基于卫星数据和随机森林模型室外环境温度遥感反演方法技术

本发明专利技术属于资源与环境技术领域，具体涉及一种基于卫星数据和随机森林模型室外环境温度遥感反演方法，通过获取室外环境温度遥感反演方法所需的数据；对数据进行预处理；根据预处理后的数据获取LST、NDVI、MNDWI和NDBI；将计算后的LST、NDVI、MNDWI、NDBI和数据中DEM数据作为自变量，与目标变量实测室外环境温度匹配，制作样本数据集，构建随机森林机器学习模型；以及基于最优随机森林机器学习模型，获取室外环境温度OAT，实现基于准实时的卫星遥感影像反演大范围、精细化的室外环境温度，使人们对外界环境冷热状况的感知更具体，更真切，可以更客观、更精细地反映较大范围近地面生态系统的热量分布状况，较基于气象观测站点插值出来的温度空间分布具有明显优势。出来的温度空间分布具有明显优势。出来的温度空间分布具有明显优势。

【技术实现步骤摘要】
基于卫星数据和随机森林模型室外环境温度遥感反演方法


[0001]本专利技术属于资源与环境
，具体涉及一种基于卫星数据和随机森林模型室外环境温度遥感反演方法。

技术介绍

[0002]室外环境温度(Outdoor Ambient Temperature,OAT)是表示室外环境冷热程度的物理量，反映了在自然条件下近地面气温的高低，可用温度表示，单位℃。室外环境温度OAT反映了百叶箱外自然、真实环境的气温状况，更能客观、真实反映人体对外界自然环境冷热程度的感知。
[0003]气象学上的气温，通常由气象台站在离地表1.5或2m高度处的百叶箱内测定，代表了这一高度附近较大范围的近地面平均环境气温，这种气温是在离草地1.5m高处、通风且不受太阳直接辐射下的气温，是一种近似理想状态下的气温。
[0004]由于下垫面类型、太阳辐射和通风状况等不同，因此室外环境温度OAT与百叶箱内的气温往往会存在明显的差异。此外，气象站点有限且空间分布也不均匀，气象站观测的气温能够代表的范围有限，难以细致表达区域内局部位置环境温度的水平空间分布状况。
[0005]具有空间连续成像特点的热红外遥感影像已成为获取地球下垫面温度信息的重要数据源。静止卫星具有高时间分辨率，时间间隔可达分钟级，能够对同一区域进行持续观测，在近地面温度反演及日变化的研究中具有独特的优势。由于气温与LST之间存在物理意义明确的相关关系，因而可以通过LST间接估算气温，以往的研究多集中于用卫星反演的LST来估算百叶箱内测得的近地面气温。由于缺乏百叶箱外的室外环境温度的观测数据，通过LST来估算OAT的方法尚未见报道。因此，迫切需要一种快速、准确获取大范围、精细化的室外环境温度OAT的遥感反演方法，为更有针对性地指导生产、生活和进行科学健康管理提供依据。

