新型靜止氣象衛(wèi)星對(duì)流初生識(shí)別展望

崔林麗

（上海市生態(tài)氣象和衛(wèi)星遙感中心，上海 200030）

0 引言

強(qiáng)對(duì)流天氣主要包括短時(shí)強(qiáng)降水、雷暴大風(fēng)、龍卷風(fēng)、冰雹和颮等，是夏季發(fā)生頻率最高、危害最嚴(yán)重的災(zāi)害性天氣系統(tǒng)之一。強(qiáng)對(duì)流天氣的準(zhǔn)確預(yù)報(bào)對(duì)于公共安全、減災(zāi)抗災(zāi)和軍事行動(dòng)等方面具有重要的意義[1-2]。對(duì)流初生（Convective Initiation，CI）是對(duì)流天氣開(kāi)始活動(dòng)的標(biāo)志和強(qiáng)對(duì)流風(fēng)暴發(fā)生初期的狀態(tài)。對(duì)CI的準(zhǔn)確識(shí)別和追蹤是提高局地突發(fā)強(qiáng)對(duì)流天氣短時(shí)臨近預(yù)報(bào)水平的關(guān)鍵[3]，也是中尺度氣象界研究的重點(diǎn)、難點(diǎn)和熱點(diǎn)[4-5]。

由于新生對(duì)流空間尺度小、發(fā)展變化快，常規(guī)氣象觀測(cè)很難對(duì)CI進(jìn)行有效的監(jiān)測(cè)和預(yù)警[6]，但高時(shí)空分辨率的天氣雷達(dá)和靜止氣象衛(wèi)星能夠觀測(cè)到邊界層輻合線和積云快速發(fā)展等用于評(píng)估CI發(fā)生條件的前兆信號(hào)，從而為定時(shí)定點(diǎn)的CI臨近預(yù)報(bào)提供有力支撐[7]。靜止氣象衛(wèi)星能夠早于雷達(dá)探測(cè)到積云[4]和有效監(jiān)測(cè)對(duì)流從積云到積雨云的發(fā)展歷程，且衛(wèi)星輻射傳感器比地基雷達(dá)覆蓋范圍廣、信息收集量大、可觀測(cè)通道豐富（包括可見(jiàn)光、近紅外、紅外波段）[8]，因此，利用靜止氣象衛(wèi)星數(shù)據(jù)實(shí)現(xiàn)CI監(jiān)測(cè)預(yù)警，具有其他氣象資料無(wú)法比擬的優(yōu)勢(shì)[3,9]。近年來(lái)，隨著靜止氣象衛(wèi)星的更新?lián)Q代[10]，如我國(guó)風(fēng)云靜止氣象衛(wèi)星由第一代風(fēng)云二號(hào)（FY-2）系列升級(jí)為第二代風(fēng)云四號(hào)（FY-4）；美國(guó)地球靜止環(huán)境業(yè)務(wù)衛(wèi)星（GOES）由第一、第二代的GOES-N系列升級(jí)為第三代GOES-R系列；歐洲氣象衛(wèi)星組織（EUMETSAT）靜止氣象衛(wèi)星由第一代的Meteosat系列升級(jí)至MSG系列，新一代靜止軌道氣象衛(wèi)星MTG系列[11]也在研制中；日本由第一代GMS、第二代MTSAT系列升級(jí)至第三代“葵花（Himawari）”系列，以及俄羅斯、印度、韓國(guó)等均有不同的提升計(jì)劃。新一代衛(wèi)星多光譜成像儀的時(shí)空分辨率和產(chǎn)品精度顯著提升[12]，光譜通道數(shù)也持續(xù)增加，同時(shí)高光譜垂直探測(cè)儀、閃電成像儀等新型傳感器的出現(xiàn)也進(jìn)一步增強(qiáng)了衛(wèi)星識(shí)別CI優(yōu)勢(shì)和潛力，有望為突發(fā)強(qiáng)對(duì)流天氣監(jiān)測(cè)和氣象災(zāi)害防御提供重要的支撐。

