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VisCAPPI视角和VisPPI视角。依据葵花卫星资料构造了VisSat视角,依据地面观测因子构造了VisGround视角;然后,对这4个视角特征进行组合获得组合视角VisCAPPI PPI,VisRadar—Sat,VisRadar.Groumd,VisSat Ground,VisRadar_ 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,对这些视角睛雨分类模型估计进行融合,获得睛雨分类结果.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VisCAPPI,VisPPI,VisSat和VisGround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lkmxlkm和6mm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.
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !