程文聰，王志剛，張文軍，史小康

(北京航空氣象研究所，北京 100085)

1 引言

云會(huì)影響飛行員的視覺(jué)判斷，飛機(jī)在起降過(guò)程中要考慮低云大霧的影響，積雨云則可能會(huì)引發(fā)飛機(jī)顛簸和積冰，云的結(jié)構(gòu)在一定程度上也反映了強(qiáng)對(duì)流風(fēng)暴等天氣系統(tǒng)的發(fā)展方向和強(qiáng)度，因此云的三維結(jié)構(gòu)對(duì)于航空飛行安全和飛行任務(wù)實(shí)施有著巨大的影響，一直是民航和軍事部門非常關(guān)注的氣象要素之一。在飛行航線規(guī)劃中應(yīng)盡量避免飛行器在云層中穿行，實(shí)時(shí)航空氣象服務(wù)保障過(guò)程中也應(yīng)及時(shí)提醒機(jī)組人員注意大片密集云團(tuán)，此外云對(duì)于紅外、電視、激光等空中制導(dǎo)武器的制導(dǎo)性能也有較大影響，掌握云的三維結(jié)構(gòu)對(duì)于航空氣象服務(wù)保障具有重要的實(shí)際意義。

當(dāng)前對(duì)于天氣雷達(dá)未覆蓋區(qū)域的云三維結(jié)構(gòu)的獲取主要有兩種途徑，一種是基于天氣數(shù)值預(yù)報(bào)模式的方法，另一種是基于衛(wèi)星云圖產(chǎn)品反演的方法。天氣數(shù)值預(yù)報(bào)模式是能夠定量預(yù)測(cè)未來(lái)天氣變化的一種技術(shù)手段，通過(guò)對(duì)天氣數(shù)值預(yù)報(bào)模式的診斷分析可根據(jù)大氣物理特征和規(guī)律獲取未來(lái)數(shù)十小時(shí)各個(gè)標(biāo)準(zhǔn)等壓面層的云量產(chǎn)品以及云底高、云量等云結(jié)構(gòu)參數(shù)產(chǎn)品。但其在實(shí)際業(yè)務(wù)使用過(guò)程中存在一定不足和限制，云是目前公認(rèn)的數(shù)值預(yù)報(bào)模式中重要的不確定因素之一，數(shù)值預(yù)報(bào)的計(jì)算是一個(gè)復(fù)雜的過(guò)程，一般只在固定時(shí)間點(diǎn)發(fā)布數(shù)小時(shí)后的預(yù)報(bào)產(chǎn)品，不能及時(shí)融合具有較好時(shí)效性的實(shí)時(shí)資料，因而對(duì)臨近時(shí)間點(diǎn)的云參數(shù)預(yù)測(cè)準(zhǔn)確率偏低。而且該方法對(duì)計(jì)算資源有較高的要求，難以在機(jī)場(chǎng)氣象臺(tái)實(shí)際航空氣象業(yè)務(wù)工作中部署應(yīng)用。衛(wèi)星作為云探測(cè)的有效工具，其云圖能夠提供大范圍、多時(shí)次的宏觀和微觀云信息，不僅可以檢測(cè)行星尺度的天氣系統(tǒng)，也能對(duì)單個(gè)對(duì)流云團(tuán)進(jìn)行監(jiān)測(cè)，基于衛(wèi)星云圖反演的方法通過(guò)直接對(duì)衛(wèi)星云圖的處理可獲取云頂高、云分類、云覆蓋等結(jié)構(gòu)信息，但難以獲取云底高、云層厚度等重要的云結(jié)構(gòu)參數(shù)，因而無(wú)法獲取云三維結(jié)構(gòu)的完整信息。

