风暴单体识别与追踪(完成版)

汇报人：南京信息工程大学*****2015年12月16日降水系统中心识别与追踪1Content01020304概述SCIT算法原理SCIT算法性能评估总结2一、概述基于雷达数据的风暴体识别、追踪及预警方法是最早出现的临近预报技术,也是天气雷达系统和强天气预警业务的基本组成部分。风暴体识别、追踪及预警方法可以分为三大类:持续性预报法(Persistence)、交叉相关法(CrossCorrelation)和单体质心法(CentroidTracking)。三者都属于外推预报法(Extrapolation)。其中,持续性预报法目前已经被后两者取代。3简单地说,交叉相关法就是把整个数据区域划分成若干小区域,相邻时刻雷达回波图像的小区域之间计算相关系数,通过最大相关系数确定相邻时刻图像中的区域对应关系,进而确定回波区域的平均运动。1.交叉相关法交叉相关法示意图对两幅相邻时刻(t1,t2)的雷达反射率因子回波图像,分别划分成若干大小相同的子区域。对t1时刻的一个子区域A,在t2时刻回波图像的候选区域(大小由平均风速决定)中,将所有可能的子区域分别与A做相关计算。t2时刻相关系数最大的子区域B即为与A匹配的子区域。将A和B的中心位置连接起来,即为回波移动矢量。得到回波移动矢量之后,就可以进行外推预警。4优点：算法简单；对较大的回波,交叉相关法有较好的识别和追踪效果。缺点：只考虑了回波的水平移动,计算量大等；另外,对较小的单体,尤其是相互距离较近的多个单体,其识别和追踪效果较差。1.1交叉相关法的优缺点：5单体质心法首先要识别出单体,并计算其质心位置、体积和投影面积等特征,然后在前后两个时刻的扫描数据中进行单体匹配追踪,最后通过连续多时刻的匹配追踪结果外推预警。对风暴体的追踪,各种单体质心法的具体实现步骤不一样,但一般都会利用后面的预警结果来辅助追踪。2.单体质心法6单体质心法能较好地识别和追踪较小的孤立单体,并且能够提供单体的更详细的特征数据；与交叉相关法相比,单体质心法计算量小,能够更有效地识别和跟踪风暴单体(如飑线中的各个单体)；由于质心法将风暴单体都分离出来,因此可以计算每个单体的特征,并分析其演变过程,从而为人们提供了一个分析风暴的工具。2.1单体质心法特点71999年,Wolfson提出了一个“风暴增长衰减追踪器”，结合ITWS中的交叉相关追踪器,可以给出风暴系统的增长和衰减趋势；2002年,Handwerker开发了一个三维风暴跟踪器(TRACE3D)；2003年,Lakshmanan提出了一种新的风暴识别方法。他使用了K均值聚类方法,可以根据需要进行不同尺度的风暴识别、追踪和预警；2005年Xu和2006年Lakshmanan在统计的框架内,使用了Bayes学习、Gibbs抽样、MCMC等现代统计方法,提出了基于统计方法的时空动态模型(Spatio-temporalDynamicalModel)来预报风暴的移动、演变。3.近年来出现的新方法8二、SCIT算法原理将某个连续三维区域的体积V和雷达反射率Z大于给定的体积阈值和反射率阈值(TZ)(其中也可包含一定数量的比反射率阈值小不到5dBZ的点)定义为风暴单体。反射率阈值的大小，根据不同的风暴类型来给定，可分成以下几类:超级单体风暴：TZ=40～50dBz对流风暴：TZ=30～40dBz中尺度对流复合体：TZ=25～30dBz雪带：TZ=15～20dBz91、SCIT算法子功能风暴单体段020304识别反射率因子的径向排列，并输出这些段上的信息到风暴单体质心子功能中。将段组合成二维分量，并使这些分量垂直相关构成三维单体，再计算这些单体的属性并输出至后两个子功能。依据风暴移动的历史来预报风暴将来的质心位置。风暴单体质心风暴单体跟踪风暴位置预报01通过将当前体积扫描发现的单体与前次体积扫描的单体作匹配来监视单体的移动。101.1SCIT单体识别方法---风暴单体段定义：一段连续的、沿着一个径向的一系列距离库，其反射率因子超过一个规定的阈值。阈值（REFLECTIVITY）：30,35,40,45,50,55,60dBZ(系列算法只使用一个阈值（30dBZ))---差别可调参数：DROPOUTREFDIFF:样本体积内，有效反射率与阈值的差值。默认5dBZ（0-10dBZ）DROPOUTCOUNT:小于R的距离库数量。默认2（0-5）SEGMENTLENGTH1-7：默认1.9km（1.9-9.9km）大于该值的部分被保存。11图2-1沿径向的50,45,40,35及30dBZ阈值风暴段的识别图2-2风暴段例子REFLECTIVITY：50dBZ、45dBZ、30dBZDROPOUTREFDIFF：5DROPOUTCOUNT：2121.2SCIT单体识别方法--风暴单体分量当最后一个仰角扫描的段被处理完后，在空间上相邻的风暴段被结合成一个二维的风暴单体分量。可调参数：AZIMUTHALSEPARATION:两个风暴段之间的偏离量1.5°（1.5°-3.5°）SEGMENTOVERLAP:两个风暴段的重叠部分2km（0-5km）NUMBEROFSEGMENTS:2D风暴段必须包含的1D的数目。2（1-4）COMPONENTAREA1-7：2D风暴段的面积。10km^2(10-30km^2)131.3单体识别方法--三维风暴单体的确定当当前体扫的所有仰角扫描都处理完之后，这些分量将按照质量的大小从大到小排列，然后做垂直相关分析。