基于SCIT的風(fēng)暴識(shí)別與其算法實(shí)現(xiàn)

1、基于SCIT的風(fēng)暴識(shí)別與其算法實(shí)現(xiàn)     基于SCIT的風(fēng)暴識(shí)別與其算法實(shí)現(xiàn)范文1引言多普勒雷達(dá)是中小尺度災(zāi)害天氣的主要探測工具之一，具有時(shí)空分辨率高的優(yōu)點(diǎn)。國內(nèi)外氣象工作者在把雷達(dá)遙感新技術(shù)應(yīng)用于氣象預(yù)報(bào)方面做了大量的研究1。而基于雷達(dá)基數(shù)據(jù)對風(fēng)暴單體以及風(fēng)暴帶的識(shí)別、追蹤及預(yù)警是利用多普勒雷達(dá)進(jìn)行短時(shí)預(yù)報(bào)的一個(gè)重要方面。在很多國內(nèi)外常用的臨近預(yù)報(bào)系統(tǒng)中，都利用了雷達(dá)數(shù)據(jù)對風(fēng)暴進(jìn)行識(shí)別追蹤以及外推預(yù)報(bào)2。在風(fēng)暴識(shí)別追蹤的發(fā)展歷程中有兩個(gè)比較有代表性的算法，其一是美國國家大氣研究中心提出的TITAN算法(Thunderstorm Identificat

2、ion,Tracking,Analysis,and Nowcasting)3，其二是美國國家強(qiáng)風(fēng)暴中心提出的SCIT算法4。這兩個(gè)算法已經(jīng)廣泛地投入到實(shí)際的業(yè)務(wù)應(yīng)用中，也取得了比較好的效果。其中，TITAN算法利用了一個(gè)閾值來識(shí)別風(fēng)暴體，識(shí)別出來的風(fēng)暴用橢圓或者多邊形表示，但是多邊形的表示方法對于弓狀回波不能準(zhǔn)確反映。SCIT算法利用了七個(gè)閾值來識(shí)別風(fēng)暴的質(zhì)心，雖然能夠比較好地確定風(fēng)暴單體的中心，但丟失了風(fēng)暴帶的形態(tài)信息。這兩個(gè)算法都有優(yōu)點(diǎn)，又都有局限。TITAN算法適用于風(fēng)暴帶的識(shí)別追蹤，而SCIT算法適用于風(fēng)暴質(zhì)心的識(shí)別追蹤。近年來，國內(nèi)在強(qiáng)對流風(fēng)暴的雷達(dá)資料處理方面做了大量的研究。胡勝等

3、5在WSR-88DBiuld9.0(B9SI)的基礎(chǔ)上設(shè)計(jì)了以風(fēng)暴對流發(fā)展信息(CSI)方法來描述風(fēng)暴對流發(fā)展的強(qiáng)弱。王艷蘭等6運(yùn)用多普勒雷達(dá)的徑向速度資料，計(jì)算對流回波單體的徑向散度值，并且利用回波輻合總量及輻合中心值與反射率因子、垂直累積液態(tài)含水量及中心值進(jìn)行對比分析得到了底層徑向輻合有利于回波維持或加強(qiáng)的結(jié)論。蘭紅平等7利用模式識(shí)別技術(shù)進(jìn)行云團(tuán)識(shí)別，拓?fù)涮幚?，建立生命周期，并進(jìn)行外推預(yù)報(bào)。周毓荃等8對TITAN系統(tǒng)進(jìn)行移植，使其適應(yīng)我國的各類氣象數(shù)據(jù)。由于風(fēng)暴帶發(fā)展移動(dòng)過程中與內(nèi)部風(fēng)暴單體的產(chǎn)生消散有密切的關(guān)系，并且不同風(fēng)暴帶的合并與分裂又對風(fēng)暴的增強(qiáng)與消散的趨勢有很大的影響。為了能夠在

