風(fēng)云衛(wèi)星云圖自動(dòng)識(shí)別追蹤MCS的方法

段　煉,郭庚常

(中國(guó)民航飛行學(xué)院 空中交通管理學(xué)院,四川 廣漢　618307)

?

風(fēng)云衛(wèi)星云圖自動(dòng)識(shí)別追蹤MCS的方法

段煉,郭庚常

(中國(guó)民航飛行學(xué)院 空中交通管理學(xué)院,四川 廣漢618307)

摘要根據(jù)中尺度對(duì)流系統(tǒng)(MCS)的識(shí)別判定標(biāo)準(zhǔn),基于數(shù)字圖像處理和模糊模式識(shí)別等技術(shù),研究對(duì)MCS云團(tuán)的自動(dòng)識(shí)別與追蹤。利用SUSAN邊緣檢測(cè)算子提取邊界輪廓,并以亮溫直方圖結(jié)合云團(tuán)的多個(gè)特征量構(gòu)建追蹤模板,實(shí)現(xiàn)云團(tuán)追蹤。通過(guò)對(duì)2014年5月10日12～17時(shí)的追蹤實(shí)驗(yàn)發(fā)現(xiàn),該方法可快速實(shí)現(xiàn)MCS云團(tuán)的自動(dòng)識(shí)別,并能實(shí)現(xiàn)對(duì)多時(shí)次MCS云團(tuán)的連續(xù)有效追蹤。

關(guān)鍵詞MCS;圖像處理;亮溫直方圖;貼近度

中尺度對(duì)流系統(tǒng)(Mesoscale Convective System,MCS)泛指由若干對(duì)流單體或孤立對(duì)流系統(tǒng)及其衍生的層狀云系所組成的深對(duì)流系統(tǒng),其水平范圍約為十幾千米至二三百千米,生命期約為1 h至十幾h[1]。同時(shí),MCS是我國(guó)主要的暴雨系統(tǒng)之一,也是造成我國(guó)夏季暴雨、洪澇災(zāi)害性天氣的重要天氣系統(tǒng)。

MCS常伴隨著雷暴、暴雨、冰雹等災(zāi)害性天氣,因此對(duì)人們的日?；顒?dòng)和生產(chǎn)造成較大影響,甚至是巨大損失。所以,準(zhǔn)確識(shí)別MCS的位置,進(jìn)而預(yù)測(cè)其發(fā)展和移動(dòng)的趨勢(shì)就顯得尤為重要。過(guò)去,對(duì)MCS的預(yù)報(bào)和研究大多借助于常規(guī)觀測(cè)資料,但受其時(shí)空分辨率低的限制,并不能滿(mǎn)足追蹤、分析和研究MCS的需要。隨著靜止氣象衛(wèi)星探測(cè)能力的增強(qiáng),使得衛(wèi)星遙感資料具有觀測(cè)范圍廣、時(shí)空分辨率高的突出特點(diǎn),這些是其他資料所無(wú)法比擬的,因此衛(wèi)星數(shù)據(jù)已逐漸成為分析、研究、監(jiān)測(cè)和預(yù)警MCS的主要數(shù)據(jù)來(lái)源。

目前,國(guó)內(nèi)外利用衛(wèi)星資料識(shí)別和追蹤MCS已取得了一定的成果。如:白潔等[2]采用區(qū)域平滑濾波和閾值剔除相結(jié)合的方法,對(duì)強(qiáng)對(duì)流云團(tuán)進(jìn)行識(shí)別與追蹤;李匯軍等[3]應(yīng)用連續(xù)小波基函數(shù)變換法提取對(duì)流云團(tuán),實(shí)現(xiàn)強(qiáng)對(duì)流云團(tuán)邊界的分割;Peak與Tag[4-5]提出多閾值啟發(fā)式和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,將云圖分割成與天氣系統(tǒng)相聯(lián)系的云區(qū);Arking等[6]對(duì)云團(tuán)做傅里葉變換,使用傅里葉相位差估計(jì)云團(tuán)的移動(dòng)。

