基于知识的数据驱动(KBDD)框架用于利用卫星遥感全天识别云类型
计算机视觉与模式识别
2023-12-04 v1 图像与视频处理
应用统计
摘要
云类型作为一种气象数据，对于评估降雨、热浪、水资源、洪涝与干旱、粮食安全与植被覆盖以及土地利用的变化具有特别重要的意义。为有效利用高分辨率静止气象观测，设计了一种基于Himawari-8/9卫星传感器光谱信息的、用于全天识别云类型的基于知识的数据驱动(KBDD)框架，并提出了一种新颖、简单且高效、名为CldNet的网络。与广泛使用的语义分割网络(包括SegNet、PSPNet、DeepLabV3+、UNet和ResUnet)相比，我们提出的模型CldNet以80.89±2.18%的准确率在云类型识别上达到了state-of-the-art，并分别提升了32%、46%、22%、2%和39%。在辅助信息(如卫星天顶/方位角、太阳天顶/方位角)的协助下，使用可见光与近红外波段的CldNet-W以及不使用可见光与近红外波段的CldNet-O在测试数据集上的准确率分别为82.23±2.14%和73.21±2.02%。同时，CldNet的总参数量仅为0.46M，便于边缘部署。更重要的是，训练好的CldNet无需任何微调即可利用空间分辨率为0.02°×0.02°的卫星光谱数据以更高空间分辨率预测云类型，这表明CldNet具备很强的泛化能力。总之，采用CldNet的KBDD框架是一个高效的云类型识别系统，能够为众多气候评估领域提供高保真、全天、时空云类型数据库。
引用
@article{arxiv.2312.00308,
title = {A knowledge-based data-driven (KBDD) framework for all-day identification of cloud types using satellite remote sensing},
author = {Longfeng Nie and Yuntian Chen and Mengge Du and Changqi Sun and Dongxiao Zhang},
journal= {arXiv preprint arXiv:2312.00308},
year = {2023}
}