一种基于静止卫星红外云图的中尺度对流系统识别与追踪
方法
技术领域
背景技术
[0002] 中尺度对流系统MCS(Mesoscale Convective System)是引发灾害性天气的主要天气系统，对其进行准确的探测和预报是做好防灾减灾的重要前提。中尺度对流系统由于其尺度小、生命史短等特征，使其很难被常规地面气象观测网捕捉到，导致对其发生发展过程的认识仍有很大欠缺。随着气象卫星技术的飞速发展，对中尺度对流系统开展识别和追踪成为可能。
[0003] 在中尺度对流系统的识别方面，多利用红外亮温的
阈值判别作为识别强对流系统的方法，在此过程中中尺度对流系统的边界确定非常重要。目前
图像处理中边界追踪
算法主要包括
边缘检测和边缘连接两个步骤。边缘检测是通过检测算子检测图像中每个
像素和其直接邻域的状态，以决定该像素是否确实处于边界上。这些算子大多数是基于方向导数掩模求卷积的方法，如Roberts、Sobel、Prewitt、Kirsch边缘检测算子等。边缘检测勾勒出某一图像的轮廓，但很少能形成
图像分割所需要的闭合且连通的边界，因此还需边缘连接的过程从而产生一条闭合的连通边界。中尺度对流系统由于其具有复杂的无规律边界，其边界识别基本的要求是连续无间断和
位置准确，因此需要进行专
门的研究。
[0004] 在中尺度对流系统的追踪方面，已有很多算法被提出和应用。例如
模式识别和匹配技术，经过前后两个时次候选云团与目标云团之间的粗细对比分析(粗对比：距离匹配和面积变化率匹配等；细对比分析：R描绘子匹配和Hu不变矩匹配等)实现云团的追踪；基于上下时次的云团相关来实现的云团追踪技术，包括最大空间相关法、交叉相关法，TREC追踪法等。这些方法均通过计算前后时次候选云团与目标云团之间的相关系数或综合亮温系数等，选择符合预设条件且相关性最大的候选云团作为目标云团的生命史继续；基于上下时次候选云团与目标云团之间的面积重叠度来实现的云团追踪技术，比如最小重合度方法等(Morel和Senesi 2002；郑永光等2010,2013)。由于中尺度对流系统的生消演变过程非常复杂，利用云顶轮廓并不能完全准确地表示出系统的变化过程，例如系统的分裂或者融合通常容易导致系统的错误追踪。
[0005] 因此设计一种中尺度对流系统的自动识别与追踪方法，对于提高静止卫星红外云图在灾害性天气监测和预报中的作用是非常重要的。
发明内容
[0006] 本发明的目的是提供一种基于静止卫星红外云图的中尺度对流系统识别与追踪方法，用以提高中尺度对流系统识别和追踪的效率和准确率。
[0007] 为实现上述目的，本发明采用以下技术方案：
[0008] 一种基于静止卫星红外云图的中尺度对流系统识别与追踪方法，其特征是包括下列步骤：
[0009] 1)在一组连续的静止卫星红外云图上识别中尺度对流系统：
[0010] 1.1)对任一
帧红外云图，将其所有像素点设定标识符为0；
[0011] 这里，为了进一步确保
质量，这里红外云图可以先经过指奇异值处理和连续性判断处理。
[0012] 1.2)从红外云图的首行开始向下逐行逐列对像素点进行判断，判断像素点是否满足条件；不满足则跳至下一像素点；若满足则将该像素点确定为待识别中尺度对流系统的初始边界点P0，将该像素点标识符置为2，跳至步骤1.3)；
[0013] 满足条件即为符合边界点标准，该标准为：云顶红外亮温小于-52℃且标识符为0；
[0014] 1.3)判断初始边界点是否为孤立点：(请参见
附图2，指示出P0点及其8邻域的划分情况)
[0015] 若P0点在8邻域的0、1、2、3方向上未找到满足条件的边界点，则其是孤立点，并将该点的标识符由2改为3，返回步骤1.1)；
[0016] 若能找到满足条件的点，则把该点定为边界点P1，并将点P1的标识符由0改为2，跳至步骤1.4)；
[0017] 1.4)逐一寻找其它边界点：(请参见附图3，指示出P1点及其8邻域的划分情况)[0018] 以P0和P1的连线为基准线，沿该基准线的外法线方向在边界点P1的8邻域内沿顺
时针方向进行搜索，寻找满足条件的点，定为边界点P2，并标记该边界点标识符为2；
[0019] 再以P1和P2的连线为基准线，沿该基准线的外法线方向在边界点P2的8邻域内沿顺时针方向进行搜索，寻找满足条件的点，定为边界点P3，并标记该边界点标识符为2；
[0020] 依次类推，寻找所有的边界点；
[0021] 直到找到的边界点Pn与边界点P0重合时，该中尺度对流系统区域搜索结束，将相邻边界点的连线包围的区域填充标识符1；
[0022] 1.5)记录中尺度对流系统属性：
[0023] 通过步骤1.1)～1.4)完成对云图中某一中尺度对流系统识别后，记录该中尺度对流系统的相关属性；
[0024] 1.6)重复步骤1.2)至1.5)，直至红外云图的全图搜索结束，从而完成中尺度对流系统的识别；
