風云二號衛星云分類產品與信息數字化云分類對比

胡禹賢，陳剛毅，閔文彬

(1.成都信息工程學院管理學院，四川成都610103;2四川省氣象局，四川成都610072)

0 引言

云是重要的氣象和氣候要素之一，直接影響著地氣系統的輻射平衡和熱量平衡。云的定性及定量判識在衛星資料的反演中非常重要，對提供未來天氣變化趨勢的依據有著非常重要的意義。

氣象衛星資料不僅是天氣分析、災害性天氣監測和數值天氣預報的重要信息源，也是監測大范圍干旱、洪澇和雪災等自然災害和地球生態系統的主要手段。氣象衛星資料產品豐富，有由不同通道、不同投影及不同合成方法所組成的各種圖像產品，目前，可以獲得并研究的云物理參數有:云量、云類、云頂/底高、云的垂直結構、光學厚度、云中液態水、可降水量等[1]。在宏觀云探測方法方面，包括衛星紅外可見光測云、衛星微波測云、星載雷達測云、地基微波被動遙感等等。如盛夏等[2]、陳剛毅[3]等用不同的檢測方法對MODIS(中分辨率成像光譜儀)資料進行云檢測，得到較好的結果;李香淑等[4]利用熱帶測雨衛星上的測雨雷達和微波成像儀資料研究了在中國南海季風試驗期間，南海北部中尺度對流云帶從形成、發展等的變化特征。

與傳統方法不同的是，研究使用了信息數字化方法，從物理量分析云的空間結構。它是針對天氣演化轉折性過程中災害天氣預測設計，用垂直方向上的非規則性信息揭示轉折性變化。該方法的應用在暴雨預報中取得較好的預測效果，改善了暴雨難預報的現狀[5]。如陸雅君等[6]采用信息數字化方法對2011年6月23日席卷北京的強對流暴雨過程進行了分析，發現氣象問題是演化的非慣性系問題，其天氣現象隨大氣的結構不同而不同;陳剛毅等[7]以成都地區2004年6月29日到30日的暴雨為例，采用信息數字化方法，配合V-3θ結構圖分析，對發生暴雨前的風速、風向、溫度、濕度分別進行相空間分析，實現了對城市暴雨落時、落區的細化預報。

1 云分類原理

1.1 風云二號衛星遙感云分類

隨著衛星遙感探測能力的提高和遙感技術的發展，利用衛星遙感數據判識云頂粒子的相態成為可能。由于冰與水在1.6μm(微米)波段有較明顯的吸收性質差異，使得冰粒子在1.6μm的反射率明顯比水粒子小，從而1.6μm反射率對云頂粒子的相態比較敏感，因此可以利用1.6μm資料進行云頂粒子相態識別[8，9]。

風云二號靜止氣象衛星上裝載有可見光、中波紅外、水汽和紅外波段探測通道，盡管不具備云相態識別常用的1.6μm和8μm波段的探測通道，但其搭載的3.7μm探測通道也可在白天的云相態識別中發揮作用。利用FY-2的多通道數據，尤其是中波紅外通道數據，基于云在不同探測波段上的物理特性，可以研究云相態的識別算法[10]。

目前通過風云二號衛星遙感數據的云檢測方法對云狀判別較好的有積雨云、層積云、中高云、卷云等具有天氣意義的幾類。但衛星反演云參數對云的識別仍有很多不足，如對夜間近地面的低云、冰雪下墊面地區的云等，同時有些云檢測方法的云類樣本需要進一步提高。目前云頂高度的計算大多基于衛星紅外通道得到的亮溫資料進行，但此方法依賴的條件和實際環境條件會使得到的結果出現1－2km(千米)甚至更大的誤差，后來雖有改進，但仍有不足;云的立體觀測技術對單層云云頂高觀測效果好，但對實際中兩層云甚至多層云的情況不能很好反演。

