【技术实现步骤摘要】
本专利技术涉及遥感监测，尤其涉及一种基于多源数据的海表高度数据融合方法、装置及设备。
技术介绍
1、随着当前海洋观测手段日益丰富，可获得的海洋数据量迅速增长，多源海洋数据的融合对计算能力、数值方法以及同化技术提出了巨大的挑战。同时，以深度学习为核心的人工智能技术为海洋科学研究提供了新的思路与方法，以机器学习为核心的ai技术将成为发挥观测资料价值、提高海洋环境保障水平的新途径。
2、目前常用的深度学习方法进行海表高度数据融合时，是基于原始的卫星数据分布的基础上进行的，并且多用数据最优插值法直接得到高度融合数据，导致海表高度数据融合的误差较大。
技术实现思路
1、本专利技术的目的在于提供一种基于多源数据的海表高度数据融合方法、装置及设备，用于提高海表高度数据融合的准确性。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、第一方面，本专利技术提供一种基于多源数据的海表高度数据融合方法，包括：
4、获得待处理数据；所述待处理数据包括海表温度数据、海表风场数据和沿轨的海表高度数据；
5、利用卷积神经网络对所述待处理数据进行编码，获得所述待处理数据对应的空间表征；
6、将所述空间表征输入至搭建完成第一级卷积长短时记忆网络中，获得目标空间表征；所述目标空间表征包含网格化的海表高度数据；
7、将所述目标空间表征输入至搭建完成的第二级卷积长短时记忆网络中，建立海表高度与海表温度之间的第一映射关系，以及海表高度
8、与现有技术相比，本专利技术提供的一种基于多源数据的海表高度数据融合方法，首先获得待处理数据；所述待处理数据包括海表温度数据、海表风场数据和沿轨的海表高度数据，由于海表温度数据、海表风场数据是海面高度变化主要的驱动源，本专利技术将与海面高度相关的海温、海面风场数据与沿轨海面数据相结合，可以提高最终获得的网格化的海表高度融合数据的精确性；利用卷积神经网络对所述待处理数据进行编码，获得所述待处理数据对应的空间表征，不仅保留了输入数据中重要的特征，并在更紧凑的空间中表示数据；将所述空间表征输入至搭建完成第一级卷积长短时记忆网络中，获得目标空间表征，所述目标空间表征包含网格化的海表高度数据，通过第一级卷积长短时记忆网络对沿轨的海表高度数据进行网格化处理，避免了沿轨雷达高度计数据观测幅度较窄的缺陷；将所述目标空间表征输入至搭建完成的第二级卷积长短时记忆网络中，建立海表高度与海表温度之间的第一映射关系，以及海表高度与海表风场之间的第二映射关系，并确定网格化的海表高度融合数据，获得高准确性的海面高度产品。本专利技术在原有沿轨的海表高度数据的基础上，增加了与海表高度相关的海表温度数据与海表风场数据，将数据输入至第一级卷积长短时记忆网络中，对沿轨的海表高度数据进行网格化处理，避免了沿轨雷达高度计数据观测幅度较窄的缺陷，并将网格化处理后的网格化的海表高度融合数据输入至第二级卷积长短时记忆网络中，建立海表高度与海表温度之间的第一映射关系，以及海表高度与海表风场之间的第二映射关系，从而获得网格化的、高精度的海表高度融合数据，提高了海表高度数据融合的准确性。
9、第二方面，本专利技术还提供一种基于多源数据的海表高度数据融合装置，包括：
10、待处理数据获得模块，用于获得待处理数据；所述待处理数据包括海表温度数据、海表风场数据和沿轨的海表高度数据；
11、编码模块，用于利用卷积神经网络对所述待处理数据进行编码，获得所述待处理数据对应的空间表征；
12、目标空间表征获模块，用于将所述空间表征输入至搭建完成第一级卷积长短时记忆网络中，获得目标空间表征；所述目标空间表征包含网格化的海表高度数据；
13、网格化的海表高度融合数据确定模块，用于将所述目标空间表征输入至搭建完成的第二级卷积长短时记忆网络中，建立海表高度与海表温度之间的第一映射关系，以及海表高度与海表风场之间的第二映射关系，并确定网格化的海表高度融合数据。
14、第三方面，本专利技术还提供一种基于多源数据的海表高度数据融合设备，包括：
15、处理器以及与处理器耦合的通信接口；所述处理器用于运行计算机程序或指令，以实现上述一种基于多源数据的海表高度数据融合方法。
16、第四方面，本专利技术提供一种计算机可读存储介质，用于存储指令，所述指令在被处理器执行时使处理器执行上述一种基于多源数据的海表高度数据融合方法。
17、第二方面提供的装置类方案、第三方面提供的设备类方案以及第四方面提供的介质类方案所实现的技术效果与第一方面提供的方法类方案相同，此处不再赘述。
本文档来自技高网...【技术保护点】
1.一种基于多源数据的海表高度数据融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述获得待处理数据之前，还包括：
3.根据权利要求2所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述目标数据集包括训练集和验证集，所述将所述空间表征输入至搭建完成第一级卷积长短时记忆网络中之前，还包括：
4.根据权利要求3所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述基于所述验证集，修正所述初始卷积长短时记忆网络模型，获得卷积长短时记忆网络模型，包括：
5.根据权利要求4所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述建立损失函数，包括：
6.根据权利要求4所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述建立损失函数，基于所述验证集对应的实测值和所述预测值，利用所述损失函数对所述初始卷积长短时记忆网络模型进行修正，获得所述卷积长短时记忆网络模型，包括：
7.一种基于多源数据的海表高度数据融合装置，其特征在于，包括：
8.根据权利要求7所述的一种基于多源数据的海表高度数据融合装置，其特征在于，所述装置还包括：
9.一种基于多源数据的海表高度数据融合设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于存储指令，所述指令在被处理器执行时使处理器执行根据权利要求1-6中任一项所述一种基于多源数据的海表高度数据融合方法。
...【技术特征摘要】
1.一种基于多源数据的海表高度数据融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述获得待处理数据之前，还包括：
3.根据权利要求2所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述目标数据集包括训练集和验证集，所述将所述空间表征输入至搭建完成第一级卷积长短时记忆网络中之前，还包括：
4.根据权利要求3所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述基于所述验证集，修正所述初始卷积长短时记忆网络模型，获得卷积长短时记忆网络模型，包括：
5.根据权利要求4所述的一种基于多源数据的海表高度数据融合方法，其特征在于，所述建立损失函数，包括：<...
【专利技术属性】
技术研发人员：贾永君，蒋城飞，
申请(专利权)人：国家卫星海洋应用中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。