臺風中心區域亮溫空間擾動特征研究及臺風定位應用

謝 濤,陳佳俊,鄢俊潔

(1. 南京信息工程大學 遙感與測繪工程學院,江蘇 南京 210044; 2. 青島海洋科學與技術國家實驗室 區域海洋動力學與數值模擬實驗室,山東 青島 266000; 3. 北京華云星地通科技有限公司,北京 100081)

0 引言

臺風作為一種復雜的天氣系統,災害性極強,對人類生命財產安全構成了嚴重威脅,因此對臺風進行快速、準確地追蹤與定位具有重要意義[1-4]。目前已有的臺風中心定位方法大多通過氣象衛星和雷達進行人工或自動定位,隨著臺風定位方法的不斷發展,建立精準的臺風自動化或半自動化中心定位系統是臺風監測的發展趨勢[5-6]。

美國航空航天局(National Aeronautics and Space Administration, NASA)海風散射計和先進微波掃描輻射計對風應力的觀測表明,空間高通濾波海表面溫度(sea surface temperature,SST)和風應力變化呈線性相關,SST越高,風應力越大[7]。其次,海洋鋒面和旋渦的海氣相互作用在SST、風速和海洋外熱通量之間表現出正相關,表明海洋正在強迫大氣,大氣響應會產生小尺度風應力旋度和散度異常[8-9]。

根據風應力擾動理論,即風應力散度,旋度與順風方向海表面溫度梯度和側風方向海表溫度梯度的擾動存在明顯的正相關關系[10-11],本研究嘗試從亮度溫度(bright temperature,BT)角度出發,計算BT梯度,得到BT梯度的旋度與散度,并利用二者構建一個相似的擾動值(disturbance value)對大氣中的旋渦-臺風進行描述。BT與SST不同,BT是指當衛星探測到云時,BT為云頂溫度,當衛星探測為海面時,BT為海表面溫度。當研究區域處于臺風區域,臺風云墻區是厚厚的云層,此時BT為云頂溫度,BT擾動很小;當觀測到云墻區與眼區交界處時,BT為是云頂溫度和海表面溫度,BT擾動很大;當觀測到臺風眼區中心時,BT為海表面溫度,BT擾動再次變小。從臺風中心區域的擾動至空間分布來看,可以利用擾動最大值確定臺風眼區和云墻區的邊界后,將其作為粗略中心,縮小范圍在眼區搜尋擾動最小值像素位置判定為臺風中心來進行臺風定位。

現階段,運用最為廣泛的先進德沃夏克臺風中心自動定位算法就是利用遠紅外影像先進性螺旋分析確定初始位置,在此基礎上進行眼環分析確定精確的臺風中心位置。有研究者也使用過亮溫數據通過不同方法進行臺風定位,JAISWAL等[12]利用靜止衛星紅外(infra-red,IR)圖像提取熱帶氣旋(tropical cyclone,TCs)中心螺旋特征自動確定TCs中心,通過擬合不同位置的螺旋線來估計TC的中心,將擬合系數與構建的螺旋模板進行匹配,將大于所設閾值的位置判定為臺風中心,此后他們又通過計算亮度-溫度梯度矢量通量,在圖像的分析場景中繪制與每個像素處的梯度向量平行線,線相交的點形成密度矩陣,通過尋找密度矩陣中最大值來確定臺風中心[13]。隨著高空間分辨率的紅外亮溫云圖的時間分辨率越來越高,衛星遙感影像可以更快地為臺風定位算法提供有效的原始影像,保證了臺風定位的高時效性[14]。

文中以風應力擾動理論為基礎,提出一個新的擾動值,認為亮溫擾動的散度和旋度與經向亮溫梯度和緯度亮溫梯度存在相關性[15],計算臺風中心區域亮溫擾動值并分析擾動值的空間分布,發現臺風眼區亮溫擾動最小,最后將這個理論應用到2019年登陸中國的臺風案例上,定位結果與最優路徑數據集臺風中心相比,效果很好。

