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，特别涉及一种海面风场微波遥感反演数据的空间降尺度方法，通过获取海面风场微波遥感反演数据以及辅助变量网格数据，结合海面风场微波遥感反演数据的分辨率，构造随机森林回归模型，实现海面风场遥感数据的空间降尺度，并且实现了海面风场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面风场微波遥感反演数据的精度。

主权项：1.一种海面风场微波遥感反演数据的空间降尺度方法，其特征在于，包括以下步骤：获得目标区域的海面风场微波遥感反演数据以及辅助变量网格数据，其中，辅助变量网格数据包括若干个网格的辅助变量，所述辅助变量包括海表温度、海水深度以及离岸距离；获得所述海面风场微波遥感反演数据对应的分辨率，根据所述海面风场微波遥感反演数据对应的分辨率，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；根据所述海面风场微波遥感反演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；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，其中，所述样本包括若干个所述样本特征变量；根据所述若干份样本以及预设的决策树构建算法，获得与各个所述样本对应的若干个决策树，构建随机森林回归模型，其中，所述决策树包括节点，以及各个所述节点对应的子节点，所述决策树构建算法为： 式中，ck为节点k对应的样本，Nk为节点k对应的样本包括的样本特征变量数目，Zi为节点k对应的第i个海面风场微波遥感反演数据，为节点k对应的所有海面风场微波遥感反演数据的算术平均值，NkL为子节点kL对应的样本包括的样本特征变量数目，NkR为子节点kR对应的样本包括的样本特征变量数目，Δcx,k表示利用划分所述样本特征变量x将节点k划分为子节点kL和kR之后，子节点kL对应的样本特征变量和子节点kR对应的样本特征变量之间的差异值，ckL为子节点kL对应的样本，ckR为子节点kR对应的样本；将所述辅助变量网格数据输入至所述随机森林回归模型中，获得所述若干个决策树输出的海面风场随机森林回归数据，根据所述若干个决策树输出的海面风场随机森林回归数据以及预设的平均算法，获得所述目标区域的海面风场随机森林回归数据，其中，所述平均算法为： 式中，为所述目标区域的海面风场随机森林回归数据，h表示所述辅助变量网格数据对应的分辨率，Ntree为决策树数目，mjh为第j个决策树输出的海面风场随机森林回归数据；将所述海面风场随机森林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面风场随机森林回归数据；根据所述海面风场微波遥感反演数据、重采样处理后的所述海面风场随机森林回归数据以及预设的回归残差数据计算算法，获得回归残差数据，其中，所述回归残差数据包括若干个网格点的回归残差值，所述回归残差数据计算算法为： 式中，为所述回归残差数据，l表示所述重采样处理后的所述海面风场随机森林回归数据的分辨率，Zl为所述海面风场微波遥感反演数据，为所述重采样处理后的所述海面风场随机森林回归数据；根据所述回归残差数据中若干个网格点的回归残差值以及预设的面到点克里金插值算法，将所述回归残差数据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数据，其中，所述面到点克里金插值算法为： 式中，为所述降尺度处理后的回归残差数据中，第h0个网格点的回归残差值，为所述回归残差数据中，第lq个网格点的回归残差值，Nq为第lq个网格点的邻近网格点数目，λq为权重参数，其中，λq为： 式中，γccla,lb为所述回归残差数据中第la个网格点与第lb个网格点之间的面与面变异函数，γfch0,la为所述降尺度处理后的回归残差数据中，第h0个网格点与所述回归残差数据中第la个网格点之间的点与面变异函数，μ为拉格朗日算子；根据所述目标区域的海面风场随机森林回归数据、降尺度处理后的所述回归残差数据进行相加，获得相加后的结果，作为所述空间降尺度处理后的所述海面风场微波遥感反演数据，如下所示： 式中，为所述空间降尺度处理后的所述海面风场微波遥感反演数据，为所述海面风场随机森林回归数据。

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) 一种海面风场微波遥感反演数据的空间降尺度方法