傾鵬程，陶法，胡樹貞，朱舒曼，溫強

（1.中山市氣象局，廣東中山 528400；2.中國氣象局探測數據中心，北京 100081）

云是影響氣候變化的重要因素，觀測云的演變規(guī)律是揭示大氣運動規(guī)律的重要手段，對提高天氣預報準確率有重要意義。云的觀測也是氣象行業(yè)一直研究的重要課題，不僅影響天氣預報的質量，同時對航空行業(yè)及國民經濟領域都有重要研究意義［1］。在天氣預報中，云的觀測資料可以幫助判斷天氣現(xiàn)象，尤其是對于晴雨的判別；在航空行業(yè)，云的觀測資料對于民用航空及軍事演練和作戰(zhàn)都有重要價值；在經濟方面，云層帶來的降水直接影響當地的農業(yè)生產。云的地面觀測反映著大氣的水汽條件、輻射和運動狀態(tài)，特定的云狀常伴隨不同的天氣情況，云的觀測是不可或缺的因素［2］。

目前，云的觀測暫時依靠天氣現(xiàn)象智能觀測儀實現(xiàn)，識別準確度和有效性都還需要考驗。近幾年，國內外學者普遍傾向于使用毫米波測云儀和全天空成像儀對云開展研究。毫米波測云儀在云的識別方面要優(yōu)于激光云高儀［3］，全天空成像儀可以直觀準確的完成部分云狀的識別［4］。隨著地面觀測自動化的轉變，人工目測識云的方法也將被器測識云所取代。為了保證觀測數據的連貫性，在人工識云方法的基礎上對器測云數據進行識別分類則顯得既科學又必要［5］。本研究以中國氣象局大氣探測試驗基地2017年Ka波段毫米波測云儀和全天空成像儀全年的采集數據為基礎，嘗試改進人工云識別的分類方法，形成一套適用于現(xiàn)有地基自動觀測設備云分類的方法。

1 云分類的標準

科學有效的分類標準是研究的基礎。目前的標準主要有3種：衛(wèi)星云圖的云分類、人工觀測云分類、地基器測云分類。

衛(wèi)星云圖根據云的光學厚度和云頂氣壓，將云分成9類。人工觀測主要通過氣象觀測員定時定點對天空中云的情況進行目測和分類，現(xiàn)在氣象觀測中主要采用的是世界氣象組織（WMO）在1975年對云狀標準的定義，將云按照3族、10屬、29類的標準進行劃分［6］。隨著地基探測設備的發(fā)展和成熟，開始出現(xiàn)了一些器測云分類的標準。Buch等［7］把WSI云圖分成高積云、卷云、層云、積云和晴空等5種天空類型；Singh等［8］把利用數字相機得到的圖像區(qū)分為積云、濃積云、積雨云、晴空和其他云類共5種天空類型；Caibo等［9］把位于不同地區(qū)的TSI和WSC云圖分為晴空、波狀云、卷云、層狀云和積狀云5類；Peura［10］按照10屬的標準進行了分類試驗，由此可見，地基器測云分類的標準伴隨探測設備的更迭而變化，因此，制定適合新型探測設備的分類標準是首要工作。

分類標準依照4大原則制定：大氣代表性原則、觀測可行性原則、歷史繼承性原則和可擴展性原則。大氣代表性原則表明，層狀云和積狀云影響大氣的穩(wěn)定狀態(tài)，是識別必須項，降水云和非降水云對降水天氣有指導意義，也必須進行區(qū)分；觀測可行性原則表明，卷云多伴隨晴天，層積云和碎雨云伴有降水，需要進行區(qū)分；歷史繼承性原則表明，云的分類研究是從宏觀云類識別到微觀云類識別；可擴展性原則表明，利用探測設備協(xié)同配合將完成更準確真實的云分類識別［6］。基于上述研究，本研究將云分為層狀云、對流云、高積云、積云、卷云、晴空5大類，如表1所示。

表1 地基器測云分類標準

2 識別分類方法

目前主要通過視覺圖像對云狀進行識別和分類。常用的觀測設備有兩種：一種為基于掃描的全天空成像系統(tǒng)；另一種為基于魚眼鏡頭的全天空成像系統(tǒng)?；趻呙璧娜炜粘上裣到y(tǒng)采用普通攝像頭或者鏡頭，通過旋轉云臺1′12″的速率完成36張地基云圖，攝像頭易損壞設備穩(wěn)定性差。魚眼鏡頭的全天空成像系統(tǒng)具有極大視角和仰角，可以對天空全景進行一次性成像，但圖像邊緣的區(qū)域會發(fā)生一定畸變。針對這類問題，近幾年許多學者通過灰度共生矩陣［11］、光譜相態(tài)特征［12］、Gabor濾波器［13］、小波分析方法［14］等識別方法對云圖進行處理，提升云圖的準確性。但云觀測中，最重要的是地基云圖像的特征提取，因此標準樣本的選取就極為關鍵。

本研究數據來自安裝在中國氣象局大氣探測試驗基地相距不超過5 m的兩臺設備，分別是江蘇無線電研究所生產的DUHI-ASI可見光成像儀和華騰微波生產的ka波段測云儀。選取兩臺設備2017年全年的有效采集數據開展研究。全天空成像儀負責基礎數據的采集；毫米波測云儀負責提供協(xié)同觀測數據。

