IR105 原始云图样例
1500 × 1332 PNG
← 返回项目列表
GK-2A LRIT · IR105 · AI Nowcasting
基于 GK-2A LRIT 单红外通道的低成本强对流短临预警系统
本项目尝试使用 1.7GHz 格栅化天线、30dB LNA 和 RTL-SDR v3 构建个人地面接收站， 接收 GK-2A 卫星 LRIT IR105 单红外云图，并通过 Tiny U-Net 模型预测未来 10 / 20 / 30 分钟强对流风险。
LOW-COST SATELLITE + AI NOWCASTING ARCHITECTURE
GK-2A LRIT IR105
强对流短临预警系统框图
从 1.7GHz 格栅化天线 接收到 IR105 单红外云图，在 PC 端完成解码、预处理与 Tiny U-Net 推理，随后生成风险图、预警目标与 JSON 数据包。
MAIN DATA FLOW · RF SIGNAL → IMAGE → AI FORECAST → PRODUCT SERVICE
01
空间与射频接收
GK-2A DOWNLINK / SDR FRONT-END
02
PC 解码与数据准备
GNU RADIO / SATDUMP / PYTHON
03
AI 强对流预测核心
TINY U-NET / TEMPORAL FORECAST
04
产品生成与上传
FORECAST PRODUCTS / JSON
05
网站与机器人展示
WEBSITE / API / ASTRBOT
模型与数据指标
9777 天连续 IR105 总帧数
781有效训练样本
0.8612测试集平均 IoU
10/20/30预测窗口 / min
关键处理逻辑
- valid_mask 屏蔽网格线、水印、时间戳和无效数据块。
- support / core / valid 组合生成弱标签。
- 三帧时间平滑抑制孤立跳变噪声。
图例
主数据流AstrBot 查询流模型指标
DATA & FORECAST PRODUCTS
原始数据与预测结果展示
这里用于展示 1500 × 1332 的 GK-2A IR105 原始数据图片，以及 2048 × 1024 的预测结果图片和 2048 × 512 的预测结果视频。当前仍是静态展示，后续可以替换为实时 API 返回的最新结果。查看数据源 →
预测结果视频与拼接图
视频 2048 × 512 MP4 · 拼接图 2048 × 1024 PNG
01 Ground Station
本地卫星接收系统
项目使用 1.7GHz 格栅化天线、30dB LNA、RTL-SDR v3 和 Windows PC 组成低成本 GK-2A LRIT 地面接收站。
- 1.7GHz 格栅化天线用于定向接收 GK-2A 卫星下行信号。
- 30dB LNA 提升接收链路信噪比，降低弱信号解码失败概率。
- RTL-SDR v3 将射频信号转换为 PC 可处理的 IQ 数据。
- PC 端通过 USB 获取采样数据，并进入后续解调与解码流程。
关键参数
1.7GHz30dB LNARTL-SDR v3Windows PC
02 Decode Pipeline
PC 解码工具与 IR105 数据源
PC 端负责 SDR 链路调试、LRIT 解调解码、IR105 单红外云图导出和后处理。GNU Radio 偏向链路调试，SatDump 偏向稳定解码。
- GNU Radio 用于采样参数验证、滤波、链路调试和信号流程搭建。
- SatDump 用于 GK-2A LRIT 数据接收、解调、解码和图像导出。
- 当前主要数据源为 GK-2A LRIT EA 区域 IR105 单红外通道。
- IR105 每 10 分钟一帧，可用于分析云顶温度、云团发展和强对流风险变化。
关键参数
GNU RadioSatDumpGK-2A LRITEA / IR10510 min/frame
03 Preprocess
图像预处理与弱标签生成
由于项目没有官方逐像素强对流标签，因此采用 IR105 灰度阈值、连通域分析和时间平滑构建弱标签。
- 读取 .srv.png 原始图像后转换为单通道灰度图，并缩放到 512 × 512。
- 提取经纬线、海岸线、时间戳、水印和无效区域，构建 valid_mask。
