1. 引言
成都后汛期是该地区强对流天气的重要活跃时段，此期间大气层结呈现明显不稳定特征，水汽输送持续充沛，极易激发雷暴等强对流天气系统[1]。这类天气过程具有突发性强、发展迅猛、持续时间短但致灾性强等典型特征，常伴随短时强降水、雷暴大风和冰雹等极端天气现象，对城市基础设施和公共安全形成严峻挑战[2]。以2021年8月下旬为例，成都市区遭遇突发性强对流袭击，最大小时降雨量突破92.5毫米，导致中心城区出现大面积内涝；2020年9月上旬，成都经历区域性雷暴过程，天府新区记录到最大瞬时风速达25.8 m/s的雷暴大风，造成多处市政设施损毁，这些典型案例充分证实了后汛期强对流天气的显著致灾特性[3]。本研究针对2024年成都后汛期雷暴初生云团的系统观测，将重点解析该特定时段雷暴云团的触发机制、三维结构演变规律及微物理特征等关键科学问题，研究成果可为提升后汛期强对流天气的精细化预报预警水平提供重要理论支撑和技术参考[4]。通过深入理解后汛期对流天气的发生发展规律，有助于建立更具针对性的预警指标体系，显著提升灾害性天气的防范应对能力[5]。
目前国内外已有一系列应用卫星技术对强对流天气进行观测和预警的研究。巫俊威等[6] (2013)针对2012年8月16~19日成都地区出现短时、局地暴雨、特大暴雨的异常强降水天气，利用常规气象资料、1˚ × 1˚ NCEP再分析资料和客观物理量场、卫星云图等资料，对造成此次强降水主要集中在成都地区西部沿山一带的原因进行了分析，分析得出：在有利的环流背景下，中小尺度系统发生发展和演变是这次暴雨产生的直接原因。杨洁等[7] (2021)针对2019年2月21日强对流冰雹过程分别利用葵花8号卫星资料的11.2 μm通道与7.0 μm通道亮温差拟合和11.2 μm通道、7.0 μm通道分段拟合对雷达回波进行反演，发现在强对流识别上，11.2 μm通道、7.0 μm通道分段线性拟合比亮温差线性拟合效果要好，非强对流点识别成强对流点的情况较少。
2. 资料概况
2.1. 葵花9号卫星介绍
日本葵花9号静止轨道气象卫星作为新一代地球观测平台，具备显著的时空监测优势。该卫星系统采用先进的成像技术，可实现10分钟完成全圆盘扫描，并对重点区域实施2.5分钟高频次观测。其搭载的高光谱成像仪(AHI)配置了16个独立探测通道，覆盖从可见光到红外波段的连续光谱。本研究采用的NetCDF4格式卫星数据产品包含多个关键地球物理参数，特别值得关注的是，AHI传感器的多光谱探测能力使其各通道具有特定的光谱响应特性，可针对不同应用场景提供定制化观测服务。本文主要选用的是葵花9号AHI第10通道(水汽吸收波段)、第13通道(红外窗区波段)和第15号通道(红外窗区波段)。
2.2. 降水数据
降水资料主要来自成都市气象台于后汛期时期内发出的灾害性天气预警信号单和四川省气象局统计的降水时间、降水站数，结合二者数据考虑，可得到所需要的降水时段以得到雷暴初生时间。2024年后汛期内主要的突出的雷暴个例有2例，7月22日、8月9日(表1)，覆盖多个区、市和县，对应时间段内的主要站点监测到的每小时雨量均超过20mm，符合并达到暴雨级别的标准。7月22日最大降水发生的时段为2:00~3:00，雷暴云团初生时段为0:40~2:00，主要的降水中心为双流区和新都区。8月9日最大降水发生的时段为11:00~13:00，雷暴云团初生时段为9:00~10:20，主要降水中心为双流区、温江区和新都区。除此以外，通过Arcmap10.8绘制降水填色图以直观地表示个例中的降水量大小，由此根据降水量绘制每份个例的降水填色图与主要站点的降水随时间变化的折线图。
2.3. 研究内容
本文主要研究内容：1) 收集资料以获悉后汛期内发布的雷雨预警和地面气象站观测数，结合二者判断有可能发生的雷暴或强降水天数以及对应具体时间段，收集、下载来自葵花9号的图像数据，主要为葵花9号的红外云图。2) 本文采用单通道阈值法、多通道协同和各类云属性来对雷暴进行特征提取。3) 在对流中心15~30 km的范围内分析雷暴初生云团基本特征以得出基本结论。
Table 1. Time periods and detailed information of two thunderstorm events during the 2024 flood season in Chengdu
表1. 2024年成都汛期内两次雷暴过程时间段以及详细信息
日期 |
降水峰值时间 |
初生云团发展时间 |
云团发展地点 |
经纬范围(大致) |
7月22日 |
2:00~3:00 |
0:40~2:00 |
双流区、新都区 |
30.30˚N~30.95˚N 103.80˚E~104.20˚E |
8月9日 |
11:00~13:00 |
9:00~10:20 |
双流区、温江区、新都区 |
30.30˚N~30.95˚N 103.75˚E~104.20˚E |
2.4. 研究方法
2.4.1. 单通道阈值法的云检测
对流云的卫星识别主要使用的是阈值法，由于对流云的垂直发展旺盛，云顶高度甚至可达对流层顶(12~18 km)，且对流云的云顶亮温极低，恰好通道13 (10.4 μm)对云顶温度极为敏感，可很好地检测低温区域，低温区域代表的正是对流云位置。详细方法为通过输入一个具体温度阈值，由于目标云和背景差异显著，卫星图像将被分割，最后输出结果为二值图像，反映到输出图像上则表现为对流云候选区为亮白色，非云区为黑色，例如，选取2024年7月22日葵花9号卫星全盘区域云图作为个例，运用温度阈值分割的方法导出为二值图像。设置固定的阈值(240 K)，在遥感软件中多次识别，得到潜在的对流云系，以高精度的时间分辨率观察并分析其主要变化，得到并绘制出每个过程红外通道亮温随时间变化的折线图。
2.4.2. 多通道组合检测初生云系
为了更好地追踪初生阶段的雷暴云团，一般采用多通道组合的方法，对单通道阈值法进行一定程度的改进。使用红外–分裂窗通道亮温差，利用葵花9号的通道13和通道15两个邻近的红外窗区通道对不同目标物的敏感性，通过计算亮温差从而提取出所需要的信息。以及红外–水汽通道亮温差，它是由红外窗区通道和水汽吸收通道的亮温差得到的，能够间接反映云顶高度相对于对流层顶的位置。当红外–分裂窗通道亮温差为正值，即：
(1)
式(1)意味着红外–分裂窗通道亮温差大于0时对流云处在初生阶段；而式(2)红外–水汽通道亮温差为正值，且亮温差较小通常位于1 K至5 K之间时，可被判别为此时的云顶尚未到达对流层顶，垂直发展才刚刚开始，即初生阶段的对流云团。基于以上事实，只要合理利用多通道组合检测的方法，截取对应时段目标地区上空云系在红外通道和水汽通道里的亮温以及它们的亮温差，就能基本判定该时刻存在潜在初生对流的迹象。即：
(2)
3. 研究结果
3.1. 降水信息
2024年后汛期，成都地区曾多次发生雷暴现象。作为一种短时强对流天气，如若能对其进行及时有效的预报，就能有效防范其后续带来的各种气象和地质灾害。根据前文所用到的降水数据和资料，后汛期内观测到的比较显著的过程有以下时间段，详见表1和图1。图1(a)和图1(b)中，7月22日强降水主要发生在温江区、崇州市和郫都区，三站点降水强度相当，雨量在1 h内的增幅大约为18~25 mm，4时崇州站和郫都站达到峰值24.6 mm和17.9 mm，5时温江站达到峰值18.3 mm，云团初生时间位于3:00至4:20，从图1(c)和图1(d)，8月9日强降水主要发生在双流区和新都区，新都站雨量强度和变化较大，峰值时的雨量为58.2 mm，2 h内增幅为58 mm左右，双流站雨量次之，2 h内增幅为17 mm左右，初生云团发展的时间为0:40至2:00。综合以上的降水信息，可知对于雷暴这类短时强天气，从初生到成熟时间较短，云团开始初生的时间大约在成熟前的1 h到2 h，天气尺度小，雷暴伴随的强降水大部分超过20 mm并且集中在几个站点发生。
(a) (b)
(c) (d)
Figure 1. (a) 1-hour precipitation color-filled map for Chengdu on 22 July; (b) Precipitation variation at Shuangliu and Xindu stations on 22 July; (c) 1-hour precipitation color-filled map for Chengdu on 9 August; (d) Precipitation variation at Shuangliu, Xindu and Wenjiang stations on 9 August
