基于“葵花8号”气象卫星的陇东南地区强对流识别跟踪技术研究

2022-02-03王小龙李映春邓卓雅王秀花

沙漠与绿洲气象 2022年5期

王小龙，王彤*，李映春，李娟，邓卓雅，王秀花，谢蕊，安斌

（1.天水市气象局，甘肃天水 741000；2.麦积区气象局，甘肃天水 741020）

强对流天气是导致气象灾害的重要天气类型[1]。近年来，全球变暖，天气气候异常，强对流天气频发，经常造成重大财产损失和人员伤亡[2]。例如，2010年8月8日，由强降水引发的舟曲特大山洪泥石流地质灾害，导致1478人遇难，287人失踪；2007年，甘肃省86个县（区）中，有38个县（区）的230个乡镇出现了冰雹灾害，发生冰雹灾害共计85次，农作物受灾面积累积超过14万hm2。随着我国经济的快速发展，强对流天气造成的危害和损失在不断增加，研究强对流天气的监测、预报预警技术，对于防灾减灾工作意义重大。

国内外学者对强对流天气进行了大量的研究，在强对流天气特征、形成机制以及可预报性等方面取得了许多成果[3-4]。我国学者对中国强对流的生成环境、组织形态、多普勒天气雷达回波特征以及临近预报、预警技术进行了研究，强对流天气业务预报能力得到显著提升，但仍需在分类强对流天气预报、预警技术方面更加深入细致的研究[1]。利用卫星遥感技术对强对流天气进行监测预警是目前国内外常用的技术手段之一[5-9]。费增坪等[10-14]在利用卫星云图资料对强对流天气进行识别追踪方面进行了一系列研究，取得了一定成果，但上述研究大多都是基于上一代气象卫星资料，时空分辨率较低，实用性有限。“葵花8号”是日本气象厅2014年底发射的新一代气象卫星，具有观测频次高、空间分辨率高、观测通道多、卫星辐射计性能先进等特点。周鉴本等[15-16]率先在国内对其展开了大气向量研究及冰雪侦测试验，也有学者将其应用于暴雨、气溶胶及雾霾等方面的研究[17-19]，然而利用该卫星对强对流天气进行识别及追踪的相关研究较少。

因此，本文利用2016年陇东南地区出现的43次强对流天气过程和“葵花8号”气象卫星资料，对强对流天气的识别、动态跟踪及预报方法展开研究，以期为甘肃省强对流天气监测预报预警提供技术参考。

1 资料和处理

选取甘肃省兰州、临夏、定西、庆阳及天水2016年4—9月强对流天气实况资料，共建立个例样本43个，统计出强对流云团64个，强对流点200个，其中包含短时强降水点（1 h降水量≥20 mm）142个，一般性冰雹点（冰雹直径＜2 cm）50个，强降雹点（冰雹直径≥2 cm）8个。利用“葵花8号”气象卫星资料，选择对应时次B08通道（中心波长6.2 μm）、B13通道（中心波长10.4 μm）、B16通道（中心波长13.3 μm）观测数据（选取资料范围为32.5°～37.5°N，102.0°～109.0°E）进行样本分析。

2 强对流云团的识别

2.1 云顶亮温

由于发展旺盛的强对流云团具有更高的上升高度和更低的云顶亮温（TBB）。统计样本中强对流天气发生区域的TBB值特征，建立强对流识别指标，再对其进行回代检验，可以初步建立识别阈值并过滤掉非强对流云团。通过计算发现，在10.4 μm通道，陇东南出现短时强降水的强对流云团云顶TBB平均值为222 K，当TBB阈值为≤238 K时，可有效识别出样本中80.3%的强对流云团（表1）。冰雹发生区域云顶TBB平均值为228 K，当TBB阈值为≤238 K时，可有效识别出44.8%的冰雹云云团（表2）。

