共查询到18条相似文献，搜索用时 625 毫秒
1.
针对在基于机器学习的云图识别中,由于不存在公认的云分类样本库的现实条件下,带来的训练样本数量不足和不平衡,从而难以获得可靠的分类模型的问题,利用迁移学习中的多源加权Tradaboost算法(内部采用极限学习机作为分类器)来进行卫星云图云的检测。利用多人(多源)标注的大量厚云的样本,构成多源辅助样本集;利用少量标注的薄云样板构成目标样本集。使用迁移学习和辅助样本集,对仅在薄云样本集下的训练获得的极限学习机分类器进行辅助训练,提高其薄云识别率。基于国家卫星气象中心的HJ-1A/B的卫星数据实验结果表明,迁移学习可以充分利用容易获得的大样本厚云辅助样本知识,对同类型有关联的小样本薄云分类器进行识别提高。实验表明,迁移学习算法可以进一步用于更多多源样本和其他云分类的任务。 相似文献
2.
云状的正确观测对降水测报具有指示性意义,云状自动识别技术是气象要素自动化观测领域的难题之一。本文基于全天空可见光成像仪采集的云图与中红外热像仪获取的云图结合,对天空云状进行分类和测量。结果表明:通过在北京、杭州和丽江气象台站采集的大量云图,从云图特征和降水指示性方面将云状划分为Clear、C_H、C_L、C_B及C_M共5类。选取14个色彩和纹理特征值作为云状计算参数,采用552张云图作为训练样本,信息分类利用特征值加权最小距离算法,对于5类500个被测样本进行云状的判别。对应自拟的标准云状分类,平均准确率为82%。基于可见光—红外图像信息融合的云状识别方法结合了可见光图像色彩信息丰富的特点及红外图像可以降低雾霾干扰的优势,对比单一可见光传感器云测量,准确性有所提高。本文在可见光与红外图像传感器等多种云观测设备的信息融合方面进行了有益的尝试。 相似文献
3.
为了对全天空红外测云系统获得的红外图像进行云类自动识别, 提出了基于模糊纹理光谱结合云物理属性的全天空云类识别方法。首先根据不同滤波窗口的模糊纹理光谱图像特征, 确定了滤波窗口大小, 然后通过分析不同天空类型下的FUTS谱 (fuzzy uncertainty texture spectrum) 以及同一种天空类型下的FUTS谱, 考察了FUTS进行云类识别的适用性, 最后利用最小距离分类法和云基本物理属性对全天空红外图像进行了分类测试。在200个测试样本中, 层状云、积云、高积云、卷云和晴空的识别率分别为100%, 100%, 90%, 100%, 100%, 平均识别率达到98%。基于模糊纹理光谱的云分类算法对单一云空具有很好的分类效果, 可进一步应用于全天空红外图像的云分类识别。 相似文献
4.
利用局部二值模式（Local Binary Patterns,LBP）,结合局部云图的方差信息（VAR）,对全天空红外测云系统获得的红外云图进行了分类研究。首先建立了器测云状分类与传统分类的对应关系,其次分析了层状云、积状云、波状云、卷云和晴空5种类型天空的LBP谱和VAR特征,最后对274个样本进行了分类识别,并与人工观测结果比较,结果表明,层状云、积状云、波状云、卷云和晴空的识别正确率分别为100．0％、84．2％、70．3％、64．7％、99．0％,平均正确率达到87．2％。 相似文献
5.
选取简单云状和复杂云状作为分析对象,利用Terra/MODIS云相态产品对FY-3A/VIRR云相态产品的识别结果进行检验。对比分析采用一致性比较、差异图显示以及两种产品识别结果叠加显示等方法。结果表明:(1)简单云状条件下,FY-3A/VIRR云相态产品与Terra/MODIS云相态识别结果具有较好的一致性,一致性接近85%;复杂云状条件下,由于Terra/MODIS云相态识别结果中存在较多的不确定类别使两种数据识别结果的一致性下降。(2)FY-3A/VIRR和Terra/MODIS产品的不一致点主要分布在云边缘或不同云相态交界处。(3)FY-3A/VIRR和Terra/MODIS的云相态产品产生差异的原因主要来自反演算法以及产品相态分类的不同。 相似文献
6.
