基于“葵花8號”氣象衛星的隴東南地區強對流識別跟蹤技術研究

王小龍，王 彤*，李映春，李 娟，鄧卓雅，王秀花，謝 蕊，安 斌

（1.天水市氣象局，甘肅 天水 741000；2.麥積區氣象局，甘肅 天水 741020）

強對流天氣是導致氣象災害的重要天氣類型[1]。近年來，全球變暖，天氣氣候異常，強對流天氣頻發，經常造成重大財產損失和人員傷亡[2]。例如，2010年8月8日，由強降水引發的舟曲特大山洪泥石流地質災害，導致1478人遇難，287人失蹤；2007年，甘肅省86個縣（區）中，有38個縣（區）的230個鄉鎮出現了冰雹災害，發生冰雹災害共計85次，農作物受災面積累積超過14萬hm2。隨著我國經濟的快速發展，強對流天氣造成的危害和損失在不斷增加，研究強對流天氣的監測、預報預警技術，對于防災減災工作意義重大。

國內外學者對強對流天氣進行了大量的研究，在強對流天氣特征、形成機制以及可預報性等方面取得了許多成果[3-4]。我國學者對中國強對流的生成環境、組織形態、多普勒天氣雷達回波特征以及臨近預報、預警技術進行了研究，強對流天氣業務預報能力得到顯著提升，但仍需在分類強對流天氣預報、預警技術方面更加深入細致的研究[1]。利用衛星遙感技術對強對流天氣進行監測預警是目前國內外常用的技術手段之一[5-9]。費增坪等[10-14]在利用衛星云圖資料對強對流天氣進行識別追蹤方面進行了一系列研究，取得了一定成果，但上述研究大多都是基于上一代氣象衛星資料，時空分辨率較低，實用性有限。“葵花8號”是日本氣象廳2014年底發射的新一代氣象衛星，具有觀測頻次高、空間分辨率高、觀測通道多、衛星輻射計性能先進等特點。周鑒本等[15-16]率先在國內對其展開了大氣向量研究及冰雪偵測試驗，也有學者將其應用于暴雨、氣溶膠及霧霾等方面的研究[17-19]，然而利用該衛星對強對流天氣進行識別及追蹤的相關研究較少。

因此，本文利用2016年隴東南地區出現的43次強對流天氣過程和“葵花8號”氣象衛星資料，對強對流天氣的識別、動態跟蹤及預報方法展開研究，以期為甘肅省強對流天氣監測預報預警提供技術參考。

1 資料和處理

選取甘肅省蘭州、臨夏、定西、慶陽及天水2016年4—9月強對流天氣實況資料，共建立個例樣本43個，統計出強對流云團64個，強對流點200個，其中包含短時強降水點（1 h降水量≥20 mm）142個，一般性冰雹點（冰雹直徑＜2 cm）50個，強降雹點（冰雹直徑≥2 cm）8個。利用“葵花8號”氣象衛星資料，選擇對應時次B08通道（中心波長6.2 μm）、B13通道（中心波長10.4 μm）、B16通道（中心波長13.3 μm）觀測數據（選取資料范圍為32.5°～37.5°N，102.0°～109.0°E）進行樣本分析。

2 強對流云團的識別

2.1 云頂亮溫

由于發展旺盛的強對流云團具有更高的上升高度和更低的云頂亮溫（TBB）。統計樣本中強對流天氣發生區域的TBB值特征，建立強對流識別指標，再對其進行回代檢驗，可以初步建立識別閾值并過濾掉非強對流云團。通過計算發現，在10.4 μm通道，隴東南出現短時強降水的強對流云團云頂TBB平均值為222 K，當TBB閾值為≤238 K時，可有效識別出樣本中80.3%的強對流云團（表1）。冰雹發生區域云頂TBB平均值為228 K，當TBB閾值為≤238 K時，可有效識別出44.8%的冰雹云云團（表2）。

表1 2016年4—9月隴東南短時強降水云團TBB閾值識別

表2 2016年4—9月隴東南冰雹云團TBB閾值識別

2.2 多通道差

衛星6.2～10.4 μm通道亮溫差可以指示已經穿透對流層頂的對流云頂，其亮溫差負值區對應云頂超過對流層頂的云團區域，統計分析個例云團中多通道差分布，可以有效識別對流云[20]。

選取不同通道的亮溫差對樣本云團進行回代識別檢驗，當識別指標分別為△TBB＜0 K、△TBB≤-5 K、△TBB≤-10 K、△TBB≤-15 K時，可有效識別出的短時強降水對流個例（點數）依次為65.5%、29.6%、21.1%、16.2%（表3），可有效識別出的冰雹對流個例（點數）依次為86.2%、60.3%、48.3%、44.8%（表4）。