图1. (a) 7月22日成都1 h降水量填色图；(b) 7月22日双流站、新都站降水量变化；(c) 8月9日成都1 h降水量填色图；(d) 8月9日双流站、新都站、温江站降水量变化
3.2. 单通道云顶亮温特征
对单通道阈值法的云检测来说，AHI传感器的通道13 (10.4 μm)作为红外窗区通道，因为通道13具有高泛用性，是雷暴初生云团检测中关键的单通道，经检测后识别出云图上潜在的对流云系和绘制出每个过程红外通道亮温随时间变化的折线图(图2)，分析在单通道云检测下的初生云团，可见每个过程的对流云团在发展阶段时云顶亮温呈现逐渐降低的趋势，7月22日云团开始初生时的亮温较低，为235.24 K，随后在一段时间内下降平缓，为1.98 K/10min，对应图1(b)降水开始增大时的亮温为224.78 K，8月9日亮温227.22 K下降至208.09 K，下降速率约为2.39 K/10min，对应图1(d)中降水开始增大时的亮温为217.21 K。由亮温降低，表明云顶高度不断上升，云内对流活动增强，云团发展至成熟前，亮温值普遍位于200~240 K的区间，成熟后云顶接近对流层上部，极可能发生强雷暴，伴随强降水、大风或冰雹等灾害性天气。
Figure 2. Temporal variation of cloud-top brightness temperature for incipient thunderstorm clouds in the Chengdu Region
图2. 成都地区初生雷暴云团云顶亮温随时间变化
3.3. 多通道协同对比分析
3.3.1. 7月22日过程分析
对于7月22日的雷暴过程来说，7月22日凌晨0:40至2:00，云团初生的主要发生地点位于双流区，从初生云团发展阶段的红外云图(图3)可以看出，从0:40到0:50云团中心迅速往西南方向移动，扩散至双流、新都等地区，两地此刻降水为5.6 mm和2.2 mm，降水中心处云顶亮温为235.24 K，1:00到1:20，云团中心停滞在双流区，双流站降水增大至14.0 mm，云顶亮温进一步降低至226.08 K，随之1:30到2:00中心往东北迁移，停留在双流区和龙泉驿区边界附近，2:00新都站达到降水峰值58.2 mm，降水中心处云顶亮温达到最低，为219.40 K。整个过程0:40至2:00亮温由235.24 K到219.40 K，云顶色调越来越白，云区越来越广，逐渐覆盖到目标区域。
表2是当日该时段亮温差结果。在0:40~2:00，“分裂窗”亮温差占比呈波动变化，0:50为最低值86.67%，整体始终处于高位，1:40达100%，说明云团在目标区域几乎覆盖完全，组织化程度高。“分裂窗”亮温差的平均值在0:40时到1:20呈现持续上升趋势(2.45 K→3.79 K)，反映云顶冰晶化进程加速，1:20达到峰值对应强冰晶增长阶段，随后略微降低，在2:00再次升高为3.61 K；红外–水汽亮温差的占比增加，从0:40的33.33%持续增加至2:00的83.41%，显示云系在初生时发展和扩大，红外–水汽亮温差的平均值从7.07 K降至4.11 K，高层湿度整体增加，有利于云团发展，尤其在1:20~1:50云团在垂直发展过程处于快速发展阶段，水汽差降至5.61 K，表明上升气流携带水汽至中层并饱和，后期水汽差进一步降至4.11 K，显示云团突破环境阻碍，进入快速发展期。
3.3.2. 8月9日过程分析
8月9日9:00至10:20，图4所示初生云团地点为新都区、温江区和双流区，从每十分钟的红外云图可看出，大片的白亮的云区几乎覆盖了整个成都地区，9:00至10:20云团中心云团最冷最高的中心位于成都南部的新津区和双流区一带，后续云区将覆盖整个成都地区，整个过程对流中心附近的云顶亮温从227.22 K下降到208.09 K，10:30新都站检测到最大降水量为22.2 mm。结合云顶亮温和云图，从云区的规模和色调可看出该个例的雷暴强度较大。
Figure 3. Infrared imagery of incipient thunderstorm clouds in Chengdu on 22 July 2024. (a) 0:40；(b) 0:50；(c) 3:20；(d) 1:00；(e) 1:20；(f) 1:30；(g) 1:40；(h) 1:50；(i) 2:00
