摘 要 本文将计算机图形学骨架概念应用到气象学领域，发展了回波图像预处理、骨架修剪处理以及长宽比量化处理技术，该方法能自动识别出雷达回波拼图中符合气象学标准的线状对流系统(quasi-linearconvectivesystems，QLCSs)。首先结合2016年黄淮地区一次双QLCSs过程给出了基于骨架的QLCSs客观量化算法的具体技术流程，然后利用该方法对2016年6月安徽地区的QLCSs进行客观筛选，并进一步量化识别QLCSs的移动特征，结合灾害天气实况与主观识别进行对比评估，结果表明：结合气象学标准改造的骨架图像识别算法，较好保留了气象回波形状信息，在准确量化对流系统长短轴的基础上，实现QLCSs的有效识别。而获得的量化移动矢量等特征，一方面可应用于致灾QLCSs的分类研究，为开展长序列统计及致灾机理分析提供个例识别方法和量化特征，另一方面也为QLCSs的短临监测预警业务提供新的思路。
关键词 线状对流系统 图像识别 骨架 雷达回波 量化特征
1引言
中尺度对流系统(mesoscaleconvectivesystems，MCSs)是造成灾害天气的重要影响系统，依据雷达回波图像形态，可分为线状对流系统(quasilinearconvectivesystems，QLCSs)和非线状对流系统(TrappandWeisman,2003)。Zhengetal.(2013)通过2007～2010年统计江淮和黄淮地区对流系统特征表明线状系统占到中尺度对流系统的55.3%。快速移动的QLCSs往往与我国大面积风雹灾害密切相关，如造成河南严重人员伤亡的2009年6.3风雹过程以及2018年3.4江南极端大风过程(孙虎林等,2011;盛杰等,2019)。梅雨锋中移动缓慢的QLCSs易造成暴雨天气，如2003年单站雨量达380mm滁州特大暴雨(孙建华等,2006)。与大地形作用的QLCSs，镶嵌其中的对流单体列车效应明显，也会造成局地强降水事件，如2012年北京7.21特大暴雨过程(俞小鼎,2012;孙建华等,2013;孙继松等,2015)，可见QLCSs的移动特征与灾害性天气类型关系密切。国内外对QLCSs的雷达统计研究也有大量成果，ParkerandJohnson(2000)从线状回波的长度及生命史等提出了QLCSs的客观标准，并给出TS(trailingstratiform)，LS(leadingstratiform)和PS(parallelstratiform)三类QLCSs经典结构，王晓芳和崔春光(2012)在此基础上，进一步提出了我国梅雨期间长江中下游QLCSs的九种类型。Mengetal.(2013)通过2008～2009年中国中东部96条QLCSs的统计给出QLCSs发生发展的天气学特征。YangandSun(2018)对2010～2014年华北雷暴大风的对流组织利用雷达回波特征进行了分类研究。这些大样本统计研究，可以揭示中尺度系统发生发展的回波特征，有助于强对流天气的致灾机理研究。
上述统计研究有两个共同点：一是个例均采用主观筛选，人工识别效率低，标准无法严格统一，使得大范围长序列QLCSs气候特征研究比较困难;二是分类依据大都基于雷达回波形态的静态特征，即对流区和层状云区的相对位置(TS，LS和PS等)，无法考虑其变化特点，但致灾天气与QLCSs的移动特征，如QLCSs移动方向、持续时间等密切相关(DoswellIIIetal.,1996;孙继松等,2013)。因此，QLCSs移动特征的量化统计也需要深入研究。从预报业务角度看，目前我国短临业务上还缺乏QLCSs自动识别算法(张小玲等,2018)，发展一套能够专门针对QLCSs的识别技术有助于提高我国强对流监测预警水平。
解决QLCSs自动识别的关键是借助客观算法来量化气象学标准的线状回波长度及长宽比。成熟的TITAN(thunderstormidentificationtrackinganalysisandnowcasting)算法利用阈值识别出风暴体后(DixonandWiener,1993)，借助多边形拟合虽然可分辨出对流体，但目前不能自动识别是否是线状结构。近年来发展基于机器学习的雷达图像对流系统识别方法，能较好识别中纬度对流系统(HaberlieandAshley,2018)以及弓形回波(Kamanietal.,2018)，但此类方法无法输出长宽比等信息，不能满足雷达气象学客观标准的筛选。为此，本文引入计算机图形学里骨架概念。