[发明专利]一种基于红外光的可见光云图转换方法、系统及其终端

权利要求书

1.一种基于红外光的可见光云图转换方法，其特征在于，所述方法包括：数据采集：对土地利用数据、卫星红外光数据、大气环境数据的实时数据和历史数据进行采集并转化，对卫星可见光的历史数据进行采集并进行重采样转化，转化后的所述卫星可见光的历史数据分辨率为500米；

模型训练：将历史数据导入梯度提升模型，所述梯度提升模型经过重建训练得到反演可见光云图模型；

反演：将采集的所述实时数据和重建模型的输出结果导入到所述反演可见光云图模型，反演得到可见光云图；

所述梯度提升模型经过重建的具体步骤包括：将梯度提升模型的输出结果作为生成对抗神经模型的输入，将所述卫星可见光的历史数据作为输出，进行训练得到生成对抗神经网络模型，所述生成对抗神经网络模型使用pytorch框架构建pix2pixHD模型；所述生成对抗神经模型的输出和500米分辨率的所述卫星可见光的历史数据作为输入，进行训练得到超分辨率重建模型。

2.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述梯度提升模型的基模型采用树模型，基分类器采用GBDT算法。

3.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述梯度提升模型的重建步骤中，采用分层随机抽样的方法，将所述卫星可见光数据在0-0.25、0.25-0.5、0.5-0.75和0.75-1，4个区间范围内按1：1：1：1分段随机抽样。

4.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述超分辨率重建模型采用RCAN重构算法，所述超分辨率重建模型的优化器为Adam。

5.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述梯度提升模型经过重建的步骤还包括：采用遗传算法优化梯度提升算法中的LightGBM模型，以平均绝对误差、均方根误差和R方作为基础调优模型。

6.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述反演步骤中，将均方误差、峰值信噪比和结构相似性作为反演可见光云图的指标。

7.根据权利要求1所述的基于红外光的可见光云图转换方法，其特征在于，所述卫星红外光数据、大气环境数据和卫星可见光通道数据的历史数据的分辨率为500-2000米。

8.一种基于红外光的可见光云图转换系统，其特征在于，该系统使用权利要求1-7中任一所述的可见光云图转换方法获得，所述可见光云图转换系统包括：

数据采集模块：对土地利用数据、卫星红外光数据、大气环境数据的实时数据和历史数据进行采集并转化，对卫星可见光的历史数据进行采集并进行重采样转化，转化后的所述卫星可见光的历史数据分辨率为500米；

模型训练模块：将历史数据导入梯度提升模型，所述梯度提升模型经过重建得到反演可见光云图模型；

反演模块：将采集的所述实时数据和重建模型的输出结果导入到所述反演可见光云图模型，反演得到可见光云图。

9.一种基于红外光的可见光云图转换终端，包括存储器和处理器，其特征在于，存储器，用于存储计算机程序及储存基于红外光的可见光云图转换的方法；处理器，用于执行所述计算机程序及基于红外光的可见光云图转换的方法，以实现如权利要求1-7任一所述的基于红外光的可见光云图转换的方法步骤。