使用基于卫星的盒式平均云顶冷却和云类型趋势的临近预报对流风暴启动外文翻译资料

 2022-12-04 02:12

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/228736505

Nowcasting Convective Storm Initiation Using Satellite Based Box-Averaged Cloud Top Cooling and Cloud Type Trends

Article in Journal of Applied Meteorology and Climatology · October 2010

DOI: 10.1175/2010JAMC2496.1

CITATIONS

34

READS

155

6 authors, including:

Kristopher M. Bedka NASA

86 PUBLICATIONS 941 CITATIONS

Andrew K. Heidinger

National Oceanic and Atmospheric Administrathellip;

174 PUBLICATIONS 3,469 CITATIONS

SEE PROFILE

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Terrestrial Gamma-ray Flashes View project

Deep Convection Transport into the UTLS View project

All content following this page was uploaded by Kristopher M. Bedka on 29 May 2014.

The user has requested enhancement of the downloaded file.

Nowcasting Convective Storm Initiation Using Satellite Based Box-Averaged Cloud Top Cooling and Cloud Type Trends

Justin M. Sieglaff, Lee M. Cronce, Wayne F. Feltz

Cooperative Institute for Meteorological Satellite Studies, University of Wisconsin- Madison, Madison Wisconsin

Kristopher M. Bedka

Science Systems and Applications, Inc. Hampton, Virginia

Michael J. Pavolonis and Andrew K. Heidinger

NOAA/NESDIS, Satellite Applications and Research (STAR), Advanced Satellite Products Team, Madison, Wisconsin

Corresponding author address: Justin Sieglaff, 1225 West Dayton Street, Madison, Wisconsin 53706. E-mail: justins@ssec.wisc.edu Telephone: 608.265.5357 Fax: 608.262.5974

Submitted to Journal of Applied Meteorology and Climatology Revisions Submitted, September 7, 2010

ABSTRACT

Short-term (0-1 hour) convective storm nowcasting remains a problem for operational weather forecasting and convective storms pose a significant monetary sink for the aviation industry. Numerical weather prediction models, traditional meteorological observations, and radar are all useful for short-term convective forecasting, but all have shortcomings. Geostationary imagers, while having their own shortcomings, are valuable assets for addressing the convective initiation nowcast problem. The University of Wisconsin Convective Initiation (UWCI) nowcasting algorithm is introduced for use as an objective, satellite-based decision support tool. The UWCI algorithm computes GOES Imager infrar

剩余内容已隐藏，支付完成后下载完整资料

使用基于卫星的盒式平均云顶冷却和云类型趋势的临近预报对流风暴启动

Justin M. Sieglaff，Lee M. Cronce，Wayne F. Feltz

威斯康星大学麦迪逊分校威斯康星州麦迪逊气象卫星研究合作研究所

Kristopher M. Bedka

科学系统和应用公司，弗吉尼亚州汉普顿

Michael J. Pavolonis和Andrew K. Heidinger

NOAA / NESDIS，卫星应用和研究（STAR），威斯康星州麦迪逊高级卫星产品团队

通讯作者地址：威斯康辛州麦迪逊市西代顿街1225号Justin Sieglaff 53706.电子邮件：justins@ssec.wisc.edu电话：608.265.5357传真：608.262.5974

提交给应用气象和气候学期刊提交，2010年9月7日

摘要 短期的（0-1小时）对流风暴临近预报仍然是运行天气预报的一个问题，对流风暴为航空业带来巨大的货币下降。数值天气预报模式，传统气象观测和雷达都可用于短期对流预报，但都有缺点。地球静止成像仪虽然有其自身的缺点，但却是解决对流启动临近预报问题的宝贵资产。引入威斯康星大学对流启动（UWCI）临近预报算法作为客观的基于卫星的决策支持工具。 UWCI算法计算GOES Imager红外窗口通道盒平均云顶冷却速率，并基于云顶冷却速率和卫星衍生云顶类型/相位趋势的组合来创建对流启动临近预报。 UWCI方法提供了优于现有技术的优势，例如提高了计算效率（运行时间减少）和日/夜独立性。

