风云二号卫星云分类产品与信息数字化云分类对比

胡禹贤，陈刚毅，闵文彬

(1.成都信息工程学院管理学院，四川成都610103;2四川省气象局，四川成都610072)

0 引言

云是重要的气象和气候要素之一，直接影响着地气系统的辐射平衡和热量平衡。云的定性及定量判识在卫星资料的反演中非常重要，对提供未来天气变化趋势的依据有着非常重要的意义。

气象卫星资料不仅是天气分析、灾害性天气监测和数值天气预报的重要信息源，也是监测大范围干旱、洪涝和雪灾等自然灾害和地球生态系统的主要手段。气象卫星资料产品丰富，有由不同通道、不同投影及不同合成方法所组成的各种图像产品，目前，可以获得并研究的云物理参数有:云量、云类、云顶/底高、云的垂直结构、光学厚度、云中液态水、可降水量等[1]。在宏观云探测方法方面，包括卫星红外可见光测云、卫星微波测云、星载雷达测云、地基微波被动遥感等等。如盛夏等[2]、陈刚毅[3]等用不同的检测方法对MODIS(中分辨率成像光谱仪)资料进行云检测，得到较好的结果;李香淑等[4]利用热带测雨卫星上的测雨雷达和微波成像仪资料研究了在中国南海季风试验期间，南海北部中尺度对流云带从形成、发展等的变化特征。

与传统方法不同的是，研究使用了信息数字化方法，从物理量分析云的空间结构。它是针对天气演化转折性过程中灾害天气预测设计，用垂直方向上的非规则性信息揭示转折性变化。该方法的应用在暴雨预报中取得较好的预测效果，改善了暴雨难预报的现状[5]。如陆雅君等[6]采用信息数字化方法对2011年6月23日席卷北京的强对流暴雨过程进行了分析，发现气象问题是演化的非惯性系问题，其天气现象随大气的结构不同而不同;陈刚毅等[7]以成都地区2004年6月29日到30日的暴雨为例，采用信息数字化方法，配合V-3θ结构图分析，对发生暴雨前的风速、风向、温度、湿度分别进行相空间分析，实现了对城市暴雨落时、落区的细化预报。

1 云分类原理

1.1 风云二号卫星遥感云分类

随着卫星遥感探测能力的提高和遥感技术的发展，利用卫星遥感数据判识云顶粒子的相态成为可能。由于冰与水在1.6μm(微米)波段有较明显的吸收性质差异，使得冰粒子在1.6μm的反射率明显比水粒子小，从而1.6μm反射率对云顶粒子的相态比较敏感，因此可以利用1.6μm资料进行云顶粒子相态识别[8，9]。

风云二号静止气象卫星上装载有可见光、中波红外、水汽和红外波段探测通道，尽管不具备云相态识别常用的1.6μm和8μm波段的探测通道，但其搭载的3.7μm探测通道也可在白天的云相态识别中发挥作用。利用FY-2的多通道数据，尤其是中波红外通道数据，基于云在不同探测波段上的物理特性，可以研究云相态的识别算法[10]。

目前通过风云二号卫星遥感数据的云检测方法对云状判别较好的有积雨云、层积云、中高云、卷云等具有天气意义的几类。但卫星反演云参数对云的识别仍有很多不足，如对夜间近地面的低云、冰雪下垫面地区的云等，同时有些云检测方法的云类样本需要进一步提高。目前云顶高度的计算大多基于卫星红外通道得到的亮温资料进行，但此方法依赖的条件和实际环境条件会使得到的结果出现1－2km(千米)甚至更大的误差，后来虽有改进，但仍有不足;云的立体观测技术对单层云云顶高观测效果好，但对实际中两层云甚至多层云的情况不能很好反演。

