氣象衛(wèi)星云圖云檢測及分類的研究

摘要 衛(wèi)星云圖云探測對各類遙感資料的處理與運用十分重要，然而，一些特殊類型的特征、特性較為復雜，而且各個頻帶上的特征之間存在較大的關聯(lián)度，使得該方法在屬性上的研究更加困難。該系統(tǒng)所能實現(xiàn)的云圖具有時空連續(xù)性，是以往觀測方法無法比擬的。氣象衛(wèi)星以其全天候、大面積、短周期、強實時性等優(yōu)勢，在氣象預測方面占有舉足輕重的地位，補齊了海洋、高原、沙漠等人口較少的區(qū)域傳統(tǒng)氣象探測數(shù)據(jù)的缺陷。

關鍵詞 氣象衛(wèi)星；衛(wèi)星云圖云檢測；氣象預測

中圖分類號：P412.15 文獻標識碼：B 文章編號：2095–3305（2023）03–0101-03

隨著科技的發(fā)展和進步，人們已經(jīng)逐步了解天氣的基本規(guī)律，能夠進一步預測天氣的發(fā)展，并利用天氣預報的實際狀況檢驗預報的正確性。

當前，我國對基礎云、能見度、天氣現(xiàn)象的自動化等方面進行了深入的研究，是促進地面氣象監(jiān)測自動化的關鍵。

目前，能見度自動監(jiān)測技術已經(jīng)很完善，在國內各種類型的氣象站中得到了廣泛應用，全省各地的監(jiān)測點都配備了自動檢測儀，并將其應用于實際工作；由于氣象自動觀測機的研制和改進，氣象現(xiàn)象的自動觀測法也逐步投入實際應用[1]。為了加速實現(xiàn)自動觀測，中國氣象局減少了氣象現(xiàn)象的觀測項，加上了綜合判別功能，許多類型的氣象現(xiàn)象都能被自動辨識；云的自動監(jiān)測已成為“攻堅克難”的最終障礙，通過使用氣象衛(wèi)星或資源衛(wèi)星數(shù)據(jù)進行反演，獲取云和氣象現(xiàn)象所能提供的氣象信息，替代傳統(tǒng)的手工觀云效果，逐步形成新的發(fā)展方向[2]。

1 研究意義

目前，衛(wèi)星云數(shù)據(jù)的使用量穩(wěn)步上升，已經(jīng)逐步發(fā)展為除陸地氣象資料和探空資料外的主要氣象觀測資料。尤其是在荒漠、高原、大海等區(qū)域，采用傳統(tǒng)的方法觀察已不現(xiàn)實，因此，要獲得氣象數(shù)據(jù)，主要依靠衛(wèi)星的遙感數(shù)據(jù)。利用氣象衛(wèi)星影像作為綜合氣象服務的保障功能，可為長、中、短、量預測、氣候及氣象等方面的應用奠定基礎；在森林防火、水災等方面也起到了很大的促進作用。在我國不斷發(fā)展的氣象觀測系統(tǒng)中，對云圖數(shù)據(jù)進行云圖的分類和識別是近幾年來國內研究的一個重要課題。

2 文獻綜述

早期，閾值法區(qū)劃分云、裸地、植被、水體、海洋等不同類型的降落面，之后，利用頻譜特性空間的定義建立了具有各類型特征的多面體，并引入了監(jiān)視分類法（盒分類法），大大改善了云的探測與分類法。一些學者利用地區(qū)單元特性識別和擬合各類云團的分布。在利用云圖的灰色圖像時，可以通過抽取云的紋理特性進行分類。此外，近10余年來，應用ANN和小波分析技術對衛(wèi)星云圖進行了云分類學的研究[3-8]。

以往針對云圖的研究大多是建立在云圖的頻譜特性上的，即通過各種類型云圖頻譜信息的差異，由氣象學家通過相關的影像處理方法對這些數(shù)據(jù)進行手工抽取，再通過數(shù)據(jù)統(tǒng)計和分析，最終實現(xiàn)對云圖的解析。由此可知，云圖的分析因云圖的經(jīng)緯變化，導致了數(shù)據(jù)的不穩(wěn)定。

