[发明专利]基于深度学习的台风强度遥感反演方法

权利要求书

1.一种基于深度学习的台风强度遥感反演方法，其特征在于，包括以下步骤：

步骤1)确定待反演时刻台风中心的地理坐标信息，获取待反演时刻卫星的云图；

步骤2)读取卫星云图中的地理坐标信息以及预设的若干个波段的亮温数据；

步骤3)确定台风中心位置在卫星云图中的坐标点，并以该坐标点为中心，构建基于波段亮温数据的三维矩阵；

步骤4)在python软件中载入训练好的基于focal_loss损失函数的8个二分类CNN模型，其中每个二分类CNN模型分别对应不同的台风等级；

步骤5)将三维矩阵数据输入8个二分类CNN模型中，得到并输出相应的数值，其中最大数值对应的台风等级即为该时刻台风的强度类别；

步骤6)根据上述所得数值计算得该时刻台风的最大风速。

2.根据权利要求1所述的基于深度学习的台风强度遥感反演方法，其特征在于：步骤3)中以坐标点为中心，向上下左右各延伸n个网格点，从若干个波段中截取波段数量个2n+1×2n+1的二维矩阵，并按照波段序号由高到低顺序重新组合为三维矩阵。

3.根据权利要求2所述的基于深度学习的台风强度遥感反演方法，其特征在于：步骤4)的具体步骤为：

41)将台风按照风速分为8类；

42)收集待反演时刻卫星的台风卫星云图，将卫星云图分为训练组，验证组和测试组，并构建CNN模型；

43)使用focal_loss损失函数计算CNN模型内部梯度函数；

44)采用训练组数据训练并针对每一个分类训练一个二分类模型；其中验证组数据用来在模型训练过程中防止模型过拟合；测试组用来进行模型性能的最终评判。

4.根据权利要求3所述的基于深度学习的台风强度遥感反演方法，其特征在于：步骤6中最大风速的计算公式为

W＝U₁×P₁+U₂×P₂

式中，W是该时刻台风的最大风速，P₁和P₂是所得数值中最大的两个，U₁和U₂是两个最大数值对应分类速度区间的中间值。