基于FY-4A卫星遥感数据分析2021年3次沙尘暴特征

FY 4A上搭载的多通道扫描成像辐射计（AGRI）无论是时间分辨率还是空间分辨率与我国第一代静止气象卫星风云二号上搭载的扫描辐射计（VISSR）相比都有了明显的改进。本文基于FY 4A AGRI成像仪IDDI(红外差值沙尘指数)和新的昼夜沙尘遥感改进算法开展2021年中国北方沙尘过程连续遥感监测处理,并系统分析了2021年3个典型个例的沙尘暴特征和影响区域。结果表明：① 3次典型沙尘过程对我国北方各省份的影响面积总计最低达到260万km2以上,最高达到300万km2以上,4月14—17日的沙尘暴影响面积最大。②2021年沙尘高发区在新疆南部、甘肃河西走廊以北以及内蒙古西部。与2019、2020年同期相比,2021年我国北方沙尘发生频次更高、影响范围更大。③新一代FY 4A静止卫星对我国沙尘过程年际变化具备更加完整的监测能力。     

基于卷积神经网络的飑线识别算法

为了探究深度学习用于飑线识别的可行性,基于2008-2020年河南省郑州和驻马店雷达数据,采用卷积神经网络(convolutional neural network,CNN)算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响.结...     

基于百度AI卷积神经网络的茶树结霜智能识别北大核心

基于采集的近20000张茶园图像,分别筛选出1000张茶园结霜和1000张未结霜图像作为训练样本,利用百度AI开放平台的EasyDL经典版图像识别功能,应用卷积神经网络算法,建立茶园结霜识别模型,进行茶树结霜图像智能判别。茶树结霜智能识别模型的准确率、F1评分、精确率、召回率分别为99.2%、99.2%、99.3%、99.1%。模型检验结果为:样本地20张结霜图像的平均识别置信度为95.51%,20张非结霜图像的平均识别置信度为99.99%;非样本地(江南茶区)80张结霜图像的平均识别置信度为97.53%,80张非结霜图像的平均识别置信度为95.11%。     

FY-4A卫星夜间大雾识别及其在高速公路服务应用中的潜力分析

利用2018年3月至2020年2月FY-4A卫星AGRI高时空分辨率多通道数据与同期湖北省夜间大雾天气个例,先确定夜间大雾在AGRI长波红外波段(10.8μm)和中波红外波段(3.72μm)的识别阈值,再使用地面气象观测站点资料对卫星识别结果进行检验;最后,结合高速公路交通管制信息,分析夜间大雾识别方法在湖北省高速公路...     

静止与极轨气象卫星监测沙尘的融合算法研究

为了综合应用静止气象卫星与极轨气象卫星沙尘监测的结果,更好地进行沙尘信息的判识,采用改进的证据理论方法,进行静止卫星FY-2D/2E红外差值沙尘指数(infrared difference dust index,IDDI)产品与极轨气象卫星FY-3A沙尘强度指数(dust strength index,DSI)沙尘监测产品的融合处理,划分沙尘发生过程中的有沙尘暴发生区、无沙尘暴发生区及可能沙尘暴发生区。融合结果与气象站点观测结果的对比分析表明,本算法可以将静止气象卫星与极轨气象卫星遥感沙尘监测结果进行较好地融合,更好地划分沙尘暴发生的区域,对于沙尘暴过程的监测、评估和分析有重要的参考价值和指导意义。     

基于深度卷积神经网络的阵风锋识别算法

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。     

井冈山森林火险等级划分及预报模型构建

森林火灾严重威胁生态安全和国民经济,由于不同林地的气候以及可燃物存在差异,森林火险具有明显的区域性特征。因此,在考虑气象因子的基础上,将可燃物含水率引入小区域的森林火险指数的计算,对建立更精确的小区域森林火险等级标准和预报模型具有重要意义。本研究系统地分析了2013—2016年井冈山地区森林可燃物含水率与气象因子的分布频率及因子间的相互关系。通过主成分分析方法对所有因子进行降维处理,获得火险因子得分方程,并计算出2013—2016年井冈山地区逐日森林火险指数,进而构建火险等级划分和森林火险等级预报模型。结果表明:井冈山森林火险等级划分为5类,分别为低(火险值≤0.024)、较低(0.024火险值≤0.067)、高(0.067火险值≤0.167)、较高(0.167火险值≤0.232)、极高(火险值0.232)。基于BP神经网络模型构建了井冈山森林火险等级预报模型,预测精度可达96.4%。并利用2013—2017年卫星监测到的井冈山地区热源点数据对模型进行检验,预报准确率高达92.3%,表明该火险等级标准和预报模型能够满足井冈山地区日常防火业务需求。     

植被参数变化对沙尘起沙影响机理的数值模拟

分析了叶面积指数和植被覆盖变化对沙尘暴起沙过程的影响机理。在一个集成的沙尘数值模拟预报系统中,将模拟区域的叶面积指数分成了0,0.5,3.0和卫星反演的实测值4种,结果表明,叶面积指数对沙尘的数值模拟有较大的影响,利用卫星反演的叶面积指数计算沙尘浓度时,沙尘浓度的变化介于叶面积指数为0~0.5之间。将植被覆盖度数据分成0,0.2和卫星反演的实测值3个类型。当植被覆盖度都为0时,沙尘浓度最大;当植被覆盖度为0.2时,沙尘浓度出现的范围明显减少。     

基于深度图像目标检测的智能台风涡旋识别技术

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。     

中国东部区域极端降水事件特征——两种方法监测对比

基于中国区域地面降水格点日值数据集,对比国家气候中心业务暴雨指数和区域极端强度—持续时间综合(Region-Extreme-Intensity-Duration,REID)指数识别区域极端降水事件方法,给出了中国5个区域极端降水事件(Regional Extreme Precipitation,REP)的频数、强度、影...     

