湯玉杰，佘 勇

(成都信息工程學(xué)院 電子工程學(xué)院,成都 610225)

基于SCIT算法的天氣雷達(dá)回波風(fēng)暴識(shí)別跟蹤方法

湯玉杰，佘 勇

(成都信息工程學(xué)院 電子工程學(xué)院,成都 610225)

基于雷達(dá)數(shù)據(jù)的風(fēng)暴體識(shí)別、追蹤及預(yù)警方法是最早出現(xiàn)的臨近預(yù)報(bào)技術(shù)，其中對(duì)風(fēng)暴的準(zhǔn)確識(shí)別是進(jìn)行風(fēng)暴體追蹤和預(yù)警的前提。本文借鑒SCIT (Storm Cell Identification and Tracking)算法對(duì)強(qiáng)風(fēng)暴進(jìn)行識(shí)別，根據(jù)“寧短勿長，特征相似”的原則匹配兩時(shí)刻的風(fēng)暴單體。通過風(fēng)暴在過去兩時(shí)刻的質(zhì)心位置進(jìn)行線性外推從而預(yù)報(bào)下一時(shí)刻風(fēng)暴的位置。結(jié)果顯示可以較好地識(shí)別強(qiáng)風(fēng)暴并實(shí)現(xiàn)對(duì)識(shí)別出的風(fēng)暴的大致跟蹤。

SCIT；線性外推；臨近預(yù)報(bào)

0 引 言

對(duì)流云降水是一種局地性天氣,在自然界降水中占了很大的比例。同時(shí)，又由于它具有生消變化快、降水強(qiáng)度大等特征,容易導(dǎo)致山洪、冰雹、泥石流等自然災(zāi)害。因此，人們?cè)絹碓街匾暲美走_(dá)系統(tǒng)對(duì)強(qiáng)對(duì)流天氣進(jìn)行自動(dòng)識(shí)別、跟蹤和警戒。20世紀(jì)70年代以來, 國內(nèi)外雷達(dá)氣象學(xué)者在用雷達(dá)探測(cè)強(qiáng)對(duì)流天氣領(lǐng)域做了大量的工作：Zittel[1]提出了利用雷達(dá)反射率在連續(xù)的三維區(qū)域大于給定的反射率閾值來識(shí)別風(fēng)暴的方法, 并利用被識(shí)別的風(fēng)暴在過去與現(xiàn)在的位置來估計(jì)它的運(yùn)動(dòng)速度, 以此速度來預(yù)報(bào)它在下一時(shí)刻的位置, Dix on 和Wiener等人[2]又先后改進(jìn)了這種方法；肖艷姣等人[3]在風(fēng)暴的自動(dòng)識(shí)別、跟蹤與預(yù)報(bào)中詳細(xì)介紹了WSR-88D中的風(fēng)暴核識(shí)別方法；Johnson等人[4]提出了一種用來識(shí)別、特征化、追蹤以及預(yù)報(bào)三維風(fēng)暴體的短期運(yùn)動(dòng)的改進(jìn)WSR-88D算法(SCIT，Storm Cell Identification and Tracking)；張鵬等[5]在多普勒天氣雷達(dá)單PPI上設(shè)想使用風(fēng)暴核識(shí)別算法中搜索二維風(fēng)暴分量的方法來探測(cè)強(qiáng)風(fēng)暴；王芬等[6]用新一代多普勒天氣雷達(dá)復(fù)合體掃描資料及WSR-88D提供的SCIT算法對(duì)2007至2008年發(fā)生在貴州黔西南地區(qū)的40次天氣過程個(gè)例進(jìn)行驗(yàn)證分析。本文則利用CAPPI資料對(duì)SCIT算法進(jìn)行改進(jìn)性的驗(yàn)證。

1 風(fēng)暴識(shí)別

1.1 資料預(yù)處理

對(duì)風(fēng)暴識(shí)別之前先對(duì)雷達(dá)數(shù)據(jù)資料進(jìn)行處理，即先對(duì)立體壓縮原始數(shù)據(jù)進(jìn)行解壓，然后對(duì)其讀取至相應(yīng)的內(nèi)存中。通過簡單插值將雷達(dá)數(shù)據(jù)映射到笛卡爾坐標(biāo)下，則得到每個(gè)仰角層的原始雷達(dá)回波圖。本文所處理的資料是針對(duì)CAPPI資料，因此需要對(duì)PPI資料作進(jìn)一步的處理，再次利用插補(bǔ)技術(shù)將所有的仰角層上的雷達(dá)圖按照高度進(jìn)行切割，至此完成了本文的前期工作。