鑒于此，本文圍繞基于靜止氣象衛(wèi)星的CI識(shí)別這一關(guān)鍵技術(shù)，從傳統(tǒng)衛(wèi)星多光譜通道信息CI識(shí)別和衛(wèi)星新型觀測(cè)儀器CI識(shí)別兩方面綜述國(guó)內(nèi)外主要進(jìn)展，并對(duì)未來(lái)研究進(jìn)行思考與展望，以期為CI實(shí)時(shí)監(jiān)測(cè)和短時(shí)臨近預(yù)報(bào)提供借鑒。

1 基于衛(wèi)星多光譜通道信息的CI識(shí)別

使用地球靜止軌道氣象衛(wèi)星多通道資料進(jìn)行CI研究識(shí)別算法目前已經(jīng)比較成熟，并在美國(guó)[9,13]、法國(guó)[14]以及日本[15]等國(guó)家形成了一定的業(yè)務(wù)支撐能力，國(guó)內(nèi)應(yīng)用最廣泛的是借鑒美國(guó)阿拉巴馬大學(xué)Mecikalski等[9,13]提出的SATCAST（Satellite Convection Analysis and Tracking）算法。

SATCAST算法最早采用美國(guó)靜地運(yùn)行環(huán)境衛(wèi)星GOES-12的空間分辨率為4～8 km的3個(gè)紅外通道資料，通過(guò)獲得各個(gè)通道的亮溫（IR-TBB），提取出用于描述對(duì)流云性質(zhì)、發(fā)展和演變的8個(gè)指標(biāo)，包括云頂亮溫、多通道差和云頂亮溫時(shí)間變化趨勢(shì)等，然后計(jì)算8個(gè)指標(biāo)并與設(shè)置的閾值進(jìn)行對(duì)比評(píng)估，最終通過(guò)閾值評(píng)分法來(lái)區(qū)分CI和快速發(fā)展對(duì)流[9]，可以提前約30～45 min預(yù)測(cè)出CI[9,13]。對(duì)2007年歐洲地區(qū)213例CI事件的驗(yàn)證分析表明，準(zhǔn)確率為80.75%[4]。之后，Siewert等[16]利用歐洲第二代氣象衛(wèi)星（MSG）中6個(gè)紅外通道將8個(gè)指標(biāo)擴(kuò)展為17個(gè)，用于刻畫(huà)CI過(guò)程中云頂高度、云頂凍結(jié)效應(yīng)和垂直發(fā)展強(qiáng)度3種積云發(fā)展特征。Mecikalski等[17]進(jìn)一步總結(jié)了MSG衛(wèi)星所有8個(gè)紅外通道所能提供的67個(gè)指標(biāo)，并通過(guò)相關(guān)分析和主成分分析篩選出分別最能表征以上3種積云發(fā)展特征的6個(gè)、7個(gè)和8個(gè)指標(biāo)。

