开发内容

完成日本向日葵(Himawari-8)静止卫星红外通道观测资料云检测系统搭建，基于原始资料格式，运用英国气象局SEVIRI云检测方案对有云和晴空卫星资料科学分析。在对有云和晴空资料分装整理的同时，进一步实现卫星资料稀疏化过程。

• 卫星资料定时自动下载：

  日本气象厅 (JMA) 具有高精度（2公里分辨率）的Himawari红外通道卫星原始格式（HSD）数据。所有资料都是由与日本气象厅有合作关系的相关机构具体管理，他们仅仅实时上传观测数据到网上，但是并不提供下载程序。因此，在本项目中，我们考虑到业务使用的实际需要，编写了定时自动下载程序，可以定时自动下载日本葵花静止卫星高精度的原始卫星资料，为业务运行提供实时资料保障。为了更好地理解具体下载流程，我们会在后续章节中给出一个具体实例来说明原始资料的获取过程。

• 卫星观测数据格式转换：

  Himawari-8静止卫星资料是以HSD非气象模式资料格式存储的。因此，在进行任何云分析之前，卫星资料格式转换就成为了必须的工作步骤。在本系统研发中，我们首先根据卫星资料的原始格式存储说明，实现了从HSD到BUFR的资料格式转换。

• 静止卫星资料云分析：

  目前国际上，对于云检测方案研究成果主要有：基于GOES－R的云检测（Heridinger， 2011），基于SEVIRI 的云检测（Hocking et al，2010）和（Derrien and Gleanu， 2005）。这三种方案在基本原理上是相同的，但在具体的测试方案和定义cloud mask 的标准域值中略有不同。SAFNWC SEVIRI （Derrien and Gleanu， 2005）云检测方案也类似采用一系列阈值测试进行云分析，与英国气象局SEVIRI云检测方案（Hocking et al，2010）的不同之处在于如何确定测试阈值，SAFNWC基于事先由大量离线辐射传输模拟计算出的查找表确定测试阈值，该查找表由诸如太阳天顶角和卫星天顶角之类的几何变量、NWP场(例如表面温度等)以及其它辅助数据(例如海拔和气候数据)来索引。结合英国气象局(UK Met office) SEVIRI云检测方案 (Hocking et al, 2010)和SAFNWC SEVIRI 云检测方案(Derrien and Gleau, 2005)等方案，概括来讲主要运用红外波段和可见光波段卫星亮温值进行云检测。

  英国气象局(UK Met office) SEVIRI云检测方案基于一系列的阈值测试来生成SEVIRI云盖（cloud mask），如下表所示，主要的阈值测试包括雪测试、总测试、薄卷云测试、雾/低云测试、混合测试、海面温度测试、8.7μm测试、10.8μm空间连贯性测试、高分辨率可见空间连贯性测试、0.8μm空间连贯性测试、可见阈值测试、可见/近红外比值测试、黄昏/黎明低云时变算法等。综合考虑14种云检测的见过，对于任何一点，只要满足以上任何一条有云的标准，这一点将被定义为是有云的，这一点将会被剔除。只有在所有这14种都显示没有云的情况下，这一点才会被定义为绝对的晴空。综合利用红外波段和可见光波段交叉检测能够相互订正和补充在特殊地表类型，在黑夜和日落时分等特殊时段的云特征，以及细小的云。这无疑是准确使用卫星观测资料非常关键的一步预处理，这不仅能够帮助提高同化晴空卫星资料的可靠性，而且为同化有云卫星资料提供了有用的参考条件（cloud mask），这对于资料进入同化系统之后进一步做偏差订正和质量控制都非常有用。

• 卫星资料稀疏化处理(gridding)：

  原始卫星资料分辨率高达2公里，尽管对各种天气现象观测更加细致，但是因其资料数量巨大，远远超出当前数值预报模式需求，因此稀疏化过程不可避免。在本项目中，我们开发了卫星资料稀疏化处理模块，可以根据数值模式要求，产生任意所需分辨率的云分析资料。

• 卫星云分析产品图形诊断分析：

  针对云分析的系统，产生出有云和晴空两种BUFR文件，同时给出不同稀疏化后的结果。 运用python脚本文件生成各种红外卫星资料分布图。