一种热带气旋的强度估计方法及系统

本发明涉及热带气旋，尤其是涉及一种热带气旋的强度估计方法及系统。

背景技术：

1、热带气旋（tc）是地球上最具灾害性的天气系统之一，tc的强度被定义为tc中心附近的最大持续风，准确的tc强度估计对于认识tc发展和演变、改进tc预报和防灾减灾至关重要。在传统的气象应用中，主要的tc强度估计方法包括dvorak技术、先进dvorak技术（adt）、偏差角方差技术（dav）和卫星一致性技术（satcon）.

2、随着深度学习技术在图像处理领域的快速发展，特别是卷积神经网络（cnn）的发展，tc强度估算迎来了新的突破口。cnn具有自动学习特征的能力，无需人为干预即可从卫星图像中提取空间特征，这为tc强度估算提供了全新的解决方案。现有技术中设计了一种基于 cnn 的架构，用于根据 tc 的强度对其进行分类。与使用卫星图像进行强度估计的最先进技术相比，该模型获得了更好的精度和更低的 rmse，并且可以可视化不同层的特征及其解构，以了解学习过程。且还发布了一个新的数据集来自遥感卫星(四通道：vis、pmw、ir、wv)，用于tc图像到强度的估计任务，同时还提出了一个基于alexnet的新模型。首次将领域知识（旋转不变性）加入到卷积模型中来取得更好的表现。在模型中加入经纬度等环境因子后，得到了更加优秀的精准度。值得关注的是将旋转不变性利用到测试阶段，将样本多次旋转放入模型训练后取均值。在最近的研究中，学者开始有意识的提取与强度更为紧密的特征。

3、尽管上述研究在获得了更可靠的估计结果，但也存在一些问题。他们未能充分考虑在传统气象领域已经得到或在使用的相关知识，他们的工作往往将卫星图像这类含有大量信息的数据放入模型中进行学习，即使在注意力机制的作用下模型也容易被无关信息所干扰从而导致存在偏差。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种热带气旋的强度分析方法，通过对图像进行两次特征提取并加权，提取了更精确的特征，将其与热带气旋的核心物理信息输入全连接层中，实现了一种物理引导的方法，能够精确估计热带气旋的强度。

2、为解决上述技术问题，本发明是采用下述技术方案实现的：

3、一方面，本发明提供了一种热带气旋的强度估计方法，包括：

4、获取热带气旋的原始卫星图像；

5、从所述原始卫星图像中提取物理信息以及对流核心；

6、根据所述对流核心生成对流核心图像；

7、将所述原始卫星图像、对流核心图像和物理信息，输入预先构建的强度估计模型，得到热带气旋的强度估计结果；

8、所述强度估计模型的处理步骤包括：

9、分别提取所述原始卫星图像和对流核心图像的特征，得到原始卫星图像的特征图和对流核心图像的特征图；

10、分别对所述原始卫星图像的特征图和对流核心图像的特征图进行二次特征提取并加权，得到原始卫星图像加权后的特征图和对流核心图像加权后的特征图；

11、将所述原始卫星图像加权后的特征图和对流核心图像加权后的特征图进行叠加，得到图像的特征总和；

12、将所述图像的特征总和与所述物理信息输入全连接层，输出热带气旋的强度估计结果。

13、可选的，所述物理信息包括对流核心的数量、对流核心的温度和地理因子。

14、可选的，所述对流核心的提取如公式：

15、；

16、式中，为在像素点上的对流核心的温度；为在像素点上的对流核心的温度；为在像素点周围的像素点坐标；为在像素点上的对流核心的温度；为在像素点上的对流核心的温度；为在像素点上的对流核心的温度；为在像素点上的对流核心的温度。

17、可选的，通过3d卷积神经网络提取所述原始卫星图像的特征，通过2d卷积神经网络提取所述对流核心图像的特征。

18、可选的，通过预先构建的改进注意力模块分别对所述原始卫星图像的特征图和对流核心图像的特征图进行二次特征提取并加权，所述改进注意力模块包括改进通道注意力模块和改进空间注意力模块，具体为：

19、在改进通道注意力模块中，提取所述原始卫星图像的特征图的特征信息并将其展平，得到展平后的原始卫星图像的特征图，将所述原始卫星图像的特征图提取的特征信息进行通道学习，得到通道注意力权重，将所述通道注意力权重加权到展平后的原始卫星图像的特征图中，得到加权后原始卫星图像的特征图；

20、在改进空间注意力模块中，提取所述对流核心图像的特征图的特征信息并将其展平，得到展平后的对流核心图像的特征图，将所述对流核心图像的特征图提取的特征信息进行通道学习，得到空间注意力权重，将所述空间注意力权重加权到展平后的对流核心图像的特征图中，得到加权后对流核心图像的特征图。

21、可选的，所述改进通道注意力模块的构建包括：

22、获取原始通道注意力模块；删除所述原始通道注意力模块的最大池化层，在所述原始通道注意力模块的全局平均池化层前添加3d卷积层，在所述原始通道注意力模块的全局平均池化层后添加多个全连接层，得到改进通道注意力模块；

23、所述改进空间注意力模块的构建包括：

24、获取原始空间注意力模块；在所述原始空间注意力模块的输入门前添加多层特征提取层，多层特征提取层后添加sigmoid激活函数，得到改进空间注意力模块。

25、可选的，将各加权后图像的特征图进行叠加，如公式：

26、；

27、式中，为图像的特征总和；为叠加函数；为原始卫星图像加权后的特征图；为对流核心图像加权后的特征图。

28、可选的，所述强度估计模型的训练步骤包括：利用均方根误差损失函数和平均绝对误差损失函数优化所述强度估计模型的参数。

29、可选的，所述均方根误差损失函数和平均绝对误差损失函数为：

30、；

31、；

32、；

33、式中，为均方根误差损失函数；为平均绝对误差损失函数；为图像样本数量；为图像样本；为热带气旋的真实强度；为热带气旋的估计强度；为强度估计函数；为图像的特征总和；为物理信息。

34、另一方面，本发明提供了一种热带气旋的强度估计系统，包括：

35、图像获取模块，用于获取热带气旋的原始卫星图像；

36、强度估计模型，用于估计热带气旋的强度；

37、图像特征提取模块，用于提取原始卫星图像和对流核心图像的特征；

38、改进注意力模块，用于对原始卫星图像的特征图和对流核心图像的特征图进行二次特征提取并加权。

39、有益效果

40、与现有技术相比，本方面所达到的有益效果：

41、（1）本发明对图像进行两次特征提取并加权，提取了更精确的特征，将其与热带气旋的核心物理信息输入全连接层中，物理信息直接提供了气旋强度的指示，实现了一种物理引导的方法，能够精确估计热带气旋的强度；

42、（2）本发明针对图像特征提取的特定需求，通过多分支卷积神经网络进行第一次特征提取，通过构建的两种不同的注意力模块进行二次特征提取并加权，提高了对最相关通道的聚焦能力以及对图像中特定空间区域的聚焦能力，能够进行更精确的特征提取，并有效识别各个特征的重要性。