在云的三維可視化方面，當(dāng)前有多種方法可以構(gòu)建視覺(jué)效果較為逼真的三維云，如基于體過(guò)程的建模方法、基于分形的建模方法、基于文法的建模方法以及基于粒子系統(tǒng)的建模方法等。由云的物理形成原理可知，云是由無(wú)數(shù)的水滴和小冰晶隨機(jī)運(yùn)動(dòng)產(chǎn)生的，而基于粒子系統(tǒng)的建模方法正是由基本粒子群按照一定的規(guī)則組成物體的形態(tài)，因此基于粒子系統(tǒng)生成的云具有豐富的三維結(jié)構(gòu)，與自然環(huán)境中的云具有物理相似性，能夠構(gòu)建可視化及交互效果較為真實(shí)的三維云。

目前深度學(xué)習(xí)在圖像分類、圖像識(shí)別和語(yǔ)音識(shí)別等多個(gè)領(lǐng)域的應(yīng)用取得了較好的結(jié)果，基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的方法在計(jì)算機(jī)視覺(jué)等領(lǐng)域有了廣泛的應(yīng)用，但在圖像生成領(lǐng)域中使用歐式距離作為相似性度量的常規(guī)深度學(xué)習(xí)方法通常會(huì)傾向于產(chǎn)生模糊的圖像。深度生成對(duì)抗網(wǎng)絡(luò)是近年來(lái)人工智能領(lǐng)域有較多研究的一個(gè)方向，通過(guò)生成器和判別器的對(duì)抗，實(shí)現(xiàn)生成器參數(shù)和判別器參數(shù)的訓(xùn)練優(yōu)化，從而建模從特定領(lǐng)域A向特定領(lǐng)域B的數(shù)據(jù)映射關(guān)系，實(shí)現(xiàn)產(chǎn)品從領(lǐng)域A向領(lǐng)域B的轉(zhuǎn)換，生成對(duì)抗網(wǎng)絡(luò)模型目前在圖像生成領(lǐng)域有較廣泛的應(yīng)用。

本文提出一種基于生成對(duì)抗網(wǎng)絡(luò)的三維云構(gòu)建方法。在統(tǒng)一的模型下，利用深度學(xué)習(xí)的非線性映射能力，使用生成對(duì)抗網(wǎng)絡(luò)建立衛(wèi)星云圖產(chǎn)品與云結(jié)構(gòu)參數(shù)產(chǎn)品的映射模型，將衛(wèi)星云圖產(chǎn)品重構(gòu)為云頂高、云底高和云量產(chǎn)品，再通過(guò)這些云結(jié)構(gòu)參數(shù)構(gòu)建基于粒子系統(tǒng)的三維云，從而為航空氣象服務(wù)保障提供云信息資料支持。

2 數(shù)據(jù)資料

深度學(xué)習(xí)需要有大量數(shù)據(jù)作為訓(xùn)練的支撐，本文工作的目標(biāo)是將衛(wèi)星云圖產(chǎn)品作為源數(shù)據(jù)，反演云頂高、云底高和云量這三個(gè)反映云結(jié)構(gòu)的參數(shù)，進(jìn)而通過(guò)引入粒子系統(tǒng)構(gòu)建三維云。因此需要使用衛(wèi)星云圖產(chǎn)品作為源數(shù)據(jù)，對(duì)應(yīng)時(shí)次的云頂高、云底高和云量產(chǎn)品作為訓(xùn)練目標(biāo)。具體研究中選取了FY-4A(風(fēng)云4A)氣象衛(wèi)星4km分辨率各通道產(chǎn)品作為衛(wèi)星云圖源數(shù)據(jù)，歐洲中期天氣預(yù)報(bào)中心提供的0.25°×0.25°(經(jīng)緯度)分辨率的ERA5再分析場(chǎng)產(chǎn)品作為云底高和云量產(chǎn)品的訓(xùn)練目標(biāo)，國(guó)家氣象衛(wèi)星中心網(wǎng)站上公布的云頂高2級(jí)反演產(chǎn)品作為云頂高產(chǎn)品的訓(xùn)練目標(biāo)。各產(chǎn)品的覆蓋范圍均選取為北緯10°～北緯50°、東經(jīng)90°～東經(jīng)130°。

