申请/专利权人：广州地理研究所;南方海洋科学与工程广东省实验室(广州)

申请日：2019-11-26

公开（公告）日：2020-05-26

公开（公告）号：CN111199185A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/20(20060101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.09.08#授权;2020.07.14#实质审查的生效;2020.05.26#公开

摘要：本发明涉及一种基于XGBoost学习算法的地表温度降尺度方法、系统及设备，根据不透水面盖度对研究区进行区域划分，结合不同区域低分辨率的城市不透水面盖度、植被盖度、道路密度对地表温度的不同影响程度，以及结合城市下垫面的空间异质性对地表温度的影响，结合低分辨率的热红外影像数据，建立低分辨率的非线性回归模型，并根据高分辨率的上述地表参量和上述非线性回归模型，计算得到整个研究区的高分辨率地表预测温度，相对于现有技术，本发明实现了对空间异质性复杂的城市环境地表温度的高分辨率预测，能更细致地区分道路、建筑物、植被、水体的地表温度，提高城市地表温度预测的准确性。

主权项：1.一种基于XGBoost学习算法的地表温度降尺度方法，其特征在于，包括以下步骤：获取研究区第一分辨率的地表参量和热红外影像数据；其中，所述地表参量包括不透水面盖度、植被盖度、归一化植被指数、归一化建筑指数、改进的归一化差异水体指数和道路密度；根据所述不透水面盖度，利用空间聚类算法将所述研究区划分为高密度、中密度和低密度的子区域；针对每一个子区域，基于XGBoost算法，以所述第一分辨率的地表参量作为输入变量，以所述第一分辨率的热红外地表温度作为输出变量，构建并训练非线性回归模型，得到所述非线性回归模型的残差值；将每个子区域内第二分辨率的地表参量输入所述非线性回归模型，得到每个子区域内第二分辨率的热红外地表温度初始预测值，其中，所述第二分辨率高于第一分辨率；利用面到点克里金方法对所述残差值进行降尺度，获取所述研究区第二分辨率的残差；将所述第二分辨率的残差与各个子区域内的热红外地表温度初始预测值相加，得到第二分辨率的热红外地表温度预测值。

全文数据：

权利要求：

百度查询： 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XGBoost学习算法的地表温度降尺度方法、系统及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD