[发明专利]基于卫星云图和随机森林模型的太阳总辐照度反演方法

权利要求书

1.基于卫星云图和随机森林模型的太阳总辐照度反演方法，包括以下步骤：

⑴确定地表太阳辐照度反演地区的海拔高度及经纬度信息，并获得该地区的太阳辐照度观测资料GHI_ob及常规气象变量的观测资料；

⑵确定选择的晴空模型，在晴空模型下输入所述海拔高度及经纬度信息即可得到该地区晴天地表太阳辐照度数值，结合地表太阳辐照度观测数据GHI_ob对晴空模型进行订正，得到修订后的晴天太阳辐照度数值GHI_clear-sky；

⑶下载风云4号卫星云图数据，并对卫星云图进行预处理，读取7个通道的各个像素点云图反照率区域平均值，经过线性插值，得到10min时间分辨率的反照率区域平均值；

⑷下载随机森林模型Python程序包，利用GHI_ob、GHI_clear-sky和的历史数据对随机森林模型进行训练和超参数调优；

⑸根据超参数调优和训练好的随机森林模型，输入变量GHI_clear-sky和，即可获得该时刻地表太阳总辐照度的反演数值GHI_all-sky。

2.如权利要求1所述的基于卫星云图和随机森林模型的太阳总辐照度反演方法，其特征在于：所述步骤⑶中风云4号卫星云图数据来自国家气象科学数据中心，所使用的卫星图像的空间分辨率为2 km×2 km，选择光谱带宽为0.45 ~ 4.00μm的7个通道；同时删除太阳高度角小于10°的卫星图像。

3.如权利要求1所述的基于卫星云图和随机森林模型的太阳总辐照度反演方法，其特征在于：所述步骤⑶中卫星云图按下述方法进行预处理：先对卫星云图进行几何定标和辐射定标，卫星云图裁剪的面积是32km×32km，反演地区像素点居中；然后对于缺失的卫星云图采用线性插值方法进行插补，最后分别得到10min时间分辨率的7个通道反照率区域平均值、、、、、和。

4.如权利要求1所述的基于卫星云图和随机森林模型的太阳总辐照度反演方法，其特征在于：所述步骤⑷中随机森林模型的训练和超参数调优按下述方法进行：

①下载随机森林模型Python程序包；

②在修订后的晴天太阳辐照度数值GHI_clear-sky以及7个通道的卫星云图反照率区域平均值、、、、、和中随机选取70%的数据作为输入的训练数据；地表太阳辐照度观测数据GHI_ob作为输出参量；

③选择Python中的sklearn模块中的网格搜索和随机搜索方法分别对下述六种超参数进行调优：决策树个数n_estimators，决策树最大深度max_depth，最小分离样本数min_samples_split，最小叶子节点样本数min_samples_leaf，最大分离特征数max_features以及是否进行随机抽样bootstrap。