一种基于卫星云图的对流云机器学习识别方法技术

一种基于卫星云图的对流云机器学习识别方法，1获取云顶亮温历史时段和当前监测数据，获取相同历史时段内的地面降水；2通过双三次样条插值，将历史时段和当前TBB数据插值到历史时段地面降水场的网格上；3生成历史时段亮温指标库和当前亮温指标库；4选取降水阈值；5计算Y和X的互信息；6通过支持向量机技术得到Y与相应参数之间的非线性关系；7计算Z和X的互信息；8通过支持向量机技术得到Z与相应参数之间的非线性关系；9估计当前有无降水的概率；10估计当前有无对流性降水的概率；11判断是否为对流云，本发明专利技术利用机器学习技术，定量识别对流云在不同通道卫星云图上的特征，发展对流云的实时识别技术。的实时识别技术。的实时识别技术。

【技术实现步骤摘要】
一种基于卫星云图的对流云机器学习识别方法


[0001]本专利技术涉及卫星云图分析
，特别是涉及一种基于卫星云图的对流云机器学习识别方法。

技术介绍

[0002]强对流云团经常伴随着狂风、暴雨、巨浪等灾害性事件，不仅可以造成显著的人员伤亡，而且能够带来巨大的经济损失。陆上的对流云监测可以通过地面自动气象站、地基雷达、卫星等实现，而在宽广的海洋上，卫星是首要的对流云监测手段。早期研究主要依靠分析云的形态、云覆盖的面积等在卫星云图上的可视化外观特征来识别对流云。随着气象卫星的不断升级发展，后来研究主要通过计算卫星云图上的云顶高度、云顶温度、云区范围及其的空间梯度和时间变化等来定量识别对流云。当以上指标达到或超过相应的阈值时，就识别为对流云。这种方法是基于对流云的物理属性提出的，即：对流云相比其他云系往往具有更深厚的云体、更低的云顶温度、更高的云水含量、更多的云内冰相粒子等。由于不同地域上、不同季节内的对流云所处的环境背景不同，上述指标对应的阈值具有局地性。以云顶温度为例，不同研究采用了许多不同的阈值，包括207 K、215 K、235 K、24本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卫星云图的对流云机器学习识别方法，具体步骤如下，其特征在于：步骤一：获取气象卫星p个通道的云顶亮温TBB历史时段和当前监测数据，获取相同历史时段内的地面降水再分析资料，包括总降水量TP和对流降水量CP；步骤二：通过双三次样条插值，将历史时段和当前TBB数据插值到历史时段地面降水场的网格上；步骤三：生成历史时段亮温指标库（X
i
，i=1、
……
、）和当前亮温指标库（U
i
，i=1、
……
、），其中i表示指标的个数，p表示不同通道的TBB数据个数，表示任意两个通道TBB差值的个数；步骤四：选取0.1mm的降水阈值，将历史时段TP和CP转化为有无降水标识库Y和有无对流性降水表示库Z；步骤四中的转化公式为：；步骤五：计算Y和X的互信息；步骤五中的互信息的计算公式为：；其中p(x,y)是第i个指标X
i
和Y的联合概率密度函数，p(x)和p(y)分别是X
i
和Y的密度函数；步骤六：按的值从大到小排序，将排在...

【专利技术属性】
技术研发人员：郭洪涛，宋金杰，
申请(专利权)人：江苏铨铨信息科技有限公司，
类型：发明
国别省市：