每一个确定的三维风暴单体由两个或更多个在相继仰角上的二维分量构成。由于只用最强的（最高反射率因子阈值）二维分量来确定三维风暴单体，最终产品实际是一个三维风暴单体质心。这些风暴单体按它们的基于单体的垂直累积液态含水量（VIL）值排列。14◆垂直相关分析从第2个高度层开始每个高度层的风暴分量都和它下面相邻的高度层的风暴分量进行比较，可分成以下几个步骤:(1)寻相邻仰角层的风暴分量的反射率质心之间的水平距离小于5km的风暴分量为垂直相关的风暴分量。(2)步骤(1)后，如果没有垂直相关的风暴分量，则把搜寻半径改为7.5km，继续搜寻。(3)步骤(2)后，如果还没有垂直相关的风暴分量，则把搜寻半径改为10km，继续搜寻。**将垂直相关的分量保存下来，不相关的当做2D风暴单体保存。1.3单体识别方法--三维风暴单体的确定15◆两个很近3D单体结合成一个单体：（1）这两个单体在同一仰角上没有2D单体；（2）两个单体的质心的水平距离小于HORIZONTALMERGE10km；（3）两单体间垂直空隙小于HEIGHTMERGE4.0kmEVEVATIONMERGE3.0◆两个很近3D单体结合成一个单体：（惠惠你看要不要加一个192上的东西？）1.3单体识别方法--三维风暴单体的确定16图2-3所有30dBZ的风暴段被结合成一个二维分量，假定他们满足方位角距离和径向距离的判据如果对应低阈值的分量的质心落于高阈值分量的范围内，则低阈值的分量被丢弃。图2-4风暴单体段和它们构成的圆形二维分量以及由多个二维分量构成的三维风暴单体172、单体追踪方法对在两个相继体扫中识别的风暴单体进行时间相关处理以确定每一个被识别的风暴单体的路径。检查体扫之间的时间间隔A利用前一个体扫单体质心位置确定目前体扫中该单体的初猜位置B计算当前体扫中识别的每个单体与其对应的初猜位置之间的距离C计算所有已经被识别的目前单体的新的运动向量D18图2-5时间相关联过程中的一个例子。×代表当前体扫单体的初猜位置，短箭头代表当前体扫中单体位置和相应的初猜位置间的距离一旦完成追踪过程，将计算风暴单体的属性并将其直到前10个体扫的时间序列都存储起来。193、风暴位置预报根据该风暴单体过去移动的记录来预报该风暴单体将来的之心位置。通过外推法来预报下一时刻的风暴单体的位置。位置预报最少做15min，最长做60min。20三、SCIT算法性能评估1）最大反射率=30dBZ；2）在至少一个仰角扫描范围内不小于30dBZ的回波强度水平尺度至少是5㎞2；3）估计区域的3D质心与另一个区域的质心至少远离5km；4）估计区域要被一个局部极小反射率分开，该反射率比区域内的最大反射率至少低10dBZ。1）体扫模式追踪所有被识别单体的生命周期；2）确定不正确的时间关联的数目；3）注意它们的特点；4）计算用算法正确追踪的单体的百分率。结果显示：预报误差会随着时间而增加。单体识别单体追踪单体定位01020321表3-1对于各种风暴类型SCIT算法的正确识别率表3-2对于各种风暴类型系列算法的正确识别率SCIT算法：40dBZ以上的单体被探测到的可能性有68%，50dBZ以上的单体被探测到的可能性有96%.而系列算法：40dBZ以上的单体被探测到的可能性有24%，50dBZ以上的单体被探测到的可能性有41%.同时，算法结果对于孤立单体优于其它类型的降水系统。关于层状降水类型需要注意的一点是：对于这种降水系统算法性能并不太好。算法遗漏的两种类型是：1)没有识别出大的成熟单体附近的衰亡或新生的单体。2）没有识别在只有一个仰角扫描范围内符合尺度和强度标准的单体。22表3-1对于每一个例SCIT算法正确时间关联的百分比表3-2SCIT算法对不同的主导时间的平均预报误差大多数时间关联误差发生于两个不同的紧密相连的单体的生长和消散期。预报误差会随着时间而增加。23表3-1a.体扫197，第四个仰角上，一个新的单体在单体1的附近生成；b.体扫198，第四个仰角上，该新生单体被不正确的与单体1相关联；c.在添加了一个方向性的阈值（90°）之后，图像上显示一个正确的、新识别的单体29.表3-1a.组合反射率因子图（第167个体扫模式）其中一个新单体在17号单体预报路径上生成;b.下一个体扫（168）SCIT算法探测到该单体，但是错误的将它与17号单体时间关联。244.、产品及总结WSR-88D的9.0版本，由SCIT算法生成表格、字母和图表产品。这些产品提供关于风暴结构和追踪信息的风暴单体属性来帮助用户进行预测和预警过程。风暴追踪属性可用于每一种格式，而风暴结果属性仅仅用于字符格式。风暴结构趋势可以以图形方式显示在PUP上面。254、产品及总结相对于使用一个反射率阈值的风暴系列算法，SCIT算法采用七个反射率阈值，大大提高了风暴单体的识别；SCIT算法不能识别小的（长度或面积上），浅的（没有通过两个连续仰角扫描的阈值），或者最大反射率小于30dBZ（例如发展中的降水系统，高耸的Cu）的单体。另外，当降水风暴单体形成时极其接近彼此，上述阈值可能将这些单体合并在一起，作为一个单体识别。这种情况往往发生在大面积相似的反射率飑线上；对孤立的风暴单体和组织程度高的飑线、多单体风暴中的单体可以以最大的精度追踪；短期风暴的位置预测往往比长期预测更准确。26请大家批评与指正！27