[发明专利]基于深度学习的静止轨道气象卫星雷达反射率因子反演方法

说明书

本发明涉及强对流天气预警技术领域，尤其涉及基于深度学习的静止轨道气象卫星雷达反射率因子反演方法，所述方法包括：根据随机森林的方法选取静止轨道气象卫星成像仪的敏感性通道；所述敏感性通道为与雷达反射率因子相关性强的通道；接收静止轨道气象卫星成像仪下传的敏感性通道数据，输入预先建立和训练好的雷达反射率因子反演模型，得到反演结果。本发明的方法为雷达未覆盖地区的灾害性天气提供基本的探测和诊断数据，可以较直观地了解雷达资料覆盖不完全的强对流系统和台风气旋强度分布的有益效果；可以缩短时间间隔，更利于监测快速发展的对流系统；并且具备更强的非线性重构的能力，反演精度更高。

技术领域

本发明涉及强对流天气预警技术领域，尤其涉及基于深度学习的静止轨道气象卫星雷达反射率因子反演方法。

背景技术

灾害性天气往往表现出强度大、破坏性强、分布广、发展演变快、破坏力大的自然特征，引起广泛关注。快速有效地应对大风、强降水、山洪等灾害性天气事件，对减少人民群众生命财产安全威胁具有重要意义。预报这些突发性灾害天气系统的关键是及时观测，具有较高的空间分辨率，是态势感知和预报的基础。众所周知，具有高时空分辨率的多普勒天气雷达已成为分析和预报中、小尺度天气系统的最有效工具之一。迄今为止，基于雷达回波数据，许多成熟而可靠的天气监测、跟踪和外推方法得到了广泛的发展和应用。

然而，地球上很多地区仍然缺乏地基雷达的资料，如山地、海洋区域。这些资料的缺少极大地限制了雷达在天气监测方面的应用。相比之下，风云四号等静止轨道气象卫星成像系统可以连续地从太空捕获地球的图像，这些图像已经很好地应用于云团跟踪。卫星观测，特别是当前地球气象卫星的高频对流云跟踪观测，可以填补雷达观测的空白，监测灾害天气的快速生成和发展。

现有技术使用了静止轨道气象卫星预警产品(或者融合了数值预报模式资料)来探测强对流天气，但技术还停留在识别与分割，缺乏雷达回波的强度信息的捕捉。

发明内容

本发明的目的在于克服现有技术缺陷，提出了基于深度学习的静止轨道气象卫星雷达反射率因子反演方法。

为了实现上述目的，本发明提出了一种基于深度学习的静止轨道气象卫星雷达反射率因子反演方法，所述方法包括：

根据随机森林的方法选取静止轨道气象卫星成像仪的敏感性通道；所述敏感性通道为与雷达反射率因子相关性强的通道；

接收静止轨道气象卫星成像仪下传的敏感性通道数据，输入预先建立和训练好的雷达反射率因子反演模型，得到反演结果。

作为上述方法的一种改进，所述敏感性通道包括：

10.8μm通道亮温，用于获取云顶温度；

10.8-6.2μm通道亮温差，用于获取相对于对流层的云顶高；

12.3+8.6-2*10.8μm三通道亮温差，用于获取云顶冻结或云顶的相态；

修正的0.65μm反照率因子，用于获取云的光学厚度；和

0.65μm与1.61μm通道比值，用于获取云顶冻结或云顶的相态。

作为上述方法的一种改进，所述雷达反射率因子反演模型基于U-net，包括收缩的金字塔多尺度结构，膨胀的倒金字塔结构以及最终的全连接层；其中，

所述收缩的金字塔多尺度结构包括五层，自上而下的层与层之间为一个下采样步骤，每一层包括两个重复3×3的卷积层，每个卷积后依次连接一个批标准化模块、一个为校正线性单元的激活函数和一个2×2最大池化操作；下采样步长为2，在每个下采样步骤中，特征通道的数量加倍；