气象科技管理信息系统

气象科技管理信息系统

当前位置:首页 / 科技成果 / 成果展示 / 正文阅读

行业专项成果综述-云状自动识别技术研究

发布者:张岳   来源:   发布时间:2018/3/8 16:59:23   标签:   浏览次数:967

项目编号GYHY201306068

研究周期20131—201512

国拨经费264万元

项目负责人李昀英

项目骨干成员李昀英,刘磊,周则明,李晨溪,蔡丹,罗敬宁,亓永刚,

原韦华,陈冬冬,孟勇,罗其祥,付强,张祎,孙溦,杜波,方乐锌,高翠翠,卢志贤,寇雄伟,孙国荣,李思聪,刘利行,宋文婷

项目承担单位】解放军理工大学气象海洋学院

项目协作单位】国家卫星气象中心,中国气象局气象探测中心,中国科学院大气物理研究所

主要研究成果

(1)建立了自动观测云分类

项目提出了适用于自动观测的云分类原则和云分类,依据大气代表性原则、仪器观测可行性原则、历史继承性原则和可扩展性原则,沿用形态学和发生学理论,将云分为卷云、层状云、波状云和积状云4属,更细分为薄卷云、密卷云、波云、雨波云、层云、雨层云、浅积云和深积云8类,列出了各类云特征的定性描述,为自动观测和预报保障提供依据。

(2)提出了地基观测云的多维特征提取算法

评估筛选了14个地基观测云特征,包括云的结构特征,纹理特征,流形特征等等,云的图像特征包括均值,标准差,均匀度,平滑系数,三阶矩,信息熵,晴空相关系数等。本项目建立了所有这些云特征的计算方法,尤其是充分考虑人工目测云状经验,利用多尺度分析的方法,在原有云图的基础上增加尺度信息,模拟人眼观测,对不同尺度的云图进行结构特征提取。该算法获得国家发明专利,显著提高了云状的自动识别率。

(3)建立了基于湍流标度理论的云特征提取算法

基于物理学中描述湍流的结构函数ESS的方法,提出了一种提取云状特征的新思路,通过对图像定义ESS结构函数来描述云图的多尺度相似性特征。该方法型刻画了湍流中不同尺度和不同强度的涨落之间存在的自相似统计结构,对湍流的统计规律进行定量描述。将描述湍流相似性结构的方法用于描述云图的多尺度自相似特性,并在结构函数的基础上,对双对数关系进行定量化的描述,使分析复杂系统的多尺度相似性特征变得客观、简便。

(4)提出了卫星观测云特征提取算法

卫星遥感技术对云的探测主要表现在不同特征的云在不同波段上的差异性,在云特征参数提取过程中主要使用红外和水汽两个通道,以段为基本单位进行分析。在一个段内以大像元均值为横坐标,方差为纵坐标,可以得到大像元分布趋势,呈明显的抛物线结构。其冷端、暖端和两端的温差构成函数关系,通过这个函数关系可以将每个段的抛物线模拟出来。通过大像元抛物线模型分析和直方图分类计算可以将段内像元分成几个不同类别。使用红外、水汽两个通道做散点图分析,用两个标准来进行聚类分析。第一个标准是类中心与像元之间的欧几里德距离,第二个标准就是红外和水汽散点分布的趋势,用来区分中高云中的各种类别。重点考虑红外和水汽的相关关系,确定以红外和水汽散点分布的趋势度、相关系数,以及2个通道的亮温均值为卫星的云特征参数,实现了基于大象元分析方法的卫星云特征参数提取。

(5)实现了卫星云特征与地基云特征的融合

根据地面观测站点的中心经纬度和时间范围,对相应的卫星观测数据按照最优空间采样方法,进行空间转换、样区计算,经过数据挖掘、融合、时空匹配、大象元分析等处理,得到匹配区域和时间范围的卫星云特征参数,同时对地基观测数据进行检验和匹配,实现了地面观测云图与卫星云图的匹配。在此基础上利用卫星云特征和地基云特征共同完成云状的自动识别。

(6)建立了云状自动识别算法

云状自动识别分为子图识别和全天空云图识别两类,均采用支持向量机(Support Vector Machine,SVM)作为分类器。在全天空云图的自动识别中,根据云图的灰度、一阶和二阶导数等低层图像特征,基于区域协方差描述构造云图的流形特征。在分类过程中,将黎曼流形映射到切空间,保持了流形特征之间的距离。流形上的切空间为欧氏空间,联合全天空图像的统计特征、结构特征,能够更有效地表征云状的特征。为了克服部分云状的误分问题,在上述基础上使用卫星云特征构建决策树,提高了云状识别的准确率。

