利用卫星图像通过视觉学习进行风暴检测
计算机视觉与模式识别
2017-03-08 v1
摘要
计算机作为利用海量数据的强大工具，在当今的天气预报中被广泛使用。然而，尽管有这些数据可用，当前技术在生成可靠的详细风暴预报方面往往存在不足。每年，严重的雷暴都会造成重大的损失和人员伤亡，如果能有更好的预报，其中一些本可以避免。我们提出了一种计算机算法，该算法分析历史档案中的卫星图像，以定位严重雷暴的视觉特征，用于短期预测。虽然计算机参与天气预报以基于传感器数据求解数值模型，但它们在基于卫星图像的视觉模式进行预报方面能力较弱。在我们的系统中，我们以气象学家解读图像的方式，从卫星图像序列中提取并总结重要的视觉风暴证据。特别地，该算法从图像序列中提取并拟合局部云运动，以对与风暴相关的云块进行建模。我们采用了 2008 年的图像数据来训练模型，并使用 2000 年至 2013 年间美国大陆的历史雷暴报告作为建模过程中的真实值和先验知识。实验证明了该算法在生成更准确的雷暴预报方面的实用性和潜力。
引用
@article{arxiv.1603.00146,
title = {Storm Detection by Visual Learning Using Satellite Images},
author = {Yu Zhang and Stephen Wistar and Jia Li and Michael Steinberg and James Z. Wang},
journal= {arXiv preprint arXiv:1603.00146},
year = {2017}
}