一种机器学习框架多源数据融合的空间降尺度方法及系统

本发明提出了一种机器学习框架多源数据融合的空间降尺度方法及系统。获取CSR、GSFC、JPL三种Mascon产品统一时间及坐标系得到目标数据集；收集经纬度、气候因子、DEM、全球冰川模型等，组成辅助数据集；由目标数据集进一步挖掘统计特征并利用不同尺度下总质量守恒的条件得到约束条件；由辅助数据集、约束条件组成特征数据集，对目标数据集，在LightGBM机器学习框架下进行训练、调整，得到降尺度模型；使用广义三角帽法对降尺度数据进行融合，得到研究区域的降尺度结果。本发明优点在于，在对GRACE Mascon产品进行空间降尺度时，模型同时恢复了时间上的缺失，且在空间和时间上具有较高可靠性，保证了降尺度前后像素尺度和区域尺度上时空分布特征和数值统计特征的一致。