深對流系統（DCS）通常被定義為一個包含著深對流核⛪️，層狀雲區和卷雲雲砧的連續的高雲盾🧌。深對流系統不僅會導致惡劣的天氣事件，而且會影響區域或全球的氣候🏌️‍♂️。衛星觀測使得在區域和全球範圍內連續識別追蹤DCS成為可能。深對流系統的形態變化極其迅速🧔，連續識別追蹤對流雲團極具挑戰。已有的識別追蹤DCS方法大都是基於紅外通道亮溫🥒，但單一的亮溫不能有效區分DCS中的深對流核，層狀雲區以及卷雲雲砧🕘。相反地，雲的光學厚度能夠有助於識別深對流核，深對流核往往與周圍雲砧區具有相似的雲頂亮溫但卻具有更厚的雲層和更強的降水。因此，在算法中使用雲的微物理特性如雲頂高度和雲的光學厚度等量，將有助於提高DCS識別和追蹤的質量。

我系張峰教授團隊提出了基於雲產品追蹤的TOOCAN-CLP（Tracking of Organized Convection Algorithm through a 3-D segmentatioN by employing Himawari-8 operational cloud property）算法，該算法是對原有的基於亮溫的深對流追蹤算法TOOCAN的一種改進🔠。基於該算法對夏季中國東部地區及其周邊海域深對流的半日變化特征進行研究，該研究於2020年發表在《Climate Dynamics》期刊上。張峰教授為通訊作者，博士生李雯雯為第一作者，合作者還包括南信大虞越越教授👨🏿‍✈️、沐鸣2平台張義軍教授和王國印博士🕥、日本東北大學Iwabuchi Hironobu副教授等人🐅🈲。與原始的TOOCAN算法相比，TOOCAN-CLP算法能夠更早地識別追蹤到內陸地區新生的深對流系統🤹🏿‍♀️。此外🫵🏿，TOOCAN-CLP算法識別的深對流核區與實際降水範圍具有更高的一致性（圖2）。由於雲反演中使用了大氣再分析資料和地表狀態資料，以生成雲頂高度、雲的光學厚度等微物理特性。因此🧜🏿‍♂️，基於雲產品的TOOCAN-CLP算法可以消除局地大氣和地表條件的幹擾，直接反應雲的狀態，因而更適用於不同地區的不同大氣環境。

基於改進的追蹤算法，對夏季中國東部地區及其周邊海域深對流的半日變化特征進行研究（圖3）🖕🏼。根據深對流核的等效半徑，將陸地和海洋上識別到的深對流分為小、中、大尺寸三類，並結合JRA-55大氣再分析資料進行分析🏋🏽‍♀️，得出如下主要結論：陸地上中小尺寸的深對流在下午生成最多，這與局地熱力不穩定和海風環流有關。海洋上小尺寸深對流的半日變化特征與陸地上相似，但變化幅度更小👨🏻‍🚒。海洋上中尺寸的深對流沒有明顯的半日變化特征。內陸和沿海地區的大尺寸深對流往往在夜間生成💝👩🏿，白天逐漸衰亡。夜間內陸地區大尺寸深對流的生成主要是由我國東部地區盛行的偏南風或西南風導致的🛀🏽🚣🏽‍♂️，而夜間近海區域的大尺寸深對流則與陸風和季風的相互作用以及重力波密切相關。

Li Wenwen, Zhang Feng*, Yu Yueyue, Iwabuchi Hironobu, Shen Zhongping, Wang Guoyin, Zhang Yijun, 2020. The semi-diurnal cycle of deep convective systems over Eastern China and its surrounding seas in summer based on an automatic tracking algorithm. Climate Dynamics. https://doi.org/10.1007/s00382-020-05474-1

圖1. DCS追蹤的示意圖✋🏿。（a）具有10連接點的三維時空,包括8個空間連接點，2個時間連接點（過去和未來）。（b） DCS的投影圖🚥，假設DCS的光學厚度從深對流核向雲砧邊緣逐步遞減，藍色區域代表深對流核，深灰色虛線代表層狀雲區邊緣，淺灰色虛線代表卷雲雲砧邊緣⚀。（c）迭代使用光學厚度閾值在三維空間內識別追蹤DCS🧝🏿。（d）DCS識別追蹤結果，不同顏色代表不同的DCS♔。

圖2. 2016年8月7日東亞地區識別和追蹤的DCS。第一列和第二列分別是基於TOOCAN-CLP算法（a, d, g, j）和TOOCAN算法（b, e, h, k）的結果。不同的顏色代表不同的DCS（深色代表深對流核🧑🏻‍🦽，對應的淺色代表整個雲砧區（即層狀雲區和卷雲雲砧））🔗。第三列給出了研究區域內GPM降水資料(mm h^-1)的分布圖（c, f, i, l）。

圖3. 陸地和海洋上，不同尺寸深對流系統內部特定雲頂高度下的面積的半日變化。