一种降水预测方法、装置、电子设备及存储介质与流程

1.本技术涉及气象预测技术领域，尤其涉及一种降水预测方法、装置、电子设备及存储介质。


背景技术：

2.降水是一种常见的天气现象，降水一般都会对人类生产生活和农作物的生长造成一定的影响，因此，如果进行降水预测一直都是热点研究内容。
3.在现有技术中，通常是基于被动微波辐射计(pwm)获取气象监测数据，通过分析气象监测数据表征的大气和水凝物的垂直特性之间的直接关系估算降水。
4.但是，由于被动微波辐射计一般搭载在低轨道卫星上，导致其无法对目标区域进行气象数据的实时监测，得到的气象监测数据的时间分辨率较低，从而导致最终得到的降水量预测结果的准确性较低。


技术实现要素：

5.本技术提供一种降水预测方法、装置、电子设备及存储介质，以解决现有技术最终得到的降水量预测结果的准确性较低等缺陷。
6.本技术第一个方面提供一种降水预测方法，包括：
7.基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，所述红外通道亮温数据包括水汽通道亮温数据；
8.根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件；
9.在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据；
10.根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。
11.可选的，所述根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件，包括：
12.根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，得到所述目标区域的降水量预估值；
13.当所述降水量预估值达到预设阈值时，确定所述目标区域存在降水事件。
14.可选的，所述根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，得到所述目标区域的降水量预估值，包括：
15.基于预设降水量预估模型，根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，以得到所述目标区域的降水量预估值。
16.可选的，所述极轨卫星和地球同步轨道卫星分别为fy3-d卫星和goes卫星，所述基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通
道亮温数据，包括：
17.基于所述fy3-d卫星，获取所述目标区域的若干个频率极化通道亮温数据；其中，所述若干个频率极化通道亮温数据包括所述fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据；
18.基于所述goes卫星，获取所述目标区域的红外通道亮温数据；其中，所述红外通道亮温数据包括所述goes卫星在10.8μm通道下的亮温数据，所述水汽通道亮温数据为所述goes卫星在6.7μm通道下的亮温数据。
19.可选的，所述在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据，包括：
20.在确定所述目标区域存在降水事件的情况下，若所述目标区域的海陆分类结果表征所述目标区域为海洋区域，将所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据；
21.若所述目标区域的海陆分类结果表征所述目标区域为陆地区域，将所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据。
22.可选的，所述根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果，包括：
23.当所述目标区域的海陆分类结果表征所述目标区域为海洋区域时，基于预设海洋降水量预测模型，根据所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果；
24.当所述目标区域的海陆分类结果表征所述目标区域为陆地区域时，基于预设陆地降水量预测模型，根据所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。
25.可选的，还包括：
26.根据所述fy3-d卫星和goes卫星的扫描足迹，确定降雨预测范围；
27.在所述降雨预测范围内划分若干个降雨预测格点，并确定所述目标区域对应的目标降雨预测格点；其中，每个所述降雨预测格点均设有海陆标志；
28.根据所述目标降雨预测格点的海陆标志，确定所述目标区域的海陆分类结果。
29.本技术第二个方面提供一种降水预测装置，包括：
30.获取模块，用于基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，所述红外通道亮温数据包括水汽通道亮温数据；
31.判断模块，用于根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件；
32.筛选模块，用于在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据；
