摘要
本发明公开了一种三阶段的高精度近地表气温遥感估算方法,所述方法包括:对遥感地表温度数据进行时间归一化,以消除成像时间差异;将研究区根据自然条件差异聚类划分为多个子区,基于时间归一化后的地表温度数据和空间辅助变量,在每个子区内分别利用四种机器学习模型估算气温,得到空间化的气温估算结果;通过广义加性模型集成四种机器学习模型的气温估算结果,得到更高精度的近地表气温。本发明不仅有效消除了地表温度的时间差异带来的不确定性,还考虑了不同地理环境下模型适应性的差异,基于集成的思路整合多种单一机器学习模型,提高了气温的遥感估算精度。
技术关键词
机器学习模型
遥感估算方法
遥感地表温度数据
反射率
气象站
指数
自然条件
短波红外
分析气象数据
分辨率
变量
随机森林
数据分析模型
遥感传感器
太阳
水体
机器学习方法
聚类
站点