當前，最高效的云圖分析方式是利用云進行探測和估算。目前，國內外主要采用2種算法：一種是用云像素點與總像素點數(shù)之比求取，另一種是由像素點數(shù)與反射率之比求取。第一種以有云像素點數(shù)與總像素數(shù)之比求取云數(shù)的方法，其運算復雜程度較低，運算速度較快；第二種算法在亞像元量上有很好的應用前景，但在多云和地表面積較大的情況下，性能并不理想?？傊徽摬捎煤畏N方式，云探測的最后成果都將直接影響云圖的處理能力。近年來，由于遙感技術突飛猛進，衛(wèi)星云圖像的實時性和品質都有很大的提高，從而大大提高了云圖的探測效率。目前，在衛(wèi)星云圖分類中，應用模式識別技術可以分為3種：無監(jiān)督分類、有監(jiān)督分類和神經(jīng)網(wǎng)絡。

在非監(jiān)管的分類中，閾值法、直方圖法和聚類法都十分常用。采用門限法進行衛(wèi)星云圖的探測具有操作簡單、易于實現(xiàn)等特點，但受衛(wèi)星視角、氣候變化及人為因素等的影響，探測效果不穩(wěn)定，難以適應實際的要求。應用一種基于柱狀的直方圖分析技術，基于直方圖的直方圖統(tǒng)計，選取適當?shù)拈T限，以實現(xiàn)對各種云圖的探測。采用聚類方法探測云圖，以有顯著特點的樣品為中心，然后根據(jù)特定的聚類原理將各類別的樣品集中至中心位置，以達到探測的目的。

最大似然法、支持向量機和決策樹是目前常用的有監(jiān)管的衛(wèi)星云圖分類技術。最大似然法是以概率分配為基礎的，其優(yōu)點是改進了無監(jiān)督算法，但在一些中低層云中卻沒有明顯的應用。支持向量機能夠處理少量的資料，而難以處理大量的資料和多類別的資料。雖然決策樹具有快速、高精度等優(yōu)點，但它不能很好地處理不均衡的數(shù)據(jù)，而且存在局部過度使用擬合法的問題。

目前，以神經(jīng)網(wǎng)絡為基礎的衛(wèi)星云圖像檢測技術包括BP神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡。BP神經(jīng)網(wǎng)絡具有多層前饋神經(jīng)網(wǎng)絡的特征，其特征為正向傳輸，而其錯誤則為逆向傳輸。然而，BP神經(jīng)網(wǎng)絡具有參數(shù)量大、收斂慢、泛化能力弱等缺點。卷積神經(jīng)網(wǎng)絡是一類具有良好云圖處理性能的多層神經(jīng)網(wǎng)絡，它通常包括卷積層、池化層和全連接層。基于貝葉斯策略的前向神經(jīng)網(wǎng)絡，以輸入層、隱含層和輸出層為基礎，利用貝葉斯估計判別標準對樣本進行分析和分類。比較了集中式聯(lián)結卷積神經(jīng)網(wǎng)絡的注意力機理，并與其他典型的神經(jīng)網(wǎng)絡進行了比較。

3 相關概念界定

3.1 衛(wèi)星云圖

氣象衛(wèi)星云圖是指使用氣象設備采集到的云團在大氣層中的分布情況，從而找到氣象資料，并對其進行檢驗。該系統(tǒng)能在一幅圖像上顯示多種氣象特征，并能反映出多種氣象特征，助力氣象分析和預測工作。衛(wèi)星云圖可以劃分為紅外衛(wèi)星云圖、可見光衛(wèi)星云圖、按需要加工，并綜合的云圖。

3.2 云檢測

云檢測是遙感數(shù)據(jù)量化應用中最基本的工作，其首要工作是識別有云圖像和像元素。依據(jù)云圖中云與各下墊面和有關地質資料的頻譜特征，采用可見光和紅外通道對云進行判別和分析，進而得到云圖中云的特征，并將其歸類。

