买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学三亚海洋研究院

摘要：本发明提供了一种基于深度学习的静止卫星和极轨卫星数据融合方法，涉及卫星数据融合技术，具体包括：下载卫星数据卫星数据和地理信息数据；对原始数据进行校准与纠正；确定与每个静止卫星传感器通道最接近的极轨卫星传感器通道，根据光谱响应函数利用光谱角度判断静止卫星与极轨卫星最相近传感器通道的相似程度；将静止卫星和极轨卫星数据统一至经纬度网格；使用最小化概率分布距离方法，进行图像配准；构建SwinTransformer模型，并形成智能降尺度模型；得到高时空分辨率的光谱通道数据，形成覆盖静止卫星扫描全域的高时空分辨率多光谱通道数据。本发明的技术方案克服现有技术中不能全面、准确地进行地球观测的问题。

主权项：1.一种基于深度学习的静止卫星和极轨卫星数据融合方法，其特征在于，具体包括如下步骤：S1，下载静止卫星数据、极轨卫星数据和地理信息数据，静止卫星数据和极轨卫星数据均包括：卫星传感器原始数据和卫星地理信息数据，地理信息数据包括：地表高程数据和地表类型数据；S2，对卫星传感器原始数据进行校准与纠正，从卫星地理信息数据中获取太阳天顶角、太阳方位角、卫星天顶角和卫星方位角；S3，根据传感器各通道的中心波段确定与每个静止卫星传感器通道最接近的极轨卫星传感器通道，进一步根据光谱响应函数利用光谱角度判断静止卫星与极轨卫星最相近传感器通道的相似程度，判断为光谱相似的情况按照S4进行时空匹配后直接进入S6步骤，判断为光谱不相似的情况执行S4后需执行S5步骤；S4，根据卫星数据名称中的时间信息找到目标范围内同时扫描的静止卫星和极轨卫星数据，并按照步骤S3所确定的对应通道顺序制作静止卫星与极轨卫星数据对，将静止卫星和极轨卫星数据统一至高空间分辨率经纬度网格；S5，使用最小化概率分布距离方法，以Wasserstein距离作为度量指标进行图像配准；S6，针对每一个静止卫星通道构建SwinTransformer模型，其中输入为静止卫星光谱通道数据、卫星天顶角、卫星方位角、太阳天顶角、太阳方位角、经纬度、高程、地表类型，标签为对应的极轨卫星光谱通道数据；S7，针对每一个预训练模型，构建迁移学习模型使SwinTransformer模型能够泛化到所有区域，最终形成智能降尺度模型；S8，针对静止卫星的每一个通道，以高时间分辨率的静止卫星光谱通道数据、经纬度数据、高程数据和地表类型数据作为输入，通过步骤S6中训练好的SwinTransformer模型进行降尺度，得到高时空分辨率的光谱通道数据，结合步骤S7中训练好的智能降尺度模型形成覆盖静止卫星扫描全域的高时空分辨率多光谱通道数据。

全文数据：

权利要求：

百度查询： 中国海洋大学三亚海洋研究院 一种基于深度学习的静止卫星和极轨卫星数据融合方法