1)FY-4A衛(wèi)星通道產(chǎn)品

FY-4A地球靜止氣象衛(wèi)星是我國(guó)第二代靜止軌道氣象衛(wèi)星的首發(fā)星，搭載了多通道掃描成像儀、干涉式大氣垂直探測(cè)儀、閃電成像儀、空間環(huán)境監(jiān)視儀等多種載荷，本文的工作中選擇FY-4A搭載的多通道掃描成像儀通道產(chǎn)品作為源數(shù)據(jù)。多通道掃描成像儀的主要任務(wù)是對(duì)地球表面和云物理狀態(tài)參數(shù)進(jìn)行高頻次、高精度、多光譜定量遙感，直接為天氣分析和預(yù)報(bào)、短期氣候預(yù)測(cè)以及環(huán)境和災(zāi)害監(jiān)測(cè)服務(wù)。觀測(cè)波段覆蓋可見(jiàn)光、近紅外、短波紅外、中波紅外和長(zhǎng)波紅外，既可觀測(cè)到大尺度天氣系統(tǒng)的全貌，又可觀測(cè)到中、小尺度天氣系統(tǒng)的迅速演變過(guò)程。多通道掃描成像儀共配備14個(gè)通道，包括7個(gè)可見(jiàn)光-近紅外通道和7個(gè)紅外通道。14個(gè)通道中500m地面分辨率通道1個(gè)，1km通道2個(gè)，2km通道4個(gè)，4km通道 7個(gè)，全圓盤觀測(cè)時(shí)間間隔為15分鐘。

本文工作中為統(tǒng)一各通道產(chǎn)品分辨率，且不影響工作的一般性，選取4km分辨率的通道產(chǎn)品作為衛(wèi)星云圖源數(shù)據(jù)，則在考察范圍 (北緯10°～北緯50°、東經(jīng)90°～東經(jīng)130°) 內(nèi)單一通道產(chǎn)品分辨率為1000×1000；為配合數(shù)值模式產(chǎn)品的時(shí)效，云圖通道產(chǎn)品也選擇逐小時(shí)的整點(diǎn)產(chǎn)品。目前在國(guó)家衛(wèi)星氣象中心網(wǎng)站上該資料的起始時(shí)間為2018年3月12日。

2)歐洲中期天氣預(yù)報(bào)中心第五代數(shù)值模式再分析場(chǎng)(ERA5)云底高和云量產(chǎn)品

云底高指云層底所處的高度，云量指云遮蔽天空視野的成數(shù)。歐洲中期天氣預(yù)報(bào)中心發(fā)布的數(shù)值模式產(chǎn)品是實(shí)際業(yè)務(wù)中使用較為廣泛的產(chǎn)品之一，各個(gè)氣象業(yè)務(wù)部門一般均將其作為天氣分析和預(yù)報(bào)的重要資料源之一。ERA5再分析數(shù)據(jù)是其發(fā)展的第5代全球大氣再分析數(shù)據(jù)，在大氣物理模型的基礎(chǔ)上同化了30余顆衛(wèi)星的觀測(cè)資料以及全球多種觀探測(cè)資料，具有較高的可信度和準(zhǔn)確度。通過(guò)歐洲中期天氣預(yù)報(bào)中心網(wǎng)站可下載1979年至今的歷史ERA5再分析場(chǎng)產(chǎn)品，本文中使用0.25°×0.25°(經(jīng)緯度)空間分辨率的逐小時(shí)ERA5云底高產(chǎn)品和總云量產(chǎn)品作為云底高和總云量訓(xùn)練目標(biāo)產(chǎn)品，則在所考察范圍 (北緯10°～北緯50°、東經(jīng)90°～東經(jīng)130°) 內(nèi)產(chǎn)品分辨率為160×160。目前在歐洲數(shù)值中心網(wǎng)站上該資料的起始時(shí)間為1979年1月1日。

