基于卫星遥感图像综述降雨监测体系
第一章绪论
1.1引言
我国灾害天气频发对国民经济和社会生活动产生巨大的经济损失。尤其是暴雨具有突发性、频发性和持续性的特点，己成为主要的天气灾害。
随着气象卫星的快速发展及在业务中的应用，利用卫星遥感资料监测降水已成为一个重要的应用方面。遥感卫星资料具有观测地域性不受限制和观测直观形象等特点，同时随着观测时间间隔不断缩短，卫星探测功能和地面处理能力不断增强，由卫星得到的气象参数和有用信息不断增多，使气象卫星资料在暴雨分析预报和洪水预报警报中的作用日益明显。
本论文将研究运用BP神经网络的指导性搜索思想和遗传算法的全局搜索能力相结合的方法，对区域内降水云团进行非线性的预测，预测区域内云团的可能发展、移动区域范围及落区，在此基础上，建立降雨量估算模型，估算目标区域的降雨量。
实践表明：利用气象卫星资料估算降水量，是一个具有吸引力和发展前景的工作，它对提高降水监测水平，降水短时临近预报，洪游灾害监测，地质灾害预警都具有重要的意义。
1.2国内外研究现状
1.2.1国内研究现状
1.国内线性降水估算研究现状
1960年以来，随着星载探测器的迅速发展，人们开始逐步将卫星探测资料用于降水估算。傅云飞等利用TRMM卫星研究了亮温与降水强度之间的关系。兰红平，张儒林等用自动站的观测资料，根据统计资料分析了云顶亮温与雨强的关系并利用该关系提出对小区域云团降水强度的估测方法。谷晓平、王长耀等通过对云图及观测资料的研究，给出云图相关性较密切的参数因子如：平均亮温、亮温面积指数、亮温方差等。滕卫平等人将GSM卫星云图数据用于研究红外云图与地面雨强的关系，随后郑世林在进行降水及冰雹等恶劣天气的研究时利用了风云二号卫星云图及其反演产品。张狗、王敏等利用卫星云图数据对四川盆地各自动气象站点的降水与卫星云图云顶亮温之间的关系进行了研究；闰小利、陈佩燕等人也都分别研究了地区降水量与对应的红外云图上云顶亮温的相关系数。
2.国内非线性降水估算研究现状
随着神经网络技术的研究深入，人们开始逐渐将神经网络方法应用到非线性降水估算的研究中。金龙等人在1997年率先将神经网络用于讯期降水预报性能与逐步回归预报准确率的对比分析中去。随后，白慧卿等人研究了GS,卫星云图云系识别的人工神经网络方法，在将该方法与传统基于统计的卫星云图云系识别方法进行对比时发现，神经网络方法在进行云系识别时准确率更高。王成刚等人在1999年来用神经网络方法对山东西南地区的降水量进行了预报试验，取得了较好的试验结果。但在试验时也发现如果对网络中的各个参数做了改变，则会导致网络推广能力的振荡。胡江林在进行基于神经网络的降水预报模型设计时，将太平洋海温场、500hPa的月平均高度场等物理场要素因子经处理得到的时间系数作为网络的输入参数。熊秋芬等人于2000年对上一年度的讯期降水量用神经网络、数值预报和天气学预报等三种预报方法进行了预测，通过比较发现基于神经网络的降水预报方法效果最好。金龙等人在2003年将模糊数学应用到神经网络中去，提出了基于模糊神经网络的数值产品混合预报模型。
第二章遗传算法及神经网络的理论基础
2.1遗传算法的理论基础
2.1.1遗传算法介绍
遗传算法是一种随机搜索算法，这种算法借鉴了生物界的进化规律，进化规律包括自然选择和遗传规律。遗传规律包括遗传中的基因突变、交叉、繁殖。遗传算法在在每一次的迭代过程中保留了候选的解决方案，在选出优质个体后，重新组合，产生新的待选个体，重复上述过程直至满足某种特定的收敛标准停止。相比与传统启发式的搜索算法，遗传算法具有群体搜索的策略和较为简易的算子等特征。由于遗传算法的群体搜索性，使得遗传算法搜索领域更加的广泛。目前计算机技术迅速发展，遗传算法作为一种智能的计算算法，受到越来越多的关注，很多学者都对遗传算法进行了改进和使用。
