一种基于新一代静止卫星数据的中尺度对流动态追踪方法与流程

本发明属于对流动态追踪技术领域，具体涉及一种基于新一代静止卫星数据的中尺度对流动态追踪方法。

背景技术：

中尺度对流系统，即mcs与灾害性天气(极端降水，冰雹，龙卷等)的发生发展关系密切。传统的地基观测由于时空分辨率的限制，难以有效地捕捉mcs。新一代静止卫星数据的出现，使得动态追踪mcs的发生发展成为可能。传统的动态追踪mcs的方法，往往为aol方案。这一方案能够有效追踪较大的云团，然而却难以捕捉较小的、尚未发展起来的mcs，以及移动速度较快的对流。

具体的，aol方案，即面积重叠法，其实现原理为：假设同一云团在相邻两帧卫星图像上有一定的重叠区。有且只有当前后两个时次的两个云团重叠面积比率高于设定的重叠率阈值时，才认为这两个云团相匹配，是不同时次卫星云图上的同一朵云。

假如对流尚未发展起来(云团尺度很小)，又或者移动速度很快，那么同一云团在相邻两帧卫星图像上的重叠区域可能低于设置的重叠率阈值，甚至为0。这种情况下，小对流无法被aol方案抓住。很多尺度很小的对流系统容易被aol方案遗漏。此外，在一些较大的对流系统的初生和消亡阶段，对流云团的尺度相对较小，aol方案只能抓住这些大系统相对成熟的阶段，在对流尚未发展起来或者趋于消散的阶段，aol无法捕捉到，因此，aol方案虽然能抓住较大的系统，但生命期是不完整的。

aol方案基础上叠加卡尔曼滤波方案[huangetal.,2018]，能够更好地捕捉到小对流。kf方案的核心是卡尔曼滤波的五个方程，其中包括两个预测方程和三个修正方程，主要根据上一时次的状态变量和协方差矩阵进行迭代。其中，状态变量是一个四维变量，包括上一时次的位置和移动矢量。由于在初始时次，状态变量无法准确获知，所以通常采用随机初始化的方法给卡尔曼滤波方案赋初值。

由于在初始时刻，现有方案中通常采用随机初始化的方法给卡尔曼滤波方案赋初值，因此卡尔曼滤波方案的预测结果在前几步是非常不稳定的，需要迭代到一定步数后算法才会逐渐收敛，这就导致初始时次的小对流仍然无法用卡尔曼滤波方案准确地捕捉，可能存在很多匹配错误的情况。

此外，huang等(2018)中，aol方案中的面积重叠率采用的是单一阈值；对流的分裂合并在现有方案中也没有加以考虑，以上因素均显著地影响对中尺度对流动态追踪的完整性。

技术实现要素：

针对现有技术存在的缺陷，本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，包括以下步骤：

步骤1，设定与每个云团面积区间对应的重叠率阈值taol，重叠率阈值taol的设定采用以下方法：

步骤1.1，获取多组样本数据；每组所述样本数据包括：前一时次某个中尺度对流云团pmcsg与当前时次的中尺度对流云团pmcsh的面积重叠率；其中，中尺度对流云团pmcsg和中尺度对流云团pmcsh的面积重叠率大于0；

步骤1.2，根据前一时次中尺度对流云团pmcsg的云团面积，将样本数据划分为多个云团面积区间；

步骤1.3，对于属于每个云团面积区间的样本数据，均采用以下方式处理，由此得到与每个云团面积区间对应的重叠率阈值taol：

步骤1.3.1，设本次处理的属于某个云团面积区间的样本数据共有z组样本数据；

步骤1.3.2，以云团面积区间为横坐标，以面积重叠率为纵坐标，绘制与云团面积区间对应的箱线图；其中，q3为上四分位数；q1为下四分位数；

步骤1.3.3，计算四分位距iqr＝q3-q1；

步骤1.3.4，计算外限下界值为q1-3iqr；

步骤1.3.5，如果外限下界值q1-3iqr大于0，则将本次处理的云团面积区间对应的重叠率阈值taol设定为q1-3iqr的值；如果外限下界值q1-3iqr小于0，则将本次处理的云团面积区间对应的重叠率阈值taol设定为tx；其中，tx为各个云团面积区间对应的箱线图的外限下界值的最小大于0的值；

