基于机器学习的台风强度预估模型卫星云图特征提取与强度误差相关参数及设计要求.docVIP

基于机器学习的台风强度预估模型卫星云图特征提取与强度误差相关参数及设计要求

一、台风强度预估模型中卫星云图特征提取的核心维度

（一）云系形态特征

卫星云图中台风云系的形态是判断其强度的直观依据，在机器学习模型中，这类特征的提取需实现量化表达。云系整体结构方面，需关注台风眼的清晰度与规则性，清晰、圆形的台风眼通常对应成熟且强度较高的台风，如2023年超强台风“杜苏芮”，其卫星云图中台风眼轮廓规整，周围云墙厚实，中心气压一度降至925百帕以下。机器学习模型可通过边缘检测算法，提取台风眼的轮廓特征，计算其圆形度、面积大小等参数，作为强度预估的输入变量。

螺旋云带特征也是关键指标，螺旋云带的数量、宽度、缠绕紧密程度与台风强度正相关。强台风的螺旋云带通常数量多、宽度大，且从外围向中心紧密缠绕，而弱台风的螺旋云带则较为松散、稀疏。模型可通过图像分割技术，将螺旋云带从背景云系中分离，计算云带的长度、曲率、与台风中心的夹角等特征值，以此反映台风的发展阶段与强度水平。此外，云系的覆盖范围，即台风云系的经纬度跨度，也是重要参数，范围越大往往意味着台风的影响范围广、水汽输送充足，强度也相对较高。

（二）云顶物理特征

卫星云图的云顶物理特征包含丰富的台风强度信息，是机器学习模型精准预估的重要数据来源。云顶亮温（TBB）是应用最广泛的参数之一，云顶亮温越低，表明云顶高度越高，对流活动越旺盛，台风强度通常越强