留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一次锋面气旋云系中强对流云团的识别

朱亚平 程周杰 刘健文

朱亚平, 程周杰, 刘健文. 一次锋面气旋云系中强对流云团的识别. 应用气象学报, 2009, 20(4): 428-436.
引用本文: 朱亚平, 程周杰, 刘健文. 一次锋面气旋云系中强对流云团的识别. 应用气象学报, 2009, 20(4): 428-436.
Zhu Yaping, Cheng Zhoujie, Liu Jianwen. Detection and Analysis on Deep Convective Clouds in a Frontal Cyclone Using Multispectral Remote Sensing Data. Joumal of Applied Meteorological Science, 2009, 20(4): 428-436.
Citation: Zhu Yaping, Cheng Zhoujie, Liu Jianwen. Detection and Analysis on Deep Convective Clouds in a Frontal Cyclone Using Multispectral Remote Sensing Data. Joumal of Applied Meteorological Science, 2009, 20(4): 428-436.

一次锋面气旋云系中强对流云团的识别

资助项目: 

国家自然科学基金项目 40805012

中国博士后科学基金 20070420577

Detection and Analysis on Deep Convective Clouds in a Frontal Cyclone Using Multispectral Remote Sensing Data

  • 摘要: 利用NOAA-16/AMSU-B微波亮温资料和GOES-9光学遥感资料对2004年6月16日一次锋面气旋云系中的强对流云团进行识别, 尝试了NOAA-16/AM SU-B微波两窗区通道亮温、3个微波水汽通道间亮温差, GOES-9红外亮温阈值、水汽和红外通道亮温差、红外和水汽通道亮温多光谱逐个修改聚类等方法, 通过比较各种方法的识别结果, 分析各种识别技术的特点, 同时采用地面常规观测资料进行叠加, 对识别方法进行了验证。结果表明:微波对强对流云团均能较好识别, 但89 GHz通道亮温受地表影响较大, 不能很好剔除过冷水体, 150 GHz通道亮温与微波水汽通道间亮温差的识别结果较一致, 3个微波水汽通道间亮温差对阈值的依赖性相对较小; GOES-9红外亮温阈值因其随时空变化对识别结果会造成较大差别, 而水汽和红外通道亮温差对强对流云团能进行较好定位, 但识别范围较小, 多光谱逐个修改聚类方法对积雨云的识别效果较好, 且和NOAA-16/AMSU-B识别结果有较好的对应关系; 地面常规观测资料的叠加结果也说明, 多波段遥感资料对强对流云团的识别结果与当时的天气现象及积雨云状均有较好的对应关系。
  • 图  1  2004年6月16日06:25 GO ES-9红外通道 (10.7 μm) 卫星图像

    Fig.  1  GOES-9 infrared (10.7 μm) image at 06:25 16 June 2004

    图  2  2004年6月16日06:29 NOAA16/AMSUB各通道微波亮温(单位:K)

    (a)89GHz,(b)150GHz,(c)183.3±1GHz,(d)183.3±3GHz,(e)183.3±7GHz

    Fig.  2  NOAA16/AMSUB microwave brightness temperature images at 06:29 16 June 2004 (unit: K)

    (a)89GHz, (b)150GHz, (c)183.3±1GHz,(d)183.3±3GHz, (e)183.3±7GHz

    图  3  微波两窗区通道亮温阈值及3个水汽通道间亮温差识别结果

    (a)TB89<240K,(b)TB150<220K,(c)ΔT17≥0K,ΔT13≥0K,ΔT37≥0K

    Fig.  3  Identification results based on NOAA16/AMSUB brightness temperatures and brightness temperature differences

    (a) TB89 < 240K, (b) TB150 < 220K, (c) ΔT17≥0K, ΔT13≥0K, ΔT37≥0K

    图  4  GOES-9不同亮温阈值、水汽和红外通道亮温差及多光谱逐个修改聚类识别结果 (a)233.15 K, (b)230.15 K, (c)215.15 K, (d)208.15 K, (e) T B6.7-10.7 >0 K, (f) 红外/水汽多光谱云型识别结果

