深对流系统（DCS）通常被定义为一个包含着深对流核，层状云区和卷云云砧的连续的高云盾。深对流系统不仅会导致恶劣的天气事件，而且会影响区域或全球的气候。卫星观测使得在区域和全球范围内连续识别追踪DCS成为可能。深对流系统的形态变化极其迅速，连续识别追踪对流云团极具挑战。已有的识别追踪DCS方法大都是基于红外通道亮温，但单一的亮温不能有效区分DCS中的深对流核，层状云区以及卷云云砧。相反地，云的光学厚度能够有助于识别深对流核，深对流核往往与周围云砧区具有相似的云顶亮温但却具有更厚的云层和更强的降水。因此，在算法中使用云的微物理特性如云顶高度和云的光学厚度等量，将有助于提高DCS识别和追踪的质量。

我系张峰教授团队提出了基于云产品追踪的TOOCAN-CLP（Tracking of Organized Convection Algorithm through a 3-D segmentatioN by employing Himawari-8 operational cloud property）算法，该算法是对原有的基于亮温的深对流追踪算法TOOCAN的一种改进。基于该算法对夏季中国东部地区及其周边海域深对流的半日变化特征进行研究，该研究于2020年发表在《Climate Dynamics》期刊上。张峰教授为通讯作者，博士生李雯雯为第一作者，合作者还包括南信大虞越越教授、复旦大学张义军教授和王国印博士、日本东北大学Iwabuchi Hironobu副教授等人。与原始的TOOCAN算法相比，TOOCAN-CLP算法能够更早地识别追踪到内陆地区新生的深对流系统。此外，TOOCAN-CLP算法识别的深对流核区与实际降水范围具有更高的一致性（图2）。由于云反演中使用了大气再分析资料和地表状态资料，以生成云顶高度、云的光学厚度等微物理特性。因此，基于云产品的TOOCAN-CLP算法可以消除局地大气和地表条件的干扰，直接反应云的状态，因而更适用于不同地区的不同大气环境。

基于改进的追踪算法，对夏季中国东部地区及其周边海域深对流的半日变化特征进行研究（图3）。根据深对流核的等效半径，将陆地和海洋上识别到的深对流分为小、中、大尺寸三类，并结合JRA-55大气再分析资料进行分析，得出如下主要结论：陆地上中小尺寸的深对流在下午生成最多，这与局地热力不稳定和海风环流有关。海洋上小尺寸深对流的半日变化特征与陆地上相似，但变化幅度更小。海洋上中尺寸的深对流没有明显的半日变化特征。内陆和沿海地区的大尺寸深对流往往在夜间生成，白天逐渐衰亡。夜间内陆地区大尺寸深对流的生成主要是由我国东部地区盛行的偏南风或西南风导致的，而夜间近海区域的大尺寸深对流则与陆风和季风的相互作用以及重力波密切相关。

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

图1. DCS追踪的示意图。（a）具有10连接点的三维时空,包括8个空间连接点，2个时间连接点（过去和未来）。（b） DCS的投影图，假设DCS的光学厚度从深对流核向云砧边缘逐步递减，蓝色区域代表深对流核，深灰色虚线代表层状云区边缘，浅灰色虚线代表卷云云砧边缘。（c）迭代使用光学厚度阈值在三维空间内识别追踪DCS。（d）DCS识别追踪结果，不同颜色代表不同的DCS。

图2. 2016年8月7日东亚地区识别和追踪的DCS。第一列和第二列分别是基于TOOCAN-CLP算法（a, d, g, j）和TOOCAN算法（b, e, h, k）的结果。不同的颜色代表不同的DCS（深色代表深对流核，对应的浅色代表整个云砧区（即层状云区和卷云云砧））。第三列给出了研究区域内GPM降水资料(mm h^-1)的分布图（c, f, i, l）。

图3. 陆地和海洋上，不同尺寸深对流系统内部特定云顶高度下的面积的半日变化。