[发明专利]一种卫星云图中雷暴云团的识别方法

说明书

本发明提供了一种卫星云图中雷暴云团的识别方法，属于人工智能应用领域。本发明主要运用日本葵花卫星的公开卫星云图数据集，对比现阶段雷暴预警所使用的气象雷达图，利用神经网络系统对卫星云图中雷暴云团的特征进行学习，达到对卫星云图中雷暴云团的自动辨识。能够在卫星云图中较为准确的辨识处雷暴云团位置及范围大小，并且辨识过程运用的时间短。同时本发明改进了神经网络系统训练过程中的收敛算法，使得神经网络的训练过程所耗时间有所下降，从而为气象灾害的预测和预警提供有效的技术支撑。

技术领域

本发明属于人工智能应用领域，具体涉及一种卫星云图中雷暴云团的识别方法。

背景技术

雷暴是发生于热带和温带地区的局地性强对流天气。雷暴发生时常伴随有雷击、闪电、强风和显著的降水，雷暴具有突发性强、强度大且持续时间短的特点，具有较强的破坏性。通过气象雷达、云图等气象资料对雷暴云团的地理位置、区域范围等进行辨别，并对雷暴云团的行进路径进行预测，能够对雷暴天气中雷击、闪电等破坏性较强的灾害进行提前预测预防，将其所带来的灾害降至最低，为雷暴发生地区的人身安全及财产安全提供有效保障。在现阶段，对雷暴最为有利的观测手段是利用天气雷达进行探测，在卫星云图上进行云团观测的技术发展较慢，同时雷达观测方法在一些人迹稀少的地区无法进行持续探测。而卫星云图的分辨率不断增强，间隔时间不断缩短，同时可以得到雷暴云团的物理边界，适合对雷暴云团进行辨识。

随着人工智能科学理论的飞速发展，人工智能能够应用的领域越来越多。现阶段，对卫星云图中云团的识别过程需要拥有非常丰富的专业知识，并且无法准确的定位雷暴云团的位置。将神经网络系统运用到气象监测系统中，对卫星云图中雷暴云团的特征进行学习，达到对卫星云图中雷暴云团的自动辨识。这些优点弥补了现阶段雷暴云团识别过程中的局限性。因此，利用神经网络系统对卫星云图中的雷暴云团进行辨别和预测，具有非常重要的实用价值。

发明内容

针对上述存在的技术问题以及最新的科学技术进展，本发明提出一种卫星云图中雷暴云团的识别方法，将神经网络系统应用于气象云图的监测领域中，加强对于雷暴云团的自动辨识，提升对雷暴云团识别的匹配速度，满足大数据时代下对于人工智能的应用系统要求。

结合气象卫星学理论和计算机图像学理论，研究气象卫星云图云团检测及分类方法，并通过该方式研究、探讨出如何更好的利用计算机技术去实现气象卫星云图的检测，再与运用实例来验证该方式设计算法的合理性，进一步完善相关检测流程，最终得到相对满意检测与分类结果，从而提高行业水平。

基于深度学习卷积神经网络，针对红外卫星云图，结合雷暴天气的云图特征，采用改进的两路多池化输入串联卷积神经网络模型，基于网络训练使用的Adam模型，结合分割图像特征对模型进行优化，采用改进的图像训练模型应用于两路多池化输入串联卷积神经网络模型，对卫星云图像下的雷暴天气进行辨识。

本发明具体包括如下步骤：

步骤1，图像预处理；

步骤2，气象云图标注；

步骤3，建立改进的卷积神经网络模型；

步骤4，训练卷积神经网络模型，基于训练好的卷积神经网络模型进行雷暴云团识别。

步骤1包括如下步骤：

步骤1-1，卫星云图数据解析：

步骤1-2，对图像进行中值滤波：

步骤1-3，进行灰度直方图增强。

步骤1-1包括：

根据日本葵花气象观测卫星在观测过程中所使用的电磁波波长，将卫星云图的原始传输数据解析为红外云图，并根据葵花气象观测卫星数据集资料所提供的算法对卫星云图中的地理坐标进行识别，将地球球面的所有位置连续的表示在卫星云图的平面中，建立地球表面位置和卫星云图中像素点的点对点的对应函数关系。