气象卫星云图作为一种在时间和空间连续性上具有巨大优势的探测资料，已经被广泛应用于各种天气系统和天气现象的识别。作为一种锋面识别的重要依据，卫星云图中云区域的边界和云系的稠密状况有助于精准定位锋面。在冷锋的自动识别方案中加入云图要素，不仅可以为冷锋位置和形态的确定提供参考，而且有助于获得对锋面的结构、天气和分析预报的新见解。虽然卫星云图已经积累了大量数据和产品，但在锋面识别中的应用仍然比较缺乏，目前使用云图的锋面分析基本依赖人工，现有的锋面自动识别方法也极少使用卫星云图。因此，提出一种基于深度学习模型和卫星云图的冷锋识别方法，并基于该算法研究冷锋相关的极端事件，探讨东亚冷锋的长期特征具有重要意义。
秦育婧副教授与研究生刘倩基于风云二号卫星数据和高分辨率格点数据，提出了一种基于深度学习模型和卫星云图的冷锋识别方法Cloud-DETR（图1）。该方法首先对红外卫星云图进行预处理，有效屏蔽地形等干扰因素，基本保留云区原始的边缘特征，通过叠加海平面气压和850 hPa温度平流生成训练图像，输入DETR模型中进行训练并验证，取得了较好的识别效果（图2）。测试了Cloud-DETR冷锋与人工冷锋在测试集中的匹配度，最大匹配度达0.88，表明该方法能够获得可靠的长期冷锋数据集。评估了Cloud-DETR冷锋和其他气象要素在持续时段和极端天气事件中的一致性，表明该方法能准确描述冷锋两侧的气象要素特征，且识别效果稳定。通过与传统客观识别算法“两步法”对比，该方法在冷锋的位置及形态方面具有优势（图3）。该方法对于业务天气分析中使用卫星云图的冷锋快速自动识别和东亚冷锋云系长期活动特征的进一步研究具有重要参考价值。
以上研究成果发表于《Remote Sensing》。
相关文章：
Qin Y, Liu Q, Lu C. 2025. Cold Front Identification Using the DETR Model with Satellite Cloud Imagery. Remote Sensing, 17(1): 36. https://doi.org/10.3390/rs17010036
图1 Cloud-DETR方法的总体工作流程（红色虚线框表示基于U-Net和分区处理的红外云图预处理；蓝色虚线框表示DETR模型的目标检测和分割步骤）
图2 2022年5月7日12:00 UTC使用Cloud-DETR方法识别的冷锋：（a）FY-2G红外亮度温度（阴影，单位：K）；（b）预处理后的云图；（c）Cloud-DETR冷锋（蓝色线），850 hPa冷平流（阴影，单位：10–4 K·s–1）和850 hPa温度（红色等值线，单位：K）；（d）Cloud-DETR冷锋（蓝色线）、海平面气压（黑色等值线，单位：hPa）和地面10 m风（箭头，单位：m·s–1）
图3 2017年9月18日12:00 UTC使用Cloud-DETR方法识别的冷锋（蓝色线）和“两步法”识别的冷锋（红色线）：（a）FY-2G红外亮度温度（阴影，单位：K）；（b）850 hPa冷平流（阴影，单位：10–4 K·s–1）、850 hPa温度（红色等值线，单位：K）；（c）海平面气压场（黑色等值线，单位：hPa）和地面10 m风场（箭头，单位：m·s–1）