33.预测模块，用于根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。
34.可选的，所述判断模块，具体用于：
35.根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，得到所述目标区域的降水量预估值；
36.当所述降水量预估值达到预设阈值时，确定所述目标区域存在降水事件。
37.可选的，所述判断模块，具体用于：
38.基于预设降水量预估模型，根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，以得到所述目标区域的降水量预估值。
39.可选的，所述极轨卫星和地球同步轨道卫星分别为fy3-d卫星和goes卫星，所述获取模块，具体用于：
40.基于所述fy3-d卫星，获取所述目标区域的若干个频率极化通道亮温数据；其中，所述若干个频率极化通道亮温数据包括所述fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据；
41.基于所述goes卫星，获取所述目标区域的红外通道亮温数据；其中，所述红外通道亮温数据包括所述goes卫星在10.8μm通道下的亮温数据，所述水汽通道亮温数据为所述goes卫星在6.7μm通道下的亮温数据。
42.可选的，所述筛选模块，具体用于：
43.在确定所述目标区域存在降水事件的情况下，若所述目标区域的海陆分类结果表征所述目标区域为海洋区域，将所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据；
44.若所述目标区域的海陆分类结果表征所述目标区域为陆地区域，将所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据。
45.可选的，所述预测模块，具体用于：
46.当所述目标区域的海陆分类结果表征所述目标区域为海洋区域时，基于预设海洋降水量预测模型，根据所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果；
47.当所述目标区域的海陆分类结果表征所述目标区域为陆地区域时，基于预设陆地降水量预测模型，根据所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。
48.可选的，所述装置还包括：
49.分类模块，用于根据所述fy3-d卫星和goes卫星的扫描足迹，确定降雨预测范围；在所述降雨预测范围内划分若干个降雨预测格点，并确定所述目标区域对应的目标降雨预测格点；其中，每个所述降雨预测格点均设有海陆标志；根据所述目标降雨预测格点的海陆标志，确定所述目标区域的海陆分类结果。
50.本技术第三个方面提供一种电子设备，包括：至少一个处理器和存储器；
51.所述存储器存储计算机执行指令；
52.所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
53.本技术第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存
储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
54.本技术技术方案，具有如下优点：
55.本技术提供一种降水预测方法、装置、电子设备及存储介质，该方法包括：基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，红外通道亮温数据包括水汽通道亮温数据；根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件；在确定目标区域存在降水事件的情况下，根据目标区域的海陆分类结果，在若干个极化通道亮温数据中筛选目标频率极化通道亮温数据；根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。上述方案提供的方法，通过结合极轨卫星和地球同步轨道卫星的气象监测数据，提高了气象监测数据的时空分辨率，且综合了被动微波数据、包括水汽通道在内的红外通道亮温数据，提高了降水量预测的准确性。
附图说明
56.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
57.图1为本技术实施例基于的降水预测系统的结构示意图；
58.图2为本技术实施例提供的降水预测方法的流程示意图；
59.图3为本技术实施例提供的示例性的预设降水量预估模型的结构示意图；
60.图4为本技术实施例提供的示例性的降水预测方法的整体流程示意图；
61.图5为本技术实施例提供的降水预测装置的结构示意图；
62.图6为本技术实施例提供的电子设备的结构示意图。
63.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
64.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
65.此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
