葵花8號衛(wèi)星在白云機場一次強對流冰雹中的監(jiān)測應(yīng)用

楊 潔，王 兵，劉 峰，陳云峰，林 智

（1.中國民用航空中南空中交通管理局氣象中心，廣東 廣州 510405；2.廣東省氣候中心，廣東 廣州 510080）

華南地區(qū)春季受低壓倒槽、冷鋒等系統(tǒng)影響容易出現(xiàn)連陰雨天、低云低能見度天氣，其中中小尺度下作用的帶冰雹強對流天氣雖發(fā)生頻率不如夏季多，但來勢大、強度大，常伴有狂風(fēng)驟雨，對航空安全飛行造成很大的威脅，是航空氣象預(yù)報關(guān)注的重點。在實際業(yè)務(wù)中常采用雷達(dá)來捕捉降水回波,進行對流監(jiān)測，但范圍較小。由于氣象衛(wèi)星能提供大范圍、全天候的觀測信息，近年來成為對流天氣的重要監(jiān)測工具，尤其對缺乏雷達(dá)設(shè)備的小機場預(yù)報對流冰雹幫助很大。Mecikalski等[1]使用GOES衛(wèi)星和多普勒雷達(dá)資料提出了臨近時效內(nèi)對流初生的8個指標(biāo)。Vila等[2]基于衛(wèi)星數(shù)據(jù)開發(fā)了對流預(yù)報和追蹤算法。Sieglaff等[3]針對對流初生和快速發(fā)展開發(fā)了衛(wèi)星UWCI算法。劉健等[4]使用AMSU和MODIS衛(wèi)星等多種衛(wèi)星對暴雨云團開展特征分析。朱亞平等[5]利用AMSU-B微波亮溫資料和GOES-9紅外遙感資料對一次鋒面氣旋云系中的強對流云團進行識別。劉健等[6]利用FY-2C衛(wèi)星數(shù)據(jù)對一次強對流過程進行分析，發(fā)現(xiàn)快速區(qū)域掃描的高時間分辨率觀測模式可以更好地捕捉對流云團發(fā)展變化的特征。李五生等[7]利用MTSAT-1R衛(wèi)星資料中的紅外和水汽通道數(shù)據(jù)，在目標(biāo)云塊識別對比的基礎(chǔ)上計算對流初生（CI）預(yù)報的8個指標(biāo)值。張杰等[8]利用NOAA衛(wèi)星數(shù)據(jù)，從天氣分析、能量轉(zhuǎn)換以及云在可見光、中紅外波段的反射特性，分析了冰雹云的演變及特征。傅華等[9]針對冰雹災(zāi)害多發(fā)的新疆天山西部地區(qū)，利用2007年和2008年5—10月14次MODIS衛(wèi)星過境資料，選取共計45個云系樣本數(shù)，進行冰雹云、強對流云團和薄卷云的光譜特征提取和雹暴指數(shù)計算與分析。黃勇等[10]利用不同的閾值對2010年6—7月的FY-2E云圖進行識別，根據(jù)識別出來的對流云的尺度、形狀和云頂最低亮溫，將對流云劃分為18個類別。周曉麗等[11]利用2007—2013年新疆10場強對流天氣過程以及與之相應(yīng)的FY-2D靜止氣象衛(wèi)星數(shù)據(jù)，構(gòu)建多通道多閾值判識方法。周虎等[12]利用逐時自動站資料、WRF模式數(shù)值產(chǎn)品、衛(wèi)星云圖、雷達(dá)產(chǎn)品等資料對2004—2008年出現(xiàn)的冰雹天氣進行統(tǒng)計分析，建立了寧夏冰雹天氣預(yù)報預(yù)警模型。楊蓮梅等[13]利用GMS-5靜止氣象衛(wèi)星逐時紅外云圖數(shù)值資料，分析了阿克蘇北部綠洲1998—2001年5—8月各10次強對流暴雨和冰雹過程的紅外云圖特征。2014年10月日本“葵花8號”衛(wèi)星發(fā)射，作為靜止衛(wèi)星，其觀測時間和區(qū)域穩(wěn)定，探測通道多達(dá)16個，空間分辨率高達(dá)0.5～2 km，時間分辨率高達(dá)10 min，常被應(yīng)用在業(yè)務(wù)監(jiān)測與預(yù)報上。李斯榮等[14]利用葵花8號衛(wèi)星紅外、水汽云圖和FY-2E衛(wèi)星可見光云圖資料，以及多普勒天氣雷達(dá)拼圖和常規(guī)氣象站、自動氣象站、高空觀測資料，對2017年9月21日發(fā)生在山西境內(nèi)的一次颮線天氣過程進行云圖特征及維持機制分析。郭巍等[15]使用葵花8號衛(wèi)星數(shù)據(jù)，在MB06算法基礎(chǔ)上建立了適用于上海地區(qū)夏季的對流初生閾值算法。張夕迪等[16]利用葵花8號衛(wèi)星紅外云圖結(jié)合地面降水，在2016年汛期27次暴雨過程中每個過程選定一個主要的目標(biāo)對流云團分析其初生情況，并與FY-2衛(wèi)星和雷達(dá)探測的情況進行對比。王宏斌等[17]基于葵花8號靜止氣象衛(wèi)星的高時空分辨率多通道數(shù)據(jù)開展了中國地區(qū)夜間不同等級霧的識別。

