地球科学进展, 2019, 34(12): 1273-1287 DOI: 10.11867/j.issn.1001-8166.2019.12.1273

综述与评述

基于雷达与卫星的对流触发观测研究和临近预报技术进展

黄亦鹏,1,2, 李万彪2, 赵玉春1, 白兰强3

1.厦门市气象局海峡气象开放实验室,福建 厦门 361012

2.北京大学物理学院大气与海洋科学系,北京 100871

3.中山大学大气科学学院,广东 广州 510275

A Review of Radar- and Satellite-based Observational Studies and Nowcasting Techniques on Convection Initiation

Huang Yipeng,1,2, Li Wanbiao2, Zhao Yuchun1, Bai Lanqiang3

1.Laboratory of Straits Meteorology, Xiamen Meteorological Bureau, Xiamen 361012, China

2.Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871, China

3.School of Atmospheric Sciences, Sun Yat-sen University, Guangzhou 510275, China

收稿日期: 2019-09-19   修回日期: 2019-11-03   网络出版日期: 2020-01-17

基金资助: 国家自然科学基金项目“海峡西岸前汛期暖区MCSs形成前的对流云发展特征研究”.  41905049
福建省气象局开放式基金项目“福建对流触发前边界层辐合线和积云发展特征”.  2019KX01

Received: 2019-09-19   Revised: 2019-11-03   Online: 2020-01-17

作者简介 About authors

黄亦鹏(1990-),男,福建龙海人,工程师,主要从事大气遥感和中尺度气象研究.E-mail:harrisonyp@163.com

HuangYipeng(1990-),male,LonghaiCity,FujianProvince,Engineer.Researchareasincluderemotesensingofatmosphereandmesoscalemeteorology.E-mail:harrisonyp@163.com

摘要

对流触发(CI)一直是强对流天气预报中至关重要而又充满挑战的环节。在CI发生之前,高时空分辨率的天气雷达和静止气象卫星常能够观测识别到边界层辐合线和积云快速发展等用于评估CI发生条件的前兆信号,从而为定时定点的CI临近预报提供有力观测支撑。基于此,综述了雷达和卫星在CI观测研究和临近预报技术上的运用进展。首先回顾了近40年来CI观测研究中的里程碑工作以及最新的研究进展,结合CI发生条件梳理了CI研究方式和内容及其随雷达和卫星探测能力提升而呈现的发展趋势。进而介绍了较为成熟的3种基于雷达和卫星观测的CI业务临近预报技术在国际范围内的发展运用。最后提出雷达和卫星观测在CI研究和预报运用中需要进一步解决的问题。

关键词: 对流触发 ; 天气雷达 ; 静止气象卫星 ; 临近预报

Abstract

Convection often produces severe weather which causes a great loss to human lives and properties. Precisely predicting the convection initiation process is crucial but challenging in operational convection nowcasting (0~2 h forecasting). Before the radar-defined CI occurring (e.g., the first occurrence of ≥35 dBZ echoes), observations at high spatial and temporal resolutions from weather radars and geostationary meteorological satellites can reveal precursor information such as the boundary-layer convergence lines and the rapid growth of newborn cumulus clouds. These radar- and satellite-observed precursor information are helpful for evaluating the pre-CI conditions and thus nowcasting the accurate CI timing and location. This paper reviewed the current status of radar- and satellite-based CI research and nowcasting techniques. The milestone works and the following studies in the last four decades were summarized to demonstrate how radar and satellite observations can be related to CI occurrence. The objectives and approaches of the CI research advance as the improvement in the capability of radars and were explained satellites. The research progress aids in the development of various CI nowcasting techniques. This paper introduced three well-established techniques that have been put into operational application, namely, ANC system, SATCAST algorithm, and UWCI algorithm. Some scientific issues with respect to radar- and satellite-based CI research and nowcasting were also presented.

Keywords: Convection initiation ; Weather radars ; Geostationary meteorological satellites ; Nowcasting.

PDF (5659KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

黄亦鹏, 李万彪, 赵玉春, 白兰强. 基于雷达与卫星的对流触发观测研究和临近预报技术进展. 地球科学进展[J], 2019, 34(12): 1273-1287 DOI:10.11867/j.issn.1001-8166.2019.12.1273

Huang Yipeng, Li Wanbiao, Zhao Yuchun, Bai Lanqiang. A Review of Radar- and Satellite-based Observational Studies and Nowcasting Techniques on Convection Initiation. Advances in Earth Science[J], 2019, 34(12): 1273-1287 DOI:10.11867/j.issn.1001-8166.2019.12.1273

1 引 言

对流触发(Convection Initiation,CI)是指深湿对流系统的初始形成过程[1],通常被定量定义为雷达探测到对流降水回波首次超过某一强度(如35 dBZ)的过程[2,3,4,5,6]。CI是整个对流系统生命期中的关键环节。在CI过程之后,局地对流单体开始引发显著降水,对日常出行、工业生产和农业种植等领域产生重要影响。同时,CI作为早期的对流核心,也能进一步组织发展成为超级单体和中尺度对流系统(Mesoscale Convective Systems,MCSs)等强对流系统,其伴随的灾害性天气(如暴雨、雷电、大风、冰雹和龙卷风等)常对人类生命和财产安全构成严重威胁。把握CI过程是成功预报强对流系统及其引发灾害天气的根本。综上,无论是日常业务需求还是气象防灾减灾,准确的CI预报一直是天气预报领域关注的重点之一[7,8]

然而,CI过程又是对流临近预报中极具挑战性的环节。CI发生需要水汽、不稳定层结和抬升机制等3个基本条件[9]。水汽不仅是对流过程中成云致雨的原料,其垂直分布和相态变化也能改变大气层结的稳定度。而不稳定的大气层结,能够为达到自由对流高度(Level of Free Convection, LFC)后的气块提供维持其上升运动的能量,常用对流有效位能(Convective Available Potential Energy,CAPE)表示。抬升机制则是起到帮助气块克服底层对流抑制能量(Convective Inhibition, CIN)达到LFC的作用。天气尺度过程常参与形成有利于CI发生的水汽和不稳定环境,而直接决定CI发生位置的抬升机制主要由中小尺度的地形、边界层辐合线(如阵风锋、海风锋和干线等)以及重力波提供[9]。因此,CI是一个受下垫面和多尺度过程相互作用影响的复杂过程,具有明显的突发性和局地性特征。目前对CI的业务预报主要是利用地面和探空等常规观测以及数值天气预报(Numerical Weather Prediction,NWP)模式输出参量诊断CI发生前的水汽和不稳定条件,从而进行较大范围的CI潜势预报[10,11]。但时空密度有限的常规观测资料(如常规探空观测1天只有2次)和NWP模式对于中小尺度过程的刻画能力不足[12],难以进行定时定点的精细化CI临近(0~2 h)预报。

近年来,具有高时间(分钟到小时级别)、空间(千米级别)分辨率和连续空间覆盖的天气雷达和静止气象卫星成为了观测CI及其相关中小尺度过程的有效工具(低轨道卫星虽然能够提供更高空间分辨率的云图,并能搭载主动遥感仪器如TRMM\GPM卫星搭载的测雨雷达,但其观测间隔太长,无法对同一个对流过程进行连续监测。因此本文所讨论的卫星内容主要是基于静止气象卫星观测)。雷达与卫星观测的重要优势在于:能够在CI发生之前观测到边界层辐合线和新生积云快速发展等可用于评估CI发生条件的信息,从而为CI的精细化预报(甚至于后续对流的发展强度)提供指示作用(图1[13]。本文旨在对雷达和卫星在CI观测研究和临近预报技术上的运用和发展进行综述。

图1

图1   雷达和卫星观测到的CI前兆信号示意图

(a)雷达和(b)卫星常能够在CI过程产生明显降水(C3阶段)之前观测到边界层辐合线[14]和新生积云快速发展[15],为CI预报提供前兆信息

Fig. 1   Conceptual model of radar- and satellite-observed precursor signals before CI occurring

(a) Radar-observed boundary-layer convergence lines[14] and (b) satellite-observed newborn cloud growth[15] can provide precursor information for the occurrence of radar-defined CI processes like C3 stage in (b)


2 基于雷达与卫星的CI观测研究

2.1 基于雷达的CI定义和气候学统计

目前CI过程主要是通过雷达观测被量化定义的(Haberlie等[16]对此进行了总结)。CI通常被定义为雷达探测到对流降水回波首次达到某一强度的过程。回波强度阈值受不同观测设备、环境条件和研究目标的影响,在不同研究工作中略有差异,如30[17],35[2]和40 dBZ[18]等。其中最普遍使用的阈值是35 dBZ,这是由于这种程度的降水回波和成熟积雨云的最终发展有很好的相关,适用于深湿对流的CI研究[2]。通过雷达降水回波强度定义CI,不仅为追踪和预报CI后续对流系统提供了目标(如在TITAN系统[19]中),也为CI过程本身的定量描述和预报统一了标准。

