基于風(fēng)暴識別算法的森林火災(zāi)識別

羅 輝，張 杰，朱克云＊，張曙光，黃克慧

（1．成都信息工程學(xué)院大氣科學(xué)學(xué)院和高原大氣與環(huán)境四川省重點實驗室，成都，610225；2．成都軍區(qū)空軍氣象中心，成都，610041；3．浙江省溫州氣象雷達(dá)站，溫州，325027）

0 引言

森林火災(zāi)給森林帶來嚴(yán)重危害，位居森林破壞的三大自然災(zāi)害之首，它不僅破壞生態(tài)環(huán)境，而且給人類的經(jīng)濟建設(shè)造成巨大損失，甚至還會威脅到人民生命財產(chǎn)安全［1］。及時發(fā)現(xiàn)火災(zāi)，有助于消防人員掌握火災(zāi)發(fā)生地，及時撲滅火災(zāi)，把損失降到最低，對于森林防火有至關(guān)重要的意義。雷達(dá)探測作為主動遙感方法之一，其發(fā)射的電磁波，遇到大氣中的目標(biāo)發(fā)生散射，被散射的電磁波返回到雷達(dá)天線，被雷達(dá)接收［2］?；馂?zāi)發(fā)生過程中，由于燃燒產(chǎn)生的熱力抬升，使得煙和灰燼等上沖到空氣中，當(dāng)雷達(dá)掃描到火災(zāi)產(chǎn)生的煙霧和灰燼時，將產(chǎn)生較強的電磁波散射，最終在雷達(dá)強度圖上出現(xiàn)小范圍的回波［1］。

近年有學(xué)者已經(jīng)對雷達(dá)識別火災(zāi)做了一些初步研究。陳等［3］利用多普勒天氣雷達(dá)監(jiān)測到了2006年5月4日下午發(fā)生在上海市閔行區(qū)的一起重大火災(zāi)，監(jiān)測到了大火發(fā)生、升騰、擴展和撲滅的全過程，最強回波達(dá)到45dBz。黃等［4］根據(jù)多個火災(zāi)實例總結(jié)的特征，通過雷達(dá)監(jiān)測火災(zāi)的原理，設(shè)計出了監(jiān)測火災(zāi)的流程，可以為消防人員及時撲滅火災(zāi)提供新的探測手段。黃等［5］對發(fā)生在浙江省南部地區(qū)10次距離雷達(dá)站5km～100km、不同規(guī)模的森林火災(zāi)進(jìn)行分析，發(fā)現(xiàn)火災(zāi)回波一般尺度小，強度和位置基本固定，與地物回波類似。黃等［6］提出并詳細(xì)討論了自動識別火災(zāi)回波的雜波過濾法，以及利用非零速度距離庫數(shù)和反射率距離庫數(shù)過濾降水回波，取得了一定效果，并在業(yè)務(wù)中運行。此方法有一定的效果，但不能同時識別多起火災(zāi)，而這種情形是很常見的，并且對于發(fā)生弱降水時的火災(zāi)回波不能識別出。

針對這兩方面問題，本文首次采用風(fēng)暴識別算法得到二維分量，結(jié)合火災(zāi)回波與降水回波等的差異，識別火災(zāi)回波。風(fēng)暴識別算法包含多個閾值，火災(zāi)回波在強度、面積等方面與風(fēng)暴回波有一定的差別，因此需要對風(fēng)暴段以及段合并閾值進(jìn)行調(diào)整，以適應(yīng)火災(zāi)回波。

1 回波特征及方法

文中采用資料為CINRAD／SA 型號雷達(dá)體掃數(shù)據(jù)，數(shù)據(jù)前三層仰角分別為0．5°、1．5°、2．4°?；馂?zāi)回波主要出現(xiàn)在2．5km 以下［4］，由測高公式（1）計算可得，0．5°仰角是識別火災(zāi)的最佳仰角。

雷達(dá)測量目標(biāo)的高度－距離－仰角公式［7］：

式中，Ht是目標(biāo)高度，Rt是目標(biāo)到雷達(dá)的距離，Ha是雷達(dá)天線的假設(shè)高度，θe指向目標(biāo)的仰角，Re是考慮大氣折射效應(yīng)后的等效地球半徑。