4 云檢測基本原理和方法

4.1 云計算基礎研究

地球上的輻射主要表現(xiàn)為輻射的吸收與反射，而人造衛(wèi)星就是利用這種輻射，從地球表面和大氣層中獲取信息。例如，在紅外線的天窗范圍內，人造衛(wèi)星可以獲得下墊面、云層的反射以及自身發(fā)出的輻射，通過這些輻射值，可以得到下墊面的反射率、云層表面的溫度場。通過檢測大氣層中的水蒸氣，可以測得大氣層的最高氣溫并確定其組成。

云探測的理論基礎是基于不同類型云的紅外、可見光的不同，在不同的云與植被、土壤、海洋、河流、水域等不同的下墊面上，不同的反射系數(shù)和亮度溫度不同，在可見光和紅外波段的圖像中，其圖像的灰度在不同的區(qū)域呈現(xiàn)出不同的形態(tài)。根據(jù)這種差別，設置相應的算法，從而實現(xiàn)對云的自動檢測，并在此基礎上，將其與物理構造結合起來進行分類和識別。

云圖的探測與辨識是氣象業(yè)務應用、云圖數(shù)據(jù)同化、云觀測自動分析等方面的一個關鍵環(huán)節(jié)。氣象衛(wèi)星云圖數(shù)據(jù)能夠迅速地為廣大空間和時間尺度上的云層提供信息。經(jīng)過加工后的云圖呈現(xiàn)出云的形態(tài)和種類，包含了大量的氣象資料，能較好地反映出地球上的熱量與能量。在利用氣象衛(wèi)星云圖進行氣象預測時，首先要考慮的是如何確定云層形態(tài)、如何進行識別。根據(jù)天氣影像中的云系所具備的各種特性假定，對其進行判定與檢測。在云圖中，由于地面下墊面的特性受到大氣、光、日、月的相對方位等因素的制約，使得在某些情況下，地面與云層之間有著難以分辨的關系。此外，云的各個方面都包含了不同的云，在相同的云體系中，在各個發(fā)展的階段都存在差異。因此，使用云圖進行云層的檢測和分類是一項具有挑戰(zhàn)性的任務。

4.2 基于分類和標識的云計算類型

在氣象學中，云系的界定和分類是由地表往上進行的，通過人為觀察和辨識。而在使用衛(wèi)星云圖進行云層的檢測和分類時，衛(wèi)星觀測的視角是從云層頂部觀察和判識的。因而，在對云層進行觀察和辨識時，其判別方法常常不盡相同。此處利用衛(wèi)星的遙感方法，綜合各種天氣現(xiàn)象的物理特性，對云進行檢測與辨識。

由于云的地面觀察方法和衛(wèi)星遙感方法的差別很大，因此，它們對云系的分類和判別存在很大的差別，并有各自的優(yōu)點和不足。應用衛(wèi)星探測和云層分級，在探測大面積地區(qū)是否云層覆蓋的情況下，通常要優(yōu)于手工觀察，但受觀察方法的限制，在對云層進行分類時，通常不能獲取云層的中低層數(shù)據(jù)，而且對云層的劃分沒有手工觀察細致。

（1）積雨云。積雨云具有很強的縱向發(fā)展能力，密度很大，高度也很高，通常情況下，它的海拔會隨著對流強度的變化而變化，但它的云高通常在8 km左右，而且由于海拔的差異，氣溫也會有很大的差別，但整體的氣溫比其他地方冷。在高緯度的時候，積雨云通常是圓的，在大風的時候，它的鐵砧或馬鬃形狀更突出，透光和散射力更好，通常是一種纖維狀的構造。積雨云由于強對流導致底部不規(guī)則，陰暗混亂。在各信道的衛(wèi)星云圖上，積雨云的云頂亮度是最小的，其亮度均為白色。而且其分布的區(qū)域較大，紋理一致。在對云進行監(jiān)測與分類時，通常將其作為一個獨立的類別進行劃分。

