《表2 基于CNN的TC定强算法的模型结构参数》
文中设计的深度卷积神经网络(CNN)模型结构如图1所示,主要包含输入层、卷积层、池化层、全连接层以及输出层,给定一幅台风图像,通过输入层进入深层CNN网络,充分提取台风的纹理和光谱特征,最后在输出层得到台风强度等级分类结果。各层参数具体设置如表2所示,其中Conv-表示卷积层,MaxPool-表示池化层,Fc-表示全连接层。首先输入层,考虑FY-4A可见光(1—6波段)通道在夜间缺测,因此设计了白天和夜间两层输入模式,Conv-01为白天输入层,时间为前一日21:01至当日08:59(世界时)的FY-4A全波段(1—14波段)台风影像图,Conv-02为夜间输入层,输入当日09:00—21:00(世界时)的FY-4A后8个红外通道(7—14波段)的台风影像图,卷积核大小均为1×1,平移步长为1,输出特征数为8。为了保证后续处理的一致性,两层输入分别将白天和夜间的不同光谱特征输入各自的卷积采样通道,经过特征变换得到尺寸相同[240,8]的特征层,即分别得到8个大小为240×240的特征谱。
图表编号 | XD00212750600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 崔林丽、陈昭、于兴兴、陈光琛、王晓峰、陆一闻、郭巍 |
绘制单位 | 上海市气象局上海市生态气象和卫星遥感中心、东华大学计算机科学与技术学院、东华大学计算机科学与技术学院、东华大学计算机科学与技术学院、上海市气象局上海市生态气象和卫星遥感中心、上海市气象局上海市生态气象和卫星遥感中心、上海市气象局上海市生态气象和卫星遥感中心 |
更多格式 | 高清、无水印(增值服务) |