紀(jì)丞 曾燕 邱新法 黃勇

(1 南京信息工程大學(xué),南京 210044;2 安徽省氣象科學(xué)研究所,合肥 230031;3 壽縣國家氣候觀象臺,安徽 壽縣 220026;4 江蘇省氣象科學(xué)研究所,南京 210009)

引 言

對流性天氣直接影響著人類社會的生產(chǎn)生活,一方面有助于大氣污染物擴(kuò)散,另一方面也易致災(zāi)。強對流天氣如短時強降水、雷暴、冰雹、下?lián)舯┝骱妄埦盹L(fēng)等具有突發(fā)性強、生命史短、致災(zāi)性強等特點,已成為天氣預(yù)報業(yè)務(wù)難點[1-2]。

氣象雷達(dá)是研究大氣對流運動的常用工具,而與氣象雷達(dá)相比,氣象衛(wèi)星具有觀測范圍廣、影響因素少等優(yōu)點,且隨著氣象靜止衛(wèi)星技術(shù)的發(fā)展,其時空分辨率顯著提升,對空間尺度小、生命史短或發(fā)展迅速的對流活動的監(jiān)測能力顯著提高[3-5]。此外,氣象靜止衛(wèi)星可提供可見光、紅外甚至微波等多通道的光譜信息,為對流活動的描述與研究提供更豐富的數(shù)據(jù)資料。FY-4衛(wèi)星是中國繼FY-2衛(wèi)星后發(fā)展的新一代氣象靜止衛(wèi)星[6]。FY-4A衛(wèi)星是FY-4系列的第一顆科研試驗衛(wèi)星,采用三軸穩(wěn)定姿態(tài)控制方式,所攜帶的先進(jìn)靜止軌道輻射成像儀(Advanced Geosynchronous Radiation Imager, AGRI)具有14個觀測通道,最高空間分辨率可達(dá)500 m,時間分辨率可達(dá)分鐘級[7]。已有諸多基于氣象靜止衛(wèi)星識別對流云的方法,究其本質(zhì)都是閾值法,關(guān)鍵在于如何設(shè)置閾值。紅外長波通道單閾值法是通過氣象靜止衛(wèi)星識別對流云的一種最早、最基礎(chǔ)的方法,其具體操作為將云頂亮溫(Temperature of Black Body, TBB)低于某一閾值則識別為對流云,該方法原理清晰、操作簡單,但存在識別準(zhǔn)確率不高的問題,因為閾值設(shè)置偏低或偏高都會引起漏判或誤判[8],常用的閾值有241 K、221 K等[8-12];水汽與紅外窗區(qū)通道亮溫差法(Brightness Temperature Difference, BTD)被用來研究平流層水汽及沖頂對流[13],但對不同衛(wèi)星應(yīng)使用不同閾值[14-15],也有研究使用該亮溫差進(jìn)行對流云定強[16];歐洲氣象衛(wèi)星開發(fā)組織提出的RDT-CW (Rapidly Development Thunderstorms-Convection Warning)算法在長波紅外通道采用了自適應(yīng)閾值算法,考慮了對流云團(tuán)的垂直方向結(jié)構(gòu),可用來有效監(jiān)測初生對流(Convection Initiation,CI)和快速發(fā)展對流(Rapid Developing Convection,RDC)[17]。

本文利用臺風(fēng)“利奇馬”影響期間FY-4A衛(wèi)星資料以及新一代氣象雷達(dá)資料,使用基于FY-4A衛(wèi)星水汽—紅外窗區(qū)的亮溫差法，提取對流云最佳閾值,并通過自適應(yīng)閾值法提高對流云提取準(zhǔn)確率和識別率,為強對流天氣短臨預(yù)報研究等提供有效參考。

1 資料與研究方法

1.1 資料來源

研究區(qū)域為(15°～45°N,100°～130°E),研究時段為2019年8月9日06時—11日03時(北京時,下同)。采用FY-4A的AGRI一級數(shù)據(jù)中的第10和12通道,第10通道水汽通道(Water Vapor, WV),中心波長為7.1 μm,第12通道紅外窗區(qū)通道(Infrared Window, IRW),中心波長為10.7 μm,分辨率均為4 km。FY-4A衛(wèi)星采用CGMS LRIT/HRIT全球規(guī)范定義的靜止軌道標(biāo)稱投影,地理坐標(biāo)基于WGS84參考橢球計算得到。為充分利用原始數(shù)據(jù)精度且便于分析計算,在對數(shù)據(jù)進(jìn)行投影換算后,最鄰近插值到研究區(qū)域間隔為0.04°的等經(jīng)緯網(wǎng)格上。

