劉婉清

摘 要：通過比較分析中尺度對(duì)流系統(tǒng)中的雷達(dá)資料和衛(wèi)星資料，對(duì)國(guó)內(nèi)外現(xiàn)有的MCS研究方法進(jìn)行闡述，得出結(jié)論：從資料完整性、目標(biāo)云團(tuán)的尺度覆蓋、資料的獲取方法、軟件識(shí)別手段等來看，基于衛(wèi)星資料的識(shí)別MCS相較傳統(tǒng)的雷達(dá)資料具有分析更為準(zhǔn)確、便捷和高效的特點(diǎn)，值得推廣。

關(guān)鍵詞：MCS；雷達(dá)；靜止衛(wèi)星；強(qiáng)對(duì)流；自動(dòng)追蹤；紅外云圖

中圖分類號(hào)：P458 文獻(xiàn)標(biāo)志碼：B文章編號(hào)：2095–3305（2024）01–0-03

中尺度對(duì)流系統(tǒng)，簡(jiǎn)稱MCS（Mesoscale Convective System），是造成暴雨、冰雹、雷雨大風(fēng)、龍卷風(fēng)等災(zāi)害性天氣的重要系統(tǒng)。近年來，自然災(zāi)害越來越引起人們的重視，其中，天氣現(xiàn)象是引發(fā)自然災(zāi)害中的主要因素之一。而由中尺度對(duì)流系統(tǒng)引發(fā)的暴雨災(zāi)害是主要的氣象災(zāi)害之一，尤其我國(guó)是一個(gè)深受強(qiáng)對(duì)流影響的國(guó)家，研究強(qiáng)對(duì)流的識(shí)別方法顯得尤為重要[1-4]。

從中尺度天氣的角度來看，MCS的尺度范圍相對(duì)較大，且空間變化較廣，形態(tài)較為復(fù)雜，在時(shí)間和空間上的變化利用常規(guī)的氣象觀測(cè)手段很難有效監(jiān)測(cè)和追蹤到，因此近幾十年來，氣象學(xué)家通常使用較大范圍的衛(wèi)星或雷達(dá)組網(wǎng)數(shù)據(jù)進(jìn)行MCS的監(jiān)測(cè)、識(shí)別、追蹤和預(yù)報(bào)。

早在20世紀(jì)50年代，美國(guó)就開展了大量的雷暴項(xiàng)目，分析了MCS類型典型雷達(dá)回波，20世紀(jì)60年代至今，衛(wèi)星資料分析時(shí)代開啟[5]。MCS最初的研究方式主要是通過建立MCS相應(yīng)的模型，并對(duì)模型進(jìn)行描述，這屬于一種經(jīng)驗(yàn)性的表述方法，相較其他研究方法而言，操作相對(duì)簡(jiǎn)單，缺乏對(duì)MCS的識(shí)別、分類、比較、追蹤等處理手段，研究機(jī)制相對(duì)落后。目前，國(guó)內(nèi)對(duì)MCS的研究主要集中在2個(gè)方面：一是數(shù)值模式對(duì)MCS的形成和維持；二是國(guó)內(nèi)MCS普查工作[6]。主要闡述以雷達(dá)和衛(wèi)星作為基礎(chǔ)分析資料的MCS分析方法，以期為后續(xù)MCS識(shí)別和追蹤提供參考。

