[發明專利]一種基于深度學習的衛星云圖外推方法

在審

• 申請號: 202211657656.1
• 申請日: 2022-12-22
• 公開（公告）號: CN116246179A
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 成巍;姜宇航;李亞云;孫敬哲;高峰;劉廠
• 申請（專利權）人: 中國人民解放軍61540部隊;哈爾濱工程大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/77;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 南京鼎坤專利代理事務所(普通合伙) 32681
• 代理人: 王芳芳

本發明涉及氣象技術領域，且公開了一種基于深度學習的衛星云圖外推方法，包括：使用歷史衛星觀測數據構建氣象衛星時間序列云圖數據集；構建基于深度學習的衛星云圖外推模型；根據構建的衛星時間序列云圖數據集對該深度學習模型進行訓練，得到衛星云圖外推模型；將實時的衛星時間序列云圖數據輸入衛星云圖外推模型，模型輸出未來一段時間的衛星云圖，從而實現衛星云圖外推。本發明利用深度學習的時間和空間特征提取能力，基于歷史衛星時間序列云圖數據集訓練模型，能夠對實時的衛星云圖數據進行時間序列預測，克服了現有技術不足。

技術領域

本發明涉及氣象技術領域，具體為一種基于深度學習的衛星云圖外推方法。

背景技術

隨著科技的進步和社會的發展，氣象保障變得越來越重要。準確的預測未來的天氣對于航空、航海、農業生產等都具有重要的意義。因此人們對于天氣預報提出很高的要求，更高的預報準確性，更高的預報時間分辨率都成為了人們不斷追求的目標。然而受困與初始場不夠準確和對物理過程理解的限制，模式預報在短期預報中不能取得很好的效果。為此深度學習唄廣泛的應用于短期預報中。

隨著衛星技術的不斷進步，地球同步衛星在各個領域均發揮了重要的作用，尤其是在氣象領域中，地球同步氣象衛星在防災減災，天氣檢測中發揮了重要的價值。此外地球同步衛星的觀測具有大范圍、不間斷、高頻次、不受地形條件限制的特點。極大的提升了對大氣的檢測能力。因此，實現對衛星觀測圖像的預測能夠極大的幫助提升短期預報的精準程度。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于深度學習的衛星云圖外推方法。

(二)技術方案

為實現上述目的，本發明提供如下技術方案：一種基于深度學習的衛星云圖外推方法，包括以下步驟：

步驟一：使用歷史衛星觀測數據構建氣象衛星時間序列云圖數據集；

步驟二：構建基于深度學習的衛星云圖外推模型；

步驟三：根據構建的衛星時間序列云圖數據集對該深度學習模型進行訓練，得到衛星云圖外推模型；

步驟四：將實時的衛星時間序列云圖數據輸入衛星云圖外推模型，模型輸出未來一段時間的衛星云圖，從而實現衛星云圖外推。

優選的，所述步驟一中，使用歷史衛星觀測數據構建氣象衛星時間序列云圖數據集，具體包括以下步驟：

Q1：根據衛星采用的全球規范定義的靜止軌道標稱投影方式，通過經緯度行列號轉換公式將衛星云圖數據本身的行列號轉換為經緯度，將觀測通道按照經緯度范圍剪裁到需要進行衛星云圖外推的區域；

Q2：在衛星L1級觀測數據將包含多個不同波段的觀測信息,將衛星觀測波段集合定義為B＝{B1,B2,...,Bn}；不同的衛星具備不同的觀測波段數量，通常包括可見光波段、近紅外波段和紅外波段；

Q3：對L1級數據進行定標其中可見光通道通過查找定標表可以還原為反射率；紅外通道查表定標為亮溫數據，得到定標后的觀測通道數據集合Q＝{Q1,Q2,...,Qn}；

Q4：對預處理后的觀測通道數據進行投影轉換為等距圓柱投影，得到等經緯度的衛星觀測云圖數據；

Q5：選擇衛星觀測中的某一經過預處理的通道Qi，作為構建時間序列數據集的衛星觀測通道；將選中的衛星單通道數據Qi按照時間順序排列，得到單通道衛星觀測云圖數據集合T＝{T1,T2,…,Tn}；

Q6：衛星的觀測固定間隔定義為t，需要預測序列數據的長度定義為s；