- 不使用 cv2.inpaint 修复云图，以避免破坏云层纹理；无效区域通过 mask 屏蔽。
- 通过 support 区域、core 区域和 valid 区域生成弱标签。
- 使用三帧时间平滑，减少单帧跳变和孤立噪声。
关键参数
512×512valid_masksupportcore三帧时间平滑
04 AI Model
Tiny U-Net 强对流预测模型
模型输入过去 6 帧 IR105 灰度云图，输出未来 10 / 20 / 30 分钟强对流风险图。该任务更接近短临预警，而不是单帧图像分类。
- 输入：过去 6 帧 IR105 灰度图，代表过去约 60 分钟云系演变。
- 输出：3 个通道，分别对应 T+10、T+20、T+30 风险概率图。
- 模型结构：轻量级 Tiny U-Net，输入尺寸 512 × 512。
- 损失函数：BCEWithLogitsLoss + Dice Loss。
- 测试集平均 IoU 为 0.8612，T+10 / T+20 / T+30 IoU 分别为 0.8705、0.8605、0.8527。
关键参数
Tiny U-Net6 输入帧3 输出通道512×512IoU 0.8612
05 Forecast Products
AI 预警产品输出
PC 端模型推理后生成当前云图、未来风险概率图、强对流目标框、风险等级和 JSON 结构化数据包。
- 生成当前 IR105 灰度云图和当前规则检测结果。
- 生成未来 10 / 20 / 30 分钟强对流风险概率图。
- 提取强对流目标框、目标中心点、最大风险概率和风险等级。
- 风险等级可设计为 0 到 4 级：无明显风险、低风险、中等风险、较高风险、高风险。
- 风险等级综合最大概率、风险区域面积、目标数量、用户距离和持续时间。
关键参数
latest.pngforecast_t10.pngforecast_t20.pngforecast_t30.pnglatest.json
06 Cloud Service
后续 VPS 云端服务设计
当前个人网站阶段暂不接入 VPS。后续项目进入实时展示阶段后，可将 PC 端推理结果上传到 VPS，由 gk2a.top API 提供最新 JSON、风险图和历史数据访问。
计划接口
GET /latest 最新预测结果
GET /forecast 完整预测数据
GET /status 系统状态
GET /image/t30 未来 30 分钟风险图
上传流程
1. PC 端完成解码与模型推理。
2. 生成 latest.json 和预测图片。
3. HTTP POST 上传到 VPS。
4. VPS 校验 token 并更新 latest 数据。
07 AstrBot Skill
AstrBot 天气查询接入规划
后续可为 AstrBot 编写 gk2a_weather skill，让 QQ / 微信用户通过自然语言或指令查询当前位置附近的强对流风险。
位置绑定
支持用户通过城市名或经纬度绑定位置。
实时查询
调用 API 获取未来 10 / 20 / 30 分钟风险等级、最大概率和风险图链接。
高风险推送
当用户位置附近风险等级超过阈值时，自动推送短临强对流提醒。
08 Status & Roadmap
当前状态与后续计划
当前已完成的 baseline
当前模型已经完成第一版 Tiny U-Net baseline：输入过去 6 帧 IR105 云图，输出未来 10 / 20 / 30 分钟风险图，测试集平均 IoU 为 0.8612。
实时接收链路接入
- 完成 RTL-SDR v3 + LNA + 1.7GHz 天线实测
- 完成 SatDump 实时解码
- 建立实时输出目录
- 新图生成后自动触发推理
数据质量控制
- 检测坏帧和缺帧
- 检测规则暗块
- 记录数据质量日志
- 异常帧自动剔除或修复
模型升级
- 扩展训练数据到 1 个月 / 3 个月
- 测试 ConvLSTM-UNet
- 加入 valid_mask 输入通道
- 加入经纬度位置编码
云端与机器人接入
- 部署 FastAPI
- 设计上传 token
- 提供 JSON 与图片 API
- 编写 gk2a_weather AstrBot skill
NOTICE