安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)設(shè)計
——以鐵路貨運服務(wù)為例

■ 張蕾 姚葉青 丁國香 張曼義

設(shè)計開發(fā)基于多普勒天氣雷達資料和改進光流法的安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)，并已在合肥鐵路貨運氣象服務(wù)中投入業(yè)務(wù)運行。該系統(tǒng)實現(xiàn)了0～1 h的雷達回波外推和雷暴大風(fēng)外推預(yù)報產(chǎn)品的實時生成，提供雷達回波外推和雷暴大風(fēng)外推預(yù)報產(chǎn)品以及大風(fēng)實況的展示功能，并制定了強對流天氣預(yù)警方案和預(yù)警短信靶向發(fā)布策略，實現(xiàn)強對流天氣預(yù)警短信自動發(fā)布功能。

強對流天氣對交通運輸、電力、旅游等行業(yè)具有重大影響。在安徽省的強對流天氣中，雷暴大風(fēng)出現(xiàn)頻率最高，也最易漏報，是重要的災(zāi)害性天氣之一，每年都會造成較大的經(jīng)濟損失和人員傷亡，因此針對強對流天氣尤其是雷暴大風(fēng)天氣建立短時臨近預(yù)報預(yù)警服務(wù)具有重要意義。

目前國內(nèi)外建立了許多強對流天氣短時臨近預(yù)報技術(shù)和業(yè)務(wù)系統(tǒng)，美國國家大氣科學(xué)研究中心（NCAR）發(fā)展了ANC（Auto Nowcaster）臨近預(yù)報系統(tǒng)，進行0～2 h臨近預(yù)報；英國的GANDOLF（Generating Advanced Nowcasts for Deployment in Operational Landsurface Flood Forcasts）預(yù)報系統(tǒng)融合雷達外推預(yù)報與中尺度模式預(yù)報，提供0～6 h預(yù)報。張小玲等總結(jié)了中國強對流天氣預(yù)報業(yè)務(wù)發(fā)展歷程，指出我國的強對流臨近預(yù)警技術(shù)主要依賴以雷達回波為主的外推預(yù)報技術(shù)。中國氣象局2007年底開始大力建設(shè)強對流天氣臨近預(yù)報業(yè)務(wù)系統(tǒng)SWAN（Severe Weather Automatic Nowcast System），目前3.0版本已正式向全國推廣試用。王嘯華等介紹了江蘇省強天氣綜合報警追蹤平臺（SWATCH）功能，平臺整合了PUP、SWAN等業(yè)務(wù)系統(tǒng)中風(fēng)暴識別和外推相關(guān)的核心產(chǎn)品。

強對流天氣短時臨近預(yù)報預(yù)警在專業(yè)氣象服務(wù)中的需求也越來越被重視，美國The Weather Company的TWC平臺集成衛(wèi)星、雷達、數(shù)值模式、閃電等數(shù)據(jù)，整合用戶和行業(yè)數(shù)據(jù)，為用戶提供任意地點的最新預(yù)報數(shù)據(jù)。AccuWeather的MinuteCast?系統(tǒng)融合雷達和高分辨率的天氣數(shù)據(jù)，利用專利技術(shù)對未來2 h做出逐分鐘的降水預(yù)報。李帥等將多普勒氣象雷達三維拼圖技術(shù)融合河南電網(wǎng)GIS，實現(xiàn)覆蓋河南電網(wǎng)的0～2 h強對流天氣預(yù)警。張濤設(shè)計了航空氣象服務(wù)系統(tǒng)，實現(xiàn)對自動氣象觀測系統(tǒng)、多普勒天氣雷達系統(tǒng)、航空氣象報文、衛(wèi)星云圖等不同產(chǎn)品資料的采集、處理、集成和顯示。薛冰等將雷達回波外推技術(shù)應(yīng)用到鐵路交通氣象服務(wù)中。馮蕾等初步探索了鐵路橫風(fēng)監(jiān)測預(yù)報的技術(shù)方法。