步骤2，当需要进行中尺度对流动态追踪时，令迭代次数i＝0；

步骤3，当前时次为ti+1；前一时次为ti；后一时次为ti+2；

获取前一时次ti的10.4μm通道的红外亮温卫星遥感图像mi；以及，获取当前时次ti+1的10.4μm通道的红外亮温卫星遥感图像mi+1；

步骤4，对于红外亮温卫星遥感图像mi，识别出所有潜在的中尺度对流云团pmcs，共有r个，并分别编号为：pmcs1,i,pmcs2,i,…,pmcsr,i；对于每一个pmcsu,i，u＝1,2,…,r，均标注质心和云团面积；

对于红外亮温卫星遥感图像mi+1，识别出所有潜在的中尺度对流云团pmcs，共有s个，并分别编号为：pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1；对于每一个pmcsv,i+1，v＝1,2,…,s，均标注质心和云团面积；

步骤5，对于pmcs1,i,pmcs2,i,…,pmcsr,i中的每一个中尺度对流云团pmcsu,i，u＝1,2,…,r，均采用以下步骤处理：

步骤5.1，对于中尺度对流云团pmcsu,i，根据步骤1的结果，确定与中尺度对流云团pmcsu,i所在的云团面积区间对应的重叠率阈值taol，记为重叠率阈值taol^(u,i)；

步骤5.2，计算中尺度对流云团pmcsu,i分别与pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1的面积重叠率，得到s个面积重叠率；在s个面积重叠率中，判断最大的面积重叠率是否大于等于重叠率阈值taol^(u,i)，如果是，则执行步骤5.3；否则执行步骤5.4；

步骤5.3：采用面积重叠法aol对中尺度对流云团pmcsu,i进行轨迹追踪；包括：

步骤5.3.1，采用以下方法识别前一时次ti的中尺度对流云团pmcsu,i在前一时次ti是否发生云团分裂现象，并进行质心轨迹追踪；

具体的，如果在步骤5.2得到的s个面积重叠率中，存在两个大于等于重叠率阈值taol^(u,i)的面积重叠率，假设中尺度对流云团pmcsu,i分别与pmcsa1,i+1,pmcsa2,i+1的面积重叠率均大于等于重叠率阈值taol^(u,i)，其中，a1∈[1,2,…,s]，a2∈[1,2,…,s]，a1≠a2；则认为中尺度对流云团pmcsu,i在前一时次ti发生云团分裂现象；此外，假设中尺度对流云团pmcsu,i与pmcsa1,i+1的面积重叠率，大于中尺度对流云团pmcsu,i与pmcsa2,i+1的面积重叠率；那么记录中尺度对流云团pmcsu,i到中尺度对流云团pmcsa1,i+1的质心运动轨迹，继续追踪该轨迹并跳转到步骤6；对于云团pmcsa2,i+1，认为是因分裂新产生的中尺度对流云团，因此，以pmcsa2,i+1为追踪起点，追踪其质心运动轨迹并跳转到步骤6；

步骤5.3.2，采用以下方法识别前一时次ti的中尺度对流云团pmcsu,i在当前时次ti+1是否发生云团合并现象，并进行质心轨迹追踪；

如果在红外亮温卫星遥感图像mi中，存在两个中尺度对流云团，分别为中尺度对流云团pmcsb1,i和中尺度对流云团pmcsb2,i,其中，b1∈[1,2,…,r]，b2∈[1,2,…,r]，b1≠b2；中尺度对流云团pmcsb1,i和当前时次ti+1中的某个中尺度对流云团pmcsv,i+1的面积重叠率分别大于重叠率阈值taol^(b1,i)和taol^(b2,i)，其中，重叠率阈值taol^(b1,i)为中尺度对流云团pmcsb1,i所在的云团面积区间对应的重叠率阈值；taol^(b2,i)为中尺度对流云团pmcsb2,i所在的云团面积区间对应的重叠率阈值；此时，认为中尺度对流云团pmcsb1,i和中尺度对流云团pmcsb2,i合并为中尺度对流云团pmcsv,i+1；

如果中尺度对流云团pmcsb1,i的面积大于中尺度对流云团pmcsb2,i的面积，则认为中尺度对流云团pmcsb2,i因云团合并而消失，不再继续追踪中尺度对流云团pmcsb2,i的质心运动轨迹，由此得到一条以pmcsb2,i的质心为追踪终点的质心运动轨迹；跳转到步骤7；记录中尺度对流云团pmcsb1,i到中尺度对流云团pmcsv,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

