基于Python語言的FY-4B衛(wèi)星強(qiáng)對流云團(tuán)識別

摘要：強(qiáng)對流云團(tuán)的生成、演變及最終消散，構(gòu)成了一個極為多變且錯綜復(fù)雜的自然現(xiàn)象，這使得對其實(shí)施精確且即時的追蹤監(jiān)測變得極為困難。風(fēng)云四號B衛(wèi)星（FY-4B）作為中國新一代靜止軌道氣象衛(wèi)星風(fēng)云四號系列中的首顆業(yè)務(wù)衛(wèi)星，憑借其所提供的高時空分辨率觀測數(shù)據(jù)，極大地增強(qiáng)了對中小尺度災(zāi)害性天氣的觀測效能，特別是在強(qiáng)對流天氣的監(jiān)測與預(yù)警方面展現(xiàn)出了非凡的價值。為了實(shí)現(xiàn)對強(qiáng)對流云團(tuán)無間斷的監(jiān)測識別，文章采用Python編程語言，有效讀取FY-4B衛(wèi)星的L1級數(shù)據(jù)，運(yùn)用亮溫差算法來甄別強(qiáng)對流云團(tuán)。這一方法不僅突破了時間限制，實(shí)現(xiàn)了對強(qiáng)對流云團(tuán)的全天候監(jiān)測，更為提升強(qiáng)對流云團(tuán)的監(jiān)測識別精度開辟了新途徑，具有深遠(yuǎn)的實(shí)踐意義。

關(guān)鍵詞：強(qiáng)對流云團(tuán)；FY-4B靜止衛(wèi)星；Python

中圖分類號：TP79" 文獻(xiàn)標(biāo)志碼：A

0 引言

強(qiáng)對流云團(tuán)的形成源于大氣內(nèi)部的不穩(wěn)定對流活動，特別是在大氣上層較為寒冷而下層相對溫暖的條件下，低層的暖空氣會上升并在達(dá)到一定高度后促使水汽凝結(jié)成云^［1］。目前，界定強(qiáng)對流天氣的主要標(biāo)準(zhǔn)包括單獨(dú)或同時出現(xiàn)的幾種極端天氣現(xiàn)象。例如：小時降水量達(dá)到或超過20mm的短時強(qiáng)降水、風(fēng)力達(dá)到8至11級（即風(fēng)速在17.2m/s以上）的對流性大風(fēng)以及直徑不小于20mm的冰雹等，這些指標(biāo)共同構(gòu)成了判斷強(qiáng)對流天氣的依據(jù)^［2］。

眾多學(xué)者在衛(wèi)星遙感技術(shù)的推動下，已經(jīng)通過對衛(wèi)星紅外亮溫?cái)?shù)據(jù)的深入探索與分析，成功建立了強(qiáng)對流活動與紅外亮溫之間的復(fù)雜而精細(xì)的模型。這些研究不僅揭示了強(qiáng)對流活動在紅外亮溫表現(xiàn)上的獨(dú)特特征，還為理解中國及周邊地區(qū)夏季強(qiáng)對流活動的發(fā)生、發(fā)展和演變提供了寶貴的科學(xué)依據(jù)。特別是在過去的幾年里，隨著衛(wèi)星技術(shù)的不斷進(jìn)步和數(shù)據(jù)獲取手段的日益豐富，學(xué)者們在強(qiáng)對流活動與紅外亮溫關(guān)系的研究上取得了諸多突破性進(jìn)展^［3-7］。

基于當(dāng)前強(qiáng)對流活動監(jiān)測研究的蓬勃發(fā)展態(tài)勢，文章旨在充分利用FY-4B靜止衛(wèi)星AGRI提供的L1級數(shù)據(jù)資料，深入挖掘紅外亮溫在監(jiān)測強(qiáng)對流活動中的巨大潛力。在數(shù)據(jù)處理與分析的關(guān)鍵環(huán)節(jié)，文章將重點(diǎn)依托Python編程語言，對FY-4B衛(wèi)星的紅外亮溫?cái)?shù)據(jù)進(jìn)行細(xì)致解析與高效處理。Python語言憑借其簡潔明了的語法結(jié)構(gòu)、廣泛且實(shí)用的庫函數(shù)集合以及卓越的數(shù)據(jù)處理能力，在氣象數(shù)據(jù)處理與分析領(lǐng)域已得到廣泛認(rèn)可與應(yīng)用。文章通過精心編寫高效的Python腳本程序，能夠?qū)崿F(xiàn)對紅外亮溫?cái)?shù)據(jù)的迅速讀取、精細(xì)預(yù)處理、直觀可視化以及關(guān)鍵特征的有效提取，從而為后續(xù)深入的分析工作奠定堅(jiān)實(shí)而可靠的基礎(chǔ)。

