基于可见光全天空图像云型识别的初步的研究.pdfVIP

* 基于可见光全天空图像云型识别的初步研究 1 2 2 万霞 吕达仁 霍娟 S1 1中国气象局武汉暴雨研究所，武汉，430074 2中国科学院大气物理研究所中层大气和全球环境探测重点实验室，北京，100029 摘 要 云状作为云探测的重要宏观参数之一，具体描述了云的形成和演变过程，反映当时大气动力特性、 大气稳定度以及水汽状况。正确识别云状(云型)有助于分析大气动态，亦为临近天气预报提供重要指示。 目前地面云状的观测依然靠气象观测员目视判断，主观性强，记录相对简单，难以详细描述实际天空的云 场状况。由中国科学院大气物理研究所 LAGEO 实验室自主研发的可见光全天空成像仪可拍摄高时空分辨率 可见光波段全天空图像资料，能记录每天日间全天空云场信息，为解决地面宏观云的自动化观测提供可能。 本文是首次利用图像处理方法对可见光全天空图像进行初步的云型识别研究，所做工作包括(1)用于云型识 别的特征提取工作，以获得云型识别最有效的云特征参数。通过分析与研究，确立了基于傅立叶变换以及 基于灰度共生矩阵等分析手段而生成的 14 个特征参量；(2)设计并建立了适合云型识别的分类器算法。针 对云型图像特征零散、抽象且无明显规律等特点，实验中分别使用了基于投票规则的多级分类器算法和BP 神经网络算法来进行云型的归档或分类。由于云型分布复杂，本文为简单起见将图像分成了高积云、卷状 云、晴空、积状云、层状云五类。文中所用 2500 张可见光全天空图像挑选自 2004～2007 年北京香河、福 建厦门、西藏羊八井、珠穆朗玛峰等地，云型特征各不相同。其中通过对1500张测试样本进行了自动识别 实验，两种算法分别获得为57.2%和89.73%识别率。所做分析与研究工作表明，BP神经网络算法在云型分 类方面效果更好。本文最后还运用该算法对北京观象台(116.3º E ,39.9 º N)获得的图像进行云型识别并 与该站地面观测员的云型记录做了比对，结果表明云型的自动识别算法应用在地面观测业务中存在可能性。 关键词：可见光全天空图像 云型识别 多级分类器 神经网络 中图法分类号 P407.8 1 引 言 云与太阳和陆地间的相互辐射作用，影响局地和全球的水循环和能量平衡。云通过自身 不同的形态、尺度大小以及组成成分影响大气辐射分布以引发不同的天气过程。云状(或云 型)作为典型的云宏观参数之一，对云的外形轮廓、水平尺度、垂直尺度、色泽、排列、高 度等物理特征进行总体描述。正确识别云状有助于分析大气运动状态、稳定状态以及水汽含 量等，进而预测天气变化趋势，成为临近天气预报的重要依据。目前已有多颗气象卫星提供 大尺度范围的云监测信息，国内外基于卫星云图的云型识别已经做出大量研究工作(Baum B A, et al,1997;Bin T, et al,1999;Hulley G C and Hook S J,2008;师春香等，2002)。在常 规业务中，云状的地基观测长期依赖气象观测员目测完成，不可避免地存在漏测、误测的情 况。为逐步改善人工云状识别的不足，云状的自动识别备受关注。 * 资助课题：1 公益性行业（气象）科研专项，项目编号：GYHY200806031 ；2 国家自然科学基金，项目编号。 作者简介：万霞，女，1984.12，硕士，助理工程师，主要从事暴雨监测相关的大气探测研究。E-mail:wanxia2007@126.com 可见光全天空成像仪可提供高时空分辨率可见光全天空图像资料，记录日出至日落间连 续时间内全天空云场中云状变化的信息。基于可见光全天空图像的云型识别也成为地基云状 自动识别的一种新的研究方向。Buch对 WSI(Whole Sky Imager)提供的图像进行了类型识别， 实现了高积云、卷云、层云、积云和晴空等 5 种天空类型的判断，获得 61%的正确率(K.A. Buch,1995)。Paul对可见光图像基本物理信息采用聚类算法，最终判别正确率为65%(Paul M. Tag , et al,200