骨架作为物体形状的表示方式，最早由Blum(1967)提出，从拓扑学的角度将二维甚至三维图形转化成简单的线条，去除冗余信息，有效的表达物体几何形状。几十年来，发展了很多经典求法(ZhangandSuen,1984;Leeetal.,1994;DeyandZhao,2004)，其中Leeetal.(1994)的方法优势是求得的骨架能保持较好联通性不发生断裂，拓扑结构受噪声干扰小，有利于线状对流的稳定识别，所以本文将采取Leeetal.(1994)方案求取骨架。但如何将骨架概念发展应用于气象领域中雷达图形QLCSs识别，尤其是结合气象学标准客观量化对流体的长短轴是本文的主要工作，方法介绍部分将详细展开讨论。
综上所述，QLCSs自动识别技术是开展该类系统气候特征、机理研究和预报方法研究的基础，本文将在骨架识别的基础上结合气象学标准开展QLCSs的客观识别及特征的量化研究，共分四部分，第一部分介绍雷达数据以及QLCSs气象学标准，第二部分结合2016年6月13日的一次双QLCSs过程，介绍QLCSs的识别技术和过程。第三部分将客观算法用于2016年6月安徽区域发展的对流系统中QLCSs的自动识别，并在量化移动特征基础上，结合灾害天气实况与主观结果进行分析评估，最后是结论。
2数据与中尺度线状对流系统定义
2.1雷达数据介绍
本文使用的雷达数据为国家气象中心业务上使用的全国雷达组合反射率拼图数据，水平分辨率为0.01°×0.01°，区域范围为(12.2°～54.2°N，73°～135°E)，组合反射率阈值范围为0～70dBZ，精度为1dBZ，2016年6月14日06:40之前隔10min一张拼图，之后为6min一张拼图，时间为全覆盖。本文所用时间不作特殊说明均为协调世界时。该数据集已经被广泛用于我国对流系统的研究(Mengetal.,2013;Zhengetal.,2013;YangandSun,2018)。
2.2QLCSs的定义
表1给出近年来国内外定义QLCSs时所使用的标准。ParkerandJohnson(2000)的研究工作基于中纬度地区的中尺度对流系统运动方程量纲分析，在中纬度地区使用相对较为合理。Mengetal.(2013)在统计中国中东部QLCSs时所用标准与ParkerandJohnson(2000)的标准类似，将长度在100km以及以上，维持时间在3h以及以上的对流系统定义为中尺度QLCSs。Geerts(1998)和俞小鼎等(2006)则还考虑了长宽比。
我国大部分区域位于西风带中纬度地区，所以本文主要依据ParkerandJohnson(2000)的定义，再引入5∶1的长宽比标准，将中尺度QLCSs定义如下：大于40dBZ的回波带长轴超过100km，长短轴比超过5∶1，且持续时间超过3h的准连续回波带。考虑到雷暴单体的尺度上限在20km左右(Orlanski,1975)，HaberlieandAshley(2019)在回波图像前处理时使用的闭运算半径为24km，本文选取24km作为处理半径，将大于40dBZ的回波带之间存在的小于24km的断裂空隙连接成一个连续的QLCSs。这里24km强调的是准连续回波带，不考虑缝隙过大，断裂明显的对流系统，100km和3h强调的是中纬度地区的中尺度对流系统，不考虑生命史短、尺度小的线状对流过程(如尺度小于100km的孤立弓形回波)。
3基于骨架的QLCSs识别技术
如引言所述，Leeetal.(1994)方法求得的骨架连通性好，可以准确保持形状原有的拓扑结构，为识别QLCSs提供有效的图像学基础，已经广泛应用于医学、生物学等复杂的图像识别领域(Cooperetal.,2003;Moudgalyaetal.,2019)，但在雷达图像上开展运用，还需结合QLCSs的气象标准对骨架技术发展改进，才能适用于QLCSs自动识别，主要涉及回波图像预处理技术、骨架修剪处理技术以及长宽比量化处理技术(图1)，详述如下：
回波图像预处理技术。首先需对雷达图像进行二值化计算，即将不小于40dBZ的回波赋值为255(白色)作为骨架提取对象，小于40dBZ的回波赋值为0(黑色)，然后在二值化图像的基础上进行闭运算实现QLCSs气象学标准中的准连续性。闭运算是指先膨胀再腐蚀运算，韩雷等(2007)曾利用计算机图形学里的腐蚀、膨胀原理对风暴体识别结果进行优化，可以去除相邻风暴间的虚假连接，同时尽可能多的保留风暴簇中子风暴的信息。如前文所述，准连续性参考HaberlieandAshley(2019)处理雷达回波图像的做法，选取24km作为闭运算半径。如图1“二值化图像”中白色对象，经过40dBZ阈值筛选后的回波二值化图像内部分布有小间隙，它们尺度很小，但会对骨架的求取产生较大影响，经闭运算处理后，图1“闭运算”后的二值化回波图像内部的小间隙被填充，边缘光滑连续，大大减少因小缝隙造成骨架识别结果的不确定性。此外，当回波带之间出现明显但小于24km的断裂时，也会将其联通，具体效果详见下文人字形回波识别个例。