1 數(shù)據(jù)

FY-4B標(biāo)志著新一代靜止軌道氣象衛(wèi)星業(yè)務(wù)化的開端，于2021年6月順利升空，與FY-4A攜手，共同搭建起一個前沿的雙星觀測體系。此體系極大地提升了大氣與云層的監(jiān)測頻率與精確度，同時深入探索了晴空及薄云條件下的大氣垂直結(jié)構(gòu)特征。FY-4B配備AGRI。AGRI的觀測性能實(shí)現(xiàn)了質(zhì)的飛躍，特別是新增的水汽觀測波段，如表1所示，其顯著增強(qiáng)了水文循環(huán)、降水過程等關(guān)鍵氣象信息的捕捉與分析能力，全面涵蓋了地球輻射平衡、冰雪覆蓋、海面溫度、大氣微粒物以及臭氧濃度等核心環(huán)境指標(biāo)。

2 方法

2.1 FY-4B衛(wèi)星L1文件解析

FY-4B衛(wèi)星L1文件的行列號轉(zhuǎn)換是一個復(fù)雜但至關(guān)重要的過程，它能夠?qū)⑿l(wèi)星觀測數(shù)據(jù)中的原始行列信息精確轉(zhuǎn)換為對應(yīng)的地理經(jīng)緯度信息，從而賦予數(shù)據(jù)以實(shí)際的地理意義。以下是這一轉(zhuǎn)換過程更為詳盡的步驟說明。

（1）獲取查找表：轉(zhuǎn)換過程第一步，需要從風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)這一權(quán)威渠道，下載與FY-4B衛(wèi)星L1數(shù)據(jù)相匹配的行列號和經(jīng)緯度查找表。這些查找表是精密編制的工具，它們依據(jù)數(shù)據(jù)的不同分辨率（如250m、500m、1km、2km和4km等）進(jìn)行定制，以確保轉(zhuǎn)換的準(zhǔn)確性和精度。獲取正確的查找表是后續(xù)所有步驟的基礎(chǔ)。

（2）確定數(shù)據(jù)分辨率：轉(zhuǎn)換過程第二步，確認(rèn)所處理的L1數(shù)據(jù)的具體分辨率。這一步至關(guān)重要，因?yàn)樗鼘Q定選擇哪個查找表進(jìn)行轉(zhuǎn)換。不同的分辨率對應(yīng)著不同的查找表，選擇錯誤的查找表將導(dǎo)致轉(zhuǎn)換結(jié)果的不準(zhǔn)確。

（3）選擇編程語言：轉(zhuǎn)換過程第三步，選擇一種適合處理大數(shù)據(jù)和復(fù)雜計(jì)算的編程語言。Python憑借其簡潔的語法、豐富的庫函數(shù)以及強(qiáng)大的數(shù)據(jù)處理能力，可以利用Python的內(nèi)置函數(shù)或第三方庫（如NumPy）來讀取查找表文件。這些文件通常包含大量的經(jīng)緯度數(shù)據(jù)，這些數(shù)據(jù)以特定的格式（如二進(jìn)制或文本）進(jìn)行存儲，而Python則提供了強(qiáng)大的文件處理功能，能夠輕松應(yīng)對這些挑戰(zhàn)。

（4）解析數(shù)據(jù)：轉(zhuǎn)換過程第四步，根據(jù)查找表的格式來解析數(shù)據(jù)，通常涉及將文件中的原始數(shù)據(jù)讀入內(nèi)存，存儲在適當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)中（如NumPy數(shù)組）。這一過程需要對查找表的格式有深入的了解，以確保數(shù)據(jù)的正確解析和存儲。

（5）提取行列號：轉(zhuǎn)換過程第五步，需要從L1數(shù)據(jù)中提取出原始的行列號。這些行列號代表了數(shù)據(jù)在衛(wèi)星圖像中的具體位置，提取行列號的過程可能涉及對L1數(shù)據(jù)文件的解析和讀取。

（6）查找經(jīng)緯度：第六步，利用這些行列號在查找表中查找對應(yīng)的經(jīng)緯度信息。這一步驟可能需要執(zhí)行一些數(shù)學(xué)運(yùn)算，如插值或查找最近鄰，以確保能夠準(zhǔn)確地找到與每個行列號對應(yīng)的經(jīng)緯度。這一過程需要對查找表的結(jié)構(gòu)和算法有深入的理解，以確保轉(zhuǎn)換的準(zhǔn)確性。

