基于葵花卫星多通道亮温的雷达反射率级联模型反演方法

1.基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：包括以下步骤：S1、构建级联模型；S2、基于卫星数据与雷达反射率拼图，通过数据筛选和时空匹配，制作卫星数据-雷达反射率标签；S3、利用卫星数据-雷达反射率标签，训练级联模型；S4、利用级联模型，反演雷达反射率；在步骤S1中，级联模型包括零值分类器、非零回归器、级联决策函数和联合损失函数；在步骤S4中，利用级联模型，反演雷达反射率，包括：S41、输入卫星数据；S42、零值分类器提取卫星数据中无雷达回波的特征，并输出[0，1]区间的零值概率；S43、基于零值概率和动态阈值τ，级联决策函数判定是直接输出零反射率，还是启动非零回归器；S44、如果启动非零回归器，则计算并输出有回波区域的反射率值；S45、基于梯度均衡机制，联合损失函数动态调整反向传播权重，避免分类器退化和回归器过拟合。 2.根据权利要求1所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：零值分类器采用基于残差编码的轻量UNet分类网络，轻量UNet分类网络包括四级下采样结构和全局特征融合。 3.根据权利要求1所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：非零回归器采用轻量Res-UNet结构，轻量Res-UNet结构包括四级编码器、瓶颈层和四级解码器；非零回归器引入深度可分离卷积技术。 4.根据权利要求1所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：在级联决策函数中，设定动态阈值τ，若分类器输出概率>τ，直接输出零反射率，否则启动非零回归器。 5.根据权利要求1所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：在联合损失函数中，分类器用BCE Loss，回归器用MSE Loss，二者加权求和反向传播；引入梯度均衡机制，当零值样本占比>设定值时，降低分类器权重，当非零样本误差>设定值时，提升回归器权重。 6.根据权利要求1所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：在步骤S2中，基于卫星数据与雷达反射率拼图，通过数据筛选和时空匹配，制作卫星数据-雷达反射率标签，包括：S21、选取葵花卫星通道中有明显云区的卫星数据；S22、设定时空对齐精度；S23、基于时空对齐精度，选取与卫星数据同步的地面雷达拼图；S24、空间分割，剔除雷达拼图中空值率>70%的样本，空值区域统一设为零；S25、基于步骤S21至步骤S24的筛选结果，将筛选后的样本集按照设定比例分为训练集、验证集和测试集，制作卫星数据-雷达反射率标签。 7.根据权利要求6所述的基于葵花卫星多通道亮温的雷达反射率级联模型反演方法，其特征在于：在步骤S3中，利用卫星数据-雷达反射率标签，训练级联模型，包括：基于卫星数据-雷达反射率标签，训练级联模型，不断调整网络结构、损失权重参数，直至损失曲线平稳且趋近于0，雷达回波识别精度≥90%。