66.在现有技术中，通常是基于被动微波辐射计(pwm)获取气象监测数据，通过分析气象监测数据表征的大气和水凝物的垂直特性之间的直接关系估算降水。但是，由于被动微波辐射计一般搭载在低轨道卫星上，导致其无法对目标区域进行气象数据的实时监测，得到的气象监测数据的时间分辨率较低，从而导致最终得到的降水预测结果的准确性较低。
67.针对上述问题，本技术实施例提供的降水预测方法、装置、电子设备及存储介质，通过基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，红外通道亮温数据包括水汽通道亮温数据；根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件；在确定目标区域存在降水事件的情况下，根据目标区域的海陆分类结果，在若干个极化通道亮温数据中筛选目标频率极化通道亮温数据；根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。上述方案提供的方法，通过结合极轨卫星和地球同步轨道卫星的气象监测数据，提高了气象监测数据的时空分辨率，且综合了被动微波数据、包括水汽通道在内的红外通道亮温数据，提高了降水量预测的准确性。
68.下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明实施例进行描述。
69.首先，对本技术所基于的降水预测系统的结构进行说明：
70.本技术实施例提供的降水预测方法、装置、电子设备及存储介质，适用于对全球范围内的任何区域进行降水量的预测。如图1所示，为本技术实施例基于的降水预测系统的结构示意图，主要包括极轨卫星、地球同步轨道卫星和降水预测装置，具体地，可以基于极轨卫星和地球同步轨道卫星采集目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，即得到多源卫星数据，然后将得到的多源卫星数据发送给降水预测装置，该装置根据得到的数据，对该目标区域进行降水预测。
71.本技术实施例提供了一种降水预测方法，用于对全球范围内的任何区域进行降水量的预测。本技术实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于对卫星数据进行处理和分析的电子设备。
72.如图2所示，为本技术实施例提供的降水预测方法的流程示意图，该方法包括：
73.步骤201，基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据。
74.其中，该红外通道包括水汽通道，即红外通道亮温数据包括水汽通道亮温数据。
75.需要说明的是，与传统地面降水测量相比，卫星遥感降水有着全球覆盖以及高时空分辨率的优势。目前主流的气象卫星携带的被动微波辐射计(pwm)和辐射成像仪能提供微波、可见光/红外光(vis/ir)数据，少数卫星携带降水雷达。然而传统的红外亮温数据本身不能包含足够的降水相关信息，而可见光观测的引入限制了其在白天的应用。相比之下微波数据虽然能提供更直接的瞬时降水测量，但时空分辨率不如前者。
76.具体地，本技术实施例为了提高降水量预测的准确性，基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，以得到多源卫星数据，结合了被动微波亮温数据和可见光/红外光(vis/ir)亮温数据的优势，并添加水汽通道(wv)亮温数据作为辅助，为提高最终得到的降水量预测结果的准确性奠定了基础。
77.步骤202，根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件。
78.具体地，可以根据目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，估计该目标区域的降水可能性，进而根据估计结果判断该目标区域是否存在降水事件。
79.步骤203，在确定目标区域存在降水事件的情况下，根据目标区域的海陆分类结
果，在若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据。
80.需要说明的是，陆地和海洋具有各自不同的微波辐射特性。对海洋而言,由于海面的微波比辐射率较低(0.4～0.5),所以被动遥感的背景辐射信号较小,接近常数。在这种背景下,降水的发射辐射信号较强,加上降水的低极化特征与海面的高极化特征明显不同,因此可在低频段来甄别并定量反演海面降水。对陆地而言,地面的微波比辐射率通常都很高(0.7～0.9),而且变化范围较大,因而无法很好地识别和量化来自水凝物的发射辐射。同时陆面的极化特征也不明显,加大了陆地降水反演的难度。由于冰粒子在高频段的散射效应会削弱地表上行辐射强度,这一特点可用于陆地降水信息提取。
81.具体地，可以按照陆地和海洋的微波辐射特性，在若干个频率极化通道亮温数据中筛选符合其微波辐射特性的目标频率极化通道亮温数据。
82.步骤204，根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。
83.具体地，可以根据目标频率极化通道亮温数据和红外通道亮温数据进一步对目标区域的降水量进行针对性的预测，以得到目标区域的降水量预测结果。