图3. 成都2024年7月22日雷暴初生云团红外云图。(a) 0:40；(b) 0:50；(c) 3:20；(d) 1:00；(e) 1:20；(f) 1:30；(g) 1:40；(h) 1:50；(i) 2:00
Table 2. Proportion of brightness temperature difference values between two channels from 0:40 to 2:00 on July 22
表2. 7月22日0:40~2:00两种通道亮温差数值占比情况
时间 |
红外–分裂窗通道亮温差在0.5 K至5 K之间的占比/亮温差平均值 |
红外–水汽通道亮温差在1 K至5 K之间的占比/亮温差平均值 |
0:40 |
100%/2.45 K |
33.33%/7.07 K |
0:50 |
86.67%/2.57 K |
20.00%/8.57 K |
1:00 |
93.33%/2.96 K |
16.67%/8.90 K |
1:10 |
96.67%/3.36 K |
20.00%/8.01 K |
1:20 |
96.67%/3.79 K |
30.00%/6.87 K |
1:30 |
98.56%/3.71 K |
43.33%/5.78 K |
1:40 |
100%/3.22 K |
56.67%/5.61 K |
1:50 |
97.62%/3.33 K |
64.88%/5.34 K |
2:00 |
93.65%/3.61 K |
83.41%/4.11 K |
Figure 4. Infrared imagery of incipient thunderstorm clouds in Chengdu on 9 August 2024. (a) 9:00；(b) 9:10；(c) 9:20；(d) 9:30；(e) 9:40；(f) 9:50；(g) 10:00；(h) 10:10；(i) 10:20
图4. 成都2024年8月9日雷暴初生云团红外云图。(a) 9:00；(b) 9:10；(c) 9:20；(d) 9:30；(e) 9:40；(f) 9:50；(g) 10:00；(h) 10:10；(i) 10:20
综合分析表3的两种通道的亮温差，红外分裂窗在0.5 K至5 K之间的占比从9:00的43.33%逐渐增加到10:00的96.67%，在10:00到10:20维持稳定，显示该时段内云团快速增长和发展，逐渐覆盖目标区域。“分裂窗”亮温差均值从2.42 K快速增至5.93 K，表明雷暴云团正在强烈发展，云顶快速抬升，云层中水汽含量较多，云顶冰晶化进程加速；红外–水汽通道亮温差的占比先是在26.67%~36.67%波动，后来逐渐升高至10:20的100%，亮温差平均值从6.06 K骤降至0.17 K，显示高层饱和水汽层完全建立，反映强烈的高层辐散和卷云砧形成；该时期的云团有明显的演变阶段特征，可认为云团在9:00~9:20处在初始阶段，从数据可看出此时高层水汽输送尚未完全建立，而9:20~10:20处在快速发展阶段，分裂窗亮温差突破4 K，占比从60%增至70%，水汽通道亮温差占比跃升至57.65%，云顶开始显著冰晶化。符合初生云团发展时的特征。
基于以上分析，绘制出每次过程的九个时间点红外–分裂窗通道亮温差、红外–水汽通道亮温差各自的占比和均值变化的折线图(图5)。初步可以得出以下特征：
(1) 雷暴初生云团在红外卫星云图上的色调越来越白，对应云区在对流中心附近的高占比(80%~100%)以及较低的云顶亮温(235 K)，分布范围越来越大，云团一边移动一边发展。
(2) 初生云团的红外–分裂窗通道亮温差和红外–水汽通道亮温差在目标区域内的对应的占比随时间呈现上升趋势，其在目标区域内的占比到最后总体维持在75%~100%之间，表明初生云团内部的对流云系正在快速发展，对流活动增强，云团范围扩大。
(3) 初生云团的红外–分裂窗通道亮温差值随时间呈上升趋势，始终维持在0.5 K至5 K之间，云顶高度升高，云层变厚，云层中冰晶或者其他云滴浓度增加，对流活动有所增强。
(4) 初生云团的红外–水汽通道亮温差值随时间逐渐减小，最后都保持在0 K至8 K左右，说明可能存在中层干空气入侵，差值快速降低，最后引发雷暴、大风、下击暴流等强对流天气的末期阶段。