1 數據

1.1 風云四號掃描成像輻射計數據

風云四號(FY-4A)靜止氣象衛星于2018年5月1日投入運行,它取代了FY-2衛星成為第二代業務化運行地球靜止氣象衛星。文中研究數據是FY-4A多通道掃描成像儀(AGRI)提供的L1級全圓盤數據,來自風云衛星數據服務網(http:∥satellite.nsmc.org.cn/portalsite/default.aspx#),空間分辨率為4 km,AGRI探測波段為0.45～13.8 μm,地球圓盤圖成像周期為15 mins,參數見表1。文中選擇其中的通道12遠紅外波段(波長為10.3～11.3 μm)亮溫數據作為原始數據,輻射靈敏度達到0.06 K,絕對定標精度達到0.3 K[16],用于研究BT擾動和臺風定位的關系。

表1 FY-4A AGRI波段參數及主要用途Table 1 FY-4A AGRI band parameters and main uses

1.2 輔助數據

文中輔助數據為臺風短臨預報數據,來自中國氣象局臺風與海洋氣象預報中心,用以確定臺風第一猜測中心,以此確定臺風大致范圍。臺風預報數據(babj*.dat)1 h或3 h更新一次,babj是中央氣象臺臺風報文代號,*表示臺風號。當臺風生成,babj*.dat預報數據開始起報,每天的2,5,8,14,17,20時整點觀測數據作為起始值,對每個時間點向后預報臺風中心經緯度、氣壓和風速,臺風過程結束,數據預報結束。

1.3 驗證數據

文中驗證數據為中國氣象局上海臺風研究所(Shanghai Typhoon Institute of China Meteorological Administration, STI/CMA)最優路徑數據集,來自中國氣象局熱帶氣旋資料中心官網(http:∥g.hyyb.org/syBTems/TY/info/tcdataCMA/wxfxzl_zlhq.html),現行版本的中國氣象局熱帶氣旋最優路徑數據集提供1949年以來西北太平洋(含南海,赤道以北,東經180°以西)海域熱帶氣旋每6 h的位置和強度,按年份分別以文本文件格式單獨存儲,此后逐年增加[17]。1972年之前的最優路徑數據集根據1972年之后的再分析資料補充獲得,1972年之后利用歷史地圖集、臺站觀測和船舶天氣報告、自動表面觀測、天氣圖、無線電探空儀數據、飛機偵察進行數據整合,還添加了包括衛星和沿海雷達觀測資料[18]。CMA臺風最優路徑數據集記錄臺風中心經緯度、最大平均風速及中心最低氣壓以及中心最大風速。文中使用該數據集對臺風定位結果進行驗證。

2 擾動算法

擾動算法總體分為3步:第1步,計算BT的梯度;第2步,利用BT梯度計算旋度與散度;第3步,根據散度、旋度計算擾動值。首先根據中國氣象局短臨臺風預報數據中的臺風中心位置,采用多項式內插法,內插至當前衛星獲取圖像時間點的臺風初始猜測中心經緯度,以該點為中心,構造窗口框選臺風整體區域。在該范圍內計算BT的梯度,計算公式如下:

(1)

式中,GBT為亮溫的梯度,圖1(a)為2019年11月5日18∶00臺風“夏浪”沿經度方向的亮溫梯度,從圖中可以看出云區沿經度方向的亮溫梯度變化不大,眼區亮溫沿經度方向存在最大值和最小值,變化很大,圖1(b)為2019年11月5日18∶00臺風“夏浪”沿緯度方向的亮溫梯度,從圖中可以看出云區沿緯度方向的亮溫梯度變化也不大,眼區亮溫沿緯度方向也存在最大值和最小值,變化很大。梯度圖說明在眼區和云區之間存在較大的亮溫差。

圖1 臺風“夏浪”中心區域亮溫梯度Fig. 1 Brightness temperature gradient in the center area of typhoon "Halong"

接著計算亮溫梯度的散度和旋度,散度用于表征空間各點矢量場發散的強弱程度,旋度表征向量場對某一點附近的微元造成的旋轉程度,散度可表示為:

(2)

式中,divGBT為亮溫梯度的散度,單位為107N/m3。2019年11月5日18∶00臺風“夏浪”中心區域的散度如圖2(a)所示,從散度圖中可以明顯的識別出眼區且在眼區存在散度的最大與最小值。