随着近年来雷达网获取资料的不断累积,许多研究基于上述雷达定义进行了CI的气候学统计。Weckwerth等[20]使用2000—2006年和2008年的雷达反射率数据对欧洲COPS外场试验区域[21]的夏季CI过程进行了研究,发现CI倾向于在山区形成(图2a)并具有明显的日变化特征。美国在20世纪90年代建成了由100多部多普勒雷达构成的新一代天气雷达网。Haberlie等[16]通过1997—2013年的雷达组合反射率数据研究了美国东南部亚热带地区城市化对暖季雷暴CI过程的作用,发现CI过程在城市地区较周围乡郊地区更为多发(图2b)。Lock等[22]将2005—2007年的雷达反射率数据与闪电数据结合分析指出,美国大平原地区雷暴的CI过程大量发生于显著地形和墨西哥湾附近(图2c),且其发生频率在一年之中的8月达到峰值,一天之中则集中在中午前2 h到中午后6 h的时段内。通过整合美国20年的雷达拼图数据,Fabry等[23]开展了包含CI过程在内较为全面的对流和降水气候学统计研究。此外,比利时[24]、奥地利[25]和澳大利亚[26]等国家和地区也基于雷达开展了CI相关气候统计研究,为了解不同天气和对流环境下的CI分布特征和物理机制提供了概貌信息。

图2

图2   不同地区基于雷达气候学统计的CI空间分布特征

(a)欧洲中部[20]、(b)美国东南部[16]和(c)美国中部[22];(a)中用白点表示CI位置分布;(b)和(c)中用空间密度表示CI位置分布,其中(b)中色调越亮表示CI发生密度越高;(c)中黄色等值线表示密度超过0.009的区域

Fig. 2   Radar-based CI climatology across different regions

(a) Central Europe[20], (b) Southeast U.S. [16] and (c) Central U.S.[22]; The spatial distribution of CI locations is shown by white dots in (a) and by point density in (b) and (c), with brighter color indicating more frequent CI occurrence in (b) and the yellow contour in (c) indicating density higher than 0.009 points per km2


20世纪90年代末,中国开始建设新一代天气雷达网。基于此,近年来一些涵盖CI过程的对流气候学研究也陆续开展。韩雷等[27]使用2003—2007年的多普勒雷达三维体积扫描数据,对京津及邻近地区暖季(5~8月)强对流风暴的CI分布特征进行了分析。Chen等[28]基于2008—2011年6部雷达拼图数据的统计结果,对华北地区对流系统的CI过程进行了讨论。基于北京大兴和天津塘沽2部雷达6年(2008—2013年)的数据,Wang等[29]运用TITAN算法对京津地区对流风暴的初生和发展进行了识别、追踪和研究,考察了该地区地表类型、天气流型等因素对CI时空分布的影响。利用2007—2009年的广州雷达资料,Chen等[30,31]统计了珠三角地区暖季(5~9月)对流的时空分布特征,发现该地区两个对流性降水中心位于华南沿岸区域和内陆地形迎风坡上,且在华南前汛期(5~6月)呈现午后和凌晨双峰结构的日变化特征,并结合再分析等资料和数值模拟揭示了华南沿岸强对流中心的形成可以归因于低空急流和海陆摩擦差异造成的速度辐合,而凌晨的CI过程与陆风和低层盛行南风间的辐合密切相关。基于多年的华南区域雷达拼图,Bai等[32]利用图像处理技术构建了客观识别的CI数据集,为区域CI的机理研究和对流可分辨模拟的验证提供了高时空分辨率的观测支撑。其他雷达相关工作在研究中国某一类对流系统如飑线[33]和MCSs[34]的气候学统计特征时,也涉及并讨论了相应的CI统计特征。

2.2 雷达与卫星观测到的边界层辐合线与CI关系

当大范围内水汽与不稳定层结条件都较有利(较大的CAPE值)时,CI发生的具体时间和地点主要由抬升机制决定。在各类抬升机制中,除了固定地形的抬升,边界层辐合线和重力波都需要进一步使用有效的方式进行识别。相比于重力波信息不容易从观测上进行确认和运用,辐合线信息常常能够通过雷达和卫星观测连续进行捕捉。辐合线的出现往往表明大气底层存在辐合抬升条件和局地湿层的加深,有助于判断CI的发生[35]

在雷达观测中,辐合线通常呈现为晴空窄带(fine line)回波(由鸟类、昆虫和沙尘等产生的回波[36])(图1a)或者多普勒径向速度辐合带(速度谱宽通常较大)[37]。Boyd[38]较早从雷达观测上开展辐合线研究,发现对应于海风锋和雷暴出流两条辐合线的窄带回波的相交似乎和积云发展存在关系。Koscielny等[39]通过个例研究指出多普勒雷达可以在云和对流发展前2~3 h观测到中尺度辐合区。基于此,Wilson等[17]进行了较为系统性地研究,明确了看似随机发生的CI过程和雷达观测到的辐合线在位置上有很强的对应关系,其统计表明美国科罗拉多洛基山以东地区约有80%的对流形成于雷达观测到的辐合线附近。该地区雷达观测到辐合线行为对CI发生发展的影响被进一步总结形成经验规则用于CI预报[40]。辐合线的生成常与雷暴出流、大气温度和湿度的不连续以及由地表热力性质差异导致的局地环流有关。后续的一些工作使用雷达观测研究了不同类型的辐合线(如阵风锋[37]、干线[41]、水平对流卷[42]、海风锋[43,44]和湖风锋[45,46])与CI发生的关系。基于5个夏季单部雷达的基数据,Huang等[47]对具有显著植被覆盖差异(主要是绿洲—沙漠植被差异)的中国河套地区(黄河“几字弯”上)进行辐合线及其引发对流的统计研究(图3),发现受植被差异引发的热力环流影响,辐合线在沙漠等植被稀少区出现的频率要明显高于绿洲等植被茂盛区,同时植被差异对于辐合线的走向、长度、移动和日变化有明显的影响,对辐合线引发对流高发区的频率和位置也有潜在的调制作用。更为重要的是,引发和未引发对流的辐合线具有颇为明显的特征差异,如引发对流的辐合线形成较早、移动较快等,这对于该地区的CI临近预报具有一定的参考意义。

图3

图3   201364日华北河套地区引发对流的边界层辐合线在不同阶段的雷达反射率图[47]

(a)0818 LST,形成阶段(起始10 km);(b)1358 LST,最大长度阶段;(c)1404 LST,对流触发阶段(首个大于等于10 dBZ回波);(d)1555 LST;图中红圈给出了辐合线位置,白圈给出了辐合线引发首个大于等于10 dBZ回波的位置;十字灰线交点为河套地区临河雷达站点位置;从内到外的灰色圆圈表示离雷达50 km和100 km的位置

Fig. 3   Radar composite reflectivity of a convective boundary on 4 June 2013 around the bend of the Yellow River in North China[47]

The red circles in (a)~(c) highlight the boundary at its formation (first 10 km), maximum length, and convective initiation stages, respectively; The white circle in (c) highlights the first ≥10 dBZ echo of the first convective storm near the boundary; The central intersections denote the radar site, and the range rings are shown at 50 km intervals in gray


高空间分辨率的可见光(Visible,VIS)图像也常监测到呈现为线状积云的边界层辐合线,对于CI的发生同样具有指示作用(图4a)。Purdom[48,49]较早地在GOES卫星的VIS图像中观察到:地形(海岸线和河岸线等)引起的线状云或已存在对流系统所产生的弧状云,它们的相互作用大大增加了新生对流的触发几率。进一步通过VIS图像统计表明,美国东南部73%的午后对流形成于雷暴出流边界的交叉点上[50]。近年来的研究工作不断论证并发展了VIS图像上辐合线(尤其是雷暴出流边界)对许多高影响强对流事件CI过程的重要作用。例如,美国IHOP_2002试验(以CI为主要研究目标的著名试验[35])期间的一次产生大风、冰雹的超级单体个例研究发现,VIS图像上观测到的出流边界和水平对流卷等辐合线有利于加强低层水汽平流和辐合,进而导致超级单体CI过程的发生[51]。另有最近的研究工作指出,2009年6月上旬发生在中国中东部导致严重人员伤亡的2次强对流天气的CI过程,都和雷暴出流边界(甚至多条出流边界)与其他地面辐合线或中尺度过程(如重力波)的相互作用有关,而这些出流边界在FY-2C的VIS云图上都有较明显的体现[52,53]

图4

图4   使用静止卫星成像仪研究CI3种方式

(a)可见光图像法[48];(b)单一红外窗区通道法[60];(c)多光谱通道法[3]

Fig. 4   Three ways to study CI based on geostationary imagers

(a) Visible imagery[48]; (b) Only IR-window channel[60]; (c) Multispectral channels[3]