84.在上述实施例的基础上，作为一种可实施的方式，在一实施例中，根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件，包括：
85.步骤2021，根据若干个频率极化通道亮温数据和红外通道亮温数据，预估目标区域的降水量，得到目标区域的降水量预估值；
86.步骤2022，当降水量预估值达到预设阈值时，确定目标区域存在降水事件。
87.其中，降水量具体指imerg小时降水量，当目标区域的降水量预估值达到0.1mm/h时，确定该目标区域的降水可能性较大，因此确定该目标区域存在降水事件。
88.具体地，在一实施例中，可以基于预设降水量预估模型，根据若干个频率极化通道亮温数据和红外通道亮温数据，预估目标区域的降水量，以得到目标区域的降水量预估值。
89.示例性的，如图3所示，为本技术实施例提供的示例性的预设降水量预估模型的结构示意图，预设降水量预估模型为二元分类模型，具体可以基于监督学习算法构建，代价函数采用交叉熵函数，激活函数采用tanh函数。若干个频率极化通道亮温数据(被动微波数据fy3-d mwri bt)和红外通道亮温数据(红外/水汽通道数据goes bt)为预设降水量预估模型的输入特征，即输入层输入格点化亮温数据。在将极轨卫星和地球同步轨道卫星扫描范围划分多个降雨预测格点的情况下，该模型的输入特征可以包括多个降雨预测格点对应的若干个频率极化通道亮温数据和红外通道亮温数据，图3中所示为n个降雨预测格点，x11～x1n表示1～n个降雨预测格点的若干个频率极化通道亮温数据，x21～x2n表示1～n个降雨预测格点的红外通道亮温数据，经过隐藏层一和隐藏层二，输出层输出各降雨预测格点是否存在降水事件的判断结果。
90.其中，在预设降水量预估模型训练过程中，可以选取大量时间和空间相匹配的若干个频率极化通道亮温数据、红外通道亮温数据和实际imerg小时降水量作为样本集，并对样本集中的数据进行z-score标准化后，将其划分为训练集、验证集和测试集三个部分，为了模型预测降水事件发生的性能，采用常用的分类评价指标，包括探测概率(pod)、虚警率(far)和临界成功指数(csi)，对训练后的模型进行性能评价：
[0091][0092][0093][0094]
其中，h(命中)表示预设降水量预估模型和地面观测都出现的降水事件的数量，m(错过)表示地面观测捕获但被预设降水量预估模型遗漏的降水事件的数量，f(虚警)表示地面观测未出现降水而预设降水量预估模型误报的降水事件的数量。当各分类评价指标均达到预设标准时，确定该模型达到标准，可投入使用。
[0095]
在上述实施例的基础上，作为一种可实施的方式，在一实施例中，极轨卫星和地球同步轨道卫星分别为fy3-d卫星和goes卫星，基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，包括：
[0096]
步骤2011，基于fy3-d卫星，获取目标区域的若干个频率极化通道亮温数据；其中，若干个频率极化通道亮温数据包括fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据；
[0097]
步骤2012，基于goes卫星，获取目标区域的红外通道亮温数据；其中，红外通道亮温数据包括goes卫星在10.8μm通道下的亮温数据，水汽通道亮温数据为goes卫星在6.7μm通道下的亮温数据。
[0098]
其中，若干个频率极化通道亮温数据具体包括包括fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率的内的极化通道亮温数据，即水平和垂直极化通道亮温数据。
[0099]
具体地，可以先获取fy3-d卫星和goes卫星在预设扫描周期内采集的所有原始数据，原始数据包括若干个频率极化通道亮温数据和红外通道亮温数据。然后提取fy3-d卫星和goes卫星中的所需信息，至少包括卫星的扫描时间(utc)、扫描条代数和扫描足迹的经纬度，采用同步圆锥立桥(sco)的方法进行fy3-d卫星和goes卫星数据的配对，匹配的原则是扫描足迹中心点像素的距离不超过5km且时间差不超过30min。随后匹配数据通过线性插值转化成0.25
°×
0.25
°
的逐小时格点数据。
[0100]
具体地，在一实施例中，可以在确定目标区域存在降水事件的情况下，若目标区域的海陆分类结果表征目标区域为海洋区域，将fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据，确定为目标频率极化通道亮温数据；若目标区域的海陆分类结果表征目标区域为陆地区域，将fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据，确定为目标频率极化通道亮温数据。
[0101]
其中，目标区域无论是海洋区域还是陆地区域，其红外通道亮温数据包括为goes卫星在波长10.8μm通道下的亮温数据，水汽通道亮温数据均为goes卫星在波长6.7μm通道下的亮温数据。
[0102]
具体地，在一实施例中，可以根据fy3-d卫星和goes卫星的扫描足迹，确定降雨预测范围；在降雨预测范围内划分若干个降雨预测格点，并确定目标区域对应的目标降雨预
