【技术实现步骤摘要】
本专利技术涉及气温反演，具体涉及转折性天气的气温反演方法。
技术介绍
1、近年来，随着卫星遥感的技术得到了飞快地发展，气温反演的精确度得到了进一步提高，转折性天气是指发生重大转折性变化的天气，如降雨。研究表明现有的气温反演主要考虑不同的气温反演方法的精度差异，没有考虑到降雨时的气温反演，对于气温变化较大的转折性天气过程，常规的气温反演方法在转折性天气下反演难度大、精度低。转折性天气气温反演能够在降雨天气下，提高气温反演精度，能够更好地适应气候快速变化的情况，对气温的快速变化有更好的响应能力。在气候转折时，它考虑了气候系统的非线性特征此种方法能够更准确地预测气温的变化趋势。
2、为了解决上述问题，本专利技术提出一种基于fy-4a卫星数据的转折性天气气温反演方法。
技术实现思路
1、本专利技术的目的是提供一种转折性天气的气温反演方法，利用该方法在发生转折性天气状况下可以获得高时间分辨率、高空间分辨率的气温数据。
2、为了实现上述目的，本专利技术的技术方案如下：一种转折性天气的气温反演，包括如下步骤：
3、步骤1，数据准备：
4、数据准备如下：收集fy-4a的综合数据；收集gfs的气温数据；收集modis提供的ndvi；收集nasa提供的空间分辨率为90m的dem；坡度；坡向以及下垫面类型；并进行平均重采样将dem的空间分辨率处理成250m；收集2022年全年气象台站实测降雨数据以及气温数据；
5、且将台站气温作为真实气温用于气
6、步骤2，基于准备的数据，进行转折性天气下高时间分辨率、高空间分辨率气温反演；
7、包括如下步骤：
8、步骤21，将gfs的气温数据进行时间差值和空间差值；
9、步骤22，将fy-4a的综合数据、gfs发布的气温数据、气象台站实测降雨数据和气温数据、ndvi、dem坡度、坡向以及下垫面类型，根据降雨发生的时间和台站经纬度进行时空间匹配，建立转折性气温反演模型所需的数据集，再利用前馈神经网络对数据集训练，读取网络的参数；
10、步骤23，结合上一步神经网络中读取的参数和数据，每一种数据都有对应的参数，构建估算气温和这些数据的非线性关系，建立转折性天气气温反演模型。
11、进一步，步骤1中，收集fy-4a的综合数据包括云顶高度和云顶温度数据，其空间分辨率为4km。
12、进一步，收集gfs的气温数据，其时间、空间分辨率分别为3小时、25km。
13、进一步，收集modis提供的空间分辨率为250m、时间分辨率为16天的ndvi数据并进行投影拼接获得某区域完整的数据。
14、进一步，步骤23中，通过气温反演模型反演基于fy-4a卫星的高时间分辨率、高空间分辨率的转折性天气气温，形成250m气温网格，并且基于fnn建模温度和输入变量之间的非线性关系，并且使用fnn将训练模型的参数结合fy-4a卫星数据，输出反演气温，利用台站实测气温和反演气温对比，求出相关性、均方根误差、偏差。
15、采用上述方案有以下有益效果：本专利技术利用神经网络的优点从空间和时间角度将fy-4a卫星数据和gfs气温数据相结合，进行转折性天气下高时间分辨率、高空间分辨率的气温反演，为针对转折性天气气温反演研究提供新的思路。通过转折性天气气温反演研究，可以提供更准确的气温数据，提高天气预报的准确性和时效性。对于预测天气事件至关重要；
16、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种转折性天气的气温反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的转折性天气的气温反演方法，其特征在于，步骤1中，收集FY-4A的综合数据包括云顶高度和云顶温度数据，其空间分辨率为4km。
3.根据权利要求2所述的转折性天气的气温反演方法，其特征在于，收集GFS的气温数据，其时间、空间分辨率分别为3小时、25km。
4.根据权利要求3所述的转折性天气的气温反演方法，其特征在于，收集Modis提供的空间分辨率为250m、时间分辨率为16天的NDVI数据并进行投影拼接获得某区域完整的数据。
5.根据权利要求4所述的转折性天气的气温反演方法，其特征在于，步骤23中，通过气温反演模型反演基于FY-4A卫星的高时间分辨率、高空间分辨率的转折性天气气温，形成250m气温网格，并且基于FNN建模温度和输入变量之间的非线性关系，并且使用FNN将训练模型的参数结合FY-4A卫星数据，输出反演气温，利用台站实测气温和反演气温对比，求出相关性、均方根误差、偏差。
【技术特征摘要】
1.一种转折性天气的气温反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的转折性天气的气温反演方法，其特征在于，步骤1中，收集fy-4a的综合数据包括云顶高度和云顶温度数据，其空间分辨率为4km。
3.根据权利要求2所述的转折性天气的气温反演方法，其特征在于，收集gfs的气温数据，其时间、空间分辨率分别为3小时、25km。
4.根据权利要求3所述的转折性天气的气温反演方法，其特征在于，收集modis提供的空间...
【专利技术属性】
技术研发人员：邓小波，桂球兵，刘海磊，肖建设，黄启宏，张升兰，
申请(专利权)人：成都信息工程大学，
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。