摘要：西北太平洋（WNP）是全球热带气旋活动最频繁的区域，实时，准确地对西北太平洋热带云团进行检测与定强可以为热带气旋生成预报及灾害预警奠定良好的基础。本研究基于国际气候监测最佳路径档案（IBTrACS），结合全球热带云团数据集构建了1982-2009年西北太平洋热带云团数据集，数据集时间分辨率为3小时，包含发展型热带云团1013个，不发展型热带云团7116个。进一步地，利用上述数据集和GridSat-B1 CDR卫星数据，分别基于YOLOv8目标检测模型和ResNet-18模型构建热带云团实时检测模块和热带云团实时定强模块，对模块间的数据接口进行优化后，建立热带云团实时检测与定强系统。性能评估表明，对于热带云团实时检测模块，其mAP50可达 0.68，且当置信度阈值为0.447时，F1得分达到0.72。对于热带云团实时定强模块，均方根误差（RMSE）为8.79，均方误差（MSE）为77.35，平均绝对误差（MAE）为6.44，决定系数（R-squared）为 0.92，综上，系统能较好地进行热带云团实时检测，并利用热带云图强度与红外亮温数据之间的非线性关系进行定强。利用积分梯度法对定强模块的决策过程进行可解释性分析，在缺乏明确的环流特征时，该模块仍可以根据深层次的红外亮温数据特征对热带云团进行定强。
 

深度学习，热带云团，检测，定强，积分梯度法