基于雷达组合反射率拼图和深度学习的中尺度对流系统识别、追踪与分类方法

中尺度对流系统（Mesoscale Convective System,MCS）是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机（SVM）、随机森林（RF）、极度梯度提升决策树（XGBoost）和深度神经网络（DNN）4种机器学习方法,研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配,得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上,进一步从经典的尾随层云（Trailing Stratiform,TS）、前导层云（Leading Stratiform,LS）和平行层云（Parallel Stratiform,PS）三类准线性MCS的概念模型和结构特征出发,根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比,建立准线性MCS的分类算法。MCS的识别属于二分分类问题,以命中率（POD）、虚警率（FAR）、临界成功指数（CSI）和准确率（ACC）为评价指标,综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪,结合对两个追踪实例的分析,发现本研究所用的算法取得了很好的追踪结果,也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向,结合识别的层状云和强对流云的分布位置,准确实现了TS、LS和PS型准线性MCS的分类,为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。      

中尺度对流复合体的若干特征

本文根据美国俄克拉荷马州6年共30次春季主要降水事件的卫星云图资料,探讨了中尺度对流复合体(MCC)与一般的中尺度对流系统(MCS)的区别、MCC在MCS中所占的比例和MCC的天气型、生命史、内部结构以及天气形势背景。     

2008年“7.1”鄂东北特大暴雨过程的中尺度分析

利用常规气象资料、新一代雷达和卫星云图资料等,分析了2008年7月1日鄂东北特大暴雨过程中尺度扰动系统的发生发展、暴雨中尺度对流系统（MCS）结构特征以及地形对中尺度系统的影响。结果表明,鄂东北暴雨与中尺度气旋的发生发展关系密切,红安等地特大暴雨就是中尺度气旋波冷切变上激发的多个β中尺度对流系统相继东移产生的;中尺度气旋形成于黄淮锋面气旋波发展阶段,雷达反射率因子形态、结构特征较好地反映了该中尺度气旋波发展过程;对流易在红安西侧加强,同冷空气沿大别山和桐柏山之间南下与天气尺度西南气流交汇形成局地中尺度辐合线有关;红外云图上特大暴雨MCS形态为指状云团,由不同生命史阶段的子云团构成,是产生持续性强降水的云团的显著特征。     

西南山区5—8月产生突发性暴雨事件的中尺度对流系统的时空分布特征

利用逐时的风云静止卫星黑体亮温(TBB)资料和国家级地面站降水观测资料,根据中尺度对流系统(MCS)的逐时云顶覆盖范围是否包含突发性暴雨事件,识别出2010—2018年5—8月与中国西南山区突发性暴雨事件相关的中尺度对流系统(AHR-MCS),并得到其统计特征.结果表明,该地区AHR-MCS在7月出现最频繁,存在四川盆...     

上海“0185”特大暴雨的MCS形成条件分析

在分析影响系统的基础上，结合GMS-5卫星云图、WSR-88D雷达资料对2001年8月5日夜间上海城市特大暴雨作了初步剖析。分析发现，中尺度对流系统（MCS）更替发展加强是产生强降水的直接原因；有利的环流背景导致了中尺度对流系统（MCS）的产生和稳定少动；上海三面环水的特殊地理条件为中尺度对流系统提供了充足的水汽。     

南宁市大暴雨过程中的MCS个例分析

在分析影响系统的基础上,结合GOES-9卫星云图、714D雷达资料对2003年9月10日凌晨南宁市大暴雨作了初步剖析.分析发现,有利的环流背景导致了中尺度对流系统MCS(Mesoscale Convection System)的产生和稳定少动,MCS发展加强是产生强降水的直接原因.     

一次MCS过程的特征分析

对2010年9月7-8日江苏北部的中尺度对流系统(MCS)特征和暴雨过程进行了分析,应用卫星云图、热力和动力物理量诊断.结果表明:MCS是由若干个α和β中尺度对流云团组成,在MCS成熟阶段有一个逐渐发展成中尺度对流复合体(MCC)的过程;MCS出现在高温高湿对流不稳定的环境中,低层低涡的辐合和锋面的抬升作用为其提供了动力条件;强水中心与MCS云顶温度梯度最大值中心相对应,为暴雨落区预报提供了着眼点.     