雷達(dá)數(shù)據(jù)用于獲取算法參數(shù)以及驗證對流云提取效果,采用MICAPS3.0的組合反射率(CREF)全國拼圖latlon格式產(chǎn)品,分辨率為0.01°,同樣插值到研究區(qū)域的0.04°等經(jīng)緯網(wǎng)格上。

研究區(qū)處在FY-4A全圓盤(DISK)數(shù)據(jù)開始掃描后的1～4 min處,中國區(qū)(REGC)數(shù)據(jù)開始掃描后的2 min之內(nèi)。為了盡可能使衛(wèi)星數(shù)據(jù)和雷達(dá)數(shù)據(jù)時間上匹配,FY-4A數(shù)據(jù)起始觀測時間需要比CREF產(chǎn)品時間提前對應(yīng)時間差,如8月9日06時18分的CREF數(shù)據(jù)對應(yīng)8月9日06時15分的FY-4A全圓盤數(shù)據(jù)、8月11日02時36分的CREF數(shù)據(jù)對應(yīng)8月11日02時34分的FY-4A中國區(qū)數(shù)據(jù)。研究時段內(nèi)共計113個匹配時次,均勻分成包含57個時次的訓(xùn)練集和56個時次的驗證集,訓(xùn)練集用于獲取算法參數(shù),驗證集用于驗證評價對流云提取效果。以驗證集中2019年8月10日17時36分為例的CREF和IRW如圖1所示。

圖1 2019年8月10日17時36分:(a)CREF;(b)FY-4A AGRI IRW

1.2 研究方法

1.2.1 水汽—紅外窗區(qū)亮溫差法

水汽與紅外亮窗區(qū)溫差BTD表示為:

BTD=TBWV-TBIRW

(1)

式中:TBWV表示水汽通道亮溫;TBIRW表示紅外窗區(qū)通道亮溫。

常用的BTD閾值有-5、0、5 K等。水汽與紅外亮窗區(qū)溫差法判識對流云主要原理為:對流層中,云上存在水汽吸收水汽通道輻射,而紅外窗區(qū)通道輻射很少被吸收,因此BTD為負(fù)值,當(dāng)出現(xiàn)對流天氣時,云頂越高,云上水汽就越少,水汽通道亮溫就越高且越接近紅外窗區(qū)通道亮溫,使BTD接近0,當(dāng)發(fā)生強對流或沖頂對流時,水汽進(jìn)入平流層逆溫層,使水汽通道亮溫進(jìn)一步增大甚至超過紅外窗區(qū)通道亮溫,BTD變?yōu)檎怠?/p>

但除了對流云,高卷云也可以達(dá)到較高高度使BTD增大,這導(dǎo)致用于提取對流云的BTD閾值越低,卷云噪聲就越高。

1.2.2 自適應(yīng)閾值算法

結(jié)合水汽與紅外亮窗區(qū)溫差法的對流判識,在IRW通道采用類似RDT-CW的自適應(yīng)閾值算法進(jìn)行對流云提取,即為自適應(yīng)閾值算法。具體步驟如下:

在TBIRW中尋找所有局部極小值即云頂冷中心,并根據(jù)云頂冷中心亮溫T按升序進(jìn)行排序,對每一個中心亮溫為T的云頂冷中心執(zhí)行如圖2所示的判斷流程。

圖2 每一個云頂冷中心的判斷流程

通過對每一個潛在對流云團(tuán)以△T=1 K為步長探索最適宜的邊界,實現(xiàn)了IRW通道亮溫閾值的自適應(yīng)。BTDthr為水汽—紅外窗區(qū)亮溫差法判識對流的閾值。AREAlimit為用于快速排除處在卷云區(qū)的冷中心的初始面積閾值,參考中尺度天氣最大水平尺度2 000 km,對應(yīng)AREAlimit取值為2 500個像元。Ratiolimit控制對BTDthr信任程度。通過對冷中心的排序,從最低的冷中心開始標(biāo)記可以確保被當(dāng)前冷中心高度高于其所控制其他冷中心,減少其他冷中心的判斷開銷,提高計算效率。