    Fig.  4  Identification results based on GOES-9 brightness temperatures thresholds, brightness temperature differences and step-wise classification (a)233.15 K, (b)230.15 K, (c)215.15 K, (d)208.15 K, (e) T B6.7-10.7 >0 K, (f) step-wise classification of IR and WV spectral features

    图  5  地面常规观测资料叠加结果

    Fig.  5  Results matching conventional data

  • [1] Hong G, Heygster G, Kunzi K. Intercomparison of deep convective cloud fractions from passive infrared and microwave radiance measurements. IEEE Trans Geosci Remote Sens, 2005, 2(1): 18-22. doi:  10.1109/LGRS.2004.838405
    [2] Mecikalski J R, Bedka K M. Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery. Mon Wea Rev, 2006, 134:49-78. doi:  10.1175/MWR3062.1
    [3] Setvak M, Rabin R M, Doswell C A, et al. Satellite observations of convective storm tops in the 1.6, 3.7 and 3.9 μm spectral bands. Atmos Research, 2003, 67-68:607-627. https://www.researchgate.net/publication/222403845_Satellite_observations_of_convective_storm_tops_in_the_16_37_and_39_mm_spectral_bands
    [4] Dostalek J F, Weaver J F, Purdom J E W, et al. Nighttime detection of low-level thunderstorm outflow using a GOES multispectral image product. Wea Forecasting, 1997, 12:947-950. doi:  10.1175/1520-0434(1997)012<0948:POTQND>2.0.CO;2
    [5] Nair U S, Weger R C, Kuo K S, et al. Clustering, randomness and regularity in cloud fields 5.The nature of regular cumulus cloud fields. J Geophys Res, 1998, 103 (D10):11363-11380. https://www.researchgate.net/publication/253422613_Clustering_randomness_and_regularity_in_cloud_fields_5_The_nature_of_regular_cumulus_cloud_fields
    [6] 朱亚平, 刘健文, 白洁.基于EOS/MODIS图像资料的多光谱云分类技术.海洋科学进展, 2004, 22(增刊):109-114. http://d.wanfangdata.com.cn/Periodical/hbhhy2004z1018
    [7] Adler R F, Markus M J, Fenn D D. Detection of severe midwest thunderstorms using geosynchronous satellite data. Mon Wea Rev, 1985, 113:769-781. doi:  10.1175/1520-0493(1985)113<0769:DOSMTU>2.0.CO;2
    [8] Rosenfeld D, Lerner A. Satellite Multispectral Identification of Severe Storms and Their Nowcasting by the Microstructure of the Prestorm Clouds. EUMETSAT Meteorological Satellite Conference, 2003.
    [9] Schmetz J, Tjemkes S A, Gube M, et al. Monitoring deep convection and convective overshooting with METEOSAT. Adv Space Res, 1997, 19:433-441. doi:  10.1016/S0273-1177(97)00051-3
    [10] Alcala C M, Dessler A E. Observations of deep convection in the tropics using the Tropical Rainfall Measuring Mission (TRMM) precipitation radar. J Geophys Res, 2002, 107 (D24):4792. doi:  10.1029/2002JD002457