Table 3. Proportion of brightness temperature difference values between two channels from 9:00 to 10:20 on August 9
表3. 8月9日9:00~10:20两种通道亮温差数值占比情况
时间 |
红外–分裂窗通道亮温差在0.5 K至5 K之间的占比/亮温差平均值 |
红外–水汽通道亮温差在1 K至5 K之间的占比/亮温差平均值 |
9:00 |
43.33%/2.42 K |
30.00%/6.06 K |
9:10 |
56.67%/3.18 K |
26.67%/5.68 K |
9:20 |
53.33%/3.63 K |
36.67%/6.11 K |
9:30 |
60.00%/4.14 K |
40.33%/6.00 K |
9:40 |
70.00%/4.47 K |
57.65%/2.75 K |
9:50 |
83.33%/4.34 K |
64.87%/1.20 K |
10:00 |
96.67%/4.51 K |
73.34%/0.46 K |
10:10 |
100%/5.38 K |
88.46%/0.21 K |
10:20 |
99.29%/5.93 K |
100%/0.17 K |
(a) (b)
(c) (d)
Figure 5. Line charts of BTD percentage distribution and mean value variations using multi-channel combination method. (a) The proportion of the brightness temperature between infrared and split-window channels; (b) The proportion of brightness temperature difference in the infrared - water vapor channel; (c) The average change of the mean difference in brightness temperature between infrared and split-window channels; (d) The average change of brightness temperature difference in the infrared-water vapor channel
图5. 多通道组合方法亮温差占比及均值变化折线图。(a) 红外–分裂窗通道亮温差占比情况；(b) 红外–水汽通道亮温差占比情况；(c) 红外–分裂窗通道亮温差均值变化情况；(d) 红外–水汽通道亮温差均值变化情况
3.4. 其他通道
在葵花9号的AHI中，还存在一些可用的地球物理参数。其中包含云光学厚度、云有效半径、云顶高度和云顶温度。云光学厚度表示光通过云层时的衰减程度，与云内液态水路径或冰水路径呈正相关，当其快速增大时，反映云内水滴/冰晶浓度骤增，预示对流强化；云有效半径表示云粒子的平均粒径，云内水滴通过碰并快速增大，从<10 μm增至15~25 μm，对流增强；云顶高度和云顶温度则与对流强度直接相关，是检测雷暴初生的核心参数。以下是有关于所有过程的三种云属性的详情(图6)。在强对流初生阶段，所有过程均显示云有效半径成增长趋势，最终云有效半径多位于27.8~44.5 μm的区间内；8月9日增长幅度大，一小时内增幅均位于14 μm左右，为典型的强对流特征，粒子碰并剧烈，伴随雷暴、强降水甚至冰雹的天气过程；而7月22日则表现出波动上升和缓慢上升的形势，涨幅位于1~6 μm，但结合其他通道信息看并不代表无雷暴初生云团发展，同样有相对较弱的降水和雷暴过程发生。云光学厚度均有持续下降的趋势，8月9日下降明显，7月22日则无明显变化。云光学厚度降低可能反映粒子因粒子碰并消耗小水滴导致粒子数浓度减少，特别是在对流发展时期，上升气流加强使得大粒子抬升，小粒子消耗；云顶突破冻结层后，冰晶增多导致进一步增大，但冰晶散射效率低于液态水，所以云光学厚度在云有效半径增加的同时是降低的，全球雷暴研究中，85%的初生云团云有效半径呈现增长与云光学厚度下降同步[8]。最后云顶高度普遍升高和持续抬升，体现强烈的垂直上升运动，将水汽和冰晶推向高层大气，值得注意的是，当云顶高度突破12 km (成都夏季对流层顶附近)，可能触发穿透对流层顶，释放极端能量；云顶温度方面，随着云顶高度升高，表现为随时间下降的趋势，或者始终在低值附近小幅波动变化，云顶温度越低，对流发展越快越旺盛。
