CASIA OpenIR
多源数据融合高时空分辨率晴雨分类
匡秋明1; 杨雪冰2; 张文生2; 何险峰3; 惠建忠1
Source Publication软件学报
ISSN1000-9825
2017
Volume028Issue:011Pages:2925
Abstract高时空分辨率晴雨分类与交通、旅游、农业灌溉及人们日常出行都密切相关,然而"天有不测风云","东边日头西边雨",准确的高时空分辨率晴雨分类是极具挑战性的问题.提出了一种基于多源数据的多视角学习晴雨分类方法,其中,多源数据包括雷达、卫星及地面观测因子及晴雨观测数据.该方法表述如下:首先,依据雷达观测因子构造了Vis CAPPI视角和Vis PPI视角,依据葵花卫星资料构造了Vis Sat视角,依据地面观测因子构造了Vis Ground视角;然后,对这4个视角特征进行组合获得组合视角Vis CAPPI_PPI,Vis Radar_Sat,Vis Radar_Groumd,Vis Sat_Ground,Vis Radar_Sat_Ground,应用随机森林机器学习方法分别对这些视角进行样本学习,获得这些视角的晴雨分类模型;最后,对这些视角晴雨分类模型估计进行融合,获得晴雨分类结果.主要贡献在于:(1)提出了雷达、卫星和地面观测因子多视角构建方法,构建了Vis CAPPI,Vis PPI,Vis Sat和Vis Ground晴雨分类视角及其组合视角;(2)提出了一种多视角方法(multi-view weight random forest,简称MVWRF),能够处理雷达、卫星和地面观测因子多源数据融合晴雨分类问题,提高1km×1km和6min时空分辨率晴雨分类准确率.在2016年10月7日和8日,泉州雷达覆盖的393个气象观测站上进行模型训练和测试,结果显示,该方法能够取得较高的晴雨分类准确率和较低的漏报率、空报率,优于对比方法.
Language英语
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/34302
Collection中国科学院自动化研究所
Affiliation1.中国气象局公共气象服务中心
2.中国科学院自动化研究所
3.气象大数据与机器学习联合实验室
Recommended Citation
GB/T 7714
匡秋明,杨雪冰,张文生,等. 多源数据融合高时空分辨率晴雨分类[J]. 软件学报,2017,028(011):2925.
APA 匡秋明,杨雪冰,张文生,何险峰,&惠建忠.(2017).多源数据融合高时空分辨率晴雨分类.软件学报,028(011),2925.
MLA 匡秋明,et al."多源数据融合高时空分辨率晴雨分类".软件学报 028.011(2017):2925.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[匡秋明]'s Articles
[杨雪冰]'s Articles
[张文生]'s Articles
Baidu academic
Similar articles in Baidu academic
[匡秋明]'s Articles
[杨雪冰]'s Articles
[张文生]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[匡秋明]'s Articles
[杨雪冰]'s Articles
[张文生]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.