测格点；其中，每个降雨预测格点均设有海陆标志；根据目标降雨预测格点的海陆标志，确定目标区域的海陆分类结果。
[0103]
其中，降雨预测范围即为fy3-d卫星和goes卫星的扫描范围，按照经纬度0.25
°×
0.25
°
的规格，将降雨预测范围内划分为若干个降雨预测格点，然后根据目标区域的经纬度信息，确定与其对应的目标降雨预测格点，将目标降雨预测格点的海陆标志，确定为目标区域的海陆分类结果。
[0104]
具体地，在一实施例中，当目标区域的海陆分类结果表征目标区域为海洋区域时，基于预设海洋降水量预测模型，根据fy3-d卫星在23.8ghz、36.5ghz和89ghz频率的内的极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果；当目标区域的海陆分类结果表征目标区域为陆地区域时，基于预设陆地降水量预测模型，根据fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。
[0105]
具体地，预设海洋降水量预测模型的输入特征包括fy3-d卫星在23.8ghz、36.5ghz和89ghz频率的水平和垂直极化通道亮温数据、goes卫星在10.8μm和6.7μm通道下的亮温数据，预设陆地降水量预测模型的输入特征包括fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率的水平和垂直极化通道亮温数据、goes卫星在10.8μm和6.7μm通道下的亮温数据，预设海洋降水量预测模型和预设陆地降水量预测模型的输出特征为目标区域的降水量预测结果。预设海洋降水量预测模型和预设陆地降水量预测模型的具体结构可以参见上述图3，在此不再赘述。对于降水量预测模型，采用均方误差(mse)作为成本函数的数据驱动模型，该模型倾向于保守，可以避免预测过大值，激活函数采用relu函数。
[0106]
其中，预设海洋降水量预测模型和预设陆地降水量预测模型用于估算目标区域的小时降水量，为了评估该模型预报降水的精度和一致性，采用皮尔逊相关系数(cor)、相对偏差(bias)和均方根误差(rmse)作为模型评估指标，定义为：
[0107][0108][0109][0110]
其中，xi代表模型计算得出的小时降水量，yi代表参考的地面降水量观测值。
[0111]
示例性的，如图4所示，为本技术实施例提供的示例性的降水预测方法的整体流程示意图，具体为本技术实施例采用的网络模型的构建过程，fy3-dmwrl数据即为若干个频率极化通道亮温数据，goes数据即为包括水汽通道在内的红外通道的亮温数据，获取sco配置亮温数据表示采用同步圆锥立桥(sco)的方法进行fy3-d数据和goes数据的配对，然后结合时间和空间匹配的imerg降水数据，对imerg降水数据、fy3-d数据和goes数据进行网格化经
纬度匹配，采用一阶段模型(预设降水量预估模型)，筛选存在降水事件的网格(降水网格)，并对一阶段模型进行评估。针对有雨网格(降水网格)，先确定降水网格的海陆分类结果，采用相应的二阶段模型(预设海洋降水量预测模型或预设陆地降水量预测模型)，进行海洋降水反演或陆地降水反演，得到对应的降水量预测结果，最后依据模型输出的降水量预测结果，进行二阶段模型评估。
[0112]
本技术实施例提供的降水预测方法，通过基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，红外通道亮温数据包括水汽通道亮温数据；根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件；在确定目标区域存在降水事件的情况下，根据目标区域的海陆分类结果，在若干个极化通道亮温数据中筛选目标频率极化通道亮温数据；根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。上述方案提供的方法，通过结合极轨卫星和地球同步轨道卫星的气象监测数据，提高了气象监测数据的时空分辨率，且综合了被动微波数据、红外数据包括水汽通道在内的红外通道亮温数据，提高了降水量预测的准确性。并且，通过结合深度学习技术开发出了一套多阶段降水估算模型，并按照目标区域的海陆分类结果，对其进行针对性的降水量预测，提高了降水反演的精度。综合利用多通道红外和微波观测资料，改善了降水的识别、降水的海陆反演问题，并提高了降水预测的时空分辨率，能够得到更加准确、高质量的全天近实时降雨预测结果。
[0113]
本技术实施例提供了一种降水预测装置，用于执行上述实施例提供的降水预测方法。
[0114]
如图5所示，为本技术实施例提供的降水预测装置的结构示意图。该降水预测装置50包括：获取模块501、判断模块502、筛选模块503和预测模块504。
[0115]
其中，获取模块，用于基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，红外通道亮温数据包括水汽通道亮温数据；判断模块，用于根据若干个频率极化通道亮温数据和红外通道亮温数据，判断目标区域是否存在降水事件；筛选模块，用于在确定目标区域存在降水事件的情况下，根据目标区域的海陆分类结果，在若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据；预测模块，用于根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。
