Нейросетевой классификатор облачности по данным MODIS высокого разрешения Скороходов, Алексей Викторович

Введение к работе

Актуальность работы

В настоящее время данные дистанционного зондирования Земли из космоса используются для решения широкого круга научных и практических задач, связанных с метеорологией, климатологией, экологией, лесным и сельским хозяйствами. Для прогноза погоды, моделирования климата и обеспечения безопасности полетов воздушных судов требуются сведения о типах облачности согласно принятому в метеорологии стандарту. Сеть наземных метеостанций не позволяет проводить глобальный мониторинг поля облачности, что объясняет результаты использования дистанционного зондирования Земли из космоса в качестве единственного источника наиболее полной информации.

Несмотря на большое число работ по автоматической классификации облаков на основе спутниковой информации (R.L. Bankert, D. Lafont, Y. Lee, J. Li, Z. Li, Y. Liu, S.W. Miller, R.H. Wade, А.Б. Успенский), появившихся в последнее десятилетие, на сети наземных метеостанций по- прежнему используют визуальные наблюдения для определения типа облачности. Согласно действующему метеорологическому стандарту облачность различных ярусов классифицируется сетью метеостанций по 27 разновидностям, включающим ее основные типы, подтипы и их сочетания. В то же время результаты классификации облачности на основе данных систем космического базирования не обладают достаточной полнотой и достоверностью.

В 1990 г. вышла работа J. Lee, в которой впервые для классификации облачности использовалась искусственная нейронная сеть. Также для решения задачи автоматической классификации облачности в период начала 90-х - конца 2000-х годов применялись алгоритмы кластерного анализа, пороговые и статистические классификаторы (работы R.L. Bankert, P.M. Tag, M.J. Uddstrom и R.H. Wade). В настоящее время наилучшие результаты (по достоверности и полноте) приведены в работах R.L. Bankert и R.H. Wade, в которых использовались нейросетевые классификаторы и алгоритмы кластеризации. При этом удалось выделить 10 типов облачности с вероятностью правильной классификации 0.85 на основе данных систем Imager (GOES) и AVHRR (NOAA) с пространственным разрешением 1000 м.

Начиная с 2000-х годов основные усилия в области автоматической классификации облачности по спутниковым данным направлены на повышение ее эффективности и адаптацию существующих методов к данным современных спутниковых систем, таких как FY-2C, GOES, MODIS и ряда других. Несмотря на это, в настоящее время не существует известных программных средств, позволяющих выполнять классификацию всех типов облачности согласно действующему метеорологическому стандарту. Поэтому задача автоматической классификации облачности на основе данных дистанционного зондирования Земли из космоса по- прежнему является актуальной.

Целью работы является развитие алгоритмов и программных средств для повышения эффективности процедуры классификации однослойной облачности и облаков вертикального развития с помощью нейросетевых технологий на основе информации о текстуре спутниковых снимков, полученных по данным MODIS с высоким разрешением.

Для достижения намеченной цели были решены следующие задачи:

1. Анализ существующих методов и программных средств для решения задачи автоматической классификации облачности по типам на основе данных дистанционного зондирования Земли из космоса;

2. Определение типов облачности и их подтипов, имеющих уникальные текстуры изображений по данным MODIS в видимой области спектра с пространственным разрешением 250 и 500 м;

3. Формирование системы эффективных текстурных признаков для описания уникальных текстур изображений различных типов облачности;

4. Построение статистических моделей текстур изображений для различных типов облачности;

5. Разработка программной системы для автоматической классификации однослойной облачности и облаков вертикального развития на основе технологии нейронных сетей;

6. Оценка качества классификации облачности на основе тестовой выборки.

Методика исследования

При выполнении диссертационной работы использовались методы обработки изображений и данных дистанционного зондирования Земли из космоса, математическая статистика, численные методы, теория оптимизации и нейросетевые технологии. При реализации программной системы применялись методы компьютерной графики и принципы объектно-ориентированного программирования.

Научная новизна

6. 1. На основе методики сопоставления архивных данных метеостанций со спутниковой съемкой с разрешением 250 и 500 м и результатов численных экспериментов построена классификационная модель изображений различных типов облачности на базе сформированных наборов эффективных текстурных признаков.

   2. Впервые построена статистическая модель текстурных признаков изображений различных типов облачности на основе фрагментов спутниковых снимков, полученных по данным видимого диапазона спектра с пространственным разрешением 250 м.

   3. Предложен и реализован модифицированный численный метод адаптивной подстройки коэффициента скорости обучения нейронной сети, основанный на динамическом изменении его параметров и позволяющий сократить время настройки трехслойного персептрона при использовании методов наискорейшего спуска и сопряженных градиентов.

   4. Разработанная программная система на основе нейросетевых технологий, алгоритма адаптивной подстройки коэффициента скорости обучения и наборов эффективных текстурных признаков позволяет решать задачу классификации 14 типов однослойной облачности и облаков вертикального развития на спутниковых снимках с разрешением 250 м, что превышает известные аналоги.