本文基于專業(yè)氣象服務(wù)中對雷暴大風(fēng)預(yù)報產(chǎn)品的需求，研發(fā)了雷暴大風(fēng)外推預(yù)報關(guān)鍵技術(shù)，制訂了強對流天氣預(yù)警信息靶向發(fā)布策略，建設(shè)了安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)。目前該系統(tǒng)已在合肥鐵路貨運氣象服務(wù)中投入業(yè)務(wù)運行，為鐵路貨運氣象保障提供有力的技術(shù)支撐。

1 系統(tǒng)設(shè)計與開發(fā)

安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)總體采用C/S、B/S混合架構(gòu)，基于WebGIS技術(shù)、多線程技術(shù)、數(shù)據(jù)庫等技術(shù)實現(xiàn)了強對流天氣尤其是雷暴大風(fēng)天氣預(yù)報產(chǎn)品展示以及自動預(yù)警功能。

1.1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)設(shè)計了數(shù)據(jù)層、業(yè)務(wù)邏輯層和Web表現(xiàn)層三層邏輯框架。數(shù)據(jù)層是系統(tǒng)的底層，負責(zé)系統(tǒng)所需數(shù)據(jù)的存儲，為整個系統(tǒng)提供數(shù)據(jù)源保障，主要功能包括從全國綜合氣象信息共享平臺（CIMISS）獲取大風(fēng)實況數(shù)據(jù)、從服務(wù)器獲取雷達拼圖數(shù)據(jù)以及從mysql獲取歷史大風(fēng)警報信息，系統(tǒng)采用云存儲技術(shù)對多源異構(gòu)數(shù)據(jù)進行集中化管理，統(tǒng)一為外部服務(wù)使用，無需考慮數(shù)據(jù)源。業(yè)務(wù)邏輯層作為數(shù)據(jù)層與應(yīng)用層之間的橋梁，主要實現(xiàn)數(shù)據(jù)的分析處理，該層通過獨立的后臺數(shù)據(jù)支撐系統(tǒng)開發(fā)完成，主要功能包括雷達拼圖和大風(fēng)數(shù)據(jù)讀取、數(shù)據(jù)質(zhì)量控制、雷達拼圖外推以及雷暴大風(fēng)外推預(yù)報算法實現(xiàn)。Web表現(xiàn)層是系統(tǒng)框架頂層，主要通過瀏覽器與用戶進行交互，利用Python、JavaScript、WebGIS、ASP.NET、Node.js信息推送技術(shù)等實現(xiàn)雷達回波、雷暴大風(fēng)等氣象要素的展示、強對流天氣的監(jiān)控和預(yù)警信息推送等功能，系統(tǒng)主要架構(gòu)如圖1所示。

圖1 安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)架構(gòu)圖

1.2 系統(tǒng)主要功能

系統(tǒng)分為前臺綜合展示系統(tǒng)和后臺數(shù)據(jù)支撐系統(tǒng)兩大部分，前臺綜合展示系統(tǒng)采用B/S架構(gòu)，并利用ASP.NET技術(shù)完成Web系統(tǒng)的開發(fā)；后臺數(shù)據(jù)支撐系統(tǒng)采用C/S架構(gòu)開發(fā)完成，并利用VS 2012（MFC）進行客戶端界面開發(fā)，系統(tǒng)將后臺數(shù)據(jù)支撐系統(tǒng)獨立出來便于數(shù)據(jù)運算處理以及預(yù)報產(chǎn)品的升級更新。

系統(tǒng)主要包括數(shù)據(jù)處理、氣象要素展示、配置管理和預(yù)警發(fā)布4大功能模塊。

1）數(shù)據(jù)處理模塊：通過后臺數(shù)據(jù)支撐系統(tǒng)處理完成，實現(xiàn)0～1 h雷達回波外推和雷暴大風(fēng)外推產(chǎn)品的實時生成。模塊還提供數(shù)據(jù)異常監(jiān)控功能，實時監(jiān)控數(shù)據(jù)及時性和準確性，保障前臺綜合展示系統(tǒng)穩(wěn)定運行。

2）氣象要素展示模塊：實現(xiàn)雷達回波外推預(yù)報產(chǎn)品、雷暴大風(fēng)外推預(yù)報產(chǎn)品以及大風(fēng)實況數(shù)據(jù)實時查詢和展示，可實時掌握天氣過程的發(fā)展演變趨勢，輔助判斷強對流天氣的發(fā)生和影響。另外系統(tǒng)還提供歷史數(shù)據(jù)查詢功能，便于對歷史天氣的回顧總結(jié)以及評分檢驗。

3）配置管理模塊：從強對流天氣報警閾值設(shè)置和短信發(fā)送群組配置兩個方面配置預(yù)警信息發(fā)布條件，實現(xiàn)可定制化的預(yù)警短信發(fā)布。強對流天氣報警閾值設(shè)置主要對雷達回波、大風(fēng)外推預(yù)報和大風(fēng)實況報警閾值等進行配置，短信發(fā)送群組配置可配置關(guān)注的目標(biāo)點信息并與通訊錄關(guān)聯(lián)，向定制用戶發(fā)送關(guān)注目標(biāo)點預(yù)警信息。

4）預(yù)警發(fā)布模塊：預(yù)警發(fā)布主要從系統(tǒng)報警聲音提示和預(yù)警短信發(fā)布兩方面設(shè)計。當(dāng)氣象要素值達到設(shè)置的報警閾值，系統(tǒng)列出警報信息并發(fā)出聲音提示，同時觸發(fā)報警短信并發(fā)送相關(guān)人員。

2 關(guān)鍵方法研究

2.1 雷達回波外推方法

雷達回波外推方法基于安徽省雷達組合反射率因子拼圖實現(xiàn)，系統(tǒng)采用計算簡便且預(yù)報效果較好的光流法來計算相鄰時次雷達回波圖像間運動矢量，再通過線性外推方案外推0～1 h雷達回波圖像。雷達回波外推預(yù)報產(chǎn)品時間分辨率為6 min，空間分辨率為0.01°，預(yù)報時效為1 h。

光流法在1950年由Gibson首先提出，是計算機視覺領(lǐng)域應(yīng)用較為廣泛的方法，目前在氣象學(xué)領(lǐng)域也有一定的應(yīng)用。光流法假設(shè)回波運動在短時間內(nèi)滿足拉格朗日守恒方程，并引入其他的約束方程來求解光流場。假設(shè)在t時刻（x，y）處雷達反射率因子值為I（x，y，z），經(jīng)過dt時刻該點的反射率因子值變?yōu)镮（x＋dx，y＋dy，z＋dz），當(dāng)時，認為I值近似不變，即：

假設(shè)移動足夠小，將（1）式右邊按泰勒級數(shù)展開，略去二階無窮小項，可導(dǎo)出：

式中：表示回波在x、y方向上的運動速度。令表示I的時間、空間梯度。則上式可表示為：

上式中有兩個未知數(shù)，因此需要引入其他約束方程來求解。系統(tǒng)采用Lucas和Kanade提出的約束方程即LK算法求解回波移速。

基于光流法假設(shè)條件，該方法只適用于回波間運動較小的情況，對移速較快的回波反演誤差較大，因此引入金字塔分層技術(shù)改進傳統(tǒng)光流法，減小由于回波移速較快造成的反演誤差，提高外推預(yù)報精度。

試驗發(fā)現(xiàn)，隨著外推時間步長的增加，外推得到的回波逐漸變得散亂不連續(xù)，因此對光流場進行水平無輻散處理，得到新的光流場，用新的光流場外推得到的雷達回波圖像平滑性和連續(xù)性都較好。

2.2 雷暴大風(fēng)外推預(yù)報方法

雷暴大風(fēng)外推預(yù)報方法基于安徽省高密度分鐘級雷暴大風(fēng)實時監(jiān)測數(shù)據(jù)，采用雷暴大風(fēng)與雷達回波的動態(tài)匹配策略，識別可能出現(xiàn)雷暴大風(fēng)的風(fēng)暴單體，再通過光流法得到風(fēng)暴單體的移動方向和速度，外推得到未來1 h可能產(chǎn)生雷暴大風(fēng)的區(qū)域。雷暴大風(fēng)外推預(yù)報產(chǎn)品時間分辨率為6 min，空間分辨率為0.01 °，預(yù)報時效為1 h。

