集成热红外与再分析资料的全天候地表温度生成方法技术

本发明专利技术提供了一种集成热红外与再分析资料的全天候地表温度生成方法，该方法基于随机森林集成热红外遥感与再分析资料实现，具体包括以下步骤：数据预处理与时空匹配；时间算法的实现；空间算法的实现；以及生成最终的1km全天候地表温度。本发明专利技术引入再分析数据，以提供较长的地表温度及其相关观测数据，将其与热红外卫星遥感进行集成得到长时间序列、高时空分辨率的全天候地表温度，得到的地表温度同传统的热红外卫星遥感地表温度产品具有良好的一致性，且经过实测地表温度的检验，精度在可接受范围，图像质量较高，能展现更多地表温度的空间细节信息，总体质量和精度都要优于集成热红外卫星遥感数据和被动微波数据的方法。

【技术实现步骤摘要】
集成热红外与再分析资料的全天候地表温度生成方法
本专利技术涉及卫星遥感地表温度产品生成领域，具体涉及一种基于随机森林集成热红外遥感与再分析资料的1km全天候地表温度生成方法。
技术介绍
地表温度(LST)在地球表面和大气界面的物质循环和能量交换中一个非常重要的物理量。地表温度的准确估算对能量循环、气候预报、农业生产等方面具有推动作用。及时掌握区域和全球尺度上的地表温度时空分布，尤其是全面、完整和连续的地表温度时空分布信息，对地气系统能量平衡和生态系统研究具有重要意义。随着遥感技术的大力发展，越来越丰富的遥感数据被获取，使得精确估算全球范围的地表温度成为可能。过去几十年来，利用星载热红外遥感数据反演地表温度得到了极大发展，其算法较为成熟，空间分辨率较高，反演的精度基本能够满足实际工作与公开应用的要求。然而，在类似青藏高原这样具有频繁云覆盖特征的地区，传统的地表温度产品无法达到全天候监测的应用要求。使用集成热红外和被动微波数据的方法能够生成具有较高分辨率的全天候地表温度，并有效地填补数据缺失部分，但是由于该方法使用涉及的数据源时间跨度短，时间分辨率本文档来自技高网...

【技术保护点】
1.一种集成热红外与再分析资料的全天候地表温度生成方法，其特征在于，该方法首先从众多机器学习算法中选择随机森林回归(random forest regression)用于构建热红外遥感地表温度产品TIR LST和再分析资料之间的映射关系，并基于时间和空间维度提出两种算法用以刻画和描述地表温度的特征：一种是时间算法(temporal algorithm)，即描绘时间维度上地表温度变化的算法，该算法利用晴空条件下的低分辨率再分析数据生成全天候高分辨率的地表温度，最终生成的地表温度称为LST

【技术特征摘要】
1.一种集成热红外与再分析资料的全天候地表温度生成方法，其特征在于，该方法首先从众多机器学习算法中选择随机森林回归(randomforestregression)用于构建热红外遥感地表温度产品TIRLST和再分析资料之间的映射关系，并基于时间和空间维度提出两种算法用以刻画和描述地表温度的特征：一种是时间算法(temporalalgorithm)，即描绘时间维度上地表温度变化的算法，该算法利用晴空条件下的低分辨率再分析数据生成全天候高分辨率的地表温度，最终生成的地表温度称为LSTT-RF；同时，考虑到地表温度在时空维度上变化的差异性，针对性地提出一种空间算法(spatialalgorithm)，用以描述地表温度与其相关的空间因子之间的映射关系，该算法利用全天候条件下高空间分辨率数据，结合较低空间分辨率的再分析资料，生成全天候高空间分辨率地表温度，通过该算法得到的地表温度称为LSTS-RF，最终，通过随机森林回归的方法，结合所有与地表温度相关的时空因子，集成时间算法和空间算法的结果，生成精度最好的1km全天候地表温度LSTT-RF-S，该方法具体包括以下步骤：
1)数据预处理与时空匹配：
选择区域为青藏高原和其周边地区，即19.5°N-44°N,73°E-104°E，青藏高原是世界上海拔最高的高原，平均海拔超过4000米，由于其独特的地理位置和地形，这一地区具有非常复杂的气候条件和各种土地覆盖类型，青藏高原的动力、热力效应对亚洲季风的形成具有关键性的作用，同时也是全球气候变化的敏感区域之一；地表温度是地表能量平衡中的主要参数，对于进一步研究该地区的陆地-大气相互作用具有重要意义，因此迫切需要一种长时间序列、高时空分辨率的地表温度数据；具体采用的数据集包括：1)遥感数据集：MODIS逐日地表温度产品MOD21A1/MYD21A1，1km，16天合成归一化植被指数NDVI产品MOD12A2，1km，逐日地表反照率产品MCD43A3，1km，逐日归一化雪指数NDSI产品MOD10A1，500m，DEM250m；2)再分析资料：全球陆面数据同化系统GLDAS，时间分辨率3小时，空间分辨率为0.25°GLDAS_NOAH025_3H；3)验证数据集：9个科研站点的地表实测温度数据；
首先，利用IDL语言和MRT工具对MODIS数据产品进行批量处理；对于MOD21A1/MYD21A1数据，利用相应的质量控制数据，提取高质量的MODISLST像元；
其次，对GLDAS数据的参数时间进行三次样条函数内插，以统一到MODISLST的观测时间，然后根据读取的GLDAS数据和MODIS数据的经纬度信息，在MATLAB软件平台中进行空间匹配，生成对应位置关系的查找表，最后以此为基础逐年输出相关参数数据；
第三步，分别将250m的DEM和500m的MODIS土地覆盖数据重采样到1km分辨率，以匹配MODISLST数据；16天1km分辨率的NDVI数据则进行时间插值，以符合逐日的时间分辨率要求；
最后，利用基于统计的时间滤波器填补由云层覆盖导致缺失的1km反照率和NDSI数据；
2)时间算法的实现：
第一步，根据公式(1)，将预处理好的1年再分析资料GLDAS和MODIS数据在Matlab平台上逐像元训练MODISLST和GLDAS数据的回归关系：



式中，LSTTIR-Q表示高空间分辨率的卫星地表温度产品中像元Q对应的时间序列，单位为K，预设时长为1年；GLsd代表包含像元Q的再分析数据相关因子的时间序列；RFQ表示LSTTIR-Q与GLsd之间建立的随机森林回归关系；PT-m-sd表示第m个地表温度相关因子的时间序列；
第二步，根据第一步的回归结果，利用公式(2)估算初始的全天候1km地表温度，考虑云层覆盖的影响，将利用公式(1)求取初始1km全天候地表温度的过程具体到晴空和非晴空的条件下：



式中，和分别表示在晴空和非晴空条件下，像元所对应的1km地表温度估算值；td-cd-n表示非晴空条件下的第n个像元；
第三步，通过公式(3)估算初始的全天候地表温度和MODISLST之间的系统误差，具体为像元Q对应的1km地表...

【专利技术属性】
技术研发人员：周纪，张晓东，薛东剑，唐文彬，
申请(专利权)人：电子科技大学，成都理工大学，
类型：发明
国别省市：四川;51