云对地球的能量平衡，气候和天气能产生很大影响。不同类型的云具有不同的云辐射效应。因此，准确的识别云的类型在气象中很重要。

最近，我院张敬林博士（第一作者）和张峰博士（通讯作者）在《Geophysical Research Letters》发表了题为“CloudNet: Ground-based Cloud Classification with Deep Convolutional Neural Networ”的研究成果。文章中提出了一种新的卷积神经网络模型，称为CloudNet(见图1 )，并把该网络用于准确的地面气象云图分类。

图1 CloudNet模型框架，包含了5个卷积层2个全连接层。

虽然近年来CNN在图像分类方面取得了显着成果，但很少有工作评估它们在云分类的准确性。高精度和自动化的云分类方法，尤其是对对流云的识别，对灾害性天气的发现是至关重要的。此外，能清楚的识别尾迹云也能够推动尾迹云对气候的影响的研究。

因此，该团队建立了一个名为Cirrus Cumulus Stratus Nimbus(CCSN)的地面云图数据集(见图2a)，该数据集由气象标准下的11个类别组成。云图像的总数是以前数据库的三倍。该数据集第一次将尾迹云考虑到地面云分类中，这使得该数据集比前人基于地面的数据集更具辨别力和综合性。最后大量实验的评估表明，所提出的CloudNet模型可以在气象云分类中取得非常好的效果（见图3）。

图2三种数据集的比较. (a)为CCSN数据集, (b)为HUST 数据集, (c)为SWIMCAT数据集

图3 混淆矩阵评价 CloudNet 模型对两种不同的数据集的分类效果。其中(a) 为对SWIMCAT 数据集的分类效果，(b)为对CCSN数据集的分类效果。其中Ci = cirrus; Cs = cirrostratus; Cc =cirrocumulus; Ac = altocumulus; As = altostratus; Cu = cumulus; Cb = cumulonimbus; Ns = nimbostratus; Sc = stratocumulus; St = stratus; Ct = contrail.

论文信息

Zhang Jinglin, Pu Liu, Feng Zhang*, Qianqian Song, 2018: CloudNet: Ground-based Cloud Classification with Deep Convolutional Neural Network, Geophysical Research Letters, doi: 10.1029/2018gl077787

文章链接

https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2018GL077787

来源：大气院官网

作者：张峰

部分图片图片来源于网络

新媒体编辑：韦金逢返回搜狐，查看更多

责任编辑：