[0116]
具体地，在一实施例中，判断模块，具体用于：
[0117]
根据若干个频率极化通道亮温数据和红外通道亮温数据，预估目标区域的降水量，得到目标区域的降水量预估值；
[0118]
当降水量预估值达到预设阈值时，确定目标区域存在降水事件。
[0119]
具体地，在一实施例中，判断模块，具体用于：
[0120]
基于预设降水量预估模型，根据若干个频率极化通道亮温数据和红外通道亮温数据，预估目标区域的降水量，以得到目标区域的降水量预估值。
[0121]
具体地，在一实施例中，极轨卫星和地球同步轨道卫星分别为fy3-d卫星和goes卫星，获取模块，具体用于：
[0122]
基于fy3-d卫星，获取目标区域的若干个频率极化通道亮温数据；其中，若干个频率极化通道亮温数据包括fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率
内的极化通道亮温数据；
[0123]
基于goes卫星，获取目标区域的红外通道亮温数据；其中，红外通道亮温数据包括goes卫星在10.8μm通道下的亮温数据，水汽通道亮温数据为goes卫星在6.7μm通道下的亮温数据。
[0124]
具体地，在一实施例中，筛选模块，具体用于：
[0125]
在确定目标区域存在降水事件的情况下，若目标区域的海陆分类结果表征目标区域为海洋区域，将fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据；
[0126]
若目标区域的海陆分类结果表征目标区域为陆地区域，将fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据。
[0127]
具体地，在一实施例中，预测模块，具体用于：
[0128]
当目标区域的海陆分类结果表征目标区域为海洋区域时，基于预设海洋降水量预测模型，根据fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果；
[0129]
当目标区域的海陆分类结果表征目标区域为陆地区域时，基于预设陆地降水量预测模型，根据fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。
[0130]
可选的，该装置还包括：
[0131]
分类模块，用于根据fy3-d卫星和goes卫星的扫描足迹，确定降雨预测范围；在降雨预测范围内划分若干个降雨预测格点，并确定目标区域对应的目标降雨预测格点；其中，每个降雨预测格点均设有海陆标志；根据目标降雨预测格点的海陆标志，确定目标区域的海陆分类结果。
[0132]
关于本实施例中的降水预测装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0133]
本技术实施例提供的降水预测装置，用于执行上述实施例提供的降水预测方法，其实现方式与原理相同，不再赘述。
[0134]
本技术实施例提供了一种电子设备，用于执行上述实施例提供的降水预测方法。
[0135]
如图6所示，为本技术实施例提供的电子设备的结构示意图。该电子设备60包括：至少一个处理器61和存储器62。
[0136]
存储器存储计算机执行指令；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如上实施例提供的降水预测方法。
[0137]
本技术实施例提供的一种电子设备，用于执行上述实施例提供的降水预测方法，其实现方式与原理相同，不再赘述。
[0138]
本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上任一实施例提供的降水预测方法。
[0139]
本技术实施例的包含计算机可执行指令的存储介质，可用于存储前述实施例中提供的降水预测方法的计算机执行指令，其实现方式与原理相同，不再赘述。
[0140]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其
它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0141]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0142]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0143]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0144]
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0145]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。

技术特征：
