地表温度数据重构模型构建方法及地表温度数据重构方法技术

本发明专利技术提供了一种地表温度数据重构模型构建方法及地表温度数据重构方法，涉及数据重构技术领域，包括：获取多源遥感数据；基于NDVI数据、降水量数据、气溶胶光学厚度数据，对原始MODIS地表温度和原始GLDAS地表温度进行时空一致性匹配，得到无云MODIS地表温度和降尺度后GLDAS地表温度；基于无云MODIS地表温度和降尺度后GLDAS地表温度构建目标数据集，并利用目标数据集对GAN模型进行训练和测试得到目标数据重构模型；其中，目标数据重构模型用于重构MODIS地表温度。本发明专利技术可以显著提升地表温度数据重构模型的重建精度，从而显著改善地表温度数据重建效果。温度数据重建效果。温度数据重建效果。

【技术实现步骤摘要】
地表温度数据重构模型构建方法及地表温度数据重构方法


[0001]本专利技术涉及数据重构
，尤其是涉及一种地表温度数据重构模型构建方法及地表温度数据重构方法。

技术介绍

[0002]热红外MODIS（Moderate
‑
resolution Imaging Spectroradiometer，中分辨率成像光谱仪）地表温度产品由于自身传感器特性，受云层等天气条件影响很大，在非晴空条件下无法有效获取云层覆盖下的有效热辐射信息，限制了该产品的实际应用需求。目前重建MODIS产品云下缺失地表温度信息的方法可归纳为基于时空域信息、基于表面能量平衡和基于被动微波或再分析数据。
[0003]其中：（1）基于时空域信息，包括样条函数插值、小波变换等方法，此类方法重建出的一般是假设晴空条件下的理论值，而并非卫星过境时的云下真实地表温度值。（2）基于表面能量平衡，主要是结合各种地表参数进行物理过程建模，需要特定的气象水文观测数据来计算晴空和多云区域间的地表温度差异，而大多观测数据难以在大尺度区域获取，且引入过多参量会增加建模过程的系统误差。（3）基于被动微波或再分析数据是重建MODIS地表温度数据最为广泛和有效的方法，被动微波或再分析数据能够获取空间无缝地表温度信息，采用不同算法综合被动微波或再分析数据和MODIS数据的各自优势，可重建空间无缝MODIS地表温度数据。在当前的实际应用中，基于被动微波或再分析数据进行MODIS地表温度数据重建包括多分辨率卡尔曼滤波、增强型自适应反射率融合模型(ESTARFM)和时间序列分解模型等方法，但这些方法一般只考虑到被动微波或再分析数据和MODIS地表温度之间的线性关系，忽略了地表温度的高时空变化性，在地表异质性较高的区域容易产生较大的重建误差，导致重建效果较差。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种地表温度数据重构模型构建方法及地表温度数据重构方法，可以显著提升地表温度数据重构模型的重建精度，从而显著改善地表温度数据重建效果。
[0005]第一方面，本专利技术实施例提供了一种地表温度数据重构模型构建方法，包括：获取多源遥感数据；其中，所述多源遥感数据包括原始MODIS地表温度、原始GLDAS地表温度、NDVI数据、降水量数据、气溶胶光学厚度数据；基于所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据，对所述原始MODIS地表温度和所述原始GLDAS地表温度进行时空一致性匹配，得到无云MODIS地表温度和降尺度后GLDAS地表温度；基于所述无云MODIS地表温度和所述降尺度后GLDAS地表温度构建目标数据集，并利用所述目标数据集对GAN模型进行训练和测试得到目标数据重构模型；其中，所述目标数据重构模型用于重构MODIS地表温度。
