热带气旋的同心眼墙识别方法、装置、设备及介质制造方法及图纸

本申请是关于一种热带气旋的同心眼墙识别方法、装置、设备及介质，具体涉及气象领域。该方法包括：从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，历史微波亮温图像集合中包括由极轨卫星扫描得到的微波亮温图像；对目标微波亮温图像进行样本标注，得到样本标注数据，样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本；构建基于迁移学习的深度学习模型；使用样本标注数据对深度学习模型进行模型训练，得到训练好的深度学习模型；将包含热带气旋的待识别微波亮温图像输入训练好的深度学习模型，输出热带气旋的同心眼墙识别结果。基于本申请提供的技术方案，可以高效准确地进行同心眼墙的识别。可以高效准确地进行同心眼墙的识别。可以高效准确地进行同心眼墙的识别。

【技术实现步骤摘要】
热带气旋的同心眼墙识别方法、装置、设备及介质


[0001]本专利技术涉及气象领域，具体涉及一种热带气旋的同心眼墙识别方法、装置、设备及介质。

技术介绍

[0002]同心眼墙(Concentric Eyewalls,CEs)是热带气旋的一种双眼墙结构，观测是同心眼墙机理研究和预报的基础，对理解同心眼墙成因和演变机制具有重要意义。
[0003]一般的，可以采用微波卫星遥感手段观测同心眼墙：极轨卫星围绕地球南北两极运行并接收微波信号，微波信号通过反演可以得到微波亮温(Brightness Temperature,TB)图像。
[0004]如何对微波亮温图像进行处理，从中准确地识别出同心眼墙，亟需提供解决方案。