中尺度对流系统与东北暴雨的关系

利用2005-2007年6～8月FY-2C卫星逐30min红外云图资料,对东北及其邻近地区中尺度对流系统（包括椭圆型（MCC型）和持续拉长型（PECS型））进行普查分析,并把中尺度对流系统（MCS）分成3种尺度：MCC（或PECS）、MαCS和MβCS,统计分析了它们的时空分布及其与暴雨的关系。结果表明,MCS主要分布...     

强对流天气综合监测业务系统建设

强对流天气监测是其预报的基础.国家气象中心强天气预报中心利用多源观测资料(常规和非常规资料)建设了强对流天气综合监测业务系统.强对流天气的监测对象包括积云、地面高温、雷暴、地闪、冰雹、龙卷、大风、雷暴大风、短时强降水、雷暴反射率因子、对流风暴(基于雷达资料)、深对流云及中尺度对流系统(Mesoscale Convective Systems,MCS,基于静止卫星红外1通道资料)等不同时段的分布.发展的监测技术主要包括自动站资料质量控制技术、强对流信息提取和统计技术、直角坐标交叉相关雷达回波追踪(Cartesian Tracking Radar Echoes by Correlation,CTREC)技术、雷暴识别追踪分析和临近预报(Thunderstorm Identification Tracking Analysis and Nowcasting,TITAN)技术、深对流云识别技术、中尺度对流系统识别和追踪技术,以及闪电密度监测技术等.强对流天气监测系统自动定时运行,其输出数据与MICAPS业务平台完全兼容.该监测系统在国家气象中心的强对流天气预报业务中发挥了重要作用.     

南宁市大暴雨过程中的MCS个例分析

在分析影响系统的基础上，结合GOES-9卫星云图、714D雷达资料对2003年9月10日凌晨南宁市大暴雨作了初步剖析。分析发现，有利的环流背景导致了中尺度对流系统MCS(Mesoscale Convection System)的产生和稳定少动，MCS发展加强是产生强降水的直接原因。     

利用静止卫星窗区红外亮温反演晴空区风场的初步研究

云导风反演明显的局限是在晴空区无法获取风场。为克服这种局限,提出利用静止卫星红外图像资料反演晴空区风场的方法—时间序列差值法,利用LOWTRAN7对其进行可行性分析,并应用云导风实验系统CWIS进行晴空区导风实验。结果表明：实验结果与NCEP资料低空风场有很好的一致性。因此,在传统的“云导风”基础上,增加晴空区卫星导风,可为卫星遥感资料在台风、梅雨和强对流等天气系统分析预报中的定量应用提供更多的卫星风矢。     

2009年江苏一次强对流天气过程的遥感监测

以卫星水汽图为主,结合可见光云图、雷达资料和常规天气观测资料,分析2009年6月5日发生在江苏徐州沛县的一次冰雹、龙卷天气,结果表明：卫星水汽图中动力异常区与对流系统的交界处和可见光云图上两个对流云团出流边界处触发的新的雷暴云团区域容易产生龙卷等强对流天气;水汽图上的水汽输送带与可见光云图的对流云系相一致,并且水汽图像特征与导致垂直运动和气流变形场的大尺度天气过程有关系,代表着对流层中上部的动力特征;强对流天气发生在低亮温对流云团中。高时空分辨率的卫星和雷达遥感资料很好地反映了短时强对流天气系统的发展与演变,有效地补充了常规天气资料分析的不足,为短时天气预报提供一种思路。     

Satellite- and radar-based investigations of heavy precipitation systems on the southern side of the European Alps