1.2 信息數字化方法及V-3θ圖

信息數字化方法以一種圖像的形式來認識事物而包含了事物或事件的結構、溫度、方向等等屬性，為了將對流層大氣垂直結構凸顯出來，設計了V-3θ圖。該圖以溫度、氣壓為橫縱坐標，繪制出對流層的位溫θ(單位:℃)、θsed(以露點溫度計算出的假相當位溫，單位:℃)、θ*(飽和位溫，單位:℃)3條曲線及風矢量的結構分析圖。根據θsed對θ和θ*的偏移程度判斷各層是否有云，如果θsed偏向于θ，說明該層水汽偏干;如果θsed偏向于θ*，說明該層水汽偏濕;根據(θ*—θsed)閾值分析出云的高度、厚度、層次、濃密程度以及云的結構特征;根據滾流方向判斷未來天氣是轉好或變壞—滾流是垂直面上的渦流，使空氣上下層混合。該方法由于展現了探空站地面至對流層頂的天氣信息，固不同層次的云都可鑒別，不會出現云因重疊而無法辨別的情況，但目前可以分析出的云類別較少，需要進一步研究。

1.2.1 不同云類的V-3θ圖特征

根據信息數字化方法，可以識別層云、積云和層云冷、暖性質，其余云類別還有待重點研究。

(1)層云的V-3θ圖特征

層云的形成過程與大范圍的上升氣流或大范圍不規則的擾動有關。層云的出現表明該云層大氣穩定，它的結構特征為:在V-3θ圖中某層出現3條曲線折拐趨勢一致，θsed和θ*曲線接近重合或重合(相差小于等于3K(熱力學溫度單位:開爾文))，θsed越接近θ*，層云密實度越高。θsed和θ*曲線接近重合或重合的高度即為層云高度。

圖1 紅原2012年1月19日08時V-3θ圖

圖2 溫江2010年8月18日08時V-3θ圖

如圖1所示，紅原θsed和θ*曲線下端接近重合，表明該層水汽充足，非常密實，并3條曲線折拐趨勢一致，根據特征可以推斷為層云。其云頂位于612hPa處，厚度為655～612hPa。另外，可以看到層云底端存在北風，在空間結構上構成逆滾流[5]，預示未來云層會有一定的減弱、消散。

(2)積云的V-3θ圖特征

積云是大氣的一種對流現象，積云存在并在V-3θ圖上表現出的結構特征是:近地層水汽充沛，θsed和θ*曲線靠近并接近于3～5K;3條曲線呈現多層趨勢一致的非規則折拐，若θsed和θ*曲線并行，則為對流云中的積雨云，并且θ曲線呈左弓狀并多次左拐的特征是強積雨云發展的標志等。如果發布全部非規則信息，將呈現極其頻繁的變化，可識別性將更強。

圖2中，由θsed與θ*曲線的結構形狀，可以看出溫江站上空(500～250hPa)為對流云中的積雨云(θsed與θ*曲線并行和頻繁折拐)。

(3)暖云的V-3θ圖特征

暖云的結構特征為:3條曲線隨壓強在某一高度準平行于T(熱力學溫度)軸或略向右傾斜與T軸成略小于30°夾角;θsed和θ*曲線準平行或幾乎重合的強逆溫狀態。濃密程度取決于θsed和θ*曲線的接近程度，并暖層云高度為θsed和θ*曲線準平行或幾乎重合的高度。

圖4 達川2012年7月10日08時V-3θ圖

圖3中，很明顯可見700hPa附近3條曲線呈右傾平行狀態，并與T軸接近平行，θsed和θ*曲線接近且趨于重合，由此推斷該層為暖層云。該層出現北風，預示未來暖層云會消散，可能只留下少量云。

(4)冷云的V-3θ圖特征

冷云的結構特征為:3條曲線在某一層次隨壓強表現為一致左傾折拐，同時θsed和θ*曲線接近或重合并且個別地呈現準平行于T軸形成密集層，左傾并趨于重合的高度即為冷層云的高度。圖4中，400～500hPa 3條曲線一致左傾折拐，同時θsed和θ*曲線接近重合且準平行于T軸，由此推斷該層為冷層云，同時450hPa的折拐為冷層云云底，至400hPa的折拐之間的高度即為冷層云的高度。

