能见度是影响跨海大桥通行安全、海上运输调度和交通气象服务的重要气象要素。针对传统地面观测覆盖范围有限、常规机器学习方法对高维多源遥感特征建模能力不足等问题，风云四号A星和风云四号B星多通道遥感观测为区域低能见度监测与预警提供了新的技术路径，对提升复杂环境下交通气象保障能力和灾害性天气预警水平具有重要意义。

近日，我院卢楚翰教授与硕士生韩志远在国际权威期刊《Remote Sensing》发表了题为“A Study on Multi-Source Remote Sensing Visibility Classification Method Based on LF-Transformer”的研究成果。卢楚翰教授等人围绕跨海大桥区域低能见度监测问题开展研究，提出了基于多源遥感融合的LF-Transformer低能见度分类方法。该研究基于风云四号A星、风云四号B星多通道遥感观测数据，构建了面向嘉兴—绍兴跨海大桥区域的低能见度分类模型。结果表明，相较于随机森林和Saint等方法，LF-Transformer在分类精度、稳定性和复杂气象条件下的识别能力方面均表现更优；同时，FY-4A与FY-4B融合数据较单星数据进一步提升了模型性能，展现出多源卫星协同观测在低能见度监测中的明显优势。该成果为交通气象精细化预警和复杂天气条件下的能见度智能监测提供了新的技术支撑。

论文信息：Chuhan Lu,Zhiyuan Han,Xiaoni Liang.A Study on Multi-Source Remote Sensing Visibility Classification Method Based on LF-Transformer.https://doi.org/10.3390/rs18040618

图1: 2023年12月28-30日嘉绍大桥附近典型低能见度事件模型预测空间分布