CN102129566A - 基于静止气象卫星识别暴雨云团的方法 - Google Patents

Abstract

本发明涉及一种基于静止气象卫星识别暴雨云团的方法，属于大气监测技术领域。为提高暴雨云团识别的准确率，该方法包括：分割云图，获得当前时刻各个云团的类别；合成设定时间段内的多幅云图，获得短时基本亮温图；计算当前时刻云图与短时基本亮温图的灰度值差值图像；分割灰度值差值图像，识别出暴雨天气备选云团；对于获得的各类云团，结合备选云团，使用历史样本数据识别得出最终的暴雨云团。本发明技术方案对比目前只考虑云团静态强度特征、纹理特征的暴雨识别方法，考虑云团的生成、发展、分裂、合并等演变过程，并提出短时基本亮温图的概念及计算方法，可识别短时内剧烈变化的云团位置，利于在暴雨云团形成早期发现目标，具有很高的准确性。

Description

基于静止气象卫星识别暴雨云团的方法

技术领域

本发明涉及大气监测技术领域，具体涉及一种基于静止气象卫星识别暴雨云团的方法。

背景技术

强降雨是触发洪水、滑坡、泥石流的关键因素。对于造成强降雨的对流云团位置和范围的准确识别，以及对云团移动路径进行追踪，能为洪水、滑坡、泥石流等下游灾害子链的启动提供正确的触发条件和相应的参数。

静止气象卫星可以24小时不间断地对地表约三分之一的区域进行连续观测，每半小时产生一组遥感资料，观测范围广，观测频次高，可以捕捉到时间变化较快的天气现象，特别适合对中尺度强对流天气的预警。这些优点是极轨气象卫星以及地面观测手段所不具备的。因此，使用静止卫星遥感资料对强对流云团进行识别和追踪，有非常重要的实际意义。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提高暴雨云团识别方法的准确率。

(二)技术方案

为解决上述技术问题，本发明提供一种基于静止气象卫星识别暴雨云团的方法，所述方法包括如下步骤：

步骤S1：对静止气象卫星获取的云图进行分割，获得观测区域内当前时刻下的各个云团的类别；

步骤S2：根据静止气象卫星获取的云图，将当前时刻之前的设定时间段内的多幅云图进行合成，获得设定时间段内各云团的基本亮温图，将该合成后获得的基本亮温图定义为短时基本亮温图；

步骤S3：计算当前时刻的云图与所述短时基本亮温图的灰度值差值图像；

步骤S4：对所述灰度值差值图像进行分割，识别出可能出现暴雨天气的备选云团；

步骤S5：对于所述步骤S1中分割获得的各类云团，结合步骤S4中识别出的备选云团，使用静止气象卫星获取的观测区域的历史样本数据来识别得出最终的暴雨云团。

所述步骤S1中，具体包括如下步骤：

步骤S101：读取静止气象卫星获取的当前时刻t以及上一小时时刻t-1的云图，使用灰度值阈值法对所述云图进行分割，将云图中的格点按灰度值大小分为大于等于阈值和小于阈值的两类，其中大于等于阈值的部分分别记为点集合S(t)和点集合S(t-1)；其中，点集合S(t)为当前时刻t的云团图像点集合，点集合S(t-1)为上一小时时刻t-1的云团图像点集合；

步骤S102：标记所述点集合S(t)和点集合S(t-1)中的连通区域，记录其中与云团降水强度有关的参数，所述参数具体包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况；

步骤S103：对于点集合S(t)中的各个云团，通过判断其是否在点集合S(t-1)中存在相应的来源云团、在点集合S(t-1)中的来源云团的数量、在与来源云团相比较时其平均灰度值是增加还是减少以及其云团面积变化情况，来将点集合S(t)中的云团划分为十个类别。

所述步骤S103中的十个类别属于四个大类，所述四个大类具体包括：新增类云团、生长变化类云团、分裂类云团以及合并类云团；

若点集合S(t)中的某一云团与点集合S(t-1)中的任一云团均不相交，则认定其为新增类云团；

若点集合S(t)中的某一云团仅与点集合S(t-1)中的某一云团相交，则认定其是由点集合S(t-1)中的云团变化而来的生长变化类云团；进一步，根据云团面积的变化情况，所述生长变化类云团还具体分为平移变化类云团、膨胀变化类云团以及收缩变化类云团；若记该云团在t-1和t时刻的面积分别为A_t-1和A_t，则当m₁*A_t-1≤A_t≤n₁*A_t-1时，认定该生长变化类云团为平移变化类云团；当A_t＞n₁*A_t-1时，认定该生长变化类云团为膨胀变化类云团；当A_t＜m₁*A_t-1时，认定该生长变化类云团为收缩变化类云团；其中，参数值m₁、n₁均为根据实际情况预先设定的数值，且n₁＞m₁≥1；

