一种基于深度学习的航空气象数据可视化方法与系统

本发明涉及航空气象数据可视化技术领域，尤指一种基于深度学习的航空气象数据可视化方法与系统，通过对航空气象多源数据进行数据清洗、空间重采样和时间对齐，构建统一的结构化气象数据集，进一步通过卷积神经网络提取雷达图和卫星云图中的空间特征，捕捉降水核心与对流结构；同时，对地面观测与数值预报数据进行时序建模，提取风速、气压的非线性时间特征，形成时空联合建模框架。引入注意力机制融合空间与时间特征，生成具备上下文感知能力的气象特征张量。通过U‑Net预测模型对该张量进行推理，输出降水强度、风场分布和危险天气概率的气象预测场。最终将气象预测场网格化并渲染为三维图像，增强对天气演变的空间认知与决策支持能力。