论文部分内容阅读
热带气旋(Tropical Cyclone,TC)是全球影响最严重的自然灾害之一。TC强度和路径的准确预报,对于减轻其带来的灾害影响至关重要。近年来,遥感卫星云图已逐渐成为监测TC的主要手段。本文基于静止卫星云图结合内核尺度和中心纬度等特征因子,利用相关向量机(Relevance Vector Machine,RVM)构建TC客观定强模型,并与传统线性回归(Linear Regress,LR)模型作对比。本文主要完成了以下三方面的研究工作:(1)基于静止红外卫星云图和RVM构建有眼TC客观定强模型。首先,利用高斯平滑对红外卫星云图进行去噪,然后利用基于测地活动轮廓(Geodesic Active Contour,GAC)模型的偏微分方程(Partial Differential Equation,PDE)法对有眼TC的眼壁进行分割,提取眼壁的亮温梯度信息,计算眼壁亮温梯度的最大值及梯度数据不同概率时的均值。利用RVM分别构建单特征因子、多特征因子与近地面最大中心风速的客观定强模型。实验结果表明,无论对于单特征因子还是多特征因子定强模型,RVM模型的定强误差均比LR模型小。随着特征因子维数的增加,两个模型的定强误差都降低,但RVM模型的定强误差降得更多。(2)以TC中心作为参考点,基于融合卫星云图和RVM构造TC客观定强模型。首先,利用拉普拉斯金字塔融合算法对红外和水汽通道的云图进行融合,从而获得融合卫星云图。然后以TC中心作为参考点,构造偏差角-梯度共生矩阵。本文利用共生矩阵中的多个统计参数结合TC内核尺度和中心纬度等信息构造与TC强度密切相关的特征因子,利用RVM建立TC客观定强模型。实验结果表明,对比各个尺度的定强误差,最优定强径向尺度距离为200km。当利用共生矩阵的9个最佳统计参数构建定强模型时,RVM模型的定强误差比LR模型小。当加入TC中心纬度特征因子后,两个模型的定强误差都降低,其中,RVM模型降低的误差比LR模型多。(3)以每一点依次作为参考点,基于融合卫星云图和RVM构造TC客观定强模型。基于融合卫星云图,以每一点依次作为参考点,构造偏差角-梯度共生矩阵,计算共生矩阵的统计参数阵的最小值、中值和均值。本文利用共生矩阵参数阵中的多个统计参数(最小值、中值和均值)并结合TC内核和中心纬度等信息构造与TC强度密切相关的特征因子,利用RVM建立TC客观定强模型。实验结果表明,对比各个尺度的定强误差,最优定强径向尺度距离为200km。统计参数阵的均值更适用于TC强度估计。当以每一点依次作为参考点时,定强模型的误差都小于当以TC中心作为参考点时的模型。当利用共生矩阵的9个最佳统计参数构建定强模型时,RVM模型的定强误差比LR模型小。当加入中心纬度特征因子后,两个模型的定强误差都降低,其中,RVM模型降低的误差比LR模型多。纵观所提出的三种基于RVM的TC客观定强方法,与LR相比,RVM模型具有更好的高维非线性处理能力和强度估计能力,并具有较强的稳定性,能对TC强度进行有效估计。