基于再分析资料和不平衡学习的卫星观测补全方法

摘要

本发明公开了一种基于再分析资料和不平衡学习的卫星观测补全方法，本方法中提出了R2S框架，用再分析资料中的相关变量模拟卫星观测，从而填补卫星观测的空缺，在R2S框架下，利用STM方法构建R‑S数据集，得到适用于热带气旋海面风速的卫星观测补全模型，R2S框架可显著提高卫星观测的空间覆盖率和时间分辨率；本发明还提出了SIMBA方法，通过不平衡学习来提高补全模型在高风速下的性能，并与常规机器学习结合，得到混合补全模型，混合模型在高风速补全方面优于常规机器学习模型，在中低风速补全方面优于不平衡学习模型，且混合模型的补全结果接近现场观测值，补全结果准确。