1 MCS研究概況

1.1 基于雷達(dá)探測(cè)資料的識(shí)別MCS

雷達(dá)資料的覆蓋度和時(shí)空分辨率均較高，被廣泛應(yīng)用于MCS研究?；诶走_(dá)探測(cè)資料的常用識(shí)別MCS

的方法有2類：一類是基于雷達(dá)拼圖資料的TITAN算法（圖1）；另一類是基于雷達(dá)拼圖資料開發(fā)的SCIT算法。但TITAN和SCIT均屬于風(fēng)暴“質(zhì)心”識(shí)別和追蹤算法，對(duì)尺度較小的超級(jí)單體風(fēng)暴或孤立的風(fēng)暴單體的識(shí)別效果更好，而對(duì)結(jié)構(gòu)和形態(tài)較為復(fù)雜的MCS的識(shí)別有時(shí)不夠準(zhǔn)確[7]。易笑園等[8]通過對(duì)多普勒雷達(dá)資料進(jìn)行粗化格點(diǎn)處理，定性、定量地對(duì)圖形進(jìn)行數(shù)值疊加分析，得出颮線階段是MCS中地閃最為活躍的階段；楊吉等[9]在MCS自動(dòng)識(shí)別的基礎(chǔ)上，利用相關(guān)法追蹤雷達(dá)回波和面積重疊法，完成對(duì)MCS的新跟蹤預(yù)報(bào)方法，該方法可以提取較為穩(wěn)定的系統(tǒng)移動(dòng)速度。Wang等[10]利用2016年6—7月長(zhǎng)江流域的雷達(dá)圖和相關(guān)觀測(cè)資料，系統(tǒng)分析了長(zhǎng)江中下游地區(qū)梅雨季節(jié)MCS的類型和特征；Parker

等[11]利用美國(guó)雷達(dá)組合反射率因子數(shù)據(jù)研究了MCS的主要組織形態(tài)，將準(zhǔn)線性MCS分為尾隨層云、前導(dǎo)層云和平行層云，形成了經(jīng)典線狀MCS分類概念模型。Jergensen等[12]基于雷達(dá)探測(cè)資料和探空資料，將雷暴分為三類：QLCS、超級(jí)單體、無組織對(duì)流，后期逐漸出現(xiàn)了基于雷達(dá)資料的MCS自動(dòng)識(shí)別方法研究[13]。MCS的自動(dòng)識(shí)別方法有利于預(yù)報(bào)預(yù)警和監(jiān)測(cè)，同時(shí)可以減少大量的人力和物力。因此，基于雷達(dá)資料分析MCS的方法始終都在被研究，未來的方向?qū)⒓杏诮柚斯ぶ悄軐?shí)現(xiàn)MCS的自動(dòng)識(shí)別方法上。

1.2 基于衛(wèi)星資料的識(shí)別MCS

由于雷達(dá)設(shè)備所探測(cè)的范圍有限，探測(cè)距離較短，受地形限制，雷達(dá)圖的覆蓋度無法與衛(wèi)星云圖相比，且雷達(dá)回波的拼接誤差影響較大。同時(shí)，靜止衛(wèi)星云圖具有時(shí)空分辨率高、可靠性強(qiáng)、精度高、覆蓋度廣、觀測(cè)連續(xù)且受地域影響較小的特點(diǎn)，既可以顯示大尺度的云系特征，又可以實(shí)時(shí)監(jiān)測(cè)中小尺度云系的發(fā)生、發(fā)展和演變過程。因此，基于衛(wèi)星云圖的MCS分析手段在日常的業(yè)務(wù)分析中具有良好的實(shí)際應(yīng)用效果。

美國(guó)自20世紀(jì)70年代開始研究靜止衛(wèi)星云圖中的云團(tuán)移動(dòng)，通過提取云團(tuán)的信息量，再用模式匹配技術(shù)追蹤云團(tuán)，該方法持續(xù)至今，已發(fā)展為多顆衛(wèi)星、多通道、多種手段開展MCS的自動(dòng)追蹤。

國(guó)內(nèi)對(duì)MCS自動(dòng)追蹤的研究起步較晚，目前仍處于研究和發(fā)展階段，但在MCS的識(shí)別和追蹤研究上也取得了一定成效。比如：肖穩(wěn)安等[14]利用增強(qiáng)紅外衛(wèi)星云圖資料分析MCC的降水強(qiáng)度和云區(qū)的亮度溫度值、云區(qū)面積等之間的關(guān)系，得出MCC從形成到發(fā)展至最強(qiáng)的階段前，區(qū)域降水也呈逐漸增加的態(tài)勢(shì)。王登炎[15]通過對(duì)紅外云圖的處理分析，得出MCS的移動(dòng)矢量，并預(yù)測(cè)其移動(dòng)路徑，準(zhǔn)確率遠(yuǎn)大于目視解譯。白潔等[16]也通過對(duì)紅外云圖的處理分析，將區(qū)域平滑濾波與閾值結(jié)合，在對(duì)云團(tuán)的濾波處理和多閾值剔除中將MCS云團(tuán)從云圖中分離出來，實(shí)現(xiàn)對(duì)云區(qū)范圍的有效識(shí)別和追蹤。費(fèi)增平等[4]重新定義了識(shí)別MCS的云團(tuán)標(biāo)準(zhǔn)，并在此基礎(chǔ)上，以圖像處理技術(shù)實(shí)現(xiàn)對(duì)MCS的自動(dòng)識(shí)別和追蹤。目前，我國(guó)多使用風(fēng)云系列衛(wèi)星作為MCS的主要分析資料。在紅外云圖觀測(cè)云團(tuán)的亮度、尺寸等，云區(qū)的面積越大、云層越厚、亮度越強(qiáng)、輔以上升運(yùn)動(dòng)，則說明大氣中的水汽含量豐富，降水強(qiáng)度越大。