雷暴大風(fēng)與雷達回波的動態(tài)匹配策略為首先識別出雷達圖像中的風(fēng)暴單體，再結(jié)合大風(fēng)實況，當(dāng)風(fēng)暴單體對應(yīng)的時次中有大風(fēng)天氣出現(xiàn)，則認為風(fēng)暴單體與雷暴大風(fēng)天氣對應(yīng)。本文定義組合反射率圖像上雷達反射率因子強度≥35 dBZ，且面積≥64 km2的一片連續(xù)回波區(qū)為一個風(fēng)暴單體。

為了將極大風(fēng)速和雷達回波進行動態(tài)匹配，還需要對極大風(fēng)速實況數(shù)據(jù)進行處理使其與雷達回波圖像時空匹配。獲取逐6 min內(nèi)所有時次極大風(fēng)速最大值作為6 min的極大風(fēng)速值，采用克里金插值法對安徽省自動氣象站極大風(fēng)速進行插值得到空間分辨率為0.01°的格點數(shù)據(jù)，使得極大風(fēng)速數(shù)據(jù)與雷達拼圖數(shù)據(jù)時空分辨率一致。

2.3 強對流天氣預(yù)警發(fā)布策略

2.3.1 強對流天氣預(yù)警指標(biāo)

系統(tǒng)基于0～1 h雷達回波外推、雷暴大風(fēng)外推產(chǎn)品和大風(fēng)實況數(shù)據(jù)，選取合適的閾值對雷暴大風(fēng)、其他類型強對流天氣和實況大風(fēng)三種類型進行預(yù)警，具體預(yù)警指標(biāo)設(shè)計如表1。

表1 安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)強對流天氣預(yù)警指標(biāo)設(shè)計

為了方便對指標(biāo)進行修正，用戶可根據(jù)經(jīng)驗自行配置預(yù)警指標(biāo)。

2.3.2 預(yù)警短信靶向發(fā)布

預(yù)警短信發(fā)布按照將預(yù)警信息優(yōu)先發(fā)送給最需要的人群的設(shè)計思想，提出了運用基于特定區(qū)域、人群以及預(yù)警信息內(nèi)容的靶向技術(shù)進行精準發(fā)布的推送策略。通過融入雷達回波外推、雷暴大風(fēng)外推預(yù)報以及大風(fēng)實況監(jiān)測等輔助研判數(shù)據(jù)，以及行業(yè)用戶責(zé)任人信息、所在分組、關(guān)注的目標(biāo)點位置，實現(xiàn)災(zāi)害性天氣快速研判以及預(yù)警信息分點、分級、分眾的精準靶向發(fā)布。

為了提高預(yù)報預(yù)警的準確率，設(shè)置報警緩沖區(qū)半徑，如果目標(biāo)點緩沖區(qū)范圍內(nèi)出現(xiàn)達到預(yù)警指標(biāo)的情況，則對目標(biāo)點進行預(yù)警。業(yè)務(wù)人員可根據(jù)經(jīng)驗調(diào)整緩沖區(qū)半徑，提高預(yù)警準確率，盡可能避免災(zāi)害性天氣的漏報。

為了提高預(yù)警短信發(fā)送效率，系統(tǒng)導(dǎo)入行業(yè)用戶責(zé)任人信息、所在分組并關(guān)聯(lián)關(guān)注的目標(biāo)點。當(dāng)目標(biāo)點達到設(shè)置的氣象要素閾值時系統(tǒng)根據(jù)關(guān)聯(lián)的短信群組自動發(fā)送強對流天氣預(yù)警短信，實現(xiàn)可定制化的預(yù)警短信發(fā)布，同時通過責(zé)任人所在分組，判斷短信發(fā)送的優(yōu)先級，確保將預(yù)警信息優(yōu)先發(fā)送給最需要的人群。為了避免短信重復(fù)發(fā)送，系統(tǒng)可設(shè)置不重復(fù)發(fā)送短信時間。

3 系統(tǒng)應(yīng)用與檢驗

安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)于2019年6月在合肥鐵路貨運氣象服務(wù)中正式應(yīng)用，運行穩(wěn)定、效果良好，以鐵路貨運的應(yīng)用情況為例介紹系統(tǒng)的預(yù)警服務(wù)效果，系統(tǒng)顯示界面如圖2所示。