旋度可表示為:

(3)

式中,curlGBT為亮溫梯度旋度,單位為107N/m3。圖2(b)為2019年11月5日18∶00臺風“夏浪”中心區域的旋度,可以看出云區亮溫梯度的旋度很小,眼區亮溫梯度的旋度很大且存在最大值。

圖2 臺風“夏浪”中心區域散度與旋度Fig. 2 Divergence and curl in the center area of typhoon "Halong"

X為經度方向螺旋梯度單位距離,Y為緯度方向螺旋梯度單位距離,計算公式如式(4)、式(5):

(4)

(5)

式中,x和y由對數螺旋方程計算得到[19]。對數螺旋方程為:

R(φ)=A·e(B,φ)

(6)

式中:R(φ)為原點到臺風大致中心出發的徑向距離;A為原點與螺旋起始位置的距離;B為R(φ)處螺旋切線與徑線之間的夾角,文中選取夾角是5°;φ為分析點到x軸的夾角。

為方便確定亮溫網格場中每個點的矢量,對數螺旋必須轉換為笛卡爾坐標,轉換后即可得到x和y:

x=R(φ)·cosφ

(7)

y=R(φ)·sinφ

(8)

式中,x,y是R(φ)在x軸與y軸的分量。至此,得到了臺風中心區域的散度與旋度。

考慮到臺風眼區受到散度和旋度的共同作用,由計算得到的散度與旋度2個值均存在正負,如果只是取二者均值,會出現抵消為0值的情況,造成判別誤差,因此先對散度和旋度分別取平方,再取二者均值[20],最后由散度與旋度計算BT擾動值D,公式為:

(9)

2019年11月5日18∶00臺風“夏浪”中心區域亮溫擾動值計算結果如圖3(b)所示,圖3(a)為對應時刻對應區域亮溫遙感影像。從擾動值計算空間分布結果可以看出,在云區和眼區中間亮溫擾動很小而在云區與眼區的交接處亮溫很大,可以先利用臺風中心區域亮溫擾動最大值確定大致中心,以該點為中心,在一定范圍內尋找眼區內最小擾動值像素位置,將其確定為臺風中心。

圖3 2019年11月5日臺風“夏浪”中心區域亮溫及亮溫擾動D值Fig. 3 D value of bright temperature disturbance in the center area of typhoon "Halong" at 18∶00 on November 5, 2019

3 結果與分析

首先以臺風“夏浪”為案例,利用FY-4A 12通道亮溫數據計算BT在臺風中心區域的擾動值并分析擾動值在臺風中心區域的空間分布。臺風“夏浪”作為2019年最強臺風,整個生命周期均發生在海面上,排除了陸地等其他因素對臺風的影響[21],能夠更好地反映臺風區域的BT擾動特征,也可以從“夏浪”的整個生命周期中獲取無眼臺風和有眼臺風的亮溫擾動特征。

計算的臺風中心區域擾動值部分結果如圖4～圖6所示。圖4(a)為2019年11月5日12∶00臺風“夏浪”亮溫影像,圖4(b)、(c)為2019年11月5日12:00擾動值空間分布及其中心放大;圖5(a)為2019年11月5日18:00臺風“夏浪”亮溫影像,圖5(b)、(c)為2019年11月5日18∶00擾動值空間分布及其中心放大;圖6(a)為2019年11月6日0∶00臺風“夏浪”亮溫影像,圖6(b)、(c)為2019年11月6日0∶00擾動值空間分布及其中心放大,從3幅臺風成熟期的亮溫擾動值空間分布圖可以看出,臺風外圍云區,BT的擾動很小,因為臺風云墻區是厚厚的云層,此時BT為云頂溫度,BT均一;臺風云墻區與眼區交界處,BT擾動很大,因為此時BT一邊是云頂溫度,另一邊是海表面溫度,從中可以提取最大擾動值像素位置;臺風眼區中心時,BT擾動很小,BT為海表面溫度,從中可以提取最小擾動值像素位置。

圖4 2019年11月5日12∶00臺風“夏浪”亮溫影像及擾動值空間分布Fig. 4 Brightness temperature image and disturbance value spatial distribution of typhoon "Halong" at 12∶00 on November 5, 2019