4、風(fēng)暴帶的識(shí)別中加入風(fēng)暴內(nèi)部結(jié)構(gòu)識(shí)別，更準(zhǔn)確地對風(fēng)暴帶進(jìn)行描述，同時(shí)在對風(fēng)暴帶的形態(tài)特點(diǎn)進(jìn)行分析中能自動(dòng)識(shí)別出合并與分裂的臨界點(diǎn)，以期能夠判斷風(fēng)暴帶的虛假合并，并以跟蹤該臨近點(diǎn)的變化作為風(fēng)暴增強(qiáng)與減弱的預(yù)警，本文在TITAN與SICT的基礎(chǔ)上，改進(jìn)了風(fēng)暴識(shí)別方法，且利用計(jì)算幾何的相關(guān)算法對風(fēng)暴輪廓多邊形進(jìn)行分析，找到合并與分裂的臨界區(qū)域。2識(shí)別中的合并問題風(fēng)暴帶邊緣合并分為真合并和假合并兩種，在本文的算法中，把真合并定義為兩個(gè)或兩個(gè)以上較大的風(fēng)暴單體在距離上，符合風(fēng)暴的空間尺度、物理性質(zhì)都有一致性且在空間中互相融合，識(shí)別出來的風(fēng)暴帶向著增強(qiáng)的方向發(fā)展。把假合并定義為識(shí)別出來的風(fēng)暴帶內(nèi)的風(fēng)暴單體在

5、距離上符合空間尺度、物理性質(zhì)不一致且在空間中風(fēng)暴帶沒有相對狹小的過度帶，由于探測原因引起的虛假合并，并且臨界區(qū)的發(fā)展趨勢未向增強(qiáng)的方向發(fā)展。在風(fēng)暴帶的識(shí)別中，由于TITAN采用的是三維空間聚類技術(shù)，并且識(shí)別風(fēng)暴時(shí)使用的是一個(gè)單一的閾值，在某些情況下往往會(huì)將兩個(gè)相鄰的風(fēng)暴帶被識(shí)別成一個(gè)風(fēng)暴帶，這將給風(fēng)暴追蹤帶來誤差。假合并現(xiàn)象出現(xiàn)的原因很多，有地形、地物回波的影響，也有數(shù)據(jù)處理方面帶來的影響。假合并會(huì)給風(fēng)暴的追蹤、預(yù)警帶來很大誤差，韓雷等9利用圖像處理的方法，對TITAN識(shí)別的風(fēng)暴回波進(jìn)行腐蝕處理，能夠把一些虛假合并的回波分離出來。但是這種純粹用圖像處理的方法，沒有考慮到風(fēng)暴帶內(nèi)部的結(jié)構(gòu)信息，也

6、沒有考慮到風(fēng)暴單體的物理性質(zhì)。本文首先在風(fēng)暴帶識(shí)別中基于SCIT風(fēng)暴段的概念進(jìn)行風(fēng)暴輪廓追蹤，有效避免了由于數(shù)據(jù)插值引起的虛假合并現(xiàn)象。然后分析風(fēng)暴帶內(nèi)部結(jié)構(gòu)，并對風(fēng)暴帶的輪廓形態(tài)進(jìn)行分析，自動(dòng)識(shí)別出合并的臨界區(qū)，為風(fēng)暴發(fā)展的趨勢判斷提供新的參數(shù)。3風(fēng)暴識(shí)別3.1數(shù)據(jù)預(yù)處理在TITAN算法中，為了更加方便輪廓的后期處理，風(fēng)暴識(shí)別前的數(shù)據(jù)預(yù)處理階段要把雷達(dá)數(shù)據(jù)以最近鄰位法投影到笛卡爾坐標(biāo)系上，這導(dǎo)致了在回波段的識(shí)別中出現(xiàn)誤差，在輪廓追蹤時(shí)就產(chǎn)生了回波的虛假合并現(xiàn)象。因此，本文在數(shù)據(jù)預(yù)處理階段，除了必要的質(zhì)量控制以外，并不把雷達(dá)數(shù)據(jù)從極坐標(biāo)上投影到笛卡爾坐標(biāo)上。3.2基于SCIT的風(fēng)暴識(shí)別SCIT