2.3 静止卫星成像仪观测CI前积云发展

CI发生必定经历积云发展的过程,且积云发展的特征直接与CI发生条件的配合程度相关。因此,如果能够对CI发生(达到雷达回波定义)前的早期积云发展过程进行连续、完整、精密地捕捉并进行发展特征分析,则有助于为CI发生提供指示信息。相比于晴空下的辐合线信息,积云发展信息对于CI发生的提前量相对较短,但对于CI时间和地点的辅助判断更加直接和定量化,且更容易被稳定观测到。对CI前积云发展的观测主要依赖于静止卫星光学成像仪。随着静止卫星的更新换代,成像仪的时空分辨率不断提升,光谱通道数也持续增加。例如,日本新一代静止卫星Himawari-8相比于其前一代静止卫星MTSAT,其上搭载的成像仪空间分辨率由1~4 km提升到了0.5~2 km,全盘扫描所需要的时间由30 min缩短到10 min,通道数由5个增加到了16个[54]。基于持续提升的静止卫星成像仪,对CI前积云发展的观测研究进展可总结为以下3个方面[13]

(1) 基于可见光图像

连续的VIS图像广泛地被用于研究不同下垫面和对流环境中CI前积云的发展演变行为。在早期GOES卫星连续的VIS图像上对美国西部科罗拉多洛基山脉的山地对流进行后向追踪可以发现,山地对流的触发位置倾向于聚集在特定的地理位置(被称为“起源地带”),且其具体分布与环境风有关[55,56]。热带亚马孙西南地区的对流在CI前常常会在连续的VIS图像上出现环状积云的特征,对该地区的CI发生具有重要指示意义[57]。通过逐小时的VIS图像观察到,当天气尺度的云系缓慢地靠近法国孚日山脉西侧时,山脉的东侧一开始会出现零散的浅积云,随后发展为很强的对流系统[58]。对Himawari-8成像仪3个VIS通道合成的真彩图像(10min 间隔)上成功捕捉到的一次中国东部高架(elevated)对流过程研究指出,与常见的白天地基(surface-based)CI过程中积雨云发展自晴空环境或浅积云不同,此次高架CI的积云发展自与被抬升湿层相对应的层状云区[59]。这些成果表明静止轨道上高分辨率的VIS图像对白天时段CI过程的观测和分析具有十分重要的价值。

(2) 基于红外窗区通道亮温

使用卫星观测对CI进行定量研究最开始主要是基于能够直接反映云顶温度的红外(Infrared,IR)窗区(约10.8 μm)通道亮温数据(图4b)。Roberts等[2]对比美国科罗拉多州东部对流发展个例的卫星和雷达观测发现,对流发展前卫星探测到的积云快速发展信号,即云顶亮温低于0 ℃且出现较大的云顶降温率,比雷达探测到的35 dBZ CI回波约有30 min的提前量。积云云顶降温率与积云能否发展成对流系统的显著相关性成为之后许多卫星工作研究和预报CI的重要基础。基于云顶降温率的思想,Huang等[61]获取了2010年暖季中国中东部孤立对流事件的CI卫星信号并研究其分布和变率特征,发现CI卫星信号相对于雷达上35 dBZ回波的提前量具有一定月变化、日变化和地形变化特征,这些变化特征可以使用IR窗区通道亮温及其降温率从积云云顶特征变化的角度加以解释。Senf等[62]对9个欧洲中部的强对流个例触发和发展阶段的云顶降温率进行了连续完整的分析,得到了最大降温率同其他云顶特征如云顶温度和云砧扩展速度的关系。使用IR窗区通道亮温数据对CI相关积云发展过程进行研究的方法具有昼夜可用,在不同卫星平台上可移植性强的优点。

(3) 基于多光谱通道信息

得益于静止卫星成像仪通道的增加,CI研究可以利用不同探测通道对不同高度或大气成分的辐射特性不同来获取更丰富的积云发展信息(图4c)。例如,中心波长为6.7 μm的水汽通道对于对流层中上层(300~600 hPa)的水汽辐射十分敏感,通过比较水汽通道与IR窗区通道的亮温差,可以用来估计积云云顶相对于对流层中上层的位置和发展速度。Mecikalski等[3]通过加工组合GOES卫星上3个IR通道亮温数据,提出用于描述对流云性质、发展和演变的8个IR指示器,将其称为“关注场(interest fields)”(图5)。通过对8个关注场设置阈值并进行合理评估,可提前30~45 min对CI进行临近预报[3,64]。Siewert等[65]利用MSG卫星中6个IR通道将8个IR关注场扩展为17个,用于刻画CI过程中云顶高度、云顶冻结效应和垂直发展强度等3种积云发展特征。Mecikalski等[63]进一步系统地总结了MSG卫星所有8个IR通道所能提供的67个IR关注场,并通过相关分析和主成分分析筛选出分别最能表征以上3种积云发展特征的6个、7个和8个关注场(图5)。IR多光谱关注场分析CI相关积云发展的思想在近年来得到了越来越深入的运用。基于上述8个IR指示器建立的对流云样本库,有研究分析了美国东南部夏季对流云出现频率和不同陆地覆盖类型、植被指数和海拔梯度等陆表特征的关系,发现对流云最倾向于形成在森林和茂盛植被覆盖区以及海拔高梯度区[66]。另外一些研究工作利用IR关注场对不同环境下的CI过程进行了分析,指出不同对流环境中CI相关积云发展具有明显的特征差异[67,68]。除了IR数据,VIS和近红外(0.6~3.9 μm)数据也成为了多光谱方法的重要数据来源,被用于定量描述或反演白天时段CI相关积云发展过程中云物理特性(如云光学厚度、云顶相态、云粒子有效半径和云顶形态)的演变特征[69,70,71]。Mecikalski等[72]利用MSG卫星上的VIS和近红外通道提出了27个关注场,并较为详尽地分析了不同关注场对于评估CI相关积云云物理特征的重要性和显著性。多光谱分析和预报CI的方法对静止卫星成像仪的探测能力有较高的要求,随着新一代静止气象卫星的发射,该方法将得到进一步发展和完善。

图5

图5   基于MSG卫星总结的最能用于刻画CI过程中3种积云发展特征的关注场[63]

上标“a”表示Mecikalski等[3]工作中8个IR关注场中的6个,另外2个为“13.3-10.7 μm” 和“10.8-μm TB低于0℃的时间”;“TB”表示亮温(brightness temperature),“t-min”表示t-min时间趋势,“trispectral”表示(8.7-10.8)-(10.8-12.0) μm

Fig. 5   The top interest fields derived from MSG satellite for describing the three physical attributes of CI-related cumulus clouds[63]

The superscript “a” indicates six out of the eight interest fields in Mecikalski and Bedka[3], and the other two are 13.3-10.7 μm and the timing of a 10.8-μm TB drop below 0 °C. Here, “TB” means brightness temperature, “t-min” means the t-min time trend, and “trispectral” means (8.7-10.8)-(10.8-12.0) μm


更进一步地,Roberts等[2]在个例研究中曾指出:不同的早期积云云顶降温率对应着后续不同的对流强度。基于此,一些工作开始将上述研究方法进行拓展,用于研究CI前积云发展和后续对流强度的关系。Hartung等[15]将卫星获取的云顶降温率和雷达上的对流强度特征(包括降水回波强度、垂直积分液态水含量和冰雹尺寸等)进行了分类相互对比。Cintineo等[73]基于GOES卫星云顶产品对比分析了强风暴和非强风暴系统早期积云的演变特征,Cintineo等[74]进一步将GOES卫星云顶特征和雷达观测与NWP进行结合用于预测早期积云产生强对流天气的潜势。Matthee等[75]利用MSG卫星的10个IR通道场对产生闪电和未产生闪电两类积云发展特征进行了对比。Mecikalski等[76]则基于多光谱方法获取早期积云特征和云顶微物理特征参量用来评估后续对流系统的强度。以上研究表明,不同强度的对流在早期积云发展特征上往往存在显著的统计差异,早期积云发展的一些卫星特征指标可用于评估CI后续对流发展的强度。

2.4 静止卫星探测仪评估CI前环境条件

卫星成像仪主要观测CI相关积云发展过程,而卫星垂直探测仪则能够通过获取大气温度和湿度廓线来评估积云发展和CI发生前的环境条件。自1994年以来,美国GOES系列静止卫星开始搭载IR探测仪Sounder,在北美地区及其附近海域能够提供每小时1次、空间分辨率约为10 km的大气温湿廓线及其衍生产品(如大气可降水量、不稳定指数和能量)[77],有效弥补了常规探空和低轨道卫星获取的观测间隔较长(通常为2天1次)的探空信息对于监测对流发生发展这种快速变化过程上的不足。然而,由于GOES Sounder仅配置18个较低光谱分辨率(10~100 cm-1量级)的IR宽波段通道(图6),对于获取大气精细化廓线尤其是底层信息仍然有限。尽管通过改进大气温湿廓线反演算法,能够一定程度上提高大气可降水量等衍生产品的准确性,从而促进Sounder对于中小尺度对流研究和预报的帮助[78],但在静止卫星上搭载高光谱分辨率(上千个具有1 cm-1量级的光谱通道)探测仪(图6)仍十分必要[80,81]

