基于卫星资料的热带气旋强度估计及风场反演方法研究

摘要

热带气旋是危害中国的众多自然灾害中常见的一种，一旦热带气旋登陆沿海城市，就会带来极其严重的生命财产和经济损失。因此热带气旋的准确预报，对于减轻其带来的灾害影响至关重要。热带气旋的强度是其预报的重要指标，因此本文通过飞机、雷达和卫星监测等手段的比较，选择具有较高时间分辨率的静止卫星资料作为热带气旋强度估计的基本数据，然后结合机器学习等智能算法估计热带气旋强度，最后再利用热带气旋强度估计的结果反演风场。本文主要包括以下三部分内容:
　　(1)基于偏差角的热带气旋结构判断。热带气旋云系的形状和结构在不同的发展阶段具有不同的特征，有研究表明偏差角能够被用来描述轴对称图形的特点，即越是趋近于轴对称图形，偏差角越小。因此我们利用静止卫星的红外云图偏差角的直方图，即概率分布特性来表征热带气旋结构特性。通过热带气旋（包括台风数据和风暴数据）的实验，我们发现能够直接从热带气旋云图的偏差角直方图上对热带气旋所处的发展阶段做出较为准确的判断。
　　(2)基于机器学习的热带气旋强度估计。近地面最大风速常用来定量描述热带气旋强度等级，本文选择偏差角的方差和偏差角的灰度-梯度共生矩阵参数分别与热带气旋近地面最大风速基于径向基函数神经网络、最小二乘支持向量机和相关向量机建模，从而进行热带气旋强度估计。本文将热带气旋分为有眼热带气旋和无眼热带气旋，其中有眼热带气旋主要指有眼台风，无眼热带气旋主要包括无眼台风和风暴两部分数据进行实验。实验结果表明，三种智能学习算法和传统线性回归算法相比较，得到了更好的估计结果;其中在三种智能算法中相关向量机比其他两种智能算法建模性能更为稳定，因此用来作为后续风场反演的建模方法;灰度-梯度共生矩阵参数适用于有眼台风和风暴定强，而方差适用于无眼台风定强。
　　(3)基于机器学习的有眼热带气旋风场反演。虽然热带气旋的外围风场反演技术已经比较娴熟，但是对内核的研究还是较少，因此本文针对整个风场反演进行研究。首先利用偏微分方程技术分割有眼热带气旋眼壁，得到其眼壁上的亮温数据，再通过热带气旋年鉴数据和强度估计方法获得对应时刻云图的最大风速，最后利用相关向量机对亮温数据和最大风速进行建模。对于任意一幅测试云图，分割其眼壁之后通过以上模型得出眼壁上每一点的风速，作为参考点风速，再利用距离公式对云图中的待求点进行风速计算，从而进行整个风场反演，实验结果显示基于本文算法的风场反演效果良好，综合性能优于传统的线性回归算法。

目录

摘要

1 绪论

1．1 热带气旋介绍

1．1．1 热带气旋形成过程

1．1．2 热带气旋形成条件

1．1．3 热带气旋消散原因

1．1．4 热带气旋影响

1．2 热带气旋常用观测技术手段及国内外研究现状

1．3 论文的主要结构和安排

2 基于偏差角的热带气旋结构判断

2．1 偏差角原理

2．2 实验结果分析

2．3 本章小结

3 基于机器学习的热带气旋强度估计

3．1 机器学习算法概述

3．1．1 RBFNN概述

3．1．2 LSSVM概述

3．1．3 RVM概述

3．2 灰度-梯度共生矩阵介绍

3．3 热带气旋强度估计原理

3．4 实验结果分析

3．4．1 热带气旋不同发展阶段的结构伪彩色图

3．4．2 热带气旋强度估计结果

3．5 本章小结

4 基于机器学习的有眼热带气旋风场反演

4．1 基于PDE的有眼热带气旋眼壁分割

4．2 有眼热带气旋眼壁分割结果

4．3 基于RVM的有眼热带气旋风场反演

4．4 有眼热带气旋风场反演结果

4．5 本章小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

攻读学位期间取得的研究成果

致谢

声明