在2008年和2009年的4月，5月，6月和7月的一个晚上，美国中部的23个对流下午和11个对流夜也出现了UWCI算法相对于云对地闪电起始事件的验证。风暴预报中心严重风暴风险区域（整个验证域）内的区域的平均检测概率和虚警率分别为56.3％（47.0％）和25.5％（34.8％）。 UWCI算法被证明可以执行：1）更好的风暴状态，在先前晴朗到部分多云的天空中发展，并且沿着清晰的边界; 2）其他区域较差，例如覆盖着卷云盾，现有对流砧和快云的场景运动。

简介

预测雷暴初始发展的时间和地点（即对流启动）是运行预报员的难题。为了发生深对流，对流层低层必须有足够的湿气，陡峭的流失率，并且从低湿层到包裹的自由对流水平必须有足够的包裹提升（Johns and Doswell.1992）。预报员面临的挑战是利用有限的探测资料，推断出空间和时间观测之间的结构，并在预测期内预测该结构的时间变化（Moeller.2001）。使用数值天气预报模式预测对流发展往往是有问题的，因为启动过程的具体细节仍不能很好地被理解为代表它在这些模型中（Browning et al.2007）。除了数值输出之外，预报员还可以使用雷达监测地面收敛边界，但这仅仅不能提供有关对流的时间和位置的具体信息（Roberts and Rutledge.2003）。具有频繁更新频率（5-15分钟）的对地静止卫星在监测何时何地发生对流启动时非常有用。对地静止卫星红外图像的快速云顶冷却可以在地面雷达检测到显着降水回波之前30-45分钟确定对流启动（CI）（Roberts and Rutledge.2003）。此外，对观测到CI信号的地点的热力学环境的了解可能有助于在预测雷暴灾害如闪光泛滥，大风，大冰雹和龙卷风等方面提供重要的前置时间（Koenig and de Coning.2008; Wagner等，2008）。
除了运营预测方面的挑战之外，雷暴还造成了美国大部分航空交通延误，并且通过延误，取消和改线航班，每年损失时间，燃料和效率，从而使航空业损失数百万美元（Kaplan et al.1999; Murray 2002; Mecikalski等2007）。因此，基于卫星观测发现CI在何时何地发生的知识可以通过提高安全性和效率来使航空业受益。
最近已经开发了使用对地静止卫星图像临近预报CI的客观方法。 Mecikalski和Bedka（2006，以下简称MB06）描述的一种CI临近预报方法涉及中尺度大气运动向量（AMV，Bedka和Mecikalski.2005）和仅白天对流云面罩（Berendes et al.2008）的组合以识别新发展对流静止运行环境卫星（GOES）成像仪观测中的对流风暴（Menzel and Purdom.1994）。它们利用一套包括〜11mu;m红外窗口通道（IR窗口）亮度温度（BT）值/趋势的多光谱CI临近预报准则（或“兴趣区域”），以及用作云顶高度和对流层上层含水量的代表。亚冻结红外窗口BT值被用作云顶冰川的替代指标，Roberts和Rutledge（2003）表明，与快速发展的对

