W dniu 3 października 2024 r. ukazał się najnowszy artykuł pracowników IMGW-PIB pt. “Artificial neural networks in automatic image classifications of cloud from ground-based observations using deep learning models”, w czasopiśmie który dotyczy wykorzystania sztucznej inteligencji do rozpoznawania i klasyfikowania typów chmur.
Klasyfikacja chmur jest krytycznym zadaniem w meteorologii, które ma zastosowanie w prognozowaniu pogody, modelowaniu klimatu i monitorowaniu środowiska. Tradycyjnie obserwacje chmur wykonywane są w sposób wizualny przez doświadczonych obserwatorów, co może wprowadzać ludzkie błędy i niespójności w wynikach.
Praca koncentruje się na ocenie architektury sztucznych sieci neuronowych w kontekście uczenia głębokiego z nadzorem, stosowanej w celu klasyfikacji obrazów przedstawiających rodzaje chmur z obserwacji naziemnych. Ocenie poddano modele o zróżnicowanej złożoności, wykorzystując macierze pomyłek oraz metryki takie jak współczynnik Kappa Cohena i F-score. Równocześnie, analizy PCA i t-SNE ujawniły częste przypadki błędnej klasyfikacji wśród wybranych rodzajów chmur. Badanie przedstawia kompleksową analizę błędów, uwzględniając różną kombinację klas chmur rozpatrywanych w modelach, co podkreśla wyzwania związane z precyzyjnym rozróżnianiem poszczególnych rodzajów chmur.
Obliczenia i symulacje zostały wykonane na infrastrukturze PLGrid (Centra HPC: ACK Cyfronet AGH, PCSS, CI TASK, WCSS). Dziękujemy za udostępnienie infrastruktury komputerowej i wsparcia w ramach projektów obliczeniowych PLG/2023/016587 i CI TASK PT01074. Obliczenie również wykonano na infrastrukturze Centrum Informatyki(CI) IMGW-PIB. Artykuł jest częścią projektu ACC (Automatic Cloud Classification) rozwijanego w CI.
Wyrażamy nasze szczere podziękowania ekspertom i obserwatorom z PSHM IMGW-PIB, którzy wsparli projekt, dostarczając bezcenne fotografie chmur z całej Polski. Jesteśmy głęboko wdzięczni za ich liczne zaangażowanie w budowę atlasu chmur.
Kopeć, S., Duniec, G., Bochenek, B. & Figurski, M. (2024) Artificial neural networks in automatic image classifications of cloud from ground-based observations using deep learning models. Quarterly Journal of the Royal Meteorological Society, 1–19. Available from: https://doi.org/10.1002/qj.4865 (200 pkt. MNiSW, IF: 3.0)
— UDOSTĘPNIJ —
