基于多尺度特征融合网络的云和云阴影检测试验

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。     

基于深度学习的公路能见度分类及应用

以VGG16为基准模型,融合批归一化处理、全局平均池化和联合损失函数,提出了一种基于卷积神经网络的高速公路雾天能见度等级分类方法。实验结果表明,改进后的神经网络模型的平均识别正确率达83.9%,相较于其他几种模型具有较高的正确率和较好的收敛性。将模型封装入业务系统后进行业务化检验,其平均识别正确率可达84.9%,且白天识别效果要优于夜间。通过系统监测到2019年4月4日京沪高速发生了一次团雾动态生消过程。该次团雾过程具有移动快、范围小、生存时间短的特征。系统的应用能够为交通管理部门应对团雾发生时的智能管控和决策调度提供技术支持。     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

基于高速公路视频图像的能见度计算

能见度作为重要的气象观测因素之一,影响高速公路行车安全.基于视频资料的能见度计算方法类似于人眼的感知方式,具备对恶劣天气条件和复杂场地的适应性.基于安徽省2016年10月17日、12月1日和7日的3次大雾天气过程,选取跨省分布的3个高速公路站点,使用对应时次下视频图像灰度值均方差与能见度观测值建立计算模型.结果表明：1）随着大雾天气过程变化,模型计算结果较好体现了能见度的变化规律,对高速公路行车具有指导意义;2）基于视频图像的能见度计算方法类似于人眼观测,能见度越高,人眼分辨地物清晰度越高,图像均方差越大;3）由于监测原理和环境差异,能见度测量值与模型计算结果之间存在误差,理论上大雾空间分布越均匀,能见度仪和监控摄像头距离越近,计算误差越低.     

基于迁移学习和Xception网络的海雾能见度等级估测研究

采用基于Xception卷积神经网络算法构建了一个海雾能见度识别的框架,通过对海雾能见度探测设备同位置摄像头监控图像的采集,将图像样本结合能见度数据进行标签分类,利用迁移学习结合Xception网络进行训练,提取图像能见度特征,构建能见度等级估测模型,实现能见度等级的估测。通过对浙江省宁波市北仑区三山大闸摄像头监控进行图像的采集,抽取万余有效样本进行训练,进行能见度等级识别结果分析,结果显示模型识别精度可达99.36%,验证集准确率可达99.20%。基于Xception算法的海雾能见度等级估测方法如果在数据集健康准确的情况下,能够满足海雾能见度实时性和识别准确率的要求,可以作为未安装能见度探测设备地区的能见度等级辅助监测方法。     

基于机器学习算法的多源月尺度融合降水产品在中国区域的检验评估

栅格格式降水产品相对于地面气象站观测资料有更好的空间监测能力,但是不同产品性能存在显著差异。本文评估了9种月尺度格栅降水产品TRMM、GPM、CMORPH、CHIRPS、ERA5、ERA5-Land、PERSIANN、PERSIANN-CDR、PERSIANN-CCS在中国的精度,从中择优选取5种较好的降水产品,利用XGBoost、随机森林和多元线性回归3种机器学习算法分别进行数据融合。研究发现,TRMM、GPM、CMORPH、CHIRPS、PERSIANN-CDR 5种产品具有相对较好的精度;在高海拔与干旱区域,降水产品的误差均明显增大。经过机器学习算法融合后,最优的XGBoost算法模型产品相关系数明显提升,均方根误差和偏差明显降低。3种算法各月均表现较高精度,其中XGBoost算法模型产品在夏季表现较好,而随机森林算法模型产品在冬季表现较好,且3种算法模型产品在不同区域均表现较高精度。和融合之前的5种原始产品比较,3种算法模型产品的精度均有提升。经过XGBoost算法融合后的产品在空间上相比较最优的原始GPM产品与气象站点插值产品具有更多的变化和局部降水细节信息。     

基于神经网络的广州市能见度预报

在研究了广州市能见度变化特征及低能见度发生的主要影响因素的基础上,利用广州市环境监测站2007-2009年的空气污染物（PM10、SO2、NO2）监测数据及同期地面气象要素（10min平均风速、最大风速、气温、相对湿度、露点温度、气压、24h降水量）观测资料筛选出主要的预报因子,用径向神经网络建立预报模型,并对2009年9月1日到12月25日的能见度进行预报试验.结果表明径向神经网络预报模型在能见度低于10km时预报准确率明显高于统计回归预报方程.采用分级方法统计得出在未出现低能见度情况下,中低能见度,中高能见度预报准确率分别为80％,69.6％,均高于线性回归预报方程（40％,47.8％）.     

华南飑线升尺度增长过程中的多尺度能量相互作用分析

采用WRF模式对华南飑线的升尺度增长过程进行模拟,利用Barnes滤波将模式数据分解为三个尺度,分别代入相应的能量方程中进行计算,从能量角度研究飑线升尺度增长过程中动能和位能的变化,以及三个尺度系统能量的相互转化.研究表明:动能的变化与飑线过程中各尺度系统的演变有较好的对应,β中小尺度对流的发展对应β中小尺度系统动能的...     

