[发明专利]一种基于新一代静止卫星数据的中尺度对流动态追踪方法

说明书

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，包括：1识别潜在的MCS；2追踪潜在的MCS；综合使用面积重叠法和卡尔曼滤波方案。对于初生和消亡时期的面积较小且移速快的对流，采用KF方法进行正向追踪；对于成熟期尺度较大的对流或者移速较慢的对流，采用面积重叠法AOL进行追踪。在使用面积重叠法追踪的过程中，根据前后两帧云图上pMCS的重叠率来判断云团是否存在分裂合并。在使用KF方案进行追踪时，使用周围pMCS的平均移动矢量给KF追踪方案赋初值。3筛选出真正的MCS。优点为：准确地抓取中尺度对流系统，尤其是很小的、移速很快、传统方案抓不住的对流系统，使追踪到的对流生命周期更加完整。

技术领域

本发明属于对流动态追踪技术领域，具体涉及一种基于新一代静止卫星数据的中尺度对流动态追踪方法。

背景技术

中尺度对流系统，即MCS与灾害性天气(极端降水，冰雹，龙卷等)的发生发展关系密切。传统的地基观测由于时空分辨率的限制，难以有效地捕捉MCS。新一代静止卫星数据的出现，使得动态追踪MCS的发生发展成为可能。传统的动态追踪MCS的方法，往往为AOL方案。这一方案能够有效追踪较大的云团，然而却难以捕捉较小的、尚未发展起来的MCS，以及移动速度较快的对流。

具体的，AOL方案，即面积重叠法，其实现原理为：假设同一云团在相邻两帧卫星图像上有一定的重叠区。有且只有当前后两个时次的两个云团重叠面积比率高于设定的重叠率阈值时，才认为这两个云团相匹配，是不同时次卫星云图上的同一朵云。

假如对流尚未发展起来(云团尺度很小)，又或者移动速度很快，那么同一云团在相邻两帧卫星图像上的重叠区域可能低于设置的重叠率阈值，甚至为0。这种情况下，小对流无法被AOL方案抓住。很多尺度很小的对流系统容易被AOL方案遗漏。此外，在一些较大的对流系统的初生和消亡阶段，对流云团的尺度相对较小，AOL方案只能抓住这些大系统相对成熟的阶段，在对流尚未发展起来或者趋于消散的阶段，AOL无法捕捉到，因此，AOL方案虽然能抓住较大的系统，但生命期是不完整的。

AOL方案基础上叠加卡尔曼滤波方案[Huang et al.,2018]，能够更好地捕捉到小对流。KF方案的核心是卡尔曼滤波的五个方程，其中包括两个预测方程和三个修正方程，主要根据上一时次的状态变量和协方差矩阵进行迭代。其中，状态变量是一个四维变量，包括上一时次的位置和移动矢量。由于在初始时次，状态变量无法准确获知，所以通常采用随机初始化的方法给卡尔曼滤波方案赋初值。

由于在初始时刻，现有方案中通常采用随机初始化的方法给卡尔曼滤波方案赋初值，因此卡尔曼滤波方案的预测结果在前几步是非常不稳定的，需要迭代到一定步数后算法才会逐渐收敛，这就导致初始时次的小对流仍然无法用卡尔曼滤波方案准确地捕捉，可能存在很多匹配错误的情况。

此外，Huang等(2018)中，AOL方案中的面积重叠率采用的是单一阈值；对流的分裂合并在现有方案中也没有加以考虑，以上因素均显著地影响对中尺度对流动态追踪的完整性。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，包括以下步骤：

步骤1，设定与每个云团面积区间对应的重叠率阈值T_aol，重叠率阈值T_aol的设定采用以下方法：

步骤1.1，获取多组样本数据；每组所述样本数据包括：前一时次某个中尺度对流云团pMCS_g与当前时次的中尺度对流云团pMCS_h的面积重叠率；其中，中尺度对流云团pMCS_g和中尺度对流云团pMCS_h的面积重叠率大于0；