基于卫星遥感的热带气旋定强技术综述

胡天慧; 余晖; 鲁小琴

doi:10.16032/j.issn.1004-4965.2022.029

基于卫星遥感的热带气旋定强技术综述

doi: 10.16032/j.issn.1004-4965.2022.029

胡天慧^{1, 2},
余晖^{1, 3, ,},
鲁小琴^{1, 3}

1.
中国气象局上海台风研究所，上海 200030
2.
华东师范大学地理科学学院，上海 200041
3.
中国气象局台风数值预报重点实验室，上海 200030

基金项目:

上海市科学技术委员会科研计划 19dz1200101

上海市2021年度“科技创新行动计划”自然科学基金项目 21ZR1477300

详细信息

通讯作者:
余晖，女，上海市人，研究员，博士，主要从事热带气旋研究。E-mail：yuh@typhoon.org.cn

中图分类号: P444
计量
- 文章访问数: 151
- HTML全文浏览量: 228
- PDF下载量: 40
- 被引次数: 0
出版历程
- 收稿日期: 2021-01-11
- 修回日期: 2022-02-28
- 网络出版日期: 2022-06-11
- 刊出日期: 2022-04-20

REVIEW OF TROPICAL CYCLONE INTENSITY ESTIMATION METHODS BASED ON SATELLITE REMOTE SENSING

HU Tianhui^{1, 2},
YU Hui^{1, 3
, ,},
LU Xiaoqin^{1, 3}

1.
Shanghai Typhoon Institute, CMA, Shanghai 200030, China
2.
School of Geographic Sciences, East China Normal University, Shanghai 200241, China
3.
Key Laboratory of Numerical Modeling for Tropical Cyclone/ CMA, Shanghai 200030, China

摘要

摘要: 热带气旋大部分时间活动在常规观测缺乏的海洋上，卫星遥感作为大范围对地观测的主要技术，为热带气旋强度估算(定强)提供了重要支撑。近年来，热带气旋定强技术的资料应用逐渐从单通道数据拓展到红外、水汽、微波等多通道数据，建模方法也从人为特征提取的线性模型发展到自动特征工程的非线性深度学习模型。在未来，多通道和多卫星资料的融合应用依旧是重点，将人为定义的特征因子与深度学习方法相结合、在静止卫星上搭载微波探测仪器等预计会带来定强精度的新突破。
- 热带气旋 /
- 卫星遥感 /
- 定强技术
Abstract: Tropical cyclones spend most of their time in the ocean, where routine meteorological observation is lacking. Satellite remote sensing, as the main technology for large-scale Earth observation, has provided important data for the estimation of tropical cyclone intensity since the 1960s. In recent years, the data used by the satellite-based tropical cyclone intensity estimation methods have gradually expanded from single-channel data to multiple-channel data including those from infrared, water vapor, and microwave channels. The modeling methods have also developed from the linear model of artificial feature extraction to the nonlinear deep learning model of automatic feature engineering. In the future, the focus will still be the application of multi-channel and multi-satellite data fusion. The combination of human-defined feature and deep learning methods, and the carrying of microwave sounders on stationary satellites are expected to bring new breakthroughs in the area.
- tropical cyclone /
- satellite remote sensing /
- intensity estimation methods

HTML全文

表 1 2018年ADT和热带气旋分析预报中心主观Dvorak分析在各海域的均方根误差^[9]

海域		大西洋	东太平洋和中太平洋	西北太平洋	南印度洋和北印度洋	南太平洋
近中心最大风速/kt	ADT	11.12	9.18	11.24	10.35	12.18
近中心最大风速/kt	Dvorak	10.40	9.71	11.19	10.27	12.08
中心最低海平面气压/hPa	ADT	9.71	6.78	8.43	6.99	8.97
中心最低海平面气压/hPa	Dvorak	10.17	7.13	10.80	6.67	10.20

下载: 导出CSV

表 2 2018年ADT和热带气旋分析预报中心主观Dvorak分析在各海域的偏差^[9]

海域		大西洋	东太平洋和中太平洋	西北太平洋	南印度洋和北印度洋	南太平洋
近中心最大风速/kt	ADT	-4.41	-0.87	-1.25	2.13	-0.81
近中心最大风速/kt	Dvorak	-1.79	0.99	-0.50	1.19	0.33
中心最低海平面气压/hPa	ADT	0.02	-1.86	2.33	2.86	1.92
中心最低海平面气压/hPa	Dvorak	-2.80	-2.68	-2.13	-1.73	-4.87

