联合毫米波测云仪和全天空成像仪云分类方法

倾鹏程，陶法，胡树贞，朱舒曼，温强

（1.中山市气象局，广东中山 528400；2.中国气象局探测数据中心，北京 100081）

云是影响气候变化的重要因素，观测云的演变规律是揭示大气运动规律的重要手段，对提高天气预报准确率有重要意义。云的观测也是气象行业一直研究的重要课题，不仅影响天气预报的质量，同时对航空行业及国民经济领域都有重要研究意义［1］。在天气预报中，云的观测资料可以帮助判断天气现象，尤其是对于晴雨的判别；在航空行业，云的观测资料对于民用航空及军事演练和作战都有重要价值；在经济方面，云层带来的降水直接影响当地的农业生产。云的地面观测反映着大气的水汽条件、辐射和运动状态，特定的云状常伴随不同的天气情况，云的观测是不可或缺的因素［2］。

目前，云的观测暂时依靠天气现象智能观测仪实现，识别准确度和有效性都还需要考验。近几年，国内外学者普遍倾向于使用毫米波测云仪和全天空成像仪对云开展研究。毫米波测云仪在云的识别方面要优于激光云高仪［3］，全天空成像仪可以直观准确的完成部分云状的识别［4］。随着地面观测自动化的转变，人工目测识云的方法也将被器测识云所取代。为了保证观测数据的连贯性，在人工识云方法的基础上对器测云数据进行识别分类则显得既科学又必要［5］。本研究以中国气象局大气探测试验基地2017年Ka波段毫米波测云仪和全天空成像仪全年的采集数据为基础，尝试改进人工云识别的分类方法，形成一套适用于现有地基自动观测设备云分类的方法。

1 云分类的标准

科学有效的分类标准是研究的基础。目前的标准主要有3种：卫星云图的云分类、人工观测云分类、地基器测云分类。

卫星云图根据云的光学厚度和云顶气压，将云分成9类。人工观测主要通过气象观测员定时定点对天空中云的情况进行目测和分类，现在气象观测中主要采用的是世界气象组织（WMO）在1975年对云状标准的定义，将云按照3族、10属、29类的标准进行划分［6］。随着地基探测设备的发展和成熟，开始出现了一些器测云分类的标准。Buch等［7］把WSI云图分成高积云、卷云、层云、积云和晴空等5种天空类型；Singh等［8］把利用数字相机得到的图像区分为积云、浓积云、积雨云、晴空和其他云类共5种天空类型；Caibo等［9］把位于不同地区的TSI和WSC云图分为晴空、波状云、卷云、层状云和积状云5类；Peura［10］按照10属的标准进行了分类试验，由此可见，地基器测云分类的标准伴随探测设备的更迭而变化，因此，制定适合新型探测设备的分类标准是首要工作。

分类标准依照4大原则制定：大气代表性原则、观测可行性原则、历史继承性原则和可扩展性原则。大气代表性原则表明，层状云和积状云影响大气的稳定状态，是识别必须项，降水云和非降水云对降水天气有指导意义，也必须进行区分；观测可行性原则表明，卷云多伴随晴天，层积云和碎雨云伴有降水，需要进行区分；历史继承性原则表明，云的分类研究是从宏观云类识别到微观云类识别；可扩展性原则表明，利用探测设备协同配合将完成更准确真实的云分类识别［6］。基于上述研究，本研究将云分为层状云、对流云、高积云、积云、卷云、晴空5大类，如表1所示。

表1 地基器测云分类标准

2 识别分类方法

目前主要通过视觉图像对云状进行识别和分类。常用的观测设备有两种：一种为基于扫描的全天空成像系统；另一种为基于鱼眼镜头的全天空成像系统。基于扫描的全天空成像系统采用普通摄像头或者镜头，通过旋转云台1′12″的速率完成36张地基云图，摄像头易损坏设备稳定性差。鱼眼镜头的全天空成像系统具有极大视角和仰角，可以对天空全景进行一次性成像，但图像边缘的区域会发生一定畸变。针对这类问题，近几年许多学者通过灰度共生矩阵［11］、光谱相态特征［12］、Gabor滤波器［13］、小波分析方法［14］等识别方法对云图进行处理，提升云图的准确性。但云观测中，最重要的是地基云图像的特征提取，因此标准样本的选取就极为关键。

本研究数据来自安装在中国气象局大气探测试验基地相距不超过5 m的两台设备，分别是江苏无线电研究所生产的DUHI-ASI可见光成像仪和华腾微波生产的ka波段测云仪。选取两台设备2017年全年的有效采集数据开展研究。全天空成像仪负责基础数据的采集；毫米波测云仪负责提供协同观测数据。

近几年的研究表明，毫米波测云仪对比激光云高仪、全天空成像仪具有较强穿透力，受视程类障碍天气影响小的优势［3］。全天空成像仪的主要产品是云图信息，设置定时1 min对全天空进行1次成像；毫米波测云仪的主要产品是云底高、云顶高、云层厚度，设置每分钟得到一次采集信息，24 h不间断连续采集。

