一种基于连通域提取与站点级集成排序的强降水站点识别方法、装置、设备及存储介质与流程

本发明涉及气象监测预警与人工智能交叉，特别是涉及一种基于连通域提取与站点级集成排序的强降水站点识别方法、装置、设备及存储介质。

背景技术：

1、随着深度学习在强对流识别中的应用，可由多源观测得到像素级强降水概率场。但将概率场转化为可在业务中使用的站点级识别/预警结果时，仍存在突出困难：

2、1.直接阈值化虚警高：对概率场直接取阈值得到识别区，受回波噪声、层状云、地形遮挡等影响，常产生大量碎块与虚警，事件级临界成功指数 csi 难以提升。

3、2.缺乏物理量协同门控：仅依赖概率场无法利用雷达反射率、卫星亮温、闪电等物理量对候选对象做协同验证，弱对流与噪声难以抑制。

4、3. 站点粒度精筛缺失：现有方法多在像素或对象层面输出识别结果。例如，公开号为 cn118840607a 的方案采用随机森林与逻辑回归集成对多源数据进行整体识别，输出停留在强对流云团层面，未在业务站点网格粒度上结合对象级、邻域级与空间先验信息对候选对象做精细排序，也未利用雷达反射率、卫星亮温、闪电等多源物理量对候选对象做协同门控，难以同时提升命中率与控制虚警。

5、4.邻域扩张失控：现有方法为提升空间覆盖连续性而做邻域扩张时，多采用单一阈值、对各方向等权无差别扩张，缺乏按置信度分级、按扩张模式（点/十字/方框）递进且有节制扩张的机制，易引入大面积虚警。

6、因此，亟需一种在站点网格粒度上对候选对象做多源特征精筛、并以有节制方式扩张输出的强降水站点识别方法。

技术实现思路

1、本发明的目的是提供一种基于连通域提取与站点级集成排序的强降水站点识别方法、装置、设备及存储介质，解决概率场直接阈值化虚警高、csi不稳的问题，缺乏物理量协同门控导致弱对流/噪声难抑制的问题，站点粒度精筛缺失、命中与虚警难以兼顾的问题，邻域扩张失控引入大面积虚警的问题。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于连通域提取与站点级集成排序的强降水站点识别方法，包括：

4、获取概率场和多源物理量场，生成站点网格集合，其中，所述概率场包括强降水概率场以及与所述强降水概率场在召回特性与虚警特性上互补的辅助支撑概率场；

5、对所述强降水概率场进行提取，获取候选强降水对象；

6、利用所述多源物理量场与所述辅助支撑概率场对所述候选强降水对象进行多条件物理门控筛选，获取保留候选对象；

7、对所述保留候选对象内的站点网格，构造站点级多维特征；

8、将所述站点级多维特征输入预先训练的集成排序模型，获取各站点网格的置信度，其中，所述集成排序模型由极度随机树分类器与基于直方图的梯度提升分类器加权融合构成；

9、根据所述置信度采用分级阈值填充策略对站点网格进行邻域扩张填充，输出强降水站点经纬度。

10、可选的，所述多源物理量场包括雷达组合反射率场、卫星红外亮温场、闪电密度场中的至少一种，以及由当前时次与历史时次雷达组合反射率之差得到的趋势场。

11、可选的，对所述强降水概率场进行提取包括：

12、根据候选概率阈值对所述强降水概率场进行二值化，并对二值化结果进行形态学滤波与连通域标记，桥接近距离回波、去除孤立噪点并丢弃面积小于初筛阈值的连通域，其中，所述形态学滤波以8连通结构元依次进行闭运算与开运算，所述闭运算的迭代次数大于所述开运算的迭代次数。

13、可选的，进行多条件物理门控筛选包括：

14、对每个所述候选强降水对象，若同时满足面积不小于候选最小面积阈值、雷达组合反射率最大值不小于设定反射率阈值、以及所述辅助支撑概率场在所述候选强降水对象内的最大值不小于设定最大概率阈值或均值不小于设定均值概率阈值，则保留。