1975年美国教授Holland在《自然界和人工系统的适应性》首次提出遗传算法，Deong博士在同年发表论文《An analysis of behavior of a class og geic system》。Holland教授和Deong博士的著作被公认为是遗传算法的奠基人。教授系统地对遗传算法的理论和方法进行了阐述，提出的模式定理与隐形并行原理为遗传算法的理论奠定了基础。Deong博士在运用模式定理下所做的计算试验，构造了遗传算法的基本流程，定义和评价了遗传算法的指标，他们的研究是遗传算法发展历程中的里程碑。
我国对于遗传算法的研究一直以来在不断的探索，尤其是近年来，遗传算法在许多领域中都取得了瞩目的成果。经过多年的研究努力，遗传算法在理论基础上、算法设计及应用研究上，都取得了长足的发展，己成为诸多学科共同关注研究领域。世界各个地方定期召幵遗传算为主题的国际会议，对于遗传算法的研究学术活动十分活跃。解决实际问题的能力范围不断的扩大。
2.1.2遗传算法的实现步骤
遗传算法之间的区别的产生主要是由于选择了不同的编码方法和不同的遗传算子。目前很多研究人员提出了不同的编码和不同的遗传算子来模拟生物在各种环境下面的遗传特性。遗传算法的核心基础是生物遗传和进化机制。所有的遗传算法虽然各有差异，但是都是通过生物遗传和进化过程中对遗传算子的交叉、变异、选择的模仿实现算法，在完成问题最佳解决路径时自适应搜索过程。由此戈德堡对遗传算法进行了深刻的总结和宏观的统一》基本的遗传算法的选择、交叉、变异的操作简易，理解容易，具有很强的应用价值。
遗传算法中个体遗传概率是由个体的适用度的大小决定的。个体适用度的大小直接关系到个体的遗传概率。个体适用度增加，概率增加；个体适用度减少，概率减少。
适应度函数是自然选择的唯一的依据，根据目标函数确定的标准区别个体的好坏。目标函数有正也有负，优化的目标可以是求得函数的最大值或者函数的最小值，因此个体适应度和目标函数之间需要转换。
2.2神经网络的理论基础
2.2.1神经网络的基本原理
轴突、树突及单个的细胞体这三个部分后成了生物的神经元。其中轴突是用来传出神经冲动，即动物神经元传导神经冲动离开细胞体的细而长的突起。树突是细胞体的伸延部分产生的分枝，它是接受从其它神经元传入的信息的入口。兴奋与抑制是神经元的两种现实。当传入的神经总能量使细胞膜的点位升高到阈值或高出阈值（通常为40MV）神经细胞为兴奋的现实，通过轴突输出神经冲动；反之，传入神经总能量使神经细胞膜电位低于阈值时，神经细胞为抑制现实也就是无神经冲动输出。
通过一个简易的人工模拟出生物的神经元，其结构如图2-3所示：
其中Xi（i=1，2，3...，n），，，为输入的信号，Wij是神经元的权值，指的是神经元和输入信号的连接强度；指的是神经元的阈值。当输入的信号加权值和阈值相比小的时候神经元被激活。
人工神经网络模型由大量的神经元互联构成。网络的区别取决于互联的方式。如果按照功能特性及学习特性来分，神经网络模型包括感知器、线性神经网络、BP神经网络、径向基函数神经网络、自组织映射网络和反馈神经网络等。根据网络的拓扑结构，可以分为没有反馈的前向神经网络和结合型网络。前向网络由三个层次构成，输入层、隐藏层及输出层每层网络没有反馈，只能够接受上层神经元的输出。相互结合型指任意两个神经元在神经网络中都有可能相互的连接，输入的信号可以从某个初始的位置开始，经过多次的变化，在神经元间反复的传递，最后渐渐的进入一个稳定的现实或者周期震荡的现实。除此以外，按照网络输入是否含有延迟或者含有反馈环节，网络被分为静态网络和动态网络。在动态中经常含有网络输入延迟或者反馈环节；静态神经网络不含有任何延迟环节或者反馈环节。
2.2.2大气科学中神经网络的应用
自20世纪末以来，人工神经网络在理论研究及应用研究中都有了长足的发展，己经涉及众多领域并取得了大量的研究成果如：信号处理、智能控制、图像、模式识别及计算机技术等学科就目前而言，国内外气象学的研究方法中涉及很多方面有神经网络方法，如：短期气候预测，强对流天气，土壤水分预报，卫星资料处理，云图识别反演，预报能见度，大气温度廓线反演，水面蒸发计算，预报厄尔尼诺，预报台风，预报温度时间序列，预报空气污染，以及观测资料优化处理等相较于国内而言，国外人工神经网络的研究与应用要早于国内的研究。
