基于深度学习和时空关联建模的降水数据地形订正方法

摘要

【目的】如何基于地形因素对降水数据进行误差订正(简称“地形订正”)是气象大数据研究的一个重要问题。但是，现有的降水数据地形订正方法存在两方面局限性：一是现有方法大多基于数据统计或传统机器学习而设计，未能拓展至特征学习能力更强的深度学习模型；二是现有方法亦未能结合气象数据的时间与空间关联信息以提升订正效果。【方法】提出一种基于深度学习与时空关联建模的降水数据地形订正方法。该方法首先对广东省降水数据和多源地形信息作预处理，结合经纬度进行对齐与编码，以构建相应的数据矩阵。进而结合各个格点的空间和时间邻域下的降水与地形数据进行多源时空信息建模，并结合降采样策略以缓解降水格点与非降水格点的数据不平衡性，最后构建深度神经网络进行回归订正。实验在广东省逾4 000个气象观测站点、逾15万气象格点的真实气象数据上进行。【结果】实验结果验证了时空关联建模策略对提升降水订正效果的显著作用以及所提出方法相比于其他对比方法的性能优势。

关键词

气象大数据 / 深度学习 / 降水量 / 地形订正 / 时空信息

基金资助

国家自然科学基金资助项目(61976097); 广东省气象局科学技术研究资助项目(GRMC2022Q05);广东省气象局协同观测和多源实况数据融合分析技术创新团队资助项目(GRMCTD202103)