7、算法對于風(fēng)暴內(nèi)部結(jié)構(gòu)的分析已經(jīng)很成熟，所以在風(fēng)暴帶輪廓追蹤之前，首先利用SCIT算法對風(fēng)暴進(jìn)行識(shí)別。SCIT算法的思路是把“風(fēng)暴”看作是一個(gè)三維立體結(jié)構(gòu)，在識(shí)別時(shí)首先在一維徑向上搜索反射率因子大于一定閾值的連續(xù)區(qū)域（稱之為風(fēng)暴段），然后依據(jù)同一層次內(nèi)相鄰方位間風(fēng)暴段的相關(guān)性，將滿足一定條件的風(fēng)暴段合成為一個(gè)二維區(qū)域（稱之為風(fēng)暴分量），最后根據(jù)風(fēng)暴的垂直相關(guān)性將不同層次上的風(fēng)暴段合成為一個(gè)具有三維結(jié)構(gòu)的風(fēng)暴單體。本文算法在實(shí)現(xiàn)SCIT對風(fēng)暴進(jìn)行識(shí)別的過程中，識(shí)別出所有風(fēng)暴段后，對風(fēng)暴段歸類時(shí)利用了樹的前序遍歷算法，不用對每兩個(gè)風(fēng)暴段之間進(jìn)行比較，節(jié)省了運(yùn)算量和空間，歸類到判別條件包括相鄰的方位角

8、小于方位角分離閾值，相鄰風(fēng)暴段重迭的距離必須大于風(fēng)暴重迭距離閾值，其中重迭是指相鄰風(fēng)暴中徑向上位于同一距離上的庫的長度，并且依據(jù)SCIT中設(shè)定段的默認(rèn)個(gè)數(shù)閾值和風(fēng)暴分量的面積閾值，當(dāng)所有條件符合時(shí)，識(shí)別為一個(gè)二維風(fēng)暴分量。SCIT算法的目標(biāo)是得到風(fēng)暴質(zhì)心及其物理特征，而本文算法基于SCIT算法中風(fēng)暴段的概念，將所有符合條件的風(fēng)暴段識(shí)別成一個(gè)統(tǒng)一的風(fēng)暴帶，并且在利用SCIT算法尋找風(fēng)暴質(zhì)心的過程中，對風(fēng)暴帶內(nèi)部的結(jié)構(gòu)物理信息進(jìn)行提取，包括各個(gè)風(fēng)暴單體的位置、形狀、體積、液態(tài)水含量等，并且以此做為基礎(chǔ)，進(jìn)行風(fēng)暴帶的分析。利用這樣的方法識(shí)別出來的風(fēng)暴帶，附帶了風(fēng)暴帶內(nèi)部各個(gè)風(fēng)暴單體的信息，為下一步的

9、風(fēng)暴帶輪廓追蹤、合并臨界區(qū)的識(shí)別提供了基礎(chǔ)。3.3風(fēng)暴輪廓追蹤為了對上述識(shí)別出來的風(fēng)暴帶提取輪廓信息，本文提出了一種新的風(fēng)暴輪廓跟蹤算法，該算法基于SCIT算法中風(fēng)暴段的劃分思想，從二維風(fēng)暴向量的第一個(gè)風(fēng)暴段開始以方位角順時(shí)針即方位角增大的方向進(jìn)行搜索，利用一維風(fēng)暴排列的規(guī)律尋找到一系列的端點(diǎn)，這個(gè)一維風(fēng)暴端點(diǎn)的序列構(gòu)成了風(fēng)暴帶的輪廓，對于風(fēng)暴帶里包含的風(fēng)暴單體，也根據(jù)不同閾值的風(fēng)暴段進(jìn)行輪廓跟蹤，最終得到的風(fēng)暴帶的輪廓信息包含基礎(chǔ)閾值的輪廓及在其內(nèi)部的各個(gè)風(fēng)暴單體的輪廓。風(fēng)暴段的搜索規(guī)律如下。（1）當(dāng)搜索方位角的方向是順時(shí)針時(shí)，只需要搜索風(fēng)暴段的徑向距離比較近的那個(gè)端點(diǎn)。當(dāng)搜索方位角的方向是