图6

图6   美国GOES卫星上搭载的IR探测仪Sounder与辐射模式模拟的高光谱探测仪HES的光谱分布对比(据参考文献[79]修改)

GOES卫星探测仪的光谱分辨率为10~100 cm-1,而高光谱探测仪HES的光谱分辨率可达1 cm-1量级

Fig. 6   The spectral coverages of the GOES sounder bands and a simulated HES-like instrument with high spectral resolutionmodified after reference [79])

The GOES sounder is at low spectral resolutions (10~100 cm-1), whereas a HES-like instrument could have spectral resolutions on the order of 1 cm-1


一些研究论证了高光谱分辨率探测仪对于获取CI前环境条件从而评估CI潜势的重要作用。Li等[82]使用低轨道卫星上搭载的高光谱分辨率IR探测仪AIRS所衍生出的大气稳定度指标——CAPE和抬升指数(Lifted Index,LI)——对3个不同强对流过程的CI前环境进行评估,发现这些指标能够在对流发生发展前1~3 h提供前兆信息,并且相对于GOES Sounder较粗光谱分辨率获取的同类指标具有更精确及时的指示作用。他们的工作同时指出,如能将高光谱分辨探测仪结合到静止轨道上,将能够提供更加及时有效的对流前兆信息。借助辐射模式模拟,一些研究论证了静止轨道上同时具有高时间和光谱分辨率的垂直探测仪能够尽早提供精确的大气不稳定信息,进而判断CI发生的潜势和范围[79,83,84]。进一步将探测仪获取的CI前环境信息和成像仪获取的积云发展信息相结合,能够有效地改善CI预报的命中率和空报率[79]。中国于2016年12月发射的新一代静止卫星FY-4A上搭载了世界上第一台静止轨道高光谱分辨率IR探测仪GIIRS [85],欧洲也计划在其新一代静止卫星MTG上搭载名为IRS的高光谱探测仪,未来这些探测仪的广泛运用将大大推动CI的研究及其精细化预报[86]

3 基于雷达与卫星的CI临近预报技术进展

目前业务上的对流天气临近预报技术还是以主观分析预报为主、客观预报算法为辅。主观预报中,预报员主要通过识别和外推雷达回波和卫星云图,同时综合常规观测和NWP输出参数进行中尺度环境分析[10],判断对流及其灾害天气的发生发展趋势。而客观预报则实现外推技术自动化,并对一些强对流天气进行自动识别(可参阅俞小鼎等[7]研究)。但无论是主观还是客观预报,目前的对流天气临近预报技术更适用于生命史较长、发展相对成熟的对流过程(如飑线和锋面对流等),而对CI这种发展迅速、空间尺度小、从无到有的过程则较难把握。雷达与卫星观测资料的改善以及上述CI观测研究推动了CI客观预报技术的发展。本文着重介绍3种在美国发展并实现业务化、较为成熟的CI临近预报技术及其运用进展。

3.1 ANC发展及运用

ANC(Auto-Nowcast System)是美国国家大气研究中心(National Center for Atmospheric Research,NCAR)发展的一套对流临近预报系统(重点预报对流的位置和强度)[87]。出于对流临近预报时间紧迫而预报员主观预报工作强度很大的考虑,ANC高度集成各种资料和算法自动、快速地形成对流预报。该系统使用的资料包括雷达、卫星、地面站、闪电和探空等观测数据以及数值模式产品。这些资料被输入到分析算法中产生多个预报场,并通过模糊逻辑算法对各个预报场赋予权重最终计算整合成一个概率场,用于预报对流的触发、发展和消亡。ANC使用了多种资料且不仅局限于CI的预报(例如还含有对流外推预报等),这里只侧重于介绍雷达和卫星资料在ANC中对于CI预报的贡献和用途。实践证明,雷达和卫星资料在ANC中对于CI的预报具有十分重要的价值。

卫星方面,ANC使用GOES卫星的VIS和IR数据提取云类型和云增长信息,利用云分类算法重点突出积云区域,表征对流环境的不稳定度和CI的潜势。同时结合IR窗区通道亮温的降温趋势对积云垂直增长进行量化,进一步分析CI发生的可能性[2]

ANC的重要功能是能够对边界层辐合线进行检测和分析从而用于CI预报,这很大程度上依赖于雷达观测。其中辐合线及其相关特征对于CI预报的指示作用主要遵循一些前人研究总结的概念规则[40],例如对流的触发和快速发展倾向于发生在两条辐合线相交点上等。尽管ANC集成了一些算法用于自动检测辐合线并进行追踪和外推,但却难以在没有产生虚假信号的情况下稳定地检测出辐合线精细化特征,辐合线完全自动检测错误率较高。相对来说,人眼能够在雷达(也结合卫星和中尺度观测)资料中看到辐合线的存在,因此,预报员在ANC中的重要作用就是将主观识别到的辐合线适时地输入到ANC中的辐合线探测算法中进行算法训练,实现人机交互,引导系统更准确地运行。经过6年的检验发现,预报员通过输入辐合线信息到ANC中的方式有效地提升了自动化、格点化和高分辨率的CI预报。这种有预报员参与的ANC被称为FOTL-ANC(Forecaster-Over-The-Loop-ANC)[4]。此外,雷达资料在ANC中也被用于VDRAS(Variational Doppler Radar Analysis System)模块进行三维风场反演和边界层热动力学分析,从而辅助CI预报。在一些情况下,灵敏度较高的雷达还能观测到由于云边缘强水汽梯度布拉格散射产生的弱回波(<5 dBZ),用于辅助检测降水形成前早期积云,弥补卫星观测中资料缺失或低层积云被高层云遮盖的缺陷。

3.2 SATCAST算法发展及运用

SATCAST(Satellite Convection Analysis and Tracking)算法是目前美国用于CI业务预报的卫星算法之一。该算法起源于Mecikalski等[3]的CI预报思路(核心是2.3部分中的多光谱方法)。Mecikalski等[3]中的CI预报方法基于GOES卫星VIS和IR通道数据,包括3个技术组成部分:早期积云识别/掩码;中尺度大气运动矢量(Mesoscale Atmospheric Motion Vectors,MAMVs [88])计算;8个IR关注场计算(图5)。使用MAMVs对经识别后的早期积云进行追踪,根据8个IR关注场信息评估早期积云出现CI过程的可能性(对8个IR关注场都赋予了一定的阈值条件,当至少有7个关注场满足条件时认为CI发生的可能性很大),从而达到提前30~60 min预报CI的目的。需要指出的是,Mecikalski等[3]是从单个卫星图像像素点的角度使用MAMVs对积云进行追踪进而计算关注场,这对于MAMVs的准确性要求很高,追踪容错率很低,经常会增加CI预报的不准确性[64]

Walker等[5]对SATCAST算法进行了改进,提出SATCASTv2(version 2)算法。不同于Mecikalski等[3]中的像素点追踪框架,SATCASTv2算法参考Zinner等[89]的方法,将每个对流云当作一个目标进行追踪,利用MAMVs考察连续时刻两个对流云目标的重合情况来判断两个云目标是否为同一个云目标,进而计算IR关注场并作出CI预报。在IR关注场的计算中,SATCASTv2算法提取出了每个云目标中IR窗区亮温最低的25%的像素点进行该云目标关注场的计算,有效地处理积云发展信号模糊和合并的问题。

尽管SATCASTv2算法进行了颇多的改进,但仍存在不少问题需要进一步完善。例如,Walker等[5]发现SATCASTv2算法在美国4个不同对流环境的地区中CI预报表现存在差异:在美国中部大平原地区表现最佳(命中率85%、空报率55%、平均提前量32.9 min),而在美国东南部偏热带环境地区则表现欠佳(命中率54%、空报率60%、平均提前量23.8 min),并指出这与SATCASTv2在不同环境下使用相同的关注场阈值条件有关。为此,Jewett等[90]提出了根据不同积云发展环境对关注场阈值进行动态调整的方法,提高了SATCASTv2算法的性能。针对SATCASTv2算法中仅使用卫星关注场导致CI空报率整体偏高的问题,Mecikalski等[6]的研究将NWP得到的对流环境预报场如CAPE、LI和风切变等信息加入到SATCASTv2算法中,并借助两种统计学习方法——逻辑回归和随机森林,建立了一种CI概率预报系统,有效地减少了CI空报率。此外,高层薄卷云遮盖低层积云发展信号对CI预报的影响[5]在Mecikalski等[91]的研究中得到了进一步明确,即当卷云存在但其VIS光学厚度低于20时,低层积云发展的关注场信号仍有至少90%的幅度能够得到有效探测,而当卷云光学厚度增加时,关注场信号越难被获取,对于CI预报的影响也越大。