[0025] 2)对一组连续的并完成识别的卫
星云图进行中尺度对流系统的追踪：
[0026] 2.1)确定第一帧云图上待识别的中尺度对流系统，以该系统
重心为中心确定第二帧云图上的搜索区域，该区域半径为T×V，其中T为两帧云图间的时间间隔，V为中尺度对流系统的统计最大移动速度；
[0027] 将第二帧云图上搜索区域内的中尺度对流系统设定为初步候选云团；将第一帧云图上待识别的中尺度对流系统设定为待追踪中尺度对流系统，即待追踪云团；
[0028] 2.2)逐一计算初步候选云团中每个云团与待追踪云团之间的面积变化率，将面积变化率小于阈值的云团确定为第二轮候选云团；其中面积变化率计算公式为：
[0029]
[0030] 其中S1和S2分别为待追踪云团和一个初步候选云团的云盾面积；
[0031] 2.3)分别计算待追踪云团与第二轮候选云团之间的红外亮温空间相关系数，空间相关系数最大的一组云团即为目标云团，亦即连续变化的同一中尺度对流系统；
[0032] 2.4)依照所述步骤2.1～2.4)，完成所有卫星云图的中尺度对流系统的追踪。
[0033] 进一步：
[0034] 步骤1.5)中的属性包括：
[0035] (1)面积：对轮廓包含区域内的各有效网格点进行累加求和；实现边界追踪和扫描区域填充时对轮廓所包含区域的有效网格点逐个计算，对每个网格点面积的累加当成此对流云团的面积；
[0036] (2)形心和重心：此两者通常用来表征对流云团的位置，差别在于后者加入了红外亮温作为权重；
[0037] (3)长轴、短轴和偏心率：基于识别出的云团边界及其所包含区域信息，采用代数拟合方法和EOF分析方法对云团进行椭圆拟合，拟合椭圆的长短轴和偏心率即为云团的长短轴和偏心率；
[0038] (4)云顶亮温：为描述MCS云团的云顶属性，计算MCS云团边界及其所包含区域内的最小
亮度温度、整体平均亮度温度和标准差；
[0039] (5)MCS的发生时间和标识(编排如“年月日时第几个”)同样被记录。
[0040] 所述步骤2.2)中，将面积变化率阈值设置为0.2。
[0041] 面积变化率0.2的
选定基于实际筛查选定，主要有两方面考虑：以基于云图的MCS识别标准中，云顶面积需≥30000km2，持续时间需大于3小时，即此类MCS大多经过组织化过程具有完整生命史，数据时间
分辨率为1h，组织化的对流系统发展或消亡过程中云顶面积变化相对连续，前后时次云图中≤0.2的变化率可反映系统发展变化。偏大容易使候选对象增多，增大追踪错误概率。
[0042] 所述步骤2.3)中，基于红外亮温的空间相关系数定义为：设定两个云团的中心点分别位于(i,j)和(i′,j′)点；取其中心点周围m×n个像素点组成目标区域，其中m、n为两个云团经向和纬向的最大像素个数；将这些像素点看成样本，样本值为亮温G(i,j)，则这两个云团的样本矩阵分别为：
[0043]
[0044]
[0045] 样本矩阵之间的样本相关系数为：
[0046]
[0047] 其中，
[0048] 本发明具有如下有益效果：
[0049] 本发明方法填补了本领域内的技术空白，解决了
现有技术中存在的中尺度对流系统的边界识别难题，及其的变化过程的追踪问题。
[0050] 本发明强对流云团识别采用边界点判断、基于优先搜索方向的边界
跟踪和基于边界标注的扫描线填充三个步骤完成，能满足目标区域的边界连通封闭且准确
定位于外围轮廓，同时亦能准确地保持目标区域外边界的自身原貌和特点。强对流云团追踪方法采用形态学特征和发展演化特征相结合的方法进行。基于时间间隔短的前后两帧卫星云图中同一个强对流云团，从强对流云团的形心、重心和面积等基本静态特征不会发生突变开始筛查，结合其运动方向和运动速度不会发生突变进行排除，最后利用筛查出的前后时次强对流云团相互之间的空间形态和强度变化幅度确定，后一时次云图中相关系数最大的强对流云团即为目标。通过强对流云团的动态特征和形态学特征的组合，实现对强对流云团的跟踪，提高了强对流云团追踪的适用性和准确度。本发明强对流云团的识别和追踪方法以强对流云团的形态学静态特征为基本依据，以强对流云团的发展演变动态特征为主要依据，有利于强对流云团识别和追踪准确度的提高，有助于气象工作人员对强对流云团的准确预报。
[0051] 应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
[0052] 结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、
实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