2019年2月21日廣州市氣象臺發(fā)布了廣州雷雨大風(fēng)黃色預(yù)警、暴雨黃色預(yù)警以及冰雹橙色預(yù)警，在廣州白云區(qū)、佛山出現(xiàn)冰雹的新聞報道。白云機場16：11—17：46（北京時間，下同）出現(xiàn)中到強雷雨，雷達(dá)PPI回波圖里顯示對流里夾雜著冰雹?；诳?號衛(wèi)星的對流反演、冰雹識別文獻較少，且反演出來的結(jié)果未給出過評估標(biāo)準(zhǔn)和監(jiān)測指標(biāo)統(tǒng)計。本文針對此次強對流冰雹過程，在葵花8號衛(wèi)星資料基礎(chǔ)上，將采用傳統(tǒng)的11.2 μm通道與7.0 μm通道亮溫差擬合法和新的11.2 μm通道、7.0 μm通道分段擬合法對雷達(dá)回波進行反演，并與廣東省多普勒雷達(dá)拼圖的組合反射率因子資料對比進行評估，探索兩種方法的優(yōu)劣之處。同時結(jié)合廣州白云機場雷達(dá)冰雹產(chǎn)品，利用葵花8號衛(wèi)星數(shù)據(jù)計算雹暴指數(shù)來得到降雹概率80%以上的衛(wèi)星遙感監(jiān)測指標(biāo)。

1 數(shù)據(jù)資料

本文中的環(huán)流背景資料來自于2019年2月21日06UTC（OTC為世界時，下同）NCEP GDAS/FNL一天4次的分析資料，網(wǎng)格分辨率為1°×1°，衛(wèi)星資料來自葵花8號衛(wèi)星，網(wǎng)格分辨率為0.02°×0.02°。為了識別反演對流，本文采用了廣東省多普勒雷達(dá)拼圖的組合反射率因子資料作參考真值，網(wǎng)格分辨率為0.02°×0.02°。廣東省多普勒雷達(dá)拼圖由位于廣州、梅州、陽江和韶光的4部S波段WSR-98D型號雷達(dá)生成的圖像產(chǎn)品拼接而成，于2003年投入業(yè)務(wù)運行[18]。驗證冰雹的參考真值，本文采用了廣州白云機場60 km的MAX（MAX為最大反射率）雷達(dá)回波，水平網(wǎng)格分辨率為0.2 km×0.2 km，垂直網(wǎng)格分辨率為0.107 km；白云機場125 km的MAX雷達(dá)回波，水平網(wǎng)格分辨率為0.417 km×0.417 km，垂直網(wǎng)格分辨率為0.107 km；白云機場125 km的PPI雷達(dá)回波，雷達(dá)掃描仰角為1.2°，水平網(wǎng)格分辨率為0.417 km×0.417 km；白云機場125 km的冰雹產(chǎn)品資料，水平網(wǎng)格分辨率為0.417 km×0.417 km。

