衛(wèi)星云圖上自動識別追蹤MCS方法

段 煉，劉 帆，吳俊杰

（中國民航飛行學院空中交通管理學院，四川 廣漢 618307）

中尺度對流系統(tǒng)（mesoscale convective system，MCS）是一種水平尺度在2～2 500 km并伴有強烈對流運動的天氣系統(tǒng)，常伴有冰雹、雷暴、颮線和龍卷等強對流天氣現(xiàn)象的發(fā)生。誤入其中的飛機常會遭受強烈顛簸、積冰、雷擊以及惡劣能見度等因素的影響，不僅對機體結構造成巨大的破壞，還對飛行機組、乘客人身安全產(chǎn)生了嚴重的威脅。如：1999年6月1日，受強雷暴天氣的影響，美利堅航空公司的一架噴氣式客機在降落接地后沖出跑道，134位乘客和機組人員險些遇難。2000年6月22日13時，在武漢市出現(xiàn)的短時強雷暴天氣造成武漢航空公司Y7/B3479號飛機墜毀失事，機上4名機組人員和38位旅客全部遇難。因此，對MCS所在位置準確地識別并對其發(fā)展移動趨勢精確地追蹤、預測顯得尤為重要。由于MCS具有生命周期短和空間尺度小的特點，故使用一般的常規(guī)監(jiān)測方法難以對其所在位置和發(fā)展趨勢進行準確有效的監(jiān)測和預報。然而，隨著衛(wèi)星遙測和雷達探測能力的提高，目前主要使用高時空分辨率的靜止衛(wèi)星紅外云圖和天氣雷達對MCS監(jiān)測、預報分析。特別是靜止氣象衛(wèi)星在雷暴、冰雹、龍卷等中小尺度強對流天氣預報和監(jiān)測方面取得了較大發(fā)展。

白潔、王洪慶等人[1]利用區(qū)域平滑濾波和閾值剔除相結合的方法過濾出強對流云團，通過粗、細對比分析兩個模式匹配過程對強對流云團進行追蹤。師春香、吳蓉璋等人[2]使用多閾值和神經(jīng)網(wǎng)絡自動分割技術實現(xiàn)衛(wèi)星云圖云系的自動識別。方兆寶，林琿等人[3]通過對流形群運動目標的形狀特征進行分析，利用最大歐幾里得貼近度的擇近原則和交叉匹配算法識別和追蹤MCS。李匯軍、孔玉壽[4]使用Gauss函數(shù)調制滿足連續(xù)小波基函數(shù)的正弦波從衛(wèi)星云圖中提取對流云團。費增坪、王洪慶等人[5]通過對MCS云團識別標準重新定義，使用時間序列分析技術和時間序列特征統(tǒng)計法完成MCS的自動識別、存儲和追蹤。束宇，潘益農[6]通過靜止衛(wèi)星的紅外云圖數(shù)值資料，利用計算機圖形學的知識快速并且較為準確的普查到MCS。李森，劉健文等[7]使用“逆向搜索法”獲取強對流云團的輪廓信息，通過對輪廓線進行平滑處理，從而實現(xiàn)對衛(wèi)星云圖強對流云團的識別。王華榮，何光碧等[8]分析了四川盆地的西南低渦暴雨云團生消過程，并詳細分析了衛(wèi)星紅外和水汽通道云頂亮溫與對流云團降水之間的關系特征。翟菁，胡雯等[9]利用雷達觀測結果和數(shù)值模擬結果，對一次天氣過程對流云合并進行模擬，并分析了合并過程的回波結構和云物理變化特征。本文參照費增坪、王洪慶等人[5]所改進的MCS識別與追蹤判定標準，研究利用Matlab圖像處理技術實現(xiàn)MCS的自動識別和追蹤。

1 MCS自動識別

1.1 MCS判別標準

Maddox于1980年從美國堪薩斯州衛(wèi)星服務站提供的增強顯示紅外衛(wèi)星云圖中識別出一種α中尺度對流系統(tǒng)，并把該對流系統(tǒng)定義為中尺度對流復合體（MCC）。次年，Maddox通過詳細研究和分析對成熟階段的MCC給出定義，如表1所示。

