[发明专利]一种气象图像处理方法、装置、设备及存储介质

说明书

本发明公开了一种气象图像处理方法、装置、设备及存储介质。该方法包括：获取待处理低分辨率气象图像；将所述待处理低分辨率气象图像输入目标神经网络模型，得到高分辨率气象图像，其中，所述目标神经网络模型通过目标气象图像样本集迭代训练随机森林回归模型得到，所述目标气象图像样本集包括：高分辨率气象图像训练样本和低分辨率气象图像训练样本，所述低分辨率气象图像训练样本对应的降水数据为从所述高分辨率气象图像训练样本对应的降水数据中选取的与所述待处理低分辨率气象图像站点分布一致的降水数据，通过本发明的技术方案，以实现能够解决历史雷达QPE的分辨率较低及与近年产品分布不均匀问题，以便于更好的进行气候变化的分析。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种气象图像处理方法、装置、设备及存储介质。

背景技术

随着气象雷达的发展及自动气象站点的加密布设，近年来气象探测数据日益精细化。但是大量的历史数据的精细度(分辨率)远不及近年的。其中，历史降水数据是气象数据中重要的数据储备，可用来在气候变化的领域进行分析。但大量的历史数据中，由于观测站点分布稀疏，以及观测手段不全面等因素，降水图谱数据相对不够精细，无法与近年高分辨率的数据分布相统一，导致在分析气候变化的时候会存在一定的偏差，因此，如何将历史的低分辨率气象图像经过合理的转换，变为高分辨率的气象图像是很有必要的。

发明内容

本发明实施例提供一种气象图像处理方法、装置、设备及存储介质，通过将历史的低分辨率气象图像转换为高分辨率气象图像，解决历史雷达QPE的分辨率较低及与近年产品分布不均匀问题，以便于更好的进行气候变化的分析。

第一方面，本发明实施例提供了一种气象图像处理方法，包括：

获取待处理低分辨率气象图像；

将所述待处理低分辨率气象图像输入目标神经网络模型，得到高分辨率气象图像，其中，所述目标神经网络模型通过目标气象图像样本集迭代训练随机森林回归模型得到，所述目标气象图像样本集包括：高分辨率气象图像训练样本和低分辨率气象图像训练样本，所述低分辨率气象图像训练样本对应的降水数据为从所述高分辨率气象图像训练样本对应的降水数据中选取的与所述待处理低分辨率气象图像站点分布一致的降水数据。

第二方面，本发明实施例还提供了一种气象图像处理装置，该装置包括：

获取模块，用于获取待处理低分辨率气象图像；

训练模块，用于将所述待处理低分辨率气象图像输入目标神经网络模型，得到高分辨率气象图像，其中，所述目标神经网络模型通过目标气象图像样本集迭代训练随机森林回归模型得到，所述目标气象图像样本集包括：高分辨率气象图像训练样本和低分辨率气象图像训练样本，所述低分辨率气象图像训练样本对应的降水数据为从所述高分辨率气象图像训练样本对应的降水数据中选取的与所述待处理低分辨率气象图像站点分布一致的降水数据。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的气象图像处理方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的气象图像处理方法。

本发明实施例通过获取待处理低分辨率气象图像；将所述待处理低分辨率气象图像输入目标神经网络模型，得到高分辨率气象图像，其中，所述目标神经网络模型通过目标气象图像样本集迭代训练随机森林回归模型得到，所述目标气象图像样本集包括：高分辨率气象图像训练样本和低分辨率气象图像训练样本，所述低分辨率气象图像训练样本对应的降水数据为从所述高分辨率气象图像训练样本对应的降水数据中选取的与所述待处理低分辨率气象图像站点分布一致的降水数据，解决历史雷达QPE的分辨率较低及与近年产品分布不均匀问题，以便于更好的进行气候变化的分析。

附图说明