2 天氣形勢分析

2019年2月21日14點的地面到400 hPa的天氣環(huán)流圖上（圖1），地面冷空氣南下，華南位于倒槽內(nèi)，冷鋒位于白云機場北面。850 hPa槽線從江南氣旋延伸至廣西，700 hPa和600 hPa西南東部、華南西部有短槽波動，500 hPa南支槽南端移至白云機場東側(cè)，400 hPa高空槽移至白云機場附近。850～500 hPa華南南風(fēng)較大，給華南帶來充足的水汽，白云機場位于相對濕度90%以上的高濕區(qū)。從溫度線來看，白云機場400 hPa為-22 °C，600 hPa在-1 °C線附近，一般認(rèn)為云內(nèi)0 ℃層的高度在600 hPa上下，-20 ℃高度在400 hPa附近或以下有利于冰雹的生成[19]。

受倒槽冷鋒、南支槽影響，白云機場16：11—17：46出現(xiàn)中到強雷雨，雷達(dá)PPI回波圖里顯示對流里夾雜著冰雹。圖2a為北京時間16時廣東省自動觀測風(fēng)場圖，顯示了廣東中北部自動站風(fēng)向均為偏北風(fēng)。受冷空氣影響，白云機場由15：30風(fēng)向70°的偏東風(fēng)轉(zhuǎn)為16時風(fēng)向40°的東北風(fēng)，風(fēng)力由3 m/s增大為5 m/s，到17時北風(fēng)加強為9 m/s。圖2b、2c、2d分別為16：14廣州白云機場仰角1.2°的125 km的PPI雷達(dá)回波圖、60 km的MAX雷達(dá)回波圖和125 km的冰雹預(yù)報產(chǎn)品?？梢钥吹诫x塔臺中心南面20 km出現(xiàn)50～55 dBZ明顯的指狀回波（圖2b橢圓標(biāo)注），對應(yīng)高空7、8 km的紫色強回波（圖2c橢圓標(biāo)注），冰雹預(yù)報產(chǎn)品也在對應(yīng)位置預(yù)報80%以上的概率有冰雹（圖2d）。指狀回波為強對流低層回波邊緣呈指狀突出的小尺度強回波區(qū)，常對應(yīng)著中等強度的降雹[20]。綜上所述，高空環(huán)流配合南下的冷空氣導(dǎo)致了本次伴隨冰雹的強對流天氣。

圖1 2019年2月21日14時（北京時間）地面（a）、850 hPa（b）、700 hPa（c）、600 hPa（d）、500 hPa（e）、400 hPa（f）的天氣圖

圖2 2019年2月21日16時廣東省自動觀測風(fēng)場（a）、16：14廣州白云機場仰角1.2°的125 km的PPI雷達(dá)回波（b）、16：14廣州白云機場60 km的MAX雷達(dá)回波（c）和16：14廣州白云機場125 km的冰雹預(yù)報產(chǎn)品（d）

3 基于葵花8衛(wèi)星的對流識別

Schmetz等[21]利用大氣輻射傳輸模式對有云條件下紅外水汽與紅外窗區(qū)通道進行輻射傳輸計算，發(fā)現(xiàn)對流云團頂部會出現(xiàn)紅外水汽與窗區(qū)輻射異常反轉(zhuǎn)。趙文華等[23]利用靜止衛(wèi)星FY-2G VISSR觀測數(shù)據(jù)，采用分級分析方法計算紅外水汽（6.9～7.3 μm）與窗區(qū)通道（10.3～11.3 μm）亮溫差，發(fā)現(xiàn)亮溫差閾值法可實現(xiàn)對流云團的識別與定強。本文選取葵花8號衛(wèi)星第9通道（7.0 μm）和第14通道（11.2 μm）分別作為紅外水汽通道和窗區(qū)通道來計算亮溫差BTD，BTD表示為：

其中，BT14為第14通道（11.2 μm）亮溫，BT9為第9通道（7.0 μm）亮溫，單位均為K。根據(jù)式（1），選擇16時的衛(wèi)星和雷達(dá)資料得到圖3。從圖3可看到，10 dBZ以上的回波強度對應(yīng)著250 K以下的7.0 μm通道亮溫以及260 K以下的11.2 μm通道亮溫，50～62 dBZ的強回波區(qū)，7.0 μm通道亮溫位于233～227 K，11.2 μm通道亮溫位于239～229 K，回波強度越強的位置，對應(yīng)的兩個通道亮溫溫度越低。20～60 dBZ的回波強度對應(yīng)著10～0 K的BTD值，且10～0 K的BTD位置比雷達(dá)回波偏東，這是由于葵花8號衛(wèi)星由空中往下探測，探測到的是云頂亮溫，云頂移動速度最快，而雷達(dá)采用由下至上的錐形掃描，兩者掃描的幾何方式不同造成了一定的位置偏差。超過50 dBZ的強回波區(qū)，BTD均值為0～2 K，這與趙文化[22]的發(fā)現(xiàn)一致。

因為雷達(dá)回波與紅外通道亮溫和BTD值位置有偏差，故采用空間匹配方法[22]，將10～62 dBZ的雷達(dá)回波按5 dBZ為步長分級，每一級找出BT9、BT14和BTD的對應(yīng)樣本值（規(guī)律為雷達(dá)回波值越大，BT9、BT14和BTD值越小），通過對比數(shù)據(jù)分別求得BTD、紅外通道亮溫與回波強度的關(guān)系。趙文化等[22]指出BTD與回波強度基本呈線性關(guān)系，故使用最小二乘法擬合方法，采用matlab軟件對16時的BTD以及回波強度進行線性擬合，得到公式（2）：

其中，DBZ是回波強度，單位為dBZ。由式（2）得到圖4a，與圖3c對比，發(fā)現(xiàn)112.5°～114.5°E范圍內(nèi)反演的強回波（50 dBZ以上）區(qū)域面積過大。因此通過觀察，采用分段線性擬合，得到16時不同條件下BT9、BT14與DBZ的關(guān)系式（表1）。

表1 BT9、BT14與DBZ的分段關(guān)系式

根據(jù)表1得到圖4b，與圖3c、圖4a比較，圖4b基本反演出了10～40 dBZ回波強度的區(qū)域，位于白云機場西側(cè)的強回波區(qū)域也反演出來了，只是面積稍大。為了對兩種方法的反演質(zhì)量進行正確評估，在22°～25°N，112°～115°E的區(qū)域里反演的回波與真實回波分別有151、151，共22 801個樣本，采用表2中的參數(shù)[23]，當(dāng)反演的回波強度與真實回波強度都落在評估波段（如5 dBZ≤回波強度<10 dBZ），統(tǒng)計出來的個數(shù)為n11；反演的回波強度落在評估波段，而真實回波強度落在非評估波段（回波強度<5 dBZ或10 dBZ≤回波強度dBZ），統(tǒng)計出來的個數(shù)為n12；真實回波強度落在評估波段，而反演的回波強度落在非評估波段，統(tǒng)計出來的個數(shù)為n21；真實回波強度和反演的回波強度都落在非評估波段，統(tǒng)計出來的個數(shù)為n22。利用表2里的參數(shù)來定義常用的3個評估統(tǒng)計量：擊中率FH、誤警率PFD、臨界成功指數(shù)Ics[22]。

