[发明专利]基于多源卫星遥感的海洋内部温盐信息智能提取方法

权利要求书

1.一种基于多源卫星遥感的海洋内部温盐信息智能提取方法，其特征在于，包括以下步骤：

步骤S1:获取海洋多源海表遥感数据和Argo浮标实测数据并进行预处理，得到海表异常数据、Argo实测坐标数据、Argo实测的温度异常数据和盐度异常数据；

步骤S2:利用Argo实测坐标数据，使海洋内部实测温盐异常数据分别与海表异常数据一一对应，并分别建立特征矩阵和标签矩阵；

步骤S3:将特征矩阵和标签矩阵纵向合并，并随机划分成训练数据集和测试数据集；

步骤S4:根据得到的训练数据集，使用Boosting方法重复训练基学习器，直至基学习器数目达到事先指定值T，将T个基学习器进行加权结合，建立XGBoost模型；

步骤S5:将测试数据集输入XGBoost模型，反演海洋内部温盐异常，得到海洋内部温度异常分布。

2.根据权利要求1所述的基于多源卫星遥感的海洋内部温盐信息智能提取方法，其特征在于：所述步骤S1具体为：

步骤S11:获取海洋多源海表遥感数据和Argo浮标实测数据,并将得到所有数据的空间范围统一；

步骤S12:将海洋多源海表遥感数据和Argo浮标实测数据的时间分辨率统一为每月，利用最优插值法将空间分辨率统一为1°× 1°，得到处理后的海洋多源海表遥感数据和Argo浮标实测数据；

步骤S13:将处理后的海洋多源海表遥感数据和Argo浮标实测数据均减去对应的气候平均值，得到海表异常数据、Argo实测坐标数据、Argo实测的温度异常数据和盐度异常数据；

步骤S14:对海表异常数据、Argo实测的温度异常值和盐度异常数据进行归一化处理。

3.根据权利要求1所述的基于多源卫星遥感的海洋内部温盐信息智能提取方法，其特征在于：所述步骤S3具体为：

步骤S31：将特征矩阵与标签矩阵进行列合并得到矩阵Instance_matrix；

步骤S32：使用Python软件的train_test_split方法将矩阵Instance_matrix进行行向随机划分，从而生成训练数据集和测试数据集。

4.根据权利要求1所述的基于多源卫星遥感的海洋内部温盐信息智能提取方法，其特征在于：所述步骤S4具体为：

步骤S41:预设一个基学习器数目T；

步骤S42：从训练数据集中随机抽取初始训练集，训练得到基学习器；

步骤S43：根据基学习器的表现对训练样本分布进行调整，使得基学习器做错的训练样本在后续受到更多关注，得到调整后的样本分别；

步骤S44：基于调整后的样本分布来训练下一个基学习器；

步骤S45：重复S43、S44步骤，直至基学习器数目达到预设的值T，并将T个基学习器进行加权结合。

5.根据权利要求1所述的基于多源卫星遥感的海洋内部温盐信息智能提取方法，其特征在于：所述海表异常数据包括海表高度异常、海表温度异常、海表盐度异、海表风速水平分量异常和海表风速垂直分量异常。