英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料
基于FY-2C静止气象卫星的积云对流追踪与特征分析
本文介绍了一种基于FY-2C不同云图的分类和特征来自动追踪积云的方法。首先SGF方法被用于人工神经网络的方法对云分类并作为预处理过程中从原始图像中识别一直均匀的积云路线；其次，此互相关的方法是用于追踪图像序列中的积云路径。第三,引进7像素参数和19 积云参数。为评估该方法的性能,8例表现出不同的生命阶段并且单一案例的演化也进行了分析。结果表明：（1）该方法可以追踪和定位积云直到其耗散并且可以占云的最终耗散和分裂；（2）传统亮度温度阈值基于云跟踪方法相比,该方法通过云分类与多通道数据以一种先进的方式减少了因阈值的不确定性。（3）从积云的配置和发展阶段来看，该方法识别接近现实,这表明积云的特性可以提供详细的深入研究雷暴的运动和发展。
- 介绍
在热带和中纬度地区,积雨云与强烈的对流和恶劣的天气有关，如狂风、暴雨、闪电、和微爆发,以及冰雹和龙卷风。他们的存在可能对航空构成严重风险，可能影响作物和城市人口,因为不同空间和时间尺度内的快速变化的天气的发生可能和其附近积云有关。观测积云已成为天气预报数据同化中最重要的数据源，并且是气候监测的趋势。地球同步卫星图像已经被证明是观察动态天气事件的重要来源。与多普勒雷达和大气分析器相比由于他们的高时间分辨率和更大的视角，使得地球同步卫星图像更适合用于对积云对流的追踪。积云特征的描述是基于来自同步卫星图像的追踪可能会改进现有的降水估计和短时预测。
最初的对云的识别和监测是手动完成的，如Martin 和Schreiner, Rowell 和 Milford , Fritsch 和他的同事们，这些研究尽管极大改善了对较大的对流云的昼夜阶段系统的理解，但其仍然是主观的劳动密集型的。随着电脑和图像处理方法的快速发展，家庭汽车自动追踪技术被广泛应用，该方法是由Williams 和 Houze应用于冬季季风云的观测。Arnaud用自动监测方法完成了非洲地区的云追踪。Feidas和 Cartalis利用该方法监测非洲地区中尺度对流系统。Carvalho 和Jones提出了最大空间相关性追踪技术，威斯康辛州大学提出了云顶冷却速率(CTC)算法。Meacute;teacute;o-France提出了快速发展中雷暴（RDT），几乎所有这些云跟踪方法采用红外(IR)亮度温度(TB)阈值原则。然而，对于积云监测，最为困难的任务是确定对于复杂的时空多变的表面发射率、复杂多层云结构、随高度改变的水蒸气含量等的阈值。因此,静态阈值和气候在任何给定的场景基于阈值都可能会产生积云检测。问题往往是由于云在以不同的速度和不同的方向移动的多个层次而产生的进一步复杂化传感器相关问题。
到目前为止，很多文献记录了有关严重风暴的特征，如拍摄的变化、诊断和短时预测的需要、中尺度复合对流的需要、云微物理过程和对流变化。很多论文记录了积云的有关特点，如积云的动力变化、进化以及可预报性。然而，他们主要是基于数值模式少量的卫星数据。Zinner等人提出了对静止卫星图像的积云追踪和监控的专门研究，他使用ECMWF对流层顶温度数据作为自适应检测标准对金字塔图像匹配并进行对流云掩膜。积云检测本质上是基于在一个气候阈值的原则，因此,一个更全面的多通道的云分类方法可能有助于识别时间演化和那些利用单通道阈值技术不能正确识别的空间对流云团。大量的云分类方法已经为遥感仪器的使用开发了多种技术,如神经网络、聚类分析、最大似然分析和模糊逻辑。根据先前的研究,神经网络分类器通常表现良好，在这项研究中,一个神经网络分类器是用于集群基于三个云像素具有相似的光谱特性红外(IR)通道。FY-2C卫星最低点的空间分辨率是5公里,正常状态每小时收集一次图像，在雨季每半小时收集一次图像。FY-2C2004年10月19日在北京发射成功。
目前,基于卫星云的分析使用地球同步运行环境卫星工具,先进高分辨率辐射计(AVHRR),气象卫星,和气象卫星第二代（MSG）。尽管四个操作地球同步气象卫星是中国开发的，但是来自风云卫星的研究却很少。用风云卫星对积云的跟踪和描述可能会对东亚降水系统给出新的理解。
本文的主要贡献可以概括如下:(1)提出一种基于云识别分类的积云自动跟踪方法；(2)用地球静止卫星图像从像素和从云斑点两方面系统的描述积云特征；(3) 使用FY-2C云分析技术提高东亚地区积云属性的跟踪和调查并且准备FY-4即将发射的监测方法。
