利用西北太平洋静止红外卫星图像提出一种级联卷积神经网络模型用于热带气旋分类定强,该模型简称为TCICENet。所提出的模型由两个模块组成:热带气旋强度分类模块(TCIC)和热带气旋强度分类模块(TCIE)。首先利用TCIC模块利用红外卫星图像将热带气旋的强度等级分为3类。然后利用热带气旋最佳路径资料结合不同强度类型的红外卫星图像训练3个热带气旋强度估计模型。3个TCIE模型在训练时考虑了TCIC分类时产生的分类误差以提高热带气旋强度估计的精度。我们利用1981到2019年期间的总计1001个热带气旋卫星图像来验证所提出模型的性能,其中1981到2013年期间的844个热带气旋卫星图像作为训练样本,2014-2016年期间的76个热带气旋的卫星图像作为验证样本,2017-2019期间的81个热带气旋卫星图像作为测试样本。为了减少训练TCIE模型的计算负担,我们研究了不同的输入图像尺寸对模型性能的影响。结果表明170 × 170大小的输入图像能够获得最佳的性能,与热带气旋的最佳路径资料相比,其定强的RMSE为8.6kt,MAE为6.67kt。
|