[发明专利]一种基于随机森林算法的多光谱降水检测系统及方法

权利要求书

1.一种基于随机森林算法的多光谱降水检测方法，其特征在于，包括以下步骤：

步骤S1：收集数据

通过数据采集模块收集历史观测数据，该历史观测数据包括可见和红外自旋扫描辐射仪和微波温度探测仪分别对云区进行观测得到的高分辨率云产品和微波散射指数，其中，微波散射指数记为SI；

步骤S2：数据处理

通过匹配模块对可见和红外自旋扫描辐射仪和微波温度探测仪的观测时间、观测对象和相元分别进行匹配，挑选出匹配的观测数据，形成观测数据训练样本集，按照1:9的比例将训练样本集分成训练集和测试集；

步骤S3：建立随机森林模型

将训练集和测试集代入建模模块中，由训练模块对随机森林模型初始模块中的模型进行训练，使随机森林模型的散射指数进行优化，完成随机森林模型的建立；

步骤S4：验证模型

通过模型验证模块将红外自旋扫描辐射仪采集的可见和红外自旋扫描辐射仪个例实际观测数据作为验证集输入到训练好的模型中进行计算，得到随机森林模拟的散射指数，记为RF_SI，将RF_SI与阈值进行对比，若RF_SI大于阈值，则发生降水，否则，不发生降水；将计算结果与历史数据进行核对，用以评估模型模拟效果；

步骤S5：降水检测

利用可见和红外自旋扫描辐射仪对待检测云区进行观测，得到观测数据，将观测数据输入到降水检测模块内通过随机森林模型进行模拟，得到检测结果。

2.根据权利要求1所述的一种基于随机森林算法的多光谱降水检测方法，其特征在于，在上述步骤S2中，匹配处理过程包括：

(1)观测时间匹配

|t_VISSR-t_AMSU-A|＜δ_{max_min} (1)

其中，t_VISSR表示可见和红外自旋扫描辐射仪像元观测的时间，t_AMSU-A表示微波温度探测仪像元观测的时间，δ_{max_min}为时间阈值，设置为30min；

若满足公式(1)，则可见和红外自旋扫描辐射仪和微波温度探测仪为同时观测；

(2)观测对象匹配

在可见和红外自旋扫描辐射仪和微波温度探测仪同时观测的基础上，要确保两者观测的对象是相同的，则仿效静止卫星和极轨卫星交叉定标法，

其中，θ_LEO表示极轨卫星的天顶角，θ_GEO表示静止卫星的天顶角，α是用经验确定的阈值，α＝0.08；

若满足上述公式，则视为两种仪器观测扫描角度之差足够小，可见和红外自旋扫描辐射仪和微波温度探测仪观测到的对象为同一对象；

(3)观测像元匹配

假设微波温度探测仪的相元(x1,y1)和可见和红外自旋扫描辐射仪的相元(x2,y2)，x1和y1表示微波温度探测仪相元的经纬度，x2和y2表示可见和红外自旋扫描辐射仪像元的经纬度，其匹配公式为：

d＜d_max (4)

其中，R是地球的半径,为6371km，d_max是设定的阈值,为30km；

若微波温度探测仪的相元(x1,y1)和可见和红外自旋扫描辐射仪的相元(x2,y2)满足公式(3)和(4)，则两者的观测相元匹配。

3.根据权利要求1所述的一种基于随机森林算法的多光谱降水检测方法，其特征在于，在上述步骤S3中，模型训练过程包括：假设训练集有n个训练样本，则运用Bootstrap重抽样方法抽取m个样本，用m个样本对CART决策树进行训练，得到m棵训练后的CART决策树；然后，输入测试集，则每棵CART决策树均模拟得到一个散射指数值，计算m棵CART决策树的散射指数值的平均值，得出的平均值即为随机森林模型的散射指数，记为RF_SI。

4.根据权利要求1所述的一种基于随机森林算法的多光谱降水检测方法，其特征在于，上述步骤S4中，所述阈值的取值为30。