ILBP算子在浓雾天气形势图识别中的应用

纹理是天气形势图的突出特征,有效地从天气形势图提取并表示其纹理是实现雾型实时在线预报的基础。基于此,提出一种改进的局部二值模式算法,通过调整局部二值模式(LBP)算子中二进制多项式的权重,实现其提取特定方向上纹理特征的目标。将江苏地区2010年—2017年500张浓雾天气形势图作为数据集,采用Chi统计法匹配测试数据与基准数据的相似度进行天气分类。实验结果表明,该算法的准确率、虚警率及临界成功指数分别为0.884、0.15和0.76,均优于LBP算法,具有较高的识别准确性与可靠性。

天气形势图中云的“移动”释疑

从事初中地理教学几年来，一直有学生问这样的问题：我国的降水主要是受夏季风的影响，雨带的移动是由夏季风的进退所决定的，影响我国的夏季风主要风向为东南—西北向，可中央电视台播出的天气形势图，怎么云的移动方向是西北—东南向？这和我们学过的知识不是矛盾吗？为...

G-CNN模型在浓雾天气形势识别中的应用

天气形势图特征分类是实现浓雾智能在线预报的关键因素之一,为了探索高效、正确的天气形势图分类模型,一种基于方向滤波器的深度卷积神经网络(Gabor-Convolutional Neural Network,G-CNN)模型被提出,模型通过训练已建立的浓雾天气形势图-雾型关系数据集,建立形势图纹理特征与雾型之间非线性映射关系进而实现天气形势图智能化识别。G-CNN模型:利用Gabor滤波器对输入的天气形势图纹理特征进行强化;利用2个卷积-池化层及2个全连接层的CNN架构拟合天气形势图与雾型之间的映射关系。利用江苏地区2010至2016年浓雾天气形势图-雾型关系数据集,从中随机取样70%作训练集,余下30%样本作为测试集的情形下,训练、测试建立的模型,并针对3个惯用的评价指标:准确率(Probability of Detection,POD)、虚警率(False Alarm Rate,FAR)及临界成功指数(Critical Success Index,CSI)对模型进行评价。试验结果显示POD、FAR及CSI分别为0.86、0.11及0.77,指标值表明模型具有高度的有效性和正确性。