[发明专利]结合数据空间信息的机器学习重建无云地表温度方法

权利要求书

1.一种结合数据空间信息的机器学习重建无云地表温度方法，其特征在于：包括以下步骤，

S1、获取Landsat卫星遥感影像数据以及包括地形数据、土地利用数据、人口密度、土壤类型、发射率以及光谱指数在内的辅助数据；

S2、对S1获取的Landsat卫星遥感影像数据进行反演地表温度，随后进行去云和重采样的处理，得到初步的原始地表温度数据；

S3、结合S1所述的辅助数据和S2得到的初步的原始地表温度数据，构建经典回归随机森林模型；

S4、根据经典回归随机森林模型的袋外验证数据反馈调节经典回归随机森林模型的参数，直到得到最佳效果，随后使用该经过调节的参数获取初步填补的原始地表温度数据；

S5、根据S4获得的初步填补的原始地表温度数据，依据离像素点越近则赋予权重越大的原则，获取填补的原始地表温度数据及其空间信息；

S6、根据S5获得的填补的原始地表温度数据及其空间信息，结合S1所述的辅助数据，构建考虑空间信息的随机森林回归模型；

S7、根据考虑空间信息的随机森林回归模型的袋外验证数据反馈调节考虑空间信息的随机森林回归模型的参数，直到得到最佳效果，随后使用该经过调节的参数获取考虑空间信息的重建地表温度；

S8、根据S2和S7分别获取的初步的原始地表温度数据和考虑空间信息的重建地表温度获取残差，使用克里格插值回归，对残差缺失部分预测，得到完整的残差数据；

S9、耦合S8得到的完整的残差数据和S7得到的考虑空间信息的重建地表温度，得到最终的重建地表温度。

2.根据权利要求1所述的结合数据空间信息的机器学习重建无云地表温度方法，其特征在于：S1中，所述Landsat卫星遥感影像数据的空间分辨率为30m×30m，时间分辨率为16天；所述地形数据包括经纬度、数字高程模型以及坡度数据，坡度数据由数字高程模型计算得到，其空间分辨率为30m×30m；土地利用数据的空间分辨率为30m×30m；土壤类型包括三种土壤质地，分别为沙土、黏土以及粘土，其空间分辨率为250m×250m；反射率为中红外波段的反射率，空间分辨率为250m×250m，时间分辨率为1天；光谱指数包括增强植被指数、太阳天顶角度数，其空间分辨率为250m×250m，时间分辨率为1天。

3.根据权利要求1所述的结合数据空间信息的机器学习重建无云地表温度方法，其特征在于：S2所采用的温度反演算法为单通道算法；其中去云处理采用Landsat自带的QA波段完成；重采样处理具体为将30m×30m空间分辨率的地表温度数据使用双线性插值上采样至100m×100m空间分辨率。

4.根据权利要求1所述的结合数据空间信息的机器学习重建无云地表温度方法，其特征在于：S3所述经典回归随机森林模型的具体公式如下，

LST_ori＝f₁(x_terrain，x_pop，x_LUCC,x_mir，x_index，x_soil)

其中，LST_ori为原始地表温度数据，x_terrain为地形数据，x_pop为人口密度，x_LUCC为土地利用数据，x_mir为反射率，x_index为光谱指数，x_soil为土壤类型。