圖2 安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)顯示界面

系統(tǒng)顯示界面分為三大區(qū)域（圖2三處紅色方框區(qū)域）：最左側(cè)是大風(fēng)目標(biāo)點報警區(qū)域，該區(qū)域可列出預(yù)報雷暴大風(fēng)等強對流天氣的位置和時間；中間是雷達回波和大風(fēng)圖像展示區(qū)域；最右側(cè)是配置管理區(qū)域，用來查看需要展示的圖像、設(shè)置目標(biāo)點閾值以及配置管理人員信息等操作。

2020年8月20日安徽省江淮之間和淮北東部地區(qū)發(fā)生雷暴大風(fēng)天氣，陣風(fēng)普遍達到7～8級，26個自動氣象站陣風(fēng)達到9級以上，12個站點超過10級。18：30（北京時，下同）左右合肥地區(qū)發(fā)生強對流天氣，自動氣象站監(jiān)測到貨運公司肥東某貨場上游區(qū)域風(fēng)力較大，陣風(fēng)超過6級，18：30系統(tǒng)基于雷達強回波對貨場強對流天氣進行預(yù)警，18：38貨場上游10 km左右處肥東站極大風(fēng)速達到19.5 m/s，18：42系統(tǒng)預(yù)報該貨場將出現(xiàn)7級以上雷暴大風(fēng)天氣（圖3），并發(fā)送預(yù)警短信。

圖3 2020年8月20日18：42安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)強對流天氣報警顯示頁面

2022年7月26日凌晨安徽多地發(fā)生強對流天氣，01：30左右雷達回波圖上顯示一塊對流云團正自西向東往六安方向移動，01：48系統(tǒng)對六安葉集區(qū)貨場發(fā)布強對流天氣預(yù)警短信，之后回波繼續(xù)東移并與其他對流云團合并，先后影響六安、合肥、馬鞍山等地，系統(tǒng)均及時發(fā)布預(yù)警短信。06：30左右一颮線系統(tǒng)向六安方向移動，08：00颮線后部到達安慶，08：30系統(tǒng)提前向安慶太湖縣貨運站點發(fā)布強對流天氣預(yù)警，之后又先后向安慶三個受影響的貨運站發(fā)出雷暴大風(fēng)預(yù)警。從大風(fēng)實況來看，08：30左右安慶境內(nèi)開始出現(xiàn)7～8級以上雷暴大風(fēng)天氣，08：47太湖縣貨運站上游10 km左右太湖花亭湖站出現(xiàn)26.4 m/s大風(fēng)，08：48系統(tǒng)預(yù)報該貨場將出現(xiàn)9級以上雷暴大風(fēng)天氣，09：03離貨場最近的太湖小池站出現(xiàn)8級以上大風(fēng)。

上述個例均表明系統(tǒng)能較好地預(yù)報雷暴大風(fēng)等強對流天氣，并及時對用戶進行預(yù)警，另外系統(tǒng)基于強回波能夠更早地進行強對流天氣預(yù)警，對強對流天氣臨近預(yù)報預(yù)警服務(wù)具有重要作用。為了進一步檢驗短信預(yù)警效果的準確性，對30個鐵路貨運站點2020年4月—2021年12月雷暴大風(fēng)預(yù)警發(fā)布情況進行檢驗。選擇貨運站5 km半徑范圍內(nèi)所有自動氣象站小時數(shù)據(jù)，如果預(yù)警短信發(fā)送時次1 h內(nèi)自動站站點出現(xiàn)雷暴大風(fēng)天氣，則認為預(yù)報正確。本文結(jié)合閃電定位儀資料，將小時極大風(fēng)速超過17.2 m/s并伴有閃電現(xiàn)象發(fā)生的天氣過程記為雷暴大風(fēng)天氣。采用命中率（POD）、臨界成功指數(shù)（CSI）和空報率（FAR）來評價預(yù)警短信發(fā)送效果。經(jīng)統(tǒng)計檢驗，30個貨運站點共預(yù)報雷暴大風(fēng)天氣219次，其中89次出現(xiàn)雷暴大風(fēng)天氣，有9次漏報，POD達到0.908，F(xiàn)AR為0.583，CSI為0.39。檢驗結(jié)果表明，系統(tǒng)能夠準確及時地發(fā)送雷暴大風(fēng)預(yù)警短信，但是空報率較高，在今后應(yīng)當(dāng)進一步研究強對流天氣預(yù)報方法和預(yù)警發(fā)送策略，減少虛警率，提升預(yù)報準確性。