3)國(guó)家衛(wèi)星氣象中心FY-4衛(wèi)星反演的云頂高產(chǎn)品

云頂高指云層頂所處的高度，歐洲中期天氣預(yù)報(bào)中心的ERA5再分析產(chǎn)品中沒(méi)有提供云頂高產(chǎn)品，而國(guó)家衛(wèi)星氣象中心利用FY-4A衛(wèi)星的2個(gè)紅外通道和1個(gè)CO2吸收通道，結(jié)合數(shù)值預(yù)報(bào)資料，通過(guò)最優(yōu)估計(jì)的迭代計(jì)算，生成了全圓盤的云頂高度2級(jí)反演產(chǎn)品并公開(kāi)發(fā)布，本文將其作為云頂高訓(xùn)練的目標(biāo)產(chǎn)品。該產(chǎn)品分辨率為4km，則在所考察范圍 (北緯10°～北緯50°、東經(jīng)90°～東經(jīng)130°) 內(nèi)產(chǎn)品分辨率為1000×1000，為配合云底高產(chǎn)品和云量產(chǎn)品共同構(gòu)建三維云結(jié)構(gòu)，將其降采樣為與云底高和云量產(chǎn)品相同的160×160分辨率。目前在國(guó)家衛(wèi)星氣象中心網(wǎng)站上該資料的起始時(shí)間為2019年1月18日。

3 基于生成對(duì)抗網(wǎng)絡(luò)的云參數(shù)獲取

采用基于生成對(duì)抗網(wǎng)絡(luò)的模型獲取云結(jié)構(gòu)參數(shù)產(chǎn)品。產(chǎn)品生成過(guò)程如圖1所示。

圖1 云參數(shù)產(chǎn)品生成過(guò)程

該問(wèn)題可形式化為如下表述：

(1)

為生成云參數(shù)產(chǎn)品，首先需要收集同時(shí)次、同區(qū)域的歷史云圖通道產(chǎn)品和目標(biāo)云參數(shù)產(chǎn)品組成訓(xùn)練數(shù)據(jù)集，繼而構(gòu)建深度生成對(duì)抗網(wǎng)絡(luò)模型，經(jīng)訓(xùn)練提取訓(xùn)練數(shù)據(jù)集中云圖通道產(chǎn)品與云參數(shù)產(chǎn)品間的對(duì)應(yīng)信息，最后將待推算時(shí)次的云圖通道產(chǎn)品作為模型輸入，模型的輸出即為對(duì)應(yīng)時(shí)次的云參數(shù)產(chǎn)品。

圖2 云參數(shù)產(chǎn)品生成對(duì)抗網(wǎng)絡(luò)架構(gòu)

如圖2所示，生成對(duì)抗網(wǎng)絡(luò)模型需要訓(xùn)練兩個(gè)不同的網(wǎng)絡(luò)，分別為生成網(wǎng)絡(luò)G和辨別網(wǎng)絡(luò)D。選用U-Net結(jié)構(gòu)再結(jié)合一個(gè)下采樣層構(gòu)成生成網(wǎng)絡(luò)G。U-Net結(jié)構(gòu)是一種增加了跳躍連接的編碼-解碼器網(wǎng)絡(luò)，在圖像分割領(lǐng)域有較廣泛的使用，文中模型使用的U-Net為64層結(jié)構(gòu)。由于衛(wèi)星云圖產(chǎn)品與云參數(shù)產(chǎn)品具有不同的分辨率，因此在U-Net結(jié)構(gòu)后增加下采樣層將輸出產(chǎn)品調(diào)整到目標(biāo)云參數(shù)產(chǎn)品的分辨率，下采樣層采用雙三次插值方法將輸出結(jié)果的分辨率降為目標(biāo)云參數(shù)產(chǎn)品的分辨率。辨別網(wǎng)絡(luò)D為一個(gè)64層的卷積分類網(wǎng)絡(luò)，通過(guò)計(jì)算其輸入為真實(shí)云參數(shù)產(chǎn)品的概率，辨別輸入的是真實(shí)云參數(shù)產(chǎn)品還是模型生成的云參數(shù)產(chǎn)品。在模型訓(xùn)練過(guò)程中，判別器嘗試正確辨別真實(shí)云參數(shù)產(chǎn)品與生成的云參數(shù)產(chǎn)品，生成器則嘗試生成盡可能真實(shí)的云參數(shù)產(chǎn)品使辨別器無(wú)法辨別真?zhèn)巍?/p>

