买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东省科学院广州地理研究所;南方海洋科学与工程广东省实验室(广州)

摘要：本发明涉及遥感数据分析领域，特别涉及一种基于极端梯度提升的海表温度遥感数据的空间降尺度方法，通过获取海表温度遥感数据以及辅助变量网格数据，结合海表温度遥感数据的分辨率，构造目标极端梯度提升模型，实现海表温度遥感数据的空间降尺度，并且实现了海表温度与辅助变量的非线性映射关系的拟合，提高了空间降尺度处理后的所述海表温度遥感数据的精度。

主权项：1.一种基于极端梯度提升的海表温度遥感数据的空间降尺度方法，其特征在于，包括以下步骤：获得目标区域的海表温度遥感数据以及辅助变量网格数据，其中，所述辅助变量网格数据包括海水深度网格数据、离岸距离网格数据以及叶绿素浓度网格数据；获得所述海表温度遥感数据对应的分辨率，根据所述海表温度遥感数据对应的分辨率，将所述辅助变量网格数据的重采样至所述分辨率，获得重采样处理后的所述辅助变量网格数据；根据所述海表温度遥感数据以及重采样处理后的所述辅助变量网格数据构造样本数据集合，其中，所述样本数据集合包括若干个样本特征变量；将所述样本数据集合输入至预设的极端梯度提升模型中，采用随机有放回的方法，从所述样本数据集合中抽取若干份样本，根据所述若干份样本以及预设的预测算法，获得所述若干份样本的预测值，其中，所述极端梯度提升模型包括若干个决策树，所述预测算法为： 式中，i为样本的索引，为第i个样本的预测值，K为决策树的总数，k为决策树的索引，fk表示第k个决策树，xi表示第i个样本，fkxi表示第i个样本通过第k个决策树预测的结果；获得所述若干份样本对应的真实值，根据所述若干份样本的预测值、真实值以及预设的梯度下降算法，对所述极端梯度提升模型进行训练，获得目标极端梯度提升模型，其中，所述梯度下降算法为： 式中，Lθ为损失值，θ为模型参数，n为样本总数，l为对数似然损失函数，yi为第i个样本的真实值，Ω为正则化函数；将所述辅助变量网格数据输入至所述目标极端梯度提升模型中，获得所述目标区域的海表温度回归数据；将所述海表温度回归数据重采样至所述分辨率，获得重采样处理后的所述海表温度回归数据；根据所述海表温度遥感数据、重采样处理后的所述海表温度回归数据以及预设的回归残差值计算算法，获得回归残差值，其中，所述回归残差值计算算法为： 式中，为所述回归残差值，l表示所述重采样处理后的所述海表温度回归数据的分辨率，Zl为所述海表温度遥感数据，为所述重采样处理后的所述海表温度回归数据；根据所述回归残差值以及预设的样条插值算法，将所述回归残差值降尺度至所述辅助变量网格数据对应的分辨率，获得降尺度处理后的所述回归残差值，其中，所述样条插值算法为： 式中，为所述降尺度处理后的所述回归残差值，spline_interpolation为样条插值函数；根据所述目标区域的海表温度回归数据、降尺度处理后的所述回归残差值进行相加，获得相加后的结果，作为空间降尺度处理后的所述海表温度遥感数据，如下所示： 式中，为所述空间降尺度处理后的所述海表温度遥感数据，为所述海表温度回归数据。

全文数据：

权利要求：

百度查询： 广东省科学院广州地理研究所 南方海洋科学与工程广东省实验室(广州) 基于极端梯度提升的海表温度遥感数据的空间降尺度方法