(7)建立了云状自动训练和识别一体化软件系统

基于C#语言,建立了训练和识别一体化的云状自动识别系统。普通用户可利用软件进行云状识别,专家用户能训练云识别模型,修改识别结果,添加本地典型云图用于训练并可选择训练样本和识别样本的比例。系统具备显示地基云图、显示对应的卫星云图、显示云状识别结果的功能。系统界面友好,操作简便,运行稳定。

成果应用情况

(1)建立了自动观测云分类

项目提出了适用于自动观测的云分类原则和云分类,依据大气代表性原则、仪器观测可行性原则、历史继承性原则和可扩展性原则,沿用形态学和发生学理论,将云分为卷云、层状云、波状云和积状云4属,更细分为薄卷云、密卷云、波云、雨波云、层云、雨层云、浅积云和深积云8类,列出了各类云特征的定性描述,为自动观测和预报保障提供依据。

(2)提出了地基观测云的多维特征提取算法

评估筛选了14个地基观测云特征,包括云的结构特征,纹理特征,流形特征等等,云的图像特征包括均值,标准差,均匀度,平滑系数,三阶矩,信息熵,晴空相关系数等。本项目建立了所有这些云特征的计算方法,尤其是充分考虑人工目测云状经验,利用多尺度分析的方法,在原有云图的基础上增加尺度信息,模拟人眼观测,对不同尺度的云图进行结构特征提取。该算法获得国家发明专利,显著提高了云状的自动识别率。

(3)建立了基于湍流标度理论的云特征提取算法

基于物理学中描述湍流的结构函数ESS的方法,提出了一种提取云状特征的新思路,通过对图像定义ESS结构函数来描述云图的多尺度相似性特征。该

方法型刻画了湍流中不同尺度和不同强度的涨落之间存在的自相似统计结构,对湍流的统计规律进行定量描述。将描述湍流相似性结构的方法用于描述云图的多尺度自相似特性,并在结构函数的基础上,对双对数关系进行定量化的描述,使分析复杂系统的多尺度相似性特征变得客观、简便。

(4)提出了卫星观测云特征提取算法

卫星遥感技术对云的探测主要表现在不同特征的云在不同波段上的差异性,在云特征参数提取过程中主要使用红外和水汽两个通道,以段为基本单位进行分析。在一个段内以大像元均值为横坐标,方差为纵坐标,可以得到大像元分布趋势,呈明显的抛物线结构。其冷端、暖端和两端的温差构成函数关系,通过这个函数关系可以将每个段的抛物线模拟出来。通过大像元抛物线模型分析和直方图分类计算可以将段内像元分成几个不同类别。使用红外、水汽两个通道做散点图分析,用两个标准来进行聚类分析。第一个标准是类中心与像元之间的欧几里德距离,第二个标准就是红外和水汽散点分布的趋势,用来区分中高云中的各种类别。重点考虑红外和水汽的相关关系,确定以红外和水汽散点分布的趋势度、相关系数,以及2个通道的亮温均值为卫星的云特征参数,实现了基于大象元分析方法的卫星云特征参数提取。

(5)实现了卫星云特征与地基云特征的融合

根据地面观测站点的中心经纬度和时间范围,对相应的卫星观测数据按照最优空间采样方法,进行空间转换、样区计算,经过数据挖掘、融合、时空匹配、大象元分析等处理,得到匹配区域和时间范围的卫星云特征参数,同时对地基观测数据进行检验和匹配,实现了地面观测云图与卫星云图的匹配。在此基础上利用卫星云特征和地基云特征共同完成云状的自动识别。

(6)建立了云状自动识别算法

云状自动识别分为子图识别和全天空云图识别两类,均采用支持向量机(Support Vector Machine,SVM)作为分类器。在全天空云图的自动识别中,根据云图的灰度、一阶和二阶导数等低层图像特征,基于区域协方差描述构造云图的流形特征。在分类过程中,将黎曼流形映射到切空间,保持了流形特征之间的距离。流形上的切空间为欧氏空间,联合全天空图像的统计特征、结构特征,能够更有效地表征云状的特征。为了克服部分云状的误分问题,在上述基础上使用卫星云特征构建决策树,提高了云状识别的准确率。

(7)建立了云状自动训练和识别一体化软件系统

    基于C#语言,建立了训练和识别一体化的云状自动识别系统。普通用户可利用软件进行云状识别,专家用户能训练云识别模型,修改识别结果,添加本地典型云图用于训练并可选择训练样本和识别样本的比例。系统具备显示地基云图、显示对应的卫星云图、显示云状识别结果的功能。系统界面友好,操作简便,运行稳定。

设为首页 | 加为收藏 | 网站介绍 | 联系我们
版权所有:中国气象局  网站维护:中国气象局气象干部培训学院
业务咨询:010-68406632 技术支持:010-68406578/68409227
地址:北京市海淀区中关村南大街46号 邮编:100081 EMAIL:kjgl@cma.gov.cn 京ICP备 15008089号-2
访问次数[7819898] 当前在线[0]