令(，)為辨別器準(zhǔn)確識(shí)別真?zhèn)卧茀?shù)產(chǎn)品的概率，(，)為由衛(wèi)星云圖產(chǎn)品生成云參數(shù)產(chǎn)品的函數(shù)(為隨機(jī)噪聲)，則對(duì)于辨別器，目標(biāo)函數(shù)為找到如下使最大化的模型參數(shù)：

argmax((，))+log(1-(，(，))))

(2)

對(duì)于生成器，目標(biāo)函數(shù)為找到如下最優(yōu)化參數(shù)

argmax((，(，))

(3)

模型具體實(shí)現(xiàn)中，使用二元交叉熵作為損失度量。即對(duì)于辨別器而言，損失函數(shù)如下

((，)，1)+((，(，))，0)

(4)

其中

(5)

對(duì)于生成器而言，文獻(xiàn)[14]的研究表明將生成對(duì)抗損失與傳統(tǒng)的損失函數(shù)結(jié)合將得到更好的結(jié)果。因此令的損失函數(shù)為生成對(duì)抗損失與1損失的按比例合成，具體損失函數(shù)如下

=((，(，))，1)+|-(，)|

(6)

其中和為生成對(duì)抗損失和1損失的比例系數(shù)。

訓(xùn)練過(guò)程以迭代方式執(zhí)行。首先對(duì)辨別器進(jìn)行訓(xùn)練，對(duì)批量輸入真實(shí)云參數(shù)產(chǎn)品和生成器生成的云參數(shù)產(chǎn)品，利用損失通過(guò)反向傳播的方式更新辨別器的參數(shù)；繼而凍結(jié)辨別器的參數(shù)，對(duì)生成器和辨別器批量輸入衛(wèi)星云圖通道產(chǎn)品和對(duì)應(yīng)的真實(shí)云參數(shù)，計(jì)算生成器損失，再通過(guò)反向傳播的方式更新生成器的參數(shù)。重復(fù)上述過(guò)程直至生成器和辨別器的能力達(dá)到平衡。

訓(xùn)練優(yōu)化方法為使用mini-batch SGD的ADAM方法，學(xué)習(xí)率為0.0002，優(yōu)化器動(dòng)量參數(shù)=05，=0999。在推理測(cè)試過(guò)程中，使用生成器生成目標(biāo)云參數(shù)產(chǎn)品，生成器網(wǎng)絡(luò)架構(gòu)與訓(xùn)練階段的生成器網(wǎng)絡(luò)模型相同，參數(shù)為訓(xùn)練后的生成器模型參數(shù)。

4 基于粒子系統(tǒng)的三維云構(gòu)建

基于深度學(xué)習(xí)計(jì)算得到的云頂高和云底高參數(shù)產(chǎn)品，結(jié)合特定經(jīng)緯度網(wǎng)格所限定的平面邊框，可構(gòu)建該網(wǎng)格區(qū)域的云立體輪廓，再利用粒子系統(tǒng)根據(jù)云量參數(shù)生成一定量的云粒子對(duì)立體輪廓進(jìn)行填充，即可得到可視化及交互效果逼真的三維云體，云立體輪廓如圖3所示。

圖3 地理網(wǎng)格單元上的云立體輪廓示意圖

傳統(tǒng)的基于粒子系統(tǒng)的三維云構(gòu)建方法一般強(qiáng)調(diào)追求視覺(jué)效果而沒(méi)有使用真實(shí)的云結(jié)構(gòu)參數(shù)，本文在云立體輪廓中按如下方式填充粒子系統(tǒng)以使生成的三維云與實(shí)際空域中的云形態(tài)保持基本一致：

1)為每一個(gè)地理網(wǎng)格單元生成一個(gè)粒子系統(tǒng)，設(shè)定該網(wǎng)格單元上粒子系統(tǒng)的輪廓為與云立體輪廓相同的立方體。

