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(qū)氣象局，甘肅 天水 741020）

強(qiáng)對流天氣是導(dǎo)致氣象災(zāi)害的重要天氣類型[1]。近年來，全球變暖，天氣氣候異常，強(qiáng)對流天氣頻發(fā)，經(jīng)常造成重大財產(chǎn)損失和人員傷亡[2]。例如，2010年8月8日，由強(qiáng)降水引發(fā)的舟曲特大山洪泥石流地質(zhì)災(zāi)害，導(dǎo)致1478人遇難，287人失蹤；2007年，甘肅省86個縣（區(qū)）中，有38個縣（區(qū)）的230個鄉(xiāng)鎮(zhèn)出現(xiàn)了冰雹災(zāi)害，發(fā)生冰雹災(zāi)害共計85次，農(nóng)作物受災(zāi)面積累積超過14萬hm2。隨著我國經(jīng)濟(jì)的快速發(fā)展，強(qiáng)對流天氣造成的危害和損失在不斷增加，研究強(qiáng)對流天氣的監(jiān)測、預(yù)報預(yù)警技術(shù)，對于防災(zāi)減災(zāi)工作意義重大。

國內(nèi)外學(xué)者對強(qiáng)對流天氣進(jìn)行了大量的研究，在強(qiáng)對流天氣特征、形成機(jī)制以及可預(yù)報性等方面取得了許多成果[3-4]。我國學(xué)者對中國強(qiáng)對流的生成環(huán)境、組織形態(tài)、多普勒天氣雷達(dá)回波特征以及臨近預(yù)報、預(yù)警技術(shù)進(jìn)行了研究，強(qiáng)對流天氣業(yè)務(wù)預(yù)報能力得到顯著提升，但仍需在分類強(qiáng)對流天氣預(yù)報、預(yù)警技術(shù)方面更加深入細(xì)致的研究[1]。利用衛(wèi)星遙感技術(shù)對強(qiáng)對流天氣進(jìn)行監(jiān)測預(yù)警是目前國內(nèi)外常用的技術(shù)手段之一[5-9]。費增坪等[10-14]在利用衛(wèi)星云圖資料對強(qiáng)對流天氣進(jìn)行識別追蹤方面進(jìn)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(wèi)星資料，時空分辨率較低，實用性有限?！翱?號”是日本氣象廳2014年底發(fā)射的新一代氣象衛(wèi)星，具有觀測頻次高、空間分辨率高、觀測通道多、衛(wèi)星輻射計性能先進(jìn)等特點。周鑒本等[15-16]率先在國內(nèi)對其展開了大氣向量研究及冰雪偵測試驗，也有學(xué)者將其應(yīng)用于暴雨、氣溶膠及霧霾等方面的研究[17-19]，然而利用該衛(wèi)星對強(qiáng)對流天氣進(jìn)行識別及追蹤的相關(guān)研究較少。

因此，本文利用2016年隴東南地區(qū)出現(xiàn)的43次強(qiáng)對流天氣過程和“葵花8號”氣象衛(wèi)星資料，對強(qiáng)對流天氣的識別、動態(tài)跟蹤及預(yù)報方法展開研究，以期為甘肅省強(qiáng)對流天氣監(jiān)測預(yù)報預(yù)警提供技術(shù)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(qiáng)對流天氣實況資料，共建立個例樣本43個，統(tǒng)計出強(qiáng)對流云團(tuán)64個，強(qiáng)對流點200個，其中包含短時強(qiáng)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(qiáng)降雹點（冰雹直徑≥2 cm）8個。利用“葵花8號”氣象衛(wèi)星資料，選擇對應(yīng)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(shù)據(jù)（選取資料范圍為32.5°～37.5°N，102.0°～109.0°E）進(jìn)行樣本分析。

2 強(qiáng)對流云團(tuán)的識別

2.1 云頂亮溫

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

表1 2016年4—9月隴東南短時強(qiáng)降水云團(tuán)TBB閾值識別

表2 2016年4—9月隴東南冰雹云團(tuán)TBB閾值識別

2.2 多通道差

衛(wèi)星6.2～10.4 μm通道亮溫差可以指示已經(jīng)穿透對流層頂?shù)膶α髟祈?，其亮溫差?fù)值區(qū)對應(yīng)云頂超過對流層頂?shù)脑茍F(tuán)區(qū)域，統(tǒng)計分析個例云團(tuán)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(tuán)進(jìn)行回代識別檢驗，當(dāng)識別指標(biāo)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(qiáng)降水對流個例（點數(shù)）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(shù)）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(qiáng)降水云團(tuán)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(tuán)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(bǔ)性，可以有效識別單一閾值不能識別出的強(qiáng)對流云團(tuán)，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(wèi)星資料的強(qiáng)對流云團(tuán)識別指標(biāo)，可以識別出樣本中全部的強(qiáng)對流天氣云團(tuán)（表5）。

