本發(fā)明涉及定量降水估計，尤其涉及一種基于resgan網絡的云分類定量降水估計方法。
背景技術：
1、天氣雷達是監(jiān)測和預報降水的重要工具，能夠提供高時空分辨率的降水信息，在氣象、水文和災害預警等領域具有廣泛應用。定量降水估計是氣象水文領域的核心任務，其精度直接影響洪水預警、水資源管理和災害防控的可靠性。傳統(tǒng)定量降水估計方法主要基于雷達反射率因子（z）與降水強度（r）的經驗關系（如z-r關系），但存在三重瓶頸：1、物理機制簡化，z-r關系假設降水粒子分布均勻，忽略實際降水（尤其對流性降水）的時空異質性；2、云分類缺失，未區(qū)分層云（大范圍穩(wěn)定降水）與對流云（局地強降水）的物理過程差異，導致系統(tǒng)性偏差；3、動態(tài)特征解耦，分離處理雷達反射率強度（靜態(tài)特征）與降水系統(tǒng)運動（如速度、方向），無法捕捉運動-強度的耦合效應（如快速移動對流云的短時強降水）。
2、所以研發(fā)出一種基于resgan網絡的云分類定量降水估計方法來解決上述問題。
技術實現(xiàn)思路
1、本發(fā)明提出一種基于resgan網絡的云分類定量降水估計方法，以解決現(xiàn)有定量降水估計方法忽略實際降水的時空異質性、存在系統(tǒng)性偏差、無法捕捉運動-強度的耦合效應的問題。
2、本發(fā)明通過以下技術方案來實現(xiàn)上述目的：
3、本發(fā)明一種基于resgan網絡的云分類定量降水估計方法，包括：
4、獲取多源極化雷達參量，多源極化雷達參量包括降水系統(tǒng)中降水粒子的密度和形狀、路徑累積降水、雷達波束觀測高度；
5、對多源極化雷達參量進行預處理，得到預處理數(shù)據(jù)；
6、將預處理數(shù)據(jù)輸入云分類定量降水估計模型，所述云分類定量降水估計模型包括時空特征提取模塊、云分類物理約束模塊、運動-強度耦合模塊、改進型resgan生成器，時空特征提取模塊用于對預處理數(shù)據(jù)依次進行降水系統(tǒng)的動態(tài)演變信息捕獲、基于雷達波束觀測高度的遠距離信號衰減補償，得到第一輸出；云分類物理約束模塊用于對第一輸出依次進行基于氣象學先驗知識的云類型概率計算、生成與云類型匹配的區(qū)域敏感掩膜，得到第二輸出；運動-強度耦合模塊用于融合第二輸出以及降水系統(tǒng)的時空特征和運動權重得到第三輸出；改進型resgan生成器用于處理第三輸出，輸出預測降水強度。
7、進一步地，對多源極化雷達參量進行預處理，包括：
8、對所述多源極化雷達參量進行數(shù)據(jù)標準化與異常值剪裁；
9、對所述多源極化雷達參量進行時空對齊與樣本匹配；
10、對所述多源極化雷達參量進行多仰角融合與雷達波束觀測高度的引入。
11、進一步地，所述時空特征提取模塊用于將預處理數(shù)據(jù)依次通過3d卷積層、級聯(lián)式星型運算模塊、高度衰減補償模塊進行處理。
12、進一步地，級聯(lián)式星型運算模塊包括三個串聯(lián)的star?block模塊。
13、進一步地，高度衰減補償模塊的計算公式為：
14、；
15、其中，表示第一輸出，表示級聯(lián)式星型運算模塊的輸出，為雷達波束觀測高度，x,y表示二維數(shù)據(jù)，x為雷達的方位角，y為徑向距離庫。
16、進一步地，所述云分類物理約束模塊用于對第一輸出依次進行全局平均池化計算、云類型概率計算、空間自適應加權掩膜計算，其中：
17、平均池化的計算公式如下：
18、
19、其中，h×w表示空間維度，表示第c個特征圖在位置（i,j）上的值，i和j表示中i是沿著高度方向從1到h的索引，j是沿著寬度方向從1到w的索引；
20、云類型概率計算公式如下：
21、；
22、其中，表示云類型概率，表示云分類器全連接層的權重矩陣，表示將全局平局池化計算結果輸入全連接層后得到的輸出；
23、所述空間自適應加權掩膜計算，包括：
24、；
25、其中，為掩膜。
26、進一步地，融合第二輸出以及降水系統(tǒng)的時空特征和運動權重得到第三輸出，包括：
