[发明专利]一种基于数据挖掘的地表温度降尺度方法

权利要求书

1.一种基于数据挖掘的地表温度降尺度方法，其特征在于，基于挖掘高空间分辨率短波波段信息实现低空间分辨率地表温度降尺度，包括以下步骤：

步骤1：根据实验区域选取合适的低空间分辨率地表温度数据及高空间分辨率可见光数据作为数据源；

步骤2：采用双线性内插法将低空间分辨率地表温度数据重采样至高空间分辨率可见光数据像元尺寸下，并将高空间分辨率数据空间聚合至低空间分辨率像元尺度下，将重采样后地表温度数据及原始可见光数据输入；

步骤3：定义一个变异系数C_v，作为充分挖掘波段信息的阈值，C_v值越低，可认为采集到的样本越均一；

步骤4：根据不同传感器输入数据的尺度比scale，创建一个scale*scale大小的移动窗口，按从左至右，从上到下的方向移动，统计窗口内像元的C_v值，低于预设定C_v值的像元，认为是纯像元，采集为样本；

变异系数(C_v)计算公式如下：

式中，σ_i为移动窗口内像元值的标准偏差，μ_i为移动窗口内像元值的平均值，n为移动窗口内像元总数；

步骤5：将样本数据拆分为样本值及标签值两部分，采用随机森林方法进行模型构建，并将模型应用于整个图像区域，得到全局模型结果；

步骤6：定义一个局部模型预测窗口predict_window及一个局部模型采样窗口samples_window，要求采样窗口大于预测窗口，以削弱局部预测结果的边界效应；

步骤7：步骤7-1：基于samples_window，进行步骤4操作，得到局部样本数据；步骤7-2：继续进行步骤5操作，构建局部模型，将模型应用于predict_window范围，移动窗口；重复步骤7-1和步骤7-2，直至整个图像区域均被预测，得到局部模型结果；

步骤8：逐像元计算全局模型及局部模型结果与原始地表温度数据之间的差异，基于该差异计算全局及局部模型在该像元处合并时所占权重，以此对全局模型及局部模型结果进行合并得到T_combined；

所述步骤8中对全局模型及局部模型结果进行合并，基于不同像元处全局及局部模型所占权重，权重占比按以下公式计算：

式中，Weight_g为全局模型所占权重，Weight_l为局部模型所占权重；w_g为全局模型权重指数，w_l为局部模型权重指数，其计算公式如下：

式中，d_g为全局模型结果在像元处与原始地温数据的偏差，d_l为局部模型结果在像元处与原始地温数据的偏差；若|d_g|＜0.1或|d_l|＜0.1时，则对应w_g或w_l值被定义为100；

步骤9：基于能量平衡公式，计算scale*scale窗口内的温度残差，将残差结果应用于窗口内每一个像元，完成低分辨率地表温度数据降尺度过程；

所述能量平衡公式如下：

式中，n为scale*scale窗口中像元的总个数，T_i为窗口内对应位置合并模型结果像元值；能量残差场应用过程如下公式所示：

T_apply＝T_combined+(T_org-T_res)

式中，T_combined为合并模型结果，T_org为原始地温数据。

2.根据权利要求1所述的地表温度降尺度方法，其特征在于，采用的原始地表温度数据为MODIS/TERRA MOD11A2 LST日产品数据,数据格式为HDF格式；结合质量控制文件(QC文件)和图像坐标信息，将原始HDF5格式文件转换为带有地理信息的TIFF格式文件。