1．1 回波特征

氣象回波：

在雷達(dá)回波的PPI（平面位置顯示）顯示圖上，對流云回波結(jié)構(gòu)緊密，水平梯度大，一般包含多個回波單體，回波強度強，最強可達(dá)60dBZ以上，持續(xù)時間變化大。在雷達(dá)回波的RHI（距離高度顯示）顯示圖上，在對流發(fā)展的三個階段，回波變化明顯，回波頂呈現(xiàn)為花菜狀，回波頂在發(fā)展階段明顯上沖，最后下降消失。層狀云回波均勻，形成一大片，持續(xù)時間較長，水平尺度很大，達(dá)到300公里，強度一般在30dBZ以下，回波邊緣結(jié)構(gòu)模糊，在整個回波中有多個強度較大的回波團?；夭斴^低，抬高仰角大片回波將消失［2］。弱降水回波結(jié)構(gòu)松散，強度較低，容易對火災(zāi)識別造成影響。

地物回波：

地物回波是雷達(dá)波束正常傳播情況下探測到的地面目標(biāo)物回波。一般發(fā)生在離雷達(dá)站較近距離范圍內(nèi)，一般是山脈和高大建筑，通常只有低仰角時才能探測到，山脈較高時，距離較遠(yuǎn)時也能探測到。強度較強，最大可達(dá)60dBZ。

火災(zāi)回波：

火災(zāi)回波主要出現(xiàn)在2．5km 以下高度，比一般降水和強降水回波高度明顯偏低，通常只能在第一層回波中看到［5］。弱火災(zāi)回波容易與弱降水回波混合在一起不易被識別?；馂?zāi)的雷達(dá)回波特征與地物比較接近，位置基本穩(wěn)定，回波邊緣清晰，在整個火災(zāi)過程中強度基本較大，最大可達(dá)50dBz以上，明顯強于弱降水回波，火災(zāi)回波頂高很低是它區(qū)別于其它回波重要依據(jù)，明顯低于一般降水和對流性降水?；馂?zāi)回波水平尺度小，水平尺度一般在1km～40km 之間［6］。在火災(zāi)開始與結(jié)束階段，其強度較弱，與弱降水回波混淆而不容易被識別，因此只能在強度較大時進(jìn)行識別。

1．2 風(fēng)暴識別算法

風(fēng)暴識別算法是最早出現(xiàn)的臨近預(yù)報技術(shù)，是天氣雷達(dá)系統(tǒng)和強天氣預(yù)警業(yè)務(wù)的重要組成部分，是多普勒天氣雷達(dá)最重要的算法之一［8］。風(fēng)暴識別算法有三個部分，首先風(fēng)暴進(jìn)行段的搜索，隨后在段之間進(jìn)行二維風(fēng)暴分量的合成，最后對二維風(fēng)暴分量做垂直相關(guān)。對于火災(zāi)回波，雷達(dá)只能在低層數(shù)據(jù)中探測到，所以對于火災(zāi)識別不需要做風(fēng)暴分量的垂直相關(guān)，以下只介紹識別算法的前兩個部分。

風(fēng)暴段的搜索：

段是指沿徑向排列的、反射率因子大于或等于特定閾值的一組相鄰距離庫。段的搜索包含表1中的四個閾值。首先，從徑向的第一個庫開始，搜索大于反射率因子閾值的點，當(dāng)開始遇到滿足條件的點后，對后面的點進(jìn)行段的合并，在段后對第一個不滿足小于反射率因子閾值的點進(jìn)行判斷，該點與反射率閾值做差，差值大于缺失射率因子，結(jié)束段的合并；但當(dāng)差值小于缺失射率因子時，則低于反射率值個數(shù)加1，繼續(xù)進(jìn)行段的合并。如果低于反射率值個數(shù)大于缺失射率因子個數(shù)閾值，結(jié)束段合并。對每個徑向進(jìn)行搜索后，最后，根據(jù)段長度閾值把滿足條件的段保留下來。

表1 段搜索變量閾值Table 1 Segment of search variable threshold

風(fēng)暴分量的合成：

分量是在同一仰角中滿足特定閾值的段的二維區(qū)域。對上步所保留的段進(jìn)行二維合并，得到風(fēng)暴的二維分量。風(fēng)暴段在空間相鄰的基礎(chǔ)上被組合成二維風(fēng)暴分量。二維風(fēng)暴分量有四個變量必須滿足條件，表2為四個變量及其閾值，對于同時滿足分量合成四個閾值的分量，保存相應(yīng)二維分量。

