1.一种短临降水预报方法，其特征在于，包括：加载指定地区的降水雷达回波序列；

将所述降水雷达回波序列输入构建的基于序列长度的短临降水预报模型，获得指定地区未来设定时间段内的降水预测结果；

其中，所述基于序列长度的短临降水预报模型，包括：若干个依次连接的组合层，其中，后一个组合层的输入为前一个组合层的输出，最后一个组合层的输出作为预测结果；每个所述组合层包括依次连接的短序列特征提取模块、长序列特征提取模块、编码模块和解码模块；

所述短序列特征提取模块，用于从降水雷达回波序列中提取降水的空间分布和强度特征，并输出短序列结果图；

所述长序列特征提取模块，用于根据所述短序列结果图构造长序列，并从长序列中提取降水的运动特征，然后输出长序列结果图；

所述长序列结果图经过所述编码模块和解码模块的特征提取和上采样后，形成下一个组合层的输入；

所述短序列结果图的提取方法，包括：

对基于降水雷达回波序列的T时刻雷达回波图 ，进行卷积操作，形成T时刻起始层空间特征图 ，然后，将空间特征图 与同网络的T‑1、T‑2、T‑3时刻第一层的长序列结果图、 、 组合为T时刻第一层的短序列 ，其中，短序列 的组合公式为：，

其中， 表示特征图的通道叠加操作，上角标数字表示层，下角标表示时刻；

然后，所述短序列特征提取模块从短序列 中提取降水的空间分布和强度特征，并输出T时刻第一层的短序列结果图 ；

所述长序列结果图的提取方法，包括：

根据所述短序列结果图 构造T时刻第一层的长序列 ：，

其中， 表示通道归一化卷积；

然后，所述长序列特征提取模块从长序列 中提取降水的运动特征，然后输出T时刻第一层的长序列结果图 。

2.根据权利要求1所述的短临降水预报方法，其特征在于，所述短序列特征提取模块，基于非局部注意力机制和Vision Transformer而设计；输出的T时刻第一层的短序列结果图 为：，

其中， 表示注意力机制加权操作， 表示Vision Transformer操作。

3.根据权利要求1所述的短临降水预报方法，其特征在于，所述长序列特征提取模块基于LSTM而设计；输出的T时刻第一层的长序列结果图 为：，

，

，

其中， 和 分别表示LSTM的时间状态和空间状态， 表示特征提取卷积，分别表示LSTM中的时间状态的遗忘、输入和输出参数， 分别表示空间状态的遗忘、输入和输出参数， 表示哈达玛积。

4.根据权利要求1所述的短临降水预报方法，其特征在于，所述编码模块包括一个步长为2，填充为2的3×3×1特征提取卷积层；所述解码模块包括两个步长为2，填充为2的4×4×1上采样卷积层。

5.根据权利要求1所述的短临降水预报方法，其特征在于，所述预测结果受损失函数监督，所述损失函数为：，

其中， 表示损失函数， 表示T+1时刻预测分布， 表示T+1时刻标签，表示为像素点的索引，表现为总的像素点个数。

6.一种短临降水预报装置，其特征在于，包括：数据加载模块，用于加载指定地区的降水雷达回波序列；

降水预测模块，用于将所述降水雷达回波序列输入构建的基于序列长度的短临降水预报模型，获得指定地区未来设定时间段内的降水预测结果；

其中，所述基于序列长度的短临降水预报模型，包括：若干个依次连接的组合层，其中，后一个组合层的输入为前一个组合层的输出，最后一个组合层的输出作为预测结果；每个所述组合层包括依次连接的短序列特征提取模块、长序列特征提取模块、编码模块和解码模块；

所述短序列特征提取模块，用于从降水雷达回波序列中提取降水的空间分布和强度特征，并输出短序列结果图；

所述长序列特征提取模块，用于根据所述短序列结果图构造长序列，并从长序列中提取降水的运动特征，然后输出长序列结果图；

所述长序列结果图经过所述编码模块和解码模块的特征提取和上采样后，形成下一个组合层的输入；

所述短序列结果图的提取方法，包括：

对基于降水雷达回波序列的T时刻雷达回波图 ，进行卷积操作，形成T时刻起始层空间特征图 ，然后，将空间特征图 与同网络的T‑1、T‑2、T‑3时刻第一层的长序列结果图、 、 组合为T时刻第一层的短序列 ，其中，短序列 的组合公式为：，

其中， 表示特征图的通道叠加操作，上角标数字表示层，下角标表示时刻；

然后，所述短序列特征提取模块从短序列 中提取降水的空间分布和强度特征，并输出T时刻第一层的短序列结果图 ；

所述长序列结果图的提取方法，包括：

根据所述短序列结果图 构造T时刻第一层的长序列 ：，

其中， 表示通道归一化卷积；

然后，所述长序列特征提取模块从长序列 中提取降水的运动特征，然后输出T时刻第一层的长序列结果图 。

7.一种计算机设备，其特征在于，包括：

存储器，用于存储指令；

处理器，用于执行所述指令，使得所述设备执行实现如权利要求1 5任一项所述的短临~降水预报方法的操作。