本文的结构如下：积云检测和跟踪方法是在第二节；积云的特点介绍在第三节。为了说明这种方法的性能,具体案例分析了第四节；结论和讨论在第五节给出。
- 积云追踪方法
积云跟踪的目的是随着时间确定从卫星一张一张的图像来跟踪他们的进化，在本文中,提出积云跟踪技术包括三个步骤:识别积云像素使用人工神经网络分类器,检测与播种均匀积云补丁区域增长的分析算法,建立当前和以前的积云补丁使用之间的关系基于互相关的方法。
2.1 云分类——这一步的目的是提取从多通道图像中用分类器提取出不同种类云
考虑一个ANN分类器作为生物启发计算机程序设计人类大脑处理信息模拟的方式,它是一种很有前途的建模技术,尤其是对数据集具有非线性关系,云分类过程中经常遇到的。本研究对FY-2C数据使用ANN云分类方法。在这项研究中,ANN分类划分表面分为七类:海洋,层积云和高积云,混合云,高层云和雨层云,卷层云,云厚卷,积雨云。两个经验丰富的气象学家手工收集了2007年的6月、7月和8月的FY-2C三个通道的28646云样本。选取了15个特征：3个灰度特征、3个空间特征、9个组合特征。安分类器由两个隐藏层,第一层的神经元，第二层分别是9和4。学习步骤和学习动量被设置为0.1和0.7,TanhAxon被用作传递函数。更多的细节在Liuetal有关分类方法可以找到。
预处理
CT (x,y) = Cb
子提取
与邻近像元比较
区域增长
无新加入区域
无未标记区域
未标记区域选择
分段Cb图像
精度结果混淆矩阵所示使用274测试样本(表1),可以看出云分类器可以区分积云,这种可能性误判的其它类型的积云与误差很低，误差率低于6%。这一步减少数以百计的卫星图像几片云类型数据浮点格式的数据整数格式。每个整数代表一个特别理想的类型云补丁。
2.2云分割——这一步的目的是提取云边界和积云补丁的使用
基于区域增长分析分割算法以前的安云分类的结果。ANN云分类可以被认为是一个预处理过程。分析区域是一个迭代的过程合并从一些初始分割过程呢情况下,单个像素,然后迭代直到增长每个像素都有被处理。该方案的分析细分如图1所示。它包含以下步骤:(1)扫描图像和识别积云像素没有被标记为种子; (2)合并相邻云细胞形成，如果他们是相同的一个片段类型作为种子和标签片段作为一个完成的地区;(3)选择标记的部分和收获。
如图所示,与传统分析方法,这个方法不敏感的选种和的规则增长。原因是双重的:首先,安云分类器可以从数百减少红外图像的数量值漂浮的几位整数,其中每个整数表示一个特定类型的云;其次,云了安总是光滑边界的组合多种渠道比云认同了传统的阈值方法。
2.3积云跟踪——这一步的目的是跟踪积云补丁
检测积云的不同发展阶段,并提供一个图像序列索引云。一般来说,跟踪方法检测细胞模式,是否基于雷达和卫星数据的,可分为两个主要技术:面向模式的相关技术和重叠技术。
本文采用了前技术以及最常见的技术,基于互相关的方法,使用了两个连续的红外图像确定位移矢量。在第一个图片,数字图像数据3times;3像素为中心的期望的网站作为模板数据。在第二幅图,一个小时以前,15times;15像素的图像数据作为搜索区域的数据。结核病的相关系数模板和搜索区域的计算每个点获得交叉相关系数矩阵,配合面。采用最大系数像素级的最佳匹配位置,云平流提取。在云的补丁级别,如果匹配像素的面积占50%以上的电流云补丁或从以前的时间步云补丁,因此,补丁匹配。然后,一块云历史日志中创建文件来存储跟踪信息和监控结果。云的性能跟踪评估检测概率(POD),虚警率(远),和关键的成功指数(CSI)。
- 积云的表征
在这项研究中,积云特征派生的像素和补丁的水平,如表所示。三种类型的云像素参数提取:冷特性,时间序列特性,和情境特征。基于云的补丁功能积云跟踪允许提取19特性,组成的四种类型:冷淡特性、几何特性，纹理特性,动态特性和云。Cb动态特性是由生命阶段和运动参数。所有云参数获得每个积云片存储在一个文本文件,和一些动态特性存储在一个图像文件。
3.1 像素特征
亮度温度得到的云顶高度和对流强度梯度是两个指示云寒冷特性的重要参数。通常情况下,云的发展阶段对应于云顶高,在稳定阶段可以由更少的TB和更多的GT表示。改变像素云类型(CPT)和变化像素两个参数显示积云补丁的时间演化特征。积云降水特征总是与对流云中心偏差有关，暴雨不仅可能发生在对流中心还可能在对流云前面。因此,本研究中根据几何中心和重心提取两个参数,DCCC 1和DCCC 2。
3.2云补丁功能
云补丁的寒冷特性包含四个部分：TB的最小值；不同的积云分割窗；TB在不同波段和窗口的不同。DSWT和DIWT可以表明积云的发展过程。可以表明Cb云的几何特征云片区域,云补丁周长,形状和几何动量指数(SIGM),形状指数的周长(SIP)和偏心率(ECCT)。SIGM是比几何的一块圆形的大小相同。SIP的比值周长云补丁的补丁与同一地区。通常,积云在早期阶段总是小和近圆值较低几何参数相比,在发展和积云分裂阶段。
在降水云纹理/结构特点与三个参数:说明边界陡度(BS),标准偏差的云补丁(STD),和云的梯度。BS测量温度梯度沿云补丁边界,STD显示了标准差在云补丁，TOPG是筛渣温度平均梯度。
本研究中所使用的要素估计方法与Arnaud和Hong等人的方法极为相似，云增长率、云垂直移动特点、基于云分类的云特征的介绍等要素都在本文中出现，需要指出的是，一些云的特征如BS、STD、和TOPG对于早期积云的研究可能没有太大的意义。
- 结果
由于云的类型、位置、形状、高度都容易随时间和空间变化，因此很难用不同视角的其他地球静止卫星作为参考。类似的，当地球静止卫星观测全球时，受视角限制雷达作为参考也不太合适。因此，为了找到对积云的监测和追踪方法，用8个个例的追踪结果与其他云分类图进行比较。另一个评估方法是监测连续发展的现阶段进过程。
4.1部分展示了云分类结果以及积云的组成部分；4.2阐明了云追踪结果和一些动力因素；4.3给出了一个个例中积云要素随时间的变化过程。
|
|
当前图像的云路径 当前图像其他的云路径 先前时段图的云路径 先前时段图其他的云路径 |
4.1云分类结果与组成部分
根据现阶段云分类监测结果，ANN模型监测积云的准确度可达到90.74%。FY—2C产品可达76.49%。表三显示了来自云分类得到的积云补丁，不同颜色代表着不同发展阶段，为更深入理解SGR方法，本研究将其与传统的基于阈值的SGR值相比较，限制MCC的理由在于按照定义亮温阈值在-52°C，实验结果表明，与传统方法相比SGR方法能更好的区分积云。
4.2云追踪和特征分析
上表显示了5个积云动态因素，将影响因素的数目限制到5的主要原因是，尽管他们定义有所不同但本研究中的其他因素与Arnaud等人研究中的因素相似。此外，由于这5个要素与强降水有密切的关系，因此他们可以作为降水预报的一个指数。上图显示了积云不同阶段的移动特征。
图2 30幅图积云追踪算法的POD、FAR、和CSI值
为了示范的目的，8个个例显示了2007年7月4日3点积云的不同阶段图。上图的a到c图显示了积云的简单发展，而d到g显示了积云的合并；h显示了不确定生命阶段的个例。
正如a1到a3显示，被标记成黑色的积云是新生成的；b到c显示了位于图像中心的积云的简单发展和消失过程；而除了一些融合与合并，d到g与b到c所呈现的信息相同。H图显示的是一些由于消融与合并而导致的不能确定的积云发展过程的图像。
4.3不同要素随时间的变化
根据中国西南地区2007年7月3日到4日阶段积云的发展过程，得到积云追踪的研究方法。
- 结论与讨论
本研究中提出了一种追踪积云的新的研究方法，主要包括三个阶段：基于ANN云分类确认积云像素。用基于相关的方法追踪积云路径，用27个云要素特征描述积云特性。用8个不同阶段的积云个例来评估积云探测和追踪方法。结果如下：
- 基于积云追踪的云分类由于其对传统的TB阈值不敏感，因而减少了积云确认过程中的不确定性。
- 该方法不仅能够定位和监测知道消失阶段的积云追踪，也能够解决更复杂的移动系统。
- 积云要素路径的分析过程得到了一些有趣的结果，如如直接
云冷漠之间的通信功能,几何特征,纹理特征和动态特征。描述Cb从地球同步卫星和分析可以提供降水估计和短时预测的,深层次的洞察。
因为这是最初的当前研究的一部分更关注的方法,更加复杂和先进的场景需要调查和综合评估。另外，在不久的将来可以做一些改进。例如,一些新构造云跟踪方法,如变分回声跟踪和光学流的方法,可以应用于改善的准确性云
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[31103]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