表2 分量合并變量閾值Table 2 Component combined variable threshold

風(fēng)暴識別算法的優(yōu)點體現(xiàn)在強度和面積兩個方面［9］。算法中最小反射率因子采用七個閾值進(jìn)行段的搜索，閾值范圍基本涵蓋對流風(fēng)暴的強度，不會導(dǎo)致漏識別。

在分量合并中，分量面積閾值和方位分離閾值可以對不同尺度的回波進(jìn)行識別，最終結(jié)合其它閾值得到識別結(jié)果。

1．3 火災(zāi)識別算法

在風(fēng)暴識別算法的基礎(chǔ)上，調(diào)整風(fēng)暴段和二維分量的閾值參數(shù)，得到的二維分量，結(jié)合對流云、層狀云、弱降水云回波與火災(zāi)回波差異，對二維風(fēng)暴分量進(jìn)行判斷，保留火災(zāi)回波二維分量，最終在PPI中顯示。

火災(zāi)回波采用0．5°仰角進(jìn)行識別，不需要進(jìn)行二維分量的垂直相關(guān)。對流風(fēng)暴和火災(zāi)回波有一定的差別，對風(fēng)暴段搜索的參數(shù)需要進(jìn)一步調(diào)整。對流風(fēng)暴與火災(zāi)回波最大的區(qū)別在于回波強度和面積，風(fēng)暴回波強度范圍至少30dBZ以上，甚至可達(dá)60dBZ以上。而火災(zāi)回波強度一般在20dBZ 以上，最強可達(dá)50dBZ，因此采用最小反射率閾值為20dBZ、25dBZ、30dBZ、35dBZ、40dBZ的五個段。對流風(fēng)暴回波面積一般相對于火災(zāi)回波較大，經(jīng)過識別篩選最終選取5km2。其余閾值保持與對流風(fēng)暴一致。

濾除對流云：對流云回波與火災(zāi)回波最明顯的區(qū)別在于回波頂高的差異，火災(zāi)回波頂高在3km以下，而對流云回波頂高多數(shù)在6km～7km 以上，最高甚至可達(dá)對流層頂。算法具體步驟：通過風(fēng)暴識別算法得到二維風(fēng)暴分量，在每個二維風(fēng)暴分量中，根據(jù)相同投影位置，計算它仰角的回波高度，得到每個風(fēng)暴分量中回波頂高的平均值。設(shè)置回波頂高閾值為3km，即可濾除對流云回波。

濾除層狀云：層狀云回波和火災(zāi)回波區(qū)別在于回波面積、回波邊沿梯度，回波頂高。對于合并得到的二維分量，由于火災(zāi)回波面積相對于層狀云較小，火災(zāi)回波外延梯度較大，回波頂高低于層狀云。根據(jù)實測資料分析，設(shè)置最大面積閾值為100km2。邊沿梯度閾值為15dBZ，回波頂高為3km。最后結(jié)合回波頂高、回波面積、回波邊沿梯度對層狀云回波進(jìn)行濾除。

濾除弱降水云：弱降水云回波面積小、結(jié)構(gòu)松散、強度較弱。對于較強火災(zāi)，由于其結(jié)構(gòu)緊湊、強度大、回波邊沿梯度大，通過設(shè)置邊沿梯度閾值為15dBZ可對其進(jìn)行濾除。

對于較弱火災(zāi)，其強度大約在20dBZ左右，極容易與弱降水回波混合在一起，兩者回波邊沿梯度和回波頂高相差較小，不能得到清晰的判別閾值，使得與弱火災(zāi)回波難以區(qū)分?；馂?zāi)在發(fā)生過程中，火的蔓延速度相對于降水云的移動要慢的多。在識別中保存每個二維風(fēng)暴分量的位置，對連續(xù)兩個體掃風(fēng)暴分量的位置進(jìn)行比較，設(shè)置移動距離閾值為5km，即可濾除弱降水回波。

上述算法可以明顯改善“雜波過濾法”的兩方面缺陷，不能識別發(fā)生弱降水時或多起火災(zāi)同時發(fā)生的情況。風(fēng)暴識別算法為多閾值，并結(jié)合氣象回波與火災(zāi)回波的差異，可有效解決這兩個問題。

