短波红外成像对风暴点形成的影响：初步研究

短波红外成像对风暴点形成的影响：初步研究1.简介自20世纪70年代美国国家气象局（NWS）SKYWARN计划开始以来，它一直是帮助提高龙卷风警报准确性和时间的关键工具之一（Doswell等人，1999）。阻碍风暴观测员全年工作的一个因素是在低能见度条件下（例如，在稠密的雾霾中或夜间）观测雷暴或龙卷风。图1.2016年6月15日，印第安纳州黎巴嫩附近同一雷暴云基地的（A）VIS和（b）SWIR图像的并排比较，显示了SWIR图像中更高的动态范围和增强的云纹理细节。在这项初步研究中，我们探索了短波红外（SWIR，0.9–1.6μm）图像在雷暴观测中的应用，并将雷暴云基的SWIR图像与可见光波长（VIS）图像进行了比较，可见光波长图像可作为现场风暴观测的代表。SWIR图像通常在雾度和弱光条件下具有更高的动态范围，因为它使用的波长比可见光更长（例如，图1）。首要目标是确定SWIR图像是否有助于提高对超级单体（即被薄雾或黑暗遮蔽的龙卷风）中可见性较差的龙卷风的检测。我们提出了一种基于现有风暴观测技术的方法，使用SWIR相机对严重雷暴云基地进行安全成像。我们还介绍了一项眼动追踪研究的初步结果，在该研究中，向训练有素的天气观测员展示了雷暴云基地的SWIR和VIS视频片段。我们希望，眼动追踪技术的使用将有助于我们更客观地评估经过训练的观测员是否能够更好地检测SWIR图像中的前兆云特征。表1：SWIR和VIS相机的日期、时间（UTC）、最近城镇位置（英里）和观测条件。2. 方法论图2.佳能HV30高清摄像机（左在三脚架上）和古德里奇GA 1280J SWIR相机（右）在2016年7月7日印第安纳州博斯韦尔风暴中录制视频。2016年春季，使用SWIR成像相机和数字录像机（DVR）对风暴进行成像。两台摄像机并排安装在双摄像机支架上（图2）。VIS摄像机（图2中的左摄像机）是一台佳能Vixia HV30高清（HD）摄像机，可录制1080/60i高清。VIS摄像机的焦点设置为无穷远，以记录远处云层特征的细节。SWIR摄像机（图2中的右侧摄像机）是Goodrich GA 1280J封闭式铟镓砷化物（InGaAs）高分辨率SWIR摄像机。该相机稳定焦平面阵列温度，并使用模数转换器产生分辨率为12位的数字化视频信号。SWIR相机对0.7微米至1.7微米之间的波长敏感。数字视频信号由Churchill Navigation ION DVR记录。2016年6月和7月，美国中西部的天气预报每天都受到监测。当印第安纳州西拉斐特方圆100英里范围内可能出现恶劣天气时，将部署两台摄像机。使用商业软件（如RadarScope和GR2Analyst）实时询问美国国家气象局（NWS）多普勒雷达（WSR-88D）的观测结果，以确保相机的安全部署条件，并评估观测到的风暴中是否存在低水平旋转。双摄像头部署总共进行了六天（表1）。VIS和SWIR视频随后使用Adobe Premiere Pro软件进行编辑，并在不到1秒的时间内同步。然后在并排视图中对视频进行匹配（例如，图1），使它们的视场尽可能紧密地匹配。为了提高对比度，SWIR视频亮度提高了35%。视频被分割成30秒到2分钟不等的片段。图3：一名受过训练的观察员参与者在使用Tobii TX300眼动追踪系统时观察正在发展的龙卷风的VIS视频片段。观察者的眼睛被安装在屏幕下方的低功率红外传感阵列跟踪。VIS和SWIR视频片段的子集，然后使用商用眼动仪向两名经验水平相似的受过训练的天气观测员（分别为NWS训练后1.5年和两年）展示（图3）。