一种基于深度学习的多因子局部降水指示方法及系统技术方案

本发明专利技术公开了一种基于深度学习的多因子局部降水指示方法及系统，属于微波遥感降水领域。该方法基于地基双频多极化辐射计、降雨雷达和雨量计实现，包括：步骤1)按照设定的时间间隔提取地基双频多极化辐射计、降水雷达和雨量计采集的观测数据，进行时间匹配及处理；步骤2)将处理后的观测数据输入预先建立和训练好的基于深度学习的深度反演模型，得到对应时空云液态水路径和雨液态水路径；步骤3)根据云液态水路径和雨液态水路径分析降水前云、雨液态水路径的变化；步骤4)由云、雨水路径变化选取降水预报因子；步骤5)将步骤3)和步骤4)的结果均输入预先建立和训练好的基于深度学习的降水指示模型，得到降雨率和指示的降水时刻。得到降雨率和指示的降水时刻。得到降雨率和指示的降水时刻。

【技术实现步骤摘要】
一种基于深度学习的多因子局部降水指示方法及系统


[0001]本专利技术属于微波遥感降水领域，尤其涉及一种基于深度学习的多因子局部降水指示方法及系统。

技术介绍

[0002]降水是气候分析、天气预报以及数值化研究等的重要参数，与人类的生活和生存紧密相关。除此之外降水直接关系到全球范围辐射能量的收支平衡，这对于地球循环系统维持热量平衡、热量输送具有重要意义。但是降水在时间上多变，是极难预测的气象参数之一。目前，对于局部降水观测的手段主要包括星载微波遥感、地基辐射计遥感与降水雷达。星载微波遥感无法对某一固定区域长时间连续观察且空间分辨率差，不能满足大气科学对降水预测研究的需求。地基微波遥感由于可以对固定区域快速重复观测，受恶劣天气影响小，使其具有观测稳定、时间和空间分辨率高等优势，发展迅速。此外雷达作为主动探测方式，可以主动发射电磁波与云雨粒子相互作用，是对降水更加直接的观测手段。与红外相比，微波具有全天时、全天候的工作优点，能够穿透雨层、云层和浓雾。因此微波遥感在降水观测方面具有独特的优势。
[0003]地基辐射计GMD
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的多因子局部降水指示方法，基于地基双频多极化辐射计、降雨雷达和雨量计实现，所述方法包括：步骤1)按照设定的时间间隔提取地基双频多极化辐射计、降水雷达和雨量计采集的观测数据，进行时间匹配及处理；步骤2)将处理后的观测数据输入预先建立和训练好的基于深度学习的深度反演模型，得到对应时空云液态水路径和雨液态水路径；步骤3)根据云液态水路径和雨液态水路径分析降水前云、雨液态水路径的变化；步骤4)由云、雨水路径变化选取降水预报因子；步骤5)将步骤3)和步骤4)的结果均输入预先建立和训练好的基于深度学习的降水指示模型，得到降雨率和指示的降水时刻。2.根据权利要求1所述的基于深度学习的多因子局部降水指示方法，其特征在于，所述地基双频多极化辐射计包括5个探测频率：10.65GHz、18.7GHz、23.8GHz、36.5GHz和89GHz，每个通道均是水平和垂直双极化探测模式。3.根据权利要求2所述的基于深度学习的多因子局部降水指示方法，其特征在于，所述步骤1)具体包括：根据地基双频多极化辐射计输出数据的各标识码选择并读取地基辐射计每个通道的垂直极化亮温、水平极化亮温和时间信息；根据降水雷达输出数据的各标识码选择并读取各高度层雷达反射率因子和时间信息；根据雨量计输出数据的各标识码选择并读取降雨率和时间信息；设置一定的时间分辨率，对上述数据进行时间匹配；采用亮温极值法选取设定范围的亮温数据；采用降水量极值法选取设定范围降水量数据；根据每个通道的垂直极化亮温和水平极化亮温得到对应通道的亮温值和极化差。4.根据权利要求3所述的基于深度学习的多因子局部降水指示方法，其特征在于，所述对应通道的亮温值和极化差，分别满足下式：TB＝(TB
V
+TB
H
)/2其中，TB为某通道的亮温值，TB
V
为对应通道垂直极化亮温，TB
H
为对应通道水平极化亮温；PD＝TB
V
‑
TB
H
其中，PD为某通道的极化差。5.根据权利要求4所述的基于深度学习的多因子局部降水指示方法，其特征在于，所述步骤2)的基于深度学习的深度反演模型，输入为每个通道的亮温、极化差和降水雷达各高度层雷达反射率因子，输出为云液态水路径和雨液态水路径；所述模型为DNN神经网络网络模型，包括1层输入层，4层隐藏层和1层输出层，其中隐藏层的激活神经元为64个，隐藏层激活函数的计算公式为：其中Sigmoid为激活函数，x为神经元在此...

【专利技术属性】
技术研发人员：刘康文，何杰颖，张升伟，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：