10、逆時(shí)針時(shí)，只需要搜索風(fēng)暴段的徑向距離比較遠(yuǎn)的那個(gè)端點(diǎn)。（2）當(dāng)出現(xiàn)當(dāng)前風(fēng)暴段和搜索方向上的下一個(gè)方位角的風(fēng)暴段沒有相交的情況時(shí)，判斷為拐點(diǎn)，改變搜索方向。（3）當(dāng)出現(xiàn)當(dāng)前的風(fēng)暴段同時(shí)和搜索方向的反方向上兩個(gè)相鄰風(fēng)暴段同時(shí)相交，也判斷為拐點(diǎn)，改變搜索方向。（4）當(dāng)搜索到第一個(gè)風(fēng)暴段時(shí)，輪廓追蹤結(jié)束。如圖1所示，算法從A點(diǎn)開始追蹤30dBZ以上的風(fēng)暴段，形成了外圍的輪廓線作為風(fēng)暴帶的基本輪廓，然后又從B點(diǎn)出發(fā)追蹤35dBZ的風(fēng)暴段，形成內(nèi)部的風(fēng)暴單體的輪廓。圖1風(fēng)暴輪廓追蹤圖2是回波閾值大于35dBZ的雷達(dá)回波圖，其中圖2c是極坐標(biāo)下雷達(dá)回波圖，很明顯在A區(qū)域存在兩個(gè)互相獨(dú)立的回波塊，在經(jīng)過最近領(lǐng)

11、域法插值后（圖2a），兩個(gè)獨(dú)立的回波塊合并成一個(gè)，根據(jù)TITAN的識(shí)別方法就會(huì)出現(xiàn)虛假合并現(xiàn)象。圖2b是基于SCIT的風(fēng)暴輪廓識(shí)別結(jié)果，避免了因?yàn)閿?shù)據(jù)插值產(chǎn)生虛假合并的現(xiàn)象。4風(fēng)暴帶分析經(jīng)過上文的算法識(shí)別得到風(fēng)暴帶的內(nèi)部結(jié)構(gòu)信息、內(nèi)部風(fēng)暴單體運(yùn)動(dòng)信息和風(fēng)暴帶的輪廓信息后對風(fēng)暴帶進(jìn)行分析，確定是否屬于假合并情況，確定是否需要分割風(fēng)暴以避免假合并。為了對風(fēng)暴帶形態(tài)進(jìn)行分析，找到合并與分裂的臨界區(qū)域，本文選取了兩個(gè)量：一是利用計(jì)算幾何的凸殼算法得到的K值，二是利用Delaunay三角形劃分得到的輪廓最狹小區(qū)域的avgZ值和H值。凸殼是計(jì)算幾何中最普遍、最基本的一種結(jié)構(gòu)，在多邊形的算法中有著廣泛的應(yīng)用

12、。本文算法的思路是，先求出利用上文所述算法輸出的風(fēng)暴多邊形的凸殼，然后根據(jù)凸殼的每條邊找到對應(yīng)的最大的凹點(diǎn)，把這些點(diǎn)作為考察點(diǎn)。然后求出其他凸殼的邊對應(yīng)的多邊形頂點(diǎn)和考察點(diǎn)的距離，選取具有最小距離的那個(gè)點(diǎn)與考察點(diǎn)組成一條切割線，把風(fēng)暴多邊形分成兩部分，最后設(shè)計(jì)一個(gè)量K考察所有的考察點(diǎn)，選取最小K值的點(diǎn)，分析被分割的風(fēng)暴帶兩部分的特征。K值的意義在于表征了風(fēng)暴帶輪廓上考察點(diǎn)相對于整個(gè)風(fēng)暴帶的凹陷程度，K值越小(大)表示凹陷程度越小(大)。具體的算法如下。輸入：設(shè)按逆時(shí)針方向排列的風(fēng)暴多邊形P的坐標(biāo)為Pi(xi,yi),i=1n。輸出：點(diǎn)q（表示到凸殼界最遠(yuǎn)距離點(diǎn)的集合）。第1步：利用凸殼算法計(jì)算