表1 Maddox的MCC定義[10]Tab.1 MCC definition of Maddox

各國學者對Maddox定義的MCC判別標準進行詳細研究和分析后，發(fā)現(xiàn)該判別標準過于嚴格，有時與實際情況相差甚遠，因此許多研究人員根據(jù)各國實際情況對MCC的判別標準做了修訂。中國研究人員對MCC的修訂也做了大量工作，李玉蘭、王倩熔、鄭新江等[11]根據(jù)Maddox的定義并結合GMS圖像資料總結出我國的MCC數(shù)量較少，生命周期較短的特點。項續(xù)康、江吉喜[12]從數(shù)字紅外云圖中的10個典型MCC案例結果發(fā)現(xiàn)我國MCC的偏心率比北美小，故將MCC判別標準中冷云區(qū)最大面積時的偏心率改為≥0.6。馬禹，王旭等[13-15]根據(jù)Orlanski的尺度分類標準，率先提出將MβCS定義為TBB≤-32℃，且短軸長度為1.5～3.0個緯距的連續(xù)的冷云區(qū)。費增坪，鄭永光等[5，15-16]根據(jù)Orlanski尺度分類標準對MβCS普查最小尺度標準進行了修正，將MβCS定義為TBB≤-32℃，直徑≥20 km的連續(xù)冷云區(qū)[5][15-16]。研究所使用的MCS判別標準為費增坪，王洪慶等[5]所改進的MCS識別與追蹤判定標準（表 2）。

表2 MCS的識別判據(jù)[5]Tab.2 Identification criterion of MCS

1.2 衛(wèi)星數(shù)據(jù)處理

紅外輻射亮溫資料（TBB）來源于國家衛(wèi)星氣象中心FY-2D紅外窗區(qū)探測通（10.5～12.5 μm）測量的輻射值，通過使用普朗克函數(shù)將其轉換為云頂或地球表面的黑體輻射亮度溫度（以下簡稱為亮溫），數(shù)據(jù)格式為HDF5。Matlab具有功能強大、簡單易學、運用靈活等特點，包含大量的HDF應用程序和函數(shù)，僅幾個簡單的函數(shù)命令即可實現(xiàn)數(shù)據(jù)提取，無需大量繁瑣的編程工作，讀取HDF格式數(shù)據(jù)非常方便?；谏鲜鎏攸c，利用Matlab處理HDF數(shù)據(jù)。處理過程如下：

1）使用hdf5read函數(shù)讀取HDF5格式亮溫數(shù)據(jù)；2）將每個時次的亮溫數(shù)據(jù)提取出來；

3）使用fopen，fwrite函數(shù)，將亮溫數(shù)據(jù)保存為二進制格式存放。

1.3 數(shù)據(jù)矩陣轉化為圖像

二進制格式數(shù)據(jù)具有最高的數(shù)據(jù)存儲效率、一定的數(shù)據(jù)隱蔽性和極大地節(jié)省磁盤存儲空間等特點，故亮溫數(shù)據(jù)使用二進制格式存放。Matlab中的文本操作函數(shù)fopen，fread能夠快捷、有效地讀取所存放的二進制數(shù)據(jù)，如圖1所示。Matlab中的函數(shù)mat2gray能夠實現(xiàn)圖像矩陣的歸一化操作。通過調用格式：I=mat2gray（A，[aminamax]），將圖像矩陣 A 中介于 amin和 amax的數(shù)據(jù)做歸一化處理，并將小于amin的元素都變?yōu)?，而大于amax的元素都變?yōu)?，處理結果如圖2所示。

圖1 TBB的二進制數(shù)據(jù)（部分）Fig.1 TBBbinary data（part）

圖2 數(shù)據(jù)矩陣轉化的灰度級圖像Fig.2 Grayscale image transformed by data matrix

1.4 圖像二值化和邊緣檢測

在將數(shù)據(jù)圖像轉化為灰度級圖像后，通過閾值化處理可將灰度級圖像轉換為二值化圖像，其中二值化閾值采用MCS識別判據(jù)中的-52℃，即轉化為K氏溫度為221.15。使亮溫數(shù)據(jù)低于此閾值的像素點標記為1，其他情況標記為0。圖3為二值化閾值處理后的圖像。