（7）存儲結(jié)果：轉(zhuǎn)換過程第七步，需要將轉(zhuǎn)換后的經(jīng)緯度信息存儲在適當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)中，以便后續(xù)的分析或可視化。這可以是一個新的數(shù)據(jù)文件、一個數(shù)據(jù)庫表或任何其他適合需求的數(shù)據(jù)存儲方式。存儲結(jié)果時，需要確保數(shù)據(jù)的完整性和準(zhǔn)確性，以便在后續(xù)的分析和可視化過程中能夠得到可靠的結(jié)果。

2.2 強(qiáng)對流識別方法

在FY-4B衛(wèi)星的AGRI所提供的L1級數(shù)據(jù)中，10.8μm波長的紅外亮溫信息，因其獨(dú)特的溫度敏感性，在氣象監(jiān)測與分析中發(fā)揮著舉足輕重的作用。在氣象監(jiān)測與分析的實(shí)踐中，科學(xué)家們發(fā)現(xiàn)，利用10.8μm波長的紅外亮溫信息，可以有效地識別出強(qiáng)對流云團(tuán)。這些云團(tuán)通常伴隨著強(qiáng)烈的天氣活動，如暴雨、雷暴、冰雹等，對人們的生命財(cái)產(chǎn)安全構(gòu)成嚴(yán)重威脅。為了充分利用這一獨(dú)特的數(shù)據(jù)源，提高強(qiáng)對流云團(tuán)的識別精度，科學(xué)家們經(jīng)過深入研究，選定了一個特定的溫度閾值作為識別標(biāo)準(zhǔn)。這個溫度閾值設(shè)定在-52℃左右，它能夠有效地區(qū)分出那些溫度異常低、可能預(yù)示著強(qiáng)烈天氣活動的云團(tuán)。為了充分利用這一獨(dú)特的數(shù)據(jù)源，文章選擇小于等于-52℃的溫度作為強(qiáng)對流云團(tuán)識別標(biāo)準(zhǔn)，這一閾值的選定，有效地區(qū)分出那些溫度異常低、可能預(yù)示著強(qiáng)烈天氣活動的云團(tuán)。

3 方法實(shí)現(xiàn)

文章的行列號轉(zhuǎn)換部分代碼如下，使用Python編程語言，將行列號轉(zhuǎn)換為經(jīng)緯度：

def linecolumn2latlon（line， column， resolution）：

x = deg2rad（（column - COFF［resolution］）/（2^** -16 * CFAC［resolution］））

y = deg2rad（（line - LOFF［resolution］）/（2^** -16 * LFAC［resolution］））

cosx = cos（x）

cosy = cos（y）

siny = sin（y）

cos2y = cosy^** 2

hcosxcosy = h * cosx * cosy

cos2y_ea_eb_siny_2 = cos2y + （ea/eb * siny）^** 2

sd = sqrt（hcosxcosy^** 2 - cos2y_ea_eb_siny_2 * （h^** 2 - ea^** 2））

sn = （hcosxcosy - sd）/cos2y_ea_eb_siny_2

s1 = h - sn * cosx * cosy

s2 = sn * sin（x） * cosy

s3 = -sn * siny

sxy = sqrt（s1^** 2 + s2^** 2）

lon = rad2deg（arctan（s2/s1） + λD）

lat = rad2deg（arctan（ea^** 2/eb^** 2 * s3/sxy））

return lat， lon

上述代碼中常用的參數(shù)ea是地球的半長軸，值為6378.137km；參數(shù)eb值為地球的短半軸，值為6356.7523km；h為地心到衛(wèi)星質(zhì)心的距離，值為42164km。代碼主要解釋如下：

（1）輸入?yún)?shù)：line為行號；column為列號；resolution為分辨率級別，可能用于選擇特定的投影參數(shù)（如偏移量和縮放因子）。

（2）轉(zhuǎn)換行列號到弧度：文章使用deg2rad和預(yù)定義的偏移量（COFF［resolution］和LOFF［resolution］）及縮放因子（CFAC［resolution］和LFAC［resolution］）將行列號轉(zhuǎn)換為弧度表示的x和y。

（3）三角函數(shù)計(jì)算：文章計(jì)算cosx， cosy， siny，這些是后續(xù)計(jì)算的基礎(chǔ)；cos2y是cosy的平方；hcosxcosy是參數(shù)h與cosx和cosy的乘積。

（4）橢球體投影公式：cos2y_ea_eb_siny_2是一個結(jié)合了橢球體的長半軸（ea）和短半軸（eb）以及siny的表達(dá)式；sd是計(jì)算中的一個中間變量，與橢球體的幾何特性有關(guān)；sn是另一個中間變量，用于進(jìn)一步計(jì)算。