表3 2016年4—9月隴東南短時強降水云團6.2～10.4 μm亮溫差閾值識別

表4 2016年4—9月隴東南冰雹云團6.2～10.4 μm亮溫差閾值識別

2.3 雙閾值檢測

雙閾值識別法具有很好的互補性，可以有效識別單一閾值不能識別出的強對流云團，提高識別率。

采用B13通道（10.4 μm）TBB≤238 K或6.2-10.4 μm亮溫差△TBB＜0 K雙閾值作為“葵花8號”衛星資料的強對流云團識別指標，可以識別出樣本中全部的強對流天氣云團（表5）。

表5 2016年4—9月隴東南短時強降水云團雙閾值識別

3 強對流云團邊界的提取

使用雙閾值法可有效識別出強對流云團，但要確定強對流云團的大小、范圍及其位置，還需要對強對流云團邊界使用技術手段進行提取。本文借鑒較為成熟的“逆向搜索法”[21-23]對強對流云團邊界進行識別。根據識別閾值，從左下角第一個邊界點開始，定義初始的搜索方向為沿右上方，如果右上方的點是強對流云團點，則為邊界點，否則搜索方向順時針旋轉45°，直到找到第一個強對流云團點為止。然后以這個點為新的邊界點，在當前搜索方向的基礎上逆時針旋轉90°，繼續用同樣的方法搜索下一個云團點，直到返回最初的邊界點。

在云圖數據處理過程中，由于實際的紅外云圖的云頂并非理想的等值面，在云圖邊界點搜索過程中不可避免的出現斷點。因此，本文對云圖進行兩次平滑濾波處理（九點平滑）。

對提取到的邊界點進行處理，連接符合閾值的點，完成云團邊界提取。通過邊緣提取，使強對流云團邊緣光滑，同時可以過濾掉微小云塊的影響，便于跟蹤計算（圖1）。

圖1 使用“逆向搜索法”提取的隴東南地區強對流云團邊界（2018年6月9日16：30）

4 強對流云團的自動追蹤

云團的發展過程經常會發生合并、分裂現象，在不同時次的云圖上云團的匹配不具有唯一性。云團位置的跟蹤首先要判斷不同時次的兩塊云團是否為同一云團。本項目沿用目前國內云圖追蹤常用的“面積重疊法”[24-25]對不同時次的同一云團進行匹配跟蹤，即相鄰時次的兩塊云團的重疊度越大，則它們為同一云團的可能性越大。云團重疊度又和衛星掃描時間間隔密切相關，葵花8號掃描時間間隔縮短到10 min，重疊度較以往風云衛星有明顯提高。

設N（t）、M（t+1）分別表示t、t+1時刻的云團范圍，則2個時刻同一云團重疊率可以表達為：

識別強對流云團是為了對其未來發展作出預測，根據對某一云團多個時次移動規律的跟蹤，推演下一時刻該云團所處位置，從而確定強對流天氣發生的區域。

使用面積重疊法匹配出強對流云團位置變化后，用強對流云團內所含像素點的總數表征其面積，運用以下公式對云團重心[21]進行計算：

其中x（i），y（i）為象素點的云圖網格坐標，G（i）為該象素點的灰度值。采用灰度值的優點為：發展更高的云頂具有更大的灰度值，越大的灰度值在云團重心計算中占據更大的比重[22]。

根據同一個強對流云團重心的變化，可以計算其移動的方位和單位時間移動量，從而實現下一時刻強對流云團位置的外推預報（圖2）。

圖2 2016年6月9日16：30—19：30逐小時強對流云團移動路徑

5 強對流天氣落區的判定

5.1 短時強降水落區的判定

借鑒Mecikalski J R等[26]有關利用衛星數據對強對流云團進行計算的思路，建立隴東南地區短時強降水落區判定指標。統計分析樣本中出現短時強降水位置的云頂特征因子、云狀因子及趨勢因子等，建立閾值（表6），采用等權重投票法進行短時強降水落區判定，即：當投票數（Pi）≥6時（共7項），判斷該點為短時強降水發生位置。

表6 隴東南地區短時強降水預報模型中的各因子及指標

5.2 冰雹落區的判定

冰雹云團較強降水云團具有更高的高度和更深的紋理，對樣本中冰雹落區云圖特征進行統計分析，發現可以將亮溫梯度作為區分強降水云團和冰雹云團的物理量。采用3×3像素寬度計算云頂亮溫梯度，其表達式為：

