[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

说明书

本发明提供一种基于红外光的可见光云图转换方法、系统及其终端，其能够全天24小时、全球任意地点都能实现红外光向可见光的转化，转化速度快并且分辨率更高，该方法包括：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数据的分辨率为500米；模型训练：将历史数据导入梯度提升模型，梯度提升模型经过重建得到反演可见光云图模型；反演：将采集的实时数据和重建模型的输出结果导入到反演可见光云图模型，反演得到可见光云图。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种基于红外光的可见光云图转换方法、系统及其终端。

背景技术

可见光云图在研究云块、云系统的移动和发展方面，在检测台风和其他天气系统的发生、发展上有着重要作用，并取得良好的成效。可见光云图优点为其分辨率较高，对比度鲜明，能直接分辨任何高度的云层。但由于依赖可见光光波进行拍摄，其亮度及对比度均受到太阳光角度的限制，而且在夜间无法拍摄。反之，红外光云图的对比度来自经红外光光波强度转换后的温度差异，及后通过假设对流层温度随高度下降分辨云的位置及高度。由于方法不依赖可见光光波，优点为全天候24小时均能拍摄，其亮度、对比度不受太阳光角度影响。然而在晚间，地表/海表温度可与低层云的温度相若甚至更低。此时，气象人员无法通过红外光云图分辨低云的位置，对气象预报，如晚间台风定位、雾监测及冷空气监测等造成一定的局限性。

发明内容

本发明的目的在于提供一种基于红外光的可见光云图转换方法、系统及其终端，其能够全天24小时、全球任意地点都能实现红外光向可见光的转化，转化速度快并且分辨率更高。

本发明的实施例是这样实现的：

一种基于红外光的可见光云图转换方法，该方法包括：

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数据的分辨率为500米；

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

反演：将采集的实时数据和重建模型的输出结果导入到反演可见光云图模型，反演得到可见光云图。

在本发明的较佳实施例中，上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，将卫星可见光通道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，生成对抗神经网络模型使用pytorch框架构建pix2pixHD模型；生成对抗神经模型的输出和500米分辨率的卫星可见光云图的历史数据作为输入，进行训练得到超分辨率重建模型。

在本发明的较佳实施例中，上述梯人提升模型的基模型采用树模型，基分类器采用GBDT算法。

在本发明的较佳实施例中，上述构建梯度提升模型步骤中，采用分层随机抽样的方法，将卫星可见光通道数据在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。

在本发明的较佳实施例中，上述超分辨率重建模型采用RCAN重构算法，超分辨率重建模型的优化器为Adam。

在本发明的较佳实施例中，上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。

在本发明的较佳实施例中，上述反演步骤中，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。

在本发明的较佳实施例中，上述卫星红外光通道数据、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。