若点集合S(t)中的多个云团均与点集合S(t-1)中的某一云团C_j相交，则可以将这些云团认定为均由点集合S(t-1)中的云团C_j发展而来的分裂类云团；进一步，根据点集合S(t)中的多个云团与云团C_j的面积关系，所述分裂类云团还具体分为增长分裂类云团、普通分裂类云团以及独立分裂类云团；若记点集合S(t)中与C_j相交的这些云团中某一个云团的面积为A_t，_Cj的面积为A_Cj，则当A_t＞n₂*A_Cj时，认定该分裂类云团为增长分裂类云团；当m₂*A_Cj≤A_t≤n₂*A_Cj时，认定该分裂类云团为普通分裂类云团；当A_t＜m₂*A_Cj时，认定该分裂类云团为独立分裂类云团；其中，参数值m₂、n₂均为根据实际情况预先设定的数值，且n₂＞m₂＞0；

若当前云团图像点集合S(t)中的某一云团与点集合S(t-1)中的多个云团相交，则可以将该云团认定为由点集合S(t-1)中的多个云团合并而来的合并类云团；进一步，根据当前云团的面积是否大于S(t-1)中的多个云团的面积总和，所述合并类云团还具体分为增长合并类云团、普通合并类云团以及可能假合并类云团；若记当前云团面积为A_t，与之相交的点集合S(t-1)中的n个云团的面积分别为A_i，i＝1，2，...n；则当A_t＞sum(A_i)时，认定该合并类云团为增长合并类云团；当max(A_i)≤A_t≤sum(A_i)时，认定该合并类云团为普通合并类云团；当A_t＜max(A_i)时，认定该合并类云团为可能假合并类云团。

所述步骤S2中，具体包括：

步骤S201：对齐所述当前时刻之前的设定时间段内的多幅云图；

步骤S202：对于所述短时基本亮温图中某一格点处的灰度值，选取多幅云图中处于该相同格点处的多个灰度值中最小的灰度值；

步骤S203：对于所述短时基本亮温图中所有的格点处的灰度值，均采用所述步骤S202中的方法进行灰度值取值，从而合成获得所述短时基本亮温图。

所述步骤S3中，具体包括：

步骤S301：对齐所述当前时刻的云图与所述短时基本亮温图；

步骤S302：对于所述灰度值差值图像中某一格点处的灰度值，将所述当前时刻的云图中处于该相同格点处的灰度值减去所述短时基本亮温图中处于该相同格点处的灰度值，所获得差值选取为所述灰度值差值图像中该格点处的灰度值；若该差值小于零，则所述灰度值差值图像中该格点处的灰度值取0；

步骤S303：对于所述灰度值差值图像中所有的格点处的灰度值，均采用所述步骤S302中的方法进行灰度值取值，从而获得所述灰度值差值图像。

所述步骤S4中，利用阈值法分割所述灰度值差值图像。

所述步骤S5中，对于步骤S1中分割获得的新增类云团，具体包括如下步骤：

步骤S501a：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502a，否则，识别其为非暴雨云团；

步骤S502a：其所包含的格点中的最大灰度值是否大于预设定的阈值T₁，如果是，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₁以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

所述步骤S5中，对于步骤S1中分割获得的生长变化类云团，具体包括如下步骤：

步骤S501b：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502b或S503b，否则，识别其为非暴雨云团；

步骤S502b：对于平移变化类和膨胀变化类云团，如果其所包含的格点中的最大灰度值大于阈值T₂，则识别其为暴雨云团；否则，识别其为非暴雨云团；

步骤S503b：对于收缩变化类云团，如果其面积大于阈值V₁，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₂及V₁均以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

所述步骤S5中，对于步骤S1中分割获得的分裂类云团，具体包括如下步骤：

步骤S501c：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502c或S503c，否则，识别其为非暴雨云团；