多阈值和神经网络卫星云图云系自动分割试验 总被引：18，自引：2，他引：18
卫星云图自动分割是实现卫星云图云系自动识别的基础.选用1992~1994年和1997~1998年夏季有典型天气系统的177幅GMS红外云图建立了云系模型库, 云系分类样本3079个, 包含16类云系, 云系分割样本2764个.利用云系分割样本集进行神经网络试验, 训练集为从32幅云图中抽取的484个样本, 测试集为从145幅云图中抽取的2280个样本, 神经网络模型训练正确率达到98.8%, 测试正确率为86.4%.用1997年7月18~21日和1998年6月15~17日的两组卫星云图做自动分割应用试验, 结果经专家判识, 正确率达到90%以上.本文的工作表明:用多阈值和人工神经网络相结合方法对卫星云图进行云分割在实际应用中是可行的. 卫星云图自动分割系统的输入是GMS红外云图, 输出是分割出的每一个云区, 同时还包括云区的边界链码、起始点、周长、面积, 并保留了原始图像数据.在下一步的云系识别过程中, 可以在此基础上进行云系分类识别试验. 相似文献
7.
为了克服非约束性(光照、表情变化)条件下会大大降低人脸识别率的缺陷,提出一种基于Fisher判别准则的正则化稀疏表示人脸识别算法.首先将人脸图像经过Gabor滤波器滤波得到Gabor幅值图像,提取其统一化的局部二进制直方图,然后利用Fisher判别准则学习得到新的字典,最后通过正则化的稀疏表示判断测试图像所属类.利用AR数据库的数据进行实验的结果表明,与SRC、FDDL、RSC识别算法相比,本文算法在非约束性条件下具有最佳的识别率. 相似文献
8.
基于2005—2020年的中国气象局台风最佳路径数据集以及葵花(Himawari)8和风云(FY)卫星云图数据,首先将卫星原始数据转换为FULLDISK灰度图像作为台风涡旋识别技术的图像来源,并制定新的VOC (Visual Object Classes)标注规范,构建了样本标注数据集。利用运行速度快、识别准确率高的人工智能领域经典目标检测SSD(Single Shot MultiBox Detector)模型作为台风涡旋识别的基础模型,并针对台风涡旋识别的独特性,特别是弱涡旋识别困难,提出一种迭代的SSD目标检测模型,明显提高了台风涡旋的识别精度。通过目标检测技术对卫星云图进行智能特征分析、抽取、识别和定位,实现了自动涡旋正确识别和定位,最终建立了智能台风涡旋识别技术。测试结果显示:该技术对强热带风暴级以下强度台风涡旋正确识别率为40%~80%,对强热带风暴级及以上强度台风涡旋正确识别率达90%以上,能够精准识别强台风级及以上强度涡旋,该技术为今后业务利用高时空分辨率卫星图像对台风进行实时精密监测提供了技术支撑。 相似文献
9.
利用气象业务中使用的L波段探空数据和毫米波云雷达观测资料,分析探空相对湿度在入云和出云时的变化规律,提出一种基于探空相对湿度阈值与梯度相结合的云区边界识别改进算法,并利用云雷达观测数据对算法识别结果进行验证.利用北京市南郊观象台2019年1—6月层状云样本验证分析,结果表明:改进算法相比相对湿度阈值法,对云区边界识别更... 相似文献
10.
一、引言 在所有的天气要素中,云与天气具有更直观、更密切的联系,因此云的观测在天气分析和航空预报中受到了广泛的重视。作者对本站目测云状与日本静止气象卫星(GMS-3)云图进行的对比分析表明:两者对稳定性云的观测是一致的,但在GMS-3云图显现测站处于大范围活跃对流区域之中时,目测云状多数误记为稳定性云天。本文在分析了产生这种误差的原因之后,提出了改进混合性云天的目测办法。 二、目测云状与GMS-3云图的对比分析 首先应该指出,目测和卫星的观测方式存在很大的差别,因而得出的结果也不尽相同。目测主要依据云的形态自下而上的观测;卫星依据云顶的温度、亮度自上而下进行判别。目测的是范围小于100 相似文献
11.
全球气候模式（GCM）中云的参数化方案具有不确定性,了解云的时、空变化能为参数化方案提供有效参考。利用搭载在属于A-Train卫星序列的CloudSat和CALIPSO上的94 GHz云廓线雷达（CPR）以及正交极化云-气溶胶激光雷达（CALIOP）联合的2级云分类产品,分析了2007年3月-2010年2月8种云类及三相态的云量地理分布、纬向垂直分布的季节变化特征以及云层分布概率。结果发现,卷云的分布体系与深对流云相似,主要集中在西太平洋暖池、全球各季风区及赤道辐合带,分布格局与气压带、风带季节性移动一致。层云与层积云主要分布在中低纬度非季风区以及中高纬度的洋面上。高积云与高层云的分布形成明显的海陆差异,雨层云与积云的分布形成明显的纬度差异。冰云分布与卷云相似,云高随纬度递增而递减;水云分布与层积云相似,平均分布于2 km高度;混合云集中于高纬度地区及赤道辐合带,中纬度地区随纬度变化集中于海拔0-10 km的弧形带。层状云多以多层云形式出现,积状云多以单、双层云的形式出现,层状云的云重叠现象比积状云更显著。积状和层状云的分布特征与积云和层云降水的分布特征基本一致,验证了不同类型降水的卫星观测结果,同时为气候模式的云量诊断方案提供对比验证的数据。 相似文献
12.