13、出多邊形的凸殼CH（P1,P2,Pn）10。第2步：設(shè)Pi與Pi+l是CH的兩個(gè)相鄰頂點(diǎn)，計(jì)算Pi到Pi+1中距離PiPi+1最遠(yuǎn)的點(diǎn)，設(shè)為Pk、'kP為Pk在PiPi+1上的垂足。定義K值為，''1(,1,2,3,4,)kkkikiiKPPPPPPPi+=q=q1,q2,其中qiCH，且對應(yīng)于每個(gè)qi存在最大值K，'ikK=qP。Delaunay三角形剖分由于擁有空外接圓和最小角最大化兩個(gè)性質(zhì)，保證了生成的三角接近正圓的特點(diǎn)，在模式識(shí)別，計(jì)算機(jī)圖形圖像處理方面有著廣泛的應(yīng)用。對于一個(gè)多邊形而言，Delaunay三角的剖分結(jié)果具有唯一性，即無論從哪個(gè)點(diǎn)開始剖分，

14、得到的三角剖分結(jié)果都是唯一的。利用Delaunay三角剖分的上述性質(zhì)可以對風(fēng)暴形態(tài)的特點(diǎn)進(jìn)行分析。把識(shí)別出的風(fēng)暴帶輪廓剖分成一組以輪廓多邊形頂點(diǎn)為端點(diǎn)的三角形，然后利用三角形的內(nèi)心找出風(fēng)暴帶的最長路徑。對于最長路徑上的三角形分別求出平均反射率因子avgZ與對應(yīng)的H值。然后對avgZ與H值進(jìn)行分析，結(jié)合上文所述求出的K值，共同判斷合并與分裂的臨界區(qū)域。其中，avgZ與H的計(jì)算方法為：avgZ=ZS，Z表示三角形區(qū)域內(nèi)所有雷達(dá)回波的發(fā)射率因子總和，S表示三角形區(qū)域的面積。maxmin(),(),1,2,3max()1,2,3iiiSdaaPiHdaai=其中S為三角形的面積，ai為三角形的邊，P為

15、識(shí)別出的風(fēng)暴帶輪廓。avgZ的分布體現(xiàn)了在風(fēng)暴帶的延伸方向上反射率因子的分布，通過對avgZ的分析可得到風(fēng)暴帶內(nèi)部風(fēng)暴質(zhì)心的分布特征。H表征了在風(fēng)暴帶延伸方向上風(fēng)暴帶的寬度，利用K、avgZ、H的值能得到風(fēng)暴帶合并臨界區(qū)域，其滿足下列兩個(gè)條件：臨界區(qū)域的avgZ值在極小值附近，即臨界區(qū)域的回波強(qiáng)度相對比較小，不在回波中心。臨界區(qū)域的H/(K+H)值趨于1，即在風(fēng)暴帶相對最窄區(qū)域。5算法實(shí)現(xiàn)與討論5.1算法實(shí)現(xiàn)本文的算法利用VC+進(jìn)行編程，為了使算法具有可移植性，編程實(shí)現(xiàn)了模塊化。2009年7月6日22時(shí)7日08時(shí)，南京城區(qū)普降大到暴雨，其平均降雨超過100mm。根據(jù)南京龍王山多普勒雷達(dá)資料顯示