步骤S502c：对于增长分裂类和普通分裂类云团，识别其为暴雨云团；

步骤S503c：对于独立分裂类云团，识别其为非暴雨云团。

所述步骤S5中，对于步骤S1中分割获得的合并类云团，具体包括如下步骤：

步骤S501d：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502d或S503d，否则，识别其为非暴雨云团；

步骤S502d：对于增长合并类和普通合并类云团，识别其为暴雨云团。

步骤S503d：对于可能假合并类云团，如果其面积小于域值V₂，则识别其为非暴雨云团，否则，识别其为暴雨云团；其中，阈值V₂以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

(三)有益效果

本发明与现有技术相比较，其有益效果在于：

(1)本发明技术方案对比现有的只考虑云团静态强度特征、纹理特征的暴雨识别方法，考虑了云团的生成、发展、分裂、合并等演变过程，提高了暴雨云团识别的准确性。

(2)本发明技术方案提出短时基本亮温图的概念及计算方法，可用于识别短时内剧烈变化的云团位置，有利于在暴雨云团形成的早期发现目标，因此对比现有技术，具有更高的准确性。

附图说明

图1为本发明具体实施方式所涉及的识别暴雨云团的方法的流程图；

图2为本发明具体实施方式所涉及的短时基本亮温图；

图3为本发明具体实施方式所涉及的灰度值差值图像；

图4为本发明具体实施方式所涉及的暴雨云团识别结果图；

图5为本发明具体实施方式所涉及的识别结果与未来实际降雨情况的对比图。

具体实施方式

为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

通过对大量历史样本数据进行分析，结合大气辐射学的基本原理，研究了暴雨云团在FY2卫星各个通道上的辐射特征、纹理特征和运动变化特征，在此基础上，提出了暴雨云团的检测方法。

经过分析，发现暴雨云团在红外分裂窗通道1(以下简称IR1通道)图像上的特征最为明显，归纳起来主要有以下几点：

(1)强对流云团平均灰度值较高，即温度较低。灰度值在200以上的强降水云团，占所有强降水过程的一半以上。但由于纬度、海拔高度、季节等因素的影响，部分非降水云团的平均灰度值也在200以上，因此无法仅以灰度值高低判断是否有强降水；

(2)在云团的迎风面出现强降水的可能性大于出现在其他位置的可能性；

(3)短时内剧烈变化的云团出现强降水的可能性较大；

(4)几个新生成的小云团，合并为一个大云团后，出现强降水的可能性较大；

(5)从原来较大的云团独立出来的面积较小的云团，一般不会出现强降水。

根据以上分析，我们采用IR1通道作为数据来源。将当前时刻前的若干连续时次的云图视为一个整体，并以云团为单位进行研究，同时考察云团的生成及演变过程，综合各种指标进行识别。与云团的降水强度有关的重要指标有，云团的最大、最小灰度值，云团的面积，云团的位置变化，以及云团的演变情况(新生成，分裂，合并等)。

至此，为提高暴雨云团识别方法的准确率，本发明所提供的基于静止气象卫星识别暴雨云团的方法，如图1所示，具体包括：

一、强对流云团识别

步骤S1：对静止气象卫星获取的云图进行分割，获得观测区域内当前时刻下的各个云团的类别；

所述步骤S1中，具体包括如下步骤：

步骤S101：读取静止气象卫星获取的当前时刻t以及上一小时时刻t-1的云图，使用灰度值阈值法对所述云图进行分割，将云图中的格点按灰度值大小分为大于等于阈值和小于阈值的两类，其中大于等于阈值的部分分别记为点集合S(t)和点集合S(t-1)；其中，点集合S(t)为当前时刻t的云团图像点集合，点集合S(t-1)为上一小时时刻t-1的云团图像点集合；

步骤S102：标记所述点集合S(t)和点集合S(t-1)中的连通区域，记录其中与云团降水强度有关的参数，所述参数具体包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况；然后做一次开运算，去除孤立点并平滑区域边界；

步骤S103：对于点集合S(t)中的各个云团，通过判断其是否在点集合S(t-1)中存在相应的来源云团、在点集合S(t-1)中的来源云团的数量、在与来源云团相比较时其平均灰度值是增加还是减少以及其云团面积变化情况，来将点集合S(t)中的云团划分为十个类别。

