期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
ImageNet数据能否帮助改进基于深度学习的云图分类准确率?
1
作者 季焱 叶灵熙 +6 位作者 黄智勇 彭婷 高智伟 孔德璇 吉璐莹 朱寿鹏 智协飞 《大气科学学报》 北大核心 2025年第3期389-403,共15页
精准的云属分类,对于区域天气形势预测和全球能量收支平衡具有重要意义。然而,准确客观地识别地基云图目前仍然存在挑战,尤其是当前可获得的标准云图数据不足,因此以数据驱动的深度学习云图分类模型性能有待进一步提高。本文探索了如何... 精准的云属分类,对于区域天气形势预测和全球能量收支平衡具有重要意义。然而,准确客观地识别地基云图目前仍然存在挑战,尤其是当前可获得的标准云图数据不足,因此以数据驱动的深度学习云图分类模型性能有待进一步提高。本文探索了如何利用非气象云图数据,如ImageNet数据集,帮助改进地基云图分类技巧。以世界气象组织定义的10类标准云属和1类尾迹云为分类对象,构建了基于卷积结构的ResNet50、MobileNet-V2和基于自注意力结构的ViT云图分类模型。结果表明,仅使用原始云图训练时,参数量较小的传统卷积结构网络要优于参数量庞大的ViT模型。然而,通过使用ImageNet数据集进行预训练后,ViT模型的云图分类技巧有了显著提升,预训练策略将平均F 1评分由0.78提高至0.96,超过了当前的主流分类模型。这表明,利用深度学习模型来实现云图分类是可靠且有效的途径,而预训练策略对于类似于ViT的大型网络而言更为重要。此外进一步将训练稳定的模型部署至移动端口(http://43.142.162.19:5174/),实现了通过上传拍摄云图进行实时分类,并提供相关的云类科普信息,推动气象云知识在社会公众中的普及程度。 展开更多
关键词 迁移学习 云图分类 ViT模型 预训练模型 常规气象数据
在线阅读 下载PDF
北京市城市化对地表温度时空特征的影响 被引量:25
2
作者 曹广真 侯鹏 毛显强 《气象》 CSCD 北大核心 2010年第3期19-26,共8页
分别采用常规气象数据和遥感资料,结合城市化发展总体水平不同的三大板块,分析北京市城市化对地表温度时空变化特征的影响。(1)将北京市1978—2006年常规气象站点的陆表温度(Land Surface Temperature,LST)观测资料与三大板块结合,分析... 分别采用常规气象数据和遥感资料,结合城市化发展总体水平不同的三大板块,分析北京市城市化对地表温度时空变化特征的影响。(1)将北京市1978—2006年常规气象站点的陆表温度(Land Surface Temperature,LST)观测资料与三大板块结合,分析城市化对LST年、季、白天、夜间、最大值和最小值的影响。发现1978—2006年期间,北京市三大板块LST均值总体上均呈上升趋势,且大多数情况下,第一板块的>第二板块的>第三板块的。(2)采用北京市2001年和2006年全年的EOS MODIS MOD 13归一化植被指数(Normalized Difference Vegetation Index,NDVI)产品以及MOD11白天/夜间LST产品,分析城市化过程中下垫面变化对LST的影响。总体上,北京市2006年较2001年NDVI减少的比例为51.3%,白天LST升高的比例为73.74%,夜间LST升高的比例高达90.92%。(3)北京市2006年与2001年NDVI的差值以及白天、夜间LST的差值的联合分类结果表明,第一和第二板块均表现出2006年较2001年NDVI减少、白天LST增加的类别所占的百分比最大,分别占54.29%和40.95%,而且均大于其在第三板块中所占的比例34%,而三个板块中NDVI增加、白天LST减少的百分比与NDVI减少、白天LST增加的百分比之和均超过了50%。第一、第二和第三板块中2006年较2001年NDVI减少、夜间LST增加的类别所占百分比分别为51.67%、44.2%和42.46%。这些数据定量地说明了城市化过程中下垫面变化对白天、夜间LST的影响。 展开更多
关键词 城市化 地表温度 常规气象数据 遥感资料
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部