4 結(jié)論

安徽省強對流天氣短時臨近預(yù)警服務(wù)系統(tǒng)利用改進的光流法作為雷達回波和雷暴大風(fēng)外推的關(guān)鍵方法，得到強對流天氣尤其是雷暴大風(fēng)天氣短時臨近預(yù)報產(chǎn)品，實現(xiàn)預(yù)報產(chǎn)品實時展示和強對流天氣預(yù)警信息發(fā)布功能，形成了“技術(shù)＋策略＋平臺”的強對流天氣短時臨近預(yù)警服務(wù)體系，為行業(yè)氣象服務(wù)提供重要的技術(shù)支撐。系統(tǒng)主要特點如下。

1）基于改進光流法實現(xiàn)0～1 h雷達回波外推和雷暴大風(fēng)外推預(yù)報產(chǎn)品實時生成，提高強對流天氣臨近預(yù)報產(chǎn)品精細化水平及準確性。

2）系統(tǒng)具有較高的自動化水平，在一個業(yè)務(wù)系統(tǒng)中實現(xiàn)了監(jiān)測、預(yù)報、預(yù)警等強對流天氣短時臨近預(yù)報服務(wù)產(chǎn)品的數(shù)據(jù)處理、展示和預(yù)警短信發(fā)布功能。

3）系統(tǒng)采用C/S和B/S混合架構(gòu)，在C/S層面通過多個獨立模塊完成數(shù)據(jù)處理和數(shù)據(jù)異常監(jiān)控，在B/S層面完成產(chǎn)品展示和短信預(yù)警發(fā)布，易于系統(tǒng)升級維護。

今后將對雷達回波和雷暴大風(fēng)外推產(chǎn)品預(yù)報效果進行實時檢驗，針對發(fā)現(xiàn)的問題，結(jié)合機器學(xué)習(xí)等新技術(shù)研發(fā)強對流天氣短時臨近預(yù)報新方法，提高預(yù)報準確率。

深入閱讀

陳石定, 劉翔, 向立莉, 2019.靶向技術(shù)在預(yù)警信息發(fā)布中的應(yīng)用.計算機應(yīng)用, 39(S1): 88-92.

馮蕾, 陳仲榆, 郝淑會, 等, 2017.鐵路（高鐵）橫風(fēng)監(jiān)測預(yù)報技術(shù)方法初探.氣象科技進展, 7(1): 138-142.

王嘯華, 鄭媛媛, 濮梅娟, 等, 2018.強天氣綜合報警追蹤平臺功能設(shè)計及龍卷預(yù)警中的應(yīng)用.氣象科技進展, 8(3): 61-69.

薛冰, 鹿業(yè)濤, 渠寒花, 2013.鐵路交通氣象服務(wù)系統(tǒng)的設(shè)計與開發(fā).電子測試, (20): 24-26.

張濤, 2018.航空氣象服務(wù)系統(tǒng)的設(shè)計與實現(xiàn).鄭州: 鄭州大學(xué).

張蕾, 魏鳴, 李南, 等, 2014.改進的光流法在回波外推預(yù)報中的應(yīng)用.科學(xué)技術(shù)與工程, 14(32): 133-137.

張小玲, 楊波, 盛杰, 等, 2018.中國強對流天氣預(yù)報業(yè)務(wù)發(fā)展.氣象科技進展, 8(3): 8-18.

鐘利華, 曾小團, 胡宗煜, 等, 2009.桂林雷暴大風(fēng)臨近預(yù)報研究.氣象研究與應(yīng)用, 30(z2): 79-80.

Gibson J J, 1979.The ecological approach to visual perception.Boston: Houghton Mifflin.

Lucas B D, Kanade T, 1981.An iterative image registration technique with an application to stereo vision (darpa).Proceedings of the 1981 DARPA Image Understanding Workshop.