多源数据融合高时空分辨率晴雨分类.docVIP

多源数据融合高时空分辨率晴雨分类 匡秋明 杨雪冰 张文生 何险峰 惠建忠 中国气象局公共气象服务中心 气象大数据与机器学习联合实验室 中国科学院自动化研究所 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 高时空分辨率晴雨分类与交通、旅游、农业灌溉及人们日常出行都密切相关, 然而“天有不测风云”, “东边日头西边雨”, 准确的高时空分辨率晴雨分类是极具挑战性的问题.提出了一种基于多源数据的多视角学习晴雨分类方法, 其中, 多源数据包括雷达、卫星及地面观测因子及晴雨观测数据.该方法表述如下:首先, 依据雷达观测因子构造了Vis CAPPI视角和Vis PPI视角, 依据葵花卫星资料构造了Vis Sat视角, 依据地面观测因子构造了Vis Ground视角;然后, 对这4个视角特征进行组合获得组合视角Vis CAPPIPPI, Vis RadarSat, Vis RadarGroumd, Vis SatGround, Vis RadarSatGround, 应用随机森林机器学习方法分别对这些视角进行样本学习, 获得这些视角的晴雨分类模型;最后, 对这些视角晴雨分类模型估计进行融合, 获得晴雨分类结果.主要贡献在于: (1) 提出了雷达、卫星和地面观测因子多视角构建方法, 构建了Vis CAPPI, Vis PPI, Vis Sat和Vis Ground晴雨分类视角及其组合视角; (2) 提出了一种多视角方法 (multi-view weight random forest, 简称MVWRF) , 能够处理雷达、卫星和地面观测因子多源数据融合晴雨分类问题, 提高1km×1km和6min时空分辨率晴雨分类准确率.在2016年10月7日和8日, 泉州雷达覆盖的393个气象观测站上进行模型训练和测试, 结果显示, 该方法能够取得较高的晴雨分类准确率和较低的漏报率、空报率, 优于对比方法. 关键词： 多源数据; 随机森林; 多视角; 晴雨分类; 作者简介：匡秋明 (1982-) , 男, 湖南祁东人, 博士, 主要研究领域为气象大数据, 机器学习, 人工智能, 视频图像处理. 作者简介：杨雪冰 (1991-) , 男, 博士生, 主要研究领域为大数据挖掘, 机器学习, 人工智能. 作者简介：张文生 (1965-) , 男, 博士, 研究员, 博士生导师, CCF专业会员, 主要研究领域为大数据挖掘, 计算机视觉, 模式识别, 人工智能, 人机交互.E-mail:zhangwenshengia@ 作者简介：何险峰 (1957-) , 男, 正研级高工, 主要研究领域为气象信息技术, 气象物理量诊断计算. 作者简介：惠建忠 (1969-) , 男, 高级工程师, 主要研究领域为气象信息技术. 收稿日期：2017-01-10 基金：国家自然科学基金 Fusion of Multi-Source Data for Rain/No-Rain Classification with High Spatiotemporal Resolution KUANG Qiu-Ming YANG Xue-Bing ZHANG Wen-Sheng HE Xian-Feng HUI Jian-Zhong Public Meteorological Service Center China Meteorological Administration; Institute of Automation, The Chinese Academy of Sciences; Joint Laboratory of Meteorological Data and Machine Learning; Abstract： High spatiotemporal resolution rainfall estimation is closely related to transportation, tourism, agricultural irrigation and peoples daily travel. However, accurate high-resolution rain/no-rain classification is a very challenging problem. This paper proposes a multi-source data based multi-view learning method for rain/no-rain