宁波大学信息科学与工程学院,浙江 宁波 315211
遥感卫星具有覆盖范围广、连续观测等特点,被广泛应用于海雾识别相关研究。本文首先借助能够穿透云层,获取大气剖面信息的星载激光雷达(cloud-aerosol LiDAR with orthogonal polarization, CALIOP)对中高云、低云、海雾、晴空海表样本进行了标注。然后结合葵花8号卫星(Himawari-8)多通道数据提取了各类样本的亮温特征与纹理特征。最后根据海雾监测的需求,抽象出海雾监测的推理决策树,并据此建立深度神经决策树模型,实现了高精度监测夜间海雾的同时具备较强的可解释性。选择2020年6月5日夜间Himawari-8每时次连续观测数据进行测试,监测结果能够清晰地展现此次海雾事件的动态发展过程。同时本文方法海雾监测平均命中率(probability of detection, POD)为87.32%,平均误判率(false alarm ratio, FAR)为13.19%,平均临界成功指数(critical success index, CSI)为77.36%,为海上大雾的防灾减灾提供了一种新方法。
葵花8号卫星 CALIOP星载激光雷达 深度神经决策树 夜间海雾识别 Himawari-8 CALIOP deep neural decision tree nighttime sea fog recognition
宁波大学 信息科学与工程学院, 浙江宁波315211
准确的云分类模型对气象监测有重要的意义,传统机器学习云分类模型依赖手工特征提取,容易受噪声数据影响,模型泛化能力较差。深度网络分类模型能自动学习图像深度特征,但是对于图像边缘与细节分类效果不佳。本文针对上述问题进行研究。首先提取Himawari-8卫星云图光谱特征、纹理特征用以训练模糊支持向量机(Fuzzy Support Vector Machine,FSVM)模型;同时利用不同通道云图训练深度网络,学习云图深度特征;最后,根据不同模型特性,训练元分类器对各模型输出进行融合,设计了一种基于深度网络与FSVM集成学习的云分类方法,该方法综合不同模型优势,利用不同模型间的互补性提高云分类结果的鲁棒性和可信度。相比单独使用FSVM或深度网络的分类模型,本文集成学习方法在众多评价指标中有更好的表现,平均命中率、平均误报率和平均临界成功指数分别达到0.924 5、0.079 6、0.858 1;与其它云分类模型相比,本文方法也有更好的分类效果;在具体案例测试中也发现,该方法对于不同云类混合区有更高的识别精度,而且能更加准确的识别云团边缘及细节。本文模型能够满足云分类模型稳定可靠、高精度、泛化性能强的要求。
Himawari-8 云分类 深度网络 FSVM 集成学习 Himawari-8 cloud classification deep neural network FSVM ensemble learning
1 Anhui Meteorological Observatory, Key Lab. of Strong Weather Analysis and Forecast, Hefei 23003, China
2 Anhui Institute of Meteorological ,Anhui Key Lab. of Atmospheric Science and Satellite Remote Sensing, Hefei30031, China
3 Anhui Climate Center, Hefei 2001, China
在统计分析“降水”和“非降水”视场点的Himawari-8(H8)成像仪(Advanced Himawari Imager,AHI)红外不同光谱亮温梯度变化基础上,开展了H8/AHI资料反演降水初步应用研究。以安徽区域为例,当有降水发生时,AHI通道7至通道16亮温梯度均有变化。采用字典学习和正则化约束法开展降水反演,首先构建匹配的AHI光谱“亮温”和GPM“降水”字典,作为历史样本库;其次基于“字典”利用K-最近邻法进行待反演红外光谱亮温“降水”和“非降水”信号识别;最后在降水信号“子空间”基于正则项约束完成红外资料反演降水。初步试验结果表明基于Gamma概率分布贝叶斯模型平均反演的降水与GPM降水具有较好的结构相似性,误差较小,临界成功指数值较高。进一步将该方法推广应用到AHI光谱亮温反演台风“玛莉亚”降水,得到此方法能够反演出台风的螺旋云雨带。
降水信号 K-最近邻 贝叶斯模型平均 正则项约束 Himawari-8 (H8) /AHI Himawari-8(H8)/AHI precipitation signal K-nearest neighbor Bayesian model averaging regular term constraint
1 中国海洋大学信息科学与工程学院,山东 青岛 266100
2 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室,山东 青岛 266200
新一代静止轨道气象卫星Himawari-8静止气象卫星具有空间分辨率高可持续性观测的特点,对海雾监测具有重要的意义。 星载激光雷达(Cloud-aerosol lidar with orthogonal polarization, CALIOP)可以探测大气的垂直剖面信息。利用CALIOP 数据进行海雾检测,获得4类样本点:中高云、低云、海雾和海表样本点,并将这些样本点用于Himawari-8 日间海雾检测的 通道选择和动态阈值设定的研究中,建立一套Himawari-8日间海雾检测算法。利用CALIOP和中国气象局国家卫星气象中心的 气象卫星雾监测报告数据对海雾检测方法进行验证。对比CALIOP数据,海雾检出率63.42%,漏检样本点中晴空海表占比71.54%; 对比雾监测产品,海雾检测率89.7%。结果表明,提出的海雾检测算法是可行的。
日间海雾检测 动态阈值 Himawari-8 Himawari-8 CALIOP CALIOP daytime sea fog detection dynamic threshold 大气与环境光学学报
2019, 14(3): 211
1 华北电力大学数理学院,北京 102200
2 国家卫星气象中心, 北京 100081
3 国家气象信息中心, 北京 100081
修正TV范数光流法是基于新一代静止轨道气象卫星Himwari-8 探测的云图数据提出的反演云导风的方法。该方法首先通过ROF去噪 模型提取云图细节部分,提出应用TV-L1范数局部惩罚项的光流法实现了高分辨率云导风反演,依靠质量标识对所求导风进行质量控制, 去掉不合理风矢。实验结果表明,该方法适用于400 hPa高度以下的中低云云导风计算。
云导风 ROF去噪模型 修正TV范数光流法 质量控制 cloud derived wind Himawari-8 Himawari-8 ROF denoising model modified TV norm optical flow method quality control 大气与环境光学学报
2018, 13(6): 453