CN104036462A - 一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法 - Google Patents

Abstract

本发明公开了一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法，其特征在于包含如下步骤：在等经纬度卫星云图提取台风内核区红外窗区亮温和水汽通道亮温信息；再利用这些亮温信息获取WIRA指数值；对获取的所有WIRA指数值进行求平均值运算，获取平均值μ，统计台风内核区WIRA指数处于[μ，μ+5]范围内相对应的总像素点数W；利用方程台风强度方程I＝985.474-0.033·W-2.391×10^-5·W²获得台风强度。该方法能够最指示对流轴对称化水平的变化，也能将薄卷云、平流层水汽异常和穿透性对流排除在外，与台风的最佳路径强度具有很强的相关，因而使计算的台风强度更为准确。

Description

一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法

技术领域

本发明涉及一种估计热带气旋强度的方法，尤其涉及一种利用静止气象卫星图像来估计热带气旋强度的方法，属于大气科学研究领域。

背景技术

台风是最为严重的自然灾害，沿海及离海几百公里的内陆地区都可能受到其影响。实时监测台风的初生、发展和加强，能够保证及时做出应急响应和有效减少当地的经济损失和人员伤亡。静止气象卫星遥感由于具有时间分辨率高(相比极轨卫星的微波遥感，如Velden etal.1991；Bankert and Tag2002；Brueske and Velden2003)、观测范围广(相比飞机侦测，如Griffin et al.1992；Wu et al.2005；Aberson et al.2006)、能够覆盖海洋和人烟稀少的地区(相比地基雷达，如Corbosiero et al.2005；2006；May et al.2008；Yuand Cheng2008)的优点，至今仍是监测和预报台风强度最有效的手段(Velden et al.2006)。利用卫星云图监测台风强度的历史可以追溯到上世纪60年代术(Sadler1964；Fritz etal.1966；Hubert and Timchalk1969)。其后，Dvorak(1975，1984)总结了之前的研究，系统地提出了一个根据卫星云图信号估计台风强度的方法，这个方法被称作Dvorak技术(DT)。原始DT包含许多主观的规则，因此其最主要缺陷是识别精度依赖于台风预报员们的实践水平。数字Dvorak(DD)方法(Zehr1989)、客观Dvorak技术(ODT，Velden et al.1998)以及后续的改进型客观Dvorak技术(AODT；Olander et al.2002)逐步实现了计算机程序化，减少了原始DT方法的主观偏差。被认为是DT方法最新版本的改进型Dvorak技术(ADT；Olander and Velden2007)在AODT方法基础上做了一些增加和修改。总体来说，这五个版本的DT方法估计台风强度时都基于可见光/红外云图的云形态和特征识别(Velden et al.2006)。

DT方法已经被广泛应用于世界各地的台风预报中心，但各中心采用DT方法时选择的规则和约束方案略有不同，这使得各中心在估计同一个台风强度时有可能出现有严重分歧的结果(见附图1)。例如，日本气象厅区域专业气象中心(RSMC)和美国联合台风警报中心(JTWC)估计的Xangsane(200615)强度最大偏差达到38hPa(RSMC估计2006年9月27日世界时18时的Xangsane强度为960hPa，而JTWC是922hPa)。即使是针对超强台风，估计的最大强度也会有分歧，以Jangmi(200815)为例，RSMC估计最强时的强度为905hPa，而JTWC为918hPa。这种分歧的存在警示我们：要想提高DT方法强度估计的能力和精度，定义更实用、明晰、被各家认可的指标显得非常必要。

近些年，一些新的与静止卫星图像有关的台风强度指标得到了发展，比如有：台风雨带的旋转速度(Chao et al.2011)，评估红外云标志(infrared cloud signature)轴对称水平的“偏向角方差”(deviation-angle-variance)技术(et al.2010)及其改进型版本(Ritchie et al.2012)。Jaiswal et al.(2012)利用飓风卫星(hurricane satellite，HURSAT)数据集建立了一个包含台风强度和对流特征信息的历史云图数据库，并使用图像匹配方法估计现有台风强度。Olander and Velden(2009)将水汽(WV)通道和红外窗区(IRW)通道相减，计算WV-IRW图像上亮温(Tb_WV-IRW)为正的像素点数。他们认为正Tb_WV-IRW表明此处存在可以穿透到平流层的强对流，台风内核区的这个信号可用来估计强度。

静止气象卫星IRW云图容易受卷云的干扰。另外，对于穿透性对流到底是不是台风强度标志，学界存在分歧。本发明的申请人在最近的实验中发现，在已经达到超强台风或飓风级别台风的内核区却很少观测到穿透性云顶，因此极力主张穿透性对流也是干扰静止气象卫星反演台风强度的因素。