(a) (b)
(c) (d)
Figure 6. Temporal variations of four cloud properties during each event. (a) The effective radius of the cloud changes over time; (b) The optical thickness of clouds changes over time; (c) The altitude of the cloud changes over time; (d) The temperature of the cloud varies with time
图6. 每个过程四种云属性随时间的变化情况。(a) 云有效半径随时间变化；(b) 云光学厚度随时间变化；(c) 云顶高度随时间变化；(d) 云顶温度随时间变化
3.5. 各通道对比分析
综合对比降水基数据、单通道和多通道的结果，在云团初生过程进行至50~60 min的末期后，降水量开始显著增加，此时亮温的阈值约为235 K。两种多通道组合法对初生云团的水汽抬升和垂直发展更敏感，红外–分裂窗通道亮温差和红外–水汽通道亮温差在末期的占比多在80%~100%，但后者相较于前者上升趋势更加明显，分裂窗亮温差中个别个例总是维持较高值，无法看出从初生到成熟过程的变化情况。红外–分裂窗亮温差值在每次云团初生过程末期基本符合位于0.5~5 K的范围内，而红外–水汽通道亮温差值在每次过程末期数值上下起伏较大，8月9日过程亮温差值在低于1 K，为0.17 K，7月22日过程亮温差值则是偏高，超过5 K，因此两种多通道亮温差在分析雷暴初生云团特征方面各有优劣。虽然使用单通道阈值法在对各个过程分析亮温变化后表现出较为一致的下降趋势，但仍然存在一定的局限性，尽管如此，单通道依然可作为初步分析雷暴云团特征的方法。
云属性方面，云有效半径出现较为一致的显著增长，反映粒子碰并过程，与强对流相关，无异常个例所以保留，而云光学厚度同样出现较一致的下降趋势，结合图3的单通道云顶亮温变化过程，当云顶亮温降低至235 K的阈值时，云光学厚度大约为35，此时雷暴云团快速发展，降水显著增加。云顶高度和云顶温度都是与强对流直接相关的参数，所有过程云顶高度升高至10~13 km，云顶温度降低至210~230 K，所以可以认为当云顶亮温降低至235 K以下时，雷暴和强降水天气就会产生，结合多通道中雷暴云团在对流中心的高占比和红外–分裂窗通道亮温差是否位于0.5~5 K，云有效半径增长至30 μm以上，云顶高度上升至10~13 km时可进一步判断雷暴天气的发展。
3.6. 预报分析与应用验证
3.6.1. 时效性分析
本研究通过系统分析葵花9号卫星观测数据，建立了雷暴初生过程的时效性检验方法。研究采用单通道阈值判识与多通道协同分析相结合的技术路线，重点考察了不同识别方法对雷暴初生时间的判定准确性。通过设置科学的预报时间窗口，本研究实现了对预警提前量的定量评估。研究过程中，将卫星遥感获取的云图特征参数与地面自动气象站的降水观测数据进行时空匹配分析(详见表4)。结果表明：H葵花9号卫星的多光谱特征识别技术能够有效捕捉对流云团的发展演变过程。定量分析显示，基于卫星遥感的预警方法相比传统地面观测具有显著的时效优势，其预警提前时间范围为20~90 min，平均可达55 min。这一发现为强对流天气的早期预警提供了新的技术支撑。
Table 4. Comparative analysis of thunderstorm early warning times: Himawari-9 spectral channel feature identification vs. ground-based observations
表4. 葵花9号光谱通道特征识别法与地面观测站对雷暴天气预警时间的对比分析
时间 |
地面观测站预警提前时间 |