1.2.3 評價方法

氣象雷達(dá)反演中常用反射率因子大于40 dBZ這一標(biāo)準(zhǔn)來識別對流性降水,但也有學(xué)者使用35 dBZ這一閾值[18]來識別初生對流。由于雷達(dá)數(shù)據(jù)和衛(wèi)星數(shù)據(jù)之間存在時間誤差和觀測對象的差別,本文采用CREF>35 dBZ這一較為寬松的閾值作為對流云區(qū)域參考。評價指標(biāo)采用準(zhǔn)確率P(precision)、識別率R(recall)、調(diào)和均值H(harmonic mean),其定義如下:

(2)

(3)

(4)

式中:TP為正確提取的對流云像元數(shù);FP為錯判為對流云像元數(shù);TN為正確判斷為非對流云像元數(shù);FN為錯誤判斷為非對流云像元數(shù)。

準(zhǔn)確率描述的是識別出的對流云中真正是對流云的比例,識別率描述的是真正的對流云中被正確識別為對流云的比例,調(diào)和均值是綜合準(zhǔn)確率與識別率的評價指標(biāo)。由于雷達(dá)數(shù)據(jù)存在覆蓋范圍和質(zhì)量控制造成的部分區(qū)域缺測,所以評價時只考慮有雷達(dá)觀測數(shù)據(jù)的區(qū)域,各評價指標(biāo)取多時次的平均值。

2 結(jié)果與分析

2.1 水汽—紅外窗區(qū)亮溫差法

在訓(xùn)練集中使用水汽—紅外窗區(qū)亮溫差法進(jìn)行對流云提取,采用的BTD閾值從0 K降至-5 K,間隔1 K。

由表1可見,BTD閾值從0 K到-5 K放寬對流云判識條件的過程中,準(zhǔn)確率不斷降低,識別率不斷提高,這說明在對流云判識條件逐漸放寬的過程中,誤判為對流云的像元和正確判斷為對流云的像元都在增加。且準(zhǔn)確率的降低速率在BTD閾值從-2 K變?yōu)?3 K時最大,識別率增長的速率隨BTD閾值的降低不斷降低,調(diào)和均值在BTD閾值取-2 K時達(dá)到最大,這說明BTD閾值取-2 K時邊際效益最高,即在最大程度減少卷云等噪聲的同時獲得最高的準(zhǔn)確率與識別率。

表1 不同BTD閾值識別效果

與圖1相同,以2019年8月10日17時36分為例,BTD>-2 K的識別結(jié)果如圖3所示。由此可見,BTD>-2 K的識別結(jié)果基本與圖1中CREF暖色區(qū)域相吻合,江蘇等地的臺風(fēng)、廣東等地的局地雷陣雨區(qū)域均能識別到,但是識別到的云團(tuán)比較破碎,空洞較多。且臺灣、江蘇東部部分有雷達(dá)回波的區(qū)域沒有被識別出來,這是由于此時對流云已接近消散,云頂高度變低所致。

圖3 2019年8月10日17時36分BTD>-2 K判識結(jié)果

2.2 自適應(yīng)閾值算法

在訓(xùn)練集中利用圖2所示自適應(yīng)閾值算法,BTDthr取值為上文所述的邊際效益最高的-2 K,Ratiolimit取值從0.6到0.9的對流云識別效果如表2所示。

表2 不同Ratiolimit識別效果

在Ratiolimit的降低過程中,出現(xiàn)了類似降低BTD閾值所產(chǎn)生的識別效果變化,即準(zhǔn)確率不斷降低,識別率不斷提高,調(diào)和均值在Ratiolimit取值為80%時達(dá)到最大。因此,認(rèn)為此時自適應(yīng)閾值法的對流云識別效果最好,下文中Ratiolimit取值均為80%。