骨架修剪处理技术。骨架提取采用Leeetal.(1994)的方法，但其生成的骨架并非是平滑的线条，有“骨刺”存在，结果还不能直接用于识别，需去除这些没有天气学意义的“骨刺”。采用100km的标准去除骨架中小于100km的骨刺得到骨干，骨干可以更科学有效的表达QLCSs最重要的形状信息，是后面对QLCSs进行量化处理的前提和基础。
长宽比量化处理技术。去除“骨刺”后的骨干长度可用来量化QLCSs的长轴长度，但宽度量化还需要进一步处理。提取的骨架除了可以保留形状信息外，还有一个特点就是具备中轴特性(Ivanovetal.,2000)，中轴的数学含义(Kimmeletal.,1995)是图像内部各个最大内切圆中心的集合，利用骨干是中轴的特点，最大内切圆直径便可量化为QLCSs的宽轴。本文使用几何距离转换(EuclideanDistanceTransform，EDT)技术，给出二值化图像中每一个非零点与其最近零点像素之间的最近距离，再根据骨干坐标可求出最大内切圆半径(Dimitrovetal.,2000)。由于回波宽轴长度在长轴方向上并不均匀，这里将骨干上所有点的宽度平均值作为最终QLCSs的宽度。
下面以2016年6月13日黄淮地区一次双QLCSs过程为例，给出识别算法的具体技术流程。此次过程系统尺度大，影响范围广，生命史长，结构演变复杂，两条QLCSs合并成人字形，尤其在山东造成了较强的区域性短时强降水和冰雹天气(张琴等,2017)。图2分别给出了QLCSs的初始、成熟、合并及消亡阶段代表性时次的雷达回波特征，此个例有线状对流的合并，可以较好地检验算法的合理性和准确性。
3.1回波图像预处理
首先对雷达组合反射率图像进行二值化处理，大于等于40dBZ的区域将显示为白色(图3)。注意到二值化图像中除一些孤立且面积很小的白色对象外，尺度较大的对流体中还有较多小干扰，如内部一些孔洞，微小断裂，边缘的扰动等，这些信息会给骨架提取结果造成较大不确定性。一方面在二值化图像的基础上，直接去除联通区域面积小于100km2的白色对象，消除一些杂波或者对识别意义不大的小尺度单体，另一方面单体内部的断裂则需要进行闭运算处理(HaberlieandAshley,2019)，使得白色图形部分更加平滑和连续，识别结果有较好的连通性。
图4给出了闭运算后的结果，白色图像边缘处理后更为平滑。闭运算同时也实现了QLCSs气象学标准里关于准连续性的要求，联通距离小于24km的对流体。在图3中，位于山东的QLCSs西端有新单体生成，离QLCSs主体小于24km。在图4中，可以看到经过闭运算后，新的单体与QLCSs主体被合并成一个整体。合并阶段时，有小断裂的两条QLCSs经过闭运算后也表现出联通的人字形特征。
3.2骨架提取及修剪
经过预处理的白色图形对象，可用来进行骨架提取。采用Leeetal.(1994)的方法求取骨架。图5给出了各个时次骨架提取情况，结果显示其连通性较好没有发生断裂，保持了QLCSs原有形状信息，保证了识别结果的有效性。但还需要对骨架进行“剪枝”操作得到骨干才能得量化准确的长短轴信息。结合气象学标准，“骨刺”定义为骨架中线条交叉点到其对应的端点长度小于100km的线条，只需去掉小于100km的“骨刺”即得到骨干。图6是经过修剪后的结果，可见骨干形态一般是一条没有分叉的线条，并保留了原本QLCSs的长轴信息。各个阶段的骨干形态与图2的原始雷达回波相比，准确识别出了对流体线状特点，去除骨刺后保留了最主要的形状信息，QLCSs的弯折等特征也通过骨干合理的体现出来。即使合并阶段，两条QLCSs相连，由于各自长度超过100km，经过修剪处理后，骨干仍呈现出人字形特征，可见对异形QLCSs也有很好的处理能力。——论文作者：盛杰1,2 郑永光2 沈新勇1,3 张小雯2
相关期刊推荐：《大气科学》是由中华人民共和国新闻出版总署、正式批准公开发行的优秀期刊。本刊在国内外有广泛的覆盖面，题材新颖，信息量大、时效性强的特点，其中主要栏目有：专题评述、会议报道、书刊评介等。