基于沙尘气溶胶识别的中国北方地区MODIS云检测产品的改进研究

美国国家航空航天局(NASA)的MODIS业务云检测产品MOD35是其他大气产品和陆地产品反演的辅助数据,也是目前很多云检测研究的检验依据。为研究MODIS云检测业务产品MOD35的监测效果,分析了中国北方地区有沙尘暴天气的MOD35产品,发现产品易将沙尘气溶胶区域误判为云。为了区分沙尘和云,对中国北方地区白天4次沙尘过程数据进行散点图分析,并通过计算损失率得到沙尘气溶胶的11μm、12μm通道亮温差特征和11μm通道、3.7μm通道的亮温范围,改进了MODIS监测沙尘气溶胶的算法。应用此算法对MODIS云检测产品中的沙尘气溶胶污染进行判别,分析结果与国家气象卫星中心发布的沙尘监测一致。改进的算法能有效地监测出MOD35产品中误判为云的沙尘区域,结合MOD35自身的厚气溶胶标记,改进了云检测产品的效果。     

基于多种算法优化SVM模型的 乌东德水电站降水量预报

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。     

东北区域水体密度指数估算方法

水体密度指数是生态质量气象评价的一个重要指标。该文提出了一种利用MODIS遥感数据估算水体密度指数的方法,首先利用水体与地物遥感光谱特性的差异,对指示性水体的面积进行精确识别和提取;通过选择不同时相MODIS数据与地而水文观测资料建立统计关系模型,实现对区域水环境面积的估算;最后计算归一化权重系数,实现东北地区水体密度指数的估算。     

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。     

基于卷积神经网络的雷电临近预警模型

从研究人工智能雷电临近预警模型的目的出发,以卷积神经网络模型为基础,结合多个时间序列的雷达产品(组合反射率、液态水含量、回波顶高)与闪电数据,对雷电临近预报方法进行基于卷积神经网络结构的应用,以福建省2017-2018年雷达、闪电数据为样本完成了模型的训练与预测研究.训练结果显示,15～30 min模型训练样本测试集准...     

基于FY3B VIRR数据的新疆沙尘天气遥感监测应用研究

新疆是我国沙尘天气多发区,但是地面测站稀少,使用卫星遥感监测沙尘天气有非常大的优势。利用国家卫星气象中心开发并向各省推广的SMART业务系统,以FY-3B/VIRR为数据源,采用以人机交互方式分析区域沙尘遥感监测方法。以2012年数据为例,对沙尘天气进行了遥感监测,结果表明FY-3B/VIRR数据可有效提取沙尘天气信息,具有较好的沙尘监测评估业务应用前景。     

机器学习在人工增雨效果统计检验中的应用

利用福建省古田人工增雨试验基地2014年1月—2023年1月小时自然降水数据,结合线性拟合、多项式回归和样条回归等多种数学统计方法,开展决策树、支持向量机(SVM)和卷积神经网络(CNN)3种机器学习方法在估测目标区自然降水中的应用研究。目标区和对比区自然雨量关系模型对比结果表明:以区域平均面雨量为统计变量时,CNN和四项式回归效果相对较好,其中CNN的确定系数为0.516,均方根误差为1.097 mm;对平均面雨量进行六次方根变换后,各模型的精准度大幅提升,CNN表现最优,确定系数为0.658,其次为SVM;为克服目标区和对比区雨量时间序列效应及空间分布不均等问题,以面雨量空间格点数据作为研究对象,采用CNN 3种优化器(自适应矩估计、均方根传递和梯度随机下降)算法进行对比,发现基于自适应矩估计优化器建立目标区和对比区雨量关系模型最优,其降水估测值与实测值更接近,均方根误差最小,为0.61 mm。因此,利用CNN方法能够进一步优化目标区和对比区雨量关系模型,可为定量评估人工增雨效果提供参考。     

闪电定位密度数据泰森多边形优化方法

从识别、修订闪电定位监测数据异常值、提高闪电定位监测产品准确度的目的出发,以闪电定位栅格密度图为研究对象,结合人工观测雷电日数据及国内外对小电流幅值闪电数据剔除的研究成果,引入泰森多边形、数据分布假设检验、异常值(五数概括)处理算法等模型,建立了可用于判别和优化闪电定位监测数据栅格密度异常值的方法,以福建省为例,对该方法进行了实例应用。结果表明,在福建省西、北部区域,闪电定位监测数据存在一定探测误差或数据丢失的情况,并使用人工观测雷电日数据对这些异常值所在的区域进行了修订,该方法适用于闪电定位仪覆盖数量较少区域的闪电定位监测数据异常值识别与优化应用。     

FY-4A AGRI热红外通道辐射定标的精确外场评估

Fengyun-4A(FY-4A)卫星是2016年12月11日发射的我国新一代对地静止气象卫星,它配备了先进的成像仪和测深仪,可提供高时空和光谱分辨率的探测信息,用于天气气候相关的监测、预警和预报。多通道扫描成像辐射计(AGRI)是FY-4A卫星平台挂载的关键辐射成像仪器,重点用于云观测,并利用高时间分辨率的特征进行天气过程追踪。AGRI的红外辐射通道具有全光路的星上红外定标系统,与FY-2上的红外可见自旋扫描辐射计(VISSR)相比,无论在定量标定、成像速度和空间分辨率方面均有了显著改善。FY-4A AGRI的在轨运行状态和星上辐射定标水平的精确评估,对红外通道产品应用具有重大意义。     

基于迁移学习的卫星云图云分类

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。