摘要
本发明为了解决哨兵一号数据集预测的雪深难以同时满足高空间分辨率和高时间分辨率的问题,提出一种雪深预测方法、存储介质、电子设备,方法包括:获取关于雪深的哨兵一号数据、辅助数据、站点数据,基于站点数据构建地理时间加权雪深参数;对以上数据进行重采样和时空匹配,得到第一数据集;将第一数据集输入集成深度学习模型,得到初步雪深;获取研究区域的时序气候数据和地理时间数据,并进行重采样,并将初步雪深数据转换为时序数据;重采样后的时序气候数据和地理时间数据,以及初步雪深的时序数据构成第二数据集;将第二数据集输入到ResNet‑BiLSTM时序模型中得到雪深数据。本发明可以生成高时空分辨率的雪深预测数据。
技术关键词
集成深度学习
数据
站点
时序
计算机可读指令
地表植被覆盖
气候
高时空分辨率
后向散射系数
邻居
电子设备
可读存储介质
深度学习模型
存储计算机程序
坡度信息
噪声滤波
处理器
参数
露点温度
系统为您推荐了相关专利信息
智能化运维系统
量子傅里叶变换
时空卷积神经网络
量子态
分布式光纤传感
预测系统
神经网络模型构建
模型训练模块
可视化模块
特征提取模块
药品识别方法
空间结构特征
轮廓数据
语义特征
深度学习模型
评价指标提取方法
谐波
重构参数
滚动轴承
统计特征
扣件组件
状态检测方法
轨道扣件
矩形
深度学习分类模型