1MCS的定義

國(guó)內(nèi)外學(xué)者對(duì)MCS發(fā)生和發(fā)展過(guò)程已進(jìn)行過(guò)諸多個(gè)例分析和數(shù)值模擬,尤其是對(duì)尺度較大的中尺度對(duì)流復(fù)合體(MCC)的研究。對(duì)MCS進(jìn)行普查,很大程度上為更全面的了解和分析MCS提供了便利。在我國(guó),馬禹等[7]普查了1993～1995年我國(guó)夏季8.5個(gè)月的MαCS,同時(shí)和陶祖鈺等[8]采用類(lèi)似Maddox定義MCC的方法,結(jié)合Orlanski[9]α-中尺度和β-中尺度對(duì)流系統(tǒng)的劃分標(biāo)準(zhǔn),重新定義了基于靜止衛(wèi)星紅外云圖普查MαCS和MβCS的標(biāo)準(zhǔn)。在該普查標(biāo)準(zhǔn)中,首次提出了MβCS在普查中的最小尺度標(biāo)準(zhǔn)為:TBB值≤-32 ℃連續(xù)冷云區(qū)的短軸為1.5～3.0個(gè)緯距。費(fèi)增平等[10]普查了2003年淮河大水期間的MCS,根據(jù)我國(guó)造成劇烈災(zāi)害性天氣的系統(tǒng)的空間尺度特征,重新修訂了MCS的最小尺度標(biāo)準(zhǔn),即TBB≤-52 ℃連續(xù)冷云區(qū)的直徑≥20 km。本文根據(jù)我國(guó)強(qiáng)對(duì)流系統(tǒng)及其云團(tuán)的物理量特征,結(jié)合費(fèi)增平等對(duì)MCS最小尺度標(biāo)準(zhǔn)的修訂,確定文中MCS識(shí)別和追蹤的判據(jù),如表1所示。

表1　本文MCS識(shí)別和追蹤的判據(jù)

2MCS的自動(dòng)識(shí)別

2.1獲取灰度衛(wèi)星云圖

本文使用的衛(wèi)星資料是從國(guó)家衛(wèi)星氣象中心下載的,FY-2E標(biāo)稱(chēng)格式平均相當(dāng)黑體亮溫產(chǎn)品數(shù)據(jù),并以該數(shù)據(jù)為基礎(chǔ)轉(zhuǎn)換出識(shí)別所需的灰度衛(wèi)星云圖。

從原始衛(wèi)星數(shù)據(jù)直接轉(zhuǎn)換得到的灰度圖像,將夾雜著包括地表和大氣在內(nèi)的各種物體的紅外輻射,因此整張衛(wèi)星云圖看起來(lái)模糊不清。為獲取較清晰且云團(tuán)邊界較明顯的灰度圖像,文中取閾值180 K(TBB值),剔除不相關(guān)物體的黑體亮溫值,即TBB值<180 K時(shí)將不參與灰度圖像轉(zhuǎn)換?；叶刃l(wèi)星云圖如圖1(a)所示。

2.2濾波預(yù)處理

從衛(wèi)星數(shù)據(jù)中轉(zhuǎn)換出的灰度圖像,不可避免地會(huì)存在一些干擾和噪聲,所以在識(shí)別前需要對(duì)圖像進(jìn)行預(yù)處理。文中采用中值濾波的方法消除噪聲干擾。在識(shí)別MCS時(shí)需要較為鮮明的輪廓特征,以便提取輪廓,所以結(jié)合銳化濾波對(duì)圖像進(jìn)行二次濾波處理,以加強(qiáng)圖像的輪廓特征。

中值濾波:采用3×3滑動(dòng)窗口,將鄰域中的像素按灰度級(jí)排序,取中間值為輸出像素,數(shù)學(xué)描述如下[11]

(1)

銳化濾波:選用3×3的線性銳化濾波器模板,系數(shù)取值為[0 -1 0;-1 4 -1;0 -1 0],即為拉普拉斯算子。離散函數(shù)的拉普拉斯算子表達(dá)式為

(2)