表5 2016年4—9月隴東南短時強(qiáng)降水云團(tuán)雙閾值識別

3 強(qiáng)對流云團(tuán)邊界的提取

使用雙閾值法可有效識別出強(qiáng)對流云團(tuán)，但要確定強(qiáng)對流云團(tuán)的大小、范圍及其位置，還需要對強(qiáng)對流云團(tuán)邊界使用技術(shù)手段進(jìn)行提取。本文借鑒較為成熟的“逆向搜索法”[21-23]對強(qiáng)對流云團(tuán)邊界進(jìn)行識別。根據(jù)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(qiáng)對流云團(tuán)點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn)45°，直到找到第一個強(qiáng)對流云團(tuán)點為止。然后以這個點為新的邊界點，在當(dāng)前搜索方向的基礎(chǔ)上逆時針旋轉(zhuǎn)90°，繼續(xù)用同樣的方法搜索下一個云團(tuán)點，直到返回最初的邊界點。

在云圖數(shù)據(jù)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(xiàn)斷點。因此，本文對云圖進(jìn)行兩次平滑濾波處理（九點平滑）。

對提取到的邊界點進(jìn)行處理，連接符合閾值的點，完成云團(tuán)邊界提取。通過邊緣提取，使強(qiáng)對流云團(tuán)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(qū)強(qiáng)對流云團(tuán)邊界（2018年6月9日16：30）

4 強(qiáng)對流云團(tuán)的自動追蹤

云團(tuán)的發(fā)展過程經(jīng)常會發(fā)生合并、分裂現(xiàn)象，在不同時次的云圖上云團(tuán)的匹配不具有唯一性。云團(tuán)位置的跟蹤首先要判斷不同時次的兩塊云團(tuán)是否為同一云團(tuán)。本項目沿用目前國內(nèi)云圖追蹤常用的“面積重疊法”[24-25]對不同時次的同一云團(tuán)進(jìn)行匹配跟蹤，即相鄰時次的兩塊云團(tuán)的重疊度越大，則它們?yōu)橥辉茍F(tuán)的可能性越大。云團(tuán)重疊度又和衛(wèi)星掃描時間間隔密切相關(guān)，葵花8號掃描時間間隔縮短到10 min，重疊度較以往風(fēng)云衛(wèi)星有明顯提高。

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

識別強(qiáng)對流云團(tuán)是為了對其未來發(fā)展作出預(yù)測，根據(jù)對某一云團(tuán)多個時次移動規(guī)律的跟蹤，推演下一時刻該云團(tuán)所處位置，從而確定強(qiáng)對流天氣發(fā)生的區(qū)域。

使用面積重疊法匹配出強(qiáng)對流云團(tuán)位置變化后，用強(qiáng)對流云團(tuán)內(nèi)所含像素點的總數(shù)表征其面積，運(yùn)用以下公式對云團(tuán)重心[21]進(jìn)行計算：

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

根據(jù)同一個強(qiáng)對流云團(tuán)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(xiàn)下一時刻強(qiáng)對流云團(tuán)位置的外推預(yù)報（圖2）。

圖2 2016年6月9日16：30—19：30逐小時強(qiáng)對流云團(tuán)移動路徑

5 強(qiáng)對流天氣落區(qū)的判定

5.1 短時強(qiáng)降水落區(qū)的判定

借鑒Mecikalski J R等[26]有關(guān)利用衛(wèi)星數(shù)據(jù)對強(qiáng)對流云團(tuán)進(jìn)行計算的思路，建立隴東南地區(qū)短時強(qiáng)降水落區(qū)判定指標(biāo)。統(tǒng)計分析樣本中出現(xiàn)短時強(qiáng)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(quán)重投票法進(jìn)行短時強(qiáng)降水落區(qū)判定，即：當(dāng)投票數(shù)（Pi）≥6時（共7項），判斷該點為短時強(qiáng)降水發(fā)生位置。

表6 隴東南地區(qū)短時強(qiáng)降水預(yù)報模型中的各因子及指標(biāo)

