星地雷达非线性一致性校正方法、装置及计算机设备
本技术涉及数据处理,特别是涉及一种星地雷达非线性一致性校正方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术:
1、星载雷达与地基雷达是气象观测体系中的重要组成部分。星载雷达具有覆盖范围广、观测几何稳定的特点,能够在大范围内提供一致性的降水结构信息;地基雷达具有时间分辨率高、空间分辨率高的优势,在区域尺度降水监测与临近预报中发挥重要作用。为实现多源观测数据融合,需要对地基雷达观测数据进行一致性校正,使其与星载雷达观测结果保持可比性,从而提高地基雷达数据在多源降水融合、气候分析及数值模式同化中的应用价值。
2、传统技术中,星地雷达一致性校正方法主要包括以下几类:
3、第一类为线性偏差订正方法。该类方法通常假设星载雷达观测值与地基雷达观测值之间存在线性关系,通过线性回归模型或经验比例系数对地基雷达反射率因子进行修正。该方法结构简单、计算量较小,但仅适用于局部区域或特定降水条件。
4、第二类为统计回归方法。该类方法基于历史匹配样本建立经验函数或分段回归模型,以降低星地观测差异,但是其主要依赖单一反射率因子或少量辅助参数,从而难以刻画多因素耦合关系。
5、第三类为基于单一物理假设的修正方法,例如针对亮带效应进行阈值剔除或局部补偿,但是,其难以适应不同降水结构条件。
6、可见,传统星地雷达一致性校正方法未充分考虑表征星地雷达观测差异的各种成因特征,导致校正精度不高。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种星地雷达非线性一致性校正方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种星地雷达非线性一致性校正方法,所述方法包括:
3、获取星载雷达的第一观测数据和待校正地基雷达的第二观测数据;
4、对所述第一观测数据和所述第二观测数据进行时空匹配,得到匹配的样本数据集合;所述样本数据集合中包括多个匹配的样本数据,每个所述样本数据包括匹配的地基雷达观测值和星载雷达参考观测值;
5、针对所述样本数据集合中的每个样本数据,提取用于表征星地雷达观测差异的成因特征;
6、基于所述样本数据集合中每个样本数据的成因特征,建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系;
7、根据所述待校正地基雷达在任意时刻的观测数据以及对应的成因特征,采用所述非线性映射关系进行校正,得到一致性校正后的地基雷达反射率因子。
8、在其中一个实施例中,所述建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系,包括:
9、采用非线性映射函数模型建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系。
10、在其中一个实施例中,所述采用非线性映射函数模型建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系,包括:
11、以所述样本数据集合中每个样本数据的成因特征和对应的地基雷达观测值为模型输入数据,将所述模型输入数据输入所述非线性映射函数模型,得到模型输出的预测值;
12、根据所述预测值与所述样本数据中星载雷达参考观测值确定模型损失;
13、通过最小化所述模型损失确定所述非线性映射函数模型的模型参数,所述非线性映射函数模型和所述模型参数,用于表征所述待校正地基雷达的地基雷达观测值与所述星载雷达的星载雷达参考观测值之间的非线性映射关系。
14、在其中一个实施例中,所述根据所述预测值与所述样本数据中星载雷达参考观测值确定模型损失,包括:
15、
16、其中,表示模型损失,为模型针对第个模型输入数据的预测值,表示与第个模型输入数据匹配的星载雷达参考观测值,为样本数据集中样本数据的数量。
17、在其中一个实施例中,所述非线性映射函数模型采用人工智能非线性函数逼近模型、核函数回归模型、高阶多项式拟合模型、分段非线性函数模型以及局部加权回归模型中的任一种。
18、在其中一个实施例中,所述成因特征包括观测仰角层信息、高度层信息、斜距层参数、降雨速率、降雨类型、季节特征、亮带特征参数和雷达波段类型中的至少一种。
19、在其中一个实施例中,所述对所述第一观测数据和所述第二观测数据进行时空匹配,得到匹配的样本数据集合,包括:
20、在确定所述第一观测数据和所述第二观测数据满足时间同步性和空间邻近性条件的情况下,确定星载雷达观测体积与地基雷达观测体积的空间重叠区域;
21、对所述空间重叠区域内的地基雷达反射率因子进行体积平均处理,得到与星载雷达观测体积相对应的地基雷达观测值;
22、构建匹配的样本数据集合,其中,为匹配的样本数量,为第个体积匹配的地基雷达观测值,为与地基雷达观测值对应的星载雷达参考观测值。
23、在其中一个实施例中,所述建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系之后,所述方法还包括:
24、根据区域特征、雷达波段类型和季节特征中的至少一种对所述非线性映射关系进行分组自适应调整,建立与所述区域特征和雷达波段类型对应的非线性映射关系;
25、所述根据所述待校正地基雷达在任意时刻的观测数据以及对应的成因特征,采用所述非线性映射关系进行校正,得到一致性校正后的地基雷达反射率因子,包括:
26、基于所述待校正地基雷达在任意时刻的观测数据以及对应的成因特征,根据所述待校正地基雷达的区域特征、雷达波段类型和季节特征中的至少一种,采用对应的非线性映射关系进行校正,得到一致性校正后的地基雷达反射率因子。
27、第二方面,本技术还提供了一种星地雷达非线性一致性校正装置,所述装置包括:
28、数据获取模块,用于获取星载雷达的第一观测数据和待校正地基雷达的第二观测数据;
29、数据匹配模块,用于对所述第一观测数据和所述第二观测数据进行时空匹配,得到匹配的样本数据集合;所述样本数据集合中包括多个匹配的样本数据,每个所述样本数据包括匹配的地基雷达观测值和星载雷达参考观测值;
30、特征提取模块,用于针对所述样本数据集合中的每个样本数据,提取用于表征星地雷达观测差异的成因特征;
31、映射关系建立模块,用于基于所述样本数据集合中每个样本数据的成因特征,建立所述地基雷达观测值与所述星载雷达参考观测值之间的非线性映射关系;
32、校正模块,用于根据所述待校正地基雷达在任意时刻的观测数据以及对应的成因特征,采用所述非线性映射关系进行校正,得到一致性校正后的地基雷达反射率因子。
33、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
34、第四方面,本技术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,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
35、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
36、上述星地雷达非线性一致性校正方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,通过获取星载雷达的第一观测数据和待校正地基雷达的第二观测数据,对第一观测数据和第二观测数据进行时空匹配,得到匹配的样本数据集合,针对样本数据集合中的每个样本数据,提取用于表征星地雷达观测差异的成因特征,基于样本数据集合中每个样本数据的成因特征,建立地基雷达观测值与星载雷达参考观测值之间的非线性映射关系,根据待校正地基雷达在任意时刻的观测数据以及对应的成因特征,采用非线性映射关系进行校正,得到一致性校正后的地基雷达反射率因子。其通过在星载雷达的参考观测值的约束下综合考虑了表征星地雷达观测差异的成因特征,并建立了多输入与单输出的非线性映射关系,从而能够显著提高地基雷达与星载雷达观测结果之间的一致性校正精度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com