基于全卷积神经网络方法的日间黄海海雾卫星反演研究
刘树霄1
衣立1
张苏平1
时晓曚2
薛允传2
1.中国海洋大学物理海洋教育部重点实验室,山东青岛2661002.青岛市气象局,山东青岛266003
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.
关键词：黄海海雾卫星FY-4A全卷积神经网络全连接条件随机场
分类号：P47(大气科学（气象学）)TP181(自动化基础理论)TP753(遥感技术)
资助基金：国家自然科学基金(41605006/41975024/41561144001)山东省自然科学基金(ZR2016DB26)青岛市气象局科研项目(2015qdqxh01)山东省气象局项目(SDYBY2018-06/2017sdqxm11)
论文发表日期：2019-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 13-22 )
英文信息