一种近地表气温的估算方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116011349A(43)申请公布日2023.04.25(21)申请号202310210569.X(22)申请日2023.03.07(71)申请人长安大学地址710000陕西省西安市南二环路中段(72)发明人高美玲许慧慧王彬李毓旻李振洪(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223专利代理师张举(51)Int.Cl.G06F30/27(2020.01)G06F18/214(2023.01)G06F111/10(2020.01)权利要求书2页说明书4页附图2页(54)发明名称一种近地表气温的估算方法(57)摘要本发明提供了一种近地表气温的估算方法，涉及地表气温估算技术领域，包括如下步骤：采集站点的观测数据，将采集的观测数据息上传至云平台；基于云平台从不同数据集中提取与观测数据对应的网络数据；通过观测数据与网络数据构成点尺度训练数据集；构建近地表气温训练子模型1与近地表气温训练子模型2；对近地表气温训练子模型1与近地表气温训练子模型2合并构建训练好的近地表气温估算模型；输入格网数据集通过所述近地表气温估算模型开展面尺度气温估算，得到1‑km逐日无缝近地表气温。本发明实现长时序大范围近地表气温的快速估算，并生产近地表气温数据的效率高，速度快，且空间无缺失像素，逐日分辨率可以实现时序密集监测应用。CN116011349ACN116011349A权利要求书1/2页1.一种近地表气温的估算方法，其特征在于，包括如下步骤：采集站点的观测数据，将采集的观测数据上传至云平台；所述云平台从多个网络数据集中提取与所述观测数据对应的网络数据；通过所述观测数据与网络数据构成点尺度训练数据集；基于GLDAS数据和随机森林模型构建近地表气温训练子模型1；基于ERA5‑Land数据和随机森林模型构建近地表气温训练子模型2；将所述近地表气温训练子模型1与近地表气温训练子模型2合并，构建近地表气温估算模型；将所述点尺度训练数据集中的数据进行时空差值，获得格网数据集；将所述格网数据集中的数据输入到近地表气温估算模型中，得到设定分辨率下逐日无缝的近地表气温。2.如权利要求1所述的一种近地表气温的估算方法，其特征在于，所述云平台从多个网络数据集中提取与所述观测数据对应的网络数据，包括：从GLDAS2.1数据集中提取观测值对应位置对应时间的地表温度、向下短波辐射、向下长波辐射、相对湿度、降雨速率、风速；从ERA5‑Land数据集中提取观测值对应位置对应时间的地表温度、向下短波辐射、向下长波辐射、相对湿度、降雨速率、风速；从MODIS数据集中提取对应位置对应时间的增强型植被指数数据；从NASASRTMDEM数据中提取高程信息；从GPWv4数据集中提取人口数据。3.如权利要求1所述的一种近地表气温的估算方法，其特征在于，所述点尺度训练数据集包含：经度LONG、纬度LAT、年YEAR、月MONTH、日DAY、增强型植被指数EVI、数字高程模型DEM、从GPWv4数据集提取的人口数据Pop；从GLDAS2.1数据集中提取观测值对应位置对应时间的地表温度LSTg、向下短波辐射SWg、向下长波辐射LWg、相对湿度RHg、降雨速率Pg、风速WSg；从ERA5‑Land数据集中提取观测值对应位置对应时间的地表温度LSTe、向下短波辐射SWe、向下长波辐射LWe、相对湿度RHe、降雨速率Pe与风速WSe。4.如权利要求3所述的一种近地表气温的估算方法，其特征在于，所述近地表气温训练子模型1的表达式为：NSAT1＝RF1(LONG,LAT,YEAR,MONTH,DAY,LSTg,SWg,LWg,RHg,Pg,WSg,EVI,DEM,Pop)。5.如权利要求4所述的一种近地表气温的估算方法，其特征在于，所述近地表气温训练子模型2的表达式为：NSAT2＝RF2(LONG,LAT,YEAR,MONTH,DAY,LSTe,SWe,LWe,RHe,Pe,WSe,EVI,DEM,Pop)。6.如权利要求5所述的一种近地表气温的估算方法，其特征在于，所述通过近地表气温估算模型输出最终近地表气温的估计值，计算表达式如下：NSAT＝(NSAT1+NSAT2)/2。7.如权利要求1所述的一种近地表气温的估算方法，其特征在于，采用十折交叉验证法来评价模型精度，并采用搜索法调整随机森林中树的数目，寻找最优参数。8.如权利要求1所述的一种近地表气温的估算方法，其特征在于，对所述点尺度训练数2CN116011349A权利要求书2/2页据集中的所有数据按照如下方式进行归一化处理：V＝(V‑Vmin)/(Vmax‑Vmin)其中，V表示某一时刻某一位置的变量值，Vmax表示该变量的最大值，Vmin表示该变量的最小值。9.如权利要求3所