2.3MCS的輪廓提取

灰度衛(wèi)星圖像經(jīng)過(guò)兩次濾波處理后,可用來(lái)進(jìn)行進(jìn)一步的數(shù)字圖像處理。對(duì)MCS進(jìn)行輪廓提取,其實(shí)就是閾值判斷并剔除的過(guò)程。在此過(guò)程中,涉及兩次閾值判斷,分別是黑體亮溫(TBB)閾值和面積閾值判斷。

(1)黑體亮溫閾值。文中按照MCS判據(jù)選取黑體亮溫閾值為221.15K(-52 ℃),并作為灰度圖像二值化的依據(jù)。二值化過(guò)程,即是以1和0分別表示亮溫值低于和高于閾值的像素點(diǎn)。二值化圖像如圖1(b)所示;

(2)面積閾值。按照MCS判據(jù),要求當(dāng)TBB值低于-52 ℃時(shí)連續(xù)冷云區(qū)的面積>6 400km2。由于風(fēng)云二號(hào)衛(wèi)星的分辨率為5km,所以面積閾值取256,即在二值化后的圖像中剔除像素點(diǎn)總數(shù)<256的區(qū)域。

經(jīng)過(guò)黑體亮溫閾值和面積閾值剔除后的二值化圖像如圖1(c)所示,此時(shí)已完成衛(wèi)星云圖的二值化和MCS識(shí)別判據(jù)的初步判斷,在此二值化圖像的基礎(chǔ)上,便可提取MCS的邊界輪廓。文中使用SUSAN邊緣檢測(cè)算子識(shí)別邊界輪廓,因其在運(yùn)算過(guò)程中不涉及梯度的計(jì)算,故對(duì)噪聲圖像的邊緣檢測(cè)效果優(yōu)于傳統(tǒng)的邊緣檢測(cè)算法[12-13]。提取輪廓結(jié)果如圖1(d)所示。

圖1　MCS的自動(dòng)識(shí)別

2.4特征值計(jì)算

識(shí)別和追蹤MCS需要對(duì)其進(jìn)行完整的描述,即涉及描述云團(tuán)特征的特征值的計(jì)算。在后續(xù)的追蹤過(guò)程中,需要構(gòu)建追蹤模板,均與特征值計(jì)算有關(guān),需要計(jì)算的特征值包括:周長(zhǎng)、面積、圓形率、體態(tài)比、質(zhì)心、中心矩、亮溫直方圖等。

周長(zhǎng):假設(shè)待求區(qū)域的輪廓線由N+1個(gè)點(diǎn)組成,坐標(biāo)值標(biāo)記為Ci(x,y),i=1,2,…,N,則周長(zhǎng)C為

(3)

面積:區(qū)域面積的求解轉(zhuǎn)化為區(qū)域內(nèi)像素點(diǎn)數(shù)目的計(jì)算,云圖的分辨率為5 km,所以單個(gè)像素點(diǎn)的面積為25 km2,設(shè)N為區(qū)域內(nèi)像素點(diǎn)數(shù),則面積S=25×N;

圓形率:橢圓率的一種近似表達(dá),用來(lái)表征區(qū)域邊界形狀的復(fù)雜程度,計(jì)算

E=(4π×S)/C2

(4)

體態(tài)比:區(qū)域在x軸上投影的長(zhǎng)度/區(qū)域在y軸上投影的長(zhǎng)度,即

(5)

質(zhì)心:用來(lái)表征云團(tuán)所在的位置,其計(jì)算公式為

(6)

其中,xi,yi為像素點(diǎn)的網(wǎng)格坐標(biāo)值;f(i)表示第i個(gè)像素點(diǎn)處的亮溫值。

中心矩:用來(lái)反映區(qū)域的形狀特征,且具有平移不變性。設(shè)f(i,j)為(i,j)點(diǎn)的亮溫值,對(duì)其進(jìn)行歸一化處理

(7)

則g(i,j)的p+q階中心矩為

(8)

其中,(m,n)為區(qū)域的中心坐標(biāo)。

亮溫直方圖:該直方圖的思想來(lái)源于灰度直方圖。亮溫直方圖可表示為一個(gè)關(guān)于亮溫值的離散函數(shù)

