1169 / 2019-08-04 15:33:29

基于深度迁移学习方法的云中冰晶形状分类研究

9、大气科学与全球变化 > 专题5：大气探测

冰云主要由大量不同形状类别的冰晶组成。由于冰晶粒子的形状可以极大地影响云中冰晶粒子的单次散射特性，而单散射特性在云遥感和地球大气辐射收支研究中发挥着重要作用，因此对云中冰晶粒子的形状进行分类非常重要。然而，冰云中存在着数以万计的不同形状的冰晶粒子，基于视觉观测的经验分类任务是不可靠的，耗时并且主观，导致分类结果具有明显的不确定性和偏差。在本文中，基于在中国地区由机载云粒子成像仪（CPI）观察到的冰晶粒子图片，我们建立了一个名为ICDC的中国冰晶粒子图片数据集，该数据集由10种形状类别的冰晶粒子组成，包含了7,000多幅图片。另外，我们提出了一种冰晶粒子形状的自动分类模型，称为TL-ResNet152，它是基于迁移学习方法而建立的深度卷积神经网络。结果表明，TL-ResNet152模型在冰晶粒子形状分类中具有可靠的分类性能，分类准确率高达96％，远比传统分类方法准确。实现冰晶粒子形状的高精度自动分类将有助于我们更好地了解冰云的辐射特性。