步骤5.3.3，如果中尺度对流云团pmcsu,i没有发生云团分裂现象和云团合并现象，则在中尺度对流云团pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1中，确定与中尺度对流云团pmcsu,i具有最大面积重叠率的云团，记为pmcsd,i+1，其中，d∈[1,2,…,s]；然后，记录中尺度对流云团pmcsu,i到中尺度对流云团pmcsd,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

步骤5.4，判断中尺度对流云团pmcsu,i的云团面积，是否处于步骤1绘制的箱线图中外限下界值q1-3iqr小于0所对应的面积区间；如果否，则认为ti时次为中尺度对流云团pmcsu,i的生命周期的终止时次，ti时次的中尺度对流云团pmcsu,i的质心为本条质心移动轨迹追踪的终点，至此完成对此云团质心运动轨迹的追踪；然后跳转到步骤7；

如果是，则采用kf方案对中尺度对流云团pmcsu,i进行质心运动轨迹的追踪，包括以下步骤：

步骤5.4.1，在红外亮温卫星遥感图像mi中，确定通过步骤5.3面积重叠法aol匹配无法成功的中尺度对流云团，在aol方法匹配不成功的中尺度对流云团pmcsu,i中，判断能否筛选到与中尺度对流云团pmcsu,i的质心距离在质心设定距离范围内的中尺度对流云团，如果不能，则表明中尺度对流云团pmcsu,i的质心为本条质心移动轨迹追踪的终点，至此完成对此质心运动轨迹的追踪；然后跳转到步骤7；

如果能，执行步骤5.4.2；

步骤5.4.2，使用kf方案对中尺度对流云团pmcsu,i进行追踪；包括：

步骤5.4.2.1，如果ti时次是中尺度对流云团pmcsu,i生成的初始时次，给kf方案提供一个初始的预测移动矢量，步骤如下：

以中尺度对流云团pmcsu,i的质心为中心，在红外亮温卫星遥感图像mi中，找出距离pmcsu,i质心中心设置范围内的所有的、已确定能用aol方法匹配的对流，假设ti时次共有k个，分别为：pmcse1,i,pmcse2,i,…,pmcsek,i；在ti+1时次分别为：pmcsf1,i+1,pmcsf2,i+1,…,pmcsfk,i+1

即：pmcse1,i在ti+1时次演变为pmcsf1,i+1；pmcse2,i在ti+1时次演变为pmcsf2,i+1，依此类推，pmcsek,i在ti+1时次演变为pmcsfk,i+1；

计算得到pmcse1,i到pmcsf1,i+1的质心移动矢量x1；pmcse2,i到pmcsf2,i+1的质心移动矢量x2；依此类推，pmcsek,i到pmcsfk,i+1的质心移动矢量xk；

对质心移动矢量x1，质心移动矢量x2,…,质心移动矢量xk取平均值，作为中尺度对流云团pmcsu,i从ti时次到ti+1时次的预测移动矢量xp；如果ti时次不是中尺度对流云团pmcsu,i生成的初始时次，则使用kf方案上一步迭代出的结果作为预测移动矢量xp；

步骤5.4.2.2，基于中尺度对流云团pmcsu,i的质心位置和预测移动矢量xp，得到中尺度对流云团pmcsu,i在ti+1时次的云团质心预测位置；

然后，在红外亮温卫星遥感图像mi+1中，确定通过步骤5.3面积重叠法aol匹配无法成功的多个中尺度对流云团，假设共有y个，分别为pmcsc1,i+1,pmcsc2i+1,…,pmcscy,i+1；

分别计算预测移动矢量xp到中尺度对流云团pmcsc1,i+1,pmcsc2i+1,…,pmcscy,i+1质心的距离，分别为w1，w2…wy，若wj为y个距离中最短距离，j∈[1,2,…,y]，则pmcscj,i+1即为中尺度对流云团pmcsu,i在ti+1时次演变得到的云团；

记录pmcsu,i到pmcscj,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

步骤6，令i＝i+1，返回步骤2，进入下一步迭代过程；

步骤7，由此追踪到多条质心运动轨迹；

步骤8，对于追踪到的每条质心运动轨迹，判断是否满足以下两个条件之一：

条件1：质心运动轨迹的持续时间大于轨迹持续时间阈值；

条件2：质心运动轨迹对应的云团生命期中涉及到的各时次云团面积的最大值，大于等于第一云团面积阈值f1；

如果满足，则执行步骤9；否则舍弃该质心运动轨迹；

步骤9，判断质心运动轨迹对应的云团生命期中涉及到的各时次云团面积的最大值，是否小于等于第二云团面积阈值f2；其中，f2大于f1；如果满足，则认为该质心运动轨迹代表普通对流系统；否则，认为该质心运动轨迹代表超级活跃的对流系统。