所述步骤S103中的十个类别属于四个大类，所述四个大类具体包括：新增类云团、生长变化类云团、分裂类云团以及合并类云团；

若点集合S(t)中的某一云团与点集合S(t-1)中的任一云团均不相交，则认定其为新增类云团；

若点集合S(t)中的某一云团仅与点集合S(t-1)中的某一云团相交，则认定其是由点集合S(t-1)中的云团变化而来的生长变化类云团；进一步，根据云团面积的变化情况，所述生长变化类云团还具体分为平移变化类云团、膨胀变化类云团以及收缩变化类云团；若记该云团在t-1和t时刻的面积分别为A_t-1和A_t，则当m₁*A_t-1≤A_t≤n₁*A_t-1时，认定该生长变化类云团为平移变化类云团；当A_t＞n₁*A_t-1时，认定该生长变化类云团为膨胀变化类云团；当A_t＜m₁*A_t-1时，认定该生长变化类云团为收缩变化类云团；其中，参数值m₁、n₁均为根据实际情况预先设定的数值，且n₁＞m₁≥1；比如，可以设定m₁＝1，n₁＝2；

若点集合S(t)中的多个云团均与点集合S(t-1)中的某一云团C_j相交，则可以将这些云团认定为均由点集合S(t-1)中的云团C_j发展而来的分裂类云团；进一步，根据点集合S(t)中的多个云团与云团Cj的面积关系，所述分裂类云团还具体分为增长分裂类云团、普通分裂类云团以及独立分裂类云团；若记点集合S(t)中与C_j相交的这些云团中某一个云团的面积为A_t，C_j的面积为A_Cj，则当A_t＞n₂*A_Cj时，认定该分裂类云团为增长分裂类云团；当m₂*A_Cj≤A_t≤n₂*A_Cj时，认定该分裂类云团为普通分裂类云团；当A_t＜m₂*A_Cj时，认定该分裂类云团为独立分裂类云团；其中，参数值m₂、n₂均为根据实际情况预先设定的数值，且n₂＞m₂＞0；比如，可以设定m₂＝0.5，n₂＝1；

若当前云团图像点集合S(t)中的某一云团与点集合S(t-1)中的多个云团相交，则可以将该云团认定为由点集合S(t-1)中的多个云团合并而来的合并类云团；进一步，根据当前云团的面积是否大于S(t-1)中的多个云团的面积总和，所述合并类云团还具体分为增长合并类云团、普通合并类云团以及可能假合并类云团；若记当前云团面积为A_t，与之相交的点集合S(t-1)中的n个云团的面积分别为A_i，i＝1，2，...n；则当A_t＞sum(A_i)时，认定该合并类云团为增长合并类云团；当max(A_i)≤A_t≤sum(A_i)时，认定该合并类云团为普通合并类云团；当A_t＜max(A_i)时，认定该合并类云团为可能假合并类云团。

二、图像预处理

步骤S2：根据静止气象卫星获取的云图，将当前时刻之前的设定时间段内的N幅云图进行合成，计算N幅云图各自对应的每一格点处的灰度值最小值，获得设定时间段内各云团的基本亮温图，将该合成后获得的基本亮温图定义为短时基本亮温图；

所述步骤S2中，具体包括：

步骤S201：对齐所述当前时刻之前的设定时间段内的多幅云图；

步骤S202：对于所述短时基本亮温图中某一格点处的灰度值，选取多幅云图中处于该相同格点处的多个灰度值中最小的灰度值；

步骤S203：对于所述短时基本亮温图中所有的格点处的灰度值，均采用所述步骤S202中的方法进行灰度值取值，从而合成获得所述短时基本亮温图；

以每半小时一张卫星图像计算，如果N取3，即，使用过去2小时内的三张图片计算最高亮温，表示过去2小时内各云团的基础亮温。如图2所示，图2为8月1日0点前三个时刻(即7月31日23:30，23:00，22:30)云图合成的短时最高亮温图。

步骤S3：计算当前时刻的云图与所述短时基本亮温图的灰度值差值图像；

所述步骤S3中，具体包括：

步骤S301：对齐所述当前时刻的云图与所述短时基本亮温图；

步骤S302：对于所述灰度值差值图像中某一格点处的灰度值，将所述当前时刻的云图中处于该相同格点处的灰度值减去所述短时基本亮温图中处于该相同格点处的灰度值，所获得差值选取为所述灰度值差值图像中该格点处的灰度值；若该差值小于零，则所述灰度值差值图像中该格点处的灰度值取0；