发明内容

现有技术中由于无法排除卷云的干扰和对穿透性对流的作用认知不够，利用静止卫星和红外窗区(IRW)或水汽(WV)通道图像估计TC强度的精度在最近几年提高很慢。本发明所要解决的技术问题是提供一种评估方案，使其能够最大程度的将卷云、穿透性对流和其他对流区分开来，进而实现更为准确的热带气旋强度估计。

为了解决上述技术问题，本发明的技术方案包含如下步骤：

步骤1：在等经纬度卫星云图上提取台风中心150km范围区域内所有像素点的红外窗区亮温Tb_IRW和水汽通道亮温Tb_WV信息；

步骤2：将步骤1中提取的亮温信息数据代入方程求取WIRA指数值，所述方程中Tb_IRW为红外窗区亮温，所述方程中Tb_WV-IRW为水汽通道亮温Tb_WV减去红外窗区亮温Tb_IRW，所述方程中C₁为180K；

步骤3：将步骤2中获取的所有WIRA指数值进行求平均值运算，获取平均值μ，统计台风中心150km范围区域内在[μ，μ+5]范围内相对应的总像素点数W；

步骤4：将步骤3中获得的总像素点数W代入方程I＝985.474-0.033·W-2.391×10^-5·W²求取台风强度值，所述方程中I是台风强度。

上述技术方案中还可以根据台风的不同情景类型做进一步优化改进，得到更为准确的台风强度。

当所述台风为眼区情景类型时，将在上述技术方案中步骤4中获取的台风强度I代入方程I_final＝I-0.003231·I²+6.0251·I-2799.2612求取修正后台风强度，所述I_final是修正后台风强度。

当所述台风为云区情景类型时，将在上述技术方案中步骤4中获取的台风强度I代入方程I_findl＝I+0.003602·I²-7.2576·I+3654.3854求取修正后台风强度，所述I_final是修正后台风强度。

当所述台风不是眼区情景类型和云区情景类型时，将在上述技术方案中步骤4中获取的台风强度I代入方程I_final＝I-0.006018·I²+10.9734·I-5001.043求取修正后台风强度，所述I_final是修正后台风强度。非眼区情景类型和云区情景类型主要是登陆或没有卫星观测两种情况。

上述技术方案相较于现有技术有如下几个方面的优势：

1.将一般深对流与卷云、平流层水汽异常、穿透性对流区分开。

根据上述的技术方案，绘制成了台风内核区WIRa频率分布图(附图2)。深对流(和难分辨的厚卷云)集中在WIRa为0～10的区域。薄卷云(区域A)一般WIRa值较低，对流层顶卷云(区域C)、平流层水汽异常及穿透性对流(区域B和D)WIRa值一般会超过10。虽然在WIRa值等于0～10的区域也存在部分卷云或水汽，但这部分卷云和水汽的总频率不超过2％。

2.WIRa[μ，μ+5]很好地显示了台风强盛时趋于轴对称的表现。

由附图3可知，WIRa近似满足正态分布，尽管不同台风、不同生命史阶段，分布曲线的形状有很大不同。在台风强盛阶段，所有WIRa值向平均值μ靠拢；台风生成或消散阶段，WIRa值偏离μ。

3.我们的指标与台风强度的相关最明显。

附图4是35个强TC所有时次的WIRa[μ，μ+5]像素点数W与最佳路径强度的时间序列图。相关系数可以达到0.68。

附图5中将基于WIRa的指标与其他指标进行了比较。我们的指标与台风强度的相关是最明显的，相关系数通过显著性检验的有33个。但其他常用的指标情况效果都不及我们的指标：如果将台风强度直接与Tb_WV-IRW＞OK的像素点数相关，相关系数通过显著性检验的台风为19个。如果选择与0＜7b_WV-IRW＜1.5K的像素点相关，则通过的台风数为29。内核区的Tb_IRW最低值(IRW-min)与台风强度相关也很不明显，相关系数通过显著性检验的台风数只有9个。类似的，如果取Tb_IRW＜200K的像素点数与台风强度相关，通过的台风数只有14个。当取Tb_IRW＜220K的像素点数时，通过的台风数明显增加到25个；取Tb_IRW＜230K的像素点数时，相关系数值＞0.5的台风数降低了。Tb_IRW处于[200，215]K比处于[200，230]K范围内的像素点与台风强度关系密切。内核区Tb_IRW平均值(IRW-mean)与台风强度的相关也比较明显，相关系数通过显著性检验的台风数能有22个。

