云垂直结构数据构建方法、系统、设备及介质技术方案

本发明专利技术提供一种云垂直结构数据构建方法、系统、设备及介质，属于大气科学观测数据测量技术领域，该方法包括：获取气候区内训练集站点的常规观测数据；基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据；基于所述常规观测数据和所述训练集站点的联合反演云垂直结构数据，通过机器学习分类算法建立云垂直结构数据构建模型，基于所述云垂直结构数据构建模型，构建所述气候区所有站点的云垂直结构数据，实现了大范围高时间分辨率的云垂直结构数据获取。结构数据获取。结构数据获取。

【技术实现步骤摘要】
云垂直结构数据构建方法、系统、设备及介质


[0001]本专利技术涉及大气科学观测数据测量
，尤其涉及一种云垂直结构数据构建方法、系统、设备及介质。

技术介绍

[0002]超过半数的行星地球上覆盖着云，云是地气系统中辐射收支最重要的调节器，在大气能量循环、水汽循环以及地球气候系统中扮演着重要的角色。云辐射效应是影响气候变化诸多因子中不确定性最大的因子之一，对云辐射效应影响显著的云垂直结构时空分布及其变化尚不清楚，天气和气候模式很难准确表达云的辐射效应。云垂直结构主要包括云层的数量、每层云的上下边界高度、云层的厚度等。
[0003]目前云垂直结构的获取手段主要是卫星主动传感器和地基主动遥感设备观测。卫星主动传感器，可以提供大范围云垂直结构信息，基于云雷达、激光雷达、云高仪等仪器的地基观测能够提供时间连续的云垂直结构，尤其是云底观测精度较高，提升地表辐射通量的计算精度。
[0004]卫星云主动传感器主要搭载在极轨卫星上，重访周期长，不能提供同一地点时间连续的云观测结果，时间分辨率低，现有的地基观测研究多为单站点、单仪器、短时段的观测，无法提供大范围的云垂直结构数据集。

