Название статьи или книги, фамилия автора, DOI

Распознавание ранних признаков зарождения тайфуна на основе общедоступных источников спутниковых изображений

А.А. Кузьмицкий1, М.И. Труфанов2, О.Б. Тарасова3, Д.В. Федосенко4

научная статья УДК 004.932 Страницы: 58-85 doi.org/10.18127/j20729472-202102-05

  1. 1,2,3,4 1–4 Федеральное государственное бюджетное учреждение науки Центр информационных технологий в проектировании РАН (г. Одинцово, Московская обл., Россия)

Аннотация

Постановка проблемы. В настоящее время актуально создание программного инструментария для раннего выявления тропических циклонов на основе общедоступных метеорологических данных. Необходимо разработать метод и алгоритмическое обеспечение для распознавания ранних признаков зарождения циклона, базирующиеся на обнаружении характерных турбулентностей, последующем построении движений турбулентностей и распознавании набора характерных признаков, вычисляемых посредством анализа изменения направлений и характера турбулентностей.

Цель. Разработать метод и алгоритмическое обеспечение для распознавания ранних признаков тропических тайфунов и накопления данных для развития физико-математической модели образования циклона посредством анализа спутниковых снимков и вспомогательной метеорологический информации, получаемых из общедоступных источников.

Результаты. Представлен алгоритм для обработки изображений, получаемых из общедоступных источников спутниковых снимков и данных о погоде, обеспечивающий детекцию признаков зарождения тайфуна с учетом динамики облачности. Проведены экспериментальные исследования на основе анализа видеозаписей спутниковых изображений зарождения и развития циклов за 2010-2020 годы. Отмечено, что отличительной новизной созданного подхода является использование различных по природе признаков, характеризующих развитие циклона, а также введение дополнительных уточняющих процедур распознавания циклона. 

Практическая значимость Разработан метод можно использовать для извлечения и накопления значительного количества объективных данных для построения физико-математической модели развития циклона, а также непосредственно для построения системы раннего обнаружения циклонов.

Поступила
14.05.2021
Одобрена
21.05.2021
Принята
02.06.2021

Для цитирования

Кузьмицкий А.А., Труфанов М.И., Тарасова О.Б., Федосенко Д.В. Распознавание ранних признаков зарождения тайфуна на основе общедоступных источников спутниковых изображений // Системы высокой доступности. 2021. Т. 17. № 2. С. 58−66. DOI: https://doi.org/ 10.18127/j20729472-202102-05

Список источников
  1. Гридин В.Н., Смахтин А.П. Физическое моделирование магнитогидродинамических процессов развития мощных тропических циклонов / Труды МАИ. 2019. Вып. № 109. С. 7. DOI: 10.34759/trd-2019-109-7.
  2. Chen S., Hong Y., Cao Q., Kirstetter P.-E., Yong B., Qi Y., Zhang J., Howard K., Hu J. Wang J. Performance evaluation of radar and satellite rainfalls for Typhoon Morakot over Taiwan: Are remote-sensing products ready for gauge denial scenario of extreme events? J. Hydrol. 2013. № 506. P. 4–13.
  3. Ghorbani M.A., Kazempour R., Ahmadi M., Shamshirband S., Ghazvinei P.T. Forecasting pan evaporation with an integrated artificial neural network quantum-behaved particle swarm optimization model: A case study in Talesh, Northern Iran. Eng. Appl. Comput. Fluid Mech. 2018. № 12. P. 724–737.
  4. Alpay B.A., Wanik D., Watson P., Cerrai D., Liang, G., Anagnostou E. Dynamic Modeling of Power Outages Caused by Thunderstorms. Forecasting. 2020. № 2. P. 151–162.
  5. Lowe D.G. Distinctive image features from scale-invariant keypoints. Int. J. Comput. Vis. 2004. № 60. P. 91–110.
  6. Shahid Karim, Ye Zhang, Muhammad Rizwan Asif, Saad Ali. Comparative analysis of feature extraction methods in satellite imagery, Journal of Applied Remote Sensing 11(4), 042618 (2017). https://doi.org/10.1117/1.JRS.11.042618.
  7. Chang X., Du S., Li Y., Fang S. A Coarse-to-Fine Geometric Scale-Invariant Feature Transform for Large Size High Resolution Satellite Image Registration. Sensors 2018. № 18. P. 1360. https://doi.org/10.3390/s18051360.
  8. Lin G.-F., Wang T.-C., Chen L.-H. A forecasting approach combining self-organizing map with support vector regression for reservoir inflow during typhoon periods. Advances in Meteorology. 2016. Article ID 7575126. doi:10.1155/2016/7575126.