表1 2016年4—9月陇东南短时强降水云团TBB阈值识别

表2 2016年4—9月陇东南冰雹云团TBB阈值识别

2.2 多通道差

卫星6.2～10.4 μm通道亮温差可以指示已经穿透对流层顶的对流云顶，其亮温差负值区对应云顶超过对流层顶的云团区域，统计分析个例云团中多通道差分布，可以有效识别对流云[20]。

选取不同通道的亮温差对样本云团进行回代识别检验，当识别指标分别为△TBB＜0 K、△TBB≤-5 K、△TBB≤-10 K、△TBB≤-15 K时，可有效识别出的短时强降水对流个例（点数）依次为65.5%、29.6%、21.1%、16.2%（表3），可有效识别出的冰雹对流个例（点数）依次为86.2%、60.3%、48.3%、44.8%（表4）。

表3 2016年4—9月陇东南短时强降水云团6.2～10.4 μm亮温差阈值识别

表4 2016年4—9月陇东南冰雹云团6.2～10.4 μm亮温差阈值识别

2.3 双阈值检测

双阈值识别法具有很好的互补性，可以有效识别单一阈值不能识别出的强对流云团，提高识别率。

采用B13通道（10.4 μm）TBB≤238 K或6.2-10.4 μm亮温差△TBB＜0 K双阈值作为“葵花8号”卫星资料的强对流云团识别指标，可以识别出样本中全部的强对流天气云团（表5）。

表5 2016年4—9月陇东南短时强降水云团双阈值识别

3 强对流云团边界的提取

使用双阈值法可有效识别出强对流云团，但要确定强对流云团的大小、范围及其位置，还需要对强对流云团边界使用技术手段进行提取。本文借鉴较为成熟的“逆向搜索法”[21-23]对强对流云团边界进行识别。根据识别阈值，从左下角第一个边界点开始，定义初始的搜索方向为沿右上方，如果右上方的点是强对流云团点，则为边界点，否则搜索方向顺时针旋转45°，直到找到第一个强对流云团点为止。然后以这个点为新的边界点，在当前搜索方向的基础上逆时针旋转90°，继续用同样的方法搜索下一个云团点，直到返回最初的边界点。

在云图数据处理过程中，由于实际的红外云图的云顶并非理想的等值面，在云图边界点搜索过程中不可避免的出现断点。因此，本文对云图进行两次平滑滤波处理（九点平滑）。

对提取到的边界点进行处理，连接符合阈值的点，完成云团边界提取。通过边缘提取，使强对流云团边缘光滑，同时可以过滤掉微小云块的影响，便于跟踪计算（图1）。

图1 使用“逆向搜索法”提取的陇东南地区强对流云团边界（2018年6月9日16：30）

4 强对流云团的自动追踪

云团的发展过程经常会发生合并、分裂现象，在不同时次的云图上云团的匹配不具有唯一性。云团位置的跟踪首先要判断不同时次的两块云团是否为同一云团。本项目沿用目前国内云图追踪常用的“面积重叠法”[24-25]对不同时次的同一云团进行匹配跟踪，即相邻时次的两块云团的重叠度越大，则它们为同一云团的可能性越大。云团重叠度又和卫星扫描时间间隔密切相关，葵花8号扫描时间间隔缩短到10 min，重叠度较以往风云卫星有明显提高。

设N（t）、M（t+1）分别表示t、t+1时刻的云团范围，则2个时刻同一云团重叠率可以表达为：

识别强对流云团是为了对其未来发展作出预测，根据对某一云团多个时次移动规律的跟踪，推演下一时刻该云团所处位置，从而确定强对流天气发生的区域。

使用面积重叠法匹配出强对流云团位置变化后，用强对流云团内所含像素点的总数表征其面积，运用以下公式对云团重心[21]进行计算：

其中x（i），y（i）为象素点的云图网格坐标，G（i）为该象素点的灰度值。采用灰度值的优点为：发展更高的云顶具有更大的灰度值，越大的灰度值在云团重心计算中占据更大的比重[22]。