(9)

其中,n是單個(gè)MCS云團(tuán)亮溫值像素點(diǎn)總數(shù);nk是云團(tuán)中第k個(gè)亮溫級(jí)(亮溫值向下取整)的亮溫值像素點(diǎn)總數(shù);rk是第k個(gè)亮溫級(jí),k=0,1,2,…,400。如圖2所示為兩個(gè)不同MCS云團(tuán)的亮溫直方圖。

圖2　兩個(gè)不同MCS云團(tuán)的亮溫直方圖

3MCS的自動(dòng)追蹤

3.1追蹤匹配模板的構(gòu)建

匹配模板的構(gòu)建是以特征值為基礎(chǔ),但在構(gòu)建前需要對(duì)特征值構(gòu)建模板的可行性進(jìn)行評(píng)估。即對(duì)相鄰兩個(gè)時(shí)刻MCS的單一特征值進(jìn)行相關(guān)值計(jì)算,并進(jìn)行相應(yīng)的追蹤實(shí)驗(yàn),驗(yàn)證該特征值的追蹤有效性。文中采用最小平均絕對(duì)差值函數(shù)(MAD)進(jìn)行相關(guān)值計(jì)算,MAD定義如下[14]

(10)

其中,i=1,…,M,j=1,…,N。

根據(jù)MAD的相關(guān)值計(jì)算進(jìn)行了追蹤實(shí)驗(yàn),選用云圖時(shí)次為2014年5月10日的12時(shí)和13時(shí),如圖2所示為圓形率和周長(zhǎng)的追蹤對(duì)比結(jié)果。試驗(yàn)中根據(jù)計(jì)算結(jié)果,將平均絕對(duì)差值最小的兩個(gè)云團(tuán)認(rèn)為是同一云團(tuán),并標(biāo)記上相同的英文字母。實(shí)驗(yàn)發(fā)現(xiàn),A,B云團(tuán)在采用周長(zhǎng)的實(shí)驗(yàn)中,可較好地實(shí)現(xiàn)追蹤,如圖3(c)所示。而采用圓形率的實(shí)驗(yàn)中,A云團(tuán)的追蹤效果較差并出現(xiàn)了追蹤錯(cuò)誤,如圖3(b)所示。C云團(tuán)在13時(shí)已消散,但在13時(shí)次出現(xiàn)的新云團(tuán)與C云團(tuán)極其相似,實(shí)驗(yàn)中根據(jù)計(jì)算結(jié)果將其視為同一云團(tuán),這一錯(cuò)誤結(jié)論歸因于單一特征值追蹤,所以只用于追蹤有效性評(píng)估。

圖3　識(shí)別結(jié)果與匹配結(jié)果

根據(jù)多次實(shí)驗(yàn)和總結(jié)發(fā)現(xiàn),計(jì)算的特征值中,圓形率和體態(tài)比不具有較理想的匹配效果,而周長(zhǎng)、面積、質(zhì)心、中心矩、亮溫直方圖等可獲得較理想的匹配效果。所以,文中確定由周長(zhǎng)、面積、質(zhì)心、中心矩、亮溫直方圖等特征量構(gòu)建匹配模板。

由于涉及多個(gè)特征值的匹配,現(xiàn)引入模糊數(shù)學(xué)中貼近度的概念,由多個(gè)特征值組建模糊集,利用貼近度來(lái)表征兩個(gè)模糊集的接近程度。文中使用海明距離來(lái)計(jì)算兩個(gè)集合的貼近度,歸一化處理后的計(jì)算公式為

(11)

單個(gè)MCS云團(tuán)的亮溫直方圖存儲(chǔ)方式為1×400的矩陣,第一位存儲(chǔ)最低亮溫值,最后一位存儲(chǔ)亮溫值<221 K的像素點(diǎn)數(shù),其它位自動(dòng)存儲(chǔ)相應(yīng)的亮溫級(jí)數(shù)據(jù),這樣每個(gè)MCS云團(tuán)對(duì)應(yīng)一個(gè)亮溫直方圖數(shù)據(jù)集。

