台风具有极强的破坏力,对人类生命安全造成严重威胁。准确预报台风路径与监测台风位置有利于灾害性天气有效预警与防范,而且对气候、天气研究具有重要指示与参考意义。本文将卫星云图台风云系边界检测与卫星散射计风场定位结合,比较研究台风不同发展阶段下2种风场定位方法在单星观测风场与双资料混合风场中的定位效果。本文台风中心监测研究工作具体如下:首先基于Faster Region Convolutional Neural Networks(Faster RCNN)算法识别台风云系,监测台风边界位置。根据China Meteorological Administration(CMA)最佳路径数据集标注了卫星云图中正样本台风云,制作了训练数据集和测试数据集。本文比较了两种尺寸大小20×20像素和100×100像素的标注框的定位误差,基于20×20像素大小标注框识别经度平均偏差在0.227°,纬度平均偏差在0.235°;基于100×100像素大小标注框识别准确率更高一些,经度平均偏差在0.152°,纬度平均偏差在0.148°。然后选择Visual Geometry Group Network-16(VGG16)模型作预训练,经过Region Proposal Network(RPN)和Fast Region Convolutional Neural Networks(Fast RCNN)过程分类与回归,输出前景(台风云)与背景(非台风云)分类概率以及台风云的回归位置。并计算出准确率与召回率,评价识别检测准确性。不同结构类型的台风识别检测率有高有低,所有台风的准确率和召回率在94.3%,88.4%,其中有眼台风,算法比较容易习得台风眼特征,识别准确率和召回率在100%,而无眼台风旋转特征不明显,其准确率和召回率在91.6%,82.6%。其次,采取时空加权插值方法构建HY-2A/HSCAT-A与Cross-Calibrated Multi-Platform Ocean Winds(CCMP)混合风场,并对比National Data Buoy Center(NDBC)浮标风资料对混合风场作出真实性检验。混合风场整体风速平均偏差在+0.90m/s,风速均方根误差较大,风速均方根误差在2.74m/s;整体风向平均偏差在+2.63°,风向均方根误差在22.83°。接着基于双资料融合风场与HY-2B/HSCAT-B单星观测风场分别构建涡度场、散度场,进而建立复合场。基于Faster RCNN算法识别检测台风的位置,应用风场定位方法即高风速阈值结合风向定位法和高风速阈值结合复合场定位法作出台风形成期、成熟期和衰退期定位研究和结果评价。研究结果发现:比较2种方法在单星观测风场与双资料融合风场中的定位结果,发现单星观测风场中高风速阈值结合复合场定位法定位偏差更小,总距平均偏差在13.9km,总距均方根误差在22.8km。与同类复合场定位方法相比,经向定位精度提升了63%,纬向定位精度相近。双资料融合风场中高风速阈值结合风向定位法定位效果更优,总距平均偏差在15.7km,总距均方根误差在26.9km。