第三章基于遗传也化神经网络算法的云团预測........25
3.1卫星遥感图像云团预测.......25
3.2区域云团的预测模型......27
基找传也化神经网络算法的降水估算.........44
4.1卫星遥感降水估算...........44
4.2样本数据与样本数据处理.........44
4.2.1资料来源.........44
第五章降水监激系统设计与实现.........58
5.1系统功能......58
5.2系统结构.......58
第五章降水监测系统设计与实现
5.1系统功能
本文根据GA-BP遗传神经网络算法，设计了降水监测系统。该系统能够实现以下目标：
（1）卫星云团顸测；
（2）估算选定点降水；
（3）发布、显示云图和降水信息。
5.2系统结构
系统结构图如图5-1所示，系统由卫里资料处理、云团预测、降水估算、信息发布、系统维护等模块组成。
卫星资料处理：实现对觅数据的閱形化昆示，定位处理，定标处理。
云团预测：基丁GA-BP遗传神经网络算法，设计并实现云团预测模块，实现对6，12，18，24时的云团预测。
降水估算：基于GA-BP遗传神经网络算法，设计并实现降水估算模块。实现对3小时内站点降水分布及强度估算。
信息发布：对云图及降水估算产品及时的发布，预警。
系统维护：对整个系统模块的功能及性能进行定时的管理维护。
第六章总结与展望
6.1论文总结
（1）在融合BP神经网络的指导性搜索思想和遗传算法的全局搜索功能的基础上，建立一个使用遗传算法优化的BP神经网络模型。其基本思想是将BP神经网络训练过程中的连接权值和阈值作为遗传算法中的染色体，同时对其进行编码，在对遗传算法进行选择、交叉和变异等操作的同时完成网络连接权值和阈值的调整和优化。这种优化可以改进BP神经网络的网络结构，有效的缩短BP神经网络的训练时间，同时还可以提高预报的稳定性和精确度，从而使得BP神经网络在识别能力和识别效果这两个关键指标上得到大幅度地性能提升。
（2）遗传算法与BP神经网络模型相结合的动力系统重构的气象卫星云图的非线性预测方法能很好地利用实际情况的观测数据，该模型针对性较强，能客观真实的反应不同季节的卫星云图特征。除此之外，在进行预报制作时只需要设置动力方程组的初值，克服了传统神经网络预测模型、统计回归预测模型等需要较多预报因子的缺点，降低了复杂度。同时，与传统的统计方法预测不同，在不进行模型修改的情况下，本模型能直接运用于多时效预报，不需要建立不同的预报模型。本模型结合了数值预报和统计预报的优势，具有很强的借鉴参考价值。
（3）建立一种基于遗传算法的BP神经网络模型降水估算模型，选取TIR1、TIR2、TWV、TIR1-TIR2、TIR1-TWV、TIR2-TWV等多个因子作为模型的输入，在降水估算输出模型中釆用Delaunay三角网方法进行栅格插值，取得比较理想的预测结果，
（3）根据江苏实际情况和相关方法进行了实验，设计并实现降水监测系统，测试表明，系统有较好的实用性及可靠性。
6.2工作展望
根据江苏的区域特点，利用不断涌现的新技术和新的观测手段等对反演降水进行进一步的研究，改进预测的准确率，才能使系统不断完善，具有较强的使用价值。由于时间有限，本系统尚有许多不足之处，在将来的工作中，将在如下几个方面对本系统进行深入研究：
第一、系统具有广泛的适用性。静止卫星获取的辐射资料、大气运动等都是连续变化的，而降水是一个时间段内的累积过程，这样的差异导致降水估计存在误差。而且地面观测站点数量有限密度不够，给订正带来相应误差。不断完善系统，使其更具广泛性。
第二、不断升级系统。在现有基础上，结合不断发展的现代化气象业务，融入最新的技术成果，适时对降水评估业务进行升级，扩展或优化其功能。
第三、推广系统应用。将本系统推广到水利部门、国土资源部门等，使其在防汛防洪、地质灾害监测预警等关乎人民群众生命财产安全的重要领域发挥作用。
参考文献（略）