本发明提供的一种基于新一代静止卫星数据的中尺度对流动态追踪方法具有以下优点：

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，在aol追踪方案的基础上叠加了kf方案。kf方案的基础为卡尔曼滤波的五个方程，不依赖于云团在相邻两帧卫星图像上的面积重叠率，准确地抓取中尺度对流系统，尤其是那些很小的、移速很快、传统方案抓不住的中尺度对流系统，使追踪到的mcs生命周期更加完整。

附图说明

图1为本发明提供的一种基于新一代静止卫星数据的中尺度对流动态追踪方法的流程示意图；

图2为每个云团面积区间对应的重叠率阈值taol的设定方法的箱线图

图3为选取云顶亮温低于235k的像素点的示意图；

图4为保留图3中选定的区域，将图像转换为二值图的示意图；

图5为判断二值图上的连通区(面积≥100km²)的示意图，在图上以黑色实线框标出；

图6为标注出图像上所有识别出的pmcs，标注质心和边缘的示意图

图7为云团分裂现象示意图；

图8为云团未发生分裂现象的对照示意图；

图9为云团合并现象示意图；

图10为云团未发生合并现象的对照示意图；

图11为kf方案设定初始值的示意图；

图12为pmcs的位置随时间演变时在20:00时的示意图；

图13为pmcs的位置随时间演变时在20:10时的示意图；

图14为pmcs的位置随时间演变时在20:20时的示意图；

图15为pmcs的位置随时间演变时在20:30时的示意图；

图16为pmcs的位置随时间演变时在20:40时的示意图；

图17为pmcs的位置随时间演变时在20:50时的示意图；

图18为pmcs的位置随时间演变时在21:00时的示意图；

图19为pmcs的位置随时间演变时在21:10时的示意图；

图20为pmcs的位置随时间演变时在21:20时的示意图；

图21为由传统aol方案和本发明提供的方案捕获得到的中尺度对流系统的初始面积和消散面积分布情况图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，在aol追踪方案的基础上叠加了kf方案。kf方案的基础为卡尔曼滤波的五个方程，不依赖于云团在相邻两帧卫星图像上的面积重叠率，准确地抓取中尺度对流系统，尤其是那些很小的、移速很快、传统方案抓不住的中尺度对流系统，使追踪到的mcs生命周期更加完整。

缩略语和关键术语定义：

ahiadvancedhimawariimagerhimawari高级成像仪

mcsmesoscaleconvectivesystems中尺度对流系统

scssuperconvectivesystem超级活跃的对流系统

pmcspotentialmesoscaleconvectivesystems潜在的中尺度对流系统

aolareaoverlappingmethod面积重叠法

kfkalmanfilter卡尔曼滤波

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，分为三个部分：1.识别潜在的mcs；2.追踪潜在的mcs；3.筛选出真正的mcs。方案实施的具体流程如图1所示，为反演普通mcs和scs轨迹的流程图，包括如何识别pmcs、如何选择追踪算法，以及如何筛选出最终的mcs。

具体包括以下步骤：

步骤1，设定与每个云团面积区间对应的重叠率阈值taol，重叠率阈值taol的设定采用以下方法：

参考图2，为每个云团面积区间对应的重叠率阈值taol的设定方法的箱线图。

步骤1.1，获取多组样本数据；每组所述样本数据包括：前一时次某个中尺度对流云团pmcsg与当前时次的中尺度对流云团pmcsh的面积重叠率；其中，中尺度对流云团pmcsg和中尺度对流云团pmcsh的面积重叠率大于0；

图2为基于2016年6月数据得出的，不同尺度mcs的aol重叠率分布。

步骤1.2，根据前一时次中尺度对流云团pmcsg的云团面积，将样本数据划分为多个云团面积区间；在图2中，共有10个云团面积区间，分别为100-500，500-1000，1000-1500，1500-2000，2000-4000，4000-6000，6000-8000，8000-10000，10000-30000，＞30000km²。

