(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201810199839.0
(22)申请日 2018.03.12
(71)申请人 南京恩瑞特实业有限公司
地址 210039 江苏省南京市江宁经济技术
开发区将军大道39号
(72)发明人 万秉成
(74)专利代理机构 南京知识律师事务所 32207
代理人 高娇阳
(51)Int.Cl.
G01S 7/41(2006.01)
G06N 3/04(2006.01)
(54)发明名称
NRIET基于机器学习的卫星雷达反演融合方
法
(57)摘要
本发明公开了一种NRIET基于机器学习的卫
星雷达反演融合方法包括训练阶段和反演阶段；
卫星的B08、B10、B13、B15共4个波段的圆盘投影
数据进行投影换算并插值到0.02°×0.02°的空 间网格点上；闪电资料及处理；雷达资料及雷达
反演阶段包括：数据预处理：对实时观测得到的
葵花8号静止卫星资料、闪电资料做和训练阶段
相同的处理，土地使用类型资料使用训练阶段处
理后的资料；雷达资料组网：将实时观测的雷达
基数据资料按照训练阶段的组网步骤进行组网，
计算组合发射率；雷达回波反演；卫星雷达数据
融合。权利要求书4页 说明书9页 附图1页CN 108445464 A 2018.08.24
C N 108445464
A
1.一种NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，包括训练阶段和反演阶段；
训练阶段：
1)卫星资料及处理
将葵花8号静止卫星的B08、B10、B13、B15共4个波段的圆盘投影数据进行投影换算并插值到0.02°×0.02°的空间网格点上；
2)闪电资料及处理
将空间区域按照插值后的卫星资料的0.02°×0.02°网格进行划分，分别统计每个网格点中对应时间发生的闪电次数；
3)雷达资料及雷达数据组网
将所有雷达基数据进行空间笛卡尔坐标转换，并使用空间8点插值法将其插值到统一的网格点上；对重叠区域，使用其雷达回波最大值，并计算组网后的雷达组合反射率；
4)土地使用类型资料及处理
将MODIS的土地使用类型数据进行投影换算，并按照统一的空间网格进行划分，使用该网格中格中比重最大的土地使用类型作为该网格的土地使用类型；
5)所述的模型训练
使用Tensorflow构建卷积神经网络，进行模型训练，得到训练后的神经网络模型；
反演阶段：
1)数据预处理
对实时观测得到的葵花8号静止卫星资料、闪电资料做和训练阶段相同的处理，土地使用类型资料使用训练阶段处理后的资料；
2)雷达资料组网
将实时观测的雷达基数据资料按照训练阶段的组网步骤进行组网，计算组合发射率；
3)雷达回波反演
将处理后的葵花8号卫星资料、闪电资料和土地使用类型资料输入训练好的神经网络模型，得到反演后
的雷达组合反射率；土地使用类型数据直接使用训练时所用的数据作为输入；对雷达基数据使用相同的方式进行插值组网；将卫星资料、闪电资料、土地使用类型资料输入到训练好的神经网络中，得到反演后的雷达回波资料；
4)卫星雷达数据融合
将雷达组网组合反射率和反演后的雷达组合发射率进行边缘模糊融合，生成反演融合雷达组合发射率产品。
2.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的卫星资料：葵花8号静止卫星共有16个通道，水平空间分辨率从500米到2公里不等，时间分辨率为10分钟，其中可见光中的红光水平分辨率为500米，蓝关和绿光以及近红外通道水平分辨率为1公里，其余通道水平分辨率均为2公里；考虑到夜晚可见光通道无观测数据，雷达回波由空气中的云滴雨滴造成，经过筛选，选取B08、B10、B13、B15共4个通道的数据进行训练；其中B08和B10为水汽通道，B13和B15为红外通道，其水平分辨率均为2公里；数据投影方式为圆盘投影。
3.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于,
所述的雷达资料：雷达基数据存放的为雷达的体扫资料，包含9个仰角；包含雷达反射率、径向数据和谱宽数据。
4.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的土地使用类型资料：使用ADTD闪电定位系统观测到的闪电资料，包括闪电发生的时间、经度、纬度、强度、陡度、电荷和能量信息。
5.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的卫星资料处理：对葵花8号静止卫星所提供的圆盘投影数据进行解码，并插值到等间距的经纬度格点上；圆盘投影描述的是从虚拟卫星到理想地球的视图；这里，虚拟卫星处于静止轨道，位于赤道平面上，经度确定；卫星与地球中心的距离是42164公里；理想化的地球是一个完美的椭圆体，赤道半径为6378.1690公里，极半径为635
6.5838公里；
根据某像素点在以卫星为圆点的坐标系中的位置，以及地球的赤道半径和极半径，使用圆盘投影对卫星资料进行投影转换，推算出该像素点的经纬度坐标，进而推算出圆盘图中各像素点的经纬度信息；葵花8号卫星在远红外波段的空间分辨率为2km，在得到圆盘图的经纬度信息后，将B08、B10、B13和B15共4个波段的亮温数据使用空间线性插值法插值到0.02°×0.02°的等经纬度间距网格点上；同时计算B08和B10以及B13和B15之间的亮温差，用于模型训练。