[0006]在一种实施方式中，基于所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据，对所述原始MODIS地表温度和所述原始GLDAS地表温度进行时空一致性匹配，得到无云MODIS地表温度和降尺度后GLDAS地表温度，包括：判定所述原始MODIS地表温度对应的像元类型；其中，所述像元类型包括云覆盖像元和非云覆盖像元；将所述非云覆盖像元对应的所述原始MODIS地表温度确定为无云MODIS地表温度；基于所述无云MODIS地表温度的空间范围和/或时间期次，从所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据中，分别匹配出目标NDVI数据、目标降水量数据、目标气溶胶光学厚度数据；以所述目标NDVI数据、所述目标降水量数据、所述目标气溶胶光学厚度数据、高程数据、地表类型覆盖数据和经纬度数据作为输入特征值，以所述原始MODIS地表温度作为目标拟合值，对随机森林模型进行训练；基于训练得到的所述随机森林模型，对所述原始GLDAS地表温度进行空间降尺度处理得到降尺度后GLDAS地表温度；其中，所述降尺度后GLDAS地表温度的空间分辨率与所述原始MODIS地表温度的空间分辨率一致。
[0007]在一种实施方式中，基于所述无云MODIS地表温度和所述降尺度后GLDAS地表温度构建目标数据集，包括：基于所述无云MODIS地表温度的空间范围和/或时间期次，从所述降尺度后GLDAS地表温度中，匹配出目标GLDAS地表温度；将所述无云MODIS地表温度和所述目标GLDAS地表温度，统一裁剪至指定尺寸且像元范围内无云覆盖缺失值，得到无缺失MODIS地表温度和无缺失GLDAS地表温度；基于真实云覆盖情况下的原始MODIS地表温度生成云掩膜数据，并利用所述云掩膜数据对所述无缺失MODIS地表温度进行掩膜处理，得到模拟云覆盖情况下的缺失MODIS地表温度；基于所述无缺失MODIS地表温度、所述无缺失GLDAS地表温度和所述缺失MODIS地表温度，构建目标数据集。
[0008]在一种实施方式中，利用所述目标数据集对GAN模型进行训练和测试得到目标数据重构模型，包括：将所述目标数据集划分为训练数据集和测试数据集；将所述训练数据集中的所述无缺失GLDAS地表温度和所述缺失MODIS地表温度输入至GAN模型中的生成网络部分，以通过所述生成网络部分确定第一重建MODIS地表温度；将所述训练数据集中的所述无缺失MODIS地表温度和所述第一重建MODIS地表温度输入至所述GAN模型中的判别网络部分，以通过所述判别网络部分确定所述无缺失MODIS地表温度和所述第一重建MODIS地表温度之间的差异；通过Huber损失函数、所述训练数据集中的所述无缺失MODIS地表温度和所述第一重建MODIS地表温度对所述生成网络部分进行训练，以及通过VGG损失函数、所述训练数据集中的所述无缺失MODIS地表温度和所述第一重建MODIS地表温度对所述判别网络部分进行训练，得到初始数据重构模型；将所述测试数据集中的所述无缺失GLDAS地表温度和所述缺失MODIS地表温度输
入至所述初始数据重构模型，以通过所述初始数据重构模型确定第二重构MODIS地表温度；基于所述测试数据集中的所述无缺失MODIS地表温度和所述第二重构MODIS地表温度确定第一模型评价指标，并基于所述第一模型评价指标对所述初始数据重构模型进行模型结构调整与参数优化，得到目标数据重构模型；其中，所述第一模型评价指标包括均方根误差指标和/或相关系数指标。
[0009]第二方面，本专利技术实施例还提供一种地表温度数据重构方法，包括：获取待重构MODIS地表温度和所述待重构MODIS地表温度匹配的无缺失GLDAS地表温度；通过目标数据重构模型，基于所述待重构MODIS地表温度匹配的无缺失GLDAS地表温度，对所述待重构MODIS地表温度进行数据重构处理，得到实际重构MODIS地表温度；其中，所述目标数据重构模型是采用第一方面提供的任一项所述的地表温度数据重构模型的构建方法构建得到的。
