[發明專利]一種ECMWF溫度數據的降尺度訂正方法和裝置

有效

• 申請號: 202210284987.9
• 申請日: 2022-03-23
• 公開（公告）號: CN114385600B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 張一明;鐘科;薛洪斌;譚永強
• 申請（專利權）人: 北京弘象科技有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種ECMWF溫度數據的降尺度訂正方法，其特征在于，包括：

獲取待處理區域的ECMWF細網格數據和CLDAS溫度數據，并確定出所述ECMWF細網格數據中的目標數據，其中，所述目標數據包括：ECMWF溫度數據，ECMWF風速數據和地形數據，所述ECMWF細網格數據的分辨率均為第一分辨率；

對所述目標數據和所述CLDAS溫度數據進行多通道融合，得到四維網格數據；

將所述四維網格數據輸入深度學習網絡模型，得到初始高分辨率網格數據，其中，所述深度學習網絡模型為由去除了正則化層的殘差網絡和亞像素采樣算法構成的網絡模型，其中，所述初始高分辨率網格數據的分辨率為第二分辨率，所述第二分辨率高于所述第一分辨率；

對所述初始高分辨率網格數據進行驗證，在驗證通過的情況下，將所述初始高分辨率網格數據確定為目標高分辨率網格數據；

其中，對所述初始高分辨率網格數據進行驗證，包括：

計算所述初始高分辨率網格數據的目標參數，其中，所述目標參數包括：所述初始高分辨率網格數據中的ECMWF溫度數據與所述CLDAS溫度數據之間的均方根誤差和峰值信噪比；

若所述均方根誤差小于第一預設閾值且所述峰值信噪比大于第二預設閾值，則利用雙線性插值算法，將所述初始高分辨率網格數據中的ECMWF溫度數據插值至所述待處理區域的氣象地面站，并確定出所述初始高分辨率網格數據中的ECMWF溫度數據插值與站點所述氣象地面站之間的平均誤差；

若所述平均誤差小于第三預設閾值，則驗證通過。

2.根據權利要求1所述的方法，其特征在于，確定出所述ECMWF細網格數據中的目標數據，包括：

確定出所述ECMWF細網格數據中的ECMWF溫度數據；

基于相關性分析算法，確定出所述ECMWF細網格數據中特征數據，其中，所述特征數據為與所述ECMWF溫度數據相關性和貢獻度最高的數據，所述特征數據包括：所述ECMWF風速數據和所述地形數據。

3.根據權利要求2所述的方法，其特征在于，將所述四維網格數據輸入深度學習網絡模型，得到初始高分辨率網格數據，包括：

利用去除了正則化層的殘差網絡對所述四維網格數據進行特征提取，得到所述四維網格數據的高頻特征數據；

將所述高頻特征數據疊加至所述四維網格數據中，得到中間四維網格數據；

利用亞像素采樣算法對所述中間四維網格數據進行采樣，得到所述初始高分辨率網格數據。

4.一種ECMWF溫度數據的降尺度訂正裝置，其特征在于，包括：獲取單元，融合單元，處理單元和驗證單元，其中，

所述獲取單元，用于獲取待處理區域的ECMWF細網格數據和CLDAS溫度數據，并確定出所述ECMWF細網格數據中的目標數據，其中，所述目標數據包括：ECMWF溫度數據，ECMWF風速數據和地形數據，所述ECMWF細網格數據的分辨率均為第一分辨率；

所述融合單元，用于對所述目標數據和所述CLDAS溫度數據進行多通道融合，得到四維網格數據；

所述處理單元，用于將所述四維網格數據輸入深度學習網絡模型，得到初始高分辨率網格數據，其中，所述深度學習網絡模型為由去除了正則化層的殘差網絡和亞像素采樣算法構成的網絡模型，其中，所述初始高分辨率網格數據的分辨率為第二分辨率，所述第二分辨率高于所述第一分辨率；

所述驗證單元，用于對所述初始高分辨率網格數據進行驗證，在驗證通過的情況下，將所述初始高分辨率網格數據確定為目標高分辨率網格數據;

其中，所述驗證單元，用于：

計算所述初始高分辨率網格數據的目標參數，其中，所述目標參數包括：所述初始高分辨率網格數據中的ECMWF溫度數據與所述CLDAS溫度數據之間的均方根誤差和峰值信噪比；

若所述均方根誤差小于第一預設閾值且所述峰值信噪比大于第二預設閾值，則利用雙線性插值算法，將所述初始高分辨率網格數據中的ECMWF溫度數據插值至所述待處理區域的氣象地面站，并確定出所述初始高分辨率網格數據中的ECMWF溫度數據插值與站點所述氣象地面站之間的平均誤差；

若所述平均誤差小于第三預設閾值，則驗證通過。