一种基于云反演资料的深对流系统自动识别追踪方法技术方案

本发明专利技术涉及一种基于云反演资料的深对流系统自动识别追踪方法，该方法利用卫星云反演资料基于ISCCP云分类标准来识别深对流系统，划分深对流系统中的对流核、层状云区以及云砧；然后在三维空间内探测对流核并进行标记，再根据区域生长法迭代使用光学厚度阈值模拟深对流系统从对流核向云砧边缘逐步生长的过程，从而实现深对流系统的识别和追踪。该方法能更准确地识别深对流系统中对流核区和提取深对流系统云砧边缘，实现更精准定位和追踪深对流系统的目的。

An automatic identification and tracking method of deep convection system based on cloud inversion data

【技术实现步骤摘要】
一种基于云反演资料的深对流系统自动识别追踪方法
本专利技术涉及一种基于云反演资料的深对流系统自动识别追踪方法，属于深对流系统(DCS)的自动识别和追踪

技术介绍
深对流系统是一个包含着深对流核，层状云降水区（有降水的云砧）和无降水云砧的连续的冷云盾。深对流核产生强降水并且向对流层高层输送水汽以维系层状云和无降水云砧。深对流系统伴随的天气现象通常较剧烈，常带来大风、暴雨、冰雹等致灾天气。卫星观测使得在区域或全球范围内连续监测深对流系统成为可能。因为深对流系统的形态变化极其迅速，连续识别追踪对流云团极具挑战。在过去的研究中，大量深对流系统识别追踪算法被提出。面积重叠法是目前最普遍使用的方法，这种方法通过11μm红外窗区通道亮温阈值识别对流云团，然后将前后连续的两个红外亮温图像中重叠率超过50%或者重叠面积超过10000km2的两个对流云团判定为同一个对流系统。但是该方法不能有效地处理深对流系统分裂和合并的情况，因而无法得到稳定的深对流系统生命周期。一种旨在有效处理深对流系统分裂和合并的全自动深对流系统追踪方法—TrackingOfOrganizedConvectionAlgorithmthrougha3-DsegmentatioN(TOOCAN)，通过在三维时空内，使用区域生长法，模拟深对流系统从亮温值较低的对流核向云砧边缘逐步生长的过程从而实现深对流系统的定位和追踪。已有的识别追踪深对流系统方法都是基于红外通道亮温，但是利用亮温探测光学厚度较薄的卷云难以实现，因为卫星获得的薄云云顶亮温可能会高于同一高度的晴空区亮温。此外，亮温与云的厚度以及地面降水强度没有直接的联系，且云顶亮温往往受地表状态，大气廓线的影响，不仅只反映云的状态。因此单一的亮温不能有效区分深对流系统中的深对流核，层云区以及无降水的云砧。相反地，云的光学厚度能够有助于识别对流核，对流核往往与周围云砧区具有相似的亮温值但却具有更厚的云层和更强的降水。
技术实现思路
本专利技术为了解决现有技术中存在的问题，提供一种能更准确地识别深对流系统中对流核区和提取深对流系统云砧边缘，实现更精准定位和追踪深对流系统的目的的基于云反演资料的深对流系统自动识别追踪方法。为了达到上述目的，本专利技术提出的技术方案为：一种基于云反演资料的深对流系统自动识别追踪方法，其特征在于：利用卫星云反演资料基于ISCCP云分类标准来识别深对流系统，划分深对流系统中的对流核、层状云区以及云砧；假设深对流系统的光学厚度从对流核向云砧边缘逐步递减，在三维空间内探测对流核并进行标记，然后根据区域生长法迭代使用光学厚度阈值模拟深对流系统从对流核向云砧边缘逐步生长的过程，从而实现深对流系统的识别和追踪。所述卫星云反演资料包括云的光学厚度和云顶高度。所述深对流系统识别过程中，使用云顶高度阈值7km来提取高云，然后根据光学厚度阈值3.6和23，将高云划分为云砧、层状云区和对流核。所述迭代过程中设置光学厚度阈值的初始值为21，并以2为步长逐步减小。本专利技术的有益效果为：与基于单一通道红外亮温的TOOCAN方法相比，本专利技术的基于云反演资料的深对流系统自动识别追踪方法能够排除大气和地表状况的影响，直接反映云的特性，因此可以更可靠地提取深对流系统的云砧边缘。此外，尽管对流核往往与周围云砧区具有相似的亮温，本专利技术方法仍能够准确地识别深对流系统中具有强降水的对流核区。而且，本专利技术方法能够更早地探测到深对流系统，虽然新生的深对流系统云顶亮温不是很低，但由于旺盛生长，这些从低层生长的对流云团的光学厚度足够大，能被有效识别。附图说明图1为本专利技术中深对流系统识别的示意图。