下载: 导出CSV

表 3 基于偏角方差技术估算的热带气旋强度均方根误差^[29-30]

海域	数据覆盖时间范围	每一年的均方根误差/kt	总体的均方根误差/kt
北大西洋	2004—2010年	10.3 ~14.1	12.9
西北太平洋	2007—2011年	12.9 ~15.1	14.3
东北太平洋	2005—2011年	9.4 ~16.9	13.4

下载: 导出CSV

表 4 基于红外亮温信息的主要统计定强方法和误差

主要方法	数据覆盖时间范围	数据来源	海域	RMSE	MAE	参考文献
直方图匹配	2000—2006年	HURSAT-B1-v03	北大西洋	14.48 kt	11.18 kt	Jaiswal等^[32], 2012
FASI算法	1988—2006年	HURSAT-B1-v05	北大西洋	12.7 kt	10.9 kt (8.4 hPa)	Fetanat等^[33], 2013
对流核提取	2006—2009年	MTSAT	西北太平洋	7.7 m/s	-	鲁小琴等問，2014
CNN	1999—2014年	NRL	大西洋(68) 太平洋(30)	10.18 kt	-	Pradhan等^[35]，2018
RVM	2005—2014年	FY-2C	西北太平洋	12.8 kt	-	张长江等[²⁴], 2019
支持向量机	2004—2009年	HURSAT-B1-v05 GOES-12	北大西洋	11.2 kt	-	Asif等^[26]，2020

下载: 导出CSV

表 5 基于被动式星载微波仪资料的定强方法和误差

主要方法	数据覆盖时间范围	数据来源	研究海域	RMSE	MAE	参考文献
KNN	1988—1998年	SSM/I 85 GHz和降雨率数据	北太平洋、大西洋、印度洋	15.6- 19.8 kt	-	Bankert等^[42]，2002
统计回归	1999—2001年	AMSU 54.96 GHz	大西洋和东太平洋	9.9 ~11.1hPa	7.5 - 9.4hPa	Brueskte等^[38]，2003
逐步回归	2002年7—9月	AMSU-A	西北太平洋	8.6 m/s、15.0 hPa	6.3 m/s, 11.3 hPa	余晖等^[39], 2006
多元回归	1999—2003年	TRMM/TMI10、19、21, 37, 85 GHz	所有海域	8 m/s	-	Hoshino等^[43]，2007
统计回归	2002—2006年	AMSU-A通道7、	西北太平洋	12.2 hPa	-	刘喆等，2008
主成分分析和多元回归	2011—2013年	FY-3B/MWRL10、19, 37, 89 GHz	西北太平洋	13 hPa	-	张淼等^[44]，2015
统计回归	2013—2014年	FY-3C/MWTS-II通道6、	西北太平洋	11.1 hPa	-	张淼等^[41]，2017
逐步多元线性回归	1998—2013年	TRMM/TMI 85 GHz和降雨率数据	北大西洋、东北太平洋和中太平洋	12 kt	9 kt	Jiang等^[45]，2019

下载: 导出CSV

表 6 多种卫星遥感资料结合的定强方法和误差

主要方法	数据覆盖时间范围	数据来源	研究海域	RMSE	MAE	参考文献
线性回归	2002—2011年	MTSAT-1R MTSAT-2	西北太平洋	14.38 - 14.70 hPa	10.45 - 12.25 hPa	Zhuge等^[58]，2015
CNN	1987—2012年	NRL、SSM/I、TRMM等	全球	14.3 kt	-	Wimmers等^[62]，2019
CNN	2003—2016年	IR1、WV、VIS、降雨率数据	全球	8.39 kt	-	Chen等^[63]，2019
多元线性回归	2012—2017年	HY-2A、SSMIS	西北太平洋	5.94 m/s	4.62 m/s	Xiang等^[6\|\|]，2019
CNN	2017年	FY-4A	西北太平洋	2.04 m/s	1.75 m/s	崔林丽等^[59]，2020
逐步回归	2013—2019年	FY-2F/FY-2G、ASCST	西北太平洋	4.66 m/s	3.99 m/s	张圣雪等^[61]，2020

下载: 导出CSV

参考文献(66)