27、計算運動向量，計算公式為：
28、
29、其中，表示當前時刻的第一輸出，表示下一時刻的第一輸出，表示運動向量；
30、計算通道注意力，計算公式為：
31、；
32、；
33、；
34、其中表示，表示starnet模塊輸出的特征圖，其中，c表示第c個通道，(i,j)表示空間位置（行i，列j），s表示通道權重，表示激活函數(shù)，表示全連接層的權重矩陣，表示全連接層的權重矩陣，表示第一輸出，表示時空特征；
35、計算運動權重，計算公式為：
36、；
37、其中表示運動權重，表示卷積層；
38、特征增強：
39、；
40、表示增強系數(shù)，表示特征增強結果；
41、特征融合：
42、；
43、表示特征融合結果。
44、進一步地，所述改進型resgan生成器包括依次設置的三個殘差塊、多尺度卷積層、特征拼接層、1x1卷積層、兩層轉置卷積層、輸出層。
45、進一步地，所述云分類定量降水估計模型的損失函數(shù)表示為：
46、；
47、其中，表示huber損失，n表示降水樣本數(shù)量，i'表示第i'個降水樣本，表示真實降水強度，表示云分類定量降水估計模型輸出的預測降水強度。
48、進一步地，基于三階段漸進式訓練范式訓練所述云分類定量降水估計模型，包括：
49、第一階段訓練時空特征提取模塊、云分類物理約束模塊和運動-強度耦合模塊；
50、第二階段對改進型resgan生成器進行微調；
51、第三階段對resgan生成器進行對抗訓練優(yōu)化。
52、本發(fā)明的有益效果在于：
53、本發(fā)明提出的一種基于resgan網絡的云分類定量降水估計方法考慮了實際降水的時空異質性，能夠提取降水系統(tǒng)瞬態(tài)運動特征，將云類型概率作為物理約束，防止了系統(tǒng)性偏差，能夠有效捕捉運動-強度的耦合效應。
1.一種基于resgan網絡的云分類定量降水估計方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，對多源極化雷達參量進行預處理，包括：
3.根據(jù)權利要求1所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，時空特征提取模塊用于將預處理數(shù)據(jù)依次通過3d卷積層、級聯(lián)式星型運算模塊、高度衰減補償模塊進行處理。
4.根據(jù)權利要求3所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，級聯(lián)式星型運算模塊包括三個串聯(lián)的star?block模塊。
5.根據(jù)權利要求3或4所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，高度衰減補償模塊的計算公式為：
6.根據(jù)權利要求1所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，云分類物理約束模塊用于對第一輸出依次進行全局平均池化計算、云類型概率計算、空間自適應加權掩膜計算，其中：
7.根據(jù)權利要求6所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，融合第二輸出以及降水系統(tǒng)的時空特征和運動權重得到第三輸出，包括：
8.根據(jù)權利要求1所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，改進型resgan生成器包括依次設置的三個殘差塊、多尺度卷積層、特征拼接層、1x1卷積層、兩層轉置卷積層、輸出層。
9.根據(jù)權利要求1所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，云分類定量降水估計模型的損失函數(shù)表示為：
10.根據(jù)權利要求1或9所述的一種基于resgan網絡的云分類定量降水估計方法，其特征在于，基于三階段漸進式訓練范式訓練云分類定量降水估計模型，包括：