基于纹理特征和机器学习的卫星云图分类实验 |
| |
作者姓名: | 顾天红 杜小玲 李力 朱育雷 张艳梅 吴昌航 李典南 |
| |
作者单位: | 贵州省气象台,贵州省气象台,贵州省气象台,贵州省气象台,贵州省气象台,贵州省气象台,贵州省气象台 |
| |
基金项目: | 贵州省气象局研究型业务关键技术公关团队(GGTD-202212)、贵州省山地气候与资源重点实验室基金项目(QHLSSLJ[2022]-12) |
| |
摘 要: | 准确识别云对提升天气预报和气候预测准确性有着重要意义,传统的阈值法和聚类法很难找出统一通用的阈值标准和方法,随着机器学习在云分类领域的应用和发展,在分类速度和分类精度上都有了明显提升。本实验对风云二号G星的红外云图进行预处理并构建卫星云图样本库,通过提取云图纹理特征再结合支持向量机(SVM)、随机森林(RF)和XGBoost分类器实现了对“晴空”、“层积云或高积云”、“积雨云”、“密层云”和“卷层云”的分类,实验结果表明:①三种分类器对该实验云分类的平均准确率分别为RF(62.5%)>XGBoost(61.7%)>SVM(60.0%);②三种分类器对“层积云或高积云”的分类都最好且稳定,平均分类精度均达到了90%以上,最高为91.5%;③SVM对密层云(67.9%)、RF对卷层云(68.9%)、XGboost对晴空(68.3%)的分类效果次之,平均分类精度均达67%以上。
|
关 键 词: | 灰度共生矩阵 纹理特征 卫星云图 支持向量机 随机森林 |
收稿时间: | 2022/10/29 0:00:00 |
修稿时间: | 2023/8/25 0:00:00 |
Classificaiton of Satellite Cloud Image Based on Texture Features and Machine Learning |
| |
Authors: | GU Tianhong DU Xiaoling LI Li ZHU Yulei ZHANG Yanmei WU Changhang and LI Diannan |
| |
Institution: | Guizhou Meteorological Observatory,Guizhou Meteorological Observatory,Guizhou Meteorological Observatory,Guizhou Meteorological Observatory,Guizhou Meteorological Observatory,Guizhou Meteorological Observatory,Guizhou Meteorological Observatory |
| |
Abstract: | |
| |
Keywords: | GLCM texture feature satellite cloud image SVM RF XGBoost |
|
| 点击此处可从《》浏览原始摘要信息 |
| 点击此处可从《》下载免费的PDF全文 |