根据同一个强对流云团重心的变化，可以计算其移动的方位和单位时间移动量，从而实现下一时刻强对流云团位置的外推预报（图2）。

图2 2016年6月9日16：30—19：30逐小时强对流云团移动路径

5 强对流天气落区的判定

5.1 短时强降水落区的判定

借鉴Mecikalski J R等[26]有关利用卫星数据对强对流云团进行计算的思路，建立陇东南地区短时强降水落区判定指标。统计分析样本中出现短时强降水位置的云顶特征因子、云状因子及趋势因子等，建立阈值（表6），采用等权重投票法进行短时强降水落区判定，即：当投票数（Pi）≥6时（共7项），判断该点为短时强降水发生位置。

表6 陇东南地区短时强降水预报模型中的各因子及指标

5.2 冰雹落区的判定

冰雹云团较强降水云团具有更高的高度和更深的纹理，对样本中冰雹落区云图特征进行统计分析，发现可以将亮温梯度作为区分强降水云团和冰雹云团的物理量。采用3×3像素宽度计算云顶亮温梯度，其表达式为：

其中，T为云顶亮温，i，j为像素坐标。

陇东南地区10.4 μm通道亮温梯度G＞5且6.2～10.4 μm亮温差＜0 K的区域为冰雹易发点。

6 个例检验

6.1 个例检验1

以2018年6月10日19—21时天水强对流天气为例，对强对流云团进行识别、边界提取、路径跟踪、移动路径外推以及强对流天气落区预报检验图3~5。

图3 2018年6月10日19：00强对流云团识别及边界提取

2018年6月10日19—21时，天水市自北向南出现强对流天气，秦安县、甘谷县、武山县、麦积区、张家川县等乡镇相继出现冰雹天气。19时秦安县王铺、郭嘉、魏店最大冰雹直径约8 mm，持续时间约20 min；20时甘谷县八里湾、礼辛、金山最大冰雹直径7～8 mm，持续时间约4 min；20时40分武山县洛门镇、温泉镇、咀头镇最大冰雹直径约15 mm，持续时间约10 min。甘谷县、麦积区、秦州区部分乡镇出现短时强降水，最大小时雨量为麦积区肖王的30.4 mm。

利用双阈值法成功识别出强对流云团，利用“逆向搜索法”提取的强对流云团边界清晰可靠，路径跟踪准确，利用“面积重叠法”和云团重心计算的强对流云团移动方位准确；冰雹天气落区判别模型成功识别出秦安县、甘谷县、张家川县一带冰雹，但对武山县、麦积区一带冰雹空报，同时，冰雹实际出现时间也与识别到的时间存在偏差；短时强降水落区判别模型成功识别出秦州、甘谷、麦积一带短时强降水，但对秦安、张家川、清水一带空报，短时强降水实际发生时间也与识别出的时间存在一定偏差。

6.1 个例检验2

对2018年7月10日14—20时陇东南地区发生的一次区域性短时强降水过程进行强对流云团识别及位置追踪检验，发现建立的双阈值指标和追踪方法并不能有效对其进行识别和位置追踪。经过对云图资料研判分析后发现，此次强对流过程为暖云性降水，云顶温度较高，同时强对流云团发展高度相对较低，导致建立的统计指标不能对其有效识别。由此可见，本文建立的双阈值指标并不能有效识别和追踪云顶温度较高且垂直发展高度不高的强对流云团。

“双阈值法”能够成功识别出陇东南地区绝大多数的强对流云团，但对少数一些云顶温度较高且垂直发展高度不高的对流云团存在无法识别的情况；利用“逆向搜索法”可以对强对流云团边界轮廓进行准确定位，利用“面积重叠法”和对云团重心的计算可以对强对流云团进行动态追踪及移动路径外推预报，但也存在对少数一些尺寸较小的强对流云团无法匹配和跟踪的情况。另外，建立的强天气落区判别模型对该地区强对流云团中短时强降水、冰雹天气易发点具有一定的判断能力，但是空报率偏高，强天气实际出现时间与预报时间也存在一定偏差。