一种基于深度学习与数值天气预报模型耦合的卫星降水产品校正方法

本发明公开了一种基于深度学习(Bi‑LSTM)与数值天气预报模型(WRF)耦合的卫星降水产品校正方法，包括：获取目标区域待校正的卫星降水产品、地面雨量站降水观测数据、地理环境数据和再分析气象数据，并对数据进行预处理；建立并优化目标区域WRF模型，生成区域高分辨率气象要素模拟序列；将WRF气象要素模拟序列、卫星降水时间序列、地面高程数据进行标准化，作为Bi‑LSTM的输入数据，地面雨量站降水观测时间序列作为验证数据，经过多次循环迭代，确定最优化Bi‑LSTM模型，用于对卫星降水产品进行校正。本发明通过在深度学习模型中引入WRF高时空分辨率气象要素模拟序列可显著提高卫星降水产品的精度，促进卫星降水产品在不同领域的广泛应用。