[发明专利]一种基于知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备

说明书

本发明属于地表温度估算技术领域，公开一种基于知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备，首选根据专家知识进行和相应的传感器的波段设置建立相应推理模式，对单个方程4个未知数地表温度、大气透过率、地表发射率和大气平均作用温度如何获取进行逻辑推理，确定传感器进行地表温度反演的最佳波段组合，选择最佳的地表温度反演方案。有益效果：本发明提供一种基于专家知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备，以克服传统方法需要获取关键参数作为先验知识从而影响反演精度的缺陷，同时也能克服在定标中存在的误差。

技术领域

本发明涉及地表温度估算方法的技术领域，具体涉及一种基于知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备。

背景技术

温度是表征地球各圈层之间能量传输的关键物理量之一。作为反映地表状态的重要指标，地表温度(LST)可以提供地表大气热和质量通量、植被水分胁迫和土壤水分等信息，与地球资源、地表能量平衡、环境、气候变化以及人类日常生产生活等众多方面息息相关，其信息的获取在水文、环境、生态和生物地球化学等众多研究领域中不可或缺。因此，随着不同领域对地表温度的时空分异性、动态变化掌握的需求不断增加，地表温度的快速获取具有重要的现实意义与急迫性。

获取LST的方法主要分为两种，第一种是传统方式，即通过地面有限观测点的监测数据来分析，此类方式在参数获取的种类覆盖上固然比较全面，但其致命缺点在于不能在各种生态环境下保持时间与空间上的数据连续性，在大尺度研究领域捉襟见肘的同时成本耗费巨大。因此，研究者们一直热衷于追求低成本、高效率的方式获取地表温度，另一种方法—空间测量LST应运而生。借助卫星遥感技术，通过热红外或被动微波，可便捷地获取大面积的地温资料，其数据更新快、成本低廉等优点使得该方式成为地表温度反演的主要方式[Yu X，Guo X，Wu Z.Land surface temperature retrieval from Landsat 8TIRS—Comparison between radiative transfer equation-based method，split windowalgorithm and single channel method[J].Remote Sensing，2014，6(10)：9829-9852.]。热红外(TIR)受大气影响较大但其光谱区域能检测到由地表直接发射的大部分能量，而被动微波虽然具有极强的穿透云层的作用，受大气影响较小，但现阶段对被动微波的地表辐射机理研究尚不成熟[毛克彪.农业气象遥感关键参数反演算法及应用研究[M].北京:中国农业科学技术出版社，2017:2-3.]。自20世纪70年代开始[McMillin L M.Estimation ofsea surface temperatures from two infrared window measurements with differentabsorption[J].Journal of Geophysical Research，1975，80(36)：5113-5117.]，热红外遥感技术迅速发展，并逐渐成为了地表热状况信息获取的重要手段[Jiménez-JC，Sobrino J A.A generalized single-channel method for retrieving land surfacetemperature from remote sensing data[J].Journal of Geophysical Research：Atmospheres，2003，108(D22).]。因此，热红外(TIR)数据一直是星载遥感器提供用于地表温度反演研究的主要来源，如Terra/Aqua上搭载的MODIS[Neteler M.Estimating dailyland surface temperatures in mountainous environments by reconstructed MODISLST data[J].Remote sensing，2010，2(1)：333-351.]和ASTER[Jiménez-J C，Sobrino J A.A single-channel algorithm for land-surface temperature retrievalfrom ASTER data[J].IEEE Geoscience and Remote Sensing Letters，2010，7(1)：176-179.]、NOAA上搭载的AVHRR[Pinheiro A C T，Privette J L，Mahoney R，etal.Directional effects in a daily AVHRR land surface temperature dataset overAfrica[J].IEEE Transactions on Geoscience and Remote Sensing，2004，42(9)：1941-1954.]、Landsat 8卫星上的TIRS[Rozenstein O，Qin Z，Derimian Y，et al.Derivationof land surface temperature for Landsat-8TIRS using a split window algorithm[J].Sensors，2014，14(4)：5768-5780.]，中国FY-3上搭载的VIRR[Jiang J，Li H，Liu Q，etal.Evaluation of land surface temperature retrieval from FY-3B/VIRR data inan arid area of northwestern China[J].Remote Sensing，2015，7(6)：7080-7104.]、HJ-1B上搭载的IRS[Li H，Liu Q，Du Y，et al.Evaluation of MODIS and NCEPatmospheric products for land surface temperature retrieval from HJ-1B IRSthermal infrared data with ground measurements[C]//2012IEEE InternationalGeoscience and Remote Sensing Symposium.IEEE，2012：5057-5060.]、GBERS-02上搭载的IRMSS[张勇，余涛，顾行发，张玉香，陈良富，余姗姗，张文君，李小文.CBERS-02IRMSS热红外数据地表温度反演及其在城市热岛效应定量化分析中的应用[J].遥感学报，2006(05):789-797.]。对此，各国学者针对不同卫星搭载的不同传感器，开展了多种地表温度反演方法，主要可以分为以下5类：单通道算法、多通道算法、多角度算法、多时相算法、高光谱反演算法。