2)每一個(gè)粒子系統(tǒng)中的粒子數(shù)量由式(7)確定，使得粒子的密度與云量線性相關(guān)。

=(-)

(7)

其中為粒子數(shù)量，為調(diào)整系數(shù)，為云量，為云頂高，為云底高。

3)在粒子系統(tǒng)中，云粒子需要指定紋理材質(zhì)以進(jìn)行渲染，本文使用的粒子紋理材質(zhì)如圖4所示。為獲取較好的云粒子視覺(jué)效果，設(shè)定該紋理材質(zhì)的亮度按高斯分布從中心向邊緣連續(xù)遞減。

圖4 云粒子渲染材質(zhì)

5 實(shí)驗(yàn)分析與演示軟件

通過(guò)實(shí)驗(yàn)分析基于深度學(xué)習(xí)生成的云頂高、云底高以及云量參數(shù)的質(zhì)量，并展示基于云參數(shù)的三維云演示驗(yàn)證軟件。

設(shè)定云參數(shù)質(zhì)量判別方法為平均絕對(duì)誤差，在實(shí)驗(yàn)中僅計(jì)算真實(shí)云參數(shù)產(chǎn)品和生成云參數(shù)產(chǎn)品中不同時(shí)為0的格點(diǎn)。對(duì)于尺寸為×的生成云參數(shù)產(chǎn)品數(shù)據(jù)以及真實(shí)云參數(shù)產(chǎn)品數(shù)據(jù)，相關(guān)計(jì)算公式如式(8)所示

(8)

其中為樣本數(shù)據(jù)緯度方向的格點(diǎn)數(shù)，為樣本數(shù)據(jù)經(jīng)度方向的格點(diǎn)數(shù)。

實(shí)驗(yàn)環(huán)境配置如下，CPU：Intel Xeon 4116×2、內(nèi)存：64GB、GPU：NVIDIA GTX 1080ti 11GB×2、硬盤：512GB SSD、操作系統(tǒng)：Ubuntu 18.04、深度學(xué)習(xí)平臺(tái)：Pytorch 1.0.1。

本文所使用的FY-4A衛(wèi)星通道產(chǎn)品以及三個(gè)目標(biāo)云參數(shù)產(chǎn)品的資料覆蓋時(shí)間存在一定區(qū)別。FY-4A衛(wèi)星通道產(chǎn)品的資料起始時(shí)間為2018年3月12日；目標(biāo)云底高和云量數(shù)據(jù)來(lái)源于歐洲ERA5數(shù)值模式再分析產(chǎn)品，資料起始時(shí)間為1979年1月1日；目標(biāo)云頂高數(shù)據(jù)來(lái)源于FY-4A衛(wèi)星2級(jí)反演數(shù)據(jù)，資料起始時(shí)間為2019年1月18日。為最大化利用訓(xùn)練數(shù)據(jù)，使用上述生成對(duì)抗網(wǎng)絡(luò)模型針對(duì)三個(gè)云參數(shù)分別獨(dú)立進(jìn)行建模訓(xùn)練。云底高和云量產(chǎn)品使用的輸入數(shù)據(jù)為FY-4A全部14個(gè)通道的產(chǎn)品數(shù)據(jù)，訓(xùn)練數(shù)據(jù)時(shí)間區(qū)間為2018年3月12日至2019年6月31日的逐小時(shí)數(shù)據(jù)，由于夜晚可見(jiàn)光通道無(wú)數(shù)據(jù)，僅使用白天10個(gè)時(shí)次(北京時(shí)08時(shí)～17時(shí))的數(shù)據(jù)，共計(jì)4455組；由于云頂高參數(shù)在理論上可由衛(wèi)星紅外通道產(chǎn)品計(jì)算，因此使用的輸入數(shù)據(jù)為FY-4A的7個(gè)紅外通道產(chǎn)品，訓(xùn)練數(shù)據(jù)時(shí)間區(qū)間為2019年1月18日至2019年6月31日全天的逐小時(shí)數(shù)據(jù)，共計(jì)3789組。