圖5 2019年11月5日18∶00臺風“夏浪”亮溫影像及擾動值空間分布Fig. 5 Brightness temperature image and disturbance value spatial distribution of typhoon "Halong" at 18∶00 on November 5, 2019

圖6 2019年11月6日0∶00臺風“夏浪”亮溫影像及擾動值空間分布Fig. 6 Brightness temperature image and disturbance value spatial distribution of typhoon "Halong" at 0∶00 on November 6, 2019

3.1 散度、旋度和擾動值特征討論

散度可用于表征空間各點矢量場發散的強弱程度,物理上,散度的意義是場的有源性。當散度大于0時,表示該點有散發通量的正源(發散源);當散度小于0時,表示該點有吸收通量的負源(洞或匯);當散度等于0時,表示該點無源。當分析云團散度時,也是利用該原理,如果亮度梯度計算的散度越小,說明該云團發散越弱呈輻合狀態,圖7為2019年11月5日18∶00臺風“夏浪”散度距最優路徑數據集中心分布特征,可以從圖中看出,第1個散度最小值為負值在16 km處,說明此時距臺風最佳中心16 km處的位置輻合最強,結合圖2(a)可以看出,此時確實臺風眼區內散度最小。表2為臺風“夏浪”整個生命周期內散度最小值與最優路徑數據集中心像素差,可以看出,散度最小值距離臺風最佳中心呈先遠再近再遠的趨勢,說明當臺風從生成期到成熟期再到消亡期,是呈現輻散到輻合再到輻散的過程,符合臺風生成到消散的物理過程。

表2 臺風“夏浪”生命周期散度最小值與最優臺風中心像素差Table 2 Difference between the minimum divergence and the center pixel of the best typhoon center in the life cycle of typhoon "Halong"

旋度是向量分析中的一個向量算子,可以表示向量場對某一點附近的微元造成的旋轉程度,代表了矢量做旋轉運動的方向和強度。當分析臺風旋度時,原理一致,當旋度越大,說明此時輻合越強,圖8為2019年11月5日18∶00臺風“夏浪”旋度距最優路徑數據集中心分布特征,從圖中可以看出,第1個旋度最大值為正值在16 km處,說明此時距臺風最佳中心16 km處的位置輻合最強,結合圖2(b)可以看出,確實此時臺風眼區內旋度存在最大值,而且與圖7散度距最優路徑數據集中心分布特征相比,正好相反,也印證了此時此刻該位置輻合較強。表3為臺風“夏浪”整個生命周期內旋度最大值與最優路徑數據集中心像素差,可以看出,旋度最大值臺風生成和消亡期很接近中心,這是因為此時臺風還未生成或已消散,旋度值普遍較小,當臺風進入成熟期,旋度最大值距離臺風最佳中心像素差開始變化,此時風眼逐漸明顯,旋度最強的位置在臺風眼區與云區之間,從圖2(b)可以看出確實如此,當臺風從生成到消散,旋度的極大值都集中于臺風風眼中心附近。

圖7 2019年11月5日18∶00臺風“夏浪”散度距最優臺風中心分布特征Fig. 7 Distribution characteristics of typhoon "Halong" divergence from the best typhoon center at 18∶00 on November 5, 2019

圖8 2019年11月5日18∶00臺風“夏浪”旋度距最優臺風中心分布特征Fig. 8 Distribution characteristics of typhoon "Halong" curl from the best typhoon center at 18∶00 on November 5, 2019

續表

將最優路徑數據集對應時刻的臺風中心疊加到擾動值的分布圖上,以8 km即2個分辨率為步長分析擾動值的空間分布,得到如圖9的2019年11月5日18∶00臺風“夏浪”中心區域擾動值關于最佳臺風中心的空間分布箱型圖,從圖中可知臺風中心區域第1個最小擾動值在8 km處,第2個最小擾動值在64 km處。將臺風“夏浪”整個生命周期中心區域的擾動值關于最優路徑數據集中的臺風中心的空間分布都計算出來,并尋找第1個最小擾動值和第2個最小擾動值的位置,得到表4,從表中可以看出第1個最小擾動值的范圍在0～4個像素,第2個最小擾動值的范圍在4～12個像素,所以在4個像素的范圍內計算擾動值避免風眼外的最小擾動值干擾定位精度。