技术实现思路

[0006]本专利技术的目的是提供一种基于卫星数据和随机森林模型室外环境温度遥感反演方法。
[0007]为了解决上述技术问题，本专利技术提供了一种基于卫星数据和随机森林模型的室外环境温度遥感反演方法，包括：
[0008]获取室外环境温度遥感反演方法所需的数据；
[0009]对数据进行预处理；
[0010]根据预处理后的数据通过劈窗算法反演地表温度LST；
[0011]根据预处理后的数据计算归一化植被指数NDVI；
[0012]根据预处理后的数据计算改进的归一化差异水体指数MNDWI；
[0013]根据预处理后的数据计算归一化建筑指数NDBI；
[0014]将计算后的LST、NDVI、MNDWI、NDBI和数据中DEM数据作为自变量，与目标变量匹
配，制作样本数据集，构建随机森林机器学习模型；以及
[0015]基于最优随机森林机器学习模型，获取室外环境温度OAT。
[0016]进一步，所述获取室外环境温度遥感反演方法所需的数据的方法包括：
[0017]获取晴空无云时的Himawari
‑
8卫星数据、与卫星过境相近时刻的室外环境温度地面观测数据和数字高程DEM数据。
[0018]进一步，所述对数据进行预处理的方法包括：
[0019]对Himawari
‑
8卫星数据进行预处理，获得1
‑
16通道的亮温和反射率数据，投影方式为等经纬度投影，空间分辨率为2KM。
[0020]进一步，所述根据预处理后的数据通过劈窗算法反演地表温度LST的方法包括：
[0021]根据预处理后的Himawari
‑
8卫星数据，通过劈窗算法反演地表温度LST，
[0022]其中，T
i
和T
j
分别为14和15通道的亮温；T
s
为地表温度LST；ε＝(ε
i
+ε
j
)/2，是14和15通道的平均比辐射率；Δε＝ε
i
‑
ε
j
，是14和15通道比辐射率的差值；a0～a6是算法回归系数。
[0023]进一步，所述根据预处理后的数据计算归一化植被指数NDVI的方法包括：
[0024]根据预处理后的Himawari
‑
8卫星数据，计算归一化植被指数NDVI，
[0025]NDVI＝(NIR
‑
R)/(NIR+R)；
[0026]其中，NIR为4通道的反射率，R为3通道的反射率。
[0027]进一步，所述根据预处理后的数据计算改进的归一化差异水体指数MNDWI的方法包括：
[0028]根据预处理后的Himawari
‑
8卫星数据，计算改进的归一化差异水体指数MNDWI，
[0029]MNDWI＝(Geen
‑
MIR)/(Green+MIR)；
[0030]其中Green为2通道的反射率，MIR为7通道的反射率。
[0031]进一步，所述根据预处理后的数据，计算归一化建筑指数NDBI的方法包括：
[0032]根据预处理后的Himawari
‑
8卫星数据，归一化建筑指数NDBI，
[0033]NDBI＝(SWIR
‑
NIR)/(SWIR+NIR)；
[0034]其中，SWIR为5或6通道的反射率，NIR为4通道的反射率。
[0035]进一步，所述将计算后的LST、NDVI、MNDWI、NDBI和数据中DEM数据作为自变量，与目标变量匹配，制作样本数据集，构建随机森林机器学习模型的方法包括：
[0036]将计算后的LST、NDVI、MNDWI、NDBI和预先获取的DEM作为自变量，与地面实测室外环境温度数据匹配，制作样本数据集，构建随机森林机器学习模型，
[0037]步骤a，将室外环境温度观测站经纬度坐标对应卫星影像中的像元信息，以这个像元为中心，获取3
×
3像元格点区域，计算像元格点区域像元的平均值；
[0038]步骤b，将像元的平均值与对应时刻、对应站点的室外环境温度值匹配，构成自变量与目标变量的样本数据集，其中自变量包括：LST、NDVI、MNDWI、NDBI和DEM数据，目标变量包括：地面实测室外环境温度数据；
[0039]步骤c，将样本数据集分割成10个子样本，一个单独的子样本当做测试集用来验证模型，其他9个子样本用来训练；
[0040]步骤d，第一次模型训练：将9个子样本合并形成一个训练集，有放回的从中随机抽
取N次，得到N个新的训练集，未抽取的部分组成袋外数据OOB；
[0041]步骤e，每个训练集生成一个决策树，决策树每个节点从自变量中选择mtry个，按照节点不纯度最小原则进行分支生长；
[0042]步骤f，将步骤e重复进行N次，得到N棵决策树组成随机森林；
[0043]步骤g，随机森林的结果为每棵决策树通过简单平均法得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卫星数据和随机森林模型的室外环境温度遥感反演方法，其特征在于，包括：获取室外环境温度遥感反演方法所需的数据；对数据进行预处理；根据预处理后的数据通过劈窗算法反演地表温度LST；根据预处理后的数据计算归一化植被指数NDVI；根据预处理后的数据计算改进的归一化差异水体指数MNDWI；根据预处理后的数据计算归一化建筑指数NDBI；将计算后的LST、NDVI、MNDWI、NDBI和数据中DEM数据作为自变量，与目标变量匹配，制作样本数据集，构建随机森林机器学习模型；以及基于最优随机森林机器学习模型，获取室外环境温度OAT。2.如权利要求1所述的室外环境温度遥感反演方法，其特征在于，所述获取室外环境温度遥感反演方法所需的数据的方法包括：获取晴空无云时的Himawari
‑
8卫星数据、与卫星过境相邻时刻的室外环境温度实测数据和数字高程DEM数据。3.如权利要求2所述的室外环境温度遥感反演方法，其特征在于，所述对数据进行预处理的方法包括：对Himawari
‑
8卫星数据进行预处理，获得1
‑
16通道的亮温和反射率数据，投影方式为等经纬度投影，空间分辨率为2KM。4.如权利要求3所述的室外环境温度遥感反演方法，其特征在于，所述根据预处理后的数据通过劈窗算法反演地表温度LST的方法包括：根据预处理后的Himawari
‑
8卫星数据，通过劈窗算法反演地表温度LST，其中，T
i
和T
j
分别为14和15通道的亮温；T
s
为地表温度LST；ε＝(ε
i
+ε
j
)/2，是14和15通道的平均比辐射率；Δε＝ε
i
‑
ε
j
，是14和15通道比辐射率的差值；a0～a6是算法回归系数。5.如权利要求4所述的室外环境温度遥感反演方法，其特征在于，所述根据预处理后的数据计算归一化植被指数NDVI的方法包括：根据预处理后的Himawari
‑
8卫星数据，计算归一化植被指数NDVI，NDVI＝(NIR
‑
R)/(NIR+R)；其中，NIR为4通道的反射率，R为3通道的反射率。6.如权利要求5所述的室外环境温度遥感反演方法，其特征在于，所述根据预处理后的数据计算改进的归一化差异水体指数MNDWI的方法包括：根据预处理后的Himawari
‑
8卫星数据，计算改进的归一化差异水体指数MNDWI，MNDWI＝(Geen
‑
MIR)/(Green+MIR)；其中Green为2通道的反射率，MIR为7通道的反射率。7.如权利要求6所述的室外环境温度遥感反演方法，其特征在于，所述根据预处理后的数据，计算归一化建筑指数NDBI的方法包括：根据预处理后的Himawari
...

【专利技术属性】
技术研发人员：杭鑫，李亚春，项瑛，朱士华，孙良宵，谢小萍，李心怡，单婵，
申请(专利权)人：江苏省气候中心，
类型：发明
国别省市：