4.本发明的技术方案估计精度超过现在业务上的估计精度。

我们将本发明提出的(未修正和修正过的)WIRa估计值、最佳路径强度以及业务估计强度与下投探空观测值进行对比。

表1列出了比较结果的完整总结。RSMC/JTWC最佳路径强度由于同化了下投探空观测，所以产生的bias和RMSE都最小。调整前和调整后的WIRa强度估计产生的MAE分别为12.28hPa和10.32hPa，略差于最佳路径强度。这是可以理解的，因为建立回归方程时选作真值的是最佳路径数据，WIRa估计精度必然依赖于最佳路径强度的精度。业务当前强度数(CI#)MSLP估计与dropsonde相比有11.12hPa的MAE和13.42hPa的RMSE，这与Olander and Velden(2007)利用1996～2005年的1116个大西洋飞机侦测样本的统计结果相近。不需要进一步比较业务原始T#和修T#强度估计，我们就可以得出如下结论：本文提出的WIRa方法的精度略优于业务方法的精度。

表1，对12个样本的统计结果，单位是hPa。Avg(Drps)＝960.42hPa。

附图说明

图1为RSMC和JTWC两家单位估计台风强度的差异示例图。

图2为台风内核区的Tb_IRW、Tb_WV-IRW、WIRa值的频率分布图，圆圈越大表示频率越高。

图3为台风初生(第一列)、强盛(第二列)和接近消散时期(第三列)的WIRa频数分布图，最后一列是台风的生命史。倒三角对应前三列图像所对应时次在台风生命史的位置。

图4，35个TC的WIRa[μ，μ+5]像素点数(细线条)与最佳路径强度(粗线条)的时间序列图。WIRa[μ，μ+5]与最佳路径强度的总相关系数也显示在图中。

图5为使用不同指标时通过显著性检验的台风个数统计图。这里所有的结果都进行了6小时滑动平均。RotSpd是外雨带旋转速度指标的简写。

图6为35个台风个例的最佳路径强度和WIRa[μ，μ+5]像素点数分布图及回归方程示意图。Error bars代表标准差。虚线为拟合函数。

图7为情景类型偏差调整示意图。

具体实施方式

下面对本发明的方案进行具体说明：

第一步是进行预处理：

我们选择了2006年到2011年所有的35个强台风个例，详细信息如表2：

表2，35个强台风个例的名字和ID。

在与台风对应的各时次等经纬度卫星云图上提取台风内核区的红外窗区和水汽通道的亮温信息，内核区是指距台风中心150km范围内的区域。

第二步是确认WIRa参数：

该参数可以在静止卫星云图上区分普通对流与卷云、穿透性对流、水汽异常。其理论基础如下：如表3所示，负的Tb_WV-IRW是卷云和弱对流造成的，而很大的Tb_WV-IRW主要是由平流层水汽异常造成。穿透性对流和接近对流层顶的卷云拥有很低的Tb_IRW。最纯粹的深对流应该是有一个弱正值的Tb_WV-IRW和一个在205K附近的Tb_IRW。

表3，对流、水汽异常和卷云对Tb_WV-IRW的影响。

(DC为深对流，WC为弱对流，OT为穿透性云顶，StrWVA为平流层水汽异常，TnCi为薄卷云，TkCi为厚卷云，TrpCi为接近对流层顶的卷云)

根据表3，由Tb_WV-IRW可以简单识别弱对流、很薄的卷云和平流层水汽异常，而用Tb_IRW识别穿透性对流云顶和接近对流层顶的卷云更有效。本发明采用WV-IRW与IRW的比值(WIRa)，这个参数能够综合体现Tb_WV-IRW和Tb_IRW的变化、让纯粹的深对流与薄卷云、水汽和穿透性云顶区尽可能分开。在对流区，Tb_WV-IRW的取值范围是-5～5K，Tb_IRW的取值范围是185～230K。，由于Tb_IRW变动的量级(101)比其本身的量级(102)小，Tb_IRW直接作为分母的话对WIRa的贡献很微弱(由Tb_IRW造成的WIRa最大改变幅度为因此，考虑将Tb_IRW将减去一个正数C₁。WIRa最终表达式如下：

$\mathrm{WIRa}=100\·\frac{{\mathrm{Tb}}_{\mathrm{WV}-\mathrm{IRW}}}{{\mathrm{Tb}}_{\mathrm{IRW}}-C_1},---\left(1\right)$

其中，放大系数100只是为了让WIRa的数量级在10¹，不影响WIRa的表现。很显然，C₁在满足小于Tb_IRW最小值的前提下越大越好。鉴于此，我们将C₁设为180K，这时由Tb_IRW造成的WIRa最大改变幅度为 $(\frac{1}{185-180}-\frac{1}{230-180})\÷\frac{1}{185-180}=90\%.$

