基于自适应阈值的云团识别与追踪方法及个例试验

基于自适应阈值的云团识别与追踪方法及个例试验
蔡叔梅;阮征;陈钟荣
【摘要】利用FY-2系列静止气象卫星的IR1通道资料,开展对快速发展云团的识
别与追踪研究.通过建立自适应亮温阈值的云团识别方法,获取云团的发生、发展、
消亡的完整生命过程;基于两个连续红外图像的面积重叠法,处理云团追踪过程中的
分裂和合并现象;提取有关云团的温度阈值、面积大小、移动速度、亮度温度、温
度梯度等特征量,为开展云团演变的研究提供分析依据.对2009年6月发生在河南、安徽等地飑线过程做了云团识别与追踪试验,并进行了分析,得到该过程较为完整的
生命史演变特征.%Using the infrared channel images detected by the FY-2 meteorological satellite, the research on the detecting and tracking of cloud systems is conducted. The whole life cycle, including
forming,developing, and dissipating, are studied based on the method of adaptive threshold temperature. The splitting and merging of cloud systems are tackled based on the geographical overlapping of two consecutive infrared images, and some characteristic quantities such as threshold temperature, area, moving velocity,temperature, temperature gradient and so on are extracted, in order to analyze the cloud evolution. An experiment on the identifying and tracking of the squall process occurred on June 2009 in Henan and Anhui is carried out and the evolutionary characteristics of the cloud systems during the whole life cycle are analyzed.
【期刊名称】《气象科技》
【年(卷),期】2011(039)003
【总页数】7页(P332-338)
【关键词】云团;识别;追踪;强对流
【作者】蔡叔梅;阮征;陈钟荣
【作者单位】南京信息工程大学,南京210044;中国气象科学研究院,北京100081;南京信息工程大学,南京210044
【正文语种】中文
20世纪70年代以来,通过多通道卫星云图的使用,国内外开始对各种天气现象进行反演,通过计算机技术对云团卫星云图进行处理,提取出描述云团的形态学、辐射、动力学特征,进而发展出云团的自动追踪方法。

美国在70年代,对静止卫星云图中云团的移动做了大量研究,Fujita[1]利用电影动画胶片人为判断云团的移
动;Smith[2]等人所研制的人机互交系统 MCIDAS(A M an-Computer Interactive Date Access System)通过计算机屏幕上由操作员光标指定云团中心,利用匹配相关系数求出云团的移动;Endlich[3]和 Wolf[4]所研制的 SA TS(SRI Automatic Tracking System)通过提取云团的特征量,用模式匹配技术追踪云团;A
rking[5](1978)通过对云团做傅里叶变换,使用傅里叶位相差来估计云团的移动。

进入80年代,国外在云团追踪方面以多颗星、多通道追踪方法的研究为主。

90年代初,国外开始采用交叉相关法应用于卫星云图资料进行超短时预报。

国内在云团追踪方面的工作开展得比较晚,目前正处于试验探索阶段。

相对于卫星云图云团追踪方法的研究来说,国内在雷达回波图像回波单体追踪方面的研究比较多,也取得了不少有益的进展。

汤达章等[6-8]对相关系数、相关综合亮温系数、矩特征量以及R 形状描绘在雷达强回波追踪上的应用上做了研究。

邓勇[9]使用回波中心和回波亮
度因子组成的聚类因子,应用逐步聚类技术和序贯配准法追踪强回波区的移动。

虽然雷达回波图像上回波单体的追踪与卫星云图上云团追踪的原理是相似的,但二者考虑的对象以及空间尺度和范围区域有明显的差异。

白洁、王洪庆、陶祖钰[10]等人利用GM S卫星红外云图对强对流云团进行了识别与跟踪;武汉中心气象台的王登炎[11]通过对卫星红外云图进行图像处理,再对MCS的边界廓线进行傅里叶展开,求得其形态特征。

利用形态特征的保守性,得到MCS的移动矢量,以此对MCS的移动作外推预报,吕艳彬[12]、徐建芬[13]、腾卫平[14]等人也曾对中尺度云团做过相应的研究。

鉴于云团的复杂性和非线性,目前云团预测理论和方法及预测效果并不完善,具有实用意义的预测模型几乎没有。

因此继续探索卫星云图预测的方法思路和技术途径不仅具有学术意义,更有实用价值。

本文采用的云团识别方法是基于红外图像适应性的温度阀值,即针对不同发展阶段的云团用不同的温度阈值,实现对云团生命过程的完整追踪,基于面积最大重叠法对云团进行追踪,这种方法可以较准确地追踪一个完整生命史的云团。