2 衛星遙感與數字化云分類對比分析

2.1 對比分析時空選擇

研究時間段為2012年1～10月，研究目標為紅原、西昌、溫江、達川4個探空站，4個探空站分別位于四川省北、南、中、東部，位置分布合理，如圖5。信息數字化方法數據來源于大氣探空氣球(數據來源:四川省氣象局氣象臺tlogp資料)，數據采集時間為8:00和20:00，氣球從探空站風向上游自然飄升。風云二號氣象衛星云產品(數據來源:四川省氣象局成都高原氣象研究所資料)時次為每小時一次，采集固定網格點位置上空衛星云圖。該研究中探空站點與網格點不重合，網格點呈行列式分布，相鄰網格點距離相等，如圖6。故只能考慮離探空站點最近的四個網格點。考慮到探空氣球整個漂移過程歷時近兩個小時，并且氣球會有東西南北向的距離漂移，為盡量減小其與衛星產品時間和空間不匹配上的誤差，將與探空觀測時間相鄰的兩個時次的衛星數據一并進行分析，也就是用7、8、9時和19、20、21時的FY-2D或FY-2E云分類產品與信息數字化方法分析的8、20時的云類別進行對比(風云衛星7、8、9時的數據對應V-3θ圖8時的數據，衛星的19、20、21時則對應V-3θ圖的20時)，將探空站周圍矩形區域的最近4個網格點位置的衛星云分類產品與信息數字化方法探空站的云類別進行對比，評估衛星產品的可靠性。

圖5 四川及周邊省份探空站點分布圖

圖6 網格點(空心圓圈)分布示例

2.2 匹配原理

風云二號衛星D和E星云分類產品包括的云類別為:晴空、混合像元、雨層云或高層云、卷層云、密卷云、積雨云、層積云或高積云。若出現多層云，則只能反演最上層云類。其中的積云(積雨云、層積云或高積云)和卷云(卷層云、密卷云)歸為對流云這個大類。

信息數字化方法能分辨晴空，對流云(可以分辨積云這個大類，在2.2.3中作了陳述)和對流云高度、厚度及稀密程度，層云和層云冷暖性質、高度、厚度，并且可以分析出從低層至高層所有層次的云類和各云類高度。在該方法中，對流云做不到像遙感衛星那樣細分，也就是不能具體分辨積雨云、層積云、高積云、卷層云、密卷云，只能根據某一特征概括為對流云，該特征為:θsed和θ*曲線隨著壓強P的增大向左呈線性遞減，或隨著P的增大不變或少變，θsed和θ*曲線靠近并接近于3～5 K。對流云的存在表示對流層大氣的垂直結構極度不均勻，而積聚了不穩定能量有待釋放。

可以看到，信息數字化方法可以反演云層高度、厚度、稀密程度，彌補了遙感衛星的不足，兩種方法的綜合應用有很大的前景，此文中只是研究了兩者云類別的匹配，有待后面研究進一步深化。鑒于兩種方法云類別的差異，現在說明兩種方法云的匹配原理:衛星產品的晴空匹配V-3θ的晴空;雨層云或高層云匹配V-3θ的層云(包括冷、暖層云);積云和卷云匹配V-3θ的對流云。

2.3 統計分析結果

2.3.1 分站點和時間

下表為不同站點2012年1～10月的所有云類匹配率。

表1 4個測站1－10月云類匹配率

分析表1中數據可知:從全年來看，溫江匹配率排第一，西昌第二，再是達川和紅原;四個站點在9、10月份(秋季)的匹配率最高，6、7、8月次之(夏季);9、10月中，站點西昌和溫江的匹配效果最好，而在6、7、8中，溫江效果最佳，達川略差。總體上看，兩種方法云類別匹配率高于65%，個別高達93%，說明該研究有意義。

溫江地處成都平原，地勢低，空氣對流較四周山地強烈，云層深厚(如圖8，云層為775－363hPa，厚度達6km左右)，云類反演效果好，所以全年來看，溫江云的匹配率最好;因氣候原因，四川在夏季和秋季溫度較高，而且在西南和東南方向不斷地有暖濕氣流吹入，空氣對流性強。此種情況下，天空云彩多且厚重，所以不難解釋四個探空站點在夏秋季節匹配率高;紅原有3km的海拔高度，各種水汽不易進入，云層稀薄，遙感光譜易穿透，丟失云層信息，給衛星識別云類帶來了難度。而信息數字化由于是用探空氣球逐層采集高空濕度、溫度等信息，所以即使在云量很低的情況下也能夠進行很好的識別，所以紅原上空云的匹配率較低。

