一种基于物理模型与数据驱动的全天候地表温度重建方法技术

本方案公开了一种基于物理模型与数据驱动的全天候地表温度重建方法，该方法考虑到物理模型的可解释性与外推能力强，而数据驱动方法对数据适应性与挖掘数据特征能力强，将物理建模与灵活的数据驱动建模相结合重建LST，以物理模型生成LST源数据，使用数据驱动方法提高精度，能够生成一种空间分辨率较高的全天候类似MODIS数据，弥补卫星TIR影像受云污染而无法获取完整LST的缺点。本方案将重建模型建立在LST源数据的真实性与科学性的基础上，然后使用多源遥感数据与影像空间信息提高LST精度，最终能获得高精度的全天候LST影像。最终能获得高精度的全天候LST影像。最终能获得高精度的全天候LST影像。

【技术实现步骤摘要】
一种基于物理模型与数据驱动的全天候地表温度重建方法


[0001]本专利技术属于地表温度重建
，尤其是涉及一种基于物理模型与数据驱动的全天候地表温度重建方法。

技术介绍

[0002]目前，最常用于获取地表温度(LST)的技术是热红外(TIR)遥感(RS)。然而，这种通过卫星获取LST影像容易受到云的干扰，限制了卫星TIR传感器提供完整时空覆盖的LST，研究表明，被云污染的无效数据高达50％以上，并且白天尤为明显，极大降低了LST的遥感应用价值。
[0003]如何重建无云污染的全天候LST，仍然是一个难题，迫切需要开展深入研究。针对该问题，学者们提出了一系列的重建方法，主要可以分为四种：填隙法、被动微波测量法、数据驱动法与物理模型法。
[0004]填隙法主要根据“相近相似”的地理学第一定律，利用时空相邻的像元信息，通过替换或插值推导出被云污染的像元值，例如使用克里金插值与反距离加权插值重建LST。该方法基于时空相邻晴空像元，所以只能推导出假设晴空LST，而不是真实云下的LST。
[0005]被动微波测量法可以直接获取全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，包括以下步骤：S1.通过物理模型模拟出分辨率与MODIS LST一致的目标日全天候LST；S2.将目标日全天候LST进行椭球转换得到转换后的目标日全天候WRF LST；S3.MODIS LST的有效像元作为因变量y，WRF LST时间空间对应因变量y的像元作为自变量x，每个自变量x与对应因变量y为一组，将多组数据划分为训练集和验证集，并使用训练集训练数据模型得到训练后的目标日数据模型，验证集用于验证训练后的目标日数据模型；S4.将转换后的目标日全天候WRF LST作为自变量X输入所述的目标日数据模型，目标日数据模型输出目标日的全天候重建LST。2.根据权利要求1所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，步骤S3和S4中，将自变量的待训练/预测的目标像元的空间相邻像元作为目标像元的空间特性信息一并输入待训练的数据模型或已训练的目标日数据模型。3.根据权利要求1所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，步骤S3中，同时将多源遥感数据时间空间对应因变量y的像元作为自变量x；步骤S4中，同时将多源遥感数据作为自变量X输入目标日数据模型。4.根据权利要求3所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，所述的多源遥感数据包括高程DEM、纬度LAT、坡度SLOPE和归一化植被指数NDVI。5.根据权利要求1
‑
4任意一项所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，若目标日MODIS LST的有效像元足够多，则执行所述步骤S4得到目标日的全天候重建LST；若目标日MODIS LST的有效像元不够多，则目标日最终的全天候重建LST通过步骤S5确定：获取目标日相邻时间的经过训练的若干数据模型为时间相邻模型，并将目标日的自变量X分别输入若干时间相邻模型，将所有时间相邻模型的输出按设定权重求和得到目标日的全天候重建LST。6.根据权利要求5所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，当目标日MODIS LST的有效像元多于像元设定值时视为有效像元足够多，且不执行步骤S4，直接执行S5；或者，当目标日MODIS LST与步骤S4得到的重建LST的相关性系数小于系数设定值时视为有效像元不够多，且继续执行步骤S5。7.根据权利要求6所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，目标日MODIS LST的有效像元不够多时，获取目标日的前一日、后一日经过训练的两个数据模型为时间相邻模型，并将目标日的自变量X分别输入两个时间相邻模型，将两个时间相邻模型的输出按设定权重求和得到目标日的重建LST。8.根据权利要求7所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，目标日MODIS LST的有效像元足够多时，数据驱动部分的计算方法如下：f(X...

【专利技术属性】
技术研发人员：张学鹏，勾鹏，黄莹双，周天宇，刘洋，聂维，欧阳宁磊，王思瑜，
申请(专利权)人：南湖实验室，
类型：发明
国别省市：