当前位置:新闻阅读
基于深度学习方法的云分类研究
作者:张峰               发布时间:2018-10-11 9:19:28              浏览量:144

云对地球的能量平衡,气候和天气能产生很大影响。不同类型的云具有不同的云辐射效应。因此,准确的识别云的类型在气象中很重要。最近,我院张敬林博士(第一作者)和张峰博士(通讯作者)在《Geophysical Research Letters》发表了题为“CloudNet: Ground-based Cloud Classification with Deep Convolutional Neural Networ”的研究成果。文章中提出了一种新的卷积神经网络模型,称为CloudNet(见图1 ),并把该网络用于准确的地面气象云图分类。虽然近年来CNN在图像分类方面取得了显着成果,但很少有工作评估它们在云分类的准确性。高精度和自动化的云分类方法,尤其是对对流云的识别,对灾害性天气的发现是至关重要的。此外,能清楚的识别尾迹云也能够推动尾迹云对气候的影响的研究。因此,该团队建立了一个名为Cirrus Cumulus Stratus Nimbus(CCSN)的地面云图数据集(见图2a),该数据集由气象标准下的11个类别组成。云图像的总数是以前数据库的三倍。该数据集第一次将尾迹云考虑到地面云分类中,这使得该数据集比前人基于地面的数据集更具辨别力和综合性。最后大量实验的评估表明,所提出的CloudNet模型可以在气象云分类中取得非常好的效果(见图3)。

 

张峰1.png

图1 CloudNet模型框架,包含了5个卷积层2个全连接层。

 

张峰2.png

图2  三种数据集的比较. (a) 为CCSN数据集, (b)为HUST 数据集, (c)为SWIMCAT数据集


张峰3.png

图3   混淆矩阵评价 CloudNet 模型对两种不同的数据集的分类效果。其中a) 为对SWIMCAT 数据集的分类效果,(b)为对CCSN数据集的分类效果。其中Ci = cirrus; Cs = cirrostratus; Cc =cirrocumulus; Ac = altocumulus; As = altostratus; Cu = cumulus; Cb = cumulonimbus; Ns = nimbostratus; Sc = stratocumulus; St = stratus; Ct = contrail. 

 

Zhang Jinglin, Pu Liu, Feng Zhang*, Qianqian Song, 2018: CloudNet: Ground-based Cloud Classification with Deep Convolutional Neural Network, Geophysical Research Letters, doi: 10.1029/2018gl077787

 

文章链接 https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2018GL077787