Convectief volgen van cellen door middel van Deep Learning based Computer Vision

Deze studie ontwikkelde een autonoom algoritme voor de Convectieve cel Identificatie en TRAcking (CITRA) met behulp van DWR reflectiebeelden. Het CITRA-algoritme is in Python geïmplementeerd met behulp van de Deep learning techniek van Neural Networks. Optical Character Recognition wordt in deze studie gebruikt via "Tesseract", een onbewaakte Neurale Netwerkmodule op basis van LSTM die de input dimensionale pixelarray/beeld analyseert en strings op hoog niveau uitvoert. Het algoritme loopt door de DWR-reflectie pixelwaarden en herkent de intensiteiten van de pixels (>=30 dB) en segregneert de convectieve cellen samen met andere geschatte celeigenschappen zoals de centroïde van de storm, het bestreken gebied, de afstand en de richting ten opzichte van het centrum van de radar. De prestaties van het CITRA-algoritme werden getest op verschillende convectieve stormen en het kon deze samen met andere fysische eigenschappen van de convectieve cellen met succes identificeren en volgen. Verder hebben we de potentiële toepassing van het CITRA-algoritme op de evolutie van de gedetecteerde convectieve cellen binnen het radarbereik aangetoond. Momenteel neemt het CITRA-algoritme alleen reflectiebeelden als een enkele invoerparameter.