步骤1.3，对于属于每个云团面积区间的样本数据，均采用以下方式处理，由此得到与每个云团面积区间对应的重叠率阈值taol：

步骤1.3.1，设本次处理的属于某个云团面积区间的样本数据共有z组样本数据；

步骤1.3.2，以云团面积区间为横坐标，以面积重叠率为纵坐标，绘制与云团面积区间对应的箱线图；其中，q3为上四分位数；q1为下四分位数；

步骤1.3.3，计算四分位距iqr＝q3-q1；

步骤1.3.4，计算外限下界值为q1-3iqr；

步骤1.3.5，如果外限下界值q1-3iqr大于0，则将本次处理的云团面积区间对应的重叠率阈值taol设定为q1-3iqr的值；如果外限下界值q1-3iqr小于0，则将本次处理的云团面积区间对应的重叠率阈值taol设定为tx；其中，tx为各个云团面积区间对应的箱线图的外限下界值的最小大于0的值；

例如，对于图2所示箱线图，绘制与某个云团面积区间对应的箱线图后，异常值采用以下方式判定：

q3和q1代表每个云团面积区间中样本数据的上下四分位数；四分位距iqr＝q3-q1；q3+1.5iqr和q1-1.5iqr分别为内限上界值和内限下界值；q3+3iqr和q1-3iqr分别为外限上界值和外限下界值；内限下界值以下均为异常值；内限下界值与外限上界值之间的异常值为温和的异常值(mildoutliers)，在外限下界值以下的异常值为极端的异常值(extremeoutliers)。本发明中，只剔除极端异常值，因此将外限下界值所对应的数值作为该云团面积区间所对应的重叠率阈值taol。对于面积大于2000km²的对流，其外限下界值大于0，不同的云团面积区间的对流具有不同的重叠率阈值taol。

而对于面积小于2000km²的对流，由于外限下界值低于0，采用0.12的固定阈值作为重叠率阈值taol。其中，0.12为2000-4000km²样本的外限下界值，也即为各个云团面积区间对应的箱线图的外限下界值的最小大于0的值。

步骤2，当需要进行中尺度对流动态追踪时，令迭代次数i＝0；

步骤3，当前时次为ti+1；前一时次为ti；后一时次为ti+2；

获取前一时次ti的10.4μm通道的红外亮温卫星遥感图像mi；以及，获取当前时次ti+1的10.4μm通道的红外亮温卫星遥感图像mi+1；

红外亮温卫星遥感图像的获取方法为：实时获得原始卫星遥感图像；并实时从原始卫星遥感图像中提取到10.4μm通道的红外亮温卫星遥感图像；

步骤4，对于红外亮温卫星遥感图像mi，识别出所有潜在的中尺度对流云团pmcs，共有r个，并分别编号为：pmcs1,i,pmcs2,i,…,pmcsr,i；对于每一个pmcsu,i，u＝1,2,…,r，均标注质心和云团面积；

对于红外亮温卫星遥感图像mi+1，识别出所有潜在的中尺度对流云团pmcs，共有s个，并分别编号为：pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1；对于每一个pmcsv,i+1，v＝1,2,…,s，均标注质心和云团面积；

步骤5，对于pmcs1,i,pmcs2,i,…,pmcsr,i中的每一个中尺度对流云团pmcsu,i，u＝1,2,…,r，均采用以下步骤处理：

步骤5.1，对于中尺度对流云团pmcsu,i，根据步骤1的结果，确定与中尺度对流云团pmcsu,i所在的云团面积区间对应的重叠率阈值taol，记为重叠率阈值taol^(u,i)；

步骤5.2，计算中尺度对流云团pmcsu,i分别与pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1的面积重叠率，得到s个面积重叠率；在s个面积重叠率中，判断最大的面积重叠率是否大于等于重叠率阈值taol^(u,i)，如果是，则执行步骤5.3；否则执行步骤5.4；

