基于Attention-Unet神经网络的气溶胶识别
摘要
气溶胶垂直结构的准确识别对于全面了解大气过程、气候变化以及灾害天气的预警预报至关重要。然而，现有的气溶胶识别算法大多基于经验阈值法，通过经验阈值对激光雷达数据进行分类，这种方法在实际应用中存在效率较低等缺点。因此，提出了一种基于Attention-Unet网络的气溶胶自动分类算法。Attention-Unet通过在U-Net神经网络中引入注意力机制和金字塔池化模块，能够更有效地利用数据中的上下文信息，从而提升识别精度。实际观测数据显示，所提算法在识别精确度和视觉评估方面均表现出色，总体识别准确率达到96.5%。该方法可用于激光雷达大气观测，实现气溶胶的自动识别。
引用本文（GB/T 7714）
付长青 Fu Changqing, 杨智鹏 Yang Zhipeng, 季承荔 Ji Chengli, 等. 基于Attention-Unet神经网络的气溶胶识别[J]. Chinese Journal of Lasers, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。