1.2 信息数字化方法及V-3θ图

信息数字化方法以一种图像的形式来认识事物而包含了事物或事件的结构、温度、方向等等属性，为了将对流层大气垂直结构凸显出来，设计了V-3θ图。该图以温度、气压为横纵坐标，绘制出对流层的位温θ(单位:℃)、θsed(以露点温度计算出的假相当位温，单位:℃)、θ*(饱和位温，单位:℃)3条曲线及风矢量的结构分析图。根据θsed对θ和θ*的偏移程度判断各层是否有云，如果θsed偏向于θ，说明该层水汽偏干;如果θsed偏向于θ*，说明该层水汽偏湿;根据(θ*—θsed)阈值分析出云的高度、厚度、层次、浓密程度以及云的结构特征;根据滚流方向判断未来天气是转好或变坏—滚流是垂直面上的涡流，使空气上下层混合。该方法由于展现了探空站地面至对流层顶的天气信息，固不同层次的云都可鉴别，不会出现云因重叠而无法辨别的情况，但目前可以分析出的云类别较少，需要进一步研究。

1.2.1 不同云类的V-3θ图特征

根据信息数字化方法，可以识别层云、积云和层云冷、暖性质，其余云类别还有待重点研究。

(1)层云的V-3θ图特征

层云的形成过程与大范围的上升气流或大范围不规则的扰动有关。层云的出现表明该云层大气稳定，它的结构特征为:在V-3θ图中某层出现3条曲线折拐趋势一致，θsed和θ*曲线接近重合或重合(相差小于等于3K(热力学温度单位:开尔文))，θsed越接近θ*，层云密实度越高。θsed和θ*曲线接近重合或重合的高度即为层云高度。

图1 红原2012年1月19日08时V-3θ图

图2 温江2010年8月18日08时V-3θ图

如图1所示，红原θsed和θ*曲线下端接近重合，表明该层水汽充足，非常密实，并3条曲线折拐趋势一致，根据特征可以推断为层云。其云顶位于612hPa处，厚度为655～612hPa。另外，可以看到层云底端存在北风，在空间结构上构成逆滚流[5]，预示未来云层会有一定的减弱、消散。

(2)积云的V-3θ图特征

积云是大气的一种对流现象，积云存在并在V-3θ图上表现出的结构特征是:近地层水汽充沛，θsed和θ*曲线靠近并接近于3～5K;3条曲线呈现多层趋势一致的非规则折拐，若θsed和θ*曲线并行，则为对流云中的积雨云，并且θ曲线呈左弓状并多次左拐的特征是强积雨云发展的标志等。如果发布全部非规则信息，将呈现极其频繁的变化，可识别性将更强。

图2中，由θsed与θ*曲线的结构形状，可以看出温江站上空(500～250hPa)为对流云中的积雨云(θsed与θ*曲线并行和频繁折拐)。

(3)暖云的V-3θ图特征

暖云的结构特征为:3条曲线随压强在某一高度准平行于T(热力学温度)轴或略向右倾斜与T轴成略小于30°夹角;θsed和θ*曲线准平行或几乎重合的强逆温状态。浓密程度取决于θsed和θ*曲线的接近程度，并暖层云高度为θsed和θ*曲线准平行或几乎重合的高度。

图4 达川2012年7月10日08时V-3θ图

图3中，很明显可见700hPa附近3条曲线呈右倾平行状态，并与T轴接近平行，θsed和θ*曲线接近且趋于重合，由此推断该层为暖层云。该层出现北风，预示未来暖层云会消散，可能只留下少量云。

(4)冷云的V-3θ图特征

冷云的结构特征为:3条曲线在某一层次随压强表现为一致左倾折拐，同时θsed和θ*曲线接近或重合并且个别地呈现准平行于T轴形成密集层，左倾并趋于重合的高度即为冷层云的高度。图4中，400～500hPa 3条曲线一致左倾折拐，同时θsed和θ*曲线接近重合且准平行于T轴，由此推断该层为冷层云，同时450hPa的折拐为冷层云云底，至400hPa的折拐之间的高度即为冷层云的高度。

