一种基于深度学习的双分支热带气旋强度与尺度估计方法与系统

技术领域

本发明涉及海洋大气遥感图像处理技术领域，特别设计一种基于深度学习的双分支热带气旋强度与尺度估计方法与系统。

背景技术

热带气旋(Tropical Cyclone,TC)，是生成于热带或副热带洋面上，具有有组织的对流和确定的气旋性环流的非锋面性的天气尺度的涡旋的统称。它包括热带低压、热带风暴、强热带风暴、台风、强台风和超强台风。台风的强度与尺度是台风在预报预警、业务应用以及科学研究中的重要参数。台风的强度体现着台风的大风破坏能力，与台风的等级划分及其可能引发的风暴潮、暴雨等灾害的严重程度密切相关。台风的尺度一般是指移动或者静止的台风最大风速半径，体现着台风的影响范围和降水范围。

热带气旋的强度和最大风速半径也有着密不可分的关系。分析结果表明,当最大风速越小、中心气压越低、环境温度和气压越高、纬度越低或摩擦系数越小时,热带气旋的最大风速半径就越大；反之，最大风速半径就越小。最大风速和它半径上的最小风向内偏角出现在热带气旋移向的右后侧。

利用卫星图像估计热带气旋强度的基本思想之一是云系特征相似的热带气旋可能具有相似的强度。Dvorak技术是目前应用最早、最广泛的一种基于地球同步卫星观测热带气旋云图估计热带气旋强度的方法。热带气旋强度与其云系模态关系密切，以卷积神经网络为代表的深度学习技术在提高热带气旋强度估计精度取得重要进展。同时，随着多通道数据集的公开和更多计算机视觉技术的提出，使得利用卫星垂直立体观测多通道信息，以及设计更为合理的模型捕获通道内与通道间的热带气旋强度特征成为可能。

基于卫星的TC风半径估计比较困难，考虑到对流和风场之间的物理关系不太清楚，没有德沃夏克方法这样广泛应用的技术来估算风半径。基于深度学习技术通过对热带气旋的遥感图像的分析，可以从更高层次的特征维度上估计热带气旋的强度和大小，并利用热带气旋强度和最大风速半径之间的关系，可以更准确地估计TC强度和风半径。

发明内容

基于上述问题，本发明的目的在于提出一个多任务双分支深度学习网络，网络编码器部分采用多层卷积神经网络，用于提取热带气旋遥感图像的高层次特征，解码器部分分为双分支，其中一个分支用来估计热带气旋的强度大小，另外一个分支用来估计热带气旋的最大风速半径。由于强度大小和风速半径之间存在紧密联系，双分支网络共用同一个编码器，可以相互促进，提升TC强度和风半径估计精度。

本发明提供了一种基于深度学习的双分支热带气旋强度与尺度估计方法与系统。在一些可选实施例中，所述方法与系统包括以下步骤：

步骤一：数据预处理与构建数据集：用于双分支热带气旋强度与尺度估计任务，数据源于HURSAT公开数据集。采用HURSAT-B1数据和HURSAT-MW数据两种模态下的数据，并采集此时的热带气旋强度和风半径大小。

步骤二：热带气旋强度与尺度估计编码器模块：根据输入的红外和微波通道的热带气旋遥感图像，利用深度卷积神经网络和注意力机制提取其在热带气旋强度和尺度上的高层次特征信息。

步骤三：热带气旋强度与尺度估计双分支解码器模块：双分支解码器模块由两个不同的分支构成，其中一个分支用来估计热带气旋的强度大小，另一个分支用来估计热带气旋风半径。

步骤四：结合步骤二和步骤三的两个模块，基于反向传播原理，共同组成基于深度学习的双分支热带气旋强度与尺度估计系统的算法部分。并利用软件工程的相关知识，将训练好的模型和系统部署于云端，构成最终的热带气旋遥感图像的强度和尺度估计系统。

上述方案进一步优选的，在进行数据预处理时，其中HURSAT-MW是微波数据，HURSAT-B1使用红外数据。此外由于不同源遥感数据分布和范围不一致，通过统计所有数据的最大最小值后，将数据进行清洗，并在输入进入模型之前进行归一化处理，以及数据的对齐、区间缩放与标准化、异常值处理等。

此外热带气旋数据集是通过卫星收集的，热带气旋的生命周期从生成到消散所采集到的数据往往符合长尾分布。分布不均匀往往会导致模型偏向某一分类，利用数据增强，使得训练数据中热带气旋的强度和尺度的分布更加均匀，模型预测更加精准。

上述方案进一步优选的，同时采用红外和微波图像是由于不同传感器接收到的波长不同，不同波长对于云层的穿透力不同，因此多源的热带气旋图像相当于提取至热带气旋的不同层。基于跨模态的热带气旋强度估计模型充分利用多通道卫星观测资料来构建热带气旋强度估计模型，从多通道中提取热带气旋的立体结构，对热带气旋的许多重要层进行了特征捕捉。

上述方案进一步优选的，在网络编码器模块，卷积神经网络由卷积层、池化层和全连接层组成。卷积层负责提取图像中的局部特征，池化层用来大幅降低参数量级，全连接层类似传统神经网络的部分，用来输出最终结果。并且由于解码器采用了双分支的结构，在反向传播过程中给编码器能够同时针对强度和风半径进行优化，因此在编码器部分，能够充分利用和融合双分支和双任务的损失，相互促进，同时提高强度估计和风半径估计的精度。就像气象学家研究得出的利用风半径和强度之间的紧密关系能够促进二者的估计准确度。

