2024基于人工智能技术的云遥感反演-复旦大学

张峰复旦大学 大气与海洋科学系人工智能基础知识n 卷积核的物理意义任何一个汉字都是由基本笔画“横竖撇捺点”构成的，如：犬 & 术 & 禾即任何一张图片都是由基本线条构成的，即局部放大后是各种斜线或圆点，这些基本线条就是卷积核。基本笔画的不同组合，构成了近10万汉字。卷积核就是图像中的基本笔画，构成了无数图片2人工智能基础知识n 卷积核的物理意义从上到下：万物局部放大之后都是卷积核从下到上：同样的卷积核的不同组合勾勒出万物3红通道R绿通道G蓝通道B人工智能基础知识n 色彩每一张图是由RGB三种颜色通道构成，其数值0~1(255)，表示由黑到白的灰度值。卷积核就除了线形外也包含灰度含“蓝”量越多，就越白反之则黑，红绿同理人眼看到的是色彩纹理，电脑看到的是数值4池化计算过程pooling取局部最大值ü保留信息ü降维人工智能基础知识n 池化卷积+池化，就是在确定每个局部是哪个线条/卷积核主导即池化就是在抓主要特征5鸟卷积和池化后的效果人工智能基础知识6人工智能基础知识RGB3通道*卷积核数1张彩色图拉平多次卷积与池化https://zhuanlan.zhihu.com/p/67206089全连接卷积神经网络CNN的三层结构1.卷积层：提取特征2.池化层：下采样，却不会损坏识别结果3.全连接层：分类卷积池化 层数不变，但降维平面变向量根据各特征及相对位置判定为鸟n 小结7目录人工智能技术基础人工智能技术在云遥感反演中的应用人工智能技术在天气预报中的应用云遥感研究背景9全球能量平衡极端天气l 预警l 调节云物理特性云顶高度(CTH)云底高度(CBH)云有效粒子半径(CER)云光学厚度(COT) 微观和光学特性宏观特性云相态(CLP)云顶气压(CTP)Low cloud cover increases by 4% CO2 doubling warming effect云反演进展和存在的科学问题可见光/短波红外双光谱方法(Nakajima et al. 1990; Letu et al. 2020) : Cloud optical thickness (COT)re: Cloud effective radius (CER)10红外分裂窗方法(Inoue, 1985; Iwabuchi, 2014) Band 3 (0.64um) Reflectance (%)Band 6 (2.25um) Reflectance (%)卷积神经网络（CNN） (Quan Wang, et al. RSE, 2022)卷积神经网络（CNN）(Xinyue Wang, et al. RSE, 2022)深度神经网络（DNN）(Wenwen Li, Feng Zhang*, et al. TGRS, 2022)深度神经网络（DNN）(Wenwen Li, Feng Zhang*,et al. TGRS, 2024)云反演进展和存在的科学问题11仪器FY4A/H8 (AGRI/AHI)Aqua/Terra (MODIS)轨道高度~36000km~ 705km空间分辨率4km/5km（热红外通道）1km（热红外通道）时间分辨率15min/10min一天两次过境观测特点观测范围广; 观测频次高光谱分辨率高; 轨道高度低静止卫星极轨卫星云遥感研究背景H8: Himawari-8 satellite; AHI: Advanced Himawari Imager; FY4A: Fengyun-4A satellite; AGRI: Advanced Geostationary Radiation Imager;MODIS: Moderate Resolution Imaging Spectroradiometer;12算法 13q观测高度低q观测精度高q观测范围广q观测频次高+极轨卫星静止卫星从面到面的反演角度获取云的空间信息，弥补厚云反演不准的缺陷14算法(Xuan Tong, Jingwei Li, Feng Zhang*, et al. GRL, 2023; Jingwei Li, Feng Zhang*, et al. TGRS, 2023; Zhijun Zhao, Feng Zhang*, et al. arXiv, 2024) 算法跳跃连接和残差连接：有助于缓解随着网络深度增加而出现的梯度消失和梯度爆炸等问题(Xuan Tong, Jingwei Li, Feng Zhang*, et al. GRL, 2023; Zhijun Zhao, Feng Zhang*, et al. TGRS, 2023)15FY4A/AGRI云物理特性反演结果评估16云检测AGRI (Official)AHI (Official)AGRI (Pre-trained Model)AGRI (Our Method)整体准确率79.54%84.57%82.09%88.12%(d) OA = 84.09%AGRI (Our Method)AGRI (Pre-trained Model)AGRI (Official)AHI (Official)MODIS (Official)MODIS (Official)MODIS (Official)MODIS (Official)以MODIS官方云产品为基准(Zhijun Zhao, Feng Zhang*, et al. TGRS, 2023; Zhijun Zhao, Feng Zhang*, et al. arXiv, 2024) 17MYD06RMSE: 2.72 kmRMSE: 1.85 kmRMSE: 3.55 kmRMSE: 10.14 µmRMSE: 6.72 µmRMSE: 14.62RMSE: 12.79RMSE: 2.79 kmRMSE: 11.30 µmRMSE: 16.12AGRI (Official)AHI (Official)AGRI (Pre-trained Model)AGRI (Our Method)MODIS (Official)MODIS (Official)MODIS (Official)NoProductNoProductMODIS (Official)(f) CER(e) CER(g) CER(h) CER(j) COT(i) COT(k) COT(l) COT(b) CTH(a) CTH(c) CTH(d) CTHFY4A/AGRI云物理特性反演结果评估以MODIS官方云产品为基准(Zhijun Zhao, Feng Zhang*, et al. TGRS, 2023; Zhijun Zhao, Feng Zhang*, et al. arXiv, 2024) 18RMSE: 2.33 kmRMSE: 2.99 kmRMSE: 4.00 kmRMSE: 4.86 km日间夜间AGRI (Official)AGRI (Official)AGRI (Our Method)AGRI (Our Method)CALIOP (Official)CALIOP (Official)CALIOP (Official)CALIOP (Official)FY4A