图2为本专利技术中深对流系统追踪的示意图。图3为基于本专利技术方法的东亚地区识别追踪的深对流系统图。图4为基于TOOCAN方法的东亚地区识别追踪的深对流系统图。具体实施方式下面结合附图以及具体实施例对本专利技术进行详细说明。实施例本专利技术的基于云反演资料的深对流系统自动识别追踪方法，包括深对流系统的识别和追踪两部分。深对流系统的识别：如图1所示，本实施例通过使用日本葵花8号卫星可见光反演资料中的云的光学厚度和云顶高度，基于ISCCP云分类标准来识别深对流系统。ISCCP中，使用云顶高度阈值7km来提取高云。然后根据光学厚度阈值3.6和23，将高云进一步划分为薄卷云（无降水的云砧），层状云区，深对流云（对流核）。图1展示了深对流系统识别的示意图，首先提取所有云顶高度大于7km的格点作为深对流系统感兴趣区（ROI），然后再根据光学厚度阈值，将ROI进一步分为深对流核，层状云区以及无降水的云砧。图1中a区域为10分钟分辨率的葵花8卫星二级云反演产品云顶高度，b区域为云的光学厚度。c区域为对流核、层状云、无降水的云砧的分区。d区域为深对流系统的简单结构图：自内向外分别代表对流核、层状云、无降水的云砧。深对流系统的追踪：如图2所示，本实施例方法的核心是区域生长法，它能够模拟三维时空内初始种子（对流核）生长成深对流系统的过程。区域生长的过程是基于一个具有10连接点的三维时空域，它包括8个空间连接点，2个时间连接点（过去和未来），且三维时空域是以经纬度以及时间为坐标轴，由一系列有序的ROI构成。本实施例方法假设深对流系统的光学厚度从对流核向云砧边缘逐步递减。首先在三维空间内探测对流核并进行标记，新探测到的对流核被给予新的标签，然后迭代使用光学厚度阙值模拟深对流系统从对流核向云砧边缘逐步生长的过程，迭代过程中以光学厚度2作为步长，首先使用阈值21，然后依次使用光学厚度为19、17、15、13、11、9、7、5、3.6、0进行迭代，当光学厚度为3.6时，到达层状云边缘，光学厚度为0时，最终停止在云砧边缘。图2中a区域为区域生长方法应用的具有10连接点的三维时空域，它包括8个空间连接点，2个时间连接点（过去和未来）；b区域为深对流系统投影图，假设深对流系统的光学厚度从对流核向云砧边缘逐步递减，自内向外分别代表对流核、层状云和云砧；c区域为迭代使用光学厚度阈值在三维空间内识别追踪深对流系统的过程；d区域为深对流系统识别追踪结果，不同颜色深度代表不同的深对流系统。在本实施例中，生命期的阈值，及深对流系统最短持续时间设为30分钟，体积阈值设为45个格点（每个对流核15个格点），在深对流系统识别阶段，面积极小的对流核将会被剔除。图3和图4分别展示了基于本专利技术方法和TOOCAN方法在2016年8月7日东亚地区探测的深对流系统。图3中自上而下依次分别是葵花8卫星云反演产品云顶高度空间分布、云的光学厚度的空间分布和识别追踪的深对流系统，不同的颜色深度代表不同的深对流系统。图4中自上而下依次分别是葵花8卫星11μm红外窗区通道亮温空间分布、识别追踪的深对流系统和及GPM卫星降水量空间分布（mm/h）。在案例中，TOOCAN算法未能及时探测到午后中国东部大陆上的新生深对流系统，此时重庆市周边已产生了局地的强降水如图本文档来自技高网...

【技术保护点】
1.一种基于云反演资料的深对流系统自动识别追踪方法，其特征在于：/n利用卫星云反演资料基于ISCCP云分类标准来识别深对流系统，划分深对流系统中的对流核、层状云区以及云砧；/n假设深对流系统的光学厚度从对流核向云砧边缘逐步递减，在三维空间内探测对流核并进行标记，然后根据区域生长法迭代使用光学厚度阈值模拟深对流系统从对流核向云砧边缘逐步生长的过程，从而实现深对流系统的识别和追踪。/n

【技术特征摘要】
1.一种基于云反演资料的深对流系统自动识别追踪方法，其特征在于：
利用卫星云反演资料基于ISCCP云分类标准来识别深对流系统，划分深对流系统中的对流核、层状云区以及云砧；
假设深对流系统的光学厚度从对流核向云砧边缘逐步递减，在三维空间内探测对流核并进行标记，然后根据区域生长法迭代使用光学厚度阈值模拟深对流系统从对流核向云砧边缘逐步生长的过程，从而实现深对流系统的识别和追踪。


2.根据权利要求1所述基于云反演资料的深对流系统自动识别...

【专利技术属性】
技术研发人员：张峰，李雯雯，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32