該算法不需要建立復(fù)雜的天氣活動(dòng)模型，直接使用云圖進(jìn)行CI預(yù)測(cè)。我國(guó)學(xué)者利用該算法也進(jìn)行了較多的CI識(shí)別實(shí)踐，如宋珍妮[18]基于FY-2C衛(wèi)星數(shù)據(jù)，利用Mecikalski等[9]提出的指標(biāo)計(jì)分統(tǒng)計(jì)法并對(duì)部分指標(biāo)閾值調(diào)整，開(kāi)展京津地區(qū)一次強(qiáng)對(duì)流天氣的CI預(yù)警試驗(yàn)，結(jié)果表明，該方法可以提前30 min實(shí)現(xiàn)強(qiáng)對(duì)流天氣預(yù)警。劉健等[19]利用FY-2C提供的平均10 min觀測(cè)間隔的局地掃描數(shù)據(jù)對(duì)強(qiáng)對(duì)流天氣進(jìn)行分析，結(jié)果也表明，靜止氣象衛(wèi)星的高時(shí)間分辨率觀測(cè)能有效地監(jiān)測(cè)CI和快速發(fā)展的對(duì)流。周鑫等[20]基于FY-2F提供的2015年5—9月的6 min高分辨率數(shù)據(jù)，分析和比較了深、淺對(duì)流在CI至發(fā)展階段中云頂高度、云頂快速降溫率以及多通道差值等云頂物理量特征的變化異同。卜茂賓等[21]基于FY-2G衛(wèi)星數(shù)據(jù)和Mecikalski等[9]提出的八分法，利用多小波融合、積云掩膜、金字塔圖像和面積重疊法得到CI預(yù)警算法，并對(duì)北京地區(qū)兩次強(qiáng)對(duì)流天氣過(guò)程進(jìn)行CI預(yù)警研究，結(jié)果表明，預(yù)警算法能夠提前30～40 min預(yù)警出北京地區(qū)的CI過(guò)程。李五生等[2]利用MTSAT-1R衛(wèi)星資料中的紅外1（10.3～11.3 μm）、紅外2（11.5～12.5 μm）和水汽通道（6.5～7.0 μm）亮溫?cái)?shù)據(jù)，在目標(biāo)云塊識(shí)別對(duì)比的基礎(chǔ)上計(jì)算并修正了SATCAST算法中CI預(yù)報(bào)的8個(gè)指標(biāo)閾值，并對(duì)2006—2007年京津地區(qū)進(jìn)行17日次CI預(yù)報(bào)試驗(yàn)，結(jié)果表明，該預(yù)報(bào)方法能夠?qū)? h內(nèi)的CI進(jìn)行有效預(yù)報(bào)。

研究表明，經(jīng)過(guò)適當(dāng)?shù)拈撝嫡{(diào)整或方法改進(jìn)（如結(jié)合機(jī)器學(xué)習(xí)方法），SATCAST算法也能夠有效地移植到與GOES衛(wèi)星具有相當(dāng)探測(cè)能力的其他靜止衛(wèi)星上用于CI預(yù)報(bào)，如MSG[22]、FY-2F[20]、FY-2G[21]、日本多功能運(yùn)輸衛(wèi)星（MTSAT）[2,23]、韓國(guó)通信、海洋和氣象衛(wèi)星（COMS）[24]、日本新一代靜止氣象衛(wèi)星葵花8號(hào)（Himawari-8）[25]等。由于使用了可見(jiàn)光通道數(shù)據(jù)，Mecikalski算法僅能在白天對(duì)CI進(jìn)行預(yù)測(cè)，而對(duì)夜間發(fā)生的CI無(wú)法進(jìn)行提前預(yù)測(cè)。

2 新型衛(wèi)星觀測(cè)儀器的CI識(shí)別

2016年11月19日，美國(guó)新一代地球靜止軌道環(huán)境業(yè)務(wù)衛(wèi)星（GOES-R）首顆星GOES-16發(fā)射升空，衛(wèi)星裝載的有效載荷包括先進(jìn)基線成像儀（ABI）、閃電成像儀（GLM）以及空間環(huán)境探測(cè)儀器[26]。2016年12月11日，我國(guó)也成功發(fā)射了新一代靜止軌道氣象衛(wèi)星風(fēng)云四號(hào)首顆業(yè)務(wù)星FY-4A，其攜帶先進(jìn)靜止軌道多通道掃描輻射成像儀（AGRI）、靜止軌道干涉式紅外探測(cè)儀（GIIRS）、閃電成像儀（LMI）和空間環(huán)境監(jiān)測(cè)儀4種主要觀測(cè)儀器，并于2018年5月1日正式投入業(yè)務(wù)應(yīng)用，其中，將高光譜分辨率紅外干涉式大氣垂直探測(cè)儀搭載在靜止軌道氣象衛(wèi)星上，這在國(guó)際上尚屬首次。這些新一代靜止衛(wèi)星所攜帶的新型傳感器將對(duì)CI監(jiān)測(cè)和強(qiáng)對(duì)流天氣短時(shí)臨近預(yù)報(bào)提供極大的數(shù)據(jù)支撐和算法突破。