流云降水的开始有很好的相关性。虽然这种方法已经显示出一些CI临近预报技巧（Mecikalski et al.2008），但它不适合实时独立运营决策支持，因为它仅限于白天的场景并产生显着的虚警（〜70％），使得有用的CI即时信号和算法噪声/错误之间的差异非常困难。
其他方法涉及识别和追踪相干对流云对象，以预测未来的演变。 Zinner等人（2008）描述了一种仅使用可见和IR窗口信息的组合在欧洲中部地区进行CI临近预报的仅白天方法。诸如“快速发展的雷暴”（RDT，Morel et al.2002），MASCOTTE（Corvalho and Jones .2001）和ForTraCC（Vila et al.2008）等算法主要用于强化，区域覆盖和对流运动处于比MB06和Zinner等人关注的更成熟阶段的云。
由于诸如中尺度对流系统（MCS，Maddox.1980）等危险风暴经常在夜间时间发起和演变，因此显然需要将CI的临近预报能力扩大到白天和黑夜。本文描述了利用“箱平均”概念在威斯康星大学气象卫星研究合作研究所（UW-CIMSS）开发的新的昼夜CI临近预报方法，以计算IR窗口通道云顶冷却速率和云顶从多光谱GOES数据导出类型趋势。云顶型信息使用UWCI即时报道算法在2008年春季和夏季的部分春季和夏季在美国中部地区针对云对地（CG）雷击数据进行了演示和验证。CG验证旨在评估UWCI算法的准确性，临近预报首次发生CG闪电（即闪电起爆），并了解IR窗口卫星图像中产生新的闪电风暴的特征。在本研究中，CG闪电资料代表了对流启动代替雷达反射率。以前的研究表明风暴通电发生在风暴达到40 dBZ雷达反射率后的7.2分钟内（Dye et al.1989）。鉴于风暴通电和40 dBZ雷达回波之间的这种滞后，本文中显示的交货期比35-40 dBZ的雷达回波阈值略微膨胀。云对地闪电提供了一个二进制是/否验证源，连续覆盖整个验证域。美国的雷达覆盖范围很广，但由于雷达放置，光束阻塞和远离雷达位置的光束曲率，存在扫描间隙。另外，对流启动定义的雷达dBZ门限是任意的。雷击意味着明显的对流上升气流，但是在35 dBZ雷达回波的情况下，情况并非一定如此。使用警告决策支持系统 - 综合信息（WDSS-II，Lakshmanan等，2007）的对象跟踪技术正在开发中，这将允许雷达，云对地闪电和卫星耦合在一起进行直接自动验证，但这种方法没有充分开发用于本研究。
以下部分描述：1）本研究中使用的卫星和闪电数据集; 2）UWCI算法方法; 3）关于CG闪电启动的UWCI临近预报的验证和讨论; 4）本研究的结论。

2.数据集
a. GOES-12成像仪数据
多光谱GOES-12 Imager卫星数据是本研究中使用的主要数据集。这些数据由云类型算法（如下所述）和UWCI算法使用。本研究使用GOES-12数据在UTC时间1815至2345 UTC时间段的23个对流下午和0015至0615 UTC在4月，5月，6月的11个对流夜以及2008年7月的一个晚上使用GOES-12数据， 2009年（见表1和2列出这些日子）​​。感兴趣的领域涵盖从30N到46N和94W到104W的区域。 CI发生在确认日期的感兴趣时间段，并且许多云演变为具有表面恶劣天气报告的成熟雷暴，包括大冰雹（0.75英寸直径或更大），破坏性风（50节或更大）和/或龙卷风。
b.湾云类型产品
云类算法将每个GOES像素分类为以下类别之一：透明，液态水，过冷液态水，混合相，不透明冰，非不透明冰和多层冰云（冰云是最高云层）。 Pavolonis和Heidinger（2004）和Pavolonis等人详细描述了这些类别。 （2005年）。 Pavolonis和Heidinger（2004）以及Pavolonis et al（2005）采用Pavolonis（2010a）中描述的理论和Pavolonis（2010b）中描述的算法细节，改进为仅限IR的昼夜独立方法。该方法利用晴空背景校正（包括地表发射率和大气气体吸收），考虑了卫星天顶角，并结合了传感器光谱响应函数。这些属性允许将云遮罩和类型算法移植到具有相似通道并且不论卫星天顶角如何的许多传感器。与本研究最相关的是冰川积云的识别，它落入不透明的冰层，非透明冰层或多层冰云类别中。云类型算法依靠前期云遮罩算法来确定哪些像素包含云。 Heidinger（2010）描述了云遮罩。云类型产品的一个例子如图1所示。假彩色图像允许推断云类型，紫/粉红云是冰，白/黄云是水，绿色是土地。只使用红外线辐射，所以云类算法与太阳天顶角无关。
C. NLDN CG闪电启动数据集
国家闪电探测网络（NLDN）CG闪电数据用于确定UWCI算法输出的准确性。具体而言，“闪电启动”（LI）的位置来自NLDN CG闪电数据。 NLDN已被证明具有90％的闪光探测效率，定位精度为500 m（Cummins et al.1998）。雷电位置的转移是为了解释卫星视差效应，导致卫星观测到的高云相对于它们在地球表面以上的实际位置而被错位（Johnson et al.1994）。一个恒定的云假设高度为7公里，导致所有雷击位置净转移，以更好地匹配父云和UWCI即时预测像素的位置。
在本研究中，LI被定义为新发展的对流云中首次NLDN观测到的雷击的时间/地点（纬度/经度）。有人可能会争辩说，包含云内闪电的全部闪电数据集将成为更好的验证工具，因为内部云闪常常在发生对流云的CG闪电之前（Goodman等，1988）。作者同意，然而，这样的数据集尚未在诸如整个美国中部和南部平原等大地理区域提供。在阿拉巴马州北部，俄克拉荷马州中部，佛罗里达州，华盛顿特区和达拉斯/沃斯堡大都会地区的部分地区确实存在实验闪电测绘阵列（LMA）网络（Goodman et al.2005; Demetriades，et al. 2004年），但是直到GOES-R卫星与其静止闪电测图仪（Goodman et al.2010）一起发射后，全雷电的全覆盖范围才会存在。
LI事件数据库是在研究域中手动生成的。 CG电击数据被分组为5分钟的时间间隔，并产生颜色编码的60分钟闪电图像。这个雷击图像被用来确定LI的位置和时间。只考虑新发展的风暴，例如那些由晴空包围的小积云，碎片云下方，现有砧座下方或发展到现有风暴后方的新风暴（即“后退建筑”）发展而来的风暴。 GOES-12 IR窗口图像的时间序列用于进一步验证LI是否发生在新开发的云中。未包含在LI数据集中的风暴包括风暴分裂和与现有星期四相关的杂散雷击。