[0010]在一种实施方式中，所述方法还包括：获取所述待重构MODIS地表温度匹配的站点实测地表温度；基于所述实际重构MODIS地表温度和所述站点实测地表温度确定第二模型评估指标；其中，所述第二模型评估指标用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地表温度数据重构模型构建方法，其特征在于，包括：获取多源遥感数据；其中，所述多源遥感数据包括原始MODIS地表温度、原始GLDAS地表温度、NDVI数据、降水量数据、气溶胶光学厚度数据；基于所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据，对所述原始MODIS地表温度和所述原始GLDAS地表温度进行时空一致性匹配，得到无云MODIS地表温度和降尺度后GLDAS地表温度；基于所述无云MODIS地表温度和所述降尺度后GLDAS地表温度构建目标数据集，并利用所述目标数据集对GAN模型进行训练和测试得到目标数据重构模型；其中，所述目标数据重构模型用于重构MODIS地表温度。2.根据权利要求1所述的地表温度数据重构模型构建方法，其特征在于，基于所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据，对所述原始MODIS地表温度和所述原始GLDAS地表温度进行时空一致性匹配，得到无云MODIS地表温度和降尺度后GLDAS地表温度，包括：判定所述原始MODIS地表温度对应的像元类型；其中，所述像元类型包括云覆盖像元和非云覆盖像元；将所述非云覆盖像元对应的所述原始MODIS地表温度确定为无云MODIS地表温度；基于所述无云MODIS地表温度的空间范围和/或时间期次，从所述NDVI数据、所述降水量数据、所述气溶胶光学厚度数据中，分别匹配出目标NDVI数据、目标降水量数据、目标气溶胶光学厚度数据；以所述目标NDVI数据、所述目标降水量数据、所述目标气溶胶光学厚度数据、高程数据、地表类型覆盖数据和经纬度数据作为输入特征值，以所述原始MODIS地表温度作为目标拟合值，对随机森林模型进行训练；基于训练得到的所述随机森林模型，对所述原始GLDAS地表温度进行空间降尺度处理得到降尺度后GLDAS地表温度；其中，所述降尺度后GLDAS地表温度的空间分辨率与所述原始MODIS地表温度的空间分辨率一致。3.根据权利要求1所述的地表温度数据重构模型构建方法，其特征在于，基于所述无云MODIS地表温度和所述降尺度后GLDAS地表温度构建目标数据集，包括：基于所述无云MODIS地表温度的空间范围和/或时间期次，从所述降尺度后GLDAS地表温度中，匹配出目标GLDAS地表温度；将所述无云MODIS地表温度和所述目标GLDAS地表温度，统一裁剪至指定尺寸且像元范围内无云覆盖缺失值，得到无缺失MODIS地表温度和无缺失GLDAS地表温度；基于真实云覆盖情况下的原始MODIS地表温度生成云掩膜数据，并利用所述云掩膜数据对所述无缺失MODIS地表温度进行掩膜处理，得到模拟云覆盖情况下的缺失MODIS地表温度；基于所述无缺失MODIS地表温度、所述无缺失GLDAS地表温度和所述缺失MODIS地表温度，构建目标数据集。4.根据权利要求3所述的地表温度数据重构模型构建方法，其特征在于，利用所述目标数据集对GAN模型进行训练和测试得到目标数据重构模型，包括：将所述目标数据集划分为训练数据集和测试数据集；
将所述训练数据集中的所述无缺失GLDAS地表温度和所述缺失MODIS地表温度输入至GAN模型中的生成网络部分，以通过所述生成网络部分确定第一重建MODIS地表温度；将所述训练数据集中的所述无缺失MODIS地表温度和所述第一重建MODIS地表温度输入至所述GAN模型中的判别网络部分，以通过所述判别网络部分确定所述无缺失MODIS地表温度和所述第一重建MODIS地表温度之间的差异；通过Huber损失函数、所述训练数据集中的所述无缺失...

【专利技术属性】
技术研发人员：苏扬，朱万林，王宇翔，宋蕾，范有度，韩冠亚，张开鑫，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：