3.2MCS追蹤實(shí)驗(yàn)

在追蹤過(guò)程中,對(duì)每一時(shí)次中識(shí)別出的MCS進(jìn)行逐一特征值計(jì)算,并組建模糊集,即以周長(zhǎng)、面積、質(zhì)心、中心矩等特征值組建一個(gè)模糊集,以亮溫直方圖數(shù)據(jù)集組建另一模糊集,并分別計(jì)算貼近度,最后將兩個(gè)計(jì)算結(jié)果乘以不同權(quán)重系數(shù)并相加,作為最終貼近度計(jì)算值。相鄰兩時(shí)次中,根據(jù)貼近度計(jì)算結(jié)果,選取最大貼近度者作為同一目標(biāo)。

追蹤實(shí)驗(yàn)發(fā)現(xiàn),只按照貼近度匹配出的追蹤結(jié)果,存在一定的誤差,并不能很好地實(shí)現(xiàn)較高準(zhǔn)確率的追蹤。為消除這一誤差,根據(jù)強(qiáng)對(duì)流云團(tuán)的最大移動(dòng)速度,一小時(shí)內(nèi)最大移動(dòng)距離不超過(guò)180 km,對(duì)貼近度計(jì)算結(jié)果進(jìn)行二次計(jì)算并判斷。圖4所示為部分追蹤實(shí)驗(yàn)結(jié)果。

圖4　2014年5月10日12～17時(shí)MCS的追蹤實(shí)驗(yàn)

追蹤自動(dòng)標(biāo)記的原則:第一幅圖依次按英文字母順序標(biāo)記,后續(xù)時(shí)次的云圖根據(jù)追蹤結(jié)果將同一云團(tuán)標(biāo)記相同的字母,新生云團(tuán)在原有字母的基礎(chǔ)上遞增標(biāo)記。對(duì)于大面積、多時(shí)次的MCS追蹤時(shí),將涉及多個(gè)云團(tuán)的標(biāo)記,文中按照26個(gè)英文字母循環(huán)標(biāo)記的方法依次標(biāo)記。

追蹤結(jié)果中看到,13時(shí)的D云團(tuán)和14時(shí)的F云團(tuán),可認(rèn)為是同一云團(tuán),但14時(shí)的F云團(tuán)由于云團(tuán)面積拉伸較大,從而導(dǎo)致質(zhì)心位置偏移較多,所以根據(jù)每小時(shí)180 km變化量判定為不同云團(tuán),因此導(dǎo)致追蹤誤差的存在。故文中將有新生云團(tuán)并入而導(dǎo)致質(zhì)心發(fā)生較大偏移的云團(tuán)視作為新生云團(tuán),并更新字母加以標(biāo)記。

4結(jié)束語(yǔ)

本文根據(jù)國(guó)內(nèi)多次MCS普查工作而逐步修訂完善的判定標(biāo)準(zhǔn),提出了一種有效實(shí)現(xiàn)MCS自動(dòng)識(shí)別與追蹤的方法。該方法與人工識(shí)別相比具有快速、準(zhǔn)確的優(yōu)勢(shì),與常規(guī)觀測(cè)資料相比可達(dá)到更廣的觀測(cè)范圍和更高的時(shí)空分辨率,為實(shí)現(xiàn)MCS的實(shí)時(shí)觀測(cè)和氣候?qū)W特征研究提供了便利。

但該方法仍存在一定的不足,如在追蹤試驗(yàn)中,示例的2014年5月10日6個(gè)時(shí)次的云團(tuán)追蹤,驗(yàn)證了自動(dòng)追蹤方法具有較高的準(zhǔn)確性,但對(duì)于初生云團(tuán)并入大云團(tuán)或兩云團(tuán)的合并等引起云團(tuán)質(zhì)心位置發(fā)生較大偏移的情形,均會(huì)導(dǎo)致追蹤結(jié)果存在一定的偏差。在后繼研究中,需通過(guò)不斷的實(shí)驗(yàn)探索云團(tuán)質(zhì)心偏差的合理區(qū)間,以進(jìn)一步提高追蹤的準(zhǔn)確性,或?qū)で蟾行У姆椒ㄌ岣吡翜刂狈綀D在追蹤上的貢獻(xiàn)值。

參考文獻(xiàn)

[1]朱乾根,林錦瑞,壽紹文,等.天氣學(xué)原理和方法[M].4版.北京:氣象出版社,2000.