步骤5.3：采用面积重叠法aol对中尺度对流云团pmcsu,i进行轨迹追踪；包括：

步骤5.3.1，采用以下方法识别前一时次ti的中尺度对流云团pmcsu,i在前一时次ti是否发生云团分裂现象，并进行质心轨迹追踪；

具体的，如果在步骤5.2得到的s个面积重叠率中，存在两个大于等于重叠率阈值taol^(u,i)的面积重叠率，假设中尺度对流云团pmcsu,i分别与pmcsa1,i+1,pmcsa2,i+1的面积重叠率均大于等于重叠率阈值taol^(u,i)，其中，a1∈[1,2,…,s]，a2∈[1,2,…,s]，a1≠a2；则认为中尺度对流云团pmcsu,i在前一时次ti发生云团分裂现象；此外，假设中尺度对流云团pmcsu,i与pmcsa1,i+1的面积重叠率，大于中尺度对流云团pmcsu,i与pmcsa2,i+1的面积重叠率；那么记录中尺度对流云团pmcsu,i到中尺度对流云团pmcsa1,i+1的质心运动轨迹，继续追踪该轨迹并跳转到步骤6；对于云团pmcsa2,i+1，认为是因分裂新产生的中尺度对流云团，因此，以pmcsa2,i+1为追踪起点，追踪其质心运动轨迹并跳转到步骤6；

为对云团分裂现象进行理解，以图示为例介绍：参考图7，m为前一时次的对流云团；m1和m2分别为当前时次的对流云团；m和m1的面积重叠率rm,m1>taol^(m)；m和m2的面积重叠率rm,m2>taol^(m)；则认为m在前一时次发生云团分裂现象。参考图8，如果m和m1的面积重叠率rm,m1>taol^(m)；m和m2的面积重叠率rm,m2<taol^(m)，则没有发生云团分裂现象，m发展为m1，m2为不相关的对流。

步骤5.3.2，采用以下方法识别前一时次ti的中尺度对流云团pmcsu,i在当前时次ti+1是否发生云团合并现象，并进行质心轨迹追踪；

如果在红外亮温卫星遥感图像mi中，存在两个中尺度对流云团，分别为中尺度对流云团pmcsb1,i和中尺度对流云团pmcsb2,i,其中，b1∈[1,2,…,r]，b2∈[1,2,…,r]，b1≠b2；中尺度对流云团pmcsb1,i和当前时次ti+1中的某个中尺度对流云团pmcsv,i+1的面积重叠率分别大于重叠率阈值taol^(b1,i)和taol^(b2,i)，其中，重叠率阈值taol^(b1,i)为中尺度对流云团pmcsb1,i所在的云团面积区间对应的重叠率阈值；taol^(b2,i)为中尺度对流云团pmcsb2,i所在的云团面积区间对应的重叠率阈值；此时，认为中尺度对流云团pmcsb1,i和中尺度对流云团pmcsb2,i合并为中尺度对流云团pmcsv,i+1；

如果中尺度对流云团pmcsb1,i的面积大于中尺度对流云团pmcsb2,i的面积，则认为中尺度对流云团pmcsb2,i因云团合并而消失，不再继续追踪中尺度对流云团pmcsb2,i的质心运动轨迹，由此得到一条以pmcsb2,i的质心为追踪终点的质心运动轨迹；跳转到步骤7；记录中尺度对流云团pmcsb1,i到中尺度对流云团pmcsv,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

为对云团合并现象进行理解，以图示为例介绍：参考图9，m1和m2分别为前一时次的对流云团，m为当前时次的对流云团；m1和m的面积重叠率rm1，m>taol^(m1)；m2和m的面积重叠率rm2，m>taol^(m2)；则认为m1，m2在当前时次发生云团合并现象。参考图10，如果m1和m的面积重叠率rm1，m>taol^(m1)；m2和m的面积重叠率rm2，m<taol^(m2)，则没有发生云团合并现象，因此，m1发展为m，m2为不相关的对流。

步骤5.3.3，如果中尺度对流云团pmcsu,i没有发生云团分裂现象和云团合并现象，则在中尺度对流云团pmcs1,i+1,pmcs2,i+1,…,pmcss,i+1中，确定与中尺度对流云团pmcsu,i具有最大面积重叠率的云团，记为pmcsd,i+1，其中，d∈[1,2,…,s]；然后，记录中尺度对流云团pmcsu,i到中尺度对流云团pmcsd,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

步骤5.4，判断中尺度对流云团pmcsu,i的云团面积，是否处于步骤1绘制的箱线图中外限下界值q1-3iqr小于0所对应的面积区间；如果否，则认为ti时次为中尺度对流云团pmcsu,i的生命周期的终止时次，ti时次的中尺度对流云团pmcsu,i的质心为本条质心移动轨迹追踪的终点，至此完成对此云团质心运动轨迹的追踪；然后跳转到步骤7；

