气象卫星系统的云图自动分类识别研究

发布时间：2020-09-24 21:03

　　 气象卫星实现了从太空对地球及其大气层的气象要素观测,全天24小时不间断地生成卫星云图,其观测范围广、信息量大,涵盖了各种云型的辐射信息及分布情况。气象人员通过人工经验判断卫星云图中的云型信息、分析其可能出现的天气现象,该手段主观性强;同时,云图产品量大,需要耗费大量的精力去分析,效率低下。因此,利用计算机高效、准确的进行卫星云图中云的自动分类识别,客观精确分析天气现象,便具有实际的研究意义,也是今后气象工作的发展趋势。本文依托于航空气象业务需求开展云的分类识别研究。数据集选取自葵花八号和风云二号卫星云图。由于云的“同物异谱、同谱异物”及色调相近等因素对分类结果有影响,提出了基于多纹理特征的云分类方法,通过融合Gabor变换和灰度共生矩阵算法实现特征提取,利用支持向量机使积状云、层状云、卷状云3种云型图像分类精度达到93.33%,积云、积雨云、层状云、卷状云、晴空5种云型图像分类精度达到69.2%。为进一步提高分类精度,本文提出了基于深度学习的云分类方法。在数据增强操作有效扩大训练集数据量的基础上,利用GoogLeNet网络将上述3种云型图像分类精度提高到95.67%,5种分类精度提高到96.8%。然而,GoogLeNet对云的分类精度仍未满足要求,并出现了严重的过拟合现象。因此,通过缩减inception模块个数、调整网络参数、精简网络层数的方法,对GoogLeNet作出了改进。最终,改进后的网络对上述3种云型图像分类精度能达到98%,5种分类精度能达到98.4%,满足业务需求,并且有效缓解了GoogLeNet云分类网络中的过拟合、计算资源消耗大等问题。为便于气象人员监测由积状云引起的灾害天气,利用YOLO深度卷积神经网络实现了卫星云图中积状云的检测,和人工判别结果基本保持一致,满足航空气象业务需求。
【学位单位】：西安科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;P414.4
【部分图文】：

2 气象卫星云图理论综述象卫星云图象卫星通过其携带的遥感器接收并测量来自地球及大气层各波段的辐射，根据生成云图产品，由于覆盖范围广、时效性强、分辨率高等优点，气象工作者常监测天气变化过程[1]。据卫星所在的探测轨道不同可以对卫星云图进行划分。常用的云图产品有：可、红外云图[2]。)可见光云图见光云图是卫星根据地表物体或云层对太阳可见光反射的辐射情况得来的，品只存在于地球白天所在时段。中国天气网站公布的可见光云图如图 2.1 所调反映云层对太阳光照的反射程度，厚云由于较强的反射能力呈亮白色，薄云色。

8(b)葵花八号卫星红外云图图 2.2 红外云图由于红外云图能够全天 24 小时不间断的生成，便于全面分析云的生消变化以个时段的天气现象，因此，本文基于葵花八号和风云二号卫星红外云图产品开类识别研究。

卷状云(2)积状云

【参考文献】

相关期刊论文 前3条

1 李林;刘青山;夏e

本文编号：2826274