[发明专利]基于机器学习的卫星雷达反演融合方法

权利要求书

1.一种基于机器学习的卫星雷达反演融合方法，其特征在于,包括训练阶段和反演阶段；

训练阶段：

1)卫星资料及处理

将葵花8号静止卫星的B08、B10、B13、B15共4个波段的圆盘投影数据进行投影换算并插值到0.02°×0.02°的空间网格点上；

2)闪电资料及处理

将空间区域按照插值后的卫星资料的0.02°×0.02°网格进行划分，分别统计每个网格点中对应时间发生的闪电次数；

3)雷达资料及雷达数据组网

将所有雷达基数据进行空间笛卡尔坐标转换，并使用空间8点插值法将其插值到统一的网格点上；对重叠区域，使用其雷达回波最大值，并计算组网后的雷达组合反射率；

4)土地使用类型资料及处理

将MODIS的土地使用类型数据进行投影换算，并按照统一的空间网格进行划分，使用该网格中格中比重最大的土地使用类型作为该网格的土地使用类型；

5)模型训练

使用Tensorflow构建卷积神经网络，进行模型训练，得到训练后的神经网络模型；

反演阶段：

1)数据预处理

对实时观测得到的葵花8号静止卫星资料、闪电资料做和训练阶段相同的处理，土地使用类型资料使用训练阶段处理后的资料；

2)雷达资料组网

将实时观测的雷达基数据资料按照训练阶段的组网步骤进行组网，计算组合发射率；

3)雷达回波反演

将处理后的葵花8号卫星资料、闪电资料和土地使用类型资料输入训练好的神经网络模型，得到反演后的雷达组合反射率；土地使用类型数据直接使用训练时所用的数据作为输入；对雷达基数据使用相同的方式进行插值组网；将卫星资料、闪电资料、土地使用类型资料输入到训练好的神经网络中，得到反演后的雷达回波资料；

4)卫星雷达数据融合

将雷达组网组合反射率和反演后的雷达组合发射率进行边缘模糊融合，生成反演融合雷达组合发射率产品。

2.根据权利要求1所述的基于机器学习的卫星雷达反演融合方法，其特征在于,所述的卫星资料：葵花8号静止卫星共有16个通道，水平空间分辨率从500米到2公里不等，时间分辨率为10分钟，其中可见光中的红光水平分辨率为500米，蓝光和绿光以及近红外通道水平分辨率为1公里，其余通道水平分辨率均为2公里；考虑到夜晚可见光通道无观测数据，雷达回波由空气中的云滴雨滴造成，经过筛选，选取B08、B10、B13、B15共4个通道的数据进行训练；其中B08和B10为水汽通道，B13和B15为红外通道，其水平分辨率均为2公里；数据投影方式为圆盘投影。

3.根据权利要求1所述的基于机器学习的卫星雷达反演融合方法，其特征在于,所述的雷达资料：雷达基数据存放的为雷达的体扫资料，包含9个仰角；包含雷达反射率、径向数据和谱宽数据。

4.根据权利要求1所述的基于机器学习的卫星雷达反演融合方法，其特征在于,所述的土地使用类型资料：使用ADTD闪电定位系统观测到的闪电资料，包括闪电发生的时间、经度、纬度、强度、陡度、电荷和能量信息。

5.根据权利要求1所述的基于机器学习的卫星雷达反演融合方法，其特征在于,所述的卫星资料处理：对葵花8号静止卫星所提供的圆盘投影数据进行解码，并插值到等间距的经纬度格点上；圆盘投影描述的是从虚拟卫星到理想地球的视图；这里，虚拟卫星处于静止轨道，位于赤道平面上，经度确定；卫星与地球中心的距离是42164公里；理想化的地球是一个完美的椭圆体，赤道半径为6378.1690公里，极半径为6356.5838公里；

根据某像素点在以卫星为圆点的坐标系中的位置，以及地球的赤道半径和极半径，使用圆盘投影对卫星资料进行投影转换，推算出该像素点的经纬度坐标，进而推算出圆盘图中各像素点的经纬度信息；葵花8号卫星在远红外波段的空间分辨率为2km，在得到圆盘图的经纬度信息后，将B08、B10、B13和B15共4个波段的亮温数据使用空间线性插值法插值到0.02°×0.02°的等经纬度间距网格点上；同时计算B08和B10以及B13和B15之间的亮温差，用于模型训练。