[1]	陈联寿, 董克勤, 金汉良. 热带气旋全球观[M]. 北京: 气象出版社, 1994: 243-264.
[2]	DVORAK V F. Tropical cyclone intensity analysis and forecasting from satellite imagery[J]. Mon Wea Rev, 1975, 103(5): 420-430.
[3]	DVORAK V F. Tropical cyclone intensity analysis using satellite data[R]. NOAA Technical Report NESDIS 11, 1984.
[4]	ZEHR R M. Improving objective satellite estimates of tropical cyclone intensity: Preprints[C]//18th Conf. on Hurricanes and Tropical Meteorology, San Diego, CA, Amer Meteor Soc, 1989: J25-J28.
[5]	VELDEN C S, OLANDER T L, ZEHR R M. Development of an objective scheme to estimate tropical cyclone intensity from digital geostationary satellite infrared imagery[J]. Wea Forecasting, 1998, 13(1): 172-186.
[6]	OLANDER T L, VELDEN C S, ZEHR R M. Development of the advanced objective Dvorak technique (AODT) - current progress and future directions[C]//25th Conf On Hurricanes and Trop Meteorology Amer Meteor Soc, 2002.
[7]	VELDEN C, HARPER B, WELLS F, et al. The Dvorak tropical cyclone intensity estimation technique: a satellite-based method that has endured for over 30 years[J]. Bull Amer Meteor Soc, 2006, 67(9): 1 195-1 210.
[8]	OLANDER T L, VELDEN C S. The Advanced Dvorak Technique: continued development of an objective scheme to estimate tropical cyclone intensity using geostationary infrared satellite imagery[J]. Wea Forecasting, 2007, 22(2): 287-298.
[9]	OLANDER T L, VELDEN C S. The Advanced Dvorak technique (ADT) for estimating tropical cyclone intensity: update and new capabilities[J]. Wea Forecasting, 2019, 34(4): 905-922.
[10]	刘喆, 王新, 李万彪, 等. Dvorak技术估测热带气旋强度研究进展[J]. 气象科技, 2007, 34 (4): 453-457.
[11]	刘喆, 朱元竞, 李万彪, 等. 气象卫星资料在估测热带气旋强度方向的应用进展[J]. 热带气象学报, 2008, 24(5): 550-556.
[12]	SADLER J C. Tropical cyclones of the eastern North Pacific as revealed by TIROS observations[J]. J Appl Meteor, 1964, 3: 347-366.
[13]	FRITZ S, HUBERT L F, TIMCHALK A. Some inferences from satelliate pictures of tropical disturbances[J]. Mon Wea Rev, 1966, 94(4): 231-236.
[14]	KLOTZ B W, UHLHORN E W. Improved stepped frequency microwave radiometer tropical cyclone surface winds in heavy precipitation[J]. J Atmos Oceanic Technol, 2014, 31(11): 2 392-2 408.
[15]	方宗义, 周连翔. 用地球同步气象卫星红外云图估计热带气旋的强度[J]. 气象学报, 1980, 38(2): 150-159.
[16]	李修芳, 范蕙君, 燕芳杰, 等. 用增强显示云图确定热带气旋强度的方法[J]. 应用气象学报, 1993, 4(3): 362-369.
[17]	燕芳杰, 范蕙君, 李修芳, 等. 用数字云图确定热带气旋强度的人机对话系统[J]. 气象, 1995, 21(11): 30-32.
[18]	范蕙君, 李修芳, 燕芳杰, 等. 用数字云图确定热带气旋强度的原理和方法[J]. 大气科学, 1996, 20(4): 439-444.
[19]	许映龙, 张玲, 向纯怡. 台风定强技术及业务应用——以Dvorak技术为例[J]. 气象科技进展, 2015, 5(4): 22-34.
[20]	王瑾, 江吉喜. 热带气旋强度的卫星探测客观估计方法研究[J]. 应用气象学报, 2005, 26(3): 283-292.
[21]	LU X Q, YU H. An objective tropical cyclone intensity estimation model based on digital IR satellite imagES[J]. Tropical Cyclone Research and Review, 2013, 2(4): 233-241.
[22]	鲁小琴, 雷小途, 余晖, 等. 基于卫星资料进行热带气旋强度客观估算[J]. 应用气象学报, 2014, 25(1): 52-58.
[23]	ZHANG C J, QIAN J, MA L, et al. Tropical cyclone intensity estimation using RVM and DADI based on infrared brightness temperature[J]. Wea Forecasting, 2016, 31(5): 1 643-1 654.
[24]	ZHANG C J, LUO Q, DAI L, et al. Intensity estimation of tropical cyclones using the relevance vector machine from infrared satellite image data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(3): 763-773.