15、可选的，所述站点级多维特征由对象级特征、站点直接值、站点邻域级特征、空间先验级特征和对象相对位置特征拼接而成；

16、所述对象级特征包括对象排名、面积对数、降水概率场最大值、降水概率场均值、辅助支撑概率场最大值、辅助支撑概率场均值、雷达组合反射率场最大值、雷达组合反射率场均值、趋势最大值、趋势均值、卫星红外亮温场最小值和闪电最大值；

17、所述站点直接值包括概率场在站点网格处的采样值；

18、所述站点邻域级特征以等于站点步长的最大值滤波器在站点处对概率场、雷达组合反射率场、趋势场、闪电密度场取邻域最大，以及对红外亮温场取邻域最小获得；

19、所述空间先验级特征包括站点网格归一化行列号与到网格边界的归一化距离；

20、所述对象相对位置特征包括对象外接矩形中心、宽高和对角线、对象内站点数、外接矩形占网格比例和站点相对中心偏移、站点到对象矩形边界的归一化距离以及站点物理量相对对象均值的差值。

21、可选的，根据所述置信度采用分级阈值填充策略对站点网格进行邻域扩张填充包括：

22、设定由低到高的基础阈值、十字阈值与方框阈值三个置信度阈值；

23、将所述置信度不低于基础阈值的站点网格按基础模式输出，将所述置信度不低于十字阈值的站点网格在所述基础模式基础上向上下左右四个邻域网格进行十字扩张，将所述置信度不低于方框阈值的站点网格在所述十字扩张基础上向四个对角邻域网格进行方框扩张，其中，所述基础模式为仅保留当前站点网格。

24、本发明还提供了一种基于连通域提取与站点级集成排序的强降水站点识别装置，用于实现基于连通域提取与站点级集成排序的强降水站点识别方法，包括：

25、概率场与物理量获取模块，用于获取概率场和多源物理量场，生成站点网格集合，其中，所述概率场包括强降水概率场以及与所述强降水概率场在召回特性与虚警特性上互补的辅助支撑概率场；

26、候选对象提取模块，用于对所述强降水概率场进行提取，获取候选强降水对象；

27、物理门控筛选模块，用于利用所述多源物理量场与所述辅助支撑概率场对所述候选强降水对象进行多条件物理门控筛选，获取保留候选对象；

28、站点级特征构造模块，用于对所述保留候选对象内的站点网格，构造站点级多维特征；

29、集成排序模块，用于将所述站点级多维特征输入预先训练的集成排序模型，获取各站点网格的置信度，其中，所述集成排序模型由极度随机树分类器与基于直方图的梯度提升分类器加权融合构成；

30、分级填充与输出模块，用于根据所述置信度采用分级阈值填充策略对站点网格进行邻域扩张填充，输出强降水站点经纬度。

31、本发明还提供了一种电子设备，包括：处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现一种基于连通域提取与站点级集成排序的强降水站点识别方法。

32、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现一种基于连通域提取与站点级集成排序的强降水站点识别方法。

33、本发明还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现一种基于连通域提取与站点级集成排序的强降水站点识别方法。

34、本发明的有益效果为：1.物理量协同门控降虚警：连通域+面积/反射率/支撑概率多条件门控，抑制噪声与弱对流。

35、2.站点粒度精筛：32维多源特征+et/hgb 集成排序，在站点网格粒度上兼顾命中与虚警。

36、3.有节制扩张：分级阈值填充、方框禁用、每时次输出上限，避免大面积虚警。

37、4.识别稳定性改善：相较无门控的直接阈值化基线，本发明的连通域门控 + 站点级集成排序 + 分级填充在命中率与虚警率的综合表现上获得稳定改善，多组随机种子验证结果方向一致、波动小。

38、5.来源无关：接收通用概率场，可对接双模型或其他任意概率场来源，通用性强。