.png){kind=icon}
返回
Benchmarking computer vision architectures for cloud detection from lidar ceilometer backscatter data
.png){kind=icon}
OA
AI
DOI：10.1007/s00371-025-03960-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云检测是准确天气监测的基础，通常通过遥感技术实现，例如卫星图像或雷达。本研究探讨了利用激光雷达 ceilometer 后向散射数据（一种丰富但噪声较大的大气信息来源）来增强云检测的方法。利用在意大利埃特纳火山附近三个月内采集的 Lufft CHM 15k ceilometer 数据，我们收集了一个包含由后向散射剖面导出的时-高图的新型数据集。采用天气研究与预报（WRF）模型对地面真值数据进行标注，以确保模型验证的可靠性。我们在收集的数据集上对当前先进的深度学习架构进行了基准测试，包括基于 CNN 的模型（如 ResNet50、VGG16、InceptionV3、EfficientNet）和 Vision Transformer（ViT）。其中，ResNet50 达到了最高的准确率（89.57%），紧随其后的是 ViT（89.36%），展示了残差学习和基于 Transformer 的方法在从大气数据中提取复杂模式方面的有效性。我们的结果强调了基于激光雷达的系统在准确云检测方面的潜力，并补充了其他遥感技术。本研究通过引入一个公开可用的数据集并提供全面的基准测试结果（为未来研究建立基准）为该领域做出了贡献。此外，本研究也为 ceilometer 数据的更广泛应用（如污染物检测和其他大气现象）开辟了途径。本数据集公开可访问于 https://zenodo.org/records/10616434。
Keyword:
Ceilometer
Weather
Environment
Cloud Detection
Deep Learning.
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
.png){kind=icon}
分享收藏Lidar measurement of clouds profile with a Superconducting Nanowire Single Photon Detector利用超导纳米线单光子探测器测量云层廓线
PREAI
分享收藏Federated Learning in a Semi-Supervised Environment for Earth Observation Data半监督环境下地球观测数据的联邦学习
PREAI
分享收藏Aerosol concentration measurements with a lidar ceilometer: results of a one year measuring campaign
PREAI
分享收藏分享收藏
查看更多内容