融合能见度预报的烟雨景观气象指数研究

利用2021年兰溪市国家站高精度气象资料和大气成分资料对烟雨景观天气进行定义和分析,建立大气能见度预报模型,结合降水强度构建了烟雨景观气象指数等级。结果表明,影响烟雨景观天气的主要因素是大气能见度和降水,其中大气能见度受气象因子和大气成分影响,相对湿度、风速、PM_2.5是影响大气能见度的主要因素,采用Bayesian Regularization算法的神经网络模型能较好地预测烟雨景观天气时的大气能见度。结合大气能见度和降水强度,将烟雨景观气象指数分为5级,分别为极易、较大可能、有可能、较小可能、不易。     

基于SVM-BP神经网络的气象能见度数据缺失值预估

自动气象站能见度检测仪多采用光学装置采样,雨雪、粉尘等天气因素会对部分仪器镜头造成污染,导致能见度要素数据缺测.针对能见度数据缺失问题,本文选用安徽部分气象站的历年数据,首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素,通过支持向量机和BP神经网络单一预估方法预估不同地形的能见度缺失值,然后采用最优权重组合将两种方法预估的能见度值进行组合,并与单一预估方法进行对比.结果表明组合方法的预估结果误差均值小、整体准确度高,可以保证台站观测资料的完备性,为短时天气预报、实况分析和气象公共服务工作提供有效依据.     

不同场景下的交通能见度估算模型的应用

能见度监测是交通出行安全的重要保障,尤其对机场和高速公路的大范围低能见度的监测和预警更为重要。在传统人工目测方法的基础上,以激光透射能见度仪为代表的仪器测量方法更为准确,但存在探测范围小、维护成本高、全覆盖耗资大的局限性。为了克服以上缺陷,使交通能见度的估计更为灵活、高效,本文基于机场气象站点观测数据、机场大雾以及高速公路低能见度图像,构建优化三种不同场景下的能见度估计模型,并探讨了不同模型的适用性。1)基于气象站点观测的能见度估计,运用相关系数矩阵和特征重要性分析筛选出相对湿度、温度、水平风速3个变量,并考虑昼夜分别构建三元三次多项式拟合模型,模型的决定系数(R²)可达0.9以上;2)基于机场大雾图像的能见度估计深度学习模型,利用尺度不变特征变换方法提取图像关键点的特征向量,输入全连接神经网络(fully connected neural network)模型,加快训练过程并提高模型的可解释性;3)基于高速公路图像的能见度估计的反演模型,根据暗通道先验理论和能见度测量基本方程,计算大气光亮度和透射率,并根据图像距离信息得到单目图像的能见度,该方法无须预置目标物和...     

广西大气能见度气候特征分析

对1980至2012年广西85个县市能见度资料进行统计分析得出：广西主要城市及其周边地区能见度较低,边远山区及边境地区较高,呈现东部低、西部高的特点;广西近32a能见度年均值在14.4至18.2km之间,总体呈下降趋势.一年之中,能见度夏季高、冬季低,汛期能见度明显好于非汛期;能见度与气象要素的相关分析表明,能见度与温度、风速成正比,与压强、降水、湿度成反比.     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

基于能见度数据分析的气溶胶吸湿增长特征研究

基于相对湿度、能见度等气象数据,分析气溶胶吸湿增长特性,有助于了解气溶胶对大气环境和区域气候的影响.利用南京地区2016年1-12月、2017年2-12月、2018年1-8月和12月相对湿度和能见度等数据,通过非线性拟合研究气溶胶吸湿增长因子(f(RH))与相对湿度(RH)之间的关系.结果表明,吸湿增长因子在RH值较低...     

基于BP网络的汉语普通话声调识别

研究了一种常用的模式分类器——BP神经网络,分析了BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值.     

基于关键帧的双流卷积网络的人体动作识别方法

针对视频序列中人体动作识别存在信息冗余大、准确率低的问题,提出基于关键帧的双流卷积网络的人体动作识别方法.该方法构建了由特征提取、关键帧提取和时空特征融合3个模块构成的网络框架.首先将空间域视频的单帧RGB图像和时间域多帧叠加后的光流图像作为输入,送入VGG16网络模型,提取视频的深度特征;其次提取视频的关键帧,通过不断预测每个视频帧的重要性,选取有足够信息的有用帧并汇聚起来送入神经网络进行训练,选出关键帧并丢弃冗余帧;最后将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体动作识别器,实现了对视频的关键帧处理和对动作的时空信息的充分利用.在UCF-101公开数据集上的实验结果表明,与当前人体动作识别的主流方法相比,该方法具有较高的识别率,并且相对降低了网络的复杂度.