卫星光谱通道特征识别法预警提前时间 |
7月22日 |
60 min |
80 min |
8月9日 |
90 min |
180 min |
3.6.2. 应用验证
为了进一步验证预报方法的普适性和稳定性，对于主汛期内部分没有被讨论到的过程，选取7月3日、7月13日、8月3日作为用于验证该方法是否稳定的个例，同样借助葵花9号光谱通道的特征识别法识别出雷暴初生云团到实际雷暴天气发生的时间差，计算平均预报提前量，并分析其稳定性和可靠性。收集这些过程的地面观测站降水数据以及卫星云图资料，进行前文的预处理：使用本文提出的单通道阈值法和多通道协同方法，对这些未使用的过程进行雷暴初生云团的识别和分析，将预报结果与实际观测数据进行对比(表5)，结果如下：卫星光谱通道特征识别法比地面观测提前20~50 min，平均提前37 min。研究结果表明对于其他的雷暴事件，该预报方法同样表现出较高的准确性和可靠性，验证了其在不同时间和空间条件下的普适性。
Table 5. Comparative analysis of forecast results versus observational data for additional events during the late flood season
表5. 后汛期内其他过程预报结果与实际观测数据对比
时间 |
地面观测站预警提前时间 |
卫星光谱通道特征识别法预警提前时间 |
7月3日 |
70 min |
120 min |
7月13日 |
50 min |
90 min |
8月3日 |
80 min |
100 min |
4. 结论与展望
主要结论
本文基于葵花9号卫星多光谱通道数据，结合单通道阈值法、多通道组合分析方法和云属性的分析方法，对发生在2024年成都地区后汛期的3次雷暴初生云团的过程进行了分析。得到的主要结论如下：
(1) 雷暴云团从初生至成熟的时间短，历时约1~2 h，天气尺度小，降水相对集中，云团初生开始至50~60 min，降水量开始显著增加，1 h或2 h内降水量的增幅一般为20 mm以上，雷暴天气发生时产生的降水多数在20 mm以上，极端情况下可达55 mm以上。云区在对流中心附近覆盖范围广，初生阶段已于对流中心15~30 km的范围内全部覆盖。
(2) 利用10.4 μm的红外窗区通道的亮温阈值法可初步识别和分析初生的对流云团，初生云团的亮温普遍位于200 K至240 K区间，随时间呈下降趋势，云顶亮温平均下降率为3.16 K/10min，当云顶亮温降低至阈值235 K以下时，表明对流云发展较旺盛，云顶高度不断上升，可能伴随雷暴和强降水。初生云团发展至成熟前，云顶亮温一般降低至220 K左右，标志着雷暴云团处于强烈发展的深对流阶段。
(3) 红外–水汽通道亮温差用以检测雷暴初生云团在对流中心处的占比效果较好，占比上升的趋势更加明显，当雷暴云团红外–水汽通道亮温差在对流中心附近的占比均处于80%~100%的水平时，反映了云顶冰晶化进程加速，对流云组织化程度高，表明雷暴即将发生。利用红外–分裂窗通道判断雷暴云团是否处于初生阶段效果较好，当红外分裂窗通道亮温差处于0.5~5 K时，反映云团强烈发展，云顶快速抬升，云层中水汽含量较多，云顶冰晶化进程加速，能够作为初生云团垂直发展的关键指标。
(4) 雷暴初生云团的云有效半径随时间增加，1 h内其增幅一般在10 μm左右，反映云内粒子碰并过程剧烈，与强对流天气密切相关，当云有效半径增加至30 μm以上，雷暴云团快速发展，雷暴即将发生。雷暴初生云团的云光学厚度随时间减小，当其减小到35以下时，表明雷暴云团处于强烈发展的阶段。云有效半径的增大和云光学厚度的减小这一组合特征表明雷暴云团从初生往成熟期过渡，是进行预报的关键窗口期。云顶高度持续抬升至9~13 km，接近成都夏季对流层顶，可触发穿透对流层顶，释放极端能量，云顶温度下降至235 K以下，温度越低对流发展越旺盛，二者直接标志雷暴发展的强度，可作为雷暴初生的预报参考。
(5) 通过时效性检验和未使用过程的预报验证，基于葵花9号光谱通道特征识别法在识别雷暴初生云团方面表现出较高的准确性和可靠性。相较于地面观测的方法，基于葵花9号光谱通道特征识别方法能够有效提前预警时间20~90 min，平均提前时间为55 min。
NOTES
*第一作者。
#通讯作者。