6.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的雷达数据组
网：为了综合应用雷达资料，需对雷达资料进行拼图组网，并插值到和卫星资料相同的等经纬度间距网格点上；技术路线和方法包括：雷达数据转换三维格点化处理，将质量控制后的体扫数据的反射率因子数据转化为单站的三维格点数据，最后进行多部雷达拼图处理，得到反射率因子区域三维格点数据；
3-1)笛卡尔坐标转换
雷达基数据是以雷达为中心的极坐标存储的，即通过径向距离、方位角和仰角三个要素来识别其空间几何位置；基于基数据的格点化拼图首先将极坐标中的多普勒雷达资料按照一定的技术插值到笛卡尔坐标系的网格点上，然后才能进行拼图计算；由于雷达回波在大气中存在折射，因此在转化过程中使用考虑了大气折射的效地球半径的球坐标系；其具体计算过程如下：
设三维网格中任意网格单元的坐标为(αg，βg，h g)，其中αg为纬度，βg为经度，h g为高度；雷达天线所在点的坐标为(αr，βr，h r)，其中αr为纬度，βr为经度，h r为高度；使用雷达波束传播和大圆几何学理论可以确定网格单元相对于雷达点的极坐标位置(r，a，e)，其中为r斜距，a为方位角，e为仰角，由球面三角公式可以得出：
sin α＝cos(αg)sin(βg-βr)/sin(s/R)
其中R为地球半径，s为大圆距离，其表达式为：
s＝Rcos-1(sin(αr)sin(αg)+cos(αr)cos(αg)cos(βg-βr))
设C＝sin a，则有：
仰角e的表达式为：
其中R m为等效地球半径，
斜距r的表达式为：
r＝sin(s/R m)(R m+h g-h r)/cos(e)
3-2)雷达数据格点化插值
雷达体扫模式造成雷达观测资料的空间分辨率不均匀，投影到笛卡儿坐标系中的网格上需要做插值处理；这里使用8点插值法EPI对雷达体扫后的数据进行插值处理；该方法综合了垂直线性内插法NVI和水平线性内插法HVI；分别选取空间格点的仰角、方位角和距离三个维度上的最近点，提取包含了该点的四棱台中8个顶点的雷达回波，对三个维度分别使用线性插值，得到空间网格点的雷达回波强度；
3-3)重叠区域拼图处理
对于多部雷达探测重叠区域的处理，基于雷达图像产品的平面拼图采用简单最大值法；得到和卫星网格点一一对应的组网雷达回波数据，用于模型训练和效果检验。
7.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的闪电资料处理：按照卫星和雷达数据插值后的统一格点分布，根据ADTD资料中闪电的发生时间、经度、纬度资料，统计每个格点内每个时间段内发生的闪电次数；得到格点化的闪电分布时间序列数据。
8.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的土地使用类型资料处理：将MODIS数据进行投影转换，得到包含有经纬度信息的土地使用类型数据；按照卫星和雷达数据插值后的统一格点分布，分布统计每个格点内不同土地使用类型所占的比重，选取所占比重最大的类型作为该格点的类型；当格点类型相同，选取类型中数值较小的类型作为该格点土地使用类型。
9.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的模型训练：这里将4个通道的卫星数据、发生闪电次数资料、土地使用类型资料作为输入，组网后的组合雷达发射率数据作为输出；使用Tensorflow构建一个包含一个输入层、一个卷积层、一个隐藏层和一个输出层的卷积神经网络模型；输入层共有8个节点，分别对应着B08、B10、B08-B10、B13、B15、B13-B15、闪电发生次数、土地使用类型这8个变量；在模型训练前将其均一化到[-1,1]区间内；卷积层使用的卷积窗大小为5×5×8，卷积窗种类为12，将每个5×5×8的格点卷积成一个1×12的矩阵；隐藏层包含的节点数为20，使用的激活函数为ReLU，输出乘节点数为1，使用的激活函数为Softmax；使用梯度下降算法，以0.01的学习速率进行学习；由于雷达回波的数据分布并不是很均匀，弱回波所占比重非常大，正常训练会导致训练结果雷达回波偏弱，因此在进行训练时采用分段随机抽取的方式；将雷达回波的样本进行分段统计，对每一个区间随机抽取相同数目的样本，进行训练。
10.根据权利要求1所述的NRIET基于机器学习的卫星雷达反演融合方法，其特征在于，所述的卫星雷达数据融合：以观测数据作为基准，判断每个网格点周围10km内雷达回波数据是否缺测；统计10km内有雷达观测的格点所占的比重，并以此为权重，将卫星反演的雷达
反射率和雷达回波进行加权平均，得出卫星雷达融合后的组合反射率数据；该数据在有雷达观测的格点使用雷达观测值，在雷达盲区使用卫星数据作为替补，在两者交界处融合了两者的结果，在保证准确的情况下获得了较为平滑的雷达组合发射率数据。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议