技术实现思路

[0005]本申请提供了一种热带气旋的同心眼墙识别方法、装置、设备及介质，该技术方案如下。
[0006]一方面，提供了热带气旋的同心眼墙识别方法，所述方法包括：
[0007]从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，所述历史微波亮温图像集合中包括由极轨卫星扫描得到的微波亮温图像；
[0008]对所述目标微波亮温图像进行样本标注，得到样本标注数据，所述样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本；
[0009]构建基于迁移学习的深度学习模型；
[0010]使用所述样本标注数据对所述深度学习模型进行模型训练，得到训练好的深度学习模型；
[0011]将包含热带气旋的待识别微波亮温图像输入训练好的深度学习模型，输出热带气旋的同心眼墙识别结果。
[0012]又一方面，提供了一种热带气旋的同心眼墙识别装置，所述装置包括：
[0013]目标图像查找模块，用于从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，所述历史微波亮温图像集合中包括由极轨卫星扫描得到的微波亮温图像；
[0014]样本标注模块，用于对所述目标微波亮温图像进行样本标注，得到样本标注数据，所述样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本；
[0015]模型构建模块，用于构建基于迁移学习的深度学习模型；
[0016]模型训练模块，用于使用所述样本标注数据对所述深度学习模型进行模型训练，得到训练好的深度学习模型；
[0017]图像识别模块，用于将包含热带气旋的待识别微波亮温图像输入训练好的深度学习模型，输出热带气旋的同心眼墙识别结果。
[0018]又一方面，提供了一种计算机设备，所述计算机设备中包含处理器和存储器，所述
存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的热带气旋的同心眼墙识别方法。
[0019]又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的热带气旋的同心眼墙识别方法。
[0020]再一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的热带气旋的同心眼墙识别方法。
[0021]本申请提供的技术方案可以包括以下有益效果：
[0022]从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，并对目标微波亮温图像进行样本标注，得到样本标注数据，样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本，使用样本标注数据对基于迁移学习的深度学习模型进行模型训练，得到训练好的深度学习模型，该深度学习模型可以用于对包括热带气旋的待识别微波亮温图像进行同心眼墙识别，将同心眼墙识别简化为图像二分类任务，以实现高效且可靠地同心眼墙识别。
附图说明
[0023]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0024]图1是根据一示例性实施例示出的热带气旋的微波亮温图像的示意图。
[0025]图2是根据一示例性实施例示出的热带气旋的同心眼墙识别方法的方法流程图。
[0026]图3是根据一示例性实施例示出的热带气旋的微波亮温图像的示意图。
[0027]图4是根据一示例性实施例示出的标注样本数量和CE比例随时间变化的示意图。
[0028]图5是根据一示例性实施例示出的从极轨卫星的微波资料提取热带气旋的微波亮温图像的示意图。
[0029]图6是根据一示例性实施例示出的热带气旋的同心眼墙识别方法的方法流程图。
[0030]图7是根据一示例性实施例示出的热带气旋的同心眼墙识别方法的方法流程图。
[0031]图8是根据一示例性实施例示出的图像处理流程的示意图。
[0032]图9是根据一示例性实施例示出的热带气旋的同心眼墙识别方法的方法流程图。
[0033]图10是根据一示例性实施例示出的一种热带气旋的同心眼墙识别装置的结构方框图。
[0034]图11是根据一示例性实施例提供的一种计算机设备的示意图。
具体实施方式
[0035]下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施
例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0036]应理解，在本申请的实施例中提到的“指示”可以是直接指示，也可以是间接指示，还可以是表示具有关联关系。举例说明，A指示B，可以表示A直接指示B，例如B可以通过A获取；也可以表示A间接指示B，例如A指示C，B可以通过C获取；还可以表示A和B之间具有关联关系。
[0037]在本申请实施例的描述中，术语“对应”可表示两者之间具有直接对应或间接对应的关系，也可以表示两者之间具有关联关系，也可以是指示与被指示、配置与被配置等关系。
[0038]本申请实施例中，“预定义”可以通过在设备(例如，包括终端设备和网络设备)中预先保存相应的代码、表格或其它可用于指示相关信息的方式来实现，本申请对于其具体的实现方式不做限定。
[0039]观测是同心眼墙机理研究和预报的基础，对理解同心眼墙成因和演变机制具有重要意义。绝大多数同心眼墙形成于远离陆地的热带洋面，难以开展现场观测，目前主要依靠卫星遥感、飞机航测和地基雷达探测等手段进行观测，其中，微波卫星信号能穿透高云遮挡，是目前最有效和最常用的观测手段。
[0040]微波信号通过反演可以得到微波亮温图像，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热带气旋的同心眼墙识别方法，其特征在于，所述方法包括：从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，所述历史微波亮温图像集合中包括由极轨卫星扫描得到的微波亮温图像；对所述目标微波亮温图像进行样本标注，得到样本标注数据，所述样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本；构建基于迁移学习的深度学习模型；使用所述样本标注数据对所述深度学习模型进行模型训练，得到训练好的深度学习模型；将包含热带气旋的待识别微波亮温图像输入训练好的深度学习模型，输出热带气旋的同心眼墙识别结果。2.根据权利要求1所述的方法，其特征在于，所述构建基于迁移学习的深度学习模型，包括：使用Swin
‑
L作为骨干网络构建所述深度学习模型；使用包含预设形状的待识别目标的数据集，预训练所述深度学习模型，以得到基于迁移学习的深度学习模型，所述预设形状包括：环状、球状。3.根据权利要求2所述的方法，其特征在于，所述使用所述样本标注数据对所述深度学习模型进行模型训练，得到训练好的深度学习模型，包括：对迁移学习后的深度学习模型的超参数进行微调，得到多个微调模型；使用所述样本标注数据对多个微调模型分别进行模型训练，得到多个训练完成后的微调模型；对多个训练完成后的微调模型的模型权重进行求平均，得到最终的训练好的所述深度学习模型。4.根据权利要求1所述的方法，其特征在于，所述从历史微波亮温图像集合中查找出包含热带气旋的目标微波亮温图像，包括：获取所述极轨卫星的扫描信息、热带气旋的轨迹信息；基于所述扫描信息、所述轨迹信息中的重合区域，从所述历史微波亮温图像集合中确定出所述目标微波亮温图像。5.根据权利要求1所述的方法，其特征在于，所述对所述目标微波亮温图像进行样本标注，得到样本标注数据，所述样本标注数据包括同心眼墙类的正样本、非同心眼墙类的负样本，包括：将满足同心眼墙判断标准的目标微波亮温图像标注为所述同心眼墙类的正样本；将不满足所述同心眼墙判断标准的目标微波亮温图像标注为所述非同心眼墙类的负样本；其中，所述同心眼墙判断标准包括：图像中热带气旋的外侧对流环至少占2/3个圆，且图像中热带气旋的外侧对流环、内侧对流环之间存在下沉气流区。6...

【专利技术属性】
技术研发人员：黄小猛，黄兴，陈琼，
申请(专利权)人：清华大学，
类型：发明
国别省市：