冬季，一些厚的層狀云也具有Maddox特征，為了區(qū)分其與MCS的差別，對識別出的MCS云團進行邊界檢測，提取邊界灰度梯度大的云團，以提高對流云的識別率。Canny邊緣算子具有低誤判率，高定位精度，抑制虛假邊緣的特點，利用Canny邊緣算子進行邊緣檢測，梯度閾值選用0.5[17]。Canny算子的計算公式如下[18]：

圖3 按照亮溫判據(jù)℃得到的二值圖像Fig.3 Binary image acquired by TBBcriterion TBB≤-52℃

其中：▽2f（x，y）為處理后像素（x，y）處的灰度值，f（x，y）為具有整數(shù)像素坐標的輸入圖像。

1.5 特征參數(shù)計算和MCS提取

通過二值化圖像識別MCS，還需提取描述目標云團形態(tài)特征和強度特征的特征量。這些特征量主要包括：云團的質心坐標、幾何中心坐標、特征面積、平均亮溫值、橢圓率等。通過分析這些特征量，根據(jù)MCS識別判據(jù)，將面積小于6 400 km2以及橢圓率小于0.5的目標云團去除，那么剩余的目標云團則為可能的MCS云團，如圖4所示。

圖4 按照MCS識別判據(jù)提取的目標云團Fig.4 Target cloud acquired by MCS identification criterion

目標云區(qū)特征參數(shù)的計算方法如下所述：

1）云團所在位置：幾何坐標點和質心坐標點用以描述目標云團所在的位置，其中質心點表示目標云團的物理特征，幾何中心點表示其形態(tài)特征，二者存在一定的差異。

幾何中心點的坐標公式為

質心點的坐標公式為

其中：n為區(qū)域目標云團像素點個數(shù)，xi、yi為第i個像素點的坐標，f（i）為第i個像素點的亮溫值，fz為區(qū)域目標云團亮溫值的累加總和，即

2）特征面積：目標云團內所包含的像素點的總數(shù)為目標云團的特征面積，用于衡量目標云區(qū)的范圍和強度。

3）橢圓率：通常橢圓率用于描述目標云區(qū)形狀的復雜程度，可用公式k=（4π×s）/c2近似表示。其中，k為橢圓率，s為目標云區(qū)的面積，c為目標云區(qū)的周長。

4）平均亮溫值：平均亮溫值是目標云區(qū)內各像素點對應亮溫的平均值，用以判定對流云區(qū)的強度，用公式表示。

2 MCS自動追蹤

MCS自動追蹤是通過計算并分析相鄰時間段內目標云團面積、質心位置、強度等特征量的變化，檢驗其是否滿足目標匹配原則，如表3所示。進而判定其是否為同一目標云團，從而實現(xiàn)MCS的追蹤。

表3 MCS追蹤的目標匹配原則[5]Tab.3 Target cloud matching principle of MCS tracking

若相鄰時間段內的目標云團滿足上述目標匹配原則，那么可以斷定其為同一目標云團。否則，云團消失，不再符合對流云團的特征。云團的發(fā)展演變一般有以下幾種情況：

1）一般發(fā)展情況：前一時間段內的1個目標云團指向下一時間段的1個目標云團；

2）合并：前一時間段內的若干個目標云團指向下一時間段內的1個目標云團；

3）分裂：前一時間段內的1個目標云團指向下一時間段內的若干個目標云團；

4）消失：前一時間段內的目標云團在后一時間段內未能找到滿足目標匹配原則的云團。

根據(jù)上述目標匹配原則，MCS追蹤結果如圖5所示。

圖5 MCS的自動追蹤過程Fig.5 MCS automatic tracking process

根據(jù)MCS的識別判據(jù)，對第1時段識別出的MCS目標云團做標記，如圖5（1）所示。將所有識別出的MCS目標云團用紅色邊界圈出并用藍色字母標記。根據(jù)目標匹配原則，對MCS云團的特征量進行計算分析并將第2時段追蹤到的滿足MCS特征的目標云團做相應的標記，如圖5（2）所示。由圖5（2）可看出目標云團E已不滿足MCS特征。同理，第3～6時段追蹤到的MCS目標云團，分別如圖5（3）～圖（6）所示。特別說明，圖5（4）中的G、H目標云團為新生的MCS云團，但根據(jù)相鄰時次目標匹配原則，其強度、面積等特征量在第5時段已不滿足MCS判別標準，故不再對其做標記，如圖 5（5）所示。