圖7所示為達川2012年10月7日(秋季)V-3θ圖，從底部1000hPa至高層400hPa(厚度約7500m)，θsed和θ*曲線非常接近，說明該云層相當密實，用遙感衛星或信息數字化方法反演都能取得好的效果。實際結果為:遙感衛星反演為積云或卷云，與信息數字化方法判定的對流云是吻合的。

圖8 溫江2012年3月23(春季)V-3θ圖

2.3.2 分不同云類與時間

下表為晴空、層云和對流云1～10月的匹配情況。

表2 3種云類1－10月的匹配率

由表2中數據可知:對流云在每個時間段下的匹配率都最高，并且以秋季(9、10月)效果最佳(94.5%);層云在冬春季節(1、2、3、4、5月)匹配率(60.8%、59.1%)低于同時間段下的晴空和對流云;晴空匹配效果呈現不確定性。

對流云包含云類較多，且對流云較其他云類深厚，遙感衛星和信息數字化對其反演效果好，匹配率會較高。秋季天氣平穩，云層穩定，在兩種研究方法的時間誤差上云層不會出現太大變化，所以秋季匹配效果最佳;層云較薄，并且層云上層或下層常見其它云類，而遙感衛星只能反演最上層云類，V-3θ圖卻不受云層疊加影響，導致了層云匹配率效果不理想。遙感衛星是用波譜(可見光、中波紅外、水汽和紅外波段)獲得云層信息，波譜的穿透作用可能導致低云量情況下丟失云層信息，也就是在低云量下判斷為晴空，所以晴空匹配效果不理想。

圖8中，775～669hPa為對流云，669～500hPa為層云，500～363hPa又為對流云。層云上層和下層都出現了對流云，而遙感衛星反演的是最上層云，也就是500～363hPa的對流云，在這種情況下，兩種云分類方法的結果必然是不同的。

3 結論與討論

探討風云二號衛星和信息數字化云分類原理，對比了兩種方法云分類結果，發現兩者晴空、層云、對流云三種云類匹配率較高，說明了信息數字化V-3θ圖能夠反映高空云信息。風云二號衛星具有較高的時空分辨率，能夠辨別雨層云、高層云、卷層云、密卷云等多種云類，而且云的立體觀測技術對單層云云頂高觀測效果好，但對實際中兩層云甚至多層云的情況不能很好反演。信息數字化方法可以分析云的冷暖性質、云層的高度和厚度，特別是能夠反演疊加云層，但其目前可以辨別的云類僅有晴空、層云、積云、對流云，并且時空分辨率低。本研究表明兩種方法在獲取云信息上可以取長補短，有利于充分挖掘高空云信息，為天氣預測作出更精確的指示。在下一步研究中，除了綜合兩種方法研究云外，將會致力于V-3θ圖云分類的細化，以求兩種方法更完美的契合。

[1] 陸雅君，陳剛毅，等.測云方法研究進展[J].氣象科技，2012，40(5):689－697.

[2] 盛夏，孫龍祥，等.利用MODIS數據進行云檢測[J].解放軍理工大學學報:自然科學版，2004，5(4):98－102.

[3] 陳剛毅，趙麗妍.氣象衛星TBB資料的交叉預報誤差及其暴雨實例分析[J].氣象科學，2006，26(5):553－557.

[4] 李香淑，郭學良，等.南海季風爆發期間中尺度對流云帶演變特征與持續性加強的機理研究[J].大氣科學，2011，35(2):259－271.

[5] 陳剛毅，歐陽伯嶙，等.城市暴雨防洪、減災問題[J].科學研究，2006，14(2):123－125.

[6] 陸雅君，陳剛毅.北京2011年“623”強對流暴雨數字化結構分析[J].成都信息工程學院學報，2011.

[7] 陳剛毅，徐陽，等.城市暴雨的細化預測實例分析[J].成都信息工程學院學報，2011:584－589.

[8] 劉健，董超華，等.FY-1C資料在云頂粒子熱力學相態分析中的應用研究[J].大氣科學，2003，27(5):901－908.

[9] Kokhanovsky A A，Jourdan O，Burrows J P.The cloud phase discrimination from a satellite[J].IEEE Geoscience and Remote Sensing Letters，2006，13(1):103－106.

[10] 劉健，李云.風云二號靜止氣象衛星的云相態識別算法[J].紅外與毫米波學報，2011，30(4):322－327.