圖9 2019年11月5日18∶00臺風“夏浪”擾動值距最優臺風中心分布特征Fig. 9 Distribution characteristics of typhoon "Halong" disturbance value from the best typhoon center at 18∶00 on November 5, 2019

表4 臺風“夏浪”生命周期第1個最小擾動值、第2個最小擾動值與最優臺風中心像素差Table 4 Pixel difference between the first minimum disturbance value,the second minimum disturbance value and the best typhoon center in the life cycle of typhoon "Halong"

3.2 臺風生命周期擾動特征討論

考慮到該算法在臺風變化階段的適用性,選用2019年登陸中國的臺風“利奇馬”作為案例,研究臺風生成期,成熟期,登陸期,消亡期的亮溫擾動特征。臺風生成期如圖10所示,其中圖10(a)、(b)為臺風“利奇馬”2019年10月4日0∶00剛在海面生成的亮溫遙感影像,圖10(a)為以第一猜測臺風中心為中心半徑800 km框選的臺風大致范圍,此時臺風處于生成期,圖10(b)是在圖10(a)基礎上繼續縮小范圍,半徑160 km框選的范圍,可見此時沒有明顯的風眼;圖10(c)、(d)是在圖10(b)范圍基礎上計算的生成期臺風中心區域沿經度和緯度亮溫梯度,此時沿經度和緯度亮溫梯度呈現的是無序的狀態,在厚云區和薄云區之間會出現梯度最大值和最小值,因為厚云區為云頂溫度,溫度較低,薄云部分會探測到海面溫度,溫度較高,所以這些地方會出現梯度最值;圖10(e)、(f)為利用亮溫梯度計算的散度和旋度,圖10(e)為臺風中心區域散度,散度生成期看不出明顯的臺風結構,而圖10(f)的旋度可以看出中心區域有一個類似風眼的結構,接著利用散度和旋度計算臺風中心區域的亮溫擾動值,得到圖10(g),但是由于范圍較大,看不出明顯的亮溫擾動,接著繼續在半徑160 km的基礎上縮小范圍,以半徑24 km框選范圍,如圖10(h)所示,此時可以看出中心區域亮溫擾動值出現的結構和旋度呈現的結構相似。在臺風生成期,這個階段臺風已經產生一定的旋轉,而亮溫擾動值的計算中存在旋度的分量,所以亮溫擾動算法在生成期可以用來進行臺風定位,我們將該時刻最優路徑數據集臺風中心(紅色十字)與最優范圍內的最小擾動值像素位置(藍色叉)疊加到擾動值圖像上,從圖10(g)上看出,兩者相距很近,從圖10(h)上看出,兩者相距約3個像素。

圖10 2019年8月4日0∶00臺風“利奇馬”生成期亮溫,亮溫梯度,亮溫梯度的散度、旋度和亮溫擾動Fig. 10 Brightness temperature, brightness temperature gradient, divergence and curl of brightness temperature gradient and brightness temperature disturbance during the formation of typhoon "Lekima" at 0∶00, August 4, 2019

臺風成熟期如圖11所示,其中圖11(a)、(b)為臺風“利奇馬”2019年8月8日12∶00處于成熟期的亮溫遙感影像,圖11(a)為以第一猜測臺風中心為中心半徑800 km框選的臺風大致范圍,此時臺風處于成熟期,圖11(b)是在圖11(a)基礎上繼續縮小范圍,半徑160 km框選的范圍,可見此時成熟期存在明顯的風眼;圖11(c)、(d)為是在圖11(b)范圍基礎上計算的成熟期臺風中心區域沿經度和緯度亮溫梯度,此時沿經度和緯度亮溫梯度可以看出明顯的風眼結構,在云區和眼區之間會出現梯度最大值和最小值,此時云墻區探測的為云頂溫度,溫度較低,眼區探測到的為海面溫度,溫度較高,所以在云墻區和眼區之間會出現梯度最值;圖11(e)、(f)分為利用亮溫梯度計算的散度和旋度,此時散度和旋度存在一個明顯的風眼結構,接著利用散度和旋度計算臺風中心區域的亮溫擾動值,得到圖11(g),可以看出風眼周圍存在明顯的亮溫擾動而周圍云區亮溫擾動值幾乎為0 ,因為成熟期亮溫的差異主要位于云區和眼區之間,云區此時為厚密狀態,探測到的均為云頂溫度,亮溫差異很小,擾動也小,繼續在半徑160 km的基礎上縮小范圍,以半徑24 km框選范圍,如圖11(h)所示, 可以看到在該

