[发明专利]一种基于随机森林的多因子遥感地表温度空间降尺度方法

说明书

本发明公开一种基于随机森林的多因子遥感地表温度空间降尺度方法。首先，根据地表覆盖类型反演出多种能够表征水体、植被、建筑、裸土的地表参数，并通过相关性分析选择与地表温度相关性较强的地表参数作为尺度因子；针对沙漠、裸土等高温地区温度估计不准确的问题，引入短波红外波段作为尺度因子，以提高高温区的降尺度精度；针对随机森林随机选取数据的非平衡性问题，采用在不同地表覆盖类型下建立不同的回归模型的方法，在不同的地表覆盖类型下分别进行降尺度，得到高分辨率的地表温度图像。本发明在大范围或地表覆盖复杂的区域具有良好的适用性；有效提高了降尺度的精度和效率。

技术领域

本发明属于降尺度领域，特别涉及一种基于随机森林的多因子遥感地表温度空间降尺度方法。

背景技术

地表温度(Land Surface Temperature，下文简称LST)是表征地表能量的重要参数，是研究和评价生态系统、气候变化的重要因子。精准的地表温度产品对于监测城市热岛、生态环境、农业旱情以及监控全球气候、估算土壤水分等地表过程研究有着重要的意义。获取地表温度的传统途径是通过地面气象站的观测数据，观测站数据精度高，具有时间连续性，但是监测覆盖区域有限，不适用于大范围的温度监测。目前获取地表温度的主要方法是通过热红外遥感技术，热红外遥感数据可以获取大范围的地表温度，这对地表能量传递过程的研究和热环境研究提供了新的数据来源，但是现有的传感器获取的地表温度产品存在着严重的时空矛盾，极大限制了地表温度产品的应用，因此提高现有温度产品分辨率的问题亟待解决。

尺度转换是指将某一个尺度上所获得的信息和知识扩展到其他尺度上的过程，将低分辨率的地表温度数据与高分辨率的其他遥感数据结合应用，可以得到高分辨率的地表温度数据。空间降尺度是通过提高影像的空间分辨率来提升资源环境监测的精度，从而有助于更好的利用地表信息。因此有必要加强对热红外遥感数据降尺度的研究，从而得到高时间分辨率且具有更多空间细节信息的地表温度产品，以满足高时空分辨率地表温度的应用需求。

地表温度降尺度方法已有部分研究成果，目前研究降尺度的方法大部分都是基于统计模型建立的，即建立地表温度与不同地表参数之间的统计关系，然后根据高空间分辨率的地表参数数据实现地表温度的降尺度。多数降尺度方法在地表参数的选择上比较单一，大部分选择单个或几个植被指数作为降尺度因子，忽略了其他地表参数对地表温度空间变化的影响；在模型建立时也多选用线性回归模型，虽然线性回归模型简单、高效，但也存在许多局限，不同地表参数与地表温度拟合模型也存在非线性的关系。根据实验区域和条件的不同，遥感数据类型的不同，每一种降尺度方法在不同实验区的适用性也不同，其降尺度因子(如：植被指数、地表比福射率等)的选择、计算和组合及适用范围仍需要进一步深入研究和探讨。因此传统方法对于大范围、地表覆盖类型复杂区域的降尺度，精度低，无法满足应用的需求。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供了一种精度高的基于随机森林的多因子遥感地表温度空间降尺度方法(MSFRF方法)。

发明内容：为解决上述技术问题，本发明提出一种基于随机森林的多因子遥感地表温度空间降尺度方法，包括以下步骤：

步骤1：获取研究区域范围内热红外遥感影像和多光谱遥感影像，并进行预处理；

步骤2：对经过预处理的多光谱遥感影像进行升尺度，得到升尺度后的多光谱遥感影像；利用获得的经过预处理的高、低两种分辨率下的多光谱遥感影像计算出对应的不同分辨率的地表参数；对各地表参数与地表温度进行相关性分析，选择与地表温度相关性大的地表参数作为降尺度因子；

步骤3：根据步骤2中选择出的降尺度因子建立随机森林回归模型并且对随机森林回归模型中的参数进行优化；

步骤4：利用步骤3建立的随机森林回归模型对实验区进行降尺度实验，得到实验区的高分辨率的地表温度影像。