模型均經(jīng)歷200個(gè)訓(xùn)練周期(epoch)的訓(xùn)練，云頂高產(chǎn)品的訓(xùn)練時(shí)長(zhǎng)為3小時(shí)16分，云底高產(chǎn)品的訓(xùn)練時(shí)長(zhǎng)為3小時(shí)29分，云量產(chǎn)品的訓(xùn)練時(shí)長(zhǎng)為3小時(shí)23分。

5.1 結(jié)果統(tǒng)計(jì)分析

參與統(tǒng)計(jì)分析的測(cè)試數(shù)據(jù)為2019年7月1日至2019年7月31日的逐小時(shí)數(shù)據(jù)。由于夜晚可見(jiàn)光通道無(wú)數(shù)據(jù)，因而僅取白天10個(gè)時(shí)次(北京時(shí)08時(shí)～17時(shí))共302個(gè)時(shí)次的數(shù)據(jù)(存在缺測(cè)時(shí)次)。表1為云頂高產(chǎn)品、云底高產(chǎn)品和云量產(chǎn)品的平均MAE誤差以及測(cè)試數(shù)據(jù)中最大、最小MAE誤差統(tǒng)計(jì)。統(tǒng)計(jì)結(jié)果顯示，測(cè)試數(shù)據(jù)中云頂高產(chǎn)品的平均MAE誤差為1180米，云底高產(chǎn)品的平均MAE誤差為1185米，根據(jù)航空氣象保障的一般經(jīng)驗(yàn)，在云高范圍0米～20000米的尺度下，1000米左右的云底高平均誤差、2000米以下的云頂高平均誤差產(chǎn)品基本可用。測(cè)試數(shù)據(jù)中云量產(chǎn)品的平均MAE誤差為1.78，在實(shí)際航空氣象服務(wù)保障過(guò)程中一般云量誤差低于2即認(rèn)為基本準(zhǔn)確。由統(tǒng)計(jì)結(jié)果可知基于本文方法根據(jù)衛(wèi)星云圖通道產(chǎn)品生成的云頂高、云底高和云量產(chǎn)品基本能夠滿足重構(gòu)三維云的使用需要。

表1 生成的云參數(shù)產(chǎn)品結(jié)果統(tǒng)計(jì)

5.2 個(gè)例分析

2019年7月22日12時(shí)～15時(shí)(北京時(shí))4個(gè)連續(xù)時(shí)次計(jì)算生成的云頂高、云底高以及云量參數(shù)產(chǎn)品與目標(biāo)云參數(shù)產(chǎn)品和可見(jiàn)光云圖的對(duì)比如圖5～圖7所示。圖中可發(fā)現(xiàn)4個(gè)時(shí)次的計(jì)算云頂高產(chǎn)品、云底高產(chǎn)品以及云量產(chǎn)品均與可見(jiàn)光云圖有相似的外形分布，表明從云圖通道產(chǎn)品中提取到了相關(guān)有效信息；由熱度圖顏色對(duì)比可知，4個(gè)時(shí)次的計(jì)算生成產(chǎn)品與再分析云底高產(chǎn)品、云量產(chǎn)品以及衛(wèi)星反演的云頂高產(chǎn)品在值域范圍上保持了基本一致，說(shuō)明深度學(xué)習(xí)網(wǎng)絡(luò)準(zhǔn)確建模了相應(yīng)云參數(shù)產(chǎn)品的特征，完成了從衛(wèi)星云圖通道產(chǎn)品數(shù)據(jù)域向云參數(shù)產(chǎn)品數(shù)據(jù)域的轉(zhuǎn)換。個(gè)例分析表明本文所提方法能夠較準(zhǔn)確地計(jì)算云參數(shù)產(chǎn)品。