2 結(jié)果與分析

如圖4所示，MCS的自動(dòng)識(shí)別、跟蹤和分類是一項(xiàng)非常復(fù)雜的工作，涉及很多前沿技術(shù)與算法。衛(wèi)星遙感資料具有觀測(cè)范圍廣、時(shí)空分辨率高的特點(diǎn)，可以對(duì)MCS的發(fā)生、發(fā)展與消亡進(jìn)行全天候觀測(cè)。Matlab軟件具有功能強(qiáng)大、簡(jiǎn)單易學(xué)的特點(diǎn)，可以便捷地提取多種格式的數(shù)據(jù)，通過對(duì)衛(wèi)星亮溫?cái)?shù)據(jù)圖像轉(zhuǎn)化為灰度圖像，進(jìn)一步轉(zhuǎn)化為二值化圖像，再利用MCS判別來實(shí)現(xiàn)自動(dòng)識(shí)別和追蹤，此種方法操作相對(duì)簡(jiǎn)單且實(shí)驗(yàn)成功率高。因此，針對(duì)MCS的研究應(yīng)當(dāng)以衛(wèi)星云圖資料的分析為主，輔以雷達(dá)拼接資料為輔，再通過Matlab軟件或人工智能自動(dòng)學(xué)習(xí)等方法對(duì)MCS進(jìn)行自動(dòng)識(shí)別，自動(dòng)追蹤其發(fā)生、發(fā)展和消亡的過程。

3 展望

目前，MCS云團(tuán)追蹤多用于對(duì)我國(guó)飛行航線區(qū)域天氣的預(yù)報(bào)預(yù)測(cè)，研究多參照費(fèi)增坪、王洪慶等人的MCS判別標(biāo)準(zhǔn)，利用國(guó)家衛(wèi)星中心的衛(wèi)星數(shù)據(jù)資料，輔以Matlab軟件，將衛(wèi)星資料轉(zhuǎn)化為二值圖像，再自動(dòng)識(shí)別目標(biāo)云團(tuán)，最終得出云團(tuán)的移動(dòng)方向和速度。從多位研究學(xué)者的實(shí)驗(yàn)結(jié)果來看，國(guó)內(nèi)對(duì)MCS的自動(dòng)識(shí)別，尤其是通過算法改進(jìn)或利用周圍云團(tuán)自動(dòng)匹配追蹤出現(xiàn)的新生云團(tuán)等方法，均可以實(shí)現(xiàn)MCS的辨別和追蹤，但也出現(xiàn)了相應(yīng)的問題：段煉等[17]在追蹤實(shí)驗(yàn)中，對(duì)兩云團(tuán)的合并引起云團(tuán)質(zhì)心位置偏移的情形，會(huì)導(dǎo)致追蹤結(jié)果發(fā)生偏差。劉帆[18]在MCS的自動(dòng)識(shí)別和追蹤算法中，所用的氣象產(chǎn)品僅是紅外衛(wèi)星云圖，但靜止衛(wèi)星的投射角等與地理位置坐標(biāo)進(jìn)行轉(zhuǎn)化中存在誤差，同時(shí)在衛(wèi)星投影偏差的影響下，云圖疊加區(qū)、國(guó)界坐標(biāo)等地理信息與實(shí)際MCS云區(qū)的幾何關(guān)系存在誤差。最重要的一點(diǎn)，國(guó)內(nèi)的靜止衛(wèi)星云圖處理大多需要疊加和拼接，不同衛(wèi)星、不同區(qū)域的云圖疊加，不能完全覆蓋研究需要，且疊加云圖的準(zhǔn)確性也有待商榷，因此，MCS自動(dòng)識(shí)別的判定算法仍需予以優(yōu)化和改進(jìn)，為學(xué)者和相關(guān)部門對(duì)MCS云團(tuán)的識(shí)別、判定和預(yù)測(cè)追蹤等提供實(shí)用技術(shù)。

參考文獻(xiàn)

[1] 江吉喜.一次特大沙塵暴成因的衛(wèi)星云圖分析[J].應(yīng)用氣象學(xué)報(bào)，1995（2）：177-184.