與圖1、3相同,以2019年8月10日17時36分的數(shù)據(jù)為例,通過自適應(yīng)閾值算法提取對流云結(jié)果如圖4所示。由此可見,相比較直接用BTD>-2 K提取,用自適應(yīng)閾值算法識別的對流云更完整,并且進(jìn)一步屏蔽了臺風(fēng)外圍的部分零碎的BTD>-2 K的卷云區(qū)域。從算法的描述可以看出在探索每一塊潛在對流云團(tuán)的過程中,限制云團(tuán)中BTD>-2 K的面積與云團(tuán)面積之比不低于Ratiolimit,對BTD>-2 K所識別的強對流區(qū)域進(jìn)行了補全、合并且過濾了達(dá)不到該條件的噪聲信號。而臺灣、江蘇東部部分有雷達(dá)回波的區(qū)域同樣沒有被識別出來,表明自適應(yīng)閾值算法也繼承了水汽—紅外窗區(qū)亮溫差法可能漏報弱對流云的缺陷。

圖4 2019年8月10日17時36分自適應(yīng)閾值法判識結(jié)果

2.3 量化效果對比

集中驗證進(jìn)一步采用組合反射率大于25、30、35、40、45 dBZ作為對流云區(qū)域參考進(jìn)行自適應(yīng)閾值算法與水汽—紅外窗區(qū)亮溫差法提取效果對比如表3所示。

表3 不同程度對流云識別效果

由表3可知,與單獨使用BTD>-2 K相比,自適應(yīng)閾值算法提取對流云的準(zhǔn)確率、識別率、調(diào)和均值均有所提高,對比表1可以說明自適應(yīng)閾值算法并不是單純放大BTD>-2 K識別的所有區(qū)域,而是通過補全真實對流區(qū)域、屏蔽零碎的卷云等噪聲確實減少了漏報和誤報。

當(dāng)組合反射率閾值增大即對流云判識越來越嚴(yán)格時,衛(wèi)星數(shù)據(jù)提取的準(zhǔn)確率不斷下降,可能導(dǎo)致這種情況的原因之一是衛(wèi)星與雷達(dá)數(shù)據(jù)之間的觀測時間存在誤差,更主要的原因是雖然衛(wèi)星與雷達(dá)都可以觀測對流云團(tuán),但是觀測角度不同可能造成的系統(tǒng)誤差。盡管存在誤差,但不斷提高的識別率也說明衛(wèi)星與雷達(dá)的對流云觀測相互間確實有參考意義。

3 結(jié)論

利用FY-4A的水汽通道、紅外窗區(qū)通道亮溫資料和MICAPS3.0的組合反射率CREF資料,分析了水汽—紅外窗區(qū)亮溫差法和自適應(yīng)閾值法提取對流云的效果。主要結(jié)論如下:

(1)基于FY-4A提取對流云的最佳水汽—紅外窗區(qū)亮溫差BTD閾值為-2 K,該閾值最大程度減少卷云影響的同時,對對流云提取的準(zhǔn)確率和識別率最高。BTD閾值過低雖然可以提高識別率,但會導(dǎo)致準(zhǔn)確率降低,引入更多卷云噪聲;BTD閾值增大雖然可以提高準(zhǔn)確率,但是會導(dǎo)致識別率下降,造成更多弱對流區(qū)域漏報。

(2)效果檢驗表明,自適應(yīng)閾值算法提取對流云比單獨使用水汽—紅外窗區(qū)亮溫差法的準(zhǔn)確率、識別率、調(diào)和均值都高,云團(tuán)更完整,可進(jìn)一步過濾卷云噪聲。自適應(yīng)閾值算法將云頂冷中心附近的像元看做云團(tuán)整體來考慮,通過控制水汽—紅外窗區(qū)亮溫差BTD>-2 K區(qū)域所占云團(tuán)的面積比從而實現(xiàn)對流云的補全、合并且過濾卷云等噪聲。

結(jié)合水汽—紅外窗區(qū)亮溫差法的自適應(yīng)閾值法雖然提高了對流云提取的準(zhǔn)確率和識別率,但也繼承了其漏報初生或即將消散對流云的缺點。但由于自適應(yīng)閾值算法具有拓展性,可在結(jié)合水汽—紅外窗區(qū)亮溫差法的步驟中嘗試更多判識方法以減少漏報,進(jìn)一步提高準(zhǔn)確率和識別率。此外,在研究中還發(fā)現(xiàn)由于衛(wèi)星與雷達(dá)在觀測對流云團(tuán)時的角度不同可能會造成系統(tǒng)誤差,但可以通過改進(jìn)雷達(dá)識別對流云的算法進(jìn)行降低,這有待于進(jìn)一步探索。