基于全卷积神经网络方法的日间黄海海雾卫星反演研究

论文摘要

本文基于FY-4A静止气象卫星数据,以全卷积神经网络（Fully Convolutional Networks, FCN）为前处理、全连接条件随机场为后处理的日间海雾反演算法模型,以动态阈值海雾反演方法获得黄海雾区标签,使用浮标观测、CALIPSO观测和动态阈值法反演的雾区进行检验,发现与仅使用全卷积神经网络方法的海雾反演结果相比,全卷积神经网络结合全连接条件随机场的算法模型不仅可以反演出海雾主体分布,而且可以克服单纯FCN提取的图像过于平滑和模糊的问题,给出更细致的雾区边界,同时雾区检出率（POD）可以达到91.8%,误判率（FAR）20.0%,成功率（CSI）76.4%,Heidke技巧评分（HSS）82.9%。因此,以全卷积神经网络方法为核心的算法模型可以用于日间黄海海雾雾区的反演。

论文目录

• 引 言
• 1 数据与方法
•   1.1 数据
•   1.2 方法
•   1.3 数据预处理
•   1.4 评估方法
• 2 FCN网络训练结果
• 3 海雾识别结果验证
•   3.1 与动态阈值法海雾反演结果对比
•   3.2 与CALIPSO分类产品对比
•   3.3 与浮标能见度对比
• 4 结论与讨论

文章来源

类型: 期刊论文

作者: 刘树霄,衣立,张苏平,时晓曚,薛允传

关键词: 黄海海雾,卫星,全卷积神经网络,全连接条件随机场

来源: 海洋湖沼通报 2019年06期

年度: 2019

分类: 基础科学

专业: 气象学,海洋学

单位: 中国海洋大学物理海洋教育部重点实验室,青岛市气象局

基金: 国家自然科学基金(41605006,41975024,41561144001),山东省自然科学基金(ZR2016DB26),青岛市气象局科研课题(2015qdqxh01),山东省气象局课题(SDYBY2018-06,2017sdqxm11)资助

分类号: P732;P715.7

DOI: 10.13984/j.cnki.cn37-1141.2019.06.002

页码: 13-22

总页数: 10

文件大小: 7454K

下载量: 187