2.1 衛(wèi)星閃電成像儀

閃電是對(duì)流系統(tǒng)發(fā)展的“示蹤器”，衛(wèi)星閃電成像儀可以實(shí)現(xiàn)對(duì)云中閃電的實(shí)時(shí)監(jiān)測(cè)，為對(duì)流系統(tǒng)預(yù)警提供重要支撐。早期主要搭載在低軌道衛(wèi)星上，包括裝載于Microlab-1衛(wèi)星上的閃電光學(xué)瞬變探測(cè)器（OTD）和裝載于熱帶降水測(cè)量任務(wù)（TRMM）衛(wèi)星上的閃電成像儀（LIS）[27-30]。這些低軌道衛(wèi)星雖然能夠提供更高空間分辨率的云圖，但其重復(fù)觀測(cè)間隔太長(zhǎng)（12 h），難以對(duì)同一個(gè)對(duì)流過(guò)程進(jìn)行連續(xù)監(jiān)測(cè)。

FY-4A/LMI閃電觀測(cè)時(shí)間上可精確到1 min，空間分辨率精確到7.8 km，不僅能夠?qū)Υ蟪叨葘?duì)流系統(tǒng)中的閃電活動(dòng)進(jìn)行連續(xù)不間斷的觀測(cè)，而且能夠?qū)值匦?duì)流云團(tuán)中的閃電活動(dòng)進(jìn)行監(jiān)測(cè)[31]。在對(duì)流迅速發(fā)展的初期，LMI對(duì)閃電的觀測(cè)超前于ADTD雷電定位系統(tǒng)，并且鋒面降水階段中這種超前特征持續(xù)時(shí)間更長(zhǎng)一些[32]。因此，LMI 閃電探測(cè)產(chǎn)品對(duì)于CI判識(shí)和強(qiáng)天氣監(jiān)測(cè)預(yù)警具有很大的應(yīng)用潛力[31-32]。林小紅等[33]研究表明，F(xiàn)Y-4A LMI閃電頻次的時(shí)空變化與2019年臺(tái)風(fēng)“利奇馬”臺(tái)前颮線的演變過(guò)程相一致，LMI閃電爆發(fā)對(duì)臺(tái)前颮線強(qiáng)度增強(qiáng)具有提早約1 h的指示作用。張曉蕓等[34]以2018年5月7日廈門暴雨為研究個(gè)例，研究FY-4A LMI閃電數(shù)據(jù)在強(qiáng)降水監(jiān)測(cè)預(yù)警中的應(yīng)用，結(jié)果表明，閃電強(qiáng)度與雨強(qiáng)成正比，且閃電頻數(shù)峰值多出現(xiàn)在降水峰值前45 min左右。任素玲等[35]利用FY-4A AGRI和LMI數(shù)據(jù)，分析了反演產(chǎn)品在強(qiáng)雷暴天氣中的應(yīng)用，表明LMI產(chǎn)品較地面閃電探測(cè)產(chǎn)品能夠探測(cè)到更多的閃電，對(duì)新生對(duì)流和較弱對(duì)流產(chǎn)生的閃電監(jiān)測(cè)具有優(yōu)勢(shì)。

2.2 衛(wèi)星垂直探測(cè)儀

衛(wèi)星成像儀主要是觀測(cè)與CI相關(guān)的積云發(fā)展過(guò)程，衛(wèi)星垂直探測(cè)儀則能夠通過(guò)獲取大氣溫度和濕度廓線來(lái)評(píng)估積云發(fā)展和CI發(fā)生前的環(huán)境條件[7]。自從1994年以來(lái)，美國(guó)GOES系列靜止衛(wèi)星搭載的紅外探測(cè)儀（Sounder）開(kāi)始為北美地區(qū)及其附近海域提供1次/h、10 km空間分辨率的大氣溫濕廓線及其衍生產(chǎn)品[36]，初步解決了常規(guī)探空和低軌道衛(wèi)星觀測(cè)間隔長(zhǎng)（通常1次/2 d）、不能夠有效地監(jiān)測(cè)對(duì)流的快速變化過(guò)程的問(wèn)題，但GOES Sounder僅配置18個(gè)較低光譜分辨率的紅外寬波段通道，對(duì)于獲取大氣精細(xì)化廓線尤其是底層信息仍然有限[7]。相對(duì)于具有較粗光譜分辨率的GOES Sounder，高光譜分辨率垂直探測(cè)儀可以更精確獲取CI前環(huán)境條件，如大氣穩(wěn)定度指標(biāo)——對(duì)流有效位能（CAPE）和抬升指數(shù)（LI），從而對(duì)CI潛勢(shì)具有重要的指示作用[37-40]。Apke等[41]分析了對(duì)流環(huán)境對(duì)于CI的作用，結(jié)果表明，CAPE和對(duì)流抑制能量（CIN）對(duì)于改進(jìn)衛(wèi)星的CI預(yù)報(bào)具有積極的作用。在高CAPE、低CIN的環(huán)境下，對(duì)流初生具有更好的預(yù)報(bào)性。

