大数据背景下基于百度EasyDL的龙卷风阶段监测

1. 龙卷风监测概述

1.1 龙卷风的危害

1.1.1 龙卷风的历史与现状

• 龙卷风是一种少见的局地性、小尺度、突发性的强对流天气，中国平均每年发生的龙卷风有43个，在1989年直接经济损失达到了36亿。
• 龙卷风的发生给人们的生命财产安全带来了巨大的威胁，对社会经济造成了严重的影响。
• 例如，1967年3月26日，上海地区出现一次强龙卷，毁坏房屋一万多间，拔起或者扭断22座能抗12级台风的高压电线铁塔。

1.1.2 龙卷风形成原因

• 龙卷风是在极不稳定天气下由空气强烈对流运动而产生的一种伴随着高速旋转的漏斗状云柱的强风涡旋。
• 龙卷风这种自然现象是云层中雷暴的产物，它可以在任何地方发生，但通常在广阔的平原地区更容易发生。
• 龙卷风的形成可以分为四个阶段：大气的不稳定性产生强烈的上升气流，中尺度气旋的形成，初生的龙卷在气旋内部形成，龙卷核心中的旋转与气旋中的不同，它的强度足以使龙卷一直伸展到地面。

1.2 龙卷风监测的挑战

1.2.1 龙卷风难以预报和监测的原因

• 龙卷风是一种很少见的局地性、小尺度、突发性的强对流天气，现有的气象观测设备难以监测到龙卷风。
• 龙卷风的时空尺度很小，直径一般在100米以下，发生至消散的时间在几分钟到几十分钟，现有气象观测设备难以捕捉到龙卷风的完整生命周期。
• 现有的检测方法需要用到多普勒雷达，然而相对于检测龙卷风所需要的网络密度，多普勒雷达站还很稀少。

1.2.2 现有的监测手段

• 现有的检测方法主要有多普勒天气雷达探测，然而，相对于检测龙卷风所需要的网络密度，多普勒雷达站还很稀少。
• 此外，雷达站覆盖面积是数百千米，而城市与城市的间隔也大概是这个距离。雷达监测远处的天空时，只能看到中高层的天空，对龙卷风这一低空现象来说，雷达的有效监控范围只有几十千米。

1.3 百度EasyDL的介绍

1.3.1 百度EasyDL的特点

• 百度EasyDL无需机器学习专业知识，只需上传并标注需要识别的示例数据可以直接训练模型。
• 百度EasyDL可以查看详细的效果评估报告，在可视化界面校验模型效果，从而有针对性的补充训练数据。
• 当对模型效果满意后将模型部署在云端、设备端、私有服务器或直接购买硬件一体方案。

1.3.2 百度EasyDL的使用流程

• 首先需要在百度EasyDL上，新建一个模型，导入数据集，添加分类，开始训练。
• 完成第一次模型训练后，百度EasyDL的准确率只有41.2%，效果欠佳。通过排查分析，得出原因可能是龙卷风第一阶段的图片太过杂乱且每张图片都有很大差别，再加上缺乏大量龙卷风第一阶段真实清晰的图片，无法准确地提高模型的泛化能力。
• 因此考虑删除一些少见的龙卷风图片以提高模型准确率。有些是因为图片较模糊而判断错误，例如：针对以上问题对数据集进行了调整并进行了第二次实验。再次导入的数据判断准确率从41.2%提升到了100%，提升效果十分明显。

1.4 实验设计与测试

1.4.1 实验设计

• 实验测试，使用新的4个阶段的样本进行测试。
• 在阶段1和阶段2由于龙卷风还处于超级单体的阶段，未出现明显变化，所以识别率较低。
• 在阶段4的测试中，可以正确识别出龙卷风已经发展到阶段3和阶段4，识别率较高。

1.4.2 测试结果分析

• 从上表分析，第一、第二阶段的正确率在45%左右，第三阶段的正确率在50%左右，而在形态很特殊，最为明显的第四阶段正确率在70%。
• 综合每组10个新样本测试后，汇总了各个阶段的识别准确率。

1.5 总结与展望

1.5.1 总结

• 通过此次课题的学习，接触到了百度EasyDL这种图像分类工具，通过大量的图片样本的采集，再结合现有机器学习的算法，百度EasyDL工具可以很方便的对样本进行分类。
• 并且百度EasyDL可以和Python结合，Python是一种很方便的编程工具，网上大量教程和案例，使我更快的掌握了这门语言，在此我还要感谢学校指导老师给予的大力帮助，在老师耐心的教导下完成了本课题的研究。

1.5.2 展望

• 本课题由于时间和能力原因，有下列功能可以继续研究：如何与多普勒气象雷达联动进行识别，模型的样本需要增多，提高准确度，增加报警和提示功能，告诉人们龙卷风的发生，及时发布预警。
• 未来可以考虑将百度EasyDL的图像识别技术与多普勒雷达探测技术相结合，以提高龙卷风监测的准确性和时效性。
• 此外，还可以通过收集更多的龙卷风样本数据，对模型进行持续训练和优化，以提高模型的泛化能力和鲁棒性。

1.6 参考文献

• [1]田玉基,钮亚楠,杨庆山,李波.物理模拟龙卷风的风速和气压降分布特征[J].工程力学,2020,37(03):66-76.
• [2]刘晓静,章易程,刘凡,吴强运,张鸣凤,郭员畅.龙卷风原理的吸尘装置结构设计及流场仿真分析[J].哈尔滨工业大学学报,2020,52(03):106-114.
• [3]李峰,李柏,唐晓文,张林,李瑞义.近20年美国龙卷探测研究进展——对我国龙卷风研究的启示[J].气象,2020,46(02):245-256.
• [4]王蒙恩,曹曙阳,操金鑫.龙卷风风场的数值模拟研究[J].同济大学学报(自然科学版),2019,47(11):1548-1556.
• [5]赵鑫樾,陈石,张晓杰,胡凌生.中国龙卷风等级分布研究[J].科技与创新,2019(21):136-137.