近年来SATCAST算法框架在不少地区和不同静止卫星上得到了应用。Merk等[92]基于MSG卫星将SATCAST算法中预报CI的关注场嵌入到欧洲地区强对流监测、追踪和预报算法Cb-TRAM(Cumulonimbus Tracking and Monitoring)[89]中,弥补了该算法更关注成熟对流,忽视早期对流发展的缺陷。此外,一些研究还将SATCAST算法运用到中国FY-2卫星[93]、日本MTSAT卫星[94,95,96]和韩国COMS卫星[97]上,对亚洲地区(尤其是亚洲东北部地区)的CI过程进行了预报试验。这些研究表明,经过适当的阈值调整或方法改进(如结合机器学习方法),SATCAST算法能够有效地移植到与GOES卫星具有相当探测能力的其他静止卫星上用于CI预报。随着新一代静止卫星的陆续发射,SATCAST算法也得到了越来越丰富的发展和运用。郭巍等[98]参考SATCAST算法,使用日本新一代静止卫星Himawari-8数据对上海市夏季12次CI事件进行了预报试验,成功地预报了其中的11次,预报提前量平均约30 min。Zhuge等[99]使用Himawari-8数据将SATCAST算法运用到了具有副热带环境特征的中国东南部地区,针对该地区CI常伴随着暖雨过程的特点对算法中的关注场及其阈值进行了发展和调整,使得算法命中率、空报率和提前量在该地区都有了明显的改善。Lee等[100]和Han等[101]则利用Himawari-8数据,将SATCAST算法结合决策树、随机森林和逻辑回归等机器学习方法建立CI预报模型,以达到提升算法性能的目的。除了Himawari-8卫星,中国发射的新一代静止卫星FY-4A也被用于发展CI预报算法,其算法框架大体与SATCAST类似[85]

3.3 UWCI算法发展及运用

UWCI(University of Wisconsin Convective Initiation)算法是由美国威斯康星大学提出的另一种CI业务预报卫星算法[60],其核心思路主要是根据IR窗区通道亮温降温率(如2.3部分所述)评估积云垂直发展程度进而做出CI预报[2]。UWCI算法最大的创新之处在于该算法是在“box averaging”框架中搭建起来的。“box averaging”框架指的是在以一个目标像素点为中心的2个不同大小(7×7像素和13×13像素)的box内评估云顶云类型的变化和计算平均降温率。在此框架下,UWCI算法流程主要包括4个部分:云分类;生成未过滤的平均降温率信号;通过测试筛选平均降温率信号;CI分阶段预报。

UWCI算法所使用的云分类产品是美国GOES-R成像仪ABI云算法工作组发展的。该云分类算法设计使用美国新一代静止卫星GOES-R成像仪ABI数据,但同样也能够运用于当前通道较少的业务卫星GOES成像仪数据。此分类算法原本仅被设计用于白天时段[102,103],后被发展运用于IR通道,使得云分类产品不依赖于太阳天顶角,变得昼夜可用[104]。在云分类产品中,每个GOES卫星像素点被分成晴空、液态水、过冷液态水、混合相态、不透明冰云、透明冰云和多层冰云几类。

在“box averaging”框架下,云平流运动、薄卷云运动和复合多层云等很容易造成虚假降温率,从而影响CI预报准确性。UWCI算法通过7个在box内执行的测试尽可能对这些虚假降温率进行过滤,以保留下由于积云垂直发展导致的真正降温率[60]。对于保留下来的降温率信号,通过降温率幅度和云顶类型进行CI分阶段预报:

(1)CI前云增长阶段(pre-CI cloud growth):表征垂直发展的早期水云阶段,此阶段能提供最长的CI预报提前量,但空报率最高。

(2)即将CI阶段(CI likely):表征垂直发展的过冷水混合相态云阶段,此阶段预报提前量相对较短,但空报率较低。

(3)CI发生中阶段(CI occurring):表征垂直发展、云顶刚出现冰相态的云阶段,此阶段预报提前量最短,空报率和阶段(2)相当。

UWCI算法在美国风暴预报中心(Storm Prediction Center)强对流高发区的CI命中率和空报率分别为56.3%和25.5%,而对整个检验区域则分别为47.0%和34.8%[60]。通过检验分析发现,UWCI算法在对流发展自晴空或少云条件和具有明显辐合线条件时预报性能较好,而在有中层云、卷云盾和对流云砧存在以及有云快速运动的条件下预报性能较差。

与SATCAST算法相比,由于UWCI算法是通过“box averaging”框架对连续卫星时刻进行联系,不需要额外的追踪方法(如MAMVs),因此计算上成本较低、耗时较短,有利于更早地做出预报。同时UWCI算法对于虚假降温率具有较为严格的测试筛选,因此其CI空报率也相对较低。此外,UWCI算法在云分类和云顶降温率计算上都只使用了IR通道数据,因此昼夜可用,在不同卫星成像仪上的直接移植性也较高。例如,徐慧[105]曾参考UWCI算法,利用30 min分辨率的FY-2C卫星数据对京津冀地区的一次对流过程进行了成功的CI预警。需要指出的是,“box averaging”框架下可能会使得一些积云发展信号由于降温率的平均而变弱甚至消失,导致UWCI算法的CI命中率整体要低于SATCAST算法。

4 结语与展望

在强对流天气领域,由于时空密度有限的常规气象观测和NWP模式对于对流尺度过程常难以进行准确刻画,使得高时空分辨率的天气雷达和静止气象卫星观测成为CI研究和精细化临近预报的有效工具并得到了诸多运用。雷达观测首先从降水回波的角度提供了最广为使用的CI定量定义。通过将此定义运用到多年累积的雷达观测数据,CI气候学统计研究得以开展,不同地区的CI分布及其环境特征得到了深入研究。雷达和卫星能分别通过观测晴空窄带回波和线状积云对边界层辐合线进行捕捉,为CI抬升条件的判别提供有力参考。在有利的水汽和不稳定层结条件下,这些观测到的局地辐合线信息是在大范围CI潜势区确定CI发生具体时间和地点的关键。此外,静止卫星可进一步从观测早期积云发展特征的角度更直接定量地评估CI发生条件的配合程度,从而在CI发生达到雷达定义之前提供定时定点的指示信号。随着探测能力的不断提升,基于静止卫星的CI研究呈现出从定性到定量描述、从单一到多光谱通道联合运用、从仅使用光学成像仪到不同星载仪器运用、从仅关注CI过程本身到关注CI前环境条件和CI后续对流强度的发展趋势。这些CI研究的开展使得基于雷达和卫星的CI客观临近预报技术得以发展并业务化,并在不同地区得到了推广和运用,大大提升了CI临近预报的精细化水平。

在现有的CI研究和预报技术上,仍然存在亟待进一步解决的关键问题。在卫星方面:考虑到CI预报的短时效性,要求卫星观测数据能够尽快地传回并进行近实时处理;不同星载仪器(如成像仪和探测仪)对同一CI过程的协同观测和预报需要建立更完善的流程;由于不同对流环境下CI相关积云发展特征存在差异,有必要对某一目标区域进行积云发展特征上的深入研究,建立适用于不同对流环境、具有更好预报表现的精细化CI预报卫星算法;卫星上观测到的CI过程对于组织化的强对流系统(如MCSs)发生发展的指示意义有待进一步明确等。在雷达方面:辐合线及其引发对流的相关机理仍需深入研究(例如,什么环境下会产生辐合线?什么样的辐合线和环境容易出现CI过程?在辐合线的什么位置容易出现CI过程?)。辐合线和CI过程在雷达观测中的三维结构及其对应关系尚未明确。辐合线自动识别算法有待进一步发展和完善。此外,在CI研究和预报过程中,雷达和卫星观测之间的联动(如雷达上观测到的辐合线和对流过程与卫星上观测到的积云发展过程之间的串联)以及二者与其他观测和NWP模式的结合需要进一步深化运用,而这需要有先进的数据融合和同化系统作为支撑。

值得期待的是,目前国际上正处于静止卫星更新换代的时期,新一代静止气象卫星在时间、空间和光谱分辨率、光谱通道数以及搭载仪器性能等方面都有质的提升。不同地区布设的天气雷达网也逐渐在进行双偏振升级,同时相控阵雷达、风廓线雷达和激光雷达等可开发运用于对流领域的新型雷达观测手段也正加密布设。遥感探测能力的持续提升将有助于解决当前存在的技术瓶颈,进一步推进CI基础研究和提升CI预报能力。此外,结合先进的资料同化方案(如集合卡尔曼滤波等),在对流可分辨模式中同化高分辨率的雷达和卫星观测,将有望进一步改善CI的临近预报能力[106]

参考文献

Ziegler C L.

Deep convection initiation: State of the science, limits of understanding, and future directions

[C]// Preprints, 94th American Meteorological Society Annual Meeting. Atlanta, GA, American Meteorological Society, 2014.

[本文引用: 1]

Roberts R D, Rutledge S.

