基于极端梯度提升的海表温度遥感数据的空间降尺度方法

专利主权项内容

1.一种基于极端梯度提升的海表温度遥感数据的空间降尺度方法，其特征在于，包括以下步骤：获得目标区域的海表温度遥感数据以及辅助变量网格数据；获得所述海表温度遥感数据对应的分辨率，根据所述海表温度遥感数据对应的分辨率，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；根据所述海表温度遥感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，其中，所述样本数据集合包括若干个样本特征变量；将所述样本数据集合输入至预设的极端梯度提升模型中，采用随机有放回的方法，从所述样本数据集合中抽取若干份样本，根据所述若干份样本以及预设的预测算法，获得所述若干份样本的预测值，其中，所述极端梯度提升模型包括若干个决策树，所述预测算法为：式中，i为样本的索引，为第i个样本的预测值，K为决策树的总数，k为决策树的索引，f表示第k个决策树，x表示第i个样本，f(x)表示第i个样本通过第k个决策树预测的结果；kiki获得所述若干份样本对应的真实值，根据所述若干份样本的预测值、真实值以及预设的梯度下降算法，对所述极端梯度提升模型进行训练，获得目标极端梯度提升模型，其中，所述梯度下降算法为：式中，L(θ)为损失值，θ为模型参数，n为样本总数，l()为对数似然损失函数，y为第i个样本的真实值，Ω()为正则化函数；i将所述辅助变量网格数据输入至所述目标极端梯度提升模型中，获得所述目标区域的海表温度回归数据；将所述海表温度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表温度回归数据；根据所述海表温度遥感数据、重采样处理后的所述海表温度回归数据以及预设的回归残差值计算算法，获得回归残差值，其中，所述回归残差值计算算法为：式中，为所述回归残差值，l表示所述重采样处理后的所述海表温度回归数据的分辨率，Z(l)为所述海表温度遥感数据，/>为所述重采样处理后的所述海表温度回归数据；根据所述回归残差值以及预设的样条插值算法，将所述回归残差值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值，其中，所述样条插值算法为：式中，为所述降尺度处理后的所述回归残差值，spline_interpolation()为样条插值函数；根据所述目标区域的海表温度回归数据、降尺度处理后的所述回归残差值进行相加，获得相加后的结果，作为空间降尺度处理后的所述海表温度遥感数据，如下所示：式中，为所述空间降尺度处理后的所述海表温度遥感数据，/>为所述海表温度回归数据。