（2）低云。低云由積云、層積云、層云、雨層云等組成。積云是一種由對流引起的云，它的邊緣清晰，有強烈的對流發(fā)展，由于其下端平坦，形成了一個圓弧。低云形狀是單一的，在人造板云中，它的表面是不規(guī)則的，有許多明亮的白色的斑點和褶皺，在可見光槽云上呈現(xiàn)出白氣。由于云頂上的對流強度有所差別，使其在豎向上也存在差異，因此，云頂?shù)墓鉄釟鉁匾灿泻艽蟮牟顒e?？梢?，在紅外線波段的云層中，其顏色的變幅大于積雨云，并且有從灰到白的可能性。

其他的低空云團通常在可見和水氣路徑的云圖中呈現(xiàn)白色，但由于下墊面的差異，顏色也會有所差別。比如，層積云是陸地的灰黑色，海洋是白色的。而雨層云則是一種密度較大、分布較均勻的云團，其厚度在可視光譜線上表現(xiàn)為白色，在紅外線波段也是白色，而在云層厚度較大的區(qū)域，則顏色會變得更白。層云在可見光云圖像中通常是云區(qū)，色調以白色和灰色為主，當厚度＞300 m時，就會變成白色。層云邊界清晰整齊，基本呈條形或直線型，在紅外云圖像中，由于云下的底部和厚度較輕，所以它顏色較深，與地表基本相同。積云、濃積云：在可視光圖像中，積云的顏色是明亮的，但積云和濃積云的垂直高度存在很大的差異，其顏色從灰色到白色，質地不規(guī)則，邊緣不規(guī)則。

（3）中云。中云包含高層云和高積云，它的主要成分是微小的水滴、過冷的水滴、冰晶、雪晶等。云區(qū)的厚度和天氣狀況各不相同，形成了一大塊的形態(tài)，形態(tài)各異，有的呈螺旋狀，有的呈帶狀，有的呈線狀。中云在可見光云圖像上的顏色較深，常常會在亮區(qū)和暗影區(qū)發(fā)生明暗的變化。在紅外線圖像上，中云呈現(xiàn)中度的灰蒙蒙，而厚度稍大的云團為淡灰色，而在云團下面伴隨著低云時，在可見光的波段上呈種白或灰的顏色。

（4）高云。高云通常由冰晶組成，絲狀，通常為絲狀或馬尾狀，但由于其海拔超過6 000 m，其云層的反射性較差，因此云層溫度較低。卷云一般為灰—暗灰色，在可見光影像中，如果卷云為白色，說明卷云的厚度更大，或者與其他的云系有交疊。卷云是一種典型的紅色，它的云層是一種特殊的顏色，當它出現(xiàn)時，顏色就會發(fā)生很大的改變。因而在中、低云區(qū)中，卷云易被區(qū)分。

5 衛(wèi)星云圖云檢測的方法

5.1 閾值法

閾值法要依據(jù)相關的實際情況，將氣象衛(wèi)星云圖中的云系劃分為若干個不同的區(qū)域，并將其劃分為不同的類型。在氣象衛(wèi)星云圖中，由于各信道具有不同的檢測頻帶，因此，在采集和分離的過程中，采用的門限也是不同的。當在探測給定的紅外線信道中的波長時，當檢測到對象的紅外線時，其熱量只與被測量對象的體溫相關。通過對氣象衛(wèi)星測量到的太陽輻射值進行反演，得到了云層內云層的光譜值。隨著云層的升高，氣溫降低，降低了對衛(wèi)星的輻射，從而使紅外線云層的亮度變得更大。通過設置特定的光照體驗門限，可以將云大致區(qū)劃分成高云、中云和低云。

此外，光通道上觀測的云層的輻照與反射性有關，而其反射性則與可見光信道中的可視光的亮度值呈比例關系。隨著反射比的增大，云的可見光強度和密度增加?？梢?，光槽云是鑒別這些物質的重要基礎。

5.2 多光譜閾值法

應用紅外信道云圖影像可以通過云頂照度計的數(shù)值辨別高低不一的云團，而在可視光路影像中則能分辨出不同的云層，二者都有其各自的優(yōu)點和不足。如果將2種信道的紅外和可見光的頻譜特征相關聯(lián)，則云的分類識別能取得較好的結果。