根据Bowden等人（2016）的说法，在查看雷达数据的同时探索预报员的眼球运动，可能会丰富我们对其发出警告时的认知决策过程的理解。我们使用眼动追踪技术的方法与Bowden等人的方法相似。（2016），我们关注两个指标：注视次数和注视持续时间。这项研究的新颖之处在于，我们将不同类型的图像（SWIR和VIS视频）应用于不同的人群（经过训练的风暴观测员），以评估他们在不同应用（龙卷风的视觉检测）中的决策过程。我们试图解决的主要问题是：SWIR视频中对云特征的注视与同一场景的VIS视频中的注视是否有显著差异？使用Tobii TX300眼睛跟踪系统收集经过训练的观察员的眼睛注视数据（图3）。该系统能够在计算机监视器上跟踪和测量受试者的眼睛注视，监视器上显示VIS和SWIR视频。专有Tobii Studio 3.3软件用于提供数据可视化和统计度量计算。观察员坐在TX300系统前（图3），红外检测系统可以追踪观察员的瞳孔和视网膜在观察屏幕上的物体时的闪烁（Olsen，2012）。首先，两位观察员都看到了2016年5月23日俄克拉荷马州伍德沃德龙卷风发展的VIS视频（图4），以测量他们对已知龙卷风事件的眼睛注视度。然后向每个参与者展示非龙卷风云基的并排VIS和SWIR视频剪辑（图1），以使他或她熟悉SWIR视频的不同外观。然后向观察员展示一系列VIS或SWIR视频剪辑的云基础特征，并记录他或她的眼球运动。如果参与者1看到场景的VIS剪辑，则向参与者2显示相应的SWIR剪辑，反之亦然。然后，将视频片段回放给参与者，并覆盖眼睛注视，参与者被要求回顾他们对每个场景是否显示出任何值得向NWS报告的特征的想法。这项研究的重点是TX300产生的两组数据：热图和凝视图。这两种类型的图以略微不同的方式表示屏幕上的注视和注视持续时间。在热图中，注视计数通过整个视野中的最大注视次数进行归一化，较亮的颜色表示眼睛更频繁注视的区域。凝视图显示了受试者注视的一系列点；眼睛注视一个点的时间越长，凝视图上对应的圆圈就越大。然后对每个片段的这两个图进行分析，以确定VIS和SWIR图像之间是否出现显著的眼动差异。3. 结果 图4.（a）参与者1和（b）参与者2的俄克拉荷马州伍德沃德龙卷风视频剪辑的热图，显示了场景的归一化注视计数。   作为对照，参与者观看了2016年5月23日发生的伍德沃德龙卷风的相同VIS视频。图4显示了每个参与者从这段1分钟的VIS视频剪辑中生成的热图。两位参与者都专注于发展中的漏斗云，这表明他们都经过了正确的训练，能够识别和跟踪前漏斗云的基本特征。接下来，向每位参与者展示了2016年7月7日博斯韦尔非龙卷风的视频片段（表1）。向参与者1展示了该视频的SWIR版本（图5a），而向参与者2展示了VIS版本（图5b）两名参与者都能够在风暴中定位云底，然而，参与者1更多地关注视频剪辑的右侧，远离雨井，而参与者2更多地关注雨井本身。在这个特定的剪辑中，VIS视频中的云底比SWIR视频更容易识别，可见光图5：（a）2016年7月7日印第安纳州博斯韦尔风暴的SWIR和VIS图像，覆盖有（a）参与者1和（b）参与者2的眼睛注视热图。视频中沿着云底的较高固定计数证明了这一点（图第5b段）。对于2016年7月13日的比利时IL风暴，参与者1再次展示了SWIR镜头（图6a），而参与者2展示了VIS镜头（图6b）。这两个场景都在前景中显示了一个不旋转的云底，两位参与者都对其进行了短暂的研究，然后将注意力集中在地平线上更远的云底上。在这种情况下，SWIR和VIS视频生成的热图没有发现显著差异。对于2016年7月13日的比利时IL风暴，参与者1再次展示了SWIR镜头（图6a），而参与者2展示了VIS镜头（图6b）。