(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110878728.4 (22)申请日 2021.08.02 (65)同一申请的已公布的文献号 申请公布号 CN 113779863 A (43)申请公布日 2021.12.10 (73)专利权人 中国农业科 学院农业资源与农业 区划研究所 地址 100081 北京市海淀区中关村南大街 12号 专利权人 成都信息工程大学　 重庆市气象科 学研究所 (72)发明人 孙亮　王晨丞　杨世琦　王永前　 (74)专利代理 机构 北京恒创益佳知识产权代理 事务所(普通 合伙) 11556 专利代理师 付金豹 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/00(2006.01) (56)对比文件 CN 108896185 A,2018.1 1.27 CN 109741261 A,2019.0 5.10 US 2016097679 A1,2016.04.07 CN 109885959 A,2019.0 6.14 CN 109635309 A,2019.04.16 CN 105427309 A,2016.0 3.23 CN 107423 537 A,2017.12.01 CN 107748736 A,2018.0 3.02 YUAN YAO 等.A New Ap proach for Surface Urban Heat Island Mo nitoring Based on Machine Learn ing Algorithm and Spatiotemporal Fusi on Model. 《IE EE Access 》 .2020,第8卷第164268-164281页. 审查员 巩瑜 (54)发明名称 一种基于数据挖掘的地表温度降尺度方法 (57)摘要 本发明公开了一种基于数据挖掘的地表温 度降尺度方法， 包括以下步骤： 根据实验区域选 取合适的低空间分辨率地表温度数据及高空间 分辨率可见光数据作为数据源； 经过数据预处 理、 样本采集等步骤 得到全局模 型结果和局部模 型结果； 基于模型权重指数(Weighti)， 对全局模 型及局部模 型结果进行合并； 基于一种修改后的 能量平衡公式， 计算scale*scale窗口内的温度 残差， 将平差结果应用于窗口内每一个像元， 完 成低分辨率地表温度数据降尺度过程； 计算降尺 度后地表温度与其他较高分辨率地表温度产品 间的MAE、 R和RMSE， 验证算法进行地表温度降尺 度的精度和适用性。 本发明基于对多源遥感数据 自带光谱信息实现的充分挖掘， 实现对低空间分 辨率地表温度数据空间分辨 率的提高。 权利要求书2页 说明书7页 附图6页 CN 113779863 B 2022.08.09 CN 113779863 B 1.一种基于数据挖掘的地表温度降尺度方法， 其特征在于， 基于挖掘高空间分辨率短 波波段信息实现低空间分辨 率地表温度降尺度， 包括以下步骤： 步骤1： 根据实验区域选取合适的低空间分辨率地表温度数据及高空间分辨率可见光 数据作为数据源； 步骤2： 采用 双线性内插法将低空间分辨率地表温度数据重采样至高空间分辨率可见 光数据像元尺寸下， 并将 高空间分辨率数据 空间聚合至低空间分辨率像元尺度下， 将重采 样后地表温度数据及原 始可见光数据输入； 步骤3： 定义一个变异系数Cv， 作为充分挖掘波段信息的阈值， Cv值越低， 可认为采集到 的样本越均一； 步骤4： 根据 不同传感器输入数据的尺度比scale， 创建一个scale*scale大小的移动窗 口， 按从左 至右， 从上到下的方向移动， 统计窗口内像元的Cv值， 低于预设定Cv值的像元， 认 为是纯像元， 采集 为样本； 变异系数(Cv)计算公式如下： 式中， σi为移动窗口内像元值的标准偏差， μi为移动窗口内像元值的平均值， n为移动窗 口内像元总数； 步骤5： 将样本数据拆分为样本值及标签值两部分， 采用随机森林方法进行模型构建， 并将模型应用于整个图像区域， 得到全局模型 结果； 步骤6： 定义一个局部模型预测窗口predict_window及一个局部模型采样窗口 samples_w indow， 要求采样窗口大于预测窗口， 以削弱局部预测结果的边界 效应； 步骤7： 步骤7 ‑1： 基于samples_window， 进行步骤4操作， 得到局部样本数据； 步骤7 ‑2： 继续进行步骤5操作， 构建局部模 型， 将模型应用于predict_window范围， 移动窗口； 重复步 骤7‑1和步骤7 ‑2， 直至整个图像区域均被预测， 得到局部模型 结果； 步骤8： 逐像元计算全局模型及局部模型结果与原始地表温度 数据之间的差异， 基于该 差异计算全局及局部模型在该像元 处合并时所占权重， 以此对全局模型及局部模型结果进 行合并得到Tcombined； 所述步骤8中对全局模型及局部模型结果进行合并， 基于不同像元处全局及局部模型 所占权重， 权重占比按以下公式计算： 式中， Weightg为全局模型所占权重， Weightl为局部模型所占权重； wg为全局模型权重 指数， wl为局部模型权 重指数， 其计算公式如下： 权　利　要　求　书 1/2 页 2 CN 113779863 B 2式中， dg为全局模型结果在 像元处与原始地温数据的偏差， dl为局部模型结果在 像元处 与原始地温数据的偏差； 若 |dg|＜0.1或|dl|＜0.1时， 则对应wg或wl值被定义 为100； 步骤9： 基于能量平衡公式， 计算scale*scale窗口内的温度残差， 将残差结果应用于窗 口内每一个 像元， 完成低分辨 率地表温度数据降尺度过程； 所述能量平衡公式如下： 式中， n为scale*scale窗口中像元的总个数， Ti为窗口内对应位置合并模型结果像元 值； 能量残差场应用过程如下公式所示： Tapply＝Tcombined+(Torg‑Tres) 式中， Tcombined为合并模型 结果， Torg为原始地温数据。 2.根据权利要求1所述的地表温度降尺度方法， 其特征在于， 采用的原始地表温度 数据 为MODIS/TERRA  MOD11A2 LST日产品数据,数据格式为HDF格式； 结合质量控制文件(QC文 件)和图像坐标信息， 将原 始HDF5格式文件转换为带有地理信息的TIF F格式文件。权　利　要　求　书 2/2 页 3 CN 113779863 B 3