本发明提供一种基于模型无关元学习和密集残差注意力的降尺度方法，涉及数据处理领域，包括：确定多个降尺度任务，任意两个降尺度任务对应的气象变量、时间范围和空间范围中的至少一个存在差异；对于每个降尺度任务，确定降尺度任务对应的降尺度样本，包括原气象图及原气象图对应的降尺度气象图；重复执行从多个降尺度任务中采样，形成元批次任务，对元模型进行训练，直至元模型满足预设条件；基于目标降尺度任务的对应的降尺度样本对元模型进行参数调整，生成降尺度模型；获取目标降尺度任务对应的待降尺度气象图；基于降尺度模型，生成待降尺度气象图对应的降尺度气象图，具有提升降尺度结果的大气物理准确性和细节丰富度的优点。