[发明专利]基于多源数据的近地表日最高气温估算方法、系统及终端

权利要求书

1.一种基于多源数据的近地表日最高气温估算方法，其特征在于，包括：

S1，获取研究区的地面观测站气象数据，计算每日最高气温数据，并构建研究区空间分辨率为1km的网格；

S2，抓取POI数据，将POI数据进行分类；按照1km网格进行分类统计，得到空间分辨率为1km的不同类别的POI统计数据；

S3，根据设定时间间隔抓取空间分辨率为5km的人口统计格点数据，按照设定时间段进行累积计算，得到最高气温对应时间段的5km人口统计数据；以月尺度的空间分辨率为1km的夜光遥感数据作为辅助变量，对空间分辨率为5km的人口统计数据进行插值，得到空间分辨率为1km的人口位置统计数据；

S4，对空间分辨率为25km的每日被动微波遥感地表温度数据进行空间降尺度，得到空间分辨率为1km的白天被动微波遥感地表温度数据；结合空间分辨率为1km的每日热红外地表温度数据和降尺度的被动微波遥感地表温度数据，利用加权平均的方法，计算得到空间分辨率为1km每日地表温度；

S5，提取植被指数参量，经过异常值剔除处理后，得到空间分辨率为1km的EVI；

S6，将获取的空间分辨率为30m的DEM数据，通过聚合平均得到空间分辨率为1km的DEM数据；

S7，结合遥感影像，提取的海岸线；提取研究区每个网格的中心点坐标，并计算每个网格中心点坐标与海岸线的距离，得到每个网格与海岸线之间的距离；

S8，获取30m分辨率的城市不透水面盖度和植被盖度；通过聚合平均得到空间分辨率为1km的不透水面盖度和植被盖度数据；

S9，建立地面观测站每日近地表最高气温与人口位置统计数据、不同类别的POI统计数据、地表温度融合数据、不透水面盖度、植被盖度、EVI、DEM以及与海岸线距离的非线性回归模型；

S10，获取最优的模型参数，从而构建最优的非线性回归模型；

S11，以空间分辨率为1km人口位置统计数据、不同类别的POI统计数据、地表温度融合数据、不透水面盖度、植被盖度、EVI、DEM以及与海岸线距离作为输入，根据建立的最优的非线性回归模型估算空间分辨率为1km的近地表最高气温数据；同时将空间分辨率为1km的近地表最高气温回归残差进行插值，实现对估算的空间分辨率为1km的近地表最高气温进行误差修正，得到高精度的空间分辨率为1km的近地表最高气温数据。

2.根据权利要求1所述的基于多源数据的近地表日最高气温估算方法，其特征在于，所述S2中，通过网络爬虫技术从高德地图网站上抓取POI数据；所述分类包括：餐饮、住宿、生活、购物、交通设施、公司企业、住宅和/或公共设施。

3.根据权利要求1所述的基于多源数据的近地表日最高气温估算方法，其特征在于，所述S3中，通过网络爬虫技术从腾讯位置大数据网站上抓取空间分辨率为5km的人口统计格点数据；和/或

利用协同克里金插值方法对空间分辨率为5km的人口统计数据进行插值，得到空间分辨率为1km的人口位置统计数据。

4.根据权利要求1所述的基于多源数据的近地表日最高气温估算方法，其特征在于，所述S4中，利用面到点克里金插值方法对空间分辨率为25km的每日被动微波遥感地表温度数据进行空间降尺度，得到空间分辨率为1km的白天被动微波遥感地表温度数据。

5.根据权利要求1所述的基于多源数据的近地表日最高气温估算方法，其特征在于，所述S5中，从MOD13A2数据产品中提取植被指数参量；异常值剔除处理为：剔除EVI0的像元，以减少水体异常值的影响。

6.根据权利要求1所述的基于多源数据的近地表日最高气温估算方法，其特征在于，所述S7中，结合空间分辨率为0.31m的WorldView-3高分辨率遥感影像，通过人工矢量化的方式提取海岸线。