圖11 2019年8月8日12∶00臺風“利奇馬”成熟期亮溫,亮溫梯度,亮溫梯度的散度、旋度和亮溫擾動Fig. 11 Brightness temperature, brightness temperature gradient, divergence and curl of brightness temperature gradient and brightness temperature disturbance during the formation of typhoon "Lekima" at 12∶00, August 8, 2019

范圍存在亮溫擾動值最大值,在極大值形成的范圍內尋找最小擾動值像素位置將其作為臺風中心,我們將該時刻最優路徑數據集臺風中心(紅色十字)與最優范圍內的最小擾動值像素位置(藍色叉)疊加到擾動值圖像上,從圖11(g)上看出,兩者相距很近,從圖11(h)上看出,兩者相距約4個像素。

臺風登陸期如圖12所示,其中圖12(a)、(b)為臺風“利奇馬”2019年8月10日15∶00處于登陸期的亮溫遙感影像,此時臺風中心大概位于太湖附近,圖12(a)為以第一猜測臺風中心為中心半徑800 km框選的臺風大致范圍,此時臺風處于登陸期,圖12(b)是在圖10(a)基礎上繼續縮小范圍,半徑160 km框選的范圍,可見此時登陸期臺風已經開始消亡,風眼開始消散;圖12(c)、(d)為是在圖12(b)范圍基礎上計算的登陸期臺風中心區域沿經度和緯度亮溫梯度,此時沿經度和緯度亮溫梯度呈現出無序的狀態,在厚云區和薄云區之間會出現梯度最大值和最小值,因為厚云區為云頂溫度,溫度較低,薄云部分會探測到海面溫度,溫度較高,所以這些地方會出現梯度最值;圖12(e)、(f)分為利用亮溫梯度計算的散度和旋度,圖12(e)為臺風中心區域散度,散度登陸期也看不出明顯的臺風結構而圖10(f)的旋度可以看出中心區域還是存在一個類似風眼的結構,利用散度和旋度計算臺風中心區域的亮溫擾動值,得到圖12(g),可以看到此時沒有明顯的亮溫擾動 ,因為登陸期狀態接近于消散期,繼續在半徑160 km的基礎上縮小范圍,以半徑24 km框選范圍,如圖12(h)所示,此時可以看出中心區域亮溫擾動值出現的結構和旋度呈現的結構相似,所以也是在確定最大亮溫擾動值后在最優框選范圍內尋找最小擾動值作為臺風中心,我們將該時刻最優路徑數據集臺風中心(紅色十字)與最優范圍內的最小擾動值像素位置(藍色叉)疊加到擾動值圖像上,從圖12(g)上看出,兩者相距很近,從圖12(h)上看出,兩者相距約4個像素。

圖12 2019年8月10日15∶00臺風“利奇馬”登陸期亮溫,亮溫梯度,亮溫梯度的散度、旋度和亮溫擾動Fig. 12 Brightness temperature, brightness temperature gradient, divergence and curl of brightness temperature gradient and brightness temperature disturbance during the formation of typhoon "Lekima" at 15∶00, August 10, 2019

