中借鉴了由威斯康星大学提出的一种在日间和夜晚都可以使用的CI预报算法。对京津地区进行了试验，得出适用于京津地区强对流天气的预警方法。这种算法使用了“box averaging”的概念来计算红外通道的云顶冷却速率和云顶云类型趋势。 其中云顶云类型趋势是由NOAA/NESDIS 的 ABI（Advanced Baseline Imager）云算法工作组提出的。

1 数据集

1.1 卫星数据

本文所使用的卫星数据是FY2C红外云图资料和可见光云图资料，其中可见光云图资料只在后面提到的云掩膜算法和云分类算法中使用。FY2C云图的时间分辨率是30 min，空间分辨率是5 km，本文使用兰伯特投影显示预报结果。

1.2 云分类产品

云分类算法将每个风云云图像素分成以下几类：晴空、液态水、过冷液态水、混合相位、不透明冰、透明冰和多层冰云 （冰云是最高的云层）。Pavolonis和 Heidinger（2004）[1]和Pavolonis et al.（2005）[2]详细介绍了这些云类型的细节。Pavolonis 和 Heidinger（2004）和 Pavolonis et al.（2005）提出的只有日间云分类的方法已经改进为只使用红外通道，日间和夜晚独立在 Pavolonis（2010a）[3]中描述了理论，在 Pavolonis（2010b）[4]中讲述了算法细节。云分类算法依赖于之前的云掩膜算法，云掩膜算法用来确定哪一个像素里面有云。Heidinger（2010）[5]给出了云掩膜算法。云分类算法只用到了红外辐射，所以不依赖于太阳天顶角。

1.3 雷达数据

文中所使用的雷达数据取自于天津塘沽雷达站的中国新一代天气雷达（CINRAD）。雷达数据在本试验中的作用是对比和验证利用卫星数据预警强对流发生的结果。

2 算法描述

2.1 背景和意义

UWCI算法是用来预报不被冰云砧层和中层的云层覆盖的新发展起来的对流区域。UWCI算法的预报主要用来作为可操作预报器的决策支持工具，当然也可作另外的用途，包括同化成区域数值天气预报的模型或者其他基于模糊逻辑“专业的”天气系统。该算法捕捉从云垂直生长的第一个信号到云顶冻结成冰这个时间过程。当云顶冻结成冰时风暴已经成熟。生长的对流云充分冻结成冰时，算法就停止，因为该算法不用来预报成熟风暴或者风暴混合物的未来强度衰减过程。

2.2 算法细节

UWCI算法的基础依赖于叫box averaging的方法。box averaging的意思是在一个以关键像素为中心的小box内计算红外窗的平均亮温值及其时间差、云类特性。

该算法是基于每个像素为中心点的两个box的方法，其中两个box分别为7×7个像素和13×13个像素。每个像素的box内的平均亮温值是在小box内计算的。box内平均亮温值的计算是在由以下云类的像素内计算：水云、过冷水云、混合像素、卷云、重叠云和厚云。其中晴空像素应该去除是因为若包含晴空像素，则box内的平均亮温值就不是云的平均亮温值。只有云类像素才能被计算平均亮温值，因为在两次扫描之间，平均亮温值之差反映了云的垂直生长。由于地面温度的微小变化和box内含有可能的大块的晴空像素，所以包含晴空像素会减少两次扫描之间的差值。雾像素也应该被去除，是因为雾像素和正在垂直生长的对流云没有关系。

计算box内平均量温值时，小box内必须含有至少5%的 云像素，否则，此像素视为值丢失。需要5%的云是为了确保至少有一个红外像素对box内平均亮温值做过贡献。前后时间序列的平均亮温值之差就得到未过滤的云顶冷却速率（CTC：Cloud-top Cooling Rate）。其中未过滤的云顶冷却速率反映了两个大气运动现象：一是云的水平运动，二是云的垂直生长。由于云的水平对流，30min之前的小box内含有温暖的低云，而当前时刻可能含有冷的高云，当计算前后时间序列之差时，就产生了错误的云顶冷却速率。而垂直云增长，不会移出box的范围区域，当前后时间序列相减时，就表现出冷却速率。所以云顶冷却速率应该是只包含云的垂直生长信号。所以，该算法设计了一个CTC滤波器，滤除错误的云顶冷却速率。