利用FY-2C气象卫星资料采用本算法对2009年6月河南安徽一带出现的飑线过程作试验分析,获取了强对流发生期间云团从初生、发展、成熟到减弱、消散的演变过程,得到了中尺度云团过程发展的演变特征。

参照法国气象学家 Toulouse[15]提出的云团自适应识别方法对云团进行识别,并计算云单体的形态学参数(面积、椭圆长宽比)和辐射参数(平均亮温、最低亮温),得到描述相应云系的特征。

在此算法中,遵循在满足面积阈值 A min的条件下,寻找适应的亮温温度阈值 T th亮温。

在已有的探测算法[16]中,通常是基于一个固定温度阈值对云团进行检测,实际上,较冷的温度阈值会导致对流系统第一次探测时间的延迟,而选择较暖的温度阈值,当这些系统嵌入到暖云层中时,会导致不同的对流系统被识别成一个大的单体。

本文的云团识别方法基于红外图像的适应性温度阀值,假设亮温阈值在暖阈值 T
warm和冷阈值 T cold之间确定,ΔT是动态温度阈值的温度差,因此可能的温度阈值有:T warm,T warm-ΔT,T warm-2ΔT,…,T cold。

云团检测规则遵循基于云团亮温阈值 T th的面积阈值A included,当温度阈值满足识别到的云团单体面积比面积阈值 A included大时,并且该温度阈值在所有满足条件的温度阈值中是最冷的,以此温度阈值对云团的识别是成功的。

如图1所示,温度阈值为 T warm-ΔT,该温度阈值探测到的单体面积比面积阈值A included大,满足匹配条件。

在实际天气过程当中,温度阈值随着天气的变化而变化,并非线性的,而是随着总体亮温强度变化而变化。

如果按照阶段分,初生阶段阈值较高,进入发展阶段至旺盛阶段又逐渐增强,最后进入衰减消亡阶段,阈值又逐渐回升。

(1)追踪方法
追踪算法的基本思想基于相邻两个时次的红外云图,将前一时次图像进行外推,计算外推后的云团与后一时次的云团在地理位置上的重叠。

在做重叠之前,可先预设定一个距离阈值,以免出现判断失误。

当大于重叠阈值的云团满足匹配条件时追踪完成,如图2所示。

图2中,定义C为 t时刻图像中的某个单体,A(C)为C的面积,C′为t-Δt时刻图像中的单体,A(C′)为C′的面积,V(C)为单体 C的移动速度由 C经过
V(C)Δt后得到,那么 C和C′的重叠就被定义为两个单体间的匹配规则是:O(C,C′) ≥τovl,τovl是重叠阈值,即只有当两单体间的重叠值足够大时,单体间的匹配才能成功。

(2)云团分裂与合并
上述云团追踪算法的匹配规则,适用于在两个相邻时刻都只有一个单体相互匹配的情况下成立,无法对单体间会发生分裂与合并的情况进行追踪。

如图3a,t-Δt时刻有两个单体与 t时刻单体1′有足够大的面积重叠,这种情况称为单体的合并,此时t-Δt时刻最大的单体保留在轨迹中,终止其余单体的生命历程。

图3b中,t-Δt时刻的单体与t时刻的两个单体1′、2′有足够大面积重叠,称为单体分裂,此时后一时次分
裂出的最大的单体继续该轨迹的进程,其余单体作为新轨迹的开始。

单体间同时发生分裂与合并的情况最为复杂,即两个时次均有不止一个的单体间满足匹配规则。

例如图3c的情况,t-Δt时刻的单体合并为 t时刻的单体1′,t-Δt时刻单体又分裂为t时刻单体1′、2′。

这时,保留两个时刻最大的单体和2′,并终止 t-Δt时刻较小的单体,把 t时刻较小的的单体1′归为新的轨迹的开始。

对于跟踪到的云团系列,通过提取云团的几何特征、辐射特征等特征量来描述云团的形态特征和强度特征,这些特征量主要包括云团的特征面积、平均强度、亮温梯度等,分析这些特征量的演变,可以对云团的生命史进行分析。

通过质心的空间位置变化,可以得到云团的移动速度。

云团移动速度表达式为:
式中DCC′是 C和C′间重心距离的矢量,Δt是t时刻和t-1时刻的时间差。

云顶温度梯度表达式为:
式中 T B为亮温度,d为像素点间的距离,i,j为像素坐标。

图4反映了算法总体的流程关系,整个算法在Window s开发环境下运行,开发工具是VC++6.0,开发语言是C++。

该方法主要由两部分组成:云团识别算法和云团追踪算法。

云团识别算法首先读取卫星基数据,写入云团识别算法模块,确定温度阈值确定云团边缘点,由此生成每个单体的信息文件,单体信息包括云团的上下左右方向的格点坐标、几何中心格点坐标、质心格点坐标以及它们对应的经纬度坐标、云团平均亮温、最低亮温、平均亮温等20余项。

