基于卷积神经网络的西北太平洋夜间海雾/低云卫星检测方法研究
作者:
作者单位:

作者简介:

黎梦雅,女,硕士研究生,主要从事海雾卫星遥感研究,87331526@163.com

通讯作者:

中图分类号:

P405

基金项目:

国家重点研发计划项目(2019YFC1510102);国家自然科学基金项目(41975024);风云卫星应用先行计划(2021)项目(FY-APP-2021.0406);青岛市气象局重点课题(2019qdqxz02)


请扫码阅读

Detection of nighttime sea fog/low stratus over western North Pacific based on geostationary satellite data using convolutional neural networks
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    使用Himawari-8静止卫星数据,基于CALIPSO卫星云底高度结合云雾水平均匀性特征提取海雾/低云标签,并使用全卷积神经网络与全连接条件随机场相结合的模型(Fully Convolutional Network and Conditional Random Field,FCN-CRF),提出一种夜间海雾/低云卫星检测方法。经过建立与训练模型,使用CALIPSO卫星的海雾/低云观测检验FCN-CRF模型和双通道差值法的结果。FCN-CRF模型表现良好,其检出率(probability of detection,POD)为0.611,虚警率(false alarm ratio,FAR)为0.174,临界成功指数(critical success index,CSI)为0.541,Hanssen-Kuiper技能分数(Hanssen-Kuiper Skill Score,KSS)为0.436,Heidke技能分数(Heidke Skill Score,HSS)为0.577,整体优于双通道差值法。

    Abstract:

    Using Himawari-8 geostationary satellite data, this study makes sea fog/low stratus (SFLS) labels based on cloud base height from CALIPSO satellite and the characteristics of fog/cloud horizontal uniformity, uses a FCN-CRF (Fully Convolutional Network and Conditional Random Field) model, and proposes a nighttime SFLS detection method. After training, the SFLS observation of CALIPSO data is used to test the FCN-CRF model and the dual channel difference (DCD) method. The FCN-CRF model performs well with a probability of detection (POD) of Symbol`@@0.611, a false alarm ratio (FAR) of 0.174, a critical success index (CSI) of 0.541, Hanssen-Kuiper Skill Score (KSS) of 0.436, and Heidke Skill Score (HSS) of 0.577. Overall, it is better than the DCD method.

    参考文献
    相似文献
    引证文献
引用本文

黎梦雅,时晓曚,吴晓京,衣立.基于卷积神经网络的西北太平洋夜间海雾/低云卫星检测方法研究[J].海洋气象学报,2023,43(1):1-11.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
文章历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2023-03-11
  • 出版日期: 2022-02-28
关闭

“星载风场探测技术专题”征稿通知

关闭