1.一种降水预测方法，其特征在于，包括：基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，所述红外通道亮温数据包括水汽通道亮温数据；根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件；在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据；根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件，包括：根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，得到所述目标区域的降水量预估值；当所述降水量预估值达到预设阈值时，确定所述目标区域存在降水事件。3.根据权利要求2所述的方法，其特征在于，所述根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，得到所述目标区域的降水量预估值，包括：基于预设降水量预估模型，根据所述若干个频率极化通道亮温数据和红外通道亮温数据，预估所述目标区域的降水量，以得到所述目标区域的降水量预估值。4.根据权利要求1所述的方法，其特征在于，所述极轨卫星和地球同步轨道卫星分别为fy3-d卫星和goes卫星，所述基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，包括：基于所述fy3-d卫星，获取所述目标区域的若干个频率极化通道亮温数据；其中，所述若干个频率极化通道亮温数据包括所述fy3-d卫星在10.65ghz、18.7ghz、23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据；基于所述goes卫星，获取所述目标区域的红外通道亮温数据；其中，所述红外通道亮温数据包括所述goes卫星在10.8μm通道下的亮温数据，所述水汽通道亮温数据为所述goes卫星在6.7μm通道下的亮温数据。5.根据权利要求4所述的方法，其特征在于，所述在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据，包括：在确定所述目标区域存在降水事件的情况下，若所述目标区域的海陆分类结果表征所述目标区域为海洋区域，将所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据；若所述目标区域的海陆分类结果表征所述目标区域为陆地区域，将所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据，确定为目标极化通道亮温数据。6.根据权利要求5所述的方法，其特征在于，所述根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果，包括：当所述目标区域的海陆分类结果表征所述目标区域为海洋区域时，基于预设海洋降水
量预测模型，根据所述fy3-d卫星在23.8ghz、36.5ghz和89ghz频率内的极化亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果；当所述目标区域的海陆分类结果表征所述目标区域为陆地区域时，基于预设陆地降水量预测模型，根据所述fy3-d卫星在18.7ghz、23.8ghz和36.5ghz频率内的极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。7.根据权利要求4所述的方法，其特征在于，还包括：根据所述fy3-d卫星和goes卫星的扫描足迹，确定降雨预测范围；在所述降雨预测范围内划分若干个降雨预测格点，并确定所述目标区域对应的目标降雨预测格点；其中，每个所述降雨预测格点均设有海陆标志；根据所述目标降雨预测格点的海陆标志，确定所述目标区域的海陆分类结果。8.一种降水预测装置，其特征在于，包括：获取模块，用于基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据，所述红外通道亮温数据包括水汽通道亮温数据；判断模块，用于根据所述若干个频率极化通道亮温数据和红外通道亮温数据，判断所述目标区域是否存在降水事件；筛选模块，用于在确定所述目标区域存在降水事件的情况下，根据所述目标区域的海陆分类结果，在所述若干个频率极化通道亮温数据中筛选目标频率极化通道亮温数据；预测模块，用于根据所述目标频率极化通道亮温数据和红外通道亮温数据，确定所述目标区域的降水量预测结果。9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的方法。

技术总结
本申请提供一种降水预测方法、装置、电子设备及存储介质，该方法包括：基于极轨卫星和地球同步轨道卫星获取目标区域的若干个频率极化通道亮温数据和红外通道亮温数据；根据获得的数据，判断目标区域是否存在降水事件；若存在，根据目标区域的海陆分类结果，筛选目标频率极化通道亮温数据；根据目标频率极化通道亮温数据和红外通道亮温数据，确定目标区域的降水量预测结果。通过结合极轨卫星和地球同步轨道卫星的气象监测数据，提高了气象监测数据的时空分辨率，且综合了被动微波数据、红外数据包括水汽通道在内数据，提高了降水量预测的准确性。准确性。准确性。


技术研发人员：徐志 田烨 刘志武 梁犁丽 傅广泽 翟然 刘琨 李梦杰 张博
受保护的技术使用者：中国长江三峡集团有限公司
技术研发日：2023.03.08
技术公布日：2023/7/19