[发明专利]基于机器学习的全天候地表温度生成方法及装置有效
| 申请号： | 201910812200.X | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110516816B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 赵伟 | 申请（专利权）人： | 中国科学院;水利部成都山地灾害与环境研究所 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G01J5/00 |
| 代理公司： | 北京德崇智捷知识产权代理有限公司 11467 | 代理人： | 高琦 |
| 地址： | 610041 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的全天候地表温度生成方法及装置，所述方法采用MODIS的工具MRT提取经遥感反演的MODIS数据集；并采用静止气象卫星数据、与ALOS卫星的DEM地形数据相结合，估算并得到地表入射太阳辐射；将相同的空间尺度的数据集进行空间聚合，与上述MODIS数据集作为机器学习训练数据集；通过随机森林模型构建地表温度关系模型；估算有云覆盖像元的地表真实温度；将有云覆盖像元的地表真实温度与无云覆盖像元的数据集相结合，生成全天候地表温度。本发明方法解决了当前热红外遥感易受云雾影响、地表温度产品存在大量空白缺值区域的问题，实现有云条件地表温度估算，为全天候地表温度产品生成提供重要的基础。 | ||
| 搜索关键词： | 基于 机器 学习 全天候 地表 温度 生成 方法 装置 | ||
【主权项】：
1.一种基于机器学习的全天候地表温度生成方法，其特征在于，所述方法包括：/n采用MODIS的数据处理工具MRT，在相应的MODIS陆地产品中分别提取经遥感反演的有云覆盖像元、无云覆盖像元各自对应的MODIS数据集；所述MODIS数据集包括归一化植被指数、增强植被指数、叶面积指数、地表反照率数据及最佳反演精度的地表温度；/n采用静止气象卫星数据、与ALOS卫星的DEM地形数据相结合，估算并得到地表入射太阳辐射；/n依据所述地表温度的空间尺度，将相同的空间尺度的地表入射太阳辐射聚合，得到空间尺度聚合的数据集；将所述空间尺度聚合的数据集、及所述无云覆盖像元的数据集，作为机器学习训练数据集；/n选用随机森林模型训练所述机器学习训练数据集、构建并得到地表温度关系模型；将所述地表温度关系模型应用于所述有云覆盖像元的数据集、估算并得到所述有云覆盖像元的地表真实温度；/n将所述有云覆盖像元的地表真实温度与所述无云覆盖像元的数据集相结合，生成全天候地表温度。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院、水利部成都山地灾害与环境研究所，未经中国科学院、水利部成都山地灾害与环境研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910812200.X/，转载请声明来源钻瓜专利网。