步骤S303：对于所述灰度值差值图像中所有的格点处的灰度值，均采用所述步骤S302中的方法进行灰度值取值，从而获得所述灰度值差值图像。

短时最高亮温图所涉及到的图片较少，时间跨度小，因此并不是近似的“睛空亮温”图，而是短时内各云团的基本亮温。而与当前云图做差后，可以将近期明显增强的云团标识出来。如图3所示，图3为8月1日0点云图与图2做差得到的图像。图3中，灰度值越大表示在过去2小时内该区域云量增加的越多。在这些区域产生强降水的可能性较大。使用图像分割算法，如阈值法，将图3中的云团进行分割，识别出暴雨云团的备选区域。

步骤S4：利用阈值法对所述灰度值差值图像进行分割，识别出可能出现暴雨天气的备选云团；

其中，步骤S1与步骤S2-步骤S4的顺序可以颠倒，即强对流云层的识别过程与图像预处理过程可以颠倒。

三、识别暴雨云团

步骤S5：对于所述步骤S1中分割获得的各类云团，结合步骤S4中识别出的备选云团，使用静止气象卫星获取的观测区域的历史样本数据来识别得出最终的暴雨云团。

所述步骤S5中，对于步骤S1中分割获得的新增类云团，具体包括如下步骤：

步骤S501a：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502a，否则，识别其为非暴雨云团；

步骤S502a：其所包含的格点中的最大灰度值是否大于预设定的阈值T₁，如果是，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₁以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

所述步骤S5中，对于步骤S1中分割获得的生长变化类云团，具体包括如下步骤：

步骤S501b：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502b或S503b，否则，识别其为非暴雨云团；

步骤S502b：对于平移变化类和膨胀变化类云团，如果其所包含的格点中的最大灰度值大于阈值T₂，则识别其为暴雨云团；否则，识别其为非暴雨云团；

步骤S503b：对于收缩变化类云团，如果其面积大于阈值V₁，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₂及V₁均以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

所述步骤S5中，对于步骤S1中分割获得的分裂类云团，具体包括如下步骤：

步骤S501c：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502c或S503c，否则，识别其为非暴雨云团；

步骤S502c：对于增长分裂类和普通分裂类云团，识别其为暴雨云团；

步骤S503c：对于独立分裂类云团，识别其为非暴雨云团。

所述步骤S5中，对于步骤S1中分割获得的合并类云团，具体包括如下步骤：

步骤S501d：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502d或S503d，否则，识别其为非暴雨云团；

步骤S502d：对于增长合并类和普通合并类云团，识别其为暴雨云团。

步骤S503d：对于可能假合并类云团，如果其面积小于域值V₂，则识别其为非暴雨云团，否则，识别其为暴雨云团；其中，阈值V₂以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

其中，上述历史样本数据的选择优选过去30天的历史样本数据，但若当前月份为5月时，由于暴雨出现月份主要集中在6、7、8月，则历史样本数据选择去年的6、7、8月的数据。

最终，如图4所示，为8月1日0点云图的识别结果，暴雨云团的位置已由边界线标识出来。

四、检验方法

下面，描述对上述所识别出来的暴雨云团结果是否真实可靠进行检测的方法。

由于天气系统不可重现，而且目前没有一种技术手段可以连续、完整探测所有天气现象，因此无论何种检验方法，都有一定的局限性。

这里我们采用自动化雨量站一小时降水量记录作为参考标准，对算法进行评价。目前我国已有2万多个自动化雨量站，在东部绝大多数地区的分布较稠密，空间分辨率接近FY2卫星红外通道的分辨率。另外，由于西部地区雨量站数量较少，分布稀疏，无法进行检验。因此检验时，只考虑算法在东部地区的准确性。

检验标准为，对于上述算法识别出的暴雨云团，若云团所在地区某一雨量站在当前时刻及未来2小时内测得一小时降水量超过8mm，则认为识别正确，否则认为识别错误。

具体检验步骤如下：

(1)设当前时刻t，对上述算法识别出的每一暴雨云团，读取云团所在地区当前时刻及未来两小时所有自化雨量站的一小时降水量信息，即，若当前为8点，则读取每一站点7点至8点，8点至9点，9点至10点三个一小时降水量信息；

(2)若某站点的一小时降水量超过8mm，则认为该云团确实为暴雨云团，识别正确；

(3)若所有站点的三个一小时降水量都不超过8mm，则认为该云团不是暴雨云团，识别错误；

(4)记录所有的识别正确、错误的次数，计算识别正确率。

如图5所示，为8月1日0点识别结果与未来2小时一小时降水量对比图。其中一小时降水量小于5mm的以方框边界线划分出来，大于5mm小于8mm的区域分布于方框边界右上方的点阵区域中的微细点处，大于8mm的区域分布于方框边界左下方的点阵区域中的大颗粒点处。