Nowcasting storm initiation and growth using GOES-8 and WSR-88D data

[J]. Weather and Forecasting, 2003, 18: 562-584.

[本文引用: 7]

Mecikalski J R, Bedka K M.

Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery

[J]. Monthly Weather Review, 2006, 134: 49-78.

[本文引用: 11]

Roberts R D, Anderson A R, Nelson E, et al.

Impacts of forecaster involvement on convective storm initiation and evolution nowcasting

[J]. Weather and Forecasting, 2012, 27(5): 1 061-1 089.

[本文引用: 2]

Walker J R, MacKenzie Jr W M, Mecikalski J R, et al.

An enhanced geostationary satellite-based convective initiation algorithm for 0-2-h nowcasting with object tracking

[J]. Journal of Applied Meteorology and Climatology, 2012, 51: 1 931-1 949.

[本文引用: 4]

Mecikalski J R, Williams J, Jewett C, et al.

Probabilistic 0-1-h convective initiation nowcasts that combine geostationary satellite observations and numerical weather prediction model data

[J]. Journal of Applied Meteorology and Climatology, 2015, 54: 1 039-1 059.

[本文引用: 2]

Yu Xiaoding, Zhou Xiaogang, Wang Xiuming.

The advances in the nowcasting techniques on thunderstorms and severe convection

[J]. Acta Meteorologica Sinica, 2012, 70(3): 311-337.

[本文引用: 2]

俞小鼎, 周小刚, 王秀明

雷暴与强对流临近天气预报技术进展

[J].气象学报, 2012, 70(3):311-337.

[本文引用: 2]

Kain J S, Coniglio M C, Correia J, et al.

A feasibility study for probabilistic convection initiation forecasts based on explicit numerical guidance

[J]. Bulletin of the American Meteorological Society, 2013, 94(8): 1 213-1 225.

[本文引用: 1]

Doswell III C A.

The distinction between large scale and mesoscale contribution to severe convection: A case study example

[J]. Weather and Forecasting, 1987, 2(1): 3-16.

[本文引用: 2]

Zhang Xiaoling, Chen Yun, Zhang Tao.

Meso-scale convective weather analysis and severe convective weather forecasting

[J]. Acta Meteorologica Sinica, 2012, 70(4): 642-654.

[本文引用: 2]

张小玲, 谌芸, 张涛.

对流天气预报中的环境场条件分析

[J].气象学报, 2012, 70(4): 642-654.

[本文引用: 2]

Zhu Yuejia, Xing Rui, Zhu Mingjia, et al.

Application and verification of joint probability method in potential forecast for severe convective weather in Anhui Province

[J]. Advances in Earth Science, 2019, 34(7):731-746.

[本文引用: 1]

朱月佳, 邢蕊, 朱明佳, .

联合概率方法在安徽强对流潜势预报中的应用和检验

[J]. 地球科学进展, 2019, 34(7):731-746.

[本文引用: 1]

Ma Leiming, Bao Xuwei.

Research progress on physical parameterization schemes in numerical weather prediction models

[J]. Advances in Earth Science, 2017, 32(7):679-687.

[本文引用: 1]

马雷鸣, 鲍旭炜.

数值天气预报模式物理过程参数化方案的研究进展

[J]. 地球科学进展, 2017, 32(7):679-687.

[本文引用: 1]

Huang Yipeng.

Statistical Study on Precursor Signals of Convection Initiation in Satellite and Radar Observations

[D]. Beijing: Peking University, 2018.

[本文引用: 2]

黄亦鹏.

卫星与雷达上对流触发前兆信号的统计特征

[D].北京:北京大学, 2018.

[本文引用: 2]

Wakimoto R M, Murphey H V.

Analysis of convergence boundaries observed during IHOP_2002

[J]. Monthly Weather Review, 2010, 138: 2 737-2 760.

[本文引用: 2]

Hartung D C, Sieglaff J M, Cronce L M, et al.

An intercomparison of UW cloud-top cooling rates with WSR-88D radar data

[J]. Weather and Forecasting, 2013, 28: 463-480.

[本文引用: 3]

Haberlie A M, Ashley W S, Pingel T J.

The effect of urbanisation on the climatology of thunderstorm initiation

[J]. Quarterly Journal of the Royal Meteorological Society, 2015, 141(688): 663-675.

[本文引用: 4]

Wilson J W, Schreiber W E.

Initiation of convective storms by radar-observed boundary layer convergent lines

[J]. Monthly Weather Review, 1986, 114: 2 516-2 536.

[本文引用: 2]

Snively D V, Gallus W A.

Prediction of convective morphology in near-cloud-permitting WRF model simulations

[J]. Weather and Forecasting, 2014, 29: 130-149.

[本文引用: 1]

Dixon M, Wiener G.

TITAN: Thunderstorm identification, tracking, analysis, and nowcasting—A radar-based methodology

[J]. Journal of Atmospheric and Oceanic Technology, 1993, 10: 785-797.

[本文引用: 1]

Weckwerth T M, Wilson J W, Hagen M, et al.

Radar climatology of the COPS region

[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(Suppl.1): 31-41.

[本文引用: 3]

Wulfmeyer V, Behrendt A, Kottmeier C, et al.

The Convective and Orographically‐induced Precipitation Study (COPS): The scientific strategy, the field phase, and research highlights

[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(Suppl.1): 3-30.

[本文引用: 1]

Lock N A, Houston A L.

Spatiotemporal distribution of thunderstorm initiation in the US Great Plains from 2005 to 2007

[J]. International Journal of Climatology, 2015, 35(13): 4 047-4 056.

[本文引用: 3]

Fabry F, Meunier V, Treserras B P, et al.

On the climatological use of radar data mosaics: Possibilities and challenges

[J]. Bulletin of the American Meteorological Society, 2017, 98: 2 135-2 148.

[本文引用: 1]

Goudenhoofdt E, Delobbe L.

Statistical characteristics of convective storms in Belgium derived from volumetric weather radar observations

[J]. Journal of Applied Meteorology and Climatology, 2013, 52: 918-934.

[本文引用: 1]

Kaltenboeck R, Steinheimer M.

Radar-based severe storm climatology for Austrian complex orography related to vertical wind shear and atmospheric instability

[J]. Atmospheric Research, 2015, 158: 216-230.

[本文引用: 1]

Peter J R, Manton M J, Potts R J, et al.

Radar-derived statistics of convective storms in Southeast Queensland

[J]. Journal of Applied Meteorology and Climatology, 2015, 54(10): 1 985-2 008.

[本文引用: 1]

Han Lei, Yu Xiaoding, Zheng Yongguang, et al.

Statistic characteristics of severe convective storm during warm-season in Beijing-Tianjin and its vicinity

[J]. Chinese Science Bulletin, 2009, 54(11):1 585-1 590.

[本文引用: 1]

韩雷, 俞小鼎, 郑永光, .

京津及邻近地区暖季强对流风暴的气候分布特征

[J].科学通报, 2009, 54(11):1 585-1 590.

[本文引用: 1]

Chen M, Wang Y, Gao F, et al.

Diurnal variations in convective storm activity over contiguous North China during the warm season based on radar mosaic climatology

[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D20). DOI:10.1029/2012JD018158.

[本文引用: 1]

Wang Y, Wang H Q, Han L, et al.

Statistical characteristics of unsteady storms in radar observations for the Beijing-Tianjin region

[J]. Journal of Applied Meteorology and Climatology, 2015, 54(1): 106-116.

[本文引用: 1]

Chen X C, Zhao K, Xue M.

Spatial and temporal characteristics of warm season convection over Pearl River Delta region, China, based on 3 years of operational radar data

[J]. Journal of Geophysical Research: Atmospheres, 2014, 119: 12 447-12 465.

[本文引用: 1]

Chen X C, Zhao K, Xue M, et al.

Radar-observed diurnal cycle and propagation of convection over the Pearl River Delta during Mei-Yu season

[J]. Journal of Geophysical Research: Atmospheres, 2015, 120: 12 557-12 575.

[本文引用: 1]

Bai L, Chen G, Huang L.

Image processing of radar mosaics for the climatology of convection initiation in South China

[J]. Journal of Applied Meteorology and Climatology, 2019. DOI:10.1175/JAMC-D-19-0081.1.

[本文引用: 1]

Meng Z, Yan D, Zhang Y.

General features of squall lines in East China

[J]. Monthly Weather Review, 2013, 141(5): 1 629-1 647.

[本文引用: 1]

Zheng L, Sun J, Zhang X, et al.

Organizational modes of mesoscale convective systems over central East China

[J]. Weather and Forecasting, 2013, 28(5): 1 081-1 098.

[本文引用: 1]

Weckwerth T M, Parsons D B.

A review of convection initiation and motivation for IHOP_2002

[J]. Monthly Weather Review, 2006, 134: 5-22.

[本文引用: 2]

Wilson J W, Weckwerth T M, Vivekanandan J, et al.