3 未來(lái)工作展望

強(qiáng)對(duì)流天氣研究的主要目的是提高其監(jiān)測(cè)、預(yù)報(bào)和預(yù)警水平[42]，CI識(shí)別對(duì)強(qiáng)對(duì)流天氣預(yù)測(cè)預(yù)報(bào)具有重要的意義?；陟o止衛(wèi)星的CI研究呈現(xiàn)出從定性到定量描述、從單一到多光譜通道聯(lián)合運(yùn)用、從僅使用光學(xué)成像儀到不同星載儀器運(yùn)用、從僅關(guān)注CI過(guò)程本身到關(guān)注CI前環(huán)境條件和CI后續(xù)對(duì)流強(qiáng)度的發(fā)展趨勢(shì)[7]。衛(wèi)星觀測(cè)通道和觀測(cè)資料的要素不斷增加，時(shí)空分辨率從最初的小時(shí)級(jí)到現(xiàn)在的分鐘級(jí)，同時(shí)也解決了雷達(dá)受空間和時(shí)間的限制，實(shí)現(xiàn)了連續(xù)性、大范圍觀測(cè)[21]，應(yīng)用前景很大。未來(lái)工作方向主要概況為以下兩大方面。

3.1 綜合光譜/閃電成像儀、大氣垂直探測(cè)儀和天氣雷達(dá)等，實(shí)現(xiàn)CI協(xié)同觀測(cè)和數(shù)據(jù)快速獲取

新一代靜止氣象衛(wèi)星在時(shí)間、空間和光譜分辨率、光譜通道數(shù)以及搭載儀器性能等方面都有質(zhì)的提升[7]，尤其是多通道的觀測(cè)數(shù)據(jù)組合可更好地觀測(cè)云的溫度、微物理結(jié)構(gòu)、相態(tài)等特征，更準(zhǔn)確地監(jiān)測(cè)強(qiáng)對(duì)流天氣[35]。我國(guó)FY-4A是國(guó)際上首顆單星實(shí)現(xiàn)對(duì)地“多光譜二維成像+高光譜三維探測(cè)+超窄帶閃電成像”綜合觀測(cè)的靜止軌道氣象衛(wèi)星，研究FY-4靜止氣象衛(wèi)星搭載的多種傳感器資料的使用，可以提高強(qiáng)對(duì)流天氣的預(yù)報(bào)水平和服務(wù)質(zhì)量[43]。將大氣垂直探測(cè)儀獲取的CI前環(huán)境信息和光譜/閃電成像儀獲取的積云發(fā)展信息相結(jié)合，建立不同星載儀器（成像儀和探測(cè)儀）對(duì)同一CI過(guò)程的協(xié)同觀測(cè)和預(yù)報(bào)流程，能夠有效地改善CI預(yù)報(bào)的命中率和空?qǐng)?bào)率[44]。因此迫切需要充分挖掘新一代靜止氣象衛(wèi)星高時(shí)空分辨率的優(yōu)勢(shì)，為CI監(jiān)測(cè)預(yù)警業(yè)務(wù)服務(wù)提供支撐。