五、结果检验

对2010年7月1日0点至7月31日23点共738张云图(6张云图缺失)进行检测，四川地区共检测出1565个暴雨云团，1335个正确，正确率85.30％，全国范围内(西部地区除外)共检测出6217个暴雨云团，4746个正确，正确率76.34％。

算法对2010年8月1日0点至8月10日23点共238张云图(2张云图缺失)进行检测，四川地区共检测出329个暴雨云团，272个正确，正确率82.67％，全国范围内(西部地区除外)共检测出2021个暴雨云团，1476个正确，正确率73.03％。

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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于静止气象卫星识别暴雨云团的方法，其特征在于，所述方法包括如下步骤：

步骤S1：对静止气象卫星获取的云图进行分割，获得观测区域内当前时刻下的各个云团的类别；

步骤S2：根据静止气象卫星获取的云图，将当前时刻之前的设定时间段内的多幅云图进行合成，获得设定时间段内各云团的基本亮温图，将该合成后获得的基本亮温图定义为短时基本亮温图；

步骤S3：计算当前时刻的云图与所述短时基本亮温图的灰度值差值图像；

步骤S4：对所述灰度值差值图像进行分割，识别出可能出现暴雨天气的备选云团；

步骤S5：对于所述步骤S1中分割获得的各类云团，结合步骤S4中识别出的备选云团，使用静止气象卫星获取的观测区域的历史样本数据来识别得出最终的暴雨云团。

2.如权利要求1所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S1中，具体包括如下步骤：

步骤S101：读取静止气象卫星获取的当前时刻t以及上一小时时刻t-1的云图，使用灰度值阈值法对所述云图进行分割，将云图中的格点按灰度值大小分为大于等于阈值和小于阈值的两类，其中大于等于阈值的部分分别记为点集合S(t)和点集合S(t-1)；其中，点集合S(t)为当前时刻t的云团图像点集合，点集合S(t-1)为上一小时时刻t-1的云团图像点集合；

步骤S102：标记所述点集合S(t)和点集合S(t-1)中的连通区域，记录其中与云团降水强度有关的参数，所述参数具体包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况；

步骤S103：对于点集合S(t)中的各个云团，通过判断其是否在点集合S(t-1)中存在相应的来源云团、在点集合S(t-1)中的来源云团的数量、在与来源云团相比较时其平均灰度值是增加还是减少以及其云团面积变化情况，来将点集合S(t)中的云团划分为十个类别。

3.如权利要求2所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S103中的十个类别属于四个大类，所述四个大类具体包括：新增类云团、生长变化类云团、分裂类云团以及合并类云团；

若点集合S(t)中的某一云团与点集合S(t-1)中的任一云团均不相交，则认定其为新增类云团；

若点集合S(t)中的某一云团仅与点集合S(t-1)中的某一云团相交，则认定其是由点集合S(t-1)中的云团变化而来的生长变化类云团；进一步，根据云团面积的变化情况，所述生长变化类云团还具体分为平移变化类云团、膨胀变化类云团以及收缩变化类云团；若记该云团在t-1和t时刻的面积分别为A_t-1和A_t，则当m₁*A_t-1≤A_t≤n₁*A_t-1时，认定该生长变化类云团为平移变化类云团；当A_t＞n₁*A_t-1时，认定该生长变化类云团为膨胀变化类云团；当A_t＜m₁*A_t-1时，认定该生长变化类云团为收缩变化类云团；其中，参数值m₁、n₁均为根据实际情况预先设定的数值，且n₁＞m₁≥1；

若点集合S(t)中的多个云团均与点集合S(t-1)中的某一云团C_j相交，则可以将这些云团认定为均由点集合S(t-1)中的云团C_j发展而来的分裂类云团；进一步，根据点集合S(t)中的多个云团与云团C_j的面积关系，所述分裂类云团还具体分为增长分裂类云团、普通分裂类云团以及独立分裂类云团；若记点集合S(t)中与C_j相交的这些云团中某一个云团的面积为A_t，C_j的面积为A_Cj，则当A_t＞n₂*A_Cj时，认定该分裂类云团为增长分裂类云团；当m₂*A_Cj≤A_t≤n₂*A_Cj时，认定该分裂类云团为普通分裂类云团；当A_t＜m₂*A_Cj时，认定该分裂类云团为独立分裂类云团；其中，参数值m₂、n₂均为根据实际情况预先设定的数值，且n₂＞m₂＞0；