Boundary layer clear-air radar echoes: Origin of echoes and accuracy of derived winds

[J]. Journal of Atmospheric and Oceanic Technology, 1994, 11: 1 184-1 206.

[本文引用: 1]

Klingle D L, Smith D R, Wolfson M M.

Gust front characteristics as detected by Doppler radar

[J]. Monthly Weather Review, 1987, 115(5): 905-918.

[本文引用: 2]

Boyd J G.

Observation of two intersecting radar fine lines

[J]. Monthly Weather Review, 1965, 93: 188.

[本文引用: 1]

Koscielny A J, Doviak R J, Rabin R.

Statistical considerations in the estimation of divergence from single-Doppler radar and application to prestorm boundary-layer observations

[J]. Journal of Applied Meteorology, 1982, 21(2): 197-210.

[本文引用: 1]

Wilson J W, Mueller C K.

Nowcasts of thunderstorm initiation and evolution

[J]. Weather and Forecasting, 1993, 8: 113-131.

[本文引用: 2]

Bluestein H B, Parker S S.

Modes of isolated, severe convective storm formation along the dryline

[J]. Monthly Weather Review, 1993, 121(5): 1 354-1 372.

[本文引用: 1]

Fankhauser J C, Crook N A, Tuttle J, et al.

Initiation of deep convection along boundary layer convergence lines in a semitropical environment

[J]. Monthly Weather Review, 1995, 123: 291-314.

[本文引用: 1]

Wilson J W, Megenhardt D L.

Thunderstorm initiation, organization, and lifetime associated with Florida boundary layer convergence lines

[J]. Monthly Weather Review, 1997, 125: 1 507-1 525.

[本文引用: 1]

Koch S E, Ray C A.

Mesoanalysis of summertime convergence zones in central and eastern North Carolina

[J]. Weather and Forecasting, 1997, 12: 56-77.

[本文引用: 1]

Sills D M L, Brook J R, Levy I, et al.

Lake breezes in the southern Great Lakes region and their influence during BAQS-Met 2007

[J]. Atmospheric Chemistry and Physics, 2011, 11: 7 955-7 973.

[本文引用: 1]

Alexander L S, Sills D M, Taylor P A.

Initiation of convective storms at low-level mesoscale boundaries in southwestern Ontario

[J]. Weather and Forecasting, 2018, 33: 583-598.

[本文引用: 1]

Huang Y, Meng Z, Li W, et al.

General features of radar-observed boundary layer convergence lines and their associated convection over a sharp vegetation-contrast area

[J]. Geophysical Research Letters, 2019, 46: 2 865-2 873.

[本文引用: 3]

Purdom J F W.

Some uses of high resolution GOES imagery in the mesoscale forecasting of convection and its behavior

[J]. Monthly Weather Review, 1976, 104: 1 474-1 483.

[本文引用: 3]

Purdom J F W.

Subjective interpretations of geostationary satellite data for nowcasting

[M]// Browning K. Nowcasting. London: Academic Press, 1982: 149-166.

[本文引用: 1]

Purdom J F W, Marcus K.

Thunderstorm trigger mechanisms over the southeast United States

[C]// Preprints, 12th Conference. on Severe Local Storms. San Antonio, TX, American Meteorological Society, 1982: 487-488.

[本文引用: 1]

Weckwerth T M, Murphey H V, Flamant C. et al

. An observational study of convection initiation on 12 June 2002 during IHOP_2002

[J]. Monthly Weather Review, 2008, 136: 2 283-2 304.

[本文引用: 1]

Su T, Zhai G.

The role of convectively generated gravity waves on convective initiation: A case study

[J]. Monthly Weather Review, 2017, 145: 335-359.

[本文引用: 1]

Bai L, Meng Z, Huang Y, et al.

Convection initiation resulting from the interaction between a quasi-stationary dryline and intersecting gust fronts: A case study

[J]. Journal of Geophysical Research: Atmospheres, 2019, 124: 2 379-2 396.

[本文引用: 1]

Bessho K, Date K, Hayashi M, et al.

An introduction to Himawari-8/9—Japan’s new-generation geostationary meteorological satellites

[J]. Journal of the Meteorological Society of Japan, 2016, 94: 151-183.

[本文引用: 1]

Banta R M, Barker S C.

Thunderstorm genesis zones in the Colorado Rocky Mountains as determined by traceback of geosynchronous satellite images

[J]. Monthly Weather Review, 1987, 115(2): 463-476.

[本文引用: 1]

Barker S C, Wurman J, Banta R M.

Thunderstorm producing terrain features

[J]. Bulletin of the American Meteorological Society, 1988, 69(3): 272-277.

[本文引用: 1]

Lima M A, Wilson J W.

Convective storm initiation in a moist tropical environment

[J]. Monthly Weather Review, 2008, 136(6): 1 847-1 864.

[本文引用: 1]

Weckwerth T M, Bennett L J, Jay M L, et al.

An observational and modeling study of the processes leading to deep, moist convection in complex terrain

[J]. Monthly Weather Review, 2014, 142(8): 2 687-2 708.

[本文引用: 1]

Zhang M, Meng Z, Huang Y, et al.

The mechanism and predictability of an elevated convection initiation event in a weak-lifting environment in central-eastern China

[J]. Monthly Weather Review, 2019, 147: 1 823-1 841.

[本文引用: 1]

Sieglaff J M, Cronce L M, Feltz W F, et al.

Nowcasting convective storm initiation using satellite-based box-averaged cloud-top cooling and cloud-type trends

[J]. Journal of Applied Meteorology and Climatology, 2011, 50: 110-126.

[本文引用: 5]

Huang Y, Meng Z, Li J, et al.

Distribution and variability of satellite-derived signals of isolated convection initiation events over central eastern China

[J]. Journal of Geophysical Research: Atmospheres, 2017, 122(11): 11 357-11 373.

[本文引用: 1]

Senf F, Dietzsch F, Hünerbein A, et al.

Characterization of initiation and growth of selected severe convective storms over central Europe with MSG-SEVIRI

[J]. Journal of Applied Meteorology and Climatology, 2015, 54(1): 207-224.

[本文引用: 1]

Mecikalski J R, MacKenzie Jr W M, Koenig M, et al.

Cloud-top properties of growing cumulus prior to convective initiation as measured by Meteosat Second Generation. Part I: Infrared fields

[J]. Journal of Applied Meteorology and Climatology, 2010, 49(3): 521-534.

[本文引用: 3]

Mecikalski J R, Bedka K M, Paech S J, et al.

A statistical evaluation of GOES cloud-top properties for nowcasting convective initiation

[J]. Monthly Weather Review, 2008, 136: 4 899-4 914.

[本文引用: 2]

Siewert C W, Koenig M, Mecikalski J R.

Application of Meteosat Second Generation data towards improving the nowcasting of convective initiation

[J]. Meteorological Applications, 2010, 17: 442-451.

[本文引用: 1]

Gambill L D, Mecikalski J R.

A satellite-based summer convective cloud frequency analysis over the southeastern United States

[J]. Journal of Applied Meteorology and Climatology, 2011, 50(8): 1 756-1 769.

[本文引用: 1]

Harris R J, Mecikalski J R, MacKenzie W M, et al.

The definition of GOES infrared lightning initiation interest fields

[J]. Journal of Applied Meteorology and Climatology, 2010, 49(12): 2 527-2 543.

[本文引用: 1]

Mecikalski J R, Li X, Carey L D, et al.

Regional comparison of GOES cloud-top properties and radar characteristics in advance of first-flash lightning initiation

[J]. Monthly Weather Review, 2013, 141(1): 55-74.

[本文引用: 1]

Lensky I M, Rosenfeld D.

The time-space exchangeability of satellite retrieved relations between cloud top temperature and particle effective radius

[J]. Atmospheric Chemistry and Physics, 2006, 6: 2 887-2 894.

[本文引用: 1]

Rosenfeld D, Woodley W L, Lerner A, et al.

Satellite detection of severe convective storms by their retrieved vertical profiles of cloud particle effective radius and thermodynamic phase

[J]. Journal of Geophysical Research, 2008, 113(D4). DOI:10.1029/2007JD008600.

[本文引用: 1]

Mecikalski J R, Watts P, Koenig M.

Use of meteosat seceond generation optimal cloud analysis fields for understanding physical attributes of growing cumulus clouds

[J]. Atmospheric Research, 2011, 102: 175-190.

[本文引用: 1]

Mecikalski J R, MacKenzie Jr W M, Koenig M, et al.

Cloud-top properties of growing cumulus prior to convective initiation as measured by Meteosat Second Generation. Part II: Use of visible reflectance

[J]. Journal of Applied Meteorology and Climatology, 2010, 49: 2 544-2 558.

[本文引用: 1]

Cintineo J L, Pavolonis M J, Sieglaff J M, et al.

Evolution of severe and nonsevere convection inferred from GOES-derived cloud properties

[J]. Journal of Applied Meteorology and Climatology, 2013, 52: 2 009-2 023.