如果是，则采用kf方案对中尺度对流云团pmcsu,i进行质心运动轨迹的追踪，包括以下步骤：

步骤5.4.1，在红外亮温卫星遥感图像mi中，确定通过步骤5.3面积重叠法aol匹配无法成功的中尺度对流云团，在aol方法匹配不成功的中尺度对流云团pmcsu,i中，判断能否筛选到与中尺度对流云团pmcsu,i的质心距离在质心设定距离范围内的中尺度对流云团，如果不能，则表明中尺度对流云团pmcsu,i的质心为本条质心移动轨迹追踪的终点，至此完成对此质心运动轨迹的追踪；然后跳转到步骤7；

如果能，执行步骤5.4.2；

步骤5.4.2，使用kf方案对中尺度对流云团pmcsu,i进行追踪；包括：

步骤5.4.2.1，如果ti时次是中尺度对流云团pmcsu,i生成的初始时次，给kf方案提供一个初始的预测移动矢量，步骤如下：

以中尺度对流云团pmcsu,i的质心为中心，在红外亮温卫星遥感图像mi中，找出距离pmcsu,i质心中心设置范围内的所有的、已确定能用aol方法匹配的对流，假设ti时次共有k个，分别为：pmcse1,i,pmcse2,i,…,pmcsek,i；在ti+1时次分别为：pmcsf1,i+1,pmcsf2,i+1,…,pmcsfk,i+1

即：pmcse1,i在ti+1时次演变为pmcsf1,i+1；pmcse2,i在ti+1时次演变为pmcsf2,i+1，依此类推，pmcsek,i在ti+1时次演变为pmcsfk,i+1；

计算得到pmcse1,i到pmcsf1,i+1的质心移动矢量x1；pmcse2,i到pmcsf2,i+1的质心移动矢量x2；依此类推，pmcsek,i到pmcsfk,i+1的质心移动矢量xk；

对质心移动矢量x1，质心移动矢量x2,…,质心移动矢量xk取平均值，作为中尺度对流云团pmcsu,i从ti时次到ti+1时次的预测移动矢量xp；如果ti时次不是中尺度对流云团pmcsu,i生成的初始时次，则使用kf方案上一步迭代出的结果作为预测移动矢量xp；

步骤5.4.2.2，基于中尺度对流云团pmcsu,i的质心位置和预测移动矢量xp，得到中尺度对流云团pmcsu,i在ti+1时次的云团质心预测位置；

然后，在红外亮温卫星遥感图像mi+1中，确定通过步骤5.3面积重叠法aol匹配无法成功的多个中尺度对流云团，假设共有y个，分别为pmcsc1,i+1,pmcsc2i+1,…,pmcscy,i+1；

分别计算预测移动矢量xp到中尺度对流云团pmcsc1,i+1,pmcsc2i+1,…,pmcscy,i+1质心的距离，分别为w1，w2…wy，若wj为y个距离中最短距离，j∈[1,2,…,y]，则pmcscj,i+1即为中尺度对流云团pmcsu,i在ti+1时次演变得到的云团；

记录pmcsu,i到pmcscj,i+1的质心运动轨迹，并继续追踪该质心运动轨迹；跳转到步骤6；

参考图11，介绍一种给kf方案设定初始值的具体例子：

上标为i的对流表示前一时次的对流；上标为i+1的对流表示当前时次的对流；中间阴影部分为前一时次和后一时次对流的重叠面积。

图中所示的对流中，f是一个小对流，和下一时次的对流无法用面积重叠法(aol)匹配，需要用kf方案。在第一步的迭代中，需要给kf方案一个初始的预测值(预测下一时次的位置)。

a-e是五个可以用aol方案进行匹配的对流，且匹配之后可以得到ti-ti+1时刻对流的移动矢量。其中a、c、e的质心离f较远，在黑色的虚线框(5*5度)外。b和d的质心离f较近，在虚线框范围内。因此将b，d的移动矢量做一个平均，作为对流云团f的预测矢量，从而得到f在下一时次的预测位置fp。ti+1时次离预测位置fp最近的云团fkf即与ti时次的云团fkf匹配的云团。

