一种基于深度学习的降水强度估计方法技术

本发明专利技术公开了一种基于深度学习的降水强度估计方法，包括：分别获取气象卫星数据和降水数据；根据获取的气象卫星数据，将所需要的估计地区从中裁剪出来，并校正且将其保存为数组的形式；根据获取的降水数据，重采样至所需的空间分辨率下，并对其进行分类获得不同等级的降水强度标签；将降水强度标签转换成只背景及不同等级降水强度的单通道图像，并切割为大小，分别作为降水强度估计模型的输入与标签；建立基于深度学习的降水强度估计模型；训练得到最佳模型；测试新的气象卫星数据，生成一张完整的降水强度估计结果；将生成的降水强度估计结果，叠加到带有shp地形文件上。本发明专利技术可以较为准确地估算出相应的降水强度，实现高精度的降水强度估计。

【技术实现步骤摘要】
一种基于深度学习的降水强度估计方法
本专利技术涉及一种基于深度学习的降水强度估计方法，属于遥感图像处理的

技术介绍
近年来随着计算机视觉技术不断发展，机器学习技术开始应用于传统的遥感气象预报、天气监测行业，以提高预报监测准确率。其中，目标检测与分割技术能够将图片中各像素分别划分到各自所属的类别中，利用这些技术帮助气象预报员提高预报效率与预报准确率，解决现有的降水估计算法时间分辨率不高，降水估计产品非实时发布的问题，加强灾害天气的监测，从而具有广泛的应用前景和较高的使用价值。雷达作为目前地面估测区域降水的高精度工具，地面降水率与雷达观测值之间的函数关系可以通过实际观测得到。然而，由于复杂的时空变异性，难以用简单的形式表达其Z-R关系。使用雷达估计降水受多种因素的影响，例如雷达校准，反射率的垂直剖面，光束阻塞，亮带和异常传播。雨量计是测量到达土壤表层的大气降水量最简单的仪器。其分布密度直接影响了降水估计的准确率，地面雨量计网络分布稀疏和不足会严重影响其准确性与适用性，尤其对于偏远、高海拔地区和海洋无法利用雨量计估算降水，并本文档来自技高网...

【技术保护点】
1.一种基于深度学习的降水强度估计方法，其特征在于，包括以下步骤：/n步骤1：根据历史降水资料，分别获取气象卫星数据和降水数据；/n步骤2：根据获取的气象卫星数据，将所需要的估计地区从中裁剪出来；并校正气象卫星数据且将其保存为数组的形式；/n步骤3：根据获取的降水数据，利用重采样函数重采样至所需的空间分辨率下，并对其进行分类，根据不同时间的降水量的比例关系计算得到不同等级的降水强度关系，获得不同等级的降水强度标签；/n步骤4：将降水强度标签转换成只有背景及不同等级降水强度的单通道图像，并切割大小，分别作为降水强度估计模型的输入与标签；/n步骤5：建立基于深度学习的降水强度估计模型；/n步骤6：...

【技术特征摘要】
1.一种基于深度学习的降水强度估计方法，其特征在于，包括以下步骤：
步骤1：根据历史降水资料，分别获取气象卫星数据和降水数据；
步骤2：根据获取的气象卫星数据，将所需要的估计地区从中裁剪出来；并校正气象卫星数据且将其保存为数组的形式；
步骤3：根据获取的降水数据，利用重采样函数重采样至所需的空间分辨率下，并对其进行分类，根据不同时间的降水量的比例关系计算得到不同等级的降水强度关系，获得不同等级的降水强度标签；
步骤4：将降水强度标签转换成只有背景及不同等级降水强度的单通道图像，并切割大小，分别作为降水强度估计模型的输入与标签；
步骤5：建立基于深度学习的降水强度估计模型；
步骤6：设置模型的超参数、总训练次数、学习率、动量参数、权重衰减参数，经过反复调整和对比试验得到最佳参数，以得到最佳降水强度估计模型；
步骤7：将训练好的最佳降水强度估计模型应用测试新的气象卫星数据，对于新的气象卫星数据先切割大小并分别预测，预测完成后得到各自的降水强度估计结果再拼接生成一张完...

【专利技术属性】
技术研发人员：刘昊，张永宏，王丽华，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32