在对流单体的成熟阶段,冷性下沉气流作为一股冷空气,在近地面的底层向外扩展,与单体运动前方的暖湿气流交汇而形成飑锋,又称阵风锋。在获得CINRAD雷达的雷达数据基础之上,利用计算机视觉领域的技术可以进一步在雷达图像上进行自动识别...在对流单体的成熟阶段,冷性下沉气流作为一股冷空气,在近地面的底层向外扩展,与单体运动前方的暖湿气流交汇而形成飑锋,又称阵风锋。在获得CINRAD雷达的雷达数据基础之上,利用计算机视觉领域的技术可以进一步在雷达图像上进行自动识别和检测。阵风锋过境往往伴随着严重的灾害性天气,对提高此类灾害性天气的短临预警能力显得尤为重要,也对气象防灾减灾具有重要意义。阵风锋的自动识别任务目前还存在以下弊端:传统数理方法的识别率有待提高,由于阵风锋具有地域差异性,在雷达图像上目标小,特征不明显,要想精准识别还是有不小的难度,我国目前也没有一种真正推广到业务化的阵风锋自动识别算法。本文采用近年大火的深度学习方法,以Mask RCNN模型和resnet101主干网络为基础,在检测出有效阵风锋后,结合出现的问题以及阵风锋的特征,在结合通道和空间两个维度的注意力机制,提取目标细化特征,进行深层次的小目标检测。采用2013~2016四年里河南省各市的CINRAD天气雷达数据,利用Data Aug for Object Segmentation中的Data Augment for Label Me方法扩充了数据集的数量,增强了数据的多样性,考虑到阵风锋通常伴随着强雷暴天气,在雷达强度图上表现为一条窄带回波这一特征,设计使用Mask RCNN模型完成在雷达图上进行阵风锋自动识别,在检测出具体位置后分割出阵风锋的具体形态,可以进一步提高识别准确率。展开更多
文摘在对流单体的成熟阶段,冷性下沉气流作为一股冷空气,在近地面的底层向外扩展,与单体运动前方的暖湿气流交汇而形成飑锋,又称阵风锋。在获得CINRAD雷达的雷达数据基础之上,利用计算机视觉领域的技术可以进一步在雷达图像上进行自动识别和检测。阵风锋过境往往伴随着严重的灾害性天气,对提高此类灾害性天气的短临预警能力显得尤为重要,也对气象防灾减灾具有重要意义。阵风锋的自动识别任务目前还存在以下弊端:传统数理方法的识别率有待提高,由于阵风锋具有地域差异性,在雷达图像上目标小,特征不明显,要想精准识别还是有不小的难度,我国目前也没有一种真正推广到业务化的阵风锋自动识别算法。本文采用近年大火的深度学习方法,以Mask RCNN模型和resnet101主干网络为基础,在检测出有效阵风锋后,结合出现的问题以及阵风锋的特征,在结合通道和空间两个维度的注意力机制,提取目标细化特征,进行深层次的小目标检测。采用2013~2016四年里河南省各市的CINRAD天气雷达数据,利用Data Aug for Object Segmentation中的Data Augment for Label Me方法扩充了数据集的数量,增强了数据的多样性,考虑到阵风锋通常伴随着强雷暴天气,在雷达强度图上表现为一条窄带回波这一特征,设计使用Mask RCNN模型完成在雷达图上进行阵风锋自动识别,在检测出具体位置后分割出阵风锋的具体形态,可以进一步提高识别准确率。