CTC滤波器包含7个测试，详细请见文献[6]。如果一个像素不满足7个测试的任何一个，则丢弃这个像素的云顶冷却速率。图1为该算法的流程图。

未过滤的云顶冷却速率经过CTC滤波器后得到已过滤的CTC。以像素为中心点的小box内至少有五个像素的过滤的CTC的值小于等于-4.0 K，并且30 min前的在小box内的冰云像素要小于5%的区域就是预报CI的区域。

图1 算法流程图Fig.1 Algorithm flow chart

本文借鉴UWCI算法，通过对京津地区强对流天气的大量试验，将部分阈值修改如下：将云顶冷却速率滤波器的第三个测试的阈值修改为80%，预报CI的过滤CTC的值修改为-2 K。使用修改后的阈值，预报情况基本正确。

3 个例结果及其分析

2006年7月24日午后，在北京和天津的交界附近出现强对流天气，FY2C卫星和天津塘沽雷达完整观测到了该次天气过程。图2是CI预报前对卫星图像的处理，分别是云掩膜和云分类。本次云分类只分出了3类，分别为晴空、混合相云和冰冻云。原因可能为当前的个例不够具有典型代表性。图3为该日13:33BTC的CI预警结果。图2（a）中白色的区域为预警的30～45分钟之后将出现的CI。通过使用相同区域、同一时间段的雷达回波数据作为验证，可以发现在13:28BTC时刻，图3（b）中并未观测到任何风暴迹象（没有出现反射率因子大于35 dBZ的回波）。在30分钟后的图3（c）中，明显出现了一个小的风暴生成（椭圆区域），这表明图3（a）椭圆区域内的CI预警是正确的。但是，对图3（a）中矩形内的区域，CI的预警结果是虚假预报。

4 结 论

本文使用了文献[6]中提出的CI预警方法，对京津地区的强对流天气进行了试验，并根据试验的结果修改了部分指标的阈值。试验表明，经过阈值的适当修改，文献[6]中的方法也适用于京津地区的强对流形成的预警。

目前，该方法的虚警还较多，这可能与水汽条件不足，从而抑制了降水的生成有关。在未来研究工作中，需要针对具体情况进行深入的研究，以减少虚警。

图2 CI预报前的基础图像结果Fig.2 Basic image results before CI forecasted

图3 2006年7月24日CI预警结果Fig.3 CI forecasted on 24 July 2006

[1]Pavolonis M J，Heidinger A K.Daytime cloud overlap detection from AVHRR and VIIRS[J].J.Appl.Meteor.，2004（43）:762-778.

[2]Pavolonis M J ，Heidinger A K，Uttal T.Daytime global cloud typingfrom AVHRR andVIIRS:Algorithm description，validation，and comparisons[J].J.Atmos.Oceanic Technol.，2005（44）:804-826.

[3]Pavolonis M J.Advances in extracting cloud composition information from spaceborne infrared radiances:A robust alternative to brightness temperatures.Part I:Theory.J.Appl.Meteor.Climatol.，2010（49）:1992-2012.

[4]Pavolonis M J.ABI cloud type/phase algorithm theoretical basis document[R].NOAA/NESDIS/Center for Satellite Applications and Research（STAR），2010.

[5]Heidinger A K.ABI cloud mask algorithm theoretical basis document [R]. NOAA/NESDIS/Center for Satellite Applications and Research，2010.

[6]Sieglaff J M，Cronce L M，Feltz W F，et al.Nowcasting convective storm initiation using satellite-based box-averaged cloud-top cooling and cloud-type trends[J].Journal of Applied Meteorology and Climatology，2011:110-126.