氣象衛(wèi)星實(shí)現(xiàn)了從太空對(duì)地球及其大氣層的氣象要素觀測(cè),全天24小時(shí)不間斷地生成衛(wèi)星云圖,其觀測(cè)范圍廣、信息量大,涵蓋了各種云型的輻射信息及分布情況。氣象人員通過人工經(jīng)驗(yàn)判斷衛(wèi)星云圖中的云型信息、分析其可能出現(xiàn)的天氣現(xiàn)象,該手段主觀性強(qiáng);同時(shí),云圖產(chǎn)品量大,需要耗費(fèi)大量的精力去分析,效率低下。因此,利用計(jì)算機(jī)高效、準(zhǔn)確的進(jìn)行衛(wèi)星云圖中云的自動(dòng)分類識(shí)別,客觀精確分析天氣現(xiàn)象,便具有實(shí)際的研究意義,也是今后氣象工作的發(fā)展趨勢(shì)。本文依托于航空氣象業(yè)務(wù)需求開展云的分類識(shí)別研究。數(shù)據(jù)集選取自葵花八號(hào)和風(fēng)云二號(hào)衛(wèi)星云圖。由于云的“同物異譜、同譜異物”及色調(diào)相近等因素對(duì)分類結(jié)果有影響,提出了基于多紋理特征的云分類方法,通過融合Gabor變換和灰度共生矩陣算法實(shí)現(xiàn)特征提取,利用支持向量機(jī)使積狀云、層狀云、卷狀云3種云型圖像分類精度達(dá)到93.33%,積云、積雨云、層狀云、卷狀云、晴空5種云型圖像分類精度達(dá)到69.2%。為進(jìn)一步提高分類精度,本文提出了基于深度學(xué)習(xí)的云分類方法。在數(shù)據(jù)增強(qiáng)操作有效擴(kuò)大訓(xùn)練集數(shù)據(jù)量的基礎(chǔ)上,利用GoogLeNet網(wǎng)絡(luò)將上述3種云型圖像分類精度提高到95.67%,5種分類精度提高到96.8%。然而,GoogLeNet對(duì)云的分類精度仍未滿足要求,并出現(xiàn)了嚴(yán)重的過擬合現(xiàn)象。因此,通過縮減inception模塊個(gè)數(shù)、調(diào)整網(wǎng)絡(luò)參數(shù)、精簡網(wǎng)絡(luò)層數(shù)的方法,對(duì)GoogLeNet作出了改進(jìn)。最終,改進(jìn)后的網(wǎng)絡(luò)對(duì)上述3種云型圖像分類精度能達(dá)到98%,5種分類精度能達(dá)到98.4%,滿足業(yè)務(wù)需求,并且有效緩解了GoogLeNet云分類網(wǎng)絡(luò)中的過擬合、計(jì)算資源消耗大等問題。為便于氣象人員監(jiān)測(cè)由積狀云引起的災(zāi)害天氣,利用YOLO深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了衛(wèi)星云圖中積狀云的檢測(cè),和人工判別結(jié)果基本保持一致,滿足航空氣象業(yè)務(wù)需求。
【學(xué)位單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;P414.4
【部分圖文】：

2 氣象衛(wèi)星云圖理論綜述象衛(wèi)星云圖象衛(wèi)星通過其攜帶的遙感器接收并測(cè)量來自地球及大氣層各波段的輻射，根據(jù)生成云圖產(chǎn)品，由于覆蓋范圍廣、時(shí)效性強(qiáng)、分辨率高等優(yōu)點(diǎn)，氣象工作者常監(jiān)測(cè)天氣變化過程[1]。據(jù)衛(wèi)星所在的探測(cè)軌道不同可以對(duì)衛(wèi)星云圖進(jìn)行劃分。常用的云圖產(chǎn)品有：可、紅外云圖[2]。)可見光云圖見光云圖是衛(wèi)星根據(jù)地表物體或云層對(duì)太陽可見光反射的輻射情況得來的，品只存在于地球白天所在時(shí)段。中國天氣網(wǎng)站公布的可見光云圖如圖 2.1 所調(diào)反映云層對(duì)太陽光照的反射程度，厚云由于較強(qiáng)的反射能力呈亮白色，薄云色。

8(b)葵花八號(hào)衛(wèi)星紅外云圖圖 2.2 紅外云圖由于紅外云圖能夠全天 24 小時(shí)不間斷的生成，便于全面分析云的生消變化以個(gè)時(shí)段的天氣現(xiàn)象，因此，本文基于葵花八號(hào)和風(fēng)云二號(hào)衛(wèi)星紅外云圖產(chǎn)品開類識(shí)別研究。

卷狀云(2)積狀云

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李林;劉青山;夏e

本文編號(hào)：2826274