【技术实现步骤摘要】
本专利技术涉及气象监测领域，尤其是一种融合时序和空间动态特征的台风强度估测方法及系统。
技术介绍
1、台风是发源于热带洋面上的一种灾害性天气，当台风近海或登陆时常常给周围地区的人民带来巨大的损失，加强对台风的监测和预报是减轻台风灾害的重要手段，而台风位置和强度估测的准确性是提高台风预报精确度的关键。由于台风主要活动在热带洋面上导致常规监测缺乏，所以基于卫星观测进行台风强度估测成为开展台风监测的最佳选择。
2、利用卫星红外波段观测资料进行台风强度估测的基本物理依据是卫星遥感探测到的台风云顶信息与其强度有较强的相关性。目前，基于卫星红外波段观测资料的台风强度估测方法主要包括dvorak技术、方向梯度角技术、对流核分析法和深度学习方法四大类。dvorak技术是一种通过分析卫星图像中的云系结构来估计热带气旋强度的方法，最早依赖用户经验，主观且耗时，后续的衍生算法逐步实现了自动化，减少了主观性并提高了估计的准确性，但仍受限于图像分辨率和云系结构的依赖。方向梯度角技术通过分析卫星红外图像亮度的方向梯度，并拟合非线性方程来计算台风强度，它利用气旋云团的轴对称性来估计风速，虽然有效结合了统计参数，但是仍然依赖专家经验来优化参数，存在主观偏差。对流核分析法可以帮助估计热带气旋强度，通过对流核的数量，位置和亮温等特征建立回归方程，然而，当气旋很弱时，对流核分散无法准确反映强度，而气旋很强时，检索区域覆盖不足可能导致低估台风强度。
3、近年来，深度学习方法在气象领域得到了广泛应用，并取得了显著成果。以卷积神经网络为例，其高度的
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供了一种融合时序和空间动态特征的台风强度估测方法及系统。
2、为了实现上述目的，第一方面，本专利技术提供一种融合时序和空间动态特征的台风强度估测方法，所述方法包括如下步骤：获取待估测台风的基本信息数据；基于所述基本信息数据得到所述待估测台风的卫星云图；依据所述卫星云图获得所述待估测台风的时序三维云图；构建并优化用于估测台风强度的非线性回归模型；将所述时序三维云图导入所述非线性回归模型获得估测的台风强度。本专利技术将多个时刻的台风特征信息引入到非线性回归模型之中，能够有效捕捉台风发展的时序特征，并且引入注意力机制对台风云图特征信息进行动态调整，有效抑制无关信息的干扰，通过非线性回归模型直接估测台风强度值，有效减少了信息损失，提高估测的准确性。
3、可选地，所述获取待估测台风的基本信息数据，包括：根据所述待估测台风的编号和名称获取所述待估测台风的最佳路径数据集；基于所述最佳路径数据集获得在待估测时刻所述待估测台风的真实台风强度；依据所述最佳路径数据集获取所述待估测台风的中心经纬度数据。本专利技术依据台风最佳路径匹配卫星数据从而构建待估测台风强度实际值与卫星观测匹配的连续数据集，保证了数据集的精准度与全面性，能够准确捕捉台风的发展变化趋势，结合所述最佳路径数据集获取在待估测时刻真实台风强度以及台风中心位置，确保了台风数据信息来源的严谨性，为本专利技术后续步骤提供有力的数据支持，提高本专利技术的严谨性和可靠性。
4、可选地，所述基于所述基本信息数据得到所述待估测台风的卫星云图，包括：依据所述待估测台风的中心经纬度数据利用卫星观测得到所述待估测台风的卫星云图。本专利技术基于待估测台风的中心经纬度信息得到台风待估测时刻的时序三维卫星云图，确保了图像信息的准确性和可靠性，并且为进一步处理台风数据提供了图像数据支持，有效展现了关于台风云顶的亮温信息，可获取台风垂直方向上的对流强弱指征，能够更加直观地观察到台风的对流状态，提升了本专利技术方法的科学性，直观度和可行性。
5、可选地，所述依据所述卫星云图获得所述待估测台风的时序三维云图，包括：获取所述待估测台风中心在所述卫星云图中的位置坐标；以所述位置坐标作为中心对所述卫星云图进行裁剪得到所述待估测台风的台风云图；根据所述台风云图获得所述待估测台风的时序三维云图。本专利技术以台风中心的位置坐标为中心将卫星云图进行裁剪，获取能有效体现台风特征的台风云图，将复杂的台风情况进行图像处理，简化了数据处理的步骤，同时极大提升了数据处理的有效性，并且基于台风云图得到包含台风信息的时序三维云图，能够有效捕捉台风发展的时序特征，体现台风的变化趋势，保证了数据的准确性和可靠性，有效提升对台风估测的准确度。
6、可选地，所述构建并优化用于估测台风强度的非线性回归模型，包括：构建神经网络模型作为估测台风强度的非线性回归模型；建立所述待估测台风的特征标签数据集；依据所述特征标签数据集对所述非线性回归模型进行训练并优化。本专利技术基于卷积神经网络构建非线性回归模型，其强大的非线性拟合能力能够针对复杂多变的台风特征进行高效且准确的建模，能够更加精准地估测台风强度，同时构建包含台风特征信息的特征标签数据集，并依据所述特征标签数据集对非线性回归模型进行训练优化，提高了所构建非线性回归模型估测台风强度时的准确性和鲁棒性。