（5）計(jì)算經(jīng)緯度：s1， s2， s3是基于sn， cosx， cosy， sin（x）， siny的表達(dá)式，用于計(jì)算最終的經(jīng)緯度；sxy是s1和s2的平方和的平方根；lon（經(jīng)度）是通過arctan（s2/s1）加上某個偏移量λD并轉(zhuǎn)換為度數(shù)得到的；lat（緯度）是通過arctan函數(shù)和一個考慮了橢球體特性的表達(dá)式計(jì)算得到的，也轉(zhuǎn)換為度數(shù)。

（6）返回經(jīng)緯度：函數(shù)返回計(jì)算得到的緯度lat和經(jīng)度lon。

以下為識別強(qiáng)對流云團(tuán)并繪制圖片代碼：

def SC（fy4b_file）：

DS = fy4b.AGRI_L1（fy4b_file）.to_dataset（）

tbb13 = DS.Channel13 - 273.15

rgb_array = DataArray（

tbb13，

coords=tbb13.coords，

dims=tbb13.dims

）

predict_plot = rgb_array.plot（

vmax = -52，

cmap='autumn_r'，

transform=ccrs.PlateCarree（），

add_colorbar=False，

）

4 結(jié)語

FY-4B衛(wèi)星作為中國新一代靜止軌道氣象衛(wèi)星的典范，其提供的L1級數(shù)據(jù)為觀測中小尺度災(zāi)害性天氣提供了強(qiáng)有力的支撐。文章通過運(yùn)用Python編程語言和亮溫識別技術(shù)，成功實(shí)現(xiàn)對強(qiáng)對流云團(tuán)的有效監(jiān)測與識別。展望未來，筆者將持續(xù)深化算法優(yōu)化與數(shù)據(jù)處理技術(shù)的研究，旨在進(jìn)一步提升對強(qiáng)對流云團(tuán)的監(jiān)測能力，為保障人民生命財(cái)產(chǎn)安全及推動社會經(jīng)濟(jì)發(fā)展作出更大貢獻(xiàn)。

參考文獻(xiàn)

［1］許愛華，孫繼松，許東蓓，等.中國中東部強(qiáng)對流天氣的天氣形勢分類和基本要素配置特征［J］.氣象，2014（4）：400-411.

［2］中國氣象局.強(qiáng)對流天氣等級：QX/T 416—2018［S］.北京：氣象出版社，2018.

［3］ZHANG X L，SUN J H，ZHENG Y G，et al.Progress in severe convective weather（SCW）forecasting in China since the 1950s［J］.Journal of Meteorological Research，2020（34）：699-719.

［4］俞小鼎，鄭永光.中國當(dāng)代強(qiáng)對流天氣研究與業(yè)務(wù)進(jìn)展［J］.氣象學(xué)報，2020（3）：391-418.

［5］鄭永光，周康輝，盛杰，等．強(qiáng)對流天氣監(jiān)測預(yù)報預(yù)警技術(shù)進(jìn)展［J］．應(yīng)用氣象學(xué)報，2015（6）：641-657.

［6］鄭永光，陳炯，朱佩君.中國及周邊地區(qū)夏季中尺度對流系統(tǒng)分布及其日變化特征［J］.科學(xué)通報，2008（53）：471-481.

［7］趙文化，單海濱.基于紅外窗區(qū)與水汽通道對流云團(tuán)識別方法研究［J］.氣象，2018（6）：814-824.

（編輯 王永超）

Identification of strong convective clouds on FY-4B satellite based on Python language

ZHANG" Xiang

（Inner Mongolia Autonomous Region Meteorological Data Center， Hohhot 010051， China）

Abstract： The generation， evolution， and eventual dissipation of convective cloud clusters constitute an extremely variable and complex natural phenomenon， making it extremely difficult to implement precise and realtime tracking and monitoring. The FY-4B satellite， as the first operational satellite in the Fengyun-4 series of China’s new generation of geostationary orbit meteorological satellites， greatly enhances the observation efficiency of small and mediumsized catastrophic weather with its high spatiotemporal resolution observation data， especially in the monitoring and early warning of severe convective weather， demonstrating extraordinary value. In order to achieve uninterrupted monitoring and recognition of strong convective cloud clusters， this paper uses Python programming language to effectively read L1 level data from FY-4B satellite， and uses brightness temperature difference algorithm to identify strong convective cloud clusters. This method not only breaks through time constraints and achieves allweather monitoring of strong convective cloud clusters， but also opens up new avenues for improving the accuracy of monitoring and identification of strong convective cloud clusters， with profound practical significance.

Key words： strong convective cloud clusters; FY-4B geostationary satellite; Python