2 卫星遥感与数字化云分类对比分析

2.1 对比分析时空选择

研究时间段为2012年1～10月，研究目标为红原、西昌、温江、达川4个探空站，4个探空站分别位于四川省北、南、中、东部，位置分布合理，如图5。信息数字化方法数据来源于大气探空气球(数据来源:四川省气象局气象台tlogp资料)，数据采集时间为8:00和20:00，气球从探空站风向上游自然飘升。风云二号气象卫星云产品(数据来源:四川省气象局成都高原气象研究所资料)时次为每小时一次，采集固定网格点位置上空卫星云图。该研究中探空站点与网格点不重合，网格点呈行列式分布，相邻网格点距离相等，如图6。故只能考虑离探空站点最近的四个网格点。考虑到探空气球整个漂移过程历时近两个小时，并且气球会有东西南北向的距离漂移，为尽量减小其与卫星产品时间和空间不匹配上的误差，将与探空观测时间相邻的两个时次的卫星数据一并进行分析，也就是用7、8、9时和19、20、21时的FY-2D或FY-2E云分类产品与信息数字化方法分析的8、20时的云类别进行对比(风云卫星7、8、9时的数据对应V-3θ图8时的数据，卫星的19、20、21时则对应V-3θ图的20时)，将探空站周围矩形区域的最近4个网格点位置的卫星云分类产品与信息数字化方法探空站的云类别进行对比，评估卫星产品的可靠性。

图5 四川及周边省份探空站点分布图

图6 网格点(空心圆圈)分布示例

2.2 匹配原理

风云二号卫星D和E星云分类产品包括的云类别为:晴空、混合像元、雨层云或高层云、卷层云、密卷云、积雨云、层积云或高积云。若出现多层云，则只能反演最上层云类。其中的积云(积雨云、层积云或高积云)和卷云(卷层云、密卷云)归为对流云这个大类。

信息数字化方法能分辨晴空，对流云(可以分辨积云这个大类，在2.2.3中作了陈述)和对流云高度、厚度及稀密程度，层云和层云冷暖性质、高度、厚度，并且可以分析出从低层至高层所有层次的云类和各云类高度。在该方法中，对流云做不到像遥感卫星那样细分，也就是不能具体分辨积雨云、层积云、高积云、卷层云、密卷云，只能根据某一特征概括为对流云，该特征为:θsed和θ*曲线随着压强P的增大向左呈线性递减，或随着P的增大不变或少变，θsed和θ*曲线靠近并接近于3～5 K。对流云的存在表示对流层大气的垂直结构极度不均匀，而积聚了不稳定能量有待释放。

可以看到，信息数字化方法可以反演云层高度、厚度、稀密程度，弥补了遥感卫星的不足，两种方法的综合应用有很大的前景，此文中只是研究了两者云类别的匹配，有待后面研究进一步深化。鉴于两种方法云类别的差异，现在说明两种方法云的匹配原理:卫星产品的晴空匹配V-3θ的晴空;雨层云或高层云匹配V-3θ的层云(包括冷、暖层云);积云和卷云匹配V-3θ的对流云。

2.3 统计分析结果

2.3.1 分站点和时间

下表为不同站点2012年1～10月的所有云类匹配率。

表1 4个测站1－10月云类匹配率

分析表1中数据可知:从全年来看，温江匹配率排第一，西昌第二，再是达川和红原;四个站点在9、10月份(秋季)的匹配率最高，6、7、8月次之(夏季);9、10月中，站点西昌和温江的匹配效果最好，而在6、7、8中，温江效果最佳，达川略差。总体上看，两种方法云类别匹配率高于65%，个别高达93%，说明该研究有意义。

温江地处成都平原，地势低，空气对流较四周山地强烈，云层深厚(如图8，云层为775－363hPa，厚度达6km左右)，云类反演效果好，所以全年来看，温江云的匹配率最好;因气候原因，四川在夏季和秋季温度较高，而且在西南和东南方向不断地有暖湿气流吹入，空气对流性强。此种情况下，天空云彩多且厚重，所以不难解释四个探空站点在夏秋季节匹配率高;红原有3km的海拔高度，各种水汽不易进入，云层稀薄，遥感光谱易穿透，丢失云层信息，给卫星识别云类带来了难度。而信息数字化由于是用探空气球逐层采集高空湿度、温度等信息，所以即使在云量很低的情况下也能够进行很好的识别，所以红原上空云的匹配率较低。