   Практическая значимость работы определяется возможностью использования разработанной программной системы, которая может применяться для оперативной классификации облачности по спутниковым данным при решении широкого круга задач, связанных с метеорологией и климатологией. Открытая архитектура программной системы и результаты проведенных в работе численных экспериментов делают возможным ее дальнейшее развитие за счет увеличения числа функциональных возможностей и ее адаптацию для решения тематических задач, связанных с применением данных дистанционного зондирования Земли.

   Результаты диссертационной работы и разработанное программное обеспечение использовались:

   6. 4. 1. В геофизической обсерватории Института климатических и экологических систем СО РАН как часть автоматизированной метеорологической информационно-измерительной системы.

         2. При выполнении проекта РФФИ № 12-05-31007 «Восстановление оптических и микрофизических характеристик поглощающего аэрозоля и облаков методами солнечно-небесной фотометрии».

         3. В лабораторном практикуме по курсу «Оптика атмосферы» и при выполнении НИР по теме «Радиационные процессы в атмосфере Земли» на кафедре «Теоретическая физика и волновые процессы» Волгоградского государственного университета.

         Положения, выносимые на защиту

         6. 4. 3. 1. Использование данных спектрорадиометра MODIS с разрешением 250 м позволяет выделить 14 типов облачности и их подтипов с уникальной текстурой изображения, что подтверждается результатами вычислительного эксперимента.

                  2. Сформированный набор информативных текстурных признаков на основе подхода Gray-Level Co-occurrence Matrix является достаточным для классификации 14 разновидностей облачности и построения статистической модели текстуры их изображений.

                  3. Модифицированный численный метод адаптивной подстройки коэффициента скорости настройки нейронной сети при использовании метода сопряженных градиентов позволяет сократить время обучения на 35%.

                  4. Разработанная проблемно-ориентированная программная система позволяет выполнять процедуру классификации 14 типов однослойной облачности и облаков вертикального развития с вероятностью правильной классификации равной 0.9.

                  Апробация работы

                  Результаты диссертационной работы докладывались и обсуждались на двенадцати конференциях и симпозиумах: Всероссийская научно- техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР» (Томск, 2009); XLVII Международная научная студенческая конференция «Студент и научно-технический прогресс» (Новосибирск, 2009); XVI Международный симпозиум «Оптика атмосферы и океана. Физика атмосферы» (Томск, 2009); Седьмая Всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2009); XLVIII Международная научная студенческая конференция «Студент и научно-технический прогресс» (Новосибирск, 2010); Международная школа молодых ученых «Физика окружающей среды» (Томск, 2010); VII Всероссийский симпозиум «Контроль окружающей среды и климата» (Томск, 2010); Восьмая Всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2010); X Всероссийская научная конференция молодых ученых «Наука. Технологии. Инновации» (Новосибирск, 2010); IX Сибирское совещание по климато- экологическому мониторингу (Томск, 2011); Девятая Всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2011).

                  Публикации

                  По результатам исследований, представленных в диссертации, опубликовано 17 научных работ, в том числе 5 статей в журналах из перечня ВАК.

                  Внедрение

                  Разработанный в рамках диссертационной работы программный продукт используется в геофизической обсерватории Института мониторинга климатических и экологических систем СО РАН в составе автоматизированной метеорологической информационно- измерительной системы для определения структуры облачного поля в сравнении с данными наземных наблюдений.

                  Результаты диссертационной работы использовались в Волгоградском государственном университете при выполнении лабораторного практикума по курсу «Оптика атмосферы» и НИР по теме «Радиационные процессы в атмосфере Земли» по Государственному контракту № 02.740.11.5198 от 12 марта 2010 г.

                  На программный продукт выдано свидетельство №18481 от 6 августа 2012 г. о регистрации электронного ресурса Объединенным фондом электронных ресурсов «Наука и образование» (ОФЭРНиО) при Федеральном государственном учреждении науки «Институт научной и педагогической информации» Российской академии образования (ФГНУ ИНИПИ РАО).

                  Личный вклад

                  Материалы диссертации являются обобщением работ автора, выполненных в период с 2009-го по 2012 год, и отражают его личный вклад в решаемую задачу. Основные научные результаты получены автором самостоятельно. Постановка цели и задач, обсуждение планов исследований и полученных результатов выполнены автором совместно с научным руководителем. Разработка модифицированного метода адаптивной подстройки коэффициента скорости обучения нейронной сети, разработка и реализация алгоритма автоматической классификации облаков, построение статистических моделей изображений для различных типов облачности, а также проведение численных расчетов выполнялись автором самостоятельно. В обсуждении результатов исследований по выбору изображений облачности с уникальной текстурой принимала участие Рассказчикова Т.М.

                  Объем и структура работы

                  Диссертация состоит из введения, четырех основных разделов, заключения, списка литературы и пяти приложений. Содержание диссертационной работы изложено на 180 страницах, включая 26 таблиц и 58 рисунков. Список литературы содержит 117 наименований.