5.2 冰雹落區(qū)的判定

冰雹云團(tuán)較強(qiáng)降水云團(tuán)具有更高的高度和更深的紋理，對樣本中冰雹落區(qū)云圖特征進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)可以將亮溫梯度作為區(qū)分強(qiáng)降水云團(tuán)和冰雹云團(tuán)的物理量。采用3×3像素寬度計算云頂亮溫梯度，其表達(dá)式為：

其中，T為云頂亮溫，i，j為像素坐標(biāo)。

隴東南地區(qū)10.4 μm通道亮溫梯度G＞5且6.2～10.4 μm亮溫差＜0 K的區(qū)域為冰雹易發(fā)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(qiáng)對流天氣為例，對強(qiáng)對流云團(tuán)進(jìn)行識別、邊界提取、路徑跟蹤、移動路徑外推以及強(qiáng)對流天氣落區(qū)預(yù)報檢驗圖3~5。

圖3 2018年6月10日19：00強(qiáng)對流云團(tuán)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(xiàn)強(qiáng)對流天氣，秦安縣、甘谷縣、武山縣、麥積區(qū)、張家川縣等鄉(xiāng)鎮(zhèn)相繼出現(xiàn)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(xù)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(xù)時間約4 min；20時40分武山縣洛門鎮(zhèn)、溫泉鎮(zhèn)、咀頭鎮(zhèn)最大冰雹直徑約15 mm，持續(xù)時間約10 min。甘谷縣、麥積區(qū)、秦州區(qū)部分鄉(xiāng)鎮(zhèn)出現(xiàn)短時強(qiáng)降水，最大小時雨量為麥積區(qū)肖王的30.4 mm。

利用雙閾值法成功識別出強(qiáng)對流云團(tuán)，利用“逆向搜索法”提取的強(qiáng)對流云團(tuán)邊界清晰可靠，路徑跟蹤準(zhǔn)確，利用“面積重疊法”和云團(tuán)重心計算的強(qiáng)對流云團(tuán)移動方位準(zhǔn)確；冰雹天氣落區(qū)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(qū)一帶冰雹空報，同時，冰雹實際出現(xiàn)時間也與識別到的時間存在偏差；短時強(qiáng)降水落區(qū)判別模型成功識別出秦州、甘谷、麥積一帶短時強(qiáng)降水，但對秦安、張家川、清水一帶空報，短時強(qiáng)降水實際發(fā)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(qū)發(fā)生的一次區(qū)域性短時強(qiáng)降水過程進(jìn)行強(qiáng)對流云團(tuán)識別及位置追蹤檢驗，發(fā)現(xiàn)建立的雙閾值指標(biāo)和追蹤方法并不能有效對其進(jìn)行識別和位置追蹤。經(jīng)過對云圖資料研判分析后發(fā)現(xiàn)，此次強(qiáng)對流過程為暖云性降水，云頂溫度較高，同時強(qiáng)對流云團(tuán)發(fā)展高度相對較低，導(dǎo)致建立的統(tǒng)計指標(biāo)不能對其有效識別。由此可見，本文建立的雙閾值指標(biāo)并不能有效識別和追蹤云頂溫度較高且垂直發(fā)展高度不高的強(qiáng)對流云團(tuán)。

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

7 結(jié)論和討論

（1）利用衛(wèi)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(biāo)，可以準(zhǔn)確識別出隴東南地區(qū)的強(qiáng)對流云團(tuán)。

（2）利用“逆向搜索法”可以準(zhǔn)確獲取強(qiáng)對流云團(tuán)的邊界輪廓；利用“面積重疊法”和對云團(tuán)重心的計算可實現(xiàn)強(qiáng)對流云團(tuán)位置的動態(tài)追蹤及移動路徑外推預(yù)報。

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

圖4 2018年6月10日19：00和19：40強(qiáng)對流云團(tuán)位置跟蹤

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

（4）強(qiáng)天氣落區(qū)判別指標(biāo)充分考慮了對流云頂發(fā)展高度、云頂發(fā)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(qū)強(qiáng)對流天氣落區(qū)具有一定的預(yù)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(fēng)對強(qiáng)對流天氣落區(qū)的影響，在之后的研究中需要對這部分內(nèi)容展開詳細(xì)分析；同時，由于發(fā)展旺盛的強(qiáng)對流云團(tuán)尺度較大且云頂特征均勻，衛(wèi)星投影角度造成的落區(qū)偏差相對較小，忽略了這部分的影響。