3 結語

根據(jù)費增坪、王洪慶等人[5]所改進的MCS識別與追蹤判定標準，將Matlab圖像處理技術運用到MCS識別追蹤中。首先使用Matlab提供的HDF應用程序和函數(shù)對衛(wèi)星數(shù)據(jù)進行提取分析并將數(shù)據(jù)矩陣轉化為圖像。然后通過閾值化處理將灰度級圖像轉換為二值化圖像，根據(jù)MCS的識別判據(jù)對其特征參數(shù)進行提取計算，實現(xiàn)MCS的識別。最后，基于MCS追蹤目標匹配原則對相鄰時段目標云團的特征量進行計算分析，完成MCS的追蹤。從實驗結果來看，所使用的方法能夠很好地實現(xiàn)MCS自動識別追蹤，但在追蹤過程中，對于新生MCS云團的特殊情況，還需介入一些人為干預。這是今后需要改進和完善的重點。此外，由于靜止衛(wèi)星投射角度以及圖像坐標和地理位置坐標轉換存在的誤差等因素的影響，MCS的識別和追蹤可能存在一些偏差，需更多資料和實驗的檢驗。

[1]白 潔，王洪慶，陶祖鈺.GMS衛(wèi)星紅外云圖云跡風的反演[J].北京大學學報（自然科學版），1997，33（1）：85-92.

[2]師春香，吳蓉璋，項續(xù)康.多閾值和神經(jīng)網(wǎng)絡衛(wèi)星云圖云系自動分割試驗[J].應用氣象學報，2001，12（1）：70-78.

[3]方兆寶，林 暉，吳立新，等.流形群運動目標自動識別與跟蹤技術研究—以 MCS 自動追蹤方法為例[J].遙感學報，2004，8（1）：14-22.

[4]李匯軍，孔玉壽.應用連續(xù)小波變換提取對流云團[J].解放軍理工大學學報（自然科學版），2005，6（2）：181-186.

[5]費增坪，王洪慶，張 焱，等.基于靜止衛(wèi)星紅外云圖的MCS自動識別與追蹤[J].應用氣象學報，2011，22（1）：115-122.

[6]束 宇，潘益農.紅外云圖上中尺度對流系統(tǒng)的自動識別[J].南京大學學報（自然科學），2010，46（3）：337-348.

[7]李 森，劉健文，劉玉玲.基于FY2D靜止衛(wèi)星云圖的強對流云團識別[J].氣象水文海洋儀器，2010，27（2）：72-78.

[8]王華榮，何光碧，諶貴殉.西南低渦對流云團及其降水的一些特征[J].高原山地氣象研究，2012，32（2）：26-31.

[9]翟 菁，胡 雯，馮 妍，等.不同發(fā)展階段對流云合并過程的數(shù)值模擬[J].大氣科學，2012，36（4）：697-712.

[10]MADDOX R A.Mesoscale convective complexes[J].Bull Amer Meteor Soc，1980，61（11）：1374-1387.

[11]李玉蘭，王倩熔，鄭新江，等.我國西南—華南地區(qū)中尺度對流復合體（Mcc）的研究[J].大氣科學，1989，13（4）：417-422.

[12]項續(xù)康，江吉喜.我國南方地區(qū)的中尺度對流復合體[J].應用氣象學報，1995，6（1）：9-17.

[13]馬 禹，王 旭，陶祖鈺.中國及其鄰近地區(qū)中尺度對流系統(tǒng)的普查和時空分布特征[J].自然科學進展，1997，7（6）：701-706.

[14]陶祖鈺，王洪慶，王 旭，等.1995年中國的中-α尺度對流系統(tǒng)[J].氣象學報，1998，56（2），166-177.

[15]ORLANSKI L A.A rational subdivision of scales for atmospheric process[J].Bull Amer Meteor Soc，1975，56（5）：527-530.

[16]費增坪，鄭永光，張 焱，等.基于靜止衛(wèi)星紅外云圖的MCS普查研究進展及標準修訂[J].應用氣象學報，2008，19（1）：82-90.

[17]包曉丹.基于衛(wèi)星云圖的對流云自動識別方法研究[D].廣漢：中國民用航空飛行學院，2011.

[18]秦襄培，鄭賢中.Matlab圖像處理寶典[M].北京：電子工業(yè)出版社，2011.