一种卫星云图重建方法及系统技术方案

本申请涉及云图数据重建技术领域，提供一种卫星云图重建方法及系统

【技术实现步骤摘要】
一种卫星云图重建方法及系统


[0001]本申请涉及云图数据重建
，特别是涉及一种卫星云图重建方法及系统
。

技术介绍

[0002]卫星云图是指由气象卫星自上而下观测到的地球上的云层覆盖和地表面特征的图像
。
接收的云图主要有红外云图
、
可见光云图及水汽图等
。
利用卫星云图可以识别不同的天气系统，确定它们的位置，估计其强度和发展趋势，为天气分析和天气预报提供依据
。
[0003]目前有些气象卫星搭载的成像仪部分通道的观测数据分辨率较低，不具备生成高分辨率云图的条件，因此使用技术手段将观测的低分辨率数据，生成高分辨率数据和云图有助于用户更好分析天气情况
。
[0004]综上所述，本申请解决了现有技术中观测数据分辨率较低，不具备生成高分辨率云图条件的问题
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够生成高分辨率数据和云图，有助于用户更好分析天气情况的一种卫星云图重建方法
。
[0006]第一方面，本申请提供了一种卫星云图重建方法，所述方法包括：获取静止轨道辐射成像仪捕捉的新增云图源数据；执行所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云图分块图像均带有位置标识；基于增强深度残差网络构建云图重建模型；通过所述云图重建模型依次执行所述云图分块图像集合的图像重建，生成优化云图分块图像集合；基于所述位置标识，执行所述优化云图分块图像集合的分块图像拼接，生成云图重建数据
。
[0007]第二方面，本申请提供了一种卫星云图重建系统，所述系统包括：新增云图源数据获取模块，所述新增云图源数据获取模块用于获取静止轨道辐射成像仪捕捉的新增云图源数据；云图分块图像获得模块，所述云图分块图像获得模块用于执行所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云图分块图像均带有位置标识；云图重建模型构建模块，所述云图重建模型构建模块用于基于增强深度残差网络构建云图重建模型；优化云图分块图像集合生成模块，所述优化云图分块图像集合生成模块用于通过所述云图重建模型依次执行所述云图分块图像集合的图像重建，生成优化云图分块图像集合；云图重建数据生成模块，所述云图重建数据生成模块用于基于所述位置标识，执行所述优化云图分块图像集合的分块图像拼接，生成云图重建数据
。
[0008]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0009]首先获取静止轨道辐射成像仪捕捉的新增云图源数据；其次执行所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云图分块图像均带有位置标识；再基于增强深度残差网络构建云图重建模型；然后通过所述云图重建模型依次执行所述云图分块图像集合的图像重建，生成优化云图分块图像集合；最后基于所述位置标识，执行所述
优化云图分块图像集合的分块图像拼接，生成云图重建数据
。
本申请解决了现有技术中观测数据分辨率较低，不具备生成高分辨率云图条件的问题，达到了生成高分辨率数据和云图，有助于用户更好分析天气情况的技术效果
。
[0010]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的
、
特征和优点能够更明显易懂，以下特举本申请的具体实施方式
。
附图说明
[0011]图1为一个实施例中一种卫星云图重建方法的流程示意图；
[0012]图2为一个实施例中一种卫星云图重建方法的云图重建模型生成的流程示意图；
[0013]图3为一个实施例中一种卫星云图重建系统的结构框图
。
[0014]附图标记说明：新增云图源数据获取模块
11
，云图分块图像获得模块
12
，云图重建模型构建模块
13
，优化云图分块图像集合生成模块
14
，云图重建数据生成模块
15。
具体实施方式
[0015]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明
。
应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请
。
[0016]在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚
、
完整的描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制
。
基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部
。
[0017]如图1所示，本申请提供了一种卫星云图重建方法，所述方法包括：
[0018]获取静止轨道辐射成像仪捕捉的新增云图源数据；
[0019]本申请将风云卫星观测的低分辨率数据，基于深度学习的超分辨率重建算法生成高分辨率数据和云图；风云卫星云图是应用较为广泛的气象卫星观测产品，高分辨率的图像能够更好地观察各种细节，有助于更好地分析天气情况预计各类灾害预警，从而提供更好的服务
。
例如，目前风云四号
A
星成像仪部分通道的观测数据分辨率较低，不具备生成高分辨率云图的条件，因此使用技术手段将观测的低分辨率数据，生成高分辨率数据和云图有助于用户更好分析天气情况
。
[0020]所述新增云图源数据可以由静止轨道辐射成像仪获得
。
所述静止轨道辐射成像仪是风云四号静止气象卫星的主要载荷之一，通过精密的双扫描镜机构实现精确和灵活的二维指向，可实现分钟级的区域快速扫描；采用离轴三反主光学系统，高频次获取超过多个波段的地球云图，并利用星上黑体进行高频次红外定标，以确保观测数据的精度；新增云图源数据是指所述静止轨道辐射成像仪采集到的新的卫星云图数据
。
通过静止轨道辐射成像仪，获取静止轨道辐射成像仪捕捉的新增云图源数据
。
通过获取新增云图源数据，为后续提升新增云图源数据的精准度作出贡献
。
[0021]执行所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云
图分块图像均带有位置标识；
[0022]分块预处理是将所述新增云图源数据划分为一些区间，预处理每一个区间，所述区间是指云图分块图像；云图分块图像集合是指所述区间进行组合得到的集合；位置标识是指所述云图分块图像在所述新增云图源数据中的位置坐标
。
对所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云图分块图像均带有位置标识通过获得云图分块图像集合，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种卫星云图重建方法，其特征在于，所述方法包括：获取静止轨道辐射成像仪捕捉的新增云图源数据；执行所述新增云图源数据的分块预处理，获得云图分块图像集合，其中每一个云图分块图像均带有位置标识；基于增强深度残差网络构建云图重建模型；通过所述云图重建模型依次执行所述云图分块图像集合的图像重建，生成优化云图分块图像集合；基于所述位置标识，执行所述优化云图分块图像集合的分块图像拼接，生成云图重建数据
。2.
如权利要求1所述的方法，其特征在于，所述执行所述新增云图源数据的分块预处理，还包括：获取图像分块单位尺寸，其中图像分块单位尺寸为
512
×
512
；根据所述图像分块单位尺寸执行所述新增云图源数据的分块预处理，并按照云图分块图像在所述新增云图源数据中的位置坐标对云图分块图像进行位置标识；根据多个带有位置标识的云图分块图像生成所述云图分块图像集合
。3.
如权利要求1所述的方法，其特征在于，所述基于增强深度残差网络构建云图重建模型，还包括：基于增强深度残差网络构建初始云图重建模型，并将
L1
损失函数作为初始云图重建模型监督学习过程中的约束条件；查询所述静止轨道辐射成像仪的云图数据捕捉记录，获取云图历史数据集合；对所述云图历史数据集合进行影响因素分析，获得数据影响因子；基于所述数据影响因子对所述云图历史数据集合进行筛选，通过筛选得到的云图历史数据构建所述云图重建模型的训练数据集；通过所述训练数据集执行所述初始云图重建模型的监督学习，获得所述云图重建模型
。4.
如权利要求3所述的方法，其特征在于，所述对所述云图历史数据集合进行影响因素分析，获得数据影响因子，还包括：获取预设数据影响因素，所述预设数据影响因素包括数据捕捉月份和数据捕捉时段；根据所述数据捕捉月份对所述云图历史数据集合进行影响程度分析，获得月份影响偏差；根据所述数据捕捉时段对所述云图历史数据集合进行影响程度分析，获得时段影响偏差；设置偏差阈值，根据所述偏差阈值对所述月份影响偏差和所...

【专利技术属性】
技术研发人员：赵现纲，林曼筠，王劲松，毛冬艳，范存群，卫兰，张宇，肖萌，常翔宇，张玺，
申请(专利权)人：国家卫星气象中心国家空间天气监测预警中心，
类型：发明
国别省市：