【技术实现步骤摘要】
本专利技术涉及未来多情景降水领域，特别是涉及一种降水融合产品生成方法、系统、计算机设备以及存储介质。
技术介绍
1、第六次国际耦合模式比较计划(cmip6)系列耦合气候模式现已成为联合国政府间气候变化专门委员会(ipcc)编写第六次评估报告(ar6)及联合国气候变化大会等气候变化谈判的重要参考依据。围绕cmip6构建了一系列刻画未来不同社会经济发展模式和大气温室气体浓度的情景，称为共享社会经济路径情景(ssps)。诸多研究机构基于ssps和地球系统模式(esm)研发了未来(2015-2100年)多情景降水数据。这些海量开放共享的cmip6降水数据广泛应用于探究干旱洪涝特征、热浪格局、植被演化、海陆交互等地球表层系统关键过程的未来趋势。为了增强数据的趋势代表性、降低异常偏差，主流研究通常简单计算多套未来情景数据的集合平均值表征全球未来降水时空分布，但也面临被偏差最大数据所主导的风险。同时，虽然esm持续历经优化迭代，当前仍存在系统性偏差和不确定性。
技术实现思路
1、基于此，本专利技术的目的在于，提供一种降水融合产品生成方法、系统、计算机设备以及存储介质，其具有实现数据偏差校正，提高未来情景降水的数据精度的优点。
2、一种降水融合产品生成方法，包括以下步骤：
3、获取第一预设时间内的多源加权集合降水数据、cmip6训练降水数据以及辅助图像训练数据，针对不同的未来情景构建对应的样本数据，得到降水数据融合样本库，其中，所述cmip6训练降水数据包括未来情景和未来情
4、提取所述cmip6训练降水数据中的时空特征；
5、提取所述辅助图像训练数据中的空间特征；
6、融合所述时空特征和所述空间特征，获取目标特征，拟合所述目标特征与所述多源加权集合降水数据的非线性关系，得到降水融合模型；
7、根据所述降水数据融合样本库，训练所述降水融合模型，获取不同未来情景对应的降水融合模型；
8、获取第二预设时间内的cmip6目标降水数据以及辅助图像数据，输入至对应未来情景的降水融合模型，获取对应情景下的降水融合产品。
9、一种降水融合产品生成系统，包括：
10、样本库获取模块，用于获取第一预设时间内的多源加权集合降水数据、cmip6训练降水数据以及辅助图像训练数据，针对不同的未来情景构建对应的样本数据，得到降水数据融合样本库，其中，所述cmip6训练降水数据包括未来情景和未来情景对应的降水数据；
11、时空特征提取模块，用于提取所述cmip6训练降水数据中的时空特征；
12、辅助特征提取模块，用于提取所述辅助图像训练数据中的空间特征；
13、关系模拟模块，用于融合所述时空特征和所述空间特征，获取目标特征，拟合所述目标特征与所述多源加权集合降水数据的非线性关系，得到降水融合模型；
14、模型训练模块，用于根据所述降水数据融合样本库，训练所述降水融合模型，获取不同未来情景对应的降水融合模型；
15、产品获取模块，用于获取第二预设时间内的cmip6目标降水数据以及辅助图像数据，输入至对应未来情景的降水融合模型，获取对应情景下的降水融合产品。
16、一种计算机设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的降水融合产品生成方法的步骤。
17、一种可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的降水融合产品生成方法的步骤。
18、本申请所述的降水融合产品生成方法，通过获取所述第一预设时间内的多源加权集合降水数据、cmip6训练降水数据以及辅助图像训练数据，针对不同的未来情景构建对应的样本数据，得到降水数据融合样本库，通过提取所述cmip6训练降水数据中的时空特征以及所述辅助图像训练数据中的空间特征进行融合得到目标特征，拟合所述目标特征与所述多源加权集合降水数据的非线性关系，得到降水融合模型，最终根据所述降水数据融合样本库对所述降水融合模型进行训练，得到不同未来情景对应的降水融合模型，获取第二预设时间内的cmip6目标降水数据以及辅助图像数据，输入至所述不同未来情景对应的降水融合模型，获取对应情景下的降水融合产品。本申请所述的降水融合产品生成方法实现了数据偏差校正，提高了未来多情景降水的数据精度。
19、为了更好地理解和实施，下面结合附图详细说明本专利技术。
本文档来自技高网...【技术保护点】
1.一种降水融合产品生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的降水融合产品生成方法，其特征在于，提取所述CMIP6训练降水数据中的时空特征的步骤包括：
3.根据权利要求1所述的降水融合产品生成方法，其特征在于，所述辅助图像训练数据包括地形信息图像、地理位置信息图像和每一所述CMIP6训练降水数据评价信息图像，提取所述辅助图像训练数据中的空间特征的步骤包括：
4.根据权利要求1所述的降水融合产品生成方法，其特征在于，获取第一预设时间内的多源加权集合降水数据、CMIP6训练降水数据以及辅助图像训练数据，针对不同的未来情景构建对应的样本数据，得到降水数据融合样本库的步骤包括：
5.根据权利要求1所述的降水融合产品生成方法，其特征在于，获取第一预设时间内的所述CMIP6训练降水数据，包括以下步骤：
6.根据权利要求5所述的降水融合产品生成方法，其特征在于，对每一所述CMIP6降水数据进行系统精度评价，获取每一所述CMIP6降水数据评价信息的步骤包括：
7.根据权利要求1所述的降水融合产品生成方法，
8.一种降水融合产品生成系统，其特征在于，包括：
9.一种计算机设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的降水融合产品生成方法的步骤。
10.一种可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的降水融合产品生成方法的步骤。
...【技术特征摘要】
1.一种降水融合产品生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的降水融合产品生成方法，其特征在于，提取所述cmip6训练降水数据中的时空特征的步骤包括：
3.根据权利要求1所述的降水融合产品生成方法，其特征在于，所述辅助图像训练数据包括地形信息图像、地理位置信息图像和每一所述cmip6训练降水数据评价信息图像，提取所述辅助图像训练数据中的空间特征的步骤包括：
4.根据权利要求1所述的降水融合产品生成方法，其特征在于，获取第一预设时间内的多源加权集合降水数据、cmip6训练降水数据以及辅助图像训练数据，针对不同的未来情景构建对应的样本数据，得到降水数据融合样本库的步骤包括：
5.根据权利要求1所述的降水融合产品生成方法，其特征在于，获取第一预设时间内的所述cmip6训练降水数据，包括以...
【专利技术属性】
技术研发人员：辛颖，刘杨晓月，
申请(专利权)人：中国科学院地理科学与资源研究所，
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。