7、可选地，所述将所述时序三维云图导入所述非线性回归模型获得估测的台风强度，包括：将所述时序三维云图导入到所述非线性回归模型之中；引入注意力机制强化所述时序三维云图的特征信息；基于所述非线性回归模型处理导入的所述时序三维云图并得到输出结果；将所述非线性回归模型获得的所述输出结果作为估测的台风强度。本专利技术将时序三维云图导入非线性回归模型，同时通过引入注意力机制对所述时序三维云图中的关键图像特征进行强化，提高了台风云图特征信息的表达能力，对台风云图特征信息的空间区域和通道进行动态调整，能够有效地抑制无关信息的干扰，所述非线性回归模型中的损失函数能够灵活地评估误差幅度，显著提升非线性回归模型对台风强度估测的准确度与鲁棒性，为实际应用提供了充分的理论技术支撑，增强了本专利技术方法的实用价值。
8、可选地，所述引入注意力机制强化所述时序三维云图的特征信息，包括：所述注意力机制包括通道注意力机制和空间注意力机制；利用所述通道注意力机制对所述待估测台风的台风云图特征信息进行处理得到加权后的台风本文档来自技高网...
【技术保护点】
1.一种融合时序和空间动态特征的台风强度估测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述获取待估测台风的基本信息数据，包括：
3.根据权利要求2所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述基于所述基本信息数据得到所述待估测台风的卫星云图，包括：
4.根据权利要求3所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述依据所述卫星云图获得所述待估测台风的时序三维云图，包括：
5.根据权利要求4所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述构建并优化用于估测台风强度的非线性回归模型，包括：
6.根据权利要求5所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述将所述时序三维云图导入所述非线性回归模型获得估测的台风强度，包括：
7.根据权利要求6所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述引入注意力机制强化所述时序三维云图的特征信息，包括：
8.根据权利
9.根据权利要求8所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述使用所述空间注意力机制对所述加权后的台风云图特征信息中各个位置进行加权得到最终的台风云图特征信息，包括：
10.一种融合时序和空间动态特征的台风强度估测系统，其特征在于，系统包括输入设备、输出设备、处理器和存储器，所述输入设备、输出设备、处理器和存储器之间相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-9任一项所述的融合时序和空间动态特征的台风强度估测方法。
...【技术特征摘要】
1.一种融合时序和空间动态特征的台风强度估测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述获取待估测台风的基本信息数据，包括：
3.根据权利要求2所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述基于所述基本信息数据得到所述待估测台风的卫星云图，包括：
4.根据权利要求3所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述依据所述卫星云图获得所述待估测台风的时序三维云图，包括：
5.根据权利要求4所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述构建并优化用于估测台风强度的非线性回归模型，包括：
6.根据权利要求5所述的融合时序和空间动态特征的台风强度估测方法，其特征在于，所述将所述时序三维云图导入所述非线性回归模型获得估测的台风强度，包括：
7.根据权利要求6所述的...
【专利技术属性】
技术研发人员：鲁小琴，王月，
申请(专利权)人：中国气象局上海台风研究所上海市气象科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。