这两个场景都在前景中显示了一个不旋转的云底，两位参与者都对其进行了短暂的研究，然后将注意力集中在地平线上更远的云底上。在这种情况下，SWIR和VIS视频生成的热图没有发现显著差异。图6.（a）2016年7月13日比利时、伊利诺伊州风暴的SWIR和VIS图像，覆盖有（a）参与者1和（b）参与者2的眼睛注视热图。向参与者展示的最后一段视频再次展示了在2016年7月13日比利时、伊利诺伊州风暴中观测到的云底。与前两个片段不同的是，参与者1（参与者2）在VIS（SWIR）图像中观看了场景。VIS和SWIR图像都显示了云层底部远处模糊的锥形下降（图7）。当参与者1观看VIS图像时（图7a，b），他或她几乎在整个剪辑期间（2分钟）都专注于模糊的锥形下降。在他的回顾性回忆中，参与者1提到，他认为这可能是漏斗云，但直到视频结束时才确定这不是龙卷风。参与者2在SWIR图像中看到了这一场景，但相关的凝视图和热图（图7c，d）显示，参与者2在视频期间没有一般焦点。在回顾性回忆过程中，参与者2表示，他或她能够很早地消除模糊的圆锥形特征，因为该特征显然只是外流产生的浮云。参与者2还提到，被这段特殊的SWIR视频的信息内容淹没了，但这对scud云的识别没有影响。图7.（a和b）2016年7月13日比利时、伊利诺伊州风暴的VIS和（c和d）SWIR图像，覆盖有（a）参与者1和（c）参与者2的眼睛注视热图。在图（b）和（d）中，单个圆圈代表一系列眼睛注视，按时间顺序编号，圆圈大小与注视持续时间成比例。4. 讨论总的来说，这项试点研究表明，SWIR图像的使用会影响风暴观测员询问和感知同一云层的方式。最后的剪辑（图7），显示了模糊的圆锥形下降，脱颖而出。观看SWIR视频的参与者2能够在几秒钟内将该特征识别为浮云，而观看VIS视频的参与者1则专注于该特征近两分钟，以确定它不是漏斗云。在这种情况下，SWIR图像的使用显著改变了两名参与者询问场景的方式，虽然两人都得出了相同的结论（即特征不是漏斗云），但参与者2使用SWIR图像更快地得出了这一结论。5. 结论在这项试点研究中，我们开发了一种使用SWIR相机对风暴进行安全成像的方法，并表明受过训练的风暴观测员根据他们是在可见光还是SWIR光下观察场景，对云基图像进行不同的询问。我们得出的结论是，SWIR视频图像有可能对风暴观测员有益。特别是，在SWIR中观看场景的参与者很快就消除了模糊的、非粘性的云基降低，而在VIS光中观看同一场景的参与者更难确定该特征是非粘性的。SWIR光不太容易受到中间雾霾的散射，从而更容易识别云层的基本特征。有必要进一步研究SWIR在风暴探测方面的图像增强。这项试点研究只使用了非风暴的SWIR视频，只招募了两名参与者。未来，我们希望扩大可用的SWIR风暴视频数据库，将龙卷风和其他恶劣天气现象包括在内，同时招募更多训练有素的观测员参与眼动追踪研究。鸣谢特别感谢Sensors Unlimited inc.的Curt Dvonch使用SWIR摄像机，并感谢Churchill Navigation的Tom Churchill使用DVR。使用Tobii TX300眼动追踪系统及其相关软件由普渡大学探索学习与研究中心提供；培训由Deborah Steffen提供。普渡大学的学生Justin Buckingham和Will Smith是这项眼动追踪研究的志愿者。视频部署的燃料和运输费用由普渡大学科学学院提供。在我们开发这一试点研究方法时，我们非常感谢与Chris Novy和Katie（Bowden）Wilson进行的有益对话。