步骤6，令i＝i+1，返回步骤2，进入下一步迭代过程；

步骤7，由此追踪到多条质心运动轨迹；

步骤8，对于追踪到的每条质心运动轨迹，判断是否满足以下两个条件之一：

条件1：质心运动轨迹的持续时间大于轨迹持续时间阈值；

条件2：质心运动轨迹对应的云团生命期中涉及到的各时次云团面积的最大值，大于等于第一云团面积阈值f1；

如果满足，则执行步骤9；否则舍弃该质心运动轨迹；

步骤9，判断质心运动轨迹对应的云团生命期中涉及到的各时次云团面积的最大值，是否小于等于第二云团面积阈值f2；其中，f2大于f1；如果满足，则认为该质心运动轨迹代表普通对流系统；否则，认为该质心运动轨迹代表超级活跃的对流系统。

本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，概括来说，主要包括三个步骤：

1.识别：根据10.4μm通道的红外亮温，限定对流云云顶的温度(低于235k)和云团面积(大于等于100km²)，提取云图中可能的mcs。利用卫星高分辨率扫描数据的优势，在更小的尺度上识别pmcs。如图3-6所示，为从ahi/hw8图像上识别pmcs的示意图：图3为选取云顶亮温低于235k的像素点的示意图；图4为保留图3中选定的区域，将图像转换为二值图的示意图；图5为判断二值图上的连通区(面积≥100km²)的示意图，在图上以黑色实线框标出；图6为标注出图像上所有识别出的pmcs，标注质心和边缘的示意图。

2.追踪：综合使用面积重叠法(aol)和卡尔曼滤波方案(kf)。对于初生和消亡时期的面积较小(小于2000km²)且移速快(重叠率低于给定阈值)的对流，采用kf方法进行正向追踪；对于成熟期尺度较大的对流(面积大于等于2000km²)或者移速较慢的对流，采用面积重叠法aol进行追踪，以保证尽可能地捕捉所有对流。在使用面积重叠法追踪的过程中，根据前后两帧云图上pmcs的重叠率来判断云团是否存在分裂合并。在使用kf方案进行追踪时，使用该云团周围5度范围以内的pmcs的平均移动矢量给kf追踪方案赋初值，从而使kf方案更加稳定。

3.筛选：分析所有追踪到的对流，剔除持续时间较短(小于3小时)或整个生命期中的最大面积(maximumareaextent)较小(小于10000km²)的系统，只保留符合条件的中尺度云团的运动轨迹与变化特征。在此基础上，将挑选出来的对流根据生命期中能够发展到的最大面积(maximumareaextent)进一步区分为普通mcs和scs两大类：最大面积小于等于160000km²为普通mcs，大于160000km²为scs。

本发明提供的方法，能够有效地追踪传统方案无法捕捉到的小对流和移速较快的对流。效果如图12-图20所示，示出pmcs的位置随时间的演变示意图。图中黑色十字代表pmcs的质心，节点处采用三角符号标记的线为kf方案捕获得到的pmcs轨迹；节点处采用实心圆标记的线为传统aol方案捕获得到的pmcs轨迹。底图根据10.4μm通道的红外亮温数据进行填色。图12-图20分别为2016年7月17日20:00-21:20(utc)不同时间点所对应的情形。

由图12-图20可看出，kf方案可以很好地捕获传统aol方案难以捕捉的小对流和移动速度很快的对流，可以作为aol方案的有效补充。采用卡尔曼滤波方案后，抓到的中尺度对流系统的初始面积和消散面积都大大减小，如图21，即对流生命期更加完整了。

图21由传统aol方案和本发明提供的方案(aol+kf)捕获得到的中尺度对流系统的初始面积和消散面积分布情况。箱型图的上边缘和下边缘分别代表75和25百分位，箱内实线代表中位数。箱型图上/下两条先分别代表中尺度对流系统的初始面积和消散面积的最大值/最小值。图中所选的是2016年7月16日的mcs个例(不包括分裂新生和合并消失的对流)，上方红色标注的数值为样本数。

本发明技术关键点：使用传统的aol方案计算云团周围的平均移动矢量，给卡尔曼滤波方案赋初值，并使用kf方案追踪小的、移速快的中尺度对流系统。

因此，本发明提供一种基于新一代静止卫星数据的中尺度对流动态追踪方法，在aol追踪方案的基础上叠加了kf方案。kf方案的基础为卡尔曼滤波的五个方程，不依赖于云团在相邻两帧卫星图像上的面积重叠率，准确地抓取中尺度对流系统，尤其是那些很小的、移速很快、传统方案抓不住的中尺度对流系统，使追踪到的mcs生命周期更加完整。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。