基于遥感数据的台风识别与中心定位方法研究

发布时间：2020-05-18 14:50

【摘要】：随着经济全球化的发展,必然加剧了我国的城市化的发展,因此我国城镇人口密度迅速的增加。然而这就导致了一旦发生如台风、暴雨等重大的自然灾害,就会对我国公民的生命安全造成更加巨大的损失并且同时带来的是社会巨大的财富损失。再加之以现在的生态环境恶化,人类对自然灾害的承受能力越来越差。因此,准确的预报自然灾害成了现在刻不容缓的一个重大课题。其中对于台风的预报来说一直是气象预报领域的重点,由于台风是一种灾害性极强的天气系统,而需要预报台风就必须获取台风的中心位置,因此台风中心定位的研究对于台风预报就十分关键。现如今监测台风主要依赖于卫星遥感数据,然而目前世界上对台风中心自动定位还处于一个探索和研究的阶段,特别是对无眼台风的自动定位还没有一套成熟的定位体系,对于不同的台风形态需要用不同的方法去进行定位,定位过程复杂且结果上也不尽人意。本文为解决这些缺点,提出了利用深度学习网络代替传统方法进行识别和中心定位的方法,并开展实验研究。本文针对传统方法对台风云系识别率不足的问题,提出了利用深度学习的方法代替传统方法对台风云系进行识别。对台风以及FY-2气象卫星数据的特点进行深入调研,分析了传统台风云系识别的方法,设计了利用Faster R-CNN深度学习模型识别台风云系的总体算法框架,包括数据预处理、模型的修改与参数的选择和测试与结果分析。根据总体算法框架,开展了利用深度学习网络对台风云系进行识别的实验,在台风云系的识别率上都取得了满意的成果,验证了方案的可行性。本文针对传统方法定位台风中心复杂并且对部分台风无法定位的问题,提出了一种基于历史路径的深度学习定位法。对台风中心定位方法进行深入的调研,分析了传统的台风中心定位方法并对有眼台风中心的定位进行模拟实验,将气象卫星数据转化并生成实验所需的数据集,应用建立好的数据集展开台风中心的定位工作,设计了一种新的台风中心定位的方案,根据方案利用历史路径结合Ins Faster R-CNN网络并对网络模型进行了修改,对台风中心定位进行了仿真实验,实验结果在各形态的台风中心定位上都获得了令人满意的结果,最终验证了总体方案的可行性。
【图文】：

卫星云图,热带气旋,低纬度,卫星云图

另一个因素是高度快速冷却，可以释放热带气旋的冷凝热量。需要高湿度，，尤其是在对流层的低层当中；当大气中有大量水分时，条件更有利于热带气旋的发展因为高剪切力破坏风暴的循环，因此还需要少量的风切变。热带气旋一般需要与赤道形成超过 555 公里（345 英里）或 5 度的纬度，使科里奥利效应将风吹向低压中心并形成循环。最后，热带气旋形成性的需要预先存在于干扰性的天气系统中，因为热带气旋不会自发形成。与 Madden-Julian 振荡有关的低纬度和低纬度西风爆发可以通过引发热带扰动为热带气旋的形成创造有利条件。2.1.3 台风中心的确定台风大致可以分为两类，一类是有眼台风，另一类的无眼台风。有眼台风的眼区在气象卫星云图上比较明显，是一块具有高亮度云区包围的较暗区域，其原因是台风眼是温度相对较高的区域，显示在卫星云图中便是较暗的区域。而有眼台风的中心位于台风的眼区，反应在卫星云图上就是灰度值最低的地方。清晰的眼区特征使得有眼台风的自动定位还是相对容易的。但也有例外，如当有眼台风的眼区很大或者形状不规则时，单考虑亮温还是不足以准确定位的。

云区,无眼,台风

在离眼区近的一些云区可能存云洞，且这些云洞的温度与眼区的温度相近，这就使得在进行有眼台风定位时会收到这些云洞的误导，导致定位不准。有眼台风如图 2-1 所示可以分为三种情况，a）为小而圆的眼，b）为大而圆的眼，c）为不规则的大眼。不同的有眼台风的中心定义如表 2-1 所示。表 2-1 有眼台风不同类别与中心定义Table 2-1 Different types of eye typhoon and center definitions眼区的类别台风中心定义小而圆并且中心清楚眼的中心眼大而圆几何中心眼大而不规则几何中心或者冷云区中最暗处然而对于无眼台风可以分为两种情况：一种是无眼台风但有密闭云区如图 2-2 所示，这种情况下无眼台风可以分为四类。分别为出现对称的近于圆形的密闭云区、密闭云区中出现弧状云隙或裂缝、密闭云区减弱并且有干舌侵入和具有不对称的密闭云区。另一种是无密闭云区的无眼台风，如图 2-3 所示。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P407

【参考文献】