[本文引用: 1]

Cintineo J L, Pavolonis M J, Sieglaff J M, et al.

An empirical model for assessing the severe weather potential of developing convection

[J]. Weather and Forecasting, 2014, 29: 639-653.

[本文引用: 1]

Matthee R, Mecikalski J R.

Geostationary infrared methods for detecting lightning-producing cumulonimbus clouds

[J]. Journal of Geophysical Research: Atmospheres, 2013, 118: 6 580-6 592.

[本文引用: 1]

Mecikalski J R, Rosenfeld D, Manzato A.

Evaluation of geostationary satellite observations and the development of a 1-2 h prediction model for future storm intensity

[J]. Journal of Geophysical Research: Atmospheres, 2016, 121: 6 374-6 392.

[本文引用: 1]

Menzel W P, Holt F C, Schmit T J, et al.

Application of GOES-8/9 soundings to weather forecasting and nowcasting

[J]. Bulletin of the American Meteorological Society, 1998, 79: 2 059-2 077.

[本文引用: 1]

Li Z, Li J, Menzel W P, et al.

GOES sounding improvement and applications to severe storm nowcasting

[J]. Geophysical Research Letters, 2008, 35(3). DOI:10.1029/2007GL032797.

[本文引用: 1]

Schmit T J, Li J, Ackerman S A, et al.

High-spectral- and high-temporal-resolution infrared measurements from geostationary orbit

[J]. Journal of Atmospheric and Oceanic Technology, 2009, 26: 2 273-2 292.

[本文引用: 4]

Schmit T J, Feltz W F, Menzel W P, et al.

Validation and use of GOES sounder moisture information

[J]. Weather and Forecasting, 2002, 17: 139-154.

[本文引用: 1]

Committee on Earth Science and Applications from Space.

Earth Science and Applications from Space: National Imperatives for the Next Decade and Beyond

[M]. Washington DC: National Academies Press, 2007.

[本文引用: 1]

Li J, Liu C Y, Zhang P, et al.

Applications of full spatial resolution space-based advanced infrared soundings in the preconvection environment

[J]. Weather and Forecasting, 2012, 27: 515-524.

[本文引用: 1]

Sieglaff J M, Schmit T J, Menzel W P, et al.

Inferring convective weather characteristics with geostationary high spectral resolution IR window measurements: A look into the future

[J]. Journal of Atmospheric and Oceanic Technology, 2009, 26: 1 527-1 541.

[本文引用: 1]

Li J, Li J, Schmit T J, et al.

Warning information in preconvection environment from geostationary advanced infrared sounding system—A simulation study using the IHOP case

[J]. Journal of Applied Meteorology and Climatology, 2011, 50: 766-783.

[本文引用: 1]

Yang J, Zhang Z, Wei C, et al.

Introducing the new generation of Chinese geostationary weather satellites, Fengyun-4

[J]. Bulletin of the American Meteorological Society, 2017, 98(8): 1 637-1 658.

[本文引用: 2]

Menzel W P, Schmit T J, Zhang P, et al.

Satellite-based atmospheric infrared sounder development and applications

[J]. Bulletin of the American Meteorological Society, 2018, 99: 583-603.

[本文引用: 1]

Mueller C, Saxen T, Roberts R, et al.

NCAR auto-nowcast system

[J]. Weather and Forecasting, 2003, 18: 545-561.

[本文引用: 1]

Bedka K M, Mecikalski J R.

Application of satellitederived atmospheric vectors for estimating mesoscale flows

[J]. Journal of Applied Meteorology, 2005, 44: 1 761-1 772.

[本文引用: 1]

Zinner T, Mannstein H, Tafferner A.

Cb-TRAM: Tracking and monitoring severe convection from onset over rapid development to mature phase using multi-channel Meteosat-8 SEVIRI data

[J]. Meteorology and Atmospheric Physics, 2008, 101(3/4): 191-210.

[本文引用: 2]

Jewett C P, Mecikalski J R.

Adjusting thresholds of satellite-based convective initiation interest fields based on the cloud environment

[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(22): 12 649-12 660.

[本文引用: 1]

Mecikalski J R, Minnis P, Palikonda R.

Use of satellite derived cloud properties to quantify growing cumulus beneath cirrus clouds

[J]. Atmospheric Research, 2013, 120/121: 192-201.

[本文引用: 1]

Merk D, Zinner T.

Detection of convective initiation using Meteosat SEVIRI: Implementation in and verification with the tracking and nowcasting algorithm Cb-TRAM

[J]. Atmospheric Measurement Techniques, 2013, 6(8): 1 903.

[本文引用: 1]

Song Zhenni.

Grid-based early warning of convection initiation with FY2C satellite

[J]. Science & Technology Information, 2014, (5):76-77.

[本文引用: 1]

宋珍妮.

基于网格的FY2C卫星对流初生预警

[J].科技信息, 2014, (5):76-77.

[本文引用: 1]

Liu Jinghua, Wang Bin, Han Lei, et al.

Forecasting convective initiation of a convective weather event in Beijing-Tianjin region

[J]. Acta Scientiarum Naturalium Universitatis Pekinensi, 2012, 48(1):42-46.

[本文引用: 1]

刘京华, 王彬, 韩雷,

京津地区一次强对流天气的初生预警技术研究

[J].北京大学学报:自然科学版, 2012, 48(1):42-46.

[本文引用: 1]

Sobajima A.

Rapidly Development Cumulus Areas Derivation Algorithm

[R]. Japan Meteorological Agency Algorithm Theoretical Basis Document, Meteorological Satellite Center, Tokyo, Japan, 2012.

[本文引用: 1]

Li Wusheng, Wang Hongqing, Wang Yu, et al.

Convective initiation forecasting and statistical evaluation based on satellite data

[J]. Acta Scientiarum Naturalium Universitatis Pekinensi, 2014, 50(5):819-824.

[本文引用: 1]

李五生, 王洪庆, 王玉, .

基于卫星资料的对流初生预报及效果评估

[J].北京大学学报:自然科学版, 2014, 50(5):819-824.

[本文引用: 1]

Han H, Lee S, Im J, et al.

Detection of convective initiation using meteorological imager onboard communication, ocean, and meteorological satellite based on machine learning approaches

[J]. Remote Sensing, 2015, 7: 9 184-9 204.

[本文引用: 1]

Guo Wei, Cui Linli, Gu Wen, et al.

Summer convective initiation forecasting in Shanghai based on Himawari-8 satellite

[J]. Meteorological Monthly, 2018, 44(9):1 229-1 236.

[本文引用: 1]

郭巍, 崔林丽, 顾问,

基于葵花8卫星的上海市夏季对流初生预报研究

[J].气象, 2018, 44(9):1 229-1 236.

[本文引用: 1]

Zhuge X, Zou X.

Summertime convective initiation nowcasting over southeastern China based on Advanced Himawari Imager observations

[J]. Journal of the Meteorological Society of Japan, 2018, 96(4): 337-353.

[本文引用: 1]

Lee S, Han H, Im J, et al.

Detection of deterministic and probabilistic convection initiation using Himawari-8 advanced Himawari Imager data

[J]. Atmospheric Measurement Techniques, 2017, 10(5): 1 859.

[本文引用: 1]

Han D, Lee J, Im J, et al.

A novel framework of detecting convective initiation combining automated sampling, machine learning, and repeated model tuning from geostationary satellite data

[J]. Remote Sensing, 2019, 11(12): 1 454.

[本文引用: 1]

Pavolonis M J, Heidinger A K.

Daytime cloud overlap detection from AVHRR and VIIRS

[J]. Journal of Applied Meteorology, 2004, 43: 762-778.

[本文引用: 1]

Pavolonis M J, Heidinger A K, Uttal T.

Daytime global cloud typing from AVHRR and VIIRS: Algorithm description, validation, and comparisons

[J]. Journal of Atmospheric and Oceanic Technology, 2005, 44: 804-826.

[本文引用: 1]

Pavolonis M J.

Advances in extracting cloud composition information from spaceborne infrared radiances: A robust alternative to brightness temperatures. Part I: Theory

[J]. Journal of Applied Meteorology and Climatology, 2010, 49: 1 992-2 012.

[本文引用: 1]

Xu Hui.

Nowcasting convective storm initiation using the data of FY2C box-averaging method

[J]. Electronic Design Engineering, 2012, 20(21):40-42.

[本文引用: 1]

徐慧.

基于 FY2C 数据的平均 box 方法预报对流初生

[J].电子设计工程, 2012, 20(21):40-42.

[本文引用: 1]

Zhang Yunqi, Zhang Fuqing.

A review on the ensemble-based data assimilations for severe convective storms

[J]. Advances in Meteorological Science and Technology, 2018, 8(3):38-52.

[本文引用: 1]

张云济, 张福青.

集合资料同化方法在强雷暴天气预报中的应用

[J]. 气象科技进展, 2018, 8(3):38-52.

[本文引用: 1]

/