隨著衛(wèi)星觀測(cè)技術(shù)的發(fā)展和遙感儀器能力的提升，高分辨率衛(wèi)星云圖監(jiān)測(cè)的積云新生時(shí)間能夠早于雷達(dá)觀測(cè)到的新生單體的時(shí)間，可以提前發(fā)現(xiàn)CI[45]。例如，張夕迪等[46]利用日本Himawari-8資料對(duì)2016年汛期27次暴雨CI情況進(jìn)行分析，并與雷達(dá)進(jìn)行了對(duì)比，研究表明，Himawari-8衛(wèi)星由于高頻次觀測(cè)的優(yōu)勢(shì)對(duì)暴雨對(duì)流強(qiáng)弱的變化刻畫(huà)得更加細(xì)致，在監(jiān)測(cè)暴雨對(duì)流云團(tuán)方面具有時(shí)間上的明顯優(yōu)勢(shì)。然而，靜止氣象衛(wèi)星觀測(cè)的主要是對(duì)流云頂?shù)陌l(fā)生、發(fā)展特征，無(wú)法實(shí)現(xiàn)對(duì)流系統(tǒng)內(nèi)部的觀測(cè)。天氣雷達(dá)則可以觀測(cè)對(duì)流風(fēng)暴的內(nèi)部分布特征，較衛(wèi)星觀測(cè)資料更容易達(dá)到傳統(tǒng)的CI判定條件[43]，因此，雷達(dá)觀測(cè)資料能夠與靜止氣象衛(wèi)星數(shù)據(jù)形成互補(bǔ)，實(shí)現(xiàn)對(duì)流系統(tǒng)的多方面觀測(cè)，從而為CI的精細(xì)化預(yù)報(bào)（甚至于后續(xù)對(duì)流的發(fā)展強(qiáng)度）提供指示作用。在CI研究和預(yù)報(bào)過(guò)程中，未來(lái)需要依托先進(jìn)的數(shù)據(jù)融合和同化系統(tǒng)，實(shí)現(xiàn)雷達(dá)和衛(wèi)星觀測(cè)之間的聯(lián)動(dòng)，如雷達(dá)上觀測(cè)到的輻合線和對(duì)流過(guò)程與衛(wèi)星上觀測(cè)到的積云發(fā)展過(guò)程之間的串聯(lián)[7]。結(jié)合先進(jìn)的資料同化方案（如集合卡爾曼濾波等），在對(duì)流可分辨模式中同化高分辨率的雷達(dá)和衛(wèi)星觀測(cè)，將有望進(jìn)一步改善CI的臨近預(yù)報(bào)能力[47]。

考慮到CI預(yù)報(bào)的短時(shí)效性，要求衛(wèi)星能夠快速成像、觀測(cè)數(shù)據(jù)能夠盡快回傳并能夠進(jìn)行近實(shí)時(shí)處理。2021年6月3日，我國(guó)風(fēng)云四號(hào)B星（FY-4B）發(fā)射成功。在繼承A星基礎(chǔ)上，B星提升原有載荷性能，同時(shí)新增快速成像儀，在國(guó)際上首次實(shí)現(xiàn)靜止軌道250 m空間分辨率全天時(shí)觀測(cè)，通過(guò)長(zhǎng)線列探測(cè)器和二維靈活掃描成像，實(shí)現(xiàn)更高分辨率、更靈活快速地對(duì)特定區(qū)域掃描成像，大幅提高了我國(guó)中小尺度災(zāi)害性天氣觀測(cè)能力。憑借最新搭載的快速成像儀，F(xiàn)Y-4B可以實(shí)現(xiàn)對(duì)數(shù)百萬(wàn)平方公里區(qū)域1 min/次的成像，對(duì)中小尺度的天氣系統(tǒng)具備更強(qiáng)的監(jiān)測(cè)能力。因此，F(xiàn)Y-4B快速成像儀數(shù)據(jù)產(chǎn)品在CI監(jiān)測(cè)預(yù)報(bào)中的應(yīng)用潛力也應(yīng)重點(diǎn)關(guān)注。

3.2 引入機(jī)器學(xué)習(xí)、大數(shù)據(jù)挖掘等技術(shù)，探索衛(wèi)星多源數(shù)據(jù)的融合和集成應(yīng)用，提高CI識(shí)別時(shí)效性和精確性