最后臺風消亡期如圖13所示,其中圖13(a)、(b)為臺風“利奇馬”2019年8月11日3∶00處于消亡期的亮溫遙感影像,此時臺風中心大概位于山東省附近,圖13(a)為以第一猜測臺風中心為中心半徑800 km框選的臺風大致范圍,此時臺風處于消亡期,已經沒有大范圍的厚密云層,圖13(b)是在圖13(a)基礎上繼續縮小范圍,半徑160 km框選的范圍,可見此時臺風已經消亡,不存在風眼;圖13(c)、(d)是在圖13(b)范圍基礎上計算的消亡期臺風中心區域沿經度和緯度亮溫梯度,此時沿經度和緯度亮溫梯度呈現出無序的狀態,在厚云區和薄云區之間會出現梯度最大值和最小值,因為厚云區為云頂溫度,溫度較低,薄云部分探測的是海面溫度,溫度較高,所以這些地方會出現梯度最值;圖13(e)、(f)分別為利用亮溫梯度計算的散度和旋度,圖13(e)為臺風中心區域散度,散度消亡期也看不出明顯的臺風結構,圖13(f)的旋度可以看出中心區域還是存在一個類似風眼的結構,接著利用散度和旋度計算臺風中心區域的亮溫擾動值,得到圖13(g),可以看到此時沒有明顯的亮溫擾動,繼續在半徑160 km的基礎上縮小范圍,以半徑24 km框選范圍,如圖13(h)所示,此時將中心區域亮溫擾動值最大值附近作為一個類似風眼的區域,尋找內部擾動最小值作為臺風中心,我們將該時刻最優路徑數據集臺風中心(紅色十字)與最優范圍內的最小擾動值像素位置(藍色叉)疊加到擾動值圖像上,從圖13(g)上看出,兩者相距很近,從圖13(h)上看出,兩者相距約1個像素。

圖13 2019年8月11日3∶00臺風“利奇馬”消亡期亮溫,亮溫梯度,亮溫梯度的散度、旋度和亮溫擾動Fig. 13 Brightness temperature, brightness temperature gradient, divergence and curl of brightness temperature gradient and brightness temperature disturbance during the formation of typhoon "Lekima" at 3∶00, August 11, 2019

3.3 最小擾動值選擇討論

亮溫擾動算法應用到臺風定位中是尋找臺風眼區中亮溫擾動最小值像素位置,在8 km的步長范圍內,每個范圍都存在一個最小擾動值,根據臺風風眼平均半徑為20 km[22],如果最小擾動值距粗略臺風中心大于40 km就將其作為風眼外的干擾值,需要排除,所以確定合適的擾動值計算范圍對定位的精度影響很大。圖14為2019年11月5日18∶00臺風“夏浪”最優路徑數據集中心,最大擾動值像素位置,第1個最小擾值像素位置及第2個最小擾值像素位置分布,從圖中可以看出,第1個最小擾動值像素位置(黃色圓圈)距離最大擾動值像素位置(紅色叉)更近,第1個最小擾動值像素位置和最大擾動值像素位置距離最優路徑臺風中心(紅色十字)都很近,而第2個最小擾動值像素(白色圓圈)距離最優路徑臺風中心較遠。以8 km為步長,每隔8 km都會存在一個最小擾動值,當在臺風中心區域內出現多個最小擾動值時,選擇離最大擾動值近的一個, 在臺風生成期、成熟期,登陸期和消亡期,臺風中心區域最大擾動值都會存在于一個類似臺風眼區的位置,如圖10(h)、圖11(h)、圖12(h)和圖13(h)所示。計算第1個最小擾動值像素位置、第2個最小擾動值像素位置與最大擾動值像素位置之間的球面距離,得到表5,從表中可以看出,第一個最小擾動值像素位置距離最大擾動值像素位置更近,所以在出現多個最小擾動值時,我們選用離最大擾動值近的那個。其次,將第1個最小擾動值和第2個最小擾動值像素位置與最優路徑數據集該時刻中心位置進行對比,可以看出,第1個最小擾動值距離最佳臺風中心距離明顯小于第2個最小擾動值與最佳臺風中心的距離,且在2019年11月5日18∶00誤差最小,為5.27 km。

圖14 2019年11月5日18∶00臺風“夏浪”最優路徑數據集中心,最大擾動值像素位置,第1個最小擾值像素位置及第2個最小擾值像素位置分布Fig. 14 The best path data center, maximum disturbance value pixel position, first minimum disturbance value pixel position and second minimum disturbance value pixel position of typhoon "Halong" at 18∶00, November 5, 2019

