[发明专利]基于机器学习的卫星雷达反演融合方法

摘要

本发明公开了一种基于机器学习的卫星雷达反演融合方法包括训练阶段和反演阶段；训练阶段包括卫星资料及处理：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；闪电资料及处理；雷达资料及雷达数据组网；土地使用类型资料及处理；模型训练。反演阶段包括：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；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；雷达回波反演；卫星雷达数据融合。

主权项

1.一种NRIET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)所述的模型训练使用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。