[2] 何立富，陳濤，諶蕓，等.大氣探測(cè)資料在中尺度暴雨中的分析和應(yīng)用[J].應(yīng)用氣象學(xué)報(bào)，2006（S1）：88-97.

[3] 國(guó)家氣象中心.98年大洪水與天氣預(yù)報(bào)[M].北京：氣象出版社，1999.

[4] 費(fèi)增坪，王洪慶，張焱，等.基于靜止衛(wèi)星紅外云圖的MCS自動(dòng)識(shí)別與追蹤[J].應(yīng)用氣象學(xué)報(bào)，2011，22（1）：115-122.

[5] 羅伯特·霍茲，賈朋群，李婧華.第17章中尺度對(duì)流系統(tǒng)研究100年[J].氣象科技進(jìn)展，2019，9（S1）：275-290.

[6] 林墨.基于多特征抽象化描述的中尺度對(duì)流系統(tǒng)分析研究[D].南寧：廣西師范學(xué)院，2013.

[7] 南剛強(qiáng)，陳明軒，秦睿，等.基于雷達(dá)組合反射率拼圖和深度學(xué)習(xí)的中尺度對(duì)流系統(tǒng)識(shí)別、追蹤與分類方法[J].氣象學(xué)報(bào)，2021，79（6）：1002-1021.

[8] 易笑園，張義軍，李培彥，等.MCS中地閃活動(dòng)特征與雷達(dá)資料相關(guān)個(gè)例分析[J].氣象科技，2007（5）：665-669，763.

[9] 楊吉，鄭媛媛，夏文梅，等.雷達(dá)拼圖資料上中尺度對(duì)流系統(tǒng)的跟蹤與預(yù)報(bào)[J].氣象，2015，41（6）：738-744.

[10] Wang X F， Cui C G， Cui W J， et al. Modes of mesoscale convective system organization during Meiyu season over the Yangtze River basin[J]. Acta Meteor Res， 2014， 28（1）： 111-126.

[11] Parker M D， Johnson R H. Organizational modes of midlatitude mesoscale convective systems[J]. Mon Wea Rev， 2000， 128（10）： 3413-3436.

[12] Jergensen G E， McGovern A， Lagerquist R， et al. Classifying convective storms using machine learning[J]. Wea Forecast， 2020， 35（2）： 537-559.

[13] 黃曉璐，李瑞青，李林惠，等.內(nèi)蒙古河套地區(qū)一次對(duì)流暴雨的中尺度對(duì)流系統(tǒng)演變特征[J].干旱區(qū)研究，2022， 39（6）：1728-1738.

[14] 肖穩(wěn)安，褚昭利，徐輝.中尺度對(duì)流復(fù)合體的降水特征和預(yù)報(bào)[J].南京氣象學(xué)院學(xué)報(bào)，1995（1）：107-113.

[15] 王登炎.MCS的形態(tài)特征和外推預(yù)報(bào)[J].氣象，2000（8）：22 -24.

[16] 白潔，王洪慶，陶祖鈺.GMS衛(wèi)星紅外云圖強(qiáng)對(duì)流云團(tuán)的識(shí)別與追蹤[J].熱帶氣象學(xué)報(bào)，1997（2）：63-72.

[17] 段煉，郭庚常.風(fēng)云衛(wèi)星云圖自動(dòng)識(shí)別追蹤MCS的方法[J].電子科技，2016，29（4）：116-119，126.

[18] 劉帆.基于衛(wèi)星云圖的MCS自動(dòng)識(shí)別追蹤及對(duì)我國(guó)飛行情報(bào)區(qū)影響的研究[D].廣漢：中國(guó)民用航空飛行學(xué)院，2014.