技术实现思路

[0005]本专利技术提供一种云垂直结构数据构建方法、系统、设备及介质，用以解决现有技术中无法获取大范围、高时间分辨率的云垂直结构数据的缺陷，实现对大范围气候区的所有站点的云垂直结构数据的高时间分辨率的构建，扩展了应用场景。
[0006]本专利技术提供一种云垂直结构数据构建方法，包括：获取气候区内训练集站点的常规观测数据；基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据；基于所述常规观测数据和所述训练集站点的联合反演云垂直结构数据，通过机器学习分类算法建立云垂直结构数据构建模型；基于所述云垂直结构数据构建模型，构建所述气候区所有站点的云垂直结构数据。
[0007]根据本专利技术提供的一种云垂直结构数据构建方法，所述基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据，包括：基于所述激光雷达信号计算信号梯度；在所述信号梯度大于第一阈值的情况下，获取云层的下边界高度和上边界高度；在所述信号梯度小于或等于第一阈值的情况下，结束反演。
[0008]根据本专利技术提供的一种云垂直结构数据构建方法，所述获取云层的下边界高度和上边界高度之后，还包括：获取所述激光雷达信号在所述云层的下边界的信号衰减度；获取所述激光雷达信号在所述云层的上边界的信噪比；在所述云层的下边界的信号衰减度小于或等于第二阈值，且所述云层的上边界的信噪比大于或等于第三阈值的情况下，所述云层的下边界高度和上边界高度不变；在所述云层的下边界的信号衰减度大于所述第二阈值，或所述云层的上边界的信噪比小于所述第三阈值的情况下，所述云层的下边界高度不变，基于所述云雷达信号更新所述云层的上边界高度。
[0009]根据本专利技术提供的一种云垂直结构数据构建方法，在所述通过机器学习分类算法建立云垂直结构数据构建模型之后，所述方法还包括：获取所述气候区内测试集站点的联合反演云垂直结构数据；基于所述测试集站点的联合反演云垂直结构数据，对所述云垂直结构数据构建模型进行测试。
[0010]根据本专利技术提供的一种云垂直结构数据构建方法，所述常规观测数据包括静止卫星数据、地面气象要素数据和再分析资料数据。
[0011]根据本专利技术提供的一种云垂直结构数据构建方法，所述机器学习分类算法为决策树算法。
[0012]本专利技术还提供一种云垂直结构数据构建系统，包括：获取模块，用于获取气候区内训练集站点的常规观测数据和联合反演云垂直结构数据；联合反演模块，用于基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据；模型构建模块，用于基于所述常规观测数据和所述训练集站点的联合反演云垂直结构数据，通过机器学习分类算法建立云垂直结构数据构建模型；数据构建模块，用于基于所述云垂直结构数据构建模型，构建所述气候区所有站点的云垂直结构数据。
[0013]根据本专利技术提供的一种云垂直结构数据构建系统，所述联合反演模块，具体包括：信号梯度计算单元，用于基于所述激光雷达信号计算信号梯度；处理单元，用于在所述信号梯度大于第一阈值的情况下，获取云层下边界高度和上边界高度；或，在所述信号梯度小于或等于第一阈值的情况下，结束反演。
[0014]本专利技术还提供一种电子设备，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上述任一种所述的云垂直结构数据构建方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的云垂直结构数据构建方法。
[0016]本专利技术提供的云垂直结构数据构建方法、系统、设备及介质，通过获取气候区内训练集站点的常规观测数据，以及训练集站点的云雷达信号和激光雷达信号，基于云雷达信
号和激光雷达信号进行联合反演，得到训练集站点的联合反演云垂直结构数据，将常规观测数据和联合反演云垂直结构数据作为输入，通过机器学习分类算法建立云垂直结构数据构建模型，基于该模型可以构建气候区内所有站点的云垂直结构数据，该方法通过云雷达信号和激光雷达信号进行联合反演，可以得到训练集站点的高时间分辨率的云垂直结构数据，基于训练集站点的云垂直结构数据结合常规观测数据，共同构建的云垂直结构数据构建模型不仅可以实现气候区内大范围的云垂直结构数据的获取，还保证了云垂直结构数据的高时间分辨率，扩展了应用场景。
附图说明
[0017]为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术提供的云垂直结构数据构建方法的流程示意图之一；图2是本专利技术提供的云垂直结构数据构建方法的流程示意图之二；图3是本专利技术提供的云垂直结构数据构建方法的流程示意图之三；图4是本专利技术提供的云垂直结构数据构建方法的流程示意图之四；图5是本专利技术提供的云垂直结构数据构建系统的结构示意图；图6是本专利技术提供的云垂直结构数据构建系统的联合反演模块的结构示意图；图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0019]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]下面结合图1
‑
图7描述本专利技术的云垂直结构数据构建方法、系统、设备及介质。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云垂直结构数据构建方法，其特征在于，包括：获取气候区内训练集站点的常规观测数据；基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据；基于所述常规观测数据和所述训练集站点的联合反演云垂直结构数据，通过机器学习分类算法建立云垂直结构数据构建模型；基于所述云垂直结构数据构建模型，构建所述气候区所有站点的云垂直结构数据。2.根据权利要求1所述的云垂直结构数据构建方法，其特征在于，所述基于所述训练集站点的云雷达信号和激光雷达信号进行联合反演，得到所述训练集站点的联合反演云垂直结构数据，包括：基于所述激光雷达信号计算信号梯度；在所述信号梯度大于第一阈值的情况下，获取云层的下边界高度和上边界高度；在所述信号梯度小于或等于第一阈值的情况下，结束反演。3.根据权利要求2所述的云垂直结构数据构建方法，其特征在于，所述获取云层的下边界高度和上边界高度之后，还包括：获取所述激光雷达信号在所述云层的下边界的信号衰减度；获取所述激光雷达信号在所述云层的上边界的信噪比；在所述云层的下边界的信号衰减度小于或等于第二阈值，且所述云层的上边界的信噪比大于或等于第三阈值的情况下，所述云层的下边界高度和上边界高度不变；在所述云层的下边界的信号衰减度大于所述第二阈值，或所述云层的上边界的信噪比小于所述第三阈值的情况下，所述云层的下边界高度不变，基于所述云雷达信号更新所述云层的上边界高度。4.根据权利要求1所述的云垂直结构数据构建方法，其特征在于，在所述通过机器学习分类算法建立云垂直结构数据构建模型之后，所述方法还包括：获取所述气候区内测试集站点的联合反演云垂直结构数据；基于...

【专利技术属性】
技术研发人员：李建，王倩倩，任宏利，李成才，马建中，
申请(专利权)人：中国气象科学研究院，
类型：发明
国别省市：