【技术实现步骤摘要】
本专利技术涉及遥感数据分析领域，特别涉及是一种海面风场微波遥感反演数据的空间降尺度方法、装置、计算机设备以及存储介质。
技术介绍
1、海面风场是表征气候变化、指示海洋生态系统、影响海洋动力环境以及海气相互作用的重要因子。由于传统浮标、平台等海面风场观测方式覆盖范围有限，目前卫星遥感成为快速、大范围获取海面风场数据的重要手段，其中微波遥感具有可穿透云雨、全天时、全天候、连续观测的优势。
2、然而，目前的海面风场微波遥感反演数据的空间分辨率较低，很难用于开展精细应用。因此，对海面风场微波遥感反演数据的进行空间降尺度十分必要。
技术实现思路
1、基于此，本专利技术的目的在于，提供一种海面风场微波遥感反演数据的空间降尺度方法、装置、设备以及存储介质，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。
2、第一方面，本申请实施例提供了一种海面风场微波遥感反演数据的空间降尺度方法，包括以下步骤：
3、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；
4、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
5、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，采用随机森林方法，根据所述样本数据集合，构建随机森林回归模型；
6、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，获得所述目标区域的海面风场随机森林回归数据；
7、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；
8、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：
9、
10、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，z(l)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；
11、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：
12、
13、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：
14、
15、式中，γcc(la，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，γfc(h0,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；
16、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：
17、
18、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，为所述海表温度回归数据。
19、第二方面，本申请实施例提供了一种海面风场微波遥感反演数据的空间降尺度装置，包括：
20、数据获得模块，用于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；
21、第一重采样模块，用于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；
22、模型构建模块，用于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，采用随机森林方法，根据所述样本数据集合，构建随机森林回归模型；
23、回归处理模块，用于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，获得所述目标区域的海面风场随机森林回归数据；
24、第二重采样模块，用于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；
25、数据降尺度模块，用于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：
26、
27、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，z(l)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；
28、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：
29、
30、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：
31、
32、式中，γcc(la,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，γfc(h0,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；
33、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：
34、
35、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，为所述海表温度回归数据。
36、第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所本文档来自技高网...
【技术保护点】
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：
2.根据权利要求1所述的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：所述样本数据集合包括若干个样本特征变量；
3.根据权利要求2所述的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，所述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，获得所述目标区域的海面风场随机森林回归数据，包括步骤：
4.一种海面风场微波遥感反演数据的空间降尺度装置，其特征在于，包括：
5.一种计算机设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的海面风场微波遥感反演数据的空间降尺度方法的步骤。
6.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的海面风场微波遥感反演数据的空间降尺度方法的步骤。
【技术特征摘要】
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：
2.根据权利要求1所述的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：所述样本数据集合包括若干个样本特征变量；
3.根据权利要求2所述的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，所述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，获得所述目标区域的海面风场随机森林回归数据，包括步骤：
4.一种海面风场微波遥感反演数据...
【专利技术属性】
技术研发人员：胡泓达，杨骥，刘樾，荆文龙，邓应彬，孙嘉，侯志伟，尹小玲，李勇，
申请(专利权)人：广东省科学院广州地理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。