[0053] 附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
[0054] 图1是采用本方法对强对流云团进行识别和追踪的算法
流程图。
[0055] 图2是P0及其八领域分布示意图。
[0056] 图3是P1及其八领域分布示意图(P0至P1连线及其外法线由虚线表示)。
[0057] 图4和5是强对流云团追踪示意图，其中图4是第一帧云图，图5是第二帧云图。
具体实施方式
[0058] 为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
[0059] 在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
[0060] 本发明提供的一种基于静止卫星红外云图的中尺度对流系统识别与追踪方法，如图1所示，主要包括下列步骤：
[0061] 1)在一组连续的静止卫星红外云图上识别中尺度对流系统，对某一帧经过预处理的红外云图，将其所有像素点设定标识符为0；
[0062] 2)首先从图片的首行开始向下逐行逐列对像素点进行判断，判断是否满足规定的标准(云顶红外亮温小于-52℃且标识符为0)，不满足则跳至下一像素点；若满足则将其确定为待识别中尺度对流系统的初始边界点(P0)，将该点标识符置为2，跳至步骤3)；
[0063] 3)判断初始边界点是否为孤立点。若P0点在8邻域的0、1、2、3方向(如图2所示)上未找到满足条件的边界点，则其是孤立点(将标识符由2改为3)，返回步骤1)；若能找到满足条件的点，则该点为下一边界点(P1)，将改点标识符由0改为2，跳至步骤4)。
[0064] 4)将P0和P1的连线为基准线，沿该基准线外法线方向在边界点P1的8邻域内(如图3所示)沿顺时针方向进行搜索，寻找下一边界点并同时标记边界点标识符为2。如此循环当下一边界点与第一边界点重合时，该中尺度对流系统区域搜索结束，将该外边界包围的区域填充标识符1。
[0065] 5)计算中尺度对流系统属性。通过边界追踪过程完成对云图中某一中尺度对流系统识别后，一组关于该中尺度对流系统的属性将被计算并记录(如图4所示)，包括：(1)面积：对轮廓包含区域内的各有效网格点进行累加求和；实现边界追踪和扫描区域填充时对轮廓所包含区域的有效网格点逐个计算，对每个网格点面积的累加当成此对流云团的面积。(2)形心和重心：此两者通常用来表征对流云团的位置，差别在于后者加入了红外亮温作为权重。(3)长轴、短轴和偏心率：基于识别出的云团边界及其所包含区域信息，采用代数拟合方法和EOF分析方法对云团进行椭圆拟合，拟合椭圆的长短轴和偏心率即为云团的长短轴和偏心率。(4)云顶亮温：为描述MCS云团的云顶属性，计算MCS云团边界及其所包含区域内的最小亮度温度、整体平均亮度温度和标准差。除上述属性特征外，MCS的发生时间和标识(编排如“年月日时第几个”)同样被记录。
[0066] 6)重复步骤2)至5)，直至全图搜索结束从而完成中尺度对流系统的识别。
[0067] 7)对一组连续的并完成识别的卫星云图进行中尺度对流系统的追踪(如图4、5所示)。
[0068] 首先确定第一帧云图上待识别的中尺度对流系统(云团A)。以该系统重心为中心确定第二帧云图上的搜索区域，该区域半径为T×V，其中T为两帧云图间的时间间隔(1小时)，V为中尺度对流系统的统计最大移动速度(经验发现强对流云团的移动速度通常在100km以内，为避免非正常个例，此处取强对流云团的最大移动速度为其2倍，取200km/h)。T×V为200km，约2个经度格距。将第二帧云图上该范围内的中尺度对流系统设定为初步候选云团(强对流云团B、C、D)。
[0069] 8)分别计算初步候选云团与待追踪中尺度对流系统之间的面积变化率，将面积变化率满足小于某一阈值的云团确定为第二轮候选云团。其中面积变化率计算公式为：
[0070]
[0071] 其中S1和S2分别为待追踪云团和第二帧云图上候选云团的云盾面积。将面积变化率阈值设置为0.2。第二帧云图上的强对流云团C和D为第二轮候选云团。
[0072] 9)分别计算待追踪云团与第二轮候选云团之间的红外亮温空间相关系数，空间相关系数最大的一组云团即为连续变化的同一中尺度对流系统(第二帧云图上的强对流云团C)。
[0073] 基于红外亮温的空间相关系数定义为：设定两个云团的中心点分别位于(i,j)和(i′,j′)点；取其中心点周围m×n个像素点组成目标区域，其中m、n为两个云团经向和纬向的最大像素个数。将这些像素点看成样本，样本值为亮温G(i,j)，则这两个云团的样本矩阵分别为：
[0074]
[0075]
[0076] 样本矩阵之间的样本相关系数为：
[0077]
[0078] 其中，
[0079] 10)依照所述步骤7)至9)，完成所有中尺度对流系统的追踪。