云团的追踪算法处理分裂与合并,满足条件的即为追踪到的单体,输出了每个单体的信息文件以及每个时次的图像输出。

单体信息文件较前一个步骤中的信息文件多了单体编号、移动速度。

利用上述方法对2009年6月3日河南、安徽一带出现的飑线过程进行了试验,基础数据是30 min时间分辨率、5 km×5 km空间分辨率的FY-2C的IR1通道数据,采用温度阈值范围在 -10～-32℃,面积阈值为750 km2,重叠阈值为0.3进行了云
团识别与追踪,提取了云团的辐射、几何特征参数,分析其整个生命过程中的演变。

6月3日是一次发生在黄淮区域的飑线过程。

此次过程是东北冷涡背景下以雷暴大风为主的强对流天气,影响范围在华北南部、黄淮区域(河南、苏皖北部)。

图5给出了云团识别过程的动态阈值的变化和单体面积的演变。

可知整个演变过
程中亮温阈值在云团发展的初期是较暖的,为-24～-28℃,随着对流的发展强度的增大阈值也随之降低,最低达-32℃,而到了消散期,阈值温度又开始回升到-24℃上下,
可以清晰地描述云团生命史的强度。

云团内所含像素点的总数为该云团的特征面积,用来表示云团的大小。

从单体面积
结合下文的图像输出不难看出,单体在 03:30、04:30、06:30、08:30和 11:00(U TC,下同)发生分裂,在 12:30、18:30、20:30和22:00发生合并,整个过程发生了5
次合并4次分裂,说明该系统发展极不稳定,有较大的不可预测性。

图6(见文后彩图)给出不同时段的几幅追踪结果(字母与数字组合的编号表示云团轨迹的序列号)。

从图中可以看出,该云团在6月3日00:30在山西兴县开始生成,并
逐渐向东南偏移。

08:00云团强度明显加强,08:30云团J6、Y0、a0、A 14合并成云团A 15,这时单体发展继续加深。

11:50左右超级单体在河南组织发展为飑
线,13:00在河南商丘发展至最强,与地面自动站观测到的13:07—13:23商丘的宁陵、睢县出现最强风力9～10级相吻合,此时系统进入旺盛阶段。

18:00云团移到
山东济宁菏泽地区,分布单一,周围无零散的单体,云团继续朝东南方移动,18:30云团发生分裂,强度逐渐减弱,仍朝东南方移动。

21:30已经衰减为较弱的云团,平均温度为-35℃,到了22:00以后云团逐渐衰减消亡,该云团生命史结束。

算法对云团分裂与合并的处理,在此个例中体现较好。

如图 6中 08:00所示,云团J6、Y0、a0和A 14发展到08:30时,合并成一个大云团A 15,但此时并未完全合并,而
是边缘处有少许的粘连,可认为是合并的前夕。

大云团编号追随上个时次面积较大
的单体,即合并情况下,较大的单体继续轨迹的进程,面积较小的结束生命史。

又如分
裂情况:如图6中18:00所示,云团A 31发展到18:30,分裂成两个单体A 32和另一个较小的单体v0,分裂的两个云团,面积较大的云团保留在原轨迹中。

针对2009年6月3日过程识别与追踪的云团,进行了特征参数提取和统计分析(表1)。

3日00:30云团在山西兴县形成,02:30云团在河北邢台邯郸境内逐渐发展增强,12:30逐渐发展形成一系列有组织的飑线,13:00左右在河南商丘境内发展到最强,形成东北西南走向的强飑线系统,15:30以后系统逐渐衰减,直至22:30在江苏东部消亡。

整个过程云团的形状由椭圆形演变到东北西南走向的带状,最强时期形成近圆形系统,最后以带状衰减消亡。

从飑线前期的云团初生时期到消亡时间系统生命史时间达23 h。

受高空风是西北气流控制,这些中小尺度系统从西北方向偏东南方向移动。

平均云顶亮温为云团中每个点的亮温总和的平均值,在一定程度上可以反映出云团发展的强弱,最低亮温越低,云团发展越旺盛。

这期间云顶平均亮温由高变低再回升,其中云顶亮温小于-32℃面积大于105 km2的云团持续了7 h,亮温低于-52℃面积大于5×104 km2的亮温持续了2 h。