圖3 北京時間16時，22°～25°N，112°～115°E范圍內(nèi)的葵花8號衛(wèi)星第9通道7.0 μm亮溫（a）、第14通道11.2 μm亮溫（b）、廣東省組合反射雷達(dá)回波與BTD（c）

根據(jù)表2和式（3）分別計算BTD-DBZ線性擬合法和分段線性擬合的反演評估參數(shù)值與評估統(tǒng)計量，得到表3和表4。對比表3和表4可知，隨著評估波段越來越大，擊中率和臨界成功指數(shù)都越來越低，這主要是因為越強的對流的樣本數(shù)在總樣本量里占比越來越小，分段線性擬合法反演的n21略低于BTD-DBZ線性擬合法反演的，但n21的數(shù)值還是比較大，在評估波段反演成非評估波段方面兩種方法都需要改進。就誤警率來說，分段線性擬合法的反演結(jié)果低于BTD-DBZ線性擬合法的反演結(jié)果，尤其在強對流段（回波強度≥35 dBZ）表現(xiàn)得很明顯。因此，在強對流識別上，分段線性擬合比單純的BTD-DBZ線性擬合效果要好，非強對流點識別成強對流點的情況要少較多，如圖3c中的弱對流區(qū)（20～35 dBZ），圖4a基本識別為強對流區(qū)（40～50 dBZ），而圖4b更符合圖3c。

表2 反演評估參數(shù)

4 基于葵花8衛(wèi)星的冰雹識別

張杰等[8]指出，0.65 μm通道的反射率越高且3.75 μm通道的反射率越低時，冰雹容易生成。傅華等[9]利用MODIS資料計算雹暴指數(shù)，得到了雹暴指數(shù)>0.35時降雹概率大。雹暴指數(shù)具體表示為：

表3 BTD-DBZ線性擬合法的反演結(jié)果評估參數(shù)值與評估統(tǒng)計量

表4 分段線性擬合法的反演結(jié)果評估參數(shù)值與評估統(tǒng)計量

圖4 北京時間16時，22°～25°N，112°～115°E范圍基于BTD反演的DBZ（a）和基于BT9和BT14反演的DBZ（b）

其中，HI為雹暴指數(shù)，ρ0.65、ρ3.75分別表示MODIS衛(wèi)星通道0.65、3.75 μm波段的反射率。選取葵花8號第3通道0.64 μm和第7通道3.9 μm資料，由于0.64 μm通道是反射率，3.9 μm通道是亮溫，單位不統(tǒng)一，故將資料進行Min-Max標(biāo)準(zhǔn)化歸一處理：

其中，x為原始數(shù)據(jù)，xmax為原始數(shù)據(jù)的最大值，xmin為原始數(shù)據(jù)的最小值，x′為歸一化后的數(shù)據(jù)，經(jīng)過處理后，x′值被映射在區(qū)間[0，1]。按式（5）重新定義雹暴指數(shù)：

其中，γ0.64、γ3.9分別為0.64、3.9 μm波段Min-Max標(biāo)準(zhǔn)化歸一處理后的無量綱變量。根據(jù)式（6），采用16：20的葵花8號資料繪制HI計算結(jié)果，刪除HI≤0的無冰雹區(qū)域，并增加BT14通道亮溫作為臨界指標(biāo)（根據(jù)表1，35 dBZ以上強度的對流云BT14最低為240 K，盡量排除部分降水云），得到圖5c。由圖5c可知，11.2 μm通道（紅色虛線）亮溫低于240 K，HI為0.4～0.5的區(qū)域（紅色橢圓區(qū)域）對應(yīng)了白云機場雷達(dá)冰雹產(chǎn)品里的80%以上大概率冰雹區(qū)（圖5b中深紅色區(qū)域）。

選取16：00—17：00葵花8號衛(wèi)星資料進行雹暴指數(shù)計算，得到時間間隔為10 min一次，共7次的計算結(jié)果。然后和白云機場冰雹預(yù)報產(chǎn)品原始數(shù)據(jù)同時插值成0.8 km×0.8 km的分辨率，統(tǒng)計80%以上大概率降雹區(qū)以及對應(yīng)位置的雹暴指數(shù)、BT14值的樣本數(shù)，得到表5。

由表5可以看到，7個時次80%以上的大概率降雹區(qū)樣本總數(shù)為1 028，對應(yīng)位置的BT14值均＜240 K，對應(yīng)位置的雹暴指數(shù)為0.3～0.4的樣本數(shù)為28，占比約2.7%；0.4～0.5的樣本數(shù)為397，占比約38.6%；0.5～0.6的樣本數(shù)為470，占比約45.7%；0.6～0.7的樣本數(shù)為133，占比約為12.9%。雹暴指數(shù)0.4～0.7的樣本數(shù)占比約為97.3%，由此可以得出，11.2 μm通道亮溫低于240 K，雹暴指數(shù)為0.4～0.7的情況下，80%以上的大概率會降雹。

表5 7次衛(wèi)星觀測時間（北京時）下，80%以上大概率降雹區(qū)對應(yīng)的雹暴指數(shù)和BT14值樣本數(shù)統(tǒng)計

5 結(jié)論

針對2019年2月21日強對流冰雹過程的天氣形勢，參考廣東省多普勒雷達(dá)拼圖的組合反射率因子資料、廣州白云機場MAX雷達(dá)回播和冰雹產(chǎn)品，對對流和冰雹進行識別，得到以下結(jié)論：

（1）高空環(huán)流配合南下的冷空氣導(dǎo)致了本次伴隨冰雹的強對流天氣。白云機場高空400 hPa為-22 °C，600 hPa在0 °C線附近，有利于冰雹生成。

圖5 16：20，22°～25°N，112°～115°E范圍內(nèi)的廣州白云機場125 km的MAX雷達(dá)回波（a）、白云機場125 km的冰雹預(yù)報產(chǎn)品（b）、雹暴指數(shù)（陰影）和BT14（11.2 μm，紅色虛線）（c）

（2）采用空間匹配方法，將10～62 dBZ的雷達(dá)回波按5 dBZ為步長分級，每一級找出7.0 μm通道、11.2 μm通道和BTD的對應(yīng)樣本值。把廣東省多普勒雷達(dá)拼圖的組合反射率因子資料作為參考真值，對11.2 μm通道與7.0 μm通道亮溫差BTD進行線性擬合，并對11.2 μm通道、7.0 μm通道分段擬合反演雷達(dá)回波。對兩種方法的反演質(zhì)量進行擊中率、誤警率、臨界成功指數(shù)評估，發(fā)現(xiàn)隨著評估波段越來越大，擊中率和臨界成功指數(shù)都越來越低，在評估波段反演成非評估波段方面兩種方法都需要改進。就誤警率來說，分段線性擬合法的反演結(jié)果低于BTD-DBZ線性擬合法的反演結(jié)果，尤其在強對流段（回波強度≥35 dBZ）表現(xiàn)得很明顯，非強對流點識別成強對流點的情況要少較多。

（3）選取16—17時的Min-Max標(biāo)準(zhǔn)化歸一后的葵花8號衛(wèi)星資料進行雹暴指數(shù)計算，得到時間間隔為10 min一次，共7次的計算結(jié)果。然后將計算結(jié)果和白云機場冰雹預(yù)報產(chǎn)品原始數(shù)據(jù)同時插值成0.8 km×0.8 km的分辨率，統(tǒng)計80%以上大概率降雹區(qū)以及對應(yīng)位置的雹暴指數(shù)、BT14值的樣本數(shù)，發(fā)現(xiàn)11.2 μm通道亮溫＜240 K，雹暴指數(shù)為0.4～0.7的情況下，80%以上的概率會降雹。