地基云图分割方法研究进展

云量的变化和分布对光伏发电功率预测、天文望远镜观测站选址和气象预报等均具有重要影响。地基云观测是云观测的重要方式,是对卫星云观测数据的有效补充,其主要反映天空局部区域云底信息和云层分布、变化及运动情况。地基云图分割是构建地基云图自动观测系统的基础,因此相关研究具有重要意义。得益于深度学习的飞速发展,深度卷积神经网络的通用语义分割模型被不断拓展应用到地基云图分割领域,并取得了良好分割性能。然而由于地基云图内在的特殊性和复杂性,特别是考虑到不同类别云层厚度不同并且边缘难以区分等问题,基于深度学习的地基云图分割方法仍面临着精度及效率等方面的严峻挑战。从阈值、传统机器学习和深度学习三方面出发,对地基云图分割方法进行全面综述;总结了当前地基云图分割常用的数据集;对比了各类地基云图分割方法在GDNCI和WSISEG两种数据集上的性能,并分析了各类方法在两种数据集中的优劣;最后进行了全面总结,并对地基云图分割中待解决的问题与未来的研究方向进行了展望。