依据表1的分类标准，以全天空成像仪云图产品为基础，综合云的颜色、形态、排列、所占天空成数等特征信息进行人工分类，针对不确定分类项，提取同时间毫米波测云仪数据，补充云高、云层厚度及连续演变过程信息，完成最终分类识别。

3 易混淆云分类的提升

试验证明，通过融合毫米波测云仪和全天空成像仪两种数据，解决了全天空成像仪由于探测角度和探测频率限制，只能识别固定位置固定小区域的平面图形的问题，提升了分类效果。尤其是对于易混淆云体，如不同高度积云、对流云与层状云等。

对于积云的识别分类提升。积云是一种比较常见的云状，存在于不同高度，由于不同高度的形状纹理大致相同，很难从全天空成像仪上进行识别分类。如图1a和图1b所示，从全天空成像仪云图上只可以判断出当前云状为积云，对于是低层云还是中层云无法区分，当引入图1c和图1d对应时间毫米波测云仪产品后，可以明显区分出图1a属于低层积状云，高度在1 000 m以下；图1b属于高层积状云，高度在3 000 m以上。

图1 全天空成像仪（a、b）和毫米波测云仪（c、d）

对于对流云的识别提升。对流云常伴随不稳定的天气产生，多形成在降雨前后，此时天空以阴天为主，云量多为10或10-份，这和层状云的情况很接近。如图2a和图2b所示。从全天空成像仪看两者颜色纹理形态都基本一致，很难判断是否是对流云，当引入图2c和图2d的同时间毫米波测云仪产品后，可以明显区分出图2a属于对流云，图2b属于层积云，图中时间为北京时。

图2 全天空成像仪成像（a、b）和毫米波测云仪成像（c、d）

对于云状演变的识别提升。相比全天空测云仪的云图资料，毫米波测云仪还可以提供云的发生和演变信息，帮助区分具体的云状。如图3a所示，当日云层高度在上午08：00左右有明显变化，但从图3b到图3d却看不出明显的变化，这主要是由于天阴造成全天空测云仪成像效果不佳造成，此时毫米波测云仪却没有受到影响，完整的反映了云层的变化情况。通过融合两者的数据，可以综合反映出当日的云状演变情况。

图3 2017年1月5日毫米波测云仪（a）和2017年1月5日06：00（b）成像、08：00（c）、10：00（d）全天空成像仪成像

4 应用与分析

根据本研究的识别分类方法，最终识别到10 636个有效云样本，其中层状云2 677个、对流云393个、高积云1 114个、积状云1 624个、卷云4 828个。按照日期、时间、全天空成像仪云图、云雷达回波强度图以及其他地面气象要素，分类建立地基识云样本库，如图4所示。样本库已作为人工智能识云的学习样本，投入AI识云的研究应用中。

图4 地基识云样本库部分截图

通过选取特征样本对不同天气状况的探测效果进行对比，验证了本研究建立的云识别方法的可行性，在今后的研究和应用中都将具有指导价值。具体来说，本研究所建立的新的地基器测云分类标准，在成熟的人工识云基础上，更符合现阶段新型探测设备的探测特点，更好发挥设备的优势；为智能识云提供高质量的样本，识云样本库的特征样本是图像识别的重要基础数据，为今后自动化云观测及智慧气象带来帮助；结合特征样本对不同天气状况的探测效果进行对比的方法被验证有效，方法可推广应用到更多探测设备数据融合分析中。

5 结论

1）基于成熟的人工识云标准，结合现阶段地基器测云探测设备性能特点，遵循自动观测云分类标准的4大原则：大气代表性原则、观测可行性原则、历史继承性原则和可扩展性原则，得到新的地基器测云分类标准。

2）按照新的云分类标准，对全天空成像仪和毫米波测云仪云资料进行分类，建立识云样本库，其中层状云2 677张、对流云393张、高积云1 114张、积状云1 624张、卷云4 828张。

3）通过选取识云样本库中特征样本对不同天气状况的探测效果进行对比，研究得到全天空成像仪和毫米波测云仪在探测识别上的优劣势。具体来说，全天空成像仪的观测效果直接，受视程类障碍物的影响严重，毫米波测云仪受杂波干扰，影响识别准确度。

本研究基于探测设备协同观测的思路开展研究，相较于目前的云观测方法能够更好的发挥各类探测设备的优势，通过相互补盲的方式达到分类目的。同时，研究中建立的识云样本库将成为人工智能的学习样本，为智慧气象提供帮助。但是，由于分析数据有限，在代表性上还有所欠缺，部分样本可能不够准确，后期还需进行校准。本研究的分类方法通过验证被证实了可行性，随着探测设备性能的不断提升，特征样本的不断丰富，将会对云的自动化识别带来切实帮助，为预报预警应用提供可靠的资料和信息。