Эффективность нейросетевого классификатора облачности на основе спутниковых снимков MODIS с высоким пространственным разрешением

Задача автоматической классификации облачности по типам на основе спутниковых данных является актуальной, поскольку в существующих работах в данной области облака разделяются только по 10 разновидностям из 27 возможных согласно действующему метеорологическому стандарту.
Для выполнения процедуры классификации облачности предложен и реализован алгоритм, основанный на технологии нейронных сетей и информации о текстуре спутниковых снимков MODIS с разрешением 250 м, полученных по данным видимого диапазона спектра, в дневное время и при отсутствии снежного покрова. Для описания текстуры изображений различных типов облаков используется подход Gray-Level Co-occurrences Matrix, в основе которого лежит формирование матриц пространственной смежности яркости пикселей по фрагментам спутниковых снимков. Предложенный нейросетевой классификатор позволяет проводить процедуру разделения облачности по 14 разновидностям в соответствии с метеорологическим стандартом.
Для выполнения процедуры валидации результатов классификации облачности применяется тестовая выборка, при формировании которой нами использовалась методика сопоставления архивных данных сети наземных метеостанций со спутниковой съемкой MODIS. Это позволяет учитывать результаты большого числа наблюдений облачности на метеостанциях в различных регионах. При этом эффективность используемого классификатора определяется как отношение числа правильно проклассифицированных тестовых участков к суммарному объему тестовой выборки, которое является оценкой вероятности правильной классификации и позволяет определить ее качество не только каждого типа облачности в отдельности, но и усредненную вероятность правильной классификации всей тестовой выборки.
В докладе приводится алгоритм классификации облачности по типам. Обсуждаются результаты формирования тестовой выборки, состоящей из 50-60 фрагментов спутниковых снимков для каждого из 14 типов облачности по данным сети метеостанций в Аргентине, Казахстане, Испании, Пакистане, России, ЮАР и других. Представлены результаты оценки эффективности используемого классификатора, которая составила 0.9, и ее сравнение с аналогичными показателями, достигнутыми в других работах.
Работа выполнена при частичной финансовой поддержке Минобрнауки РФ (госконтракт № 02.740.11.0674).