[2]白潔,王洪慶,陶祖鈺.GMS衛(wèi)星紅外云圖強(qiáng)對(duì)流云團(tuán)的識(shí)別與追蹤[J].熱帶氣象學(xué)報(bào),1997(2):63-72.

[3]李匯軍,孔玉壽.應(yīng)用連續(xù)小波變換提取對(duì)流云團(tuán)[J].解放軍理工大學(xué)學(xué)報(bào):自然科學(xué)版,2005(2):181-186.

[4]Peak J E,Tag P M.Toward of automated in terpretation of satellite imagery for navy ship board plications[J].Bulletin of the American Meteorological Society,1992,73(7):995-1008.

[5]Peak J E,Tag P M.Segmentation of satellite imagery using hierarchical thresholding and neural networks[J].Journal of Applied Meteorology,1994,33(1):605-616.

[6]Arking A,Robert C L,Rosenfield A.A furrier approach to cloud motion estimation[J].Application Meteor,1978(17):735-744.

[7]馬禹,王旭,陶祖鈺.中國(guó)及其鄰近地區(qū)中尺度對(duì)流系統(tǒng)的普查和時(shí)空分布特征[J].自然科學(xué)進(jìn)展,1997(6):63-68.

[8]陶祖鈺,王洪慶,王旭,等.1995年中國(guó)的中-尺度對(duì)流系統(tǒng)[J].氣象學(xué)報(bào),1998,56(2):166-177.

[9]Orlanski L A.A rational subdivision of scales for atmospheric processes[J].Bull Amer Meteor Soc,1975,56(5):527-530.

[10]費(fèi)增平,王洪慶,張焱,等.基于靜止衛(wèi)星紅外云圖的MCS自動(dòng)識(shí)別與追蹤[J].應(yīng)用氣象學(xué)報(bào),2011,22(1):115-122.

[11]張德豐.Matlab數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,2009.

[12]Smith S M,Brady J M.SUSAN 2A new approach to low level image processing[J].Computer Vision,1997,23(1):45-78.

[13]馬桂珍,房宗良,姚宗中.SUSAN邊緣檢測(cè)算法性能分析與比較[J].現(xiàn)代電子技術(shù),2007(8):189-191.

[14]呂鳳軍.數(shù)字圖像處理編程入門(mén)[M].北京:清華大學(xué)出版社,1999.

Research on Method for MCS Automatic Identification andTracking Based on FY Satellite Cloud Image

DUAN Lian,GUO Gengchang

(Air Traffic Management College,Civil Aviation Flight University of China,Guanghan 618307,China)

AbstractAccording to the criteria of the identification of mesoscale convective system (MCS),this paper researches on identifying and tracking MCS automatically by means of image processing and fuzzy pattern recognition technology.The SUSAN edge detector is used to extract the boundary contour,thus realizing cloud tracking via building tracking templates with brightness temperature histograms and multiple cloud cluster characteristics.The experiments on tracking MCS during the time 12 to 17 hour of May 10,2014 show that the method has the ability of identifying MCS automatically and quickly and tracking MCS of multi-time effectively.

KeywordsMCS;image processing;brightness temperature histogram;close degree

中圖分類(lèi)號(hào)P407.8

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)1007-7820(2016)04-116-05

doi:10.16180/j.cnki.issn1007-7820.2016.04.030

作者簡(jiǎn)介:段煉(1968—),男,碩士,副教授。研究方向:航空氣象資料分析。郭庚常(1989—),男,碩士研究生。研究方向:航空運(yùn)行。

基金項(xiàng)目:民航飛行技術(shù)與飛行安全科研基地開(kāi)放基金資助項(xiàng)目(F2011KF08)

收稿日期:2015- 09- 10