图2提供了用于识别LI事件的5分钟闪电数据图的一个例子，2009年4月29日2040 UTC有效。 2037：30 UTC和2042：29 UTC之间的所有雷击均以红色标出，图像的UTC时间戳为2040。过去60分钟的额外5分钟装仓闪电也包含在不同颜色的闪电地块中。在这个例子中，LI确定发生在2040 UTC的德克萨斯中部中心地区。该程序在所有关注的日期/时间段内进行，在验证域和研究时间段内产生总计487次LI事件。
3. UWCI算法描述
a）背景和动机
UWCI算法设计用于在未被冰云层/铁砧和中层云层遮挡的区域中临近新对流。尽管其他用途可能包括同化到区域数值天气预报（NWP）模型或其他基于模糊逻辑的“专家型”天气系统（Iskenderian et al.2005），但来自UWCI算法的即时预报主要用作运行预报员的决策支持工具。 2009）。该算法旨在捕捉从云垂直增长的第一个信号到云顶冰川和风暴被认为成熟的时间。在发展中的对流云已经充分冰川化后，该算法被设计为“关闭”，因为该算法不适用于未来对成熟风暴或风暴综合体的未来强化/衰减。预测成熟对流特征（例如未来位置，砧座扩张，预期寿命，强化/衰减）的能力需要完全不同的算法框架，例如Carvalho和Jones（2001），Machado和Laurent（2004），Rabin和Whittaker（2006），Morel等人描述的目标跟踪方法。 （2002）和Vila等人（2008年）。
UWCI算法的基础依赖于称为“盒子平均”的方法。术语“方框平均值”是指以感兴趣的像素为中心的小方框内的平均IR窗口BT和云类型属性的计算和时间差异。由于在连续扫描之间的云运动较小时频繁刷新频率，因此箱均值方法最适合用于对地静止图像。当前的GOES操作CONUS扫描范围从“快速扫描”模式的5分钟到“正常操作”的13-17分钟范围内（当前GOES CONUS扫描每隔3小时发生30分钟的差距，本文稍后会介绍）。未来的GOES Imager（高级基线成像仪，ABI）将每5分钟进行一次CONUS扫描（Schmit et al.2005）。例如，在“快速扫描”GOES-12图像上，发生在CONUS上的对流云的平均移动速度为5 km / 5 min，标准差为2 km / 5 min，这是基于人工跟踪50个发展中的对流云多个案例（分析未在本文中显示）。因此，如果有人在给定的对流云周围放置一盒7times;7 4 km GOES-12像素（即最低点约28 x 28 km的区域），则云可以在移动速度接近标准差三个标准偏差并仍然留在箱子里。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21540]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章