1.2 風(fēng)暴定義

本文將某個(gè)連續(xù)三維區(qū)域的體積V和雷達(dá)反射率Z大于給定的體積閾值和反射率閾值(TZ)(其中也可包含一定數(shù)量的比反射率閾值小不到5 dBz的點(diǎn))定義為風(fēng)暴單體。文中假設(shè)風(fēng)暴由每個(gè)高度層的二維風(fēng)暴分量構(gòu)成,而每個(gè)風(fēng)暴分量又是由方位上連續(xù)的風(fēng)暴段構(gòu)成。反射率閾值的大小,根據(jù)不同的風(fēng)暴類型來給定,可分成以下幾類[7]：

超級(jí)單體風(fēng)暴

TZ=40～50 dBz

對(duì)流風(fēng)暴

TZ=30～40 dBz

中尺度對(duì)流復(fù)合體

TZ=25～30 dBz

雪帶

TZ=15～20 dBz

1.3 風(fēng)暴段的搜索

風(fēng)暴段是指按徑向排列的反射率因子大于或等于給定閾值的一組連續(xù)距離庫，即該識(shí)別算法中的一維搜索。

1.3.1 風(fēng)暴段搜索的閾值

本文中使用的主要閾值如下：

(1) 反射率因子閾值TZ：根據(jù)風(fēng)暴定義此處選取40 dBz，大于該閾值的且滿足一定條件的即為有效風(fēng)暴段；

(2) 風(fēng)暴段長度閾值L：風(fēng)暴段的長度必須大于該閾值，本文設(shè)定為4 km；

(3) 淘汰的反射率因子差閾值DZ：若風(fēng)暴段遇到的庫點(diǎn)閾值與反射率因子閾值之差大于淘汰反射率因子閾值時(shí)，則終止該風(fēng)暴段的搜索，本文設(shè)定為5 dBz；

(4) 淘汰的反射率因子個(gè)數(shù)閾值N：如果存在庫點(diǎn)反射率值在反射率閾值與淘汰反射率閾值之間，統(tǒng)計(jì)其個(gè)數(shù)，若個(gè)數(shù)大于該閾值，則終止本段搜索，本文設(shè)定為2。

1.3.2 風(fēng)暴段的搜索過程[8]

(1) 沿徑向?qū)?40個(gè)庫點(diǎn)進(jìn)行判斷，若搜索到反射率Z第一次大于TZ的點(diǎn),則把這個(gè)點(diǎn)以后的連續(xù)滿足Z>TZ的且屬于同一條徑線的點(diǎn)歸入到一個(gè)風(fēng)暴段中,直到遇到Z≤TZ的點(diǎn)。若這個(gè)滿足Z≤TZ的點(diǎn)的Z值大于DZ,則開始記下滿足DZ

(2) 對(duì)于搜尋到的風(fēng)暴段,若長度大于L,則被視為有效風(fēng)暴段。

同時(shí)，將有效風(fēng)暴段的段起始點(diǎn)、段終止點(diǎn)、段所在的徑向標(biāo)號(hào)、段所在的方位標(biāo)號(hào)分別保存到數(shù)組中以備后用，還應(yīng)通過計(jì)算得出每個(gè)有效風(fēng)暴段的反射率中心點(diǎn)。

1.4 風(fēng)暴分量的搜索

風(fēng)暴分量的算法為在同一CAPPI中沿徑向搜尋連續(xù)的有效風(fēng)暴段。若能夠同時(shí)滿足以下3個(gè)條件[8]的風(fēng)暴段則認(rèn)為可以合并成一個(gè)風(fēng)暴分量：

(1) 在同一個(gè)風(fēng)暴分量中,相鄰的風(fēng)暴段的方位間距為0.7°;

(2) 在同一個(gè)風(fēng)暴分量中,相鄰的風(fēng)暴段的首尾距離至少重疊2.0 km;

(3) 一個(gè)風(fēng)暴分量至少包含3個(gè)風(fēng)暴段且?guī)缀蚊娣e應(yīng)大于30 km2。

同時(shí)，對(duì)識(shí)別出的有效風(fēng)暴分量計(jì)算出以反射率因子為權(quán)重的風(fēng)暴分量中心和面積以備后用。

1.5 三維風(fēng)暴體的合成

風(fēng)暴的算法為搜尋不同高度層(不同CAPPI)垂直相關(guān)的風(fēng)暴分量。從第2個(gè)高度層開始每個(gè)高度層的風(fēng)暴分量都和它下面相鄰的高度層的風(fēng)暴分量進(jìn)行比較,可分成以下幾個(gè)步驟：

(1) 尋相鄰仰角層的風(fēng)暴分量的反射率權(quán)重中心之間的水平距離(也稱為搜尋半徑[8])小于5 km的風(fēng)暴分量為垂直相關(guān)的風(fēng)暴分量。

