[发明专利]一种卫星定量降水估计方法

权利要求书

1.一种卫星定量降水估计方法，其特征在于，包括以下步骤：

采集待估计区域的气象卫星数据；

将所述气象卫星数据输入至训练好的最佳降水强度估计模型中，获取降水强度预估结果；

根据各区域的降水强度预估结果生成降水强度估计结果图；

将所述降水强度估计结果图叠加到地形文件上，生成区域降水估计信息；

其中，所述最佳降水强度估计模型是根据历史气象卫星数据、以及与所述历史气象卫星数据相对应的历史降水数据训练获取的。

2.根据权利要求1所述的卫星定量降水估计方法，其特征在于，所述最佳降水强度估计模型的训练获取方法包括:

采集所述历史气象卫星数据、以及与所述历史气象卫星数据相对应的历史降水数据；

分别对所述历史气象卫星数据及历史降水数据进行预处理；

将预处理后的气象卫星数据和降水数据进行时空匹配，生成多组训练样本；

根据所述训练样本对预构建的卫星定量降水估计模型中进行深度学习训练，直至获取所述最佳降水强度估计模型。

3.根据权利要求2所述的卫星定量降水估计方法，其特征在于，对所述历史气象卫星数据进行预处理包括:

根据获取的历史气象卫星数据，将所需要的研究区域裁剪出来，并将其进行几何校正，然后保存为数组的形式。

4.根据权利要求2所述的卫星定量降水估计方法，其特征在于，对所述历史降水数据进行预处理包括:

根据获取的历史降水数据，利用重采样函数将其重采样至所需要的空间分辨率下，对数据进行筛选，剔除出现过多缺失值和异常值的数据，获得降水强度标签。

5.根据权利要求2所述的卫星定量降水估计方法，其特征在于，所述预构建的卫星定量降水估计模型包括顺次连接的编码层、中间层、解码层，其中，所述编码层包括六个卷积核为3*3的深度可分离卷积层、三个卷积核为2*2最大池化层和三个残差模块，其中，每两个卷积核为3*3的深度可分离卷积层和一个卷积核为2*2的最大池化层顺次连接为一组，对不同分辨率的特征图进行特征提取，将最大池化前的特征图通过一个残差模块与解码层中相同分辨率的特征图进行合并操作；中间层包括并联的空间金字塔模块和通道空间注意力模块；解码层包括三个卷积核为2*2的反卷积层、六个卷积核为3*3的深度可分离卷积层和一个卷积核为1*1的卷积层，其中，每一个卷积核为2*2的反卷积层和两个卷积核为3*3的深度可分离卷积层顺次连接为一组，对不同分辨率的特征图进行升维并提取特征，最后顺次连接一个卷积核为1*1的卷积层进行通道的压缩，生成最终降水估计结果图。

6.根据权利要求5所述的卫星定量降水估计方法，其特征在于，所述空间金字塔模块包括并联的一个1*1的卷积层、三个空洞率分别为1、2、3的3*3卷积层和一个1*1的平均池化层，分别对编码层输出的特征图进行提取特征。

7.根据权利要求5所述的卫星定量降水估计方法，其特征在于，所述通道空间注意力模块包括通道注意力模块和空间注意力模块；

所述通道注意力模块用于对初始特征矩阵进行处理，包括：对所述初始特征矩阵分开进行全局平均池化和全局最大池化，然后分开经过两个1*1的卷积层进行通道的压缩与扩充，将二者基于通道相加，经过激活函数Sigmoid后与初始特征矩阵相乘，形成通道注意力特征图；

所述空间注意力模块用于对所述通道注意力特征图进行处理，包括：对所述通道注意力特征图执行基于通道的平均池化和最大池化，然后基于通道合并，经过一个卷积层，再通过Sigmoid激活函数，将Sigmoid激活函数的输出与所述通道注意力特征图相乘，形成优化后的特征图。

8.根据权利要求2所述的卫星定量降水估计方法，其特征在于，所述对预构建的卫星定量降水估计模型中进行深度学习训练，直至获取所述最佳降水强度估计模型，包括：

通过设置模型的超参数、总迭代次数、可调节学习率、动量参数、权重衰减参数及损失函数，ASPP中的空洞率rate和CBAM中的压缩通道的倍数，经过反复调整和对比实验得到最佳参数组合。

9.根据权利要求1所述的卫星定量降水估计方法，其特征在于，所述根据各区域的降水强度预估结果生成降水强度估计结果图，包括：

通过应用训练好的最佳降水强度估计模型测试新的气象卫星数据，对于新的气象卫星数据先经过预处理得到相同尺寸的输入样本，预测完成后得到一张完整的该时刻的降水强度估计结果图。