一种基于三维查找表的多层云检测方法技术

本发明专利技术公开了一种基于三维查找表的多层云检测方法，该方法在模型训练部分构建并训练三维查找表，在模型调用部分根据训练好的三维查找表查找置信度参数构建置信度，通过最终置信度判定是多层云的可能性；模型训练部分包括数据特征制作阶段、特征组合阶段、制作三维查找表阶段和确定最优分割阈值阶段；模型调用部分包括读取三维查找表阶段、阈值分割阶段和权重组合阶段。本发明专利技术解决了现有技术检测结果准确率不高，且最终置信度与检测准确率之间的线性度不好的问题。本发明专利技术的方法能够在白天和夜晚全天候使用，检测结果显示最终置信度与检测准确率之间的线性度较好，在最终置信度为1时检测准确率较高，最高检测准确率约为90％。最高检测准确率约为90％。最高检测准确率约为90％。

【技术实现步骤摘要】
一种基于三维查找表的多层云检测方法


[0001]本专利技术属于气象科学领域，具体涉及一种基于三维查找表的多层云检测方法。

技术介绍

[0002]对多层云进行正确检测具有重要意义。比如，在使用辐射成像仪观测数据，反演云属性时，通常假设每个观测像素都是均匀一致的。然而，当存在多层云的结构时，这种假设错误会导致反演结果的准确率下降。特别是当多层云的上层是透射云而下方存在不透射的云层时，使用CO2切片方法来推导云顶压力的方式可能会产生不准确的结果，通常会使反演的云顶气压结果偏低。此外，多层云结构的存在还会导致云物理属性反演出现错误。例如，在存在上层冰云和下层水云的多层云结构场景中，如果未能检测到下层的水云，误判为单层冰云的区域将导致冰云的有效半径反演结果明显偏小。而当冰云的光学厚度很薄且底层水云的上升辐射不受其主要影响时，如果误判为单层水云，往往会得出不切实际的大水滴半径的水云云相反演结果。同时，如果没有考虑到云层结构是多层云，也有可能错误地判断云顶的云相。因此，一些研究的基础是首先需要正确的判断出云层是否是多层云结构，例如通过同时反演上层冰云和下层液本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维查找表的多层云检测方法，其特征在于，该方法在模型训练部分构建并制作三维查找表，在模型调用部分根据制作好的三维查找表查找置信度参数构建置信度，通过最终置信度判定是多层云的可能性；该方法包含如下步骤：(S100)模型训练部分包括数据特征制作阶段、特征组合阶段、制作三维查找表阶段和确定最优分割阈值阶段，具体如下：(S110)所述数据特征制作阶段将训练数据集中的中波红外和长波红外的通道作为数据特征，或将训练数据集中的中波红外和长波红外的通道、中波红外的通道差和长波红外的通道差作为数据特征；(S120)所述特征组合阶段包含：将特征制作阶段得到的数据特征使用排列组合得到数据特征组合，在数据特征的总数中任选3个特征作为每个数据特征组合中的三个维度，其具体如下：式(1)中，N1为数据特征总数，K为数据特征组合的总数；(S130)所述制作三维查找表阶段包含如下步骤：(S131)构建三维查找表将特征组合阶段中得到的K个数据特征组合分别构建三维查找表，每个数据特征组合中的三个维度分别作为对应的三维查找表中的三个维度，其具体如下：对于第k∈[1，K]个三维查找表，其含有的3个维度中的第j∈[1，3]个维度，根据第j个维度的观测值的分布范围，使用节点对第j个维度的观测值的分布范围进行划分，得到在第j个维度的分辨率，其分辨率与观测值分布范围的关系如下：式(2)中，r
j
为第j个维度的分辨率，S
j
为第j个维度的观测值的分布范围，n
j
为第j个维度的节点个数；在确定了第j个维度上的分辨率之后，对于任意数据特征组合可使用对应的三维查找表中第j个维度上的分辨率和节点个数制作该三维查找表；(S132)计算三维查找表的参数设训练数据集中共有N
a
个观测点P
o
，其表示为：P＝{P
o
}，o∈[0，N
a
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式(3)中，o为第o个样本点，P是所有观测点P
o
的集合；设任意第k个三维查找表中的任意节点P
t
的坐标为(x，y，z)，其中x为第一个维度，y为第二个维度，z为第三个维度，设训练数据集中的任意观测点P
o
的坐标为(a1，b1，c1)，其中a1为在第一个维度的观测值，b1为在第二个维度的观测值，c1为在第三个维度的观测值，判定观测点P
o
是否属于节点P
t
，需同时满足三个条件，该三条件具体如下：，需同时满足三个条件，该三条件具体如下：，需同时满足三个条件，该三条件具体如下：
式(4)、(5)和(6)中，r1为第k三维查找表中第1维度的分辨率；r2为第k个三维查找表中第2维度的分辨率；r3为第k个三维查找表中第3维度的分辨率；若训练数据集中的观测点P
o
同时满足如上公式(4)、(5)和(6)，则该观测点P
o
是属于三维查找表中的节点P
t
；设训练数据集中共有N
t
个观测点P
o
是属于节点P
t
，在N
t
个观测点P
o
中共有N
t1
个观测点P
o
是属于多层云的；若N
t
等于0，则该节点P
t
是在训练数据集中没有对应的观测点P
o
，设置η
t
为空值；若N
t
不等于0，则依据N
t
与N
t1
计算η
t
：式(7)中，η
t
为第k个查找表中节点P
t
的置信度参数；通过上述公式(7)逐步计算，得到任意第k个三维查找表中所有节点P
t
的置信度参数；(S140)所述确定最优分割阈值阶段包含如下步骤：(S141)设定阈值，根据设定的阈值判断第k个三维查找表中的每个节点P
t
是否属于多层云；在第k个三维查找表中取一个阈值T
k
，该阈值和制作三维查找表阶段中得到的任意第k个三维查找表中的每个节点P
t
的η
t
的关系如下：T
k
≤η
t
≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)0≤η
t
＜T
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式(8)和(9)中，T
k
为阈值，T
k
∈[0，1]，η
t
∈[0，1]；若η
t
满足公式(8)，则节点P
t
分类为属于多层云的部分；若η
t
满足公式(9)，则节点P
t
分类为不属于多层云的部分；(S142)通过阈值的评价指标确定最优分割阈值阈值的评价指标为真阳率和真阴率的差值的绝对值，具体如下所示：式(10)中，T
k
为阈值，T
k
...

【专利技术属性】
技术研发人员：王凯洋，刘小芳，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：