并且亮温小于-32℃的最大范围所对应的形状近乎圆形,根据Moddox(1980)给定的中尺度对流系统的定义,满足云顶亮温小于等于-32℃,且其面积大于等于100000 km2的尺度和云顶亮温小于等于-52℃且其面积小于等于50000 km2的尺度生命期之和不低于6 h,且在红外亮温小于等于-32℃对应的最大范围时,椭圆率(短轴/长轴)大于等于0.7,可以判断该系统属于中尺度对流系统,形体较大,生命史大于6 h以上。

除云顶温度以外,另一个与对流强度相关的云团特征量是云顶温度梯度。

云顶温度梯度大,说明云顶的纹理丰富,起伏剧烈。

从某种意义上讲,云顶温度梯度的大小反映了云团内部的对流活跃程度。

从图7中可以看到云顶温度与云顶温度梯度的时间演变序列,它们大体上有着较好的相关关系,云顶亮温低值区对应云顶亮温梯度大值区,而云顶亮温高值区对应云顶
亮温梯度小值区。

说明在这次飑线过程中,强对流大体发生在云顶温度梯度较大也即云顶纹理丰富的区域。

实现了利用基于自适应阈值的识别、追踪方法对云团的演变特征进行分析,对2009年6月一次飑线过程进行了试验,得到了初步结果。

(1)采用自适应阈值方法利用红外云图对云团进行识别,试验结果表明该方法可以获取云团较为完整的演变信息;对云团的追踪,采用面积重叠法处理分裂与合并,可以实现云团演变过程的较好追踪。

(2)利用上述方法追踪到的对流云团,通过提取其特征面积、平均强度、外围温度梯度等特征量,可以准确、合理地反映出强对流云团的特征和性质。

从上述分析结果看,云顶温度、温度梯度、移动速度有着明显的对应关系。

(3)云团的新生、发展、成熟和消亡过程较快,云团在移动过程中常有分裂或合并现象,本文虽然对分裂与合并处理,由于云团演变的复杂性,分裂与合并处理方法尚需要作进一步完善。

【相关文献】
[1]Fujita T,Bradbnry D L,Murino C,et al.A study of mesoscale cloud motions computed from A TS-Iand terrestrial photographs[G]∥SMRP Res Pap,University of
Chicago,1968,71:25.
[2]Smith E A.The M c IDAS system[J].IEEE Trans Geosci Electron GE,1975,13:123-136.
[3]Endlish R M,Wolf D E,Hall D J,et e of a pattern recognition technique for determining cloud motions from sequences of satellite photographs[J].J App l Meteo
r,1971,10:105-117.
[4]Hall D J,Endlish R M,Wolf D E,et al.Experiments in automatic cloud tracking using SMSGOES Data[J].J Appl M eteo r,1977,16:1219-1230.
[5]A rking A,Robert C L,Rosenfield A.A furrier app roach to cloud motion
estimation[J].Appl Meteor,1978,17:735-744.
[6]赵清云,汤达章.雷达跟踪回波运动方法的研究[J].南京气象学院学报,1988,11(2):197-207.
[7]汤达章,李力.一种新的跟踪雷达回波的特征量——矩不变量[J].南京气象学院学报,1989,12(3):1-
8.
[8]汤达章,周咏梅,胡明宝,等.雷达回波跟踪的两种方法及精确比较[J].应用气象学报,1994,1(3):305-311.
[9]邓勇,张培昌.利用数字雷达柱体最强回波图像作强对流天气路径临近预报[J].南京气象学院学报,1989,12(4):405-414.
[10]白洁,王洪庆,陶祖钰.GMS卫星红外云图强对流云团的识别与追踪[J].热带气象学
报,1997,13(2):158-167.
[11]王登炎.MCS的形态特征和外推预报[J].气象,2000,26(8):22-24.
[12]吕艳彬.华北暴雨的中尺度对流复合体研究[D].北京:北京大学,2000.
[13]徐建芬,郝立生,潘滇,等.一次副高东退过程中的河北省暴雨分析[C].中国气象学会年会论文集,2006.
[14]腾卫平、杜惠良、胡波,等.浙江省降水云系红外云图特征与降水量的关系[J].气象科
技,2006,34(5):527-531.
[15]M ETEO-FRANCE/CNRM Toulouse. Rapid developing thunderstorms[R].SAF NWC Scientific Report for M TR on PGE11,2000,11:16-50.
[16]Meteo-France.Software User Manual for the PGE11-Rapid Development Thunderstorms(RDT 1.3)of the SAF NWC/MSG:Scientific Part[G].M eteo-France,2006.。