介绍了利用卫星云图资料估算黄河中游面雨量的基本方法：将GMS卫星1h间隔的可风和红外云图作为判别的两个特性进行分类，确定红外光线资料的所有最小值点作为对流核；多参照Negri-Adler的方法，应用斜率参数消除卷云；应用－维云模式确定红外线图上对流核的降水率，层状云降水通过一个温度阈值给出。另外，通过2001年7月26日至28日黄河流域出现的一次较强降雨过程进行应用分析，得出结论－－利用卫星云图估算黄河中游地区平均雨量的方法具有很好的实用价值。 相似文献
13.
本文利用A-Train卫星队列中的Cloudsat卫星所提供的二级云分类产品资料(结合了CALIPSO卫星气溶胶激光雷达)2B-CLDCLASS-LIDAR,选取2007年3月至2017年2月的样本数据进行统计分析,研究北半球主要的气溶胶排放源区(中国东部,美国东部和欧洲西部)不同云型出现频率的分布特征。结果表明,在以单层云出现的8种云类中卷云,层积云和积云的发生频率总和高达50%~70%,其次为高层云、高积云和雨层云,而深对流云和层云这两种云仅占10%以下。各类云的发生频率的空间分布可看出卷云和层积云的发生频率可高达90%以上,高层云的发生频率在70%~80%左右,高积云和积云的发生频率则接近70%以上,深对流云和层云的发生频率则在20%以下。其中,卷云、深对流云和积云主要出现在低纬度的海洋上;高层云和高积云主要出现在中低纬工业发达的陆地上;层积云、层云和雨层云主要出现在中高纬地区,其中层积云和层云出现在海洋上居多,雨层云出现频次的海陆差别不大。不同云型在不同的季节出现频次差异明显,在夏季出现较多的云型以卷云、深对流云,积云和层云为主;在冬季则是高层云、层积云和雨层云这样稳定型的云型占据主导,同时还发现卷云和层积云发生频率的月变化相反,而高层云和雨层云发生频率的月变化相似。 相似文献
14.
云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器 (K-Nearest Neighbor,KNN), 在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好, 识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。 相似文献
15.
毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,可获得更多的云粒子信息,是研究云特性的主要遥感探测设备。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其他参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到84%,其中,层云和积云的识别一致较低的原因在于样本数据有限,仅有6次层云和8次积云的个例样本数据。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。 相似文献
16.
Characterization of cloud microphysical properties in different cloud types over East Asia based on CloudSat/CALIPSO satellite products 
下载免费PDF全文
下载免费PDF全文 利用CloudSat/CALIPSO卫星资料,本文揭示了东亚三个代表性区域的云微物理属性,为评估和改进模式云微物理过程提供重要的观测基础.研究的云微物理量包括云水/冰质量,数浓度和有效半径.研究表明:暖云中云水质量和数浓度随高度增加而减小,有效半径处于8-14μm范围.对于冰云,云冰质量和有效半径随高度增加而减小,而数浓度在垂直方向上变化不大.此外,云微物理属性在不同云型之间存在显著差异:积云的云水质量和数浓度最大,而卷云的云水质量和数浓度最小.从三个区域的对比结果来看,相比于华东和西北太平洋地区,青藏高原地区暖云的云水质量和数浓度较小,而冰云的则较大. 相似文献
17.
A cloud clustering and classification algorithm is developed for a ground-based Ka-band radar system in the vertically pointing mode. Cloud profiles are grouped based on the combination of a time–height clustering method and the k-means clustering method. The cloud classification algorithm, developed using a fuzzy logic method, uses nine physical parameters to classify clouds into nine types: cirrostratus, cirrocumulus, altocumulus, altostratus, stratus, stratocumulus, nimbostratus,cumulus or cumulonimbus. The performance of the clustering and classification algorithm is presented by comparison with all-sky images taken from January to June 2014. Overall, 92% of the cloud profiles are clustered successfully and the agreement in classification between the radar system and the all-sky imager is 87%. The distribution of cloud types in Beijing from January 2014 to December 2017 is studied based on the clustering and classification algorithm. The statistics show that cirrostratus clouds have the highest occurrence frequency(24%) among the nine cloud types. High-level clouds have the maximum occurrence frequency and low-level clouds the minimum occurrence frequency. 相似文献
18.