1.基于时空注意力门控融合网络的闪电临近预报方法，其特征在于，包括步骤：A.获取同一地点历年的多普勒雷达组合反射率图像，将每半小时内的5张多普勒雷达组合反射率图像组合成一个反射率图像样本；获取历年闪电观测数据，以0时为时间起点，6分钟为时间间隔，将连续时间的闪电观测数据进行时间聚合处理，并将时间聚合后的闪电观测数据映射到指定分辨率的网格中，对网格中的内容进行标记，完成空间聚合，得到时间和空间聚合处理后的闪电密度图像，以每半小时空间聚合后的5张闪电密度图像为一个闪电密度图像样本；基于历年闪电观测数据构建空间聚合处理后的闪电标签，所述基于历年闪电观测数据构建时空聚合处理后的闪电标签，包括：获取历年闪电观测数据，将连续时间的闪电观测数据以每半小时为时间起点，每60分钟为间隔，进行时间聚合处理，将时间聚合后的闪电观测数据映射到指定分辨率的网格中，进行空间聚合，根据在聚合时间内同一网格内是否有闪电进行区别标注，得到时空聚合处理后的闪电标签，每个时间起点的间隔时间跨度与反射率图像样本一致；

B.基于所述反射率图像样本、闪电密度图像样本以及闪电标签训练时空注意力门控融合网络；所述时空注意力门控融合网络的基本框架采用U‑Net网络的U型编码和解码结构，在编码过程中，同时处理两条支路和一条主路，主路和每条支路自上而下均包括4级，每一级都有输出，其中，两条支路分别提取反射率图像样本和闪电密度图像样本的特征，两条支路的每一级先进行编码操作，再采用空间注意力模块自动识别闪电区域；主路对两条支路提取的特征进行融合，主路部分首先对两条支路空间注意力模块的输出进行融合，然后，将支路融合后的输出与上一级主路的输出进行注意力门控融合，再进行U‑Net网络当前层的编码操作，再对编码后提取的特征采用空间注意力模块作为主路当前级的输出给主路的下一级；解码过程跳跃连接中使用的编码输出特征为编码部分主路中每一级注意力门控融合后再通过2次卷积和ReLU组合操作后输出的特征；所述时空注意力门控融合网络编码部分中对两条支路空间注意力机制模块的输出进行融合，包括：对两条支路空间注意力模块的输出进行加权求和，两部分权重系数之和等于1，并且权重系数可以训练和进行梯度反传；

所述时空注意力门控融合网络编码部分中的注意力门控融合，包括融合模块加权求和后的输出做卷积核为 1*1*1的卷积，对主路上一级的输出做卷积核为 1*1*1的卷积，将两个卷积结果相加，再进行ReLU操作，再做输出通道为1卷积核为 1*1*1的卷积，然后通过Sigmoid操作，将Sigmoid后的输出与融合模块加权求和后的输出进行点积操作后作为注意力门控融合模块的输出；

C.获取当前的多普勒雷达组合反射率图像及闪电观测数据，将处理后的反射率图像样本及闪电密度图像样本输入训练完毕的时空注意力门控融合网络，进行闪电临近预报。

2.如权利要求1所述的闪电临近预报方法，其特征在于，对所述网格中的内容进行标记，包括：在聚合时间内如果同一网格内映射了n次闪电，则此格点闪电频数记为n，否则标记为0。

3.如权利要求1所述的闪电临近预报方法，其特征在于，基于所述反射率图像样本、闪电密度图像样本以及闪电标签构建用于训练所述时空注意力门控融合网络的数据集，包括：步骤S21: 从输入的反射率图像样本、闪电密度图像样本以及闪电标签中，以每半小时为时间间隔，获取5张反射率图像样本和5张闪电密度图像样本，组成待匹配样本对；

步骤S22: 将各个所述待匹配样本对与闪电标签进行匹配，匹配方式为：一个待匹配样本对对应闪电标签中以所述待匹配样本对对应的结束时间为起点的标签，构成一个样本‑标签对;步骤S23: 由全部的样本‑标签对组成数据集，再从数据集中以预设的比例划分得到训练集、测试集和验证集。

4.如权利要求1所述的闪电临近预报方法，其特征在于，所述时空注意力门控融合网络编码部分中的空间注意力模块，包括：首先对输入特征进行卷积核为 1*1*1的卷积，再做BatchNorm操作和ReLU操作，再进行一次卷积核为 1*1*1的卷积，再做BatchNorm操作和Sigmoid操作，然后将Sigmoid操作后的输出与空间注意力模块的输入特征进行点积操作后作为空间注意力模块的输出。

5.根据权利要求1‑4任一所述闪电临近预报方法的基于时空注意力门控融合网络的装置，其特征在于，包括：

数据处理模块：配置为获取同一地点历年的多普勒雷达组合反射率图像，将每半小时内的5张多普勒雷达组合反射率图像组合成反射率图像样本；获取历年闪电观测数据，将连续时间的闪电观测数据以0时为时间起点，6分钟为间隔，进行时间聚合处理，将时间聚合后的闪电观测数据映射到指定分辨率的网格中，对网格中的内容进行标记，完成空间聚合，得到时间和空间聚合处理后的闪电密度图像，每半小时内的5张时空聚合后的闪电密度图像为一闪电密度图像样本，闪电密度图像样本的时间跨度与所述反射率图像样本的时间跨度相同；基于历年闪电观测数据构建时空聚合处理后的闪电标签；

训练模块：配置为基于所述反射率图像样本、闪电密度图像样本以及闪电标签训练时空注意力门控融合网络；

预测模块：配置为获取当前的多普勒雷达组合反射率图像及闪电观测数据，将处理后的反射率图像及闪电密度图像样本输入训练完毕的时空注意力门控融合网络，进行闪电临近预报。

6.一种计算机可读存储介质，其特征在于：存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如权利要求1‑4中任一项所述方法。

7.一种电子设备，其特征在于，所述电子设备，包括：

处理器，用于执行多条指令；

存储器，用于存储多条指令；

其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行如权利要求

1‑4中任一项所述方法。