表5 臺風“夏浪”生命周期第1個最小擾動值、第2個最小擾動值與最大擾動值距離Table 5 Distance between the first minimum disturbance value, the second minimum disturbance value and the minimum disturbance value in the life cycle of typhoon "Halong"

3.4 定位結果

在理想定位范圍內計算擾動值結果如圖15～圖17所示。圖15(a)為2019年11月2日0∶00臺風“夏浪”形成初期中心區域的擾動值,在理想窗口中尋找最小擾動值,藍色“x”所示,紅色“+”為該時刻最優路徑數據集中臺風中心,圖15(b)為將行列號轉換為經緯度坐標得到的在原始影像上定位結果,從圖中可以看出,最小擾動值位置與最佳臺風中心距離很近,可以精確地對臺風定位,而且該時刻臺風為形成初期,沒有明顯的風眼結構,另一方面說明最小擾動值算法對無眼臺風具有適用性。

圖15 2019年11月2日0∶00臺風“夏浪”初期擾動值空間分布及定位結果Fig. 15 Spatial distribution and positioning results of initial disturbance value of typhoon "Halong" at 0∶00 on November 2, 2019

圖16(a)、(b)分別為2019年11月5日12∶00臺風中心區域的擾動分布和定位結果,從圖中可以看出,此時臺風已經出現風眼,最小擾動值定位中心與最佳臺風中心誤差很小,所以最小擾動值算法對有眼臺風定位效果很好。圖17(a)、(b)分別為2019年11月9日6∶00臺風中心區域的擾動分布和定位結果,此時臺風已經處于消亡期,算法的定位效果依舊很好。

圖16 2019年11月5日18∶00臺風“夏浪”成熟期擾動值空間分布及定位結果Fig. 16 Spatial distribution and positioning results of initial disturbance value of typhoon "Halong" at 18∶00 on November 5, 2019

圖17 2019年11月9日6∶00臺風“夏浪”消亡期擾動值空間分布及定位結果Fig. 17 Spatial distribution and positioning results of initial disturbance value of typhoon "Halong" at 6∶00 on November 9, 2019

4 總結與展望

本研究首先使用FY-4A亮溫數據,計算臺風中心區域擾動值并分析擾動值在臺風中心區域的空間分布特征,其分布特征為臺風外圍云區,在32～72 km半徑范圍內BT的擾動很小,因為臺風云墻區是厚厚的云層,此時BT為云頂溫度,BT均一;臺風云墻區與眼區交界處,BT擾動很大,因為此時BT一側是云頂溫度,另一側是海表面溫度;臺風眼區理論總亮溫擾動量均為零,在8個像素的半徑范圍內BT擾動最小。

其次將擾動空間分布特征應用于臺風定位,最小擾動值定位的原理是首先在8～12個像素半徑范圍內確定最大值擾動值像素位置,將其作為粗略中心,在8個像素半徑范圍內的眼區搜索距離最大擾動值近的擾動值最小值,對應最小值像素點即為臺風中心。將最小擾動值定位結果與最優路徑數據集進行驗證,定位平均誤差小于12 km,在3個像素以內,可以應用于臺風定位,為臺風路徑預報和強度判定提供幫助。

最小擾動值臺風定位算法是基于臺風中心區域亮溫擾動空間分布提出的,臺風中心區域范圍的大小對臺風定位精度的影響很大,在合適的定位范圍內該算法優勢明顯,對臺風初期、末期及臺風規模較小時效果很好,適用于無眼臺風定位。但最小擾動值定位算法最佳定位范圍需要根據大量的臺風統計分析得來,針對不同臺風最佳定位范圍不是固定的,所以這是該算法現階段的缺陷。其次最小擾動值定位算法沒有考慮數據融合,在使用FY-4A數據過程中發現在一些時段會出現缺測,這會造成定位結果缺失,這也是該算法的不足之處。整體來說,根據臺風中心區域亮溫擾動特征的空間分布進行臺風定位是可行的并且適用于無眼臺風,為提高最小擾動值算法臺風定位精度,在今后的研究中還需考慮最佳定位范圍的確定和數據融合的問題。