Summary In autumn 1999 during the field phase of the Mesoscale Alpine Programme (MAP), the geostationary satellite Meteosat-6 performed 5-minute rapid scan imagery over central Europe. The rapid scan data of 11 heavy precipitation events are investigated by analyzing the spatial and temporal characteristics of cloud top structures. The objectives are to separate convective from stratiform cloud regions by satellite data alone and to gain insight into the life cycle of heavy precipitation systems. For verification of the satellite-based results, radar data from the operational Mt. Lema C-band radar is interpolated on the spatial grid of the infrared and visible Meteosat images. The interpolated radar data of each single grid cell is then classified by a convective-stratiform algorithm and compared to the analysed rapid scan imagery.The satellite- and radar-based approaches do only rarely produce matching classifications concerning the identification of convective areas. Since convection during the field phase of MAP occurred mostly embedded within stratiform cloud regions, no temporal and spatial characteristics of convective activity within clouds can be systematically derived from satellite imagery. This lack of characteristic cloud top structures prevented the unambiguous identification of typical cloudiness associated with stratiform precipitation. It is one of the major findings of this study, that in several cases being classified as stratiform by radar, strong cloud development is observed in satellite imagery. The preferred area of strong cloud development is located ahead of the Alpine barrier in a precipitation-free atmosphere. Two contrasting examples of life cycles of heavy precipitation systems are given based on the complementary information extracted from satellite and radar data.     

基于静止卫星红外云图的MCS普查研究进展及标准修订

基于静止卫星红外云图的MCS普查标准不统一不利于各种MCS普查结果的对比分析, 该文在总结MCS普查研究进展的基础上, 依据Orlanski尺度分类标准对MβCS普查的最小尺度标准作了修订, 即修订为TBB≤-32 ℃的连续冷云区直径≥20 km。根据马禹等的MβCS普查标准和该文修订的MβCS普查标准, 利用GOES-9卫星红外云图普查了2003年6月19日—7月22日淮河大水期间的MCS, 结果发现共有10个MαCS和24个MβCS, 并对24个MβCS作了普查标准修订前后的统计结果对比, 发现新的普查标准比根据马禹等的MβCS普查标准获得的结果多7个MβCS, 并且这7个MβCS中有6个都引起强降水, 因此这种对比分析结果表明:新MβCS普查标准对揭示淮河大水和MCS的关系更具合理性。此外, 还分析了3个因MβCS而引起局地强降水的典型个例, 这些MβCS的直径尺度只有几十至一百多公里, 不符合马禹等的MβCS普查标准。对这3个MβCS分析结果表明:该文新MβCS普查标准有助于对产生剧烈天气的MCS的普查研究和预报。     

Diurnal Variation of MCSs over Asia and the Western Pacific Region

Mesoscale convective systems (MCSs) are severe disaster-producing weather systems. Radar data and infrared satellite image are useful tools in MCS surveillance. The previous method of MCS census is to look through the printed infrared imagery manually. This method is not only subjective and inaccurate, but also inefficient. Different from previous studies, a new automatic MCS identification (AMI) method, which overcomes the above disadvantages, is used in the present study. The AMI method takes three steps: searching potential MCS profiles, tracking the MCS, and assessing the MCS, so as to capture MCSs from infrared satellite images. Finally, 47468 MCSs are identified over Asia and the western Pacific region during the warm seasons (May-October) from 1995 to 2008. From this database, the geographical distribution and diurnal variation of MCSs are analyzed. The results show that different types of MCSs have similar geographical distributions. Latitude is the main control factor for MCS distribution. MCSs are most frequent over the central Tibetan Plateau; meanwhile, this area also has the highest hail frequency according to previous studies. Further, it is found that the diurnal variation of MCSs has little to do with MCSs’ size or shape; MCSs in different areas have their own particular diurnal variation patterns. Based on the diurnal variation characteristics, MCSs are classified into four categories: the whole-day occurring MCSs in low latitude, the whole-day occurring MCSs in high latitude, the nocturnal MCSs, and the postmeridian MCSs. MCSs over most places of mainland China are postmeridian; but MCSs over the Sichuan basin and its vicinity are nocturnal. This conclusion is coincidental with the hail climatology of China.     