圖5 2019年7月22日12時(shí)～15時(shí)(北京時(shí))云頂高計(jì)算結(jié)果對(duì)比

圖6 2019年7月22日12時(shí)～15時(shí)云底高計(jì)算結(jié)果對(duì)比

圖7 2019年7月22日12時(shí)～15時(shí)云量計(jì)算結(jié)果對(duì)比

5.3 三維云演示軟件

為展示本文所提方法構(gòu)建三維云的可行性和實(shí)用性，基于Unity3D平臺(tái)開(kāi)發(fā)了三維云演示軟件，圖8為基于云頂高、云底高以及云量參數(shù)構(gòu)建的2019年7月22日12時(shí)北緯10°～北緯50°、東經(jīng)90°～東經(jīng)130°空域的三維云立體輪廓示例(使用透明度表示云量)。

圖9為使用粒子系統(tǒng)構(gòu)建的該時(shí)次三維云示例。在兩個(gè)三維云示例下方疊加了對(duì)應(yīng)時(shí)次可見(jiàn)光衛(wèi)星云圖產(chǎn)品進(jìn)行對(duì)比，可以觀察到構(gòu)建出的三維云立體結(jié)構(gòu)與實(shí)際云圖保持了較高程度的一致性。

圖8 云立體輪廓示例

圖9 三維粒子云示例

圖10 根據(jù)三維云信息進(jìn)行航線規(guī)劃的示例

圖10演示了根據(jù)三維云信息進(jìn)行飛行航線規(guī)劃的一個(gè)操作示例。在圖中右下方平面云圖上指定航線后(紅色線)，可在圖中左下部分生成航線的云剖面圖，通過(guò)在航線云剖面圖中設(shè)定航線飛行高度(藍(lán)色線)可規(guī)避航線中的大片云團(tuán)。從而使三維云信息參與到航線規(guī)劃過(guò)程中，圖11展示了在第一視角下云環(huán)境中飛行的效果示例。通過(guò)點(diǎn)擊右下方的平面云圖，可以在右上方高度表上標(biāo)識(shí)出云底高及云頂高，云量信息由高度表中白色區(qū)域的亮度標(biāo)識(shí)，從而讓使用人員了解感興趣位置的云結(jié)構(gòu)參數(shù)信息。由于該軟件主要用于演示三維云信息對(duì)飛行任務(wù)規(guī)劃以及航空氣象服務(wù)保障的支持能力，因而與實(shí)際航線規(guī)劃過(guò)程不完全吻合，僅為演示示例使用。

6 結(jié)束語(yǔ)

1) 本文提出了一種基于深度生成對(duì)抗網(wǎng)絡(luò)的云參數(shù)推算模型，可在相關(guān)數(shù)據(jù)集的支持下生成多種云結(jié)構(gòu)參數(shù)，未來(lái)可探索利用該模型在相關(guān)氣象數(shù)據(jù)集的支持下對(duì)其它云參數(shù)進(jìn)行推算。

2) 基于FY-4A氣象衛(wèi)星通道產(chǎn)品、FY-4A氣象衛(wèi)星反演云頂高產(chǎn)品、ERA5云底高和云量產(chǎn)品的實(shí)驗(yàn)證明了本文所提方法在云頂高、云底高和云量這三個(gè)云參數(shù)上的有效性，誤差均可滿足使用要求。

3)根據(jù)云頂高、云底高和云量參數(shù)提出了一種基于粒子系統(tǒng)的三維云構(gòu)建方法，實(shí)現(xiàn)了演示驗(yàn)證軟件，并基于該軟件探索了基于云信息的飛行航線規(guī)劃方法，未來(lái)擬根據(jù)需要融入現(xiàn)有業(yè)務(wù)軟件，讓航空氣象信息更好地得到應(yīng)用。

4)本文使用同一材質(zhì)的基礎(chǔ)粒子填充云體，沒(méi)有考慮不同云類型的區(qū)別，未來(lái)將根據(jù)云分類信息探索不同云類的細(xì)分構(gòu)建方法。

5)本文僅根據(jù)云底高和云頂高構(gòu)建云的立體輪廓，暫時(shí)沒(méi)有考慮多層云的情況，未來(lái)將進(jìn)一步完善本文工作，探索多層云的構(gòu)建方法。

圖11 第一視角三維云環(huán)境示例