數(shù)據(jù)分析處理方面，目前所用方法上無(wú)論是閾值法還是灰度－梯度共生矩陣法均仍是傳統(tǒng)的分析方法為主。但隨著衛(wèi)星儀器的升級(jí)，其資料性能在波段、時(shí)間與空間三個(gè)維度均獲得了極大的提升，直接導(dǎo)致數(shù)據(jù)量的激增，例如FY-4A和Himawari-8/9資料均比原來(lái)的FY-2和MTSAT多達(dá)上百倍，但多源觀測(cè)數(shù)據(jù)表現(xiàn)形式、物理意義各異，如何將這些數(shù)據(jù)有效融合，也是當(dāng)前面臨的挑戰(zhàn)之一[7]。人工智能在大數(shù)據(jù)處理方面具有不可比擬的優(yōu)勢(shì)，不僅可以總結(jié)專家知識(shí)經(jīng)驗(yàn)，還可以充分利用統(tǒng)計(jì)與數(shù)值模式中無(wú)法利用的抽象預(yù)報(bào)知識(shí)。作為一種實(shí)現(xiàn)人工智能的方法，機(jī)器學(xué)習(xí)算法能夠自動(dòng)學(xué)習(xí)并提取特征，為多源數(shù)據(jù)融合提供了新的思路。隨機(jī)森林方法、卷積神經(jīng)網(wǎng)絡(luò)模型[48]等已被初步證實(shí)在災(zāi)害性天氣監(jiān)測(cè)中明顯優(yōu)于常規(guī)方法。Mecikalski等[49]結(jié)合GOES-R靜止氣象衛(wèi)星數(shù)據(jù)和數(shù)值天氣預(yù)報(bào)（NWP）模式得到的對(duì)流環(huán)境預(yù)報(bào)場(chǎng)如CAPE、LI和風(fēng)切變等數(shù)據(jù)，通過(guò)選取25個(gè)相關(guān)要素，并借助邏輯回歸和隨機(jī)森林方法，建立了一種CI概率預(yù)報(bào)系統(tǒng)，有效地減少了歐洲地區(qū)CI空?qǐng)?bào)率。Ahijevych等[50]利用隨機(jī)森林方法，融合雷達(dá)、衛(wèi)星云圖和數(shù)值預(yù)報(bào)數(shù)據(jù)，預(yù)報(bào)未來(lái)0～2 h的CI，結(jié)果表明模型有效檢測(cè)了99%以上（總數(shù)550個(gè)）的初生系統(tǒng)。Han等[51]基于Himawari-8衛(wèi)星數(shù)據(jù)，利用決策樹(shù)、隨機(jī)森林和邏輯回歸等機(jī)器學(xué)習(xí)方法建立了CI預(yù)報(bào)模型，實(shí)現(xiàn)了算法性能的提升。劉子菁[52]將Himawari-8先進(jìn)成像儀（AHI）觀測(cè)資料、數(shù)值模式場(chǎng)資料與深度機(jī)器學(xué)習(xí)的隨機(jī)森林方法結(jié)合，建立起局地CI預(yù)警模型，該模型能夠在局地爆發(fā)對(duì)流系統(tǒng)前1～2 h 將對(duì)流云團(tuán)標(biāo)記出來(lái)，模型的準(zhǔn)確率為0.79，對(duì)強(qiáng)對(duì)流和中等強(qiáng)度對(duì)流的探測(cè)率可分別達(dá)到0.66和0.70。鄭益勤等[53]基于Himawari-8衛(wèi)星數(shù)據(jù)構(gòu)建了基于深度信念網(wǎng)絡(luò)（DBN）的強(qiáng)對(duì)流云團(tuán)自動(dòng)識(shí)別法，該方法可以有效識(shí)別處于初生到消散不同階段的強(qiáng)對(duì)流云團(tuán)，提高了強(qiáng)對(duì)流云團(tuán)的識(shí)別精度，并在一定程度上去除卷云。因此，在對(duì)一些天氣現(xiàn)象發(fā)生的物理機(jī)理還沒(méi)有完全理解的情況下，充分利用機(jī)器學(xué)習(xí)的大數(shù)據(jù)挖掘分析方法非常值得探索。