如圖1所示為流程圖。

2 識別效果分析

采用浙江省溫州市多普勒天氣雷達(dá)的三次森林火災(zāi)體掃資料，分別為2007年1月31日浙江省永嘉縣橋下鎮(zhèn)森林大火，2007年4月8日樂清市樂城鎮(zhèn)、青田縣高湖鎮(zhèn)和臨海市河頭鎮(zhèn)森林火災(zāi)。考慮到森林火災(zāi)回波高度較低，三次過程只對第一層仰角（即0．5°）進(jìn)行了識別。

個例1：2007年1月31日浙江省永嘉縣橋下鎮(zhèn)森林大火，火災(zāi)地距離雷達(dá)站34km?；馂?zāi)發(fā)生當(dāng)日，天氣晴朗，基本無氣象回波，避免了與氣象回波的混淆，為火災(zāi)識別提供了有利條件。大火從31日12點開始，到下午01日18點結(jié)束，持續(xù)燃燒了30個小時，過火面積90hm2，最強回波超過50dBZ。在火災(zāi)過程中，撲滅的火災(zāi)再次復(fù)燃。

圖1 森林火災(zāi)識別算法流程圖Fig．1 Flow chart of forest fire recognition algorithm

分析：圖2中圖2（a1）和圖2（b1）為雷達(dá)原始回波圖，圖2（a2）和圖2（b2）是經(jīng)算法識別后的回波圖，在圖2（a1）中基本為雜波，在火災(zāi)的初始階段，回波較弱且面積甚小，肉眼無法直接發(fā)現(xiàn)火災(zāi)回波。在識別后的圖2（a2）中，可明顯看到火災(zāi)回波識別。在圖2（b1）中可看到條狀的強回波，相比圖2（a1）的面積和強度大得多。在圖2（b2）中看到較強的火災(zāi)回波被保留下來。在圖2（a2）中條狀回波的尾部有范圍較大的弱回波，從速度圖可知，回波區(qū)為西北風(fēng)，火災(zāi)產(chǎn)生的煙霧等隨風(fēng)飄向東南，導(dǎo)致尾部弱回波的出現(xiàn)。

個例2：2007年4月8日樂清市樂城鎮(zhèn)、青田縣高湖鎮(zhèn)和臨海市河頭鎮(zhèn)森林火災(zāi)。三處火災(zāi)同時出現(xiàn)在同一平顯中，這些火災(zāi)發(fā)生時天氣晴朗，雷達(dá)無降水回波。此次火災(zāi)強度及面積較橋下鎮(zhèn)森林火災(zāi)小。

分析：圖3中圖3（a1）和圖3（b1）為雷達(dá)原始回波圖，圖3（a2）和圖3（b2）是經(jīng)算法識別后的回波圖，在圖3（a1）和圖3（b1）中存在較多雜波和弱降水回波，此次三處火災(zāi)回波面積均較小，并且與弱回波相混合，用肉眼難以區(qū)分。在圖3（a2）中可發(fā)現(xiàn)四處回波，由于此次火災(zāi)回波面積太小，左下方回波未被剔除。在大部分?jǐn)?shù)據(jù)中均可發(fā)現(xiàn)左下方的小回波，其面積占8－10個距離庫，最強值超過40dBZ，且位置基本不變，各庫的值變化較大，可能為較小地物。在圖3（b2）中可看到兩處回波，由于右上方回波離雷達(dá)100km 左右，火災(zāi)回波高度較低，在回波較弱的情況下雷達(dá)難以掃描到，因此未能對右上方的火災(zāi)識別出。

個例3：2010年3月28日永嘉縣和青田縣森林火災(zāi)，此次永嘉縣森林火災(zāi)持續(xù)了近5個小時，青田縣持續(xù)了4個小時，強度較大，最大可達(dá)45dBZ，當(dāng)天天氣晴朗，雜波較少?；馂?zāi)產(chǎn)生的煙霧等隨風(fēng)飄散，導(dǎo)致回波圖上產(chǎn)生較大面積回波。

分析：圖4中圖4（a1）和圖4（b1）為雷達(dá)原始回波圖，圖4（a2）和圖4（b2）是經(jīng)算法識別后的回波圖，在圖4（a1）和圖4（b1）中分別存在明顯的兩塊回波，且有零雜波存在。在圖4（a1）中存在兩塊回波，左邊為較弱的雜波，右邊為火災(zāi)回波。在識別后圖4（a2）中，左邊的弱回波已被濾除，較完整的保留了火災(zāi)。在圖4（b1）中存在兩塊火災(zāi)回波，左邊回波強度較大，結(jié)構(gòu)緊密，右邊回波已經(jīng)燃燒了一段時間，由于西北風(fēng)使得煙霧飄散造成了較大范圍的弱回波。在圖4（b2）中，雜波及其下部的弱回波被完全濾除，可以看到明顯的火災(zāi)回波。