近幾年的研究表明，毫米波測云儀對比激光云高儀、全天空成像儀具有較強穿透力，受視程類障礙天氣影響小的優(yōu)勢［3］。全天空成像儀的主要產品是云圖信息，設置定時1 min對全天空進行1次成像；毫米波測云儀的主要產品是云底高、云頂高、云層厚度，設置每分鐘得到一次采集信息，24 h不間斷連續(xù)采集。

依據表1的分類標準，以全天空成像儀云圖產品為基礎，綜合云的顏色、形態(tài)、排列、所占天空成數等特征信息進行人工分類，針對不確定分類項，提取同時間毫米波測云儀數據，補充云高、云層厚度及連續(xù)演變過程信息，完成最終分類識別。

3 易混淆云分類的提升

試驗證明，通過融合毫米波測云儀和全天空成像儀兩種數據，解決了全天空成像儀由于探測角度和探測頻率限制，只能識別固定位置固定小區(qū)域的平面圖形的問題，提升了分類效果。尤其是對于易混淆云體，如不同高度積云、對流云與層狀云等。

對于積云的識別分類提升。積云是一種比較常見的云狀，存在于不同高度，由于不同高度的形狀紋理大致相同，很難從全天空成像儀上進行識別分類。如圖1a和圖1b所示，從全天空成像儀云圖上只可以判斷出當前云狀為積云，對于是低層云還是中層云無法區(qū)分，當引入圖1c和圖1d對應時間毫米波測云儀產品后，可以明顯區(qū)分出圖1a屬于低層積狀云，高度在1 000 m以下；圖1b屬于高層積狀云，高度在3 000 m以上。

圖1 全天空成像儀（a、b）和毫米波測云儀（c、d）

對于對流云的識別提升。對流云常伴隨不穩(wěn)定的天氣產生，多形成在降雨前后，此時天空以陰天為主，云量多為10或10-份，這和層狀云的情況很接近。如圖2a和圖2b所示。從全天空成像儀看兩者顏色紋理形態(tài)都基本一致，很難判斷是否是對流云，當引入圖2c和圖2d的同時間毫米波測云儀產品后，可以明顯區(qū)分出圖2a屬于對流云，圖2b屬于層積云，圖中時間為北京時。

圖2 全天空成像儀成像（a、b）和毫米波測云儀成像（c、d）

對于云狀演變的識別提升。相比全天空測云儀的云圖資料，毫米波測云儀還可以提供云的發(fā)生和演變信息，幫助區(qū)分具體的云狀。如圖3a所示，當日云層高度在上午08：00左右有明顯變化，但從圖3b到圖3d卻看不出明顯的變化，這主要是由于天陰造成全天空測云儀成像效果不佳造成，此時毫米波測云儀卻沒有受到影響，完整的反映了云層的變化情況。通過融合兩者的數據，可以綜合反映出當日的云狀演變情況。

圖3 2017年1月5日毫米波測云儀（a）和2017年1月5日06：00（b）成像、08：00（c）、10：00（d）全天空成像儀成像

4 應用與分析

根據本研究的識別分類方法，最終識別到10 636個有效云樣本，其中層狀云2 677個、對流云393個、高積云1 114個、積狀云1 624個、卷云4 828個。按照日期、時間、全天空成像儀云圖、云雷達回波強度圖以及其他地面氣象要素，分類建立地基識云樣本庫，如圖4所示。樣本庫已作為人工智能識云的學習樣本，投入AI識云的研究應用中。

圖4 地基識云樣本庫部分截圖

通過選取特征樣本對不同天氣狀況的探測效果進行對比，驗證了本研究建立的云識別方法的可行性，在今后的研究和應用中都將具有指導價值。具體來說，本研究所建立的新的地基器測云分類標準，在成熟的人工識云基礎上，更符合現(xiàn)階段新型探測設備的探測特點，更好發(fā)揮設備的優(yōu)勢；為智能識云提供高質量的樣本，識云樣本庫的特征樣本是圖像識別的重要基礎數據，為今后自動化云觀測及智慧氣象帶來幫助；結合特征樣本對不同天氣狀況的探測效果進行對比的方法被驗證有效，方法可推廣應用到更多探測設備數據融合分析中。

5 結論

1）基于成熟的人工識云標準，結合現(xiàn)階段地基器測云探測設備性能特點，遵循自動觀測云分類標準的4大原則：大氣代表性原則、觀測可行性原則、歷史繼承性原則和可擴展性原則，得到新的地基器測云分類標準。

2）按照新的云分類標準，對全天空成像儀和毫米波測云儀云資料進行分類，建立識云樣本庫，其中層狀云2 677張、對流云393張、高積云1 114張、積狀云1 624張、卷云4 828張。

3）通過選取識云樣本庫中特征樣本對不同天氣狀況的探測效果進行對比，研究得到全天空成像儀和毫米波測云儀在探測識別上的優(yōu)劣勢。具體來說，全天空成像儀的觀測效果直接，受視程類障礙物的影響嚴重，毫米波測云儀受雜波干擾，影響識別準確度。

本研究基于探測設備協(xié)同觀測的思路開展研究，相較于目前的云觀測方法能夠更好的發(fā)揮各類探測設備的優(yōu)勢，通過相互補盲的方式達到分類目的。同時，研究中建立的識云樣本庫將成為人工智能的學習樣本，為智慧氣象提供幫助。但是，由于分析數據有限，在代表性上還有所欠缺，部分樣本可能不夠準確，后期還需進行校準。本研究的分類方法通過驗證被證實了可行性，隨著探測設備性能的不斷提升，特征樣本的不斷豐富，將會對云的自動化識別帶來切實幫助，為預報預警應用提供可靠的資料和信息。