基于改进型全卷积网络的地基云图分割文献综述

云是地球气候系统的重要组成部分，对太阳辐射、地球温度和水循环等方面有着重要影响。

地基云图分割是云观测和研究的重要手段，能够提供云量、云状、云高等信息，对天气预报、气候预测和环境监测等领域具有重要意义。

传统的基于阈值、统计模型和形态学分析等方法容易受到光照变化、云层厚度和云型多样性等因素的影响，分割精度有限。

近年来，深度学习技术，特别是全卷积网络(FCN)的快速发展，为地基云图分割提供了新的思路和方法。

FCN能够自动学习图像特征，具有较强的鲁棒性和泛化能力。

本文首先介绍了地基云图分割的背景和意义，以及全卷积网络的基本原理；然后，重点综述了近年来基于改进型全卷积网络的地基云图分割方法，包括网络结构改进、特征融合策略和训练优化算法等方面；最后，对地基云图分割方法的未来发展趋势进行了展望。

关键词：地基云图分割；全卷积网络；深度学习；特征融合；语义分割

云是大气中的水蒸气凝结成的小水滴、过冷水滴或冰晶组成的可见聚合物，是地球气候系统中重要的组成部分。

云的变化直接影响着地气系统的辐射平衡，进而影响地球的能量收支、温度变化以及降水分布等关键气候要素。

地基云图作为一种重要的气象观测数据，能够直观地反映云的宏观形态特征，例如云量、云状、云高等，对于天气预报、气候变化研究、环境监测等方面都具有重要的应用价值。