16、，多個(gè)風(fēng)暴在南京西北部形成，在其東南移動(dòng)的過程中伴隨著分裂與合并，包含了風(fēng)暴單體之間的互相作用，所以利用該雷達(dá)資料對算法進(jìn)行檢驗(yàn)具有一定的典型性。一般而言，對流風(fēng)暴的反射率因子的識(shí)別閾值可以在3040dBZ。本文預(yù)設(shè)風(fēng)暴識(shí)別閾值為30dBZ。圖3是7月7日7:42(北京時(shí)，下同)的雷達(dá)回波，左圖是本文算法識(shí)別出的風(fēng)暴帶，黑色廓線代表30dBZ閾值時(shí)的風(fēng)暴帶輪廓，深藍(lán)色廓線是利用動(dòng)態(tài)閾值的方法在30dBZ閾值的風(fēng)暴的基礎(chǔ)上識(shí)別出的風(fēng)暴內(nèi)部結(jié)構(gòu)信息。右圖是SCIT的風(fēng)暴識(shí)別跟蹤結(jié)果，SCIT方法對風(fēng)暴中的風(fēng)暴質(zhì)心進(jìn)行了識(shí)別跟蹤。對比兩圖可發(fā)現(xiàn)，對于經(jīng)過南京上空的風(fēng)暴追蹤，雖然識(shí)別的結(jié)果表現(xiàn)形式不一

17、樣，由于本文算法利用SCIT中風(fēng)暴段識(shí)別部分作為識(shí)別整個(gè)風(fēng)暴帶的基礎(chǔ)，所以在30dBZ閾值基礎(chǔ)上內(nèi)部風(fēng)暴單體的識(shí)別的相關(guān)性比較好。與SCIT不同的是，左圖識(shí)別出來的并非風(fēng)暴質(zhì)心，而是風(fēng)暴帶，且在識(shí)別過程中提取了風(fēng)暴帶內(nèi)部各個(gè)風(fēng)暴單體的信息。圖4是7月6日22:06的雷達(dá)回波，風(fēng)暴的合并增強(qiáng)過程從7月6日22時(shí)7月7日凌晨，7日08時(shí)降水達(dá)到最大。在圖4中，本文抽取了一個(gè)已經(jīng)識(shí)別出來的風(fēng)暴帶進(jìn)行分析，該風(fēng)暴帶由前一個(gè)時(shí)次的兩個(gè)分開的風(fēng)暴帶合并而成。圖4的右上部分是風(fēng)暴帶經(jīng)過計(jì)算幾何DT算法得到的結(jié)果，其中藍(lán)色線條是經(jīng)過DT剖分遍歷三角形內(nèi)心得到的風(fēng)暴最長路徑，最長路徑能夠很好地反映出風(fēng)暴帶的形態(tài)

18、及延伸方向。圖4的右下部分的小圈內(nèi)部分是經(jīng)過凸殼運(yùn)算后得到的K值的考察點(diǎn)。在得到風(fēng)暴的輪廓信息與內(nèi)部結(jié)構(gòu)信息后，對本文提出的幾個(gè)指標(biāo)進(jìn)行計(jì)算分析。如圖5所示，沿著風(fēng)暴帶路徑求取每個(gè)三角形的avgZ、H值，并結(jié)合K值得到風(fēng)暴路徑上的H/(K+H)的值。由圖5可見，avgZ、H值的分布具有很大相關(guān)性，對avgZ的各極小值(A、B、C、D點(diǎn))進(jìn)行考察發(fā)現(xiàn)，只有B點(diǎn)所對應(yīng)的H值較小，且滿足兩邊都有風(fēng)暴中心的條件；而D點(diǎn)雖然對應(yīng)的H值也比較小，因?yàn)槭窃诼窂降倪吘壊糠植⑶覂蛇厸]有風(fēng)暴中心分布，所以不滿足條件。對照H/(K+H)曲線可看出，D點(diǎn)附近其值小于0.5，表明在該區(qū)域內(nèi)風(fēng)暴帶的相對凹陷程度最大。綜合以上判斷可以得出D區(qū)域?yàn)轱L(fēng)暴合并的臨界區(qū)域。5.2算法評價(jià)為評價(jià)算法的正確性以及適用程度，本文選取2009年7月6日00:007日23: