基于深度学习的热带气旋检测和跟踪方法研究
这是一篇关于热带气旋,TC检测,TC云系跟踪,小波变换,深度学习的论文, 主要内容为热带气旋(tropical cyclone,TC)是一种极具破坏力的气象灾害。本文采用深度学习技术设计热带气旋检测和跟踪方法。通过TC检测,可以有效地为TC的客观中心定位和定强提供包含TC的感兴趣区域,大大减少了人工选取TC目标的工作量。此外TC云系的自动跟踪也为TC监测预警和预报提供技术支撑。本文主要包括以下三方面的工作:(1)改进的Faster-RCNN算法结合红外卫星图像的热带气旋检测方法:自动从卫星图像中检测TC所在的区域,能够为智能TC定位定强提供感兴趣区域,提高智能灾害天气预报的效率和精度。目前关于自动从卫星图像中检测TC的研究较少。本文对深度学习中的两阶段Faster-RCNN目标检测模型进行改进,并将其应用于TC检测领域。本文设计的TC检测模型在原始Faster-RCNN的网络框架的基础上,将特征提取网络由原来的VGG16网络改为Res Net50网络。在该模型中设计了一个新的特征融合模块,能够将多个特征层融合在一起,并采用改进的通道注意力机制进一步提高模型提取TC关键特征的能力。在基于我国风云静止卫星资料自行构建的TC检测数据集上进行实验。结果表明,相比原始Faster-RCNN,本文设计的模型在TC检测精度上有了一定的提高,取得了良好的检测效果。(2)基于WEY-TCNet模型结合红外卫星图像的TC检测方法:WEY-TCNet采用单阶段的目标检测模型YOLOX-S网络作为主体模型框架,结合离散小波变换和注意力机制改进YOLOX-S模型的性能。通过使用红外卫星图像,该模型可以自动识别出全圆盘云图中的已经形成TC的强对流云团,并且能够准确地定位它们的位置,从而实现对TC的自动检测。为了提高TC检测的精度,首先利用离散小波变换对红外卫星图像进行小波变换,提取包含TC雨带结构和内核区域的水平高频分量,并将其与原始红外卫星图像进行融合,增强TC的结构和亮温梯度特征。然后将融合图像作为所设计的WEY-TCNet的输入。此外,在原始YOLOX-S的网络结构中,加入了ECANet通道注意力机制以重点关注TC的关键的结构和亮温等特征,同时抑制一些无效特征和噪声干扰。实验表明,本文提出的WEY-TCNet模型在TC测试数据集上检测m AP达到了91.49%,与原始YOLOX-S模型86.69%的检测m AP相比较,有了较大的提升。(3)基于Siam TCNet模型结合红外卫星图像的TC跟踪方法:目前,关于自动跟踪TC云系算法的研究很少,准确的TC云系跟踪能够为智能TC路径和强度预报提供提供技术支撑。本文基于深度学习结合红外卫星图像提出一种有效的TC云系跟踪方法。首先,本文基于中国风云2 D号地球静止卫星的红外图像构建TC跟踪数据集,该数据集涵盖从2009年至2012年的六个不同强度等级的TC,包含TC从生成到消亡的完整个例。然后本文基于深度学习的视觉跟踪算法Siam RPN作为设计TC云系跟踪的模型框架,结合Bi-GRU和TC云系时空演变特征改进Siam RPN网络的性能设计一种称为Siam TCNet的目标跟踪模型,实现对TC云系的自动跟踪。考虑到TC的形态和尺度等会随时间而变化,是一种典型的非刚体目标,其具有明显的时序特征,因此本文结合TC视频序列的第一帧和当前帧前面3帧的卫星图像作为所设计的Siam TCNet模型的输入。该模型不仅能够提取TC的空间结构演变特征,还能够提取其双向时序变化信息。实验结果表明,与原始Siam RPN模型相比,本文设计的模型在TC云系跟踪性能方面有较为显著的提升。
西北太平洋热带气旋检索分析WebGIS开发研究
这是一篇关于热带气旋,WebGIS,表述性状态转移,Flex技术,气象数据的论文, 主要内容为我国是受热带气旋灾害影响最为严重的国家之一,国内外气象部门对热带气旋的活动规律做了大量的研究工作,热带气旋的分析预报对我国防灾减灾工作具有指导作用。 随着WebGIS技术的不断发展和公众服务意识的增强,研究人员对热带气旋数据的研究和使用方法提出了更多的要求,公众对热带气旋等灾害性天气信息的共享发布也有了更高的要求,因此建立热带气旋检索WebGIS系统对热带气旋的研究和服务具有重要意义。 Flex是一个高效的开源跨平台开发框架,它不仅有C/S系统强大的功能,而且具有B/S系统的易访问等特性,是目前流行的富客户端技术之一。REST是一种新的互联网软件架构风格,它将Web服务都抽象成资源,所以采用REST风格架构的WebGIS会降低系统前后台的耦合度,提高系统的可扩展性。 本文从理论研究和实际应用出发,根据热带气旋空间数据的海量性、分布性、存档性和强时序性等特点,基于GIS空间数据管理和分析技术,采用REST架构和Flex富客户端技术,开发了“西北太平洋热带气旋检索WebGIS系统”,系统提供多源数据检索与分析功能,提高了热带气旋预防减灾的能力。 论文的主要工作和成果包括以下几个方面: 一、分析了GIS技术在热带气旋的应用现状,提出了客户端表现层采用Flex技术,服务器端软件采用REST风格架构来开发热带气旋WebGIS系统,系统不仅具有专业桌面系统强大的业务分析功能,而且具有Web系统的易用性等特点,可以满足不同用户的功能需求。 二、研究了海量气象观测数据的存储特点和更新规律,利用ArcEngine二次开发组件,开发了将气象数据转换成GIS数据的程序,确保系统数据的完整性和时效性。使用ASP.NET技术开发了气象数据的切片REST服务,客户端可以实时快速加载各类气象观测数据,达到数据快速共享的目的。 三、开发了热带气旋检索WebGIS系统,系统集成了查询分析、数据叠加显示和GIS地图制作等功能,为业务人员和公众提供数据与地图服务。
基于浮式码头的远海应急调度中心选址及避台路径规划研究
这是一篇关于远海油气勘探作业,热带气旋,应急调度中心选址,避台航线规划,应急决策系统的开发的论文, 主要内容为随着我国经济的高速发展,能源需求不断增长,陆上石油已无法满足城市工业能源供给,因此油气勘探开发重心开始转向深远海。南海地区气象条件复杂,其中以热带气旋为主的海洋灾害时刻威胁着我国南海油气勘探作业的安全高效进行,因此针对热带气旋路径特点选择合适的作业时间窗口,是保障我国南海油气勘探开采,减少热带气旋相关事故损失的关键。由于远海勘探作业区远离大陆,救援工作难以及时开展,因此结合远海勘探区域环境因素对应急调度中心进行选址,并对远海探区进行避台航线规划具有现实意义。本文研究内容如下:(1)针对远海勘探区域热带气旋的数据统计方面,研究了中国海域的历史热带气旋的频数、强度、生命周期及远海勘探区域近70年来的路径分布情况。结果表明,秋季热带气旋发生概率最高,夏季和冬季发生频率相对秋季较低,春季热带气旋发生概率最低,得出最佳作业窗口时间是春季。(2)针对浮式码头选址需考虑外界环境的问题,建立了基于浮式码头的防热带气旋应急响应模型以及应急调度中心选址模型,研究了基于层次分析法和免疫算法的浮式码头的选址模型,结合备选点的影响因素,得出了浮式码头数量为三个时各个季节的最优放置点,浮式码头的位置即为应急调度中心。(3)针对远海油气勘探区域在热带气旋影响下的航线不准确、难以确定等问题,建立了基于岛屿真实分布情况的环境模型,基于改进A*算法和动态窗口法规划出浮式码头的避台路径,得出航行距离最短的最优避台航线。(4)搭建了基于浮式码头的远海防台应急决策系统,设计了整体的结构图,分为用户、历史数据、应急选址、避台路径规划等子系统,最后基于应急决策系统平台将研究内容成果进行封装,开发出了方便现场人员管理的决策系统。
西北太平洋热带气旋变性过程中的风雨分布变化特征