图7所示为达川2012年10月7日(秋季)V-3θ图，从底部1000hPa至高层400hPa(厚度约7500m)，θsed和θ*曲线非常接近，说明该云层相当密实，用遥感卫星或信息数字化方法反演都能取得好的效果。实际结果为:遥感卫星反演为积云或卷云，与信息数字化方法判定的对流云是吻合的。

图8 温江2012年3月23(春季)V-3θ图

2.3.2 分不同云类与时间

下表为晴空、层云和对流云1～10月的匹配情况。

表2 3种云类1－10月的匹配率

由表2中数据可知:对流云在每个时间段下的匹配率都最高，并且以秋季(9、10月)效果最佳(94.5%);层云在冬春季节(1、2、3、4、5月)匹配率(60.8%、59.1%)低于同时间段下的晴空和对流云;晴空匹配效果呈现不确定性。

对流云包含云类较多，且对流云较其他云类深厚，遥感卫星和信息数字化对其反演效果好，匹配率会较高。秋季天气平稳，云层稳定，在两种研究方法的时间误差上云层不会出现太大变化，所以秋季匹配效果最佳;层云较薄，并且层云上层或下层常见其它云类，而遥感卫星只能反演最上层云类，V-3θ图却不受云层叠加影响，导致了层云匹配率效果不理想。遥感卫星是用波谱(可见光、中波红外、水汽和红外波段)获得云层信息，波谱的穿透作用可能导致低云量情况下丢失云层信息，也就是在低云量下判断为晴空，所以晴空匹配效果不理想。

图8中，775～669hPa为对流云，669～500hPa为层云，500～363hPa又为对流云。层云上层和下层都出现了对流云，而遥感卫星反演的是最上层云，也就是500～363hPa的对流云，在这种情况下，两种云分类方法的结果必然是不同的。

3 结论与讨论

探讨风云二号卫星和信息数字化云分类原理，对比了两种方法云分类结果，发现两者晴空、层云、对流云三种云类匹配率较高，说明了信息数字化V-3θ图能够反映高空云信息。风云二号卫星具有较高的时空分辨率，能够辨别雨层云、高层云、卷层云、密卷云等多种云类，而且云的立体观测技术对单层云云顶高观测效果好，但对实际中两层云甚至多层云的情况不能很好反演。信息数字化方法可以分析云的冷暖性质、云层的高度和厚度，特别是能够反演叠加云层，但其目前可以辨别的云类仅有晴空、层云、积云、对流云，并且时空分辨率低。本研究表明两种方法在获取云信息上可以取长补短，有利于充分挖掘高空云信息，为天气预测作出更精确的指示。在下一步研究中，除了综合两种方法研究云外，将会致力于V-3θ图云分类的细化，以求两种方法更完美的契合。

[1] 陆雅君，陈刚毅，等.测云方法研究进展[J].气象科技，2012，40(5):689－697.

[2] 盛夏，孙龙祥，等.利用MODIS数据进行云检测[J].解放军理工大学学报:自然科学版，2004，5(4):98－102.

[3] 陈刚毅，赵丽妍.气象卫星TBB资料的交叉预报误差及其暴雨实例分析[J].气象科学，2006，26(5):553－557.

[4] 李香淑，郭学良，等.南海季风爆发期间中尺度对流云带演变特征与持续性加强的机理研究[J].大气科学，2011，35(2):259－271.

[5] 陈刚毅，欧阳伯嶙，等.城市暴雨防洪、减灾问题[J].科学研究，2006，14(2):123－125.

[6] 陆雅君，陈刚毅.北京2011年“623”强对流暴雨数字化结构分析[J].成都信息工程学院学报，2011.

[7] 陈刚毅，徐阳，等.城市暴雨的细化预测实例分析[J].成都信息工程学院学报，2011:584－589.

[8] 刘健，董超华，等.FY-1C资料在云顶粒子热力学相态分析中的应用研究[J].大气科学，2003，27(5):901－908.

[9] Kokhanovsky A A，Jourdan O，Burrows J P.The cloud phase discrimination from a satellite[J].IEEE Geoscience and Remote Sensing Letters，2006，13(1):103－106.

[10] 刘健，李云.风云二号静止气象卫星的云相态识别算法[J].红外与毫米波学报，2011，30(4):322－327.