[发明专利]气象卫星数据的处理方法及装置

说明书

本发明公开了一种气象卫星数据的处理方法及装置。其中，该方法包括：获取地面气象站历史时间段内的第一气象卫星数据；利用第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，其中，预定回归模型为利用多组训练数据进行机器学习训练得到的；获取全球区域内的第二气象卫星数据；利用初始网络参数以及第二气象卫星数据通过预定回归模型，得到第二气象卫星数据分布的时间序列。本发明解决了相关技术中通过气象卫星通过搭载的探测器测量气象卫星数据的全球分布方式容易存在时间和空间稀疏性的缺陷，导致无法准确了解全球气象卫星数据分布的技术问题。

技术领域

本发明涉及数据处理方法领域，具体而言，涉及一种气象卫星数据的处理方法及装置。

背景技术

卫星能在全球范围内探测气象卫星数据的分布然而，由于沿轨道运动，卫星运行一周后才能再次到达相同区域。相同区域内的两次探测间隔的时间较长，无法了解两次探测之间气象卫星数据的变化。此外，一个周期内气象卫星数据仅集中在单条轨道线附近，无法了解全球气象卫星数据的分布。

目前的气象卫星数据主要是气象卫星通过搭载的探测器测量气象卫星数据的全球分布。气象卫星所记录的数据是一系列沿轨道分布的时空数据。一次探测后，气象卫星需沿轨道运行一圈才能再次到达相同位置。相同区域的两次探测之间的时间间隔较长，无法获知两次探测之间气象卫星数据的变化过程。领域专家对气象卫星数据进行细粒度分析时遇到了两个挑战：一、现有研究主要通过超级计算机模拟大气物理化学过程：数值天气模型将气象卫星数据作为输入，预测两次探测间隔内气象卫星数据的时间变化；数值天气模型在部分气象卫星数据上取得了成功，然而，对于物理化学变化机制清晰不清晰或存在多种因素影响的气象参数，数值模拟方法不适用；二、现有研究通过插值方法估计全球任意位置的气象卫星数据，如克里金插值、IDW(反距离权重插值法)等，然而，一个周期内气象卫星轨道的覆盖范围有限，需要插值的空间范围较大，与轨道平面垂直方向的数据分布稀疏，插值难度较大。此外，插值方法生成的结果较为平滑，无法得到空间分布的精细结构，掩盖了异常数据。而异常数据对了解气象参数变化规律，改进现有理论有较大帮助。

针对上述相关技术中通过气象卫星通过搭载的探测器测量气象卫星数据的全球分布方式容易存在时间和空间稀疏性的缺陷，导致无法准确了解全球气象卫星数据分布的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种气象卫星数据的处理方法及装置，以至少解决相关技术中通过气象卫星通过搭载的探测器测量气象卫星数据的全球分布方式容易存在时间和空间稀疏性的缺陷，导致无法准确了解全球气象卫星数据分布的技术问题。

根据本发明实施例的一个方面，提供了一种气象卫星数据的处理方法，包括：获取地面气象站历史时间段内的第一气象卫星数据；利用所述第一气象卫星数据训练模型无关元学习MAML模型，得到预定回归模型的初始网络参数，其中，所述预定回归模型为利用多组训练数据进行机器学习训练得到的；获取全球区域内的第二气象卫星数据；利用所述初始网络参数以及所述第二气象卫星数据通过所述预定回归模型，得到所述第二气象卫星数据分布的时间序列。

可选地，获取地面气象站历史时间段内的第一气象卫星数据，包括：获取与目标任务相似度大于预定阈值的相似任务，其中，所述目标任务为确定预定区域的气象卫星数据变化；获取所述相似任务的相关气象卫星数据；将所述相关气象卫星数据确定为所述第一气象卫星数据。

可选地，获取所述相似任务的相关气象卫星数据，包括：向所述全球区域内的多个地面站发送气象卫星数据请求消息，其中，所述气象卫星数据请求消息携带有所述预定区域的区域标识信息；获取所述多个地面站基于所述气象卫星数据请求消息发送的反馈信息；基于所述反馈信息确定所述相关气象卫星数据。