基于多种机器学习模型的夏季北冰洋海雾卫星检测方法研究
付玉琴1
衣立1
黎梦雅2
程雪盈3
1.中国海洋大学深海圈层与地球系统前沿科学中心,山东青岛 266100;中国海洋大学海洋与大气学院,山东青岛 2661002.航天宏图信息技术股份有限公司,北京 1001953.中国船舶集团有限公司系统工程研究院,北京 100094
摘要：利用2014-2018年6-9月Aqua/MODIS提供的光谱数据、海面温度数据及其他辅助数据,基于CALIOP L2 VFM产品中云底高度提取的海雾、云和海表标签,建立3类样本数据集.结合使用K折交叉验证法、网格搜索法和粒子群优化算法训练随机森林(random forest,RF)、支持向量机(support vector machine,SVM)、多层感知机(multilayer perceptron,MLP)和全卷积神经网络(fully convolutional network,FCN)4种不同的机器学习模型,对比模型在北冰洋夏季海雾检测中的表现.结果显示,RF、SVM、MLP和FCN均表现出一定的海雾检测能力,检出率(probability of detection,POD)均超过70％.其中,FCN表现出最稳健的综合性能,POD达到79.91％,虚警率达到较低的24.90％,关键成功指数达到63.17％.
关键词：北冰洋海雾检测卫星机器学习
分类号：P47(大气科学（气象学）)TP181(自动化基础理论)
资助基金：国家重点研发计划(2019YFC1510102)国家自然科学基金(U2342214)国家自然科学基金(41975024)
论文发表日期：2024-03-30
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( 14-23 )
英文信息