其中，T為云頂亮溫，i，j為像素坐標。

隴東南地區10.4 μm通道亮溫梯度G＞5且6.2～10.4 μm亮溫差＜0 K的區域為冰雹易發點。

6 個例檢驗

6.1 個例檢驗1

以2018年6月10日19—21時天水強對流天氣為例，對強對流云團進行識別、邊界提取、路徑跟蹤、移動路徑外推以及強對流天氣落區預報檢驗圖3~5。

圖3 2018年6月10日19：00強對流云團識別及邊界提取

2018年6月10日19—21時，天水市自北向南出現強對流天氣，秦安縣、甘谷縣、武山縣、麥積區、張家川縣等鄉鎮相繼出現冰雹天氣。19時秦安縣王鋪、郭嘉、魏店最大冰雹直徑約8 mm，持續時間約20 min；20時甘谷縣八里灣、禮辛、金山最大冰雹直徑7～8 mm，持續時間約4 min；20時40分武山縣洛門鎮、溫泉鎮、咀頭鎮最大冰雹直徑約15 mm，持續時間約10 min。甘谷縣、麥積區、秦州區部分鄉鎮出現短時強降水，最大小時雨量為麥積區肖王的30.4 mm。

利用雙閾值法成功識別出強對流云團，利用“逆向搜索法”提取的強對流云團邊界清晰可靠，路徑跟蹤準確，利用“面積重疊法”和云團重心計算的強對流云團移動方位準確；冰雹天氣落區判別模型成功識別出秦安縣、甘谷縣、張家川縣一帶冰雹，但對武山縣、麥積區一帶冰雹空報，同時，冰雹實際出現時間也與識別到的時間存在偏差；短時強降水落區判別模型成功識別出秦州、甘谷、麥積一帶短時強降水，但對秦安、張家川、清水一帶空報，短時強降水實際發生時間也與識別出的時間存在一定偏差。

6.1 個例檢驗2

對2018年7月10日14—20時隴東南地區發生的一次區域性短時強降水過程進行強對流云團識別及位置追蹤檢驗，發現建立的雙閾值指標和追蹤方法并不能有效對其進行識別和位置追蹤。經過對云圖資料研判分析后發現，此次強對流過程為暖云性降水，云頂溫度較高，同時強對流云團發展高度相對較低，導致建立的統計指標不能對其有效識別。由此可見，本文建立的雙閾值指標并不能有效識別和追蹤云頂溫度較高且垂直發展高度不高的強對流云團。

“雙閾值法”能夠成功識別出隴東南地區絕大多數的強對流云團，但對少數一些云頂溫度較高且垂直發展高度不高的對流云團存在無法識別的情況；利用“逆向搜索法”可以對強對流云團邊界輪廓進行準確定位，利用“面積重疊法”和對云團重心的計算可以對強對流云團進行動態追蹤及移動路徑外推預報，但也存在對少數一些尺寸較小的強對流云團無法匹配和跟蹤的情況。另外，建立的強天氣落區判別模型對該地區強對流云團中短時強降水、冰雹天氣易發點具有一定的判斷能力，但是空報率偏高，強天氣實際出現時間與預報時間也存在一定偏差。

7 結論和討論

（1）利用衛星B13通道（中心波長10.4 μm）云頂亮溫TBB≤238 K或B08通道（中心波長6.2 μm）與B13通道云頂亮溫差△TBB＜0 K雙閾值指標，可以準確識別出隴東南地區的強對流云團。

（2）利用“逆向搜索法”可以準確獲取強對流云團的邊界輪廓；利用“面積重疊法”和對云團重心的計算可實現強對流云團位置的動態追蹤及移動路徑外推預報。

（3）強對流云團識別指標及追蹤方法，對一些云頂溫度較高且垂直發展高度不高的暖性強對流云團存在無法識別和追蹤的情況，同時，對一些尺寸較小的強對流云團也無法匹配跟蹤。

圖4 2018年6月10日19：00和19：40強對流云團位置跟蹤

圖5 2018年6月10日19：40外推未來20 min（20：00）強對流云團位置及強對流天氣落區

（4）強天氣落區判別指標充分考慮了對流云頂發展高度、云頂發展趨勢、對流云主體位置、云頂紋理等方面的特性，對隴東南地區強對流天氣落區具有一定的預報能力，但空報率偏高，同時存在一定的時間偏差。

（5）本文沒有考慮高空風對強對流天氣落區的影響，在之后的研究中需要對這部分內容展開詳細分析；同時，由于發展旺盛的強對流云團尺度較大且云頂特征均勻，衛星投影角度造成的落區偏差相對較小，忽略了這部分的影響。