[25]	戴李杰, 张长江, 薛利成, 等. 红外卫星云图和相关向量机的有眼热带气旋客观定强模型[J]. 遥感学报, 2018, 22(4): 581-590.
[26]	ASIF A, DAWOOD M, JAN B, et al. PHURIE: hurricane intensity estimation from infrared satellite imagery using machine learning[J]. Neural Computing and Applications, 2020, 32(9): 4 821-4 834.
[27]	PIÑEROS M F, RITCHIE E A, TYO J S. Objective measures of tropical cyclone structure and intensity change from remotely sensed infrared image data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11): 3 574-3 580.
[28]	PIÑEROS M F, RITCHIE E A, TYO J S. Estimating tropical cyclone intensity from infrared image data[J]. Wea Forecasting, 2011, 26(5): 690-698.
[29]	RITCHIE E A, VALLIERE-KELLEY G, PIÑEROS M F, et al. Tropical cyclone intensity estimation in the North Atlantic basin using an improved deviation angle variance technique[J]. Wea Forecasting, 2012, 27(5): 1 264-1 277.
[30]	RITCHIE E A, WOOD K M, RODRÍGUEZ-HERRERA O G, et al. Satellite-derived tropical cyclone intensity in the North Pacific Ocean using the deviation-angle variance technique[J]. Wea Forecasting, 2014, 29(3): 505-516.
[31]	袁猛, 钟玮, 武帅, 等. 利用偏角方差技术分析2015年西北太平洋超强台风全生命史过程演变特征[J]. 气候变化研究快报, 2018, 7(6): 430-441.
[32]	JAISWAL N, KISHTAWAL C M, PAL P K. Cyclone intensity estimation using similarity of satellite IR images based on histogram matching approach[J]. Atmos Res, 2012, 118: 215-221.
[33]	FETANAT G, HOMAIFAR A, KNAPP K R. Objective tropical cyclone intensity estimation using analogs of spatial features in satellite data[J]. Wea Forecasting, 2013, 28(6): 1 446-1 459.
[34]	KAR C, BANERJEE S. An image processing approach for intensity detection of tropical cyclone using feature vector analysis[J]. International Journal of Image and Data Fusion, 2018, 9(4): 338-348.
[35]	PRADHAN R, AYGUN R S, MASKEY M, et al. Tropical cyclone intensity estimation using a deep convolutional neural network[J]. IEEE Transactions on Image Processing, 2018, 27(2): 692-702.
[36]	KIDDER S Q, GRAY W M, HAAR T H V. Estimating tropical cyclone central pressure and outer winds from satellite microwave[J]. Mon Wea Rev, 1978, 106: 1 458-1 464.
[37]	KIDDER S Q, GOLDBERG M D, ZEHR R M, et al. Satellite analysis of tropical cyclones using the advanced microwave sounding unit (AMSU)[J]. Bull Amer Meteor Soc, 2000, 81(6): 1 241-1 259.
[38]	BRUESKE K F, VELDEN C S. Satellite-based tropical cyclone intensity estimation using the NOAA-KLM series advanced microwave sounding unit (AMSU)[J]. Mon Wea Rev, 2003, 131(4): 687-697.
[39]	YU H, CHAN J C L, DUAN Y. Intensity estimation of tropical cyclones over the Western North Pacific with AMSU-A temperature data[J]. J Meteor Soc Japan Ser Ⅱ, 2006, 84(3): 519-527.
[40]	刘喆, 李万彪, 韩志刚. 利用AMSU-A亮温估测西北太平洋区域热带气旋强度[J]. 地球物理学报, 2008, 51(1): 51-57.
[41]	ZHANG M, QIU H, FANG X, et al. Study on the multivariate statistical estimation of tropical cyclone intensity using FY-3 MWRI brightness temperature data[J]. J Trop Meteor, 2017, 23(2): 146-154.
[42]	BANKERT R L, TAG P M. An Automated Method to Estimate Tropical Cyclone Intensity Using SSM/I Imagery[J]. J Appl Meteor, 2002, 41 (5): 461-472.
[43]	HOSHINO S, NAKAZAWA T. Estimation of tropical cyclone's intensity using TRMM/TMI brightness temperature data[J]. J Meteor Soc Japan, 2007, 85(4): 437-454.