基于卫星云参数的短时降水动态估测方法

利用实时FY-2静止气象卫星红外云图和区域中尺度地面自动监测网加密降水资料,通过对云图进行参数化处理,采用动态相关方法分析长波红外分裂窗双谱组合、长波红外水汽双谱组合、亮温面积等各类卫星云参数与不同级别降水强度的关系,寻找当时与降水强度的最佳相关云参数化因子建立短时降水动态估测模型,并利用实时最新降水估测模型对未来3 ...     

冰雹云卫星早期识别与自动预警

利用陕西、山东、贵州和新疆等地近十年日间降雹记录和对应的极轨卫星数据,采用卫星云微物理反演技术,定量分析冰雹云微物理特征,比较不同地区间差异,并利用FY-4A静止卫星定量分析一次冰雹过程云微物理特征演变,探讨冰雹云卫星识别预警应用潜力。结果表明:（1）陕西、山东等地冰雹云微物理特征具有一致性,卫星早期识别指标为:晶化温度（T_g）较冷,均值为?33°C;全部冰晶化时T_g对应的云粒子有效半径r_e（表征为r_eg）未饱和（<40 μm）,均值36.9 μm,且r_eg 越小冰雹云越强;云顶呈现r_e随高度减小带。（2）各地冰雹云早期识别指标在数值上存在一定差异,实际应用时应针对各地进行相应调整。（3）在静止卫星上,冰雹云微物理特征与极轨卫星相一致,将早期识别指标应用于FY-4A静止卫星,跟踪云团发展演变,实现自动预警。（4）经过4次降雹过程中应用,FY-4A卫星自动预警与实况吻合22次,漏报2次,自动预警平均提前约2小时。FY-4A卫星自动预警对及时有效组织实施人工防雹作业具有重要现实意义。     

A warm season climatology of mesoscale convective systems in the Mediterranean basin using satellite data

A 3-year climatology of isolated warm season mesoscale convective systems (MCSs) was built for the Mediterranean basin using Meteosat Second Generation infrared imagery and an objective identification and tracking algorithm. A dataset of 4,718 MCS trajectories was constructed for the warm season of the period 2005–2007, which in turn was split into two subsets (deep and weak convective) according to the intensity of convection using a discriminant parameter in the MCS properties. Several parameters related to geographical, temporal, radiative, morphological, and motion related properties were calculated for each MCS. The majority of MCSs are mainly continental and strongly correlated with orography showing an increased formation from April to June when maximum is found. Initiation and dissipation time revealed a distinct diurnal cycle having a strong correlation with the typical diurnal heating cycle of the atmosphere. On average, a typical isolated MCS in the Mediterranean basin initiates between 14:00 and 17:00 local solar time, tends to be small with elongated shape, short-lived, usually moving toward northeast to southeast with a mean velocity of 36 km/h. When comparing the two MCS subsets, some notable differences were revealed. Weak convective MCSs initiate earlier, move faster, travel longer, tend to reach slightly smaller sizes, are more linear, present higher cloud top temperatures, and have lower fractions of convective cloud type areas than deep convective systems.     

风云二号气象卫星红外观测在云团降水监测中的应用

提升灾害性对流天气的监测预警能力是短临天气预报的首要目标,但对流性降水在时间、空间上分布高度不均,观测难度大。卫星遥感监测降水的传统红外、水汽亮温判识方法,报警云团数量多,空报率高,指示意义不稳定,需要结合背景因素寻找方法提炼卫星辐射观测中更多的内在隐含信息,建立云顶亮温与此类灾害天气间的联系。此文尝试使用FY-2气象卫星红外云图数据和逐时加密地面降水观测资料,通过追踪云团移动进而分类、提取参数,然后用模糊支持向量机（FSVM）方法建立地面观测雨强与云团特征动态演变间的机器学习数学关系,标识出有监测预警意义的云团和强降水中心,对检验地域和时间的卫星强降水云团检测识别率达80％左右。