[发明专利]一种基于多源卫星数据的云底高度反演方法及系统有效
申请号: | 201911399810.8 | 申请日: | 2019-12-30 |
公开(公告)号: | CN111191594B | 公开(公告)日: | 2022-09-27 |
发明(设计)人: | 张天序;梁帅;王中阳 | 申请(专利权)人: | 华中科技大学 |
主分类号: | G06V20/13 | 分类号: | G06V20/13;G06V10/74;G06V10/70;G06V10/764 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 李智 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 卫星 数据 高度 反演 方法 系统 | ||
1.一种基于多源卫星数据的云底高度反演方法,其特征在于,包括:
根据实际经纬度,利用余弦相似度方法,选择对应地区的云层分类模型和云底高度反演模型;
将实际云物理特征输入所述云层分类模型,获取实际的云层类别特征;
将所述实际的云层类别特征与所述实际云物理特征输入所述云底高度反演模型,获取实际的云底高度;
其中,所述云层分类模型和所述云底高度反演模型均基于历史云底高度和历史云物理特征训练获取;所述云层分类模型用于获取云层类别特征;所述云底高度反演模型用于获取云底高度;
所述云底高度反演模型的训练方法为:
(1)将历史云底高度和历史云物理特征进行时空上的匹配,获取初始训练集;其中,时空指云所在经纬度和时间;
(2)对所述初始训练集进行数据标定,获取历史云层类别特征;
(3)以所述历史云层类别特征、所述历史云物理特征为输入,历史云底高度为输出,分地区采用机器学习分类方法训练云底高度反演模型;
所述云层分类模型的训练方法为:
以所述历史云物理特征为输入,所述历史云层类别特征为输出,分地区采用机器学习分类方法训练云层分类模型。
2.根据权利要求1所述的云底高度反演方法,其特征在于,对所述初始训练集还进行缺失值处理、异常样本处理和特征选择。
3.根据权利要求1所述的云底高度反演方法,其特征在于,所述历史云底高度从主动遥感卫星数据中获取,所述历史云物理特征从被动遥感卫星数据中获取。
4.根据权利要求1所述的云底高度反演方法,其特征在于,所述历史云底高度和所述历史云物理特征时空上的匹配方法为:
(a)在
(b)将若干经纬度
(c)将步骤(b)中历史云底高度的平均值与历史云物理特征匹配。
5.一种基于多源卫星数据的云底高度反演系统,其特征在于,包括:顺次连接的被动遥感卫星、模型选择单元、云层分类单元、云底高度反演单元、模型训练单元和数据处理单元;
所述被动遥感卫星用于采集实际经纬度,并获取实际云物理特征;
所述模型选择单元用于根据实际经纬度,利用余弦相似度方法,选择地区云层分类模型和云底高度反演模型;
所述云层分类单元用于接收所述实际云物理特征,输出实际的云层类别特征;
所述云底高度反演单元用于接收所述实际的云层类别特征与所述实际云物理特征,输出实际的云底高度;
所述数据处理单元用于将历史云底高度和历史云物理特征进行时空上的匹配获取初始训练集,并对初始训练集进行数据标定,获取历史云层类别特征;
所述模型训练单元用于以历史云物理特征为输入,历史云层类别特征为输出,分地区采用机器学习分类方法训练云层分类模型;
且用于以历史云层类别特征、历史云物理特征为输入,以历史云底高度为输出,分地区采用机器学习分类方法训练云底高度反演模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911399810.8/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置