上述方案进一步优选的，在热带气旋双分支解码器模块，两个分支在结构上相似，主要有卷积层、池化层和全连接层构成，采用RELU激活函数，最后利用回归损失函数进行反向传播估计热带气旋强度。由于采用同一个编码器，因此两个分支网络在反向传播过程中能够相互促进，提高热带气旋强度和风半径的估计精度。

本发明实施例的有益效果和优点如下：

对热带气旋更准确、更精准、更快速的强度和尺度估计有助于应对其对国家和民生产生的巨大损失。本发明的模型系统可以运行在普通的GPU或TPU计算设备上，甚至在简化模型后，可以运行在移动设备上，具有非常高的适用性。本发明提出一个多任务双分支深度学习网络，网络编码器部分采用多层卷积神经网络，用于提取热带气旋遥感图像的高层次特征，解码器部分分为双分支，其中一个分支用来估计热带气旋的强度大小，另外一个分支用来估计热带气旋的最大风速半径。由于强度大小和风速半径之间存在紧密联系，双分支网络共用同一个编码器，可以相互促进，提升TC强度和风半径估计精度。

附图说明

图1是根据一示例性实施例示出的一种基于深度学习的双分支热带气旋强度与尺度估计的总体工作流程示意图。

具体实施方式

应当提前指出，以下说明的目的是对本申请提供进一步的详细说明，是示例性的。本发明所用的技术方法和专业术语均与本申请所述领域的技术人员理解一致。在本说明中，使用的术语“包括”、“包含”其指明存在特征、步骤、操作、器件、组件或它们的组合。

本发明提供了一种基于深度学习的双分支热带气旋强度与尺度估计方法与系统。在一些可选实施例中，所述方法与系统包括以下步骤：

步骤一：数据预处理与构建数据集：用于双分支热带气旋强度与尺度估计任务，数据源于HURSAT公开数据集。采用HURSAT-B1数据和HURSAT-MW数据两种模态下的数据，并采集此时的热带气旋强度和风半径大小。

步骤二：热带气旋强度与尺度估计编码器模块：根据输入的红外和微波通道的热带气旋遥感图像，利用深度卷积神经网络和注意力机制提取其在热带气旋强度和尺度上的高层次特征信息。

步骤三：热带气旋强度与尺度估计双分支解码器模块：双分支解码器模块由两个不同的分支构成，其中一个分支用来估计热带气旋的强度大小，另一个分支用来估计热带气旋风半径。

步骤四：结合步骤二和步骤三的两个模块，基于反向传播原理，共同组成基于深度学习的双分支热带气旋强度与尺度估计系统的算法部分。并利用软件工程的相关知识，将训练好的模型和系统部署于云端，构成最终的热带气旋遥感图像的强度和尺度估计系统。

上述方案进一步优选的，在进行数据预处理时，其中HURSAT-MW是微波数据，HURSAT-B1使用红外数据。此外由于不同源遥感数据分布和范围不一致，通过统计所有数据的最大最小值后，将数据进行清洗，并在输入进入模型之前进行归一化处理，以及数据的对齐、区间缩放与标准化、异常值处理等。

此外热带气旋数据集是通过卫星收集的，热带气旋的生命周期从生成到消散所采集到的数据往往符合长尾分布。分布不均匀往往会导致模型偏向某一分类，利用数据增强，使得训练数据中热带气旋的强度和尺度的分布更加均匀，模型预测更加精准。

上述方案进一步优选的，同时采用红外和微波图像是由于不同传感器接收到的波长不同，不同波长对于云层的穿透力不同，因此多源的热带气旋图像相当于提取至热带气旋的不同层。基于跨模态的热带气旋强度估计模型充分利用多通道卫星观测资料来构建热带气旋强度估计模型，从多通道中提取热带气旋的立体结构，对热带气旋的许多重要层进行了特征捕捉。

上述方案进一步优选的，在网络编码器模块，卷积神经网络由卷积层、池化层和全连接层组成。卷积层负责提取图像中的局部特征，池化层用来大幅降低参数量级，全连接层类似传统神经网络的部分，用来输出最终结果。并且由于解码器采用了双分支的结构，在反向传播过程中给编码器能够同时针对强度和风半径进行优化，因此在编码器部分，能够充分利用和融合双分支和双任务的损失，相互促进，同时提高强度估计和风半径估计的精度。就像气象学家研究得出的利用风半径和强度之间的紧密关系能够促进二者的估计准确度。

上述方案进一步优选的，在热带气旋双分支解码器模块，两个分支在结构上相似，主要有卷积层、池化层和全连接层构成，采用RELU激活函数，最后利用回归损失函数进行反向传播估计热带气旋强度。由于采用同一个编码器，因此两个分支网络在反向传播过程中能够相互促进，提高热带气旋强度和风半径的估计精度。

本发明通过深度学习建立一个基于深度学习的双分支热带气旋强度与尺度估计方法与系统，提出采用双分支网络同时估计热带气旋的强度和尺度，在编码器部分采用同一个网络，用于提取热带气旋遥感图像的高层次特征，解码器部分分为两个分支，一个分支用来估计热带气旋强度，另一个分支用来估计热带气旋风半径(尺度)，二者在反向传播过程中在编码器部分相互促进，共同提高预测精度。

以上所述，虽然将本发明将较佳具体实施方案描述如上，但仅是本发明的较佳实施例之一，并非用以限定本发明。任何熟悉本领域的技术人员在不脱离本发明技术方案内，都可以对上述具体实施方案做出些许更动或修饰为等同变化的实施方案，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施内容所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。