(2) 步驟(1)后,如果沒有垂直相關(guān)的風(fēng)暴分量,則把搜尋半徑改為7.5 km,繼續(xù)搜尋。

(3) 步驟(2)后,如果還沒有垂直相關(guān)的風(fēng)暴分量,則把搜尋半徑改為10 km,繼續(xù)搜尋。

如果同時(shí)有幾個(gè)風(fēng)暴分量與其相鄰仰角的一個(gè)風(fēng)暴分量垂直相關(guān),那么選擇相鄰高度層的風(fēng)暴分量的反射率權(quán)重中心之間的水平間距最小的一個(gè)。

多個(gè)風(fēng)暴分量要合并成一個(gè)風(fēng)暴必須滿足以下條件：同一個(gè)風(fēng)暴中至少要有兩個(gè)仰角相鄰且垂直相關(guān)的風(fēng)暴分量,并且風(fēng)暴的體積必須大于50 km3。

對(duì)每一個(gè)風(fēng)暴可先計(jì)算以反射率為權(quán)重的風(fēng)暴中心和體積，以備后用。

2 風(fēng)暴跟蹤與預(yù)報(bào)

要想對(duì)相鄰兩時(shí)刻的風(fēng)暴單體進(jìn)行跟蹤，首先要對(duì)兩時(shí)刻的單體進(jìn)行匹配。本文借鑒TITAN算法中最優(yōu)匹配[2,7]方法，即依據(jù)“寧短勿長，形狀相似”原則，得到相應(yīng)的匹配結(jié)果，進(jìn)而通過計(jì)算匹配風(fēng)暴對(duì)之間的質(zhì)心長度來確定下一時(shí)刻單體的偏移方向和大小，依據(jù)該單體的偏移速度進(jìn)一步求出下一時(shí)刻單體的預(yù)測(cè)位置。前提是要假定風(fēng)暴趨向于沿直線運(yùn)動(dòng)，風(fēng)暴的消失或者增長遵循線性規(guī)則，偏離上述行為則是隨機(jī)發(fā)生的。根據(jù)風(fēng)暴單體在過去相鄰時(shí)刻的反射率權(quán)重中心位置和面積及移動(dòng)矢量, 利用線性外推方法預(yù)報(bào)單體下一時(shí)刻的中心位置。

3 結(jié)果分析

本文根據(jù)上述算法, 在Visual C++6.0平臺(tái)上利用天氣雷達(dá)體掃資料完成對(duì)風(fēng)暴的自動(dòng)識(shí)別、追蹤和臨近預(yù)報(bào)。圖1為2012年4月4日成都市氣象站X波段雷達(dá)14時(shí)52分體掃資料得到的12000 m高度上的原始雷達(dá)回波圖，圖2為利用SCIT識(shí)別后其單體圖。圖3為2012年4月4日成都市氣象站X波段雷達(dá)15時(shí)14分體掃資料得到的12000 m高度上的原始雷達(dá)回波圖，圖4為利用SCIT識(shí)別后其單體圖。 圖5為2012年4月4日成都市氣象站X波段雷達(dá)15時(shí)34分體掃資料得到的12000 m高度上的原始雷達(dá)回波圖, 圖6為利用SCIT識(shí)別后其單體圖。圖7為2012年4月4日成都市氣象站X波段雷達(dá)16時(shí)00分體掃資料得到的12000 m高度上的原始雷達(dá)回波圖, 圖8為利用SCIT識(shí)別后其單體圖,發(fā)現(xiàn)未識(shí)別出單體。前3組效果圖的對(duì)比驗(yàn)證了基于SCIT強(qiáng)風(fēng)暴識(shí)別方法的可行性。

對(duì)識(shí)別出的單體圖進(jìn)行了簡單的跟蹤，14時(shí)52分識(shí)別出2個(gè)單體，但由于其中一個(gè)較小單體可能在下一時(shí)刻發(fā)生了消亡，而較強(qiáng)回波塊在15時(shí)14分的匹配單體如圖4中十字叉表示的位置，15時(shí)14分識(shí)別出了3個(gè)單體，其中被標(biāo)記的為已存在的單體，至于其余兩個(gè)單體可能是上一時(shí)刻較大單體發(fā)生分裂或者

圖1 14時(shí)52分原始雷達(dá)回波圖

圖2 14時(shí)52分實(shí)際單體圖

圖3 15時(shí)14分原始雷達(dá)回波圖

圖4 15時(shí)14分單體生成圖

圖5 15時(shí)34分原始雷達(dá)回波圖

圖6 15時(shí)34分單體生成圖

圖7 16時(shí)00分原始雷達(dá)回波圖

圖8 16時(shí)00分單體生成圖

新生風(fēng)暴。在此，只對(duì)標(biāo)記的風(fēng)暴單體進(jìn)行預(yù)報(bào)，通過線性外推得到在15時(shí)34分單體質(zhì)心的預(yù)測(cè)位置，如圖2中十字叉所在位置，與圖6中標(biāo)號(hào)為1的單體的實(shí)測(cè)位置最為接近，基本實(shí)現(xiàn)了單體1的跟蹤與預(yù)報(bào)。對(duì)于圖4中兩個(gè)新生單體在下一時(shí)刻相匹配的單體為圖6中編號(hào)2與3的兩個(gè)單體，由于風(fēng)暴單體生存周期短，所以26 min后3個(gè)單體發(fā)生了消亡，風(fēng)暴周期結(jié)束。

4 結(jié)束語

在SCIT算法基礎(chǔ)上適當(dāng)作了些調(diào)整，對(duì)處理的數(shù)據(jù)資料由PPI轉(zhuǎn)換到CAPPI上，進(jìn)而在垂直關(guān)聯(lián)上也稍作調(diào)整，并用實(shí)測(cè)體掃資料檢驗(yàn)了風(fēng)暴自動(dòng)識(shí)別、跟蹤與短時(shí)預(yù)報(bào)方法的可行性，得到了不錯(cuò)的結(jié)果。但是，由于在識(shí)別過程中引用到的許多閾值都是國外長期研究總結(jié)的結(jié)果，并非是研究強(qiáng)對(duì)流風(fēng)暴唯一的閾值，所以在試驗(yàn)過程中針對(duì)本文的情況作了一下改動(dòng)，發(fā)現(xiàn)識(shí)別結(jié)果更好些。另外，可能由于較高層上單體較少以及沒有地物雜波等的影響，所以得到的跟蹤效果比較可觀，但是對(duì)較低層進(jìn)行驗(yàn)證時(shí)出現(xiàn)的跟蹤結(jié)果不太好，需要在以后工作中進(jìn)行改進(jìn)。

[1] Zittel W D. Computer applications techniques for storm t racking and warning// Amer. M eteor. Soc, eds, Reprints of 17th conf on Radar Meteor, Boston: 1976:514- 521.

[2] Dixon M, G Wiener. TITAN: Thunderstorm identification, tracking, analysis, and nowcasting—A radar-based methodology[J].J.Atmos.Oceanic Technol., 1993(10):785-797.

[3] 肖艷姣，湯達(dá)章，李中華，蔣義芳.風(fēng)暴的自動(dòng)識(shí)別、跟蹤與預(yù)報(bào)[J].南京氣象學(xué)院學(xué)報(bào)，1998,21(2)：223-229.

[4] Johnson J T, Mac Keen P L, Witt A, et al. The storm cell identification and tracking algorithm: an enhanced WSR-88D algoritnm[J].Weather and Forecasting, 1998(13):263-276.

[5] 張鵬，胡明寶，吳書君.多普勒天氣雷達(dá)單PPI探測(cè)強(qiáng)風(fēng)暴的方法[J].解放軍理工大學(xué)學(xué)報(bào)，2003,4(3)：83-85.

[6] 王芬，李腹廣，張輝. 風(fēng)暴單體識(shí)別與跟蹤(SCIT)算法評(píng)估[J].氣象，2010,36(12)：128-133.

[7] 王改利，劉黎平，阮征，等. 基于雷達(dá)回波拼圖資料的風(fēng)暴識(shí)別﹑跟蹤及臨近預(yù)報(bào)技術(shù)[J].高原氣象，2010,29(6)：1546-1555.

[8] 徐春芳.多普勒天氣雷達(dá)的風(fēng)暴單體自動(dòng)識(shí)別算法及工程設(shè)計(jì)[D]. 南京信息工程大學(xué)理學(xué)碩士學(xué)位論文,2006.

Storm identification and tracking of weather radars based on SCIT algorithm

TANG Yu-jie, SHE Yong

(Electronic Engineering School, Chengdu University of Information Technology, Chengdu 610225)

The earliest nowcasting technology is referred to as the method of storm identification, tracking and early-warning based on radar data, and accurate storm identification is the premise of storm tracking and early-warning. The Storm Cell Identification and Tracking (SCIT) algorithm is used to identify strong storms, and storm cells at two adjacent time are matched according to the principle "better short than long and similar characteristics". The linear extrapolation is carried out through the centroid positions in the past two moments to forecast the storm position next time. The result shows that strong storms can be better identified and roughly tracked.

SCIT; linear extrapolation; nowcasting

2013-12-10;

2014-01-02

湯玉杰(1988-)，女，碩士研究生，研究方向：雷達(dá)信號(hào)與信息處理；佘勇(1968-)，男，教授，研究方向：天氣雷達(dá)信 號(hào)處理技術(shù)及其應(yīng)用。

TN959.4

A

1009-0401(2014)01-0019-03