第三步确定基于WIRa的台风强度指标：

根据现有的文献，由静止卫星图像业务化估计气旋强度一般有两种方法，一是对流的壮度(如Olander and Velden2009)，二是对流的组织化水平(如et al.2010；Jaiswal et al.，2012)。我们在设计新指标时，综合了上述两种方法的优势。

对于第一种方法，首要的是排除非对流和穿透性对流云顶的干扰，显然WIRa代替IRW或者WV-IRW能是最好选择。

对于第二个方法，根据TC动力学，TC增强时水平风场的拉伸形变作用能够使内核区的对流快速涡丝化(Rozoff et al.2006；Wang2008)，在云图上表现为对流的高度轴对称化。WIRa分布的变化与这个过程有关。根据附图3，WIRa近似满足正态分布，尽管不同TC、不同生命史阶段，分布曲线的形状有很大不同。在TC强盛阶段，所有WIRa值向平均值μ靠拢；TC生成或消散阶段，WIRa值偏离μ。WIRa的标准差σ值和WIRa值在[μ，μ+C₂]范围内(后文表示为WIRa[μ，μ+C₂])的总像素点数都可以描述这一现象。

综上，我们选用WIRa[μ，μ+C₂]，因为它既可以排除来自薄卷云、平流层水汽异常和穿透性对流的干扰，又可以体现对流的轴对称化水平。C₂可以取1～10，他们在估计TC强度的表现上差别不大(图略)。本发明中最佳选用WIRa[μ，μ+5]的总像素点数作为TC强度估计的指标。

第四步估算出台风强度

为得到估计台风强度的方程，我们针对来自35个台风的WIRa指标(也就是WIRa[μ，μ+5]的总像素点数)与最佳路径强度进行回归(也叫拟合)。根据附图6，本发明的回归方程为I＝985.474-0.033·W-2.391×10^-5·W²，当WIRa[μ，μ+5]像素点数等于0时，估计的台风强度为985.47hPa，这说明该回归方程会高估处于热带风暴级别以下的台风强度。通过上述步骤中获取的[μ，μ+5]范围内相对应的总像素点数，也就是方程中的W可以计算出方程的强度。

第五步针对不同台风情景类型对估计方程进行偏差调整

将台风类型分为眼区、云区和“其他”(主要是登陆或没有卫星观测两种情况)这三种情景类型，然后分别进行订正。附图7可以看出，来自眼区情景的样本的强度容易被低估(估计的MSLP大于最佳路径MSLP)，而云区情景的样本容易被高估。因此针对台风情景类型不同进行的修正非常必要。订正方法具体为：

情景类型偏差调整后的台风强度估计误差有效较小，I_final与最佳路径强度的相关系数达到0.755(偏差调整前是0.638)。

Claims (4)

1.一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法，其特征在于包含如下步骤：

步骤1：在等经纬度卫星云图上提取台风中心150km范围区域内所有像素点的红外窗区亮温Tb_IRW和水汽通道亮温Tb_WV信息；

步骤2：将步骤1中提取的亮温信息数据代入方程求取WIRA指数值，所述方程中Tb_IRW为红外窗区亮温，所述方程中Tb_WV为水汽通道亮温，所述方程中C₁为180K；

步骤3：将步骤2中获取的所有WIRA指数值进行求平均值运算，获取平均值μ，统计台风中心150km范围区域内在[μ，μ+5]范围内相对应的总像素点数W；

步骤4：将步骤3中获得的总像素点数W代入方程I＝985.474-0.033·W-2.391×10^-5·W²求取台风强度值，所述方程中I是台风强度。

2.如权利要求1所述的一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法，其特征在于当所述台风为眼区情景类型，则还包括步骤5，所述步骤5为将步骤4中获取的台风强度I代入方程I_final＝I-0.003231·I²+6.0251·I-2799.2612求取修正后台风强度，所述I_final是修正后台风强度。

3.如权利要求1所述的一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法，其特征在于当所述台风为云区情景类型时，则还包括步骤5，所述步骤5为将步骤4中获取的台风强度I代入方程I_final＝I+0.003602·I²-7.2576·I+3654.3854求取修正后台风强度，所述I_final是修正后台风强度。

4.如权利要求1所述的一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法，其特征在于当所述台风不是眼区情景类型和云区情景类型时，则还包括步骤5，所述步骤5为将步骤4中获取的台风强度I代入方程I_final＝I-0.006018·I²+10.9734·I-5001.043求取修正后台风强度，所述I_final是修正后台风强度。