改进U-Net的风云四号卫星降水估计算法研究

TP391; 针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一 种改进U-Net的降水量估计算法.将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况.在此结构基础上引入了空间金字塔模块进行多尺度特征提取,保留更多的图像特征,加强对细小降水云团信息的特征提取能力;引入了注意力机制模块,提取重要降水特征信息.实验结果表明,该算法在命中率、虚警率、相关系数分别为0.84、0.48、0.59;均方根误差、平均绝对误差分别为1.354 mm/h、0.432 mm/h.与PERSIANN-CNN、U-Net算法相比...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 11; pp. 285 - 293
Main Authors 黄杰, 张永宏, 马光义, 朱灵龙, 田伟
Format Journal Article
LanguageChinese
Published 南京信息工程大学电子与信息工程学院,南京 210044%南京信息工程大学计算机与软件学院,南京 210044 01.06.2023
南京信息工程大学自动化学院,南京 210044%南京信息工程大学自动化学院,南京 210044
南京信息工程大学气象灾害预报预警与评估协同创新中心,南京 210044%南京信息工程大学电子与信息工程学院,南京 210044%南京信息工程大学气象灾害预报预警与评估协同创新中心,南京 210044
Subjects
风云四号卫星
卷积神经网络
语义分割
降水量估计
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2202-0255

Cover

More Information
Summary:TP391; 针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一 种改进U-Net的降水量估计算法.将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况.在此结构基础上引入了空间金字塔模块进行多尺度特征提取,保留更多的图像特征,加强对细小降水云团信息的特征提取能力;引入了注意力机制模块,提取重要降水特征信息.实验结果表明,该算法在命中率、虚警率、相关系数分别为0.84、0.48、0.59;均方根误差、平均绝对误差分别为1.354 mm/h、0.432 mm/h.与PERSIANN-CNN、U-Net算法相比,有效地提升了降水量估计精度.与其他降水产品对比,能更好地识别出降水区.该算法可以实现近实时的降水估计,能够有效地提升降水估计精度,对低时间分辨率的降水估计研究具有一 定的价值.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2202-0255