一种MODIS积雪面积产品缺失信息时空重建方法技术

本发明专利技术公开了一种MODIS积雪面积产品缺失信息时空重建方法，包括：MODIS双星积雪面积产品的逐日合成；临近时间滤波；训练样本构建；基于深度学习的MODIS积雪面积缺失信息时空重建模型构建；PU‑Net模型的区域应用。本发明专利技术充分利用MODIS积雪面积产品本身的特征，无需其他额外的辅助数据，构建一种基于“端到端”式深度学习的MODIS积雪面积缺失信息时空重建模型，实现了利用原始MODIS积雪面积产品中可用的时间信息和空间信息，对缺失信息的像元上积雪覆盖情况进行预测，进而实行高效、稳健、高精度的预测目的。

【技术实现步骤摘要】

本专利技术涉及定量遥感技术，具体涉及一种modis积雪面积产品缺失信息时空重建方法。

技术介绍

1、目前，随着“大数据时代”的到来以及数据密集型科学发现第四范式的确立，基于数据驱动的机器学习(包括深度学习)技术已成为地球系统科学数据挖掘与知识发现的重要工具。传统的机器学习算法，如人工神经网络(ann)、支持向量机(svm)、随机森林(rf)以及极限梯度提升算法(xgboost)等已被广泛应用于局部、区域以及全球尺度上的积雪覆盖信息估算研究。已有研究表明，机器学习算法可以方便地引入各种辅助信息，替代经验、半经验以及基于物理的积雪信息反演模型，更好地描述遥感观测、辅助环境因子与积雪变量之间的非线性关系，获得更准确的积雪信息估计。深度学习使用相互连接的神经元网络直接从大量数据中学习复杂的非线性动态响应，为更准确、更全面地量化和建模积雪覆盖信息时空动态演变提供前所未有的新机会。深度学习通过在模型中添加更多的“深度”(复杂性)以及分层特征表示/学习来实现对复杂数据从低级到高级的自动特征抽象，在大数据知识挖掘中独占鳌头。近年来，已有学者将卷积神经网络(cnn)、深度置本文档来自技高网...

【技术保护点】

1.一种MODIS积雪面积产品缺失信息时空重建方法，其特征在于，包括：

2.根据权利要求1所述的MODIS积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的MODIS积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤S2包括：

4.根据权利要求1所述的MODIS积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤S3包括：

5.根据权利要求1所述的MODIS积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤S4包括：

6.根据权利要求1所述的MODIS积雪面积产品缺失信息时空重建...

【技术特征摘要】

1.一种modis积雪面积产品缺失信息时空重建方法，其特征在于，包括：

2.根据权利要求1所述的modis积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的modis积雪面积产品缺失信息时空重建方法，其特征在于，所述步骤s2包括：

4.根据...

【专利技术属性】
技术研发人员：黄春林，侯金亮，邢德，张莹，
申请(专利权)人：中国科学院西北生态环境资源研究院，
类型：发明
国别省市：