[发明专利]一种基于云反演资料的深对流系统自动识别追踪方法

说明书

本发明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。

技术领域

本发明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领域。

背景技术

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—Tracking Of Organized Convection Algorithm through a 3-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。

发明内容

本发明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，本发明提出的技术方案为：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。

本发明的有益效果为：