    [11] Kidder S Q, Goldberg M D, Zehr R M, et al. Satellite analysis of tropical cyclones using the Advanced Microwave Sounding Unit (AMSU). Bull Amer Meteor Soc, 2000, 81:1241-1260. doi:  10.1175/1520-0477(2000)081<1241:SAOTCU>2.3.CO;2
    [12] Anagnostou E N, Kummerow C. Stratiform and convective classification of rainfall using SSM/I 85-GHz brightness temperature observations. J Atmos Ocean Technol, 1997, 14: 570-575. doi:  10.1175/1520-0426(1997)014<0570:SACCOR>2.0.CO;2
    [13] 方宗义, 项续康, 方翔, 等.2003年7月3日梅雨锋切变线上的β-中尺度暴雨云团分析.应用气象学报, 2005, 16(5):569-575. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20050573&flag=1
    [14] 魏应植, 许健民, 周学鸣.台风"杜鹃"的AMSU卫星微波探测资料分析.应用气象学报, 2005, 21(4):359-367. http://www.cnki.com.cn/Article/CJFDTotal-RDQX200504002.htm
    [15] Burns B A, Wu X, Diak G R. Effects of precipitation and cloud ice on brightness temperatures in AM SU moisture channels. IEEE Trans Geosci Remote Sens, 1997, 35:1429-1437. doi:  10.1109/36.649797
    [16] Ackerman S A. Global satellite observations of negative brightness temperatures differences between 11 and 6.7 μm. J Atmos Sci, 1996, 53:2803-2812. doi:  10.1175/1520-0469(1996)053<2803:GSOONB>2.0.CO;2
  • [1] 刘佩, 银燕, 陈倩, 楼小凤.  吸湿性播撒对暖性对流云减雨影响的数值模拟, 应用气象学报. doi: 10.11898/1001-7313.20190208
    [2] 楼小凤, 傅瑜, 孙晶.  一次浙江对流云催化数值模拟试验, 应用气象学报. doi: 10.11898/1001-7313.20190603
    [3] 朱士超, 袁野, 吴月, 朱明佳.  江淮地区孤立对流云统计特征, 应用气象学报. doi: 10.11898/1001-7313.20190605
    [4] 钟水新, 王东海, 张人禾, 刘英.  基于CloudSat资料的冷涡对流云带垂直结构特征, 应用气象学报.
    [5] 许焕斌, 田利庆.  强对流云中“穴道”的物理含义和应用, 应用气象学报.
    [6] 袁野, 杨光, 胡雯, 曾光平.  利用双多普勒雷达分析对流云垂直运动结构试验, 应用气象学报.
    [7] 刘瑞霞, 刘玉洁, 郑照军, 黄彦彬.  博斯腾湖面积定量遥感, 应用气象学报.
    [8] 胡雯, 申宜运, 曾光平.  南方夏季对流云人工增雨技术研究, 应用气象学报.
    [9] 陈秋萍, 曾光平, 冯宏芳, 隋平, 朱炜灵.  对流云总降水量和降水效率估测, 应用气象学报.
    [10] 李成才, 毛节泰, 刘启汉(Alexis Kai-Hon Lau).  用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征, 应用气象学报.
    [11] 陈秋萍, 曾光平, 冯宏芳, 隋平, 郑淑贞.  利用雷达回波资料对夏季对流云降水的初步探讨, 应用气象学报.
    [12] 曾光平, 隋平, 蒋年冲, 李玉林.  利用建阳新一代天气雷达观测夏季对流云特征, 应用气象学报.
    [13] 胡秀清, 张玉香, 张广顺, 黄意玢, 王永宽.  中国遥感卫星辐射校正场气溶胶光学特性观测研究, 应用气象学报.
    [14] 吉书琴, 陈鹏狮, 张玉书.  水稻遥感估产的一种方法, 应用气象学报.
    [15] 周咏梅, 王江山.  青海省草地资源卫星遥感监测方法, 应用气象学报.
    [16] 汪宏七, 赵高祥.  云微物理特性对云光学和云辐射性质的影响, 应用气象学报.
    [17] 孙涵, 居为民, 汤志成.  卫星遥感系统中的政区信息拓扑, 应用气象学报.
    [18] 胡筱欣, 黎光清.  洋面水汽的微波SSM/I资料反演试验, 应用气象学报.
    [19] 谷国军, 王昂生, 许焕斌.  环境风场对地形对流云发展的影响, 应用气象学报.
    [20] 赵从龙, 蔡化庆, 宋玉东, 林滨.  对流层水汽和液态水的地基微波遥感探测, 应用气象学报.
  • 加载中
图(5)
计量
  • 文章访问数:  3452
  • HTML全文浏览量:  645
  • PDF下载量:  1725
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-04-11
  • 修回日期:  2009-05-14
  • 刊出日期:  2009-08-31

目录

    /

    返回文章
    返回