Page 148 - 计算机应用软件开发技术研究
P. 148
计算机应用软件开发技术研究
Research on Computer Application Software Development Technology
一旦该观测达到某一设定阈值，即推送闪电预警。Booysens 等利用卫星时序数
据，研究了 K-means 方法、决策树方法、朴素贝叶斯方法在闪电检测和预警方面
的效果。Schon 等提出多种基于决策树技术和神经元网络技术的卫星图像雷电预
警技术，是近年来较为先进的人工智能方法，该技术核心是将卫星图像的二维光
流误差信息作为决策树、神经元网络的输入，并且认为光流误差是形成闪电对流
的主要影响因子，作为卷积网络的输入，实现了未来 15 min 雷电精准预警。
（四）卫星资料应用
1.卫星图像的检测、识别、分类和预报
云检测识别是利用云和晴空像元在不同光谱段上辐射特性的不同，采用多
通道辐射信息，将卫星观测像元分为有云像元和晴空像元。目前已利用神经网
络、支持向量机、迁移学习、卷积神经网络等方法开展了广泛的卫星图像云检
测工作。Ting 等提出一种多特征融合方法，通过融合谱特征、纹理特征和归一
化植被指数特征，用支持向量机（SVM）对高分卫星图像进行检测。多特征融
合方法是有效的，但其最大的问题在于特征提取方法需要很强的先验知识。因
此，云检测准确率在很大程度上依赖于底层特征选择，为解决此问题，Shi 等和
Cai 等分别提出基于深度网络的方法，通过网络自动挖掘云层的潜在判别信息，
卫星图像首先通过线性迭代聚类转换为超像素子区域，网络对每个子区域分别检
测识别。Li 等提出一种多尺度卷积特征融合技术，采用自动编码器模型提取多
尺度、高层空间特征，不同层特征融合后，通过主流卷积网络可以实现云检测
分割。
云、雾、雪底层颜色特征和局部纹理特征的相似性，使得如何区分三者之间
形态也是当前人工智能技术的发展方向。Egli 等提出基于多元混合数据和随机森
林的雾检测方法。Xie 等提出多分支深度网络方法，每个分支在多尺度上分别进
行厚雾、薄雾、无雾的检测识别。Varade 等提出基于稀疏表示和字典学习的积雪
覆盖区域变化识别方法，该方法比基于支持向量机的方法效果有明显提升。
黄小燕等建立了相应时间系数的 Shapley 模糊神经网络集合预报模型，进一
步预报得到的各时间系数与空间向量合成，重构得到未来时刻的卫星云图预报
图，实现了云图 6~72 h 的长时效客观滚动预测。李德俊等对湖北省多年的冰雹
过程卫星云图数据进行了分析和处理，并利用外推预报的方式对冰雹云系进行了
预报，结果表明其准确率比主观识别方法的要高。
·136·