这是一篇关于热带气旋,变性,风雨分布的论文, 主要内容为热带气旋(TC)北上过程中,常与中纬度天气系统相互作用而发生变性(ET),其结构和风雨分布也将产生明显变化,故变性热带气旋(ETTC)风雨落区预报具有较大难度。本文首先利用中国气象局上海台风研究所(CMA/STI)整编的热带气旋最佳路径资料对1987-2016年西北太平洋ETTC的时空分布和活动规律进行统计;然后利用美国飓风联合警报中心(JTWC)最佳路径资料、美国国家海洋与大气管理局(NOAA)的全球多平台热带气旋风场资料(MTCSWA)和CMORPH降水资料、日本卫星云顶黑体辐射温度(TBB)资料等对ETTC变性期间的风雨分布变化特征进行分析,并探讨环境风垂直切变(VWS)对ETTC风雨落区的影响;进而基于Cloudsat卫星资料,对比分析ETTC在成熟期和变性期,云系结构以及温湿结构的不同,探讨其对降水变化的影响;最后,利用WRF中尺度模式对1710号台风海棠的变性过程进行模拟,分析海棠变性过程中风雨分布变化特征及其可能原因。统计结果表明:(1)30年间西北太平洋ETTC共228例,约占TC总数的26.2%。绝大多数出现在夏秋季节,峰值在9月。ETTC通常在中纬度区域完成变性;在30°N以南完成变性的通常出现在春夏或秋冬交替时,仅占ETTC总数的10%左右。(2)ETTC路径大多为西北行转向东北或偏北行,且通常在转向后完成变性。(3)变性期间,半数以上ETTC移速加快,大多数强度减弱或维持。合成分析ETTC变性期间的风雨分布和演变特征,并探究VWS对ETTC强风雨分布的作用。结果表明:(1)ET期间,TC最大风速半径增大,近中心最大风速减小,内核结构变松散;TC北侧象限的34节风圈半径明显大于南侧,且差异随时间推移增大,风场结构非对称性增强。(2)TC内核区域的对流活动和降水量在ET期间均明显减弱,而东北象限外围区域的降水量在变性完成前后有一定增幅。(3)ET期间,强风、强降水分布均表现出明显的非对称特征:强风区主要在ETTC中心东侧,即其路径的右侧及后侧;强降水主要出现在TC北侧两象限,且强降水高频区随时间推移向东北象限外围扩张。(4)较强的VWS对ETTC的风雨分布有重要影响。ETTC大多处于强大的西南风VWS中,强降水容易在顺风切及顺风切左侧区域出现;移除TC运动时,强风更易出现在风切左侧区域。对ETTC成熟期和变性期的云层垂直结构、反射率分布和温湿结构等特征进行合成对比分析,结果表明:(1)ETTC成熟期,近内核区域以云底较低,发展深厚的单层云为主;雨带区域多层云占比更高。而在变性期,近内核区域多层云占比有所升高,云系的发展厚度明显减小;雨带及外围区域单层云占比升高,且垂直厚度在10 km以上的单层云比例明显增大。(2)变性期ETTC(东北象限),内核区域中高层反射率、冰粒子有效半径和数浓度较成熟期均明显减小;而外围区域5至7 km高度上上述物理量则明显增大。(3)变性期ETTC暖心和湿心的范围和强度均减弱。内核区域温度和比湿都出现更为明显的负距平,表明内核区域存在干冷空气的侵入。(4)成熟期ETTC各区域内均表现为5km以下气层对流性不稳定,5 km以上对流性稳定;变性期ETTC各象限内核区域气层稳定性均有所增强,北侧象限低层大气层结总体较南侧稳定。1710号ETTC海棠模拟结果表明:(1)海棠变性发生在副高西南侧,其变性过程并非发生在台风与西风槽相互作用下的典型形势下。(2)海棠变性过程中,低层风速有所减小,强中心外移。其10 m高风速大值区由东南象限转至东北象限。这与海棠和副高的相互作用有关:此期间两者之间的气压梯度大值区从海棠东南侧转移至东北侧,导致大风区的改变。(3)海棠变性过程中,东南侧雨带维持;北侧在变性后出现明显雨带。TC南侧雨带的维持与其处于指向东南的VWS有一定关系,而北侧雨带主要与中低层的弱锋生相关。(4)海棠北侧强降水主要发生在变性后6 h。雨带位于低层大气对流性不稳定层结中,水汽通量辐合较强的区域,且锋生强迫明显。其中垂直运动项相比水平运动项对锋生有更大的正贡献。
基于深度学习的热带气旋检测和跟踪方法研究
这是一篇关于热带气旋,TC检测,TC云系跟踪,小波变换,深度学习的论文, 主要内容为热带气旋(tropical cyclone,TC)是一种极具破坏力的气象灾害。本文采用深度学习技术设计热带气旋检测和跟踪方法。通过TC检测,可以有效地为TC的客观中心定位和定强提供包含TC的感兴趣区域,大大减少了人工选取TC目标的工作量。此外TC云系的自动跟踪也为TC监测预警和预报提供技术支撑。本文主要包括以下三方面的工作:(1)改进的Faster-RCNN算法结合红外卫星图像的热带气旋检测方法:自动从卫星图像中检测TC所在的区域,能够为智能TC定位定强提供感兴趣区域,提高智能灾害天气预报的效率和精度。目前关于自动从卫星图像中检测TC的研究较少。本文对深度学习中的两阶段Faster-RCNN目标检测模型进行改进,并将其应用于TC检测领域。本文设计的TC检测模型在原始Faster-RCNN的网络框架的基础上,将特征提取网络由原来的VGG16网络改为Res Net50网络。在该模型中设计了一个新的特征融合模块,能够将多个特征层融合在一起,并采用改进的通道注意力机制进一步提高模型提取TC关键特征的能力。在基于我国风云静止卫星资料自行构建的TC检测数据集上进行实验。结果表明,相比原始Faster-RCNN,本文设计的模型在TC检测精度上有了一定的提高,取得了良好的检测效果。(2)基于WEY-TCNet模型结合红外卫星图像的TC检测方法:WEY-TCNet采用单阶段的目标检测模型YOLOX-S网络作为主体模型框架,结合离散小波变换和注意力机制改进YOLOX-S模型的性能。通过使用红外卫星图像,该模型可以自动识别出全圆盘云图中的已经形成TC的强对流云团,并且能够准确地定位它们的位置,从而实现对TC的自动检测。为了提高TC检测的精度,首先利用离散小波变换对红外卫星图像进行小波变换,提取包含TC雨带结构和内核区域的水平高频分量,并将其与原始红外卫星图像进行融合,增强TC的结构和亮温梯度特征。然后将融合图像作为所设计的WEY-TCNet的输入。此外,在原始YOLOX-S的网络结构中,加入了ECANet通道注意力机制以重点关注TC的关键的结构和亮温等特征,同时抑制一些无效特征和噪声干扰。实验表明,本文提出的WEY-TCNet模型在TC测试数据集上检测m AP达到了91.49%,与原始YOLOX-S模型86.69%的检测m AP相比较,有了较大的提升。(3)基于Siam TCNet模型结合红外卫星图像的TC跟踪方法:目前,关于自动跟踪TC云系算法的研究很少,准确的TC云系跟踪能够为智能TC路径和强度预报提供提供技术支撑。本文基于深度学习结合红外卫星图像提出一种有效的TC云系跟踪方法。首先,本文基于中国风云2 D号地球静止卫星的红外图像构建TC跟踪数据集,该数据集涵盖从2009年至2012年的六个不同强度等级的TC,包含TC从生成到消亡的完整个例。然后本文基于深度学习的视觉跟踪算法Siam RPN作为设计TC云系跟踪的模型框架,结合Bi-GRU和TC云系时空演变特征改进Siam RPN网络的性能设计一种称为Siam TCNet的目标跟踪模型,实现对TC云系的自动跟踪。考虑到TC的形态和尺度等会随时间而变化,是一种典型的非刚体目标,其具有明显的时序特征,因此本文结合TC视频序列的第一帧和当前帧前面3帧的卫星图像作为所设计的Siam TCNet模型的输入。该模型不仅能够提取TC的空间结构演变特征,还能够提取其双向时序变化信息。实验结果表明,与原始Siam RPN模型相比,本文设计的模型在TC云系跟踪性能方面有较为显著的提升。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码驿站 ,原文地址:https://bishedaima.com/lunwen/52721.html