由于不同類型的云系其光譜性質存在差異，相應的像素在二維譜的特征量中具有明顯的集中，并且具有一定的形態(tài)。在檢驗了海量的樣品后，經(jīng)過統(tǒng)計學處理后，得出了識別各個簇的最優(yōu)經(jīng)驗閾值，即可以用一個長方形的方框將整個簇包圍，將含有256個單位的頻譜特性被劃分為少量的維。每個地區(qū)代表著某些云系或某些下墊層的地貌

特點。

5.3 數(shù)學形態(tài)學聚類方法

數(shù)學形態(tài)學聚類法是以膨脹、腐蝕、開、閉運算、撞擊、薄化或厚度為基礎的數(shù)學運算，應用此算法進行云分類時，必須先對衛(wèi)星云圖進行預處理，然后再進行簡單的分為割。

5.4 動態(tài)分類

選取幾個樣本點為聚類中心，然后將待分類的樣本點集中至聚類中心。第一次進行分類，然后根據(jù)數(shù)據(jù)分析得出的結論判斷第一次的數(shù)據(jù)是否正確，如果是錯誤的，則修正第一次的數(shù)據(jù)，反復計算，直到得出一個合適的結論。

6 結束語

隨著我國氣象技術的飛速發(fā)展和進步，氣象工作對科學技術的要求越來越高，計算機技術的應用也越來越廣泛。隨著計算機技術的不斷發(fā)展，氣象衛(wèi)星、極軌衛(wèi)星、計算機網(wǎng)絡系統(tǒng)等技術的不斷發(fā)展，氣象觀測系統(tǒng)的觀測結果將更加綜合、客觀，氣象數(shù)據(jù)更加精確。

當前，氣象部門已經(jīng)應用計算機技術對氣象衛(wèi)星進行了云圖的加工，而隨著衛(wèi)星云圖的應用，在氣象衛(wèi)星上的應用將更為突出。

參考文獻

[1] 陶曄，杜景林.基于隨機森林的長短期記憶網(wǎng)絡氣溫預測[J].計算機工程與設計，2019，40（3）：737-743.

[2] 王紅，史金釧，張志偉.基于注意力機制的LSTM的語義關系抽取[J].計算機應用研究，2018，35（5）：1417-1420，1440.

[3] 張營營.生成對抗網(wǎng)絡模型綜述[J].電子設計工程，2018，26（5）：34-37，43.

[4] 陳元昭，林良勛，王蕊，等.基于生成對抗網(wǎng)絡GAN的人工智能臨近預報方法研究[J].大氣科學學報，2019，42（2）：311-320.

[5] Zhang Y L， Tian Y P， Kong Y， et al. Residual dense network for image super-resolution[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018：2472-2481.

[6] Haris M， Shakhnarovich G， Ukita N. Deep back-projection networks for super-resolution[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018：1664-1673.

[7] 張敬林，張國宇，楊全，等.飛機尾跡云識別及其輻射強迫的研究進展[J].大氣科學學報，2018，41（5）：577-584.

[8] 石艷軍，單海濱，張月維，等.新一代靜止氣象衛(wèi)星林火監(jiān)測研究[J].森林防火，2017（4）：32-35.

責任編輯：黃艷飛

Study on Cloud Detection and Classification of Meteorological Satellite Cloud Image

Lyu Liang et al（Tongyu County Meteorological Bureau， Tongyu， Jilin 137200）

Abstract Cloud detection of satellite cloud image was very important for the processing and application of various remote sensing data. However， the complexity of some special types of features was large， and there was a large degree of correlation between features in each frequency band， which makes the research on attributes of this method more difficult. The cloud images that can be realized by this system have space-time continuity， which can not be compared with previous observation methods. With its advantages of all-weather， large area， short period and strong real-time， meteorological satellites play a decisive role in meteorological prediction， filling the defects of traditional meteorological observation data in regions with small populations such as oceans， plateaus and deserts.

Key words Meteorological satellite; Satellite cloud image cloud detection; Meteorological forecast

作者簡介 呂亮（1990—），男，吉林通榆人，工程師，主要從事綜合氣象觀測工作。

收稿日期 2023-01-08