基于图像的雨强等级监测算法研究

基于人工智能和深度学习技术,文章对不同雨强等级图片进行监测,提升了社会化摄像头对各雨强等级的监测能力。不同雨强等级的图像在HSV色彩空间、对比度、纹理特征、白色占比和灰度共生矩阵等特征上存在一定的差异,基于这五个特征,首先采用SVM+特征的方法进行雨强等级监测,但验证发现该方法监测效果不佳。其次,鉴于深度学习方法能够提取到图像中较多深层次特征,继而采用基于ResNet的深度学习方法进行雨强等级的监测。实验结果表明,深度学习方法在雨强等级监测中的准确率明显高于SVM+特征的方法。

用GMS卫星资料估算西北区东部雨强等级

采用ＧＭＳ－４卫星的红外和可见光展宽云图资料，取０－４０°Ｎ、１００－１１２°Ｅ范围估算逐时降水率场。针对青藏高原东北边坡复杂地形，将卫星信息与其相匹配的数字化地形模型结合，取陕、甘、宁三省（区）和青海省东部１９０站的１小时雨量资料。先后采用多次二级判别、多元线性回归和多级逐步判别等统计模型，通过反复试验，最后选定多级逐步判别方案，制作反演雨强等级场的自动处理显示系统。该系统在３８６微机上通过ＶＧＡ卡实现假彩色图像显示，满足现时预报需要。

基于降雨时间结构分析的黄河源区声波增雨外场试验效果评价

强声波技术是一种潜在的成本低廉、环境友好、操作简便、易于推广的增雨雪手段.自然条件下声波增雨技术外场试验效果缺乏评估.本文分析了用于评估青海省果洛州达日县窝赛乡历时20d共26场的声波增雨地面雨量数据,提出了外场增雨效果的雨量数据结构化方法和降雨时间序列两段式分解、四段式分解和最小时间分辨率分解等时间结构分析方法.完成了声波增雨效果的场次评估,并深入研究基于不同雨强等级降雨频次的统计特征,得到了一系列声波增雨效果的证据和声波增雨的延迟特性.本研究通过设置结构化的声波增雨方案,试图从降雨的时间结构上对降雨效果进行评估,在评估方法上取得了重要的进展,在声波增雨效果论证上从多个角度获得了增雨有效的证据,对形成科学客观的外场声波增雨效果评价具有重要的意义.