4 結(jié)論

（1）首次基于風(fēng)暴識別算法，結(jié)合對流云、層狀云、弱降水回波與火災(zāi)回波的差異，對火災(zāi)回波進(jìn)行識別?？梢酝瑫r識別多起火災(zāi)，并且對于發(fā)生弱降水時的火災(zāi)回波也能夠識別。

（2）對于火災(zāi)回波周圍的弱回波可以進(jìn)行有效的濾除，在個例2中存在一個類似地物的雜波點，由于其結(jié)構(gòu)緊密，邊沿梯度大，尺度和小范圍火災(zāi)回波相當(dāng)，因此難以濾除。

（3）在森林火災(zāi)發(fā)生初期，回波強度和面積較小，如果同時存在尺度相當(dāng)?shù)娜趸夭〞r，可能會導(dǎo)致漏報。在火災(zāi)接近熄滅時，由于煙霧等隨風(fēng)在上空飄散，形成面積較大的回波，但其強度明顯偏小，與弱回波較為接近，導(dǎo)致未能識別或誤識別。

圖2 永嘉縣橋下鎮(zhèn)森林火災(zāi)雷達(dá)回波，仰角：0．5°a1和b1為雷達(dá)原始回波圖，a2和b2是經(jīng)算法識別后的回波圖Fig．2 Forest fires echo in Qiaoxia Yongjia，Elevation：0．5°a1and b1are original reflectivity echo，a2and b2are reflectivity echo after identification

圖3 樂城鎮(zhèn)、高湖鎮(zhèn)和河頭鎮(zhèn)森林火災(zāi)回波，仰角：0．5°a1和b1為雷達(dá)原始回波圖，a2和b2是經(jīng)算法識別后的回波圖Fig．3 Forest fires echo in Lecheng，Gaohu and Hetou，Elevation：0．5°a1and b1are original reflectivity echo，a2and b2are reflectivity echo after identification

圖4 永嘉縣和青田縣森林火災(zāi)回波，仰角：0．5°a1和b1為雷達(dá)原始回波圖，a2和b2是經(jīng)算法識別后的回波圖Fig．4 Forest fires echo in Yongjia and Qingtian，Elevation：0．5°a1and b1are original reflectivity echo，a2and b2are reflectivity echo after identification

（4）基于風(fēng)暴識別算法對浙江三次火災(zāi)識別進(jìn)行了初步嘗試，有一定的效果，對于存在的問題有待下一步解決。此算法所使用的閾值，調(diào)整后同樣可用于其它地區(qū)。

［1］陸英權(quán)．做好森林防火工作意義重大：森林火災(zāi)的原因及防止措施［J］．中國林業(yè)，2010，16（2）：48－52．

［2］張培昌，等．雷達(dá)氣象學(xué)［M］．北京：氣象出版社，2000，298－312．

［3］陳永林，等．上海一次重大火災(zāi)煙霧的雷達(dá)回波特征研究［J］．氣象科學(xué)，2010，30（1）：121－125．

［4］黃克慧，等．應(yīng)用多普勒天氣雷達(dá)監(jiān)測火情的原理和方法［J］．森林防火，2007，94（3）：36－37．

［5］黃克慧，等．森林火災(zāi)的CINRAD／SA 雷達(dá)監(jiān)測［J］．氣象科學(xué)，2007，27（B12）：99－106．

［6］黃克慧，等．基于多普勒天氣雷達(dá)的火情自動識別系統(tǒng)［J］．氣象，2013，39（2）：241－248．

［7］李柏，等．天氣雷達(dá)及其應(yīng)用［M］．北京：氣象出版社，2011，159－165．

［8］劉黎平，等．利用矩心跟蹤法跟蹤、警戒強對流天氣方法初探［J］．高原氣象，1991，10（3）：317－324．

［9］胡勝，等．風(fēng)暴的多普勒雷達(dá)自動識別［J］．氣象學(xué)報，2006，64（6）：796－808．