[44]	张淼, 邱红, 方翔, 等. 基于风云三号微波成像仪的热带气旋强度的多元统计估计方法研究[J]. 热带气象学报, 2015, 31(1): 87-94.
[45]	JIANG H Y, CHENG T, PEI Y X. Estimation of tropical cyclone intensity in the north atlantic and north eastern pacific basins using TRMM satellite passive microwave observations[J]. J Appl Meteor Climatol, 2019, 58(1): 185-197.
[46]	HAWKINS J D, LEE T F, TURk J, et al. Real-time internet distribution of satellite products for tropical cyclone reconnaissance[J]. Bull Amer Meteor Soc, 2001, 82(4): 567-578.
[47]	SEARS J, VELDEN T, OLANDER C. Recent statistical analyses of the advanced dvorak technique (ADT)[C]//29th Conference on Hurricanes and Tropical Meteorology, 2010
[48]	WIMMERS A J, VELDEN C S. Objectively determining the rotational center of tropical cyclones in passive microwave satellite imagery[J]. J Appl Meteor and Climatology, 2010, 49(9): 2 013-2 034.
[49]	张毅, 蒋兴伟, 林明森, 等. 星载微波散射计的研究现状及发展趋势[J]. 遥感信息, 2009(6): 87-94.
[50]	KATSAROS K B, FORDE E B. QuikSCAT's sea winds facilitates early identification of tropical depressions in 1999 hurricane season[J]. GEOPHYSICAL RESEARCH LETTERS, 2001, 8(6): 1 043-1 046.
[51]	SHARP R J, BOURASSA M A, O'BRIEN J J. Early detection of tropical cyclones using seawinds-derived vorticity[J]. Bull Amer Meteor Soc, 2002, 83(6): 879-889.
[52]	方翔, 咸迪, 李小龙, 等. QuikSCAT洋面风资料及其在热带气旋分析中的应用[J]. 气象, 2007, 33(3): 33-39.
[53]	邹巨洪, 林明森, 潘德炉, 等. QuikSCAT在台风监测中的应用[J]. 遥感学报, 2009, 13(5): 840-853.
[54]	ZHANG D, ZHANG Y, HU T, et al. A comparison of HY-2 and QuikSCAT vector wind products for tropical cyclone track and intensity development monitoring[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(8): 1 365-1 369.
[55]	邹巨洪, 林明森, 邹斌, 等. HY-2卫星散射计热带气旋自动识别算法[J]. 海洋学报, 2015, 37(1): 73-79.
[56]	杨典, 宋清涛, 蒋兴伟, 等. 基于散射计风场数据的台风强度诊断方法——以海洋二号卫星数据为例[J]. 海洋学报, 2019, 41(1): 151-159.
[57]	OLANDER T L, VELDEN C S. Tropical cyclone convection and intensity analysis using differenced infrared and water vapor imagery[J]. Wea Forecasting, 2009, 24(6): 1 558-1 572.
[58]	ZHUGE X Y, GUAN J, YU F, et al. A New satellite-based indicator for estimation of the Western North Pacific tropical cyclone current intensity[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(10): 5 661-5 676.
[59]	崔林丽, 陈昭, 于兴兴, 等. 风云四号卫星东南沿海热带气旋强度深度学习估算[J]. 遥感学报, 2020, 24(7): 842-851.
[60]	XIANG K S, YANG X F, MIAO Z M, et al. Objective estimation of tropical cyclone intensity from active and passive microwave remote sensing observations in the Northwestern Pacific Ocean[J]. Remote Sensing, 2019, 11(6): 627.
[61]	张圣雪, 赵朝方. 西北太平洋热带气旋强度的多源卫星遥感研究[J]. 海洋湖沼通报, 2020(1): 169-182.
[62]	WIMMERS A, VELDEN C, COSSUTH J H. Using deep learning to estimate tropical cyclone intensity from satellite passive microwave imagery[J]. Mon Wea Rev, 2019, 147(6): 2 261-2 282.
[63]	CHEN B F, CHEN B Y, LIN H, et al. Estimating tropical cyclone intensity by satellite imagery utilizing convolutional neural networks[J]. Wea Forecasting, 2019, 34(2): 447-465.
[64]	五院504所. 《风云四号》微波辐射探测器[C]// 《风云四号》气象卫星使用要求第二次专家研讨会, 北京, 2000.
[65]	中科院空间. 《风云四号》微波成像探测器[C]// 《风云四号》气象卫星使用要求第二次专家研讨会, 北京, 2000.
[66]	王淦泉, 沈霞. 风云四号辐射成像仪及其数据在卫星气象中的应用[J]. 自然杂志, 2018, 40(1): 1-11.