若当前云团图像点集合S(t)中的某一云团与点集合S(t-1)中的多个云团相交，则可以将该云团认定为由点集合S(t-1)中的多个云团合并而来的合并类云团；进一步，根据当前云团的面积是否大于S(t-1)中的多个云团的面积总和，所述合并类云团还具体分为增长合并类云团、普通合并类云团以及可能假合并类云团；若记当前云团面积为A_t，与之相交的点集合S(t-1)中的n个云团的面积分别为A_i，i＝1，2，...n；则当A_t＞sum(A_i)时，认定该合并类云团为增长合并类云团；当max(A_i)≤A_t≤sum(A_i)时，认定该合并类云团为普通合并类云团；当A_t＜max(A_i)时，认定该合并类云团为可能假合并类云团。

4.如权利要求1所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S2中，具体包括：

步骤S201：对齐所述当前时刻之前的设定时间段内的多幅云图；

步骤S202：对于所述短时基本亮温图中某一格点处的灰度值，选取多幅云图中处于该相同格点处的多个灰度值中最小的灰度值；

步骤S203：对于所述短时基本亮温图中所有的格点处的灰度值，均采用所述步骤S202中的方法进行灰度值取值，从而合成获得所述短时基本亮温图。

5.如权利要求1所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S3中，具体包括：

步骤S301：对齐所述当前时刻的云图与所述短时基本亮温图；

步骤S302：对于所述灰度值差值图像中某一格点处的灰度值，将所述当前时刻的云图中处于该相同格点处的灰度值减去所述短时基本亮温图中处于该相同格点处的灰度值，所获得差值选取为所述灰度值差值图像中该格点处的灰度值；若该差值小于零，则所述灰度值差值图像中该格点处的灰度值取0；

步骤S303：对于所述灰度值差值图像中所有的格点处的灰度值，均采用所述步骤S302中的方法进行灰度值取值，从而获得所述灰度值差值图像。

6.如权利要求1所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S4中，利用阈值法分割所述灰度值差值图像。

7.如权利要求3所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S5中，对于步骤S1中分割获得的新增类云团，具体包括如下步骤：

步骤S501a：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502a，否则，识别其为非暴雨云团；

步骤S502a：其所包含的格点中的最大灰度值是否大于预设定的阈值T₁，如果是，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₁以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

8.如权利要求3所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S5中，对于步骤S1中分割获得的生长变化类云团，具体包括如下步骤：

步骤S501b：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502b或S503b，否则，识别其为非暴雨云团；

步骤S502b：对于平移变化类和膨胀变化类云团，如果其所包含的格点中的最大灰度值大于阈值T₂，则识别其为暴雨云团；否则，识别其为非暴雨云团；

步骤S503b：对于收缩变化类云团，如果其面积大于阈值V₁，则识别其为暴雨云团；否则，识别其为非暴雨云团；其中，阈值T₂及V₁均以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

9.如权利要求3所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S5中，对于步骤S1中分割获得的分裂类云团，具体包括如下步骤：

步骤S501c：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502c或S503c，否则，识别其为非暴雨云团；

步骤S502c：对于增长分裂类和普通分裂类云团，识别其为暴雨云团；

步骤S503c：对于独立分裂类云团，识别其为非暴雨云团。

10.如权利要求3所述的基于静止气象卫星识别暴雨云团的方法，其特征在于，所述步骤S5中，对于步骤S1中分割获得的合并类云团，具体包括如下步骤：

步骤S501d：判断其是否是步骤S4中识别出的备选云团，如果是，则继续进行S502d或S503d，否则，识别其为非暴雨云团；

步骤S502d：对于增长合并类和普通合并类云团，识别其为暴雨云团。

步骤S503d：对于可能假合并类云团，如果其面积小于域值V₂，则识别其为非暴雨云团，否则，识别其为暴雨云团；其中，阈值V₂以气象学定义的关于暴雨的一小时最低降水量为依据，由过去设定月份内的历史样本数据按照最小误判概率准则确定，所述历史样本数据包括：云团的最大灰度值、云团的最小灰度值、云团面积以及云团的位置变化情况。

Images