[发明专利]一种基于物理模型与数据驱动的全天候地表温度重建方法

权利要求书

1.一种基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，包括以下步骤：

S1.通过物理模型模拟出分辨率与MODIS LST一致的目标日全天候LST；

S2.将目标日全天候LST进行椭球转换得到转换后的目标日全天候WRF LST；

S3.MODIS LST的有效像元作为因变量y，WRF LST时间空间对应因变量y的像元作为自变量x，每个自变量x与对应因变量y为一组，将多组数据划分为训练集和验证集，并使用训练集训练数据模型得到训练后的目标日数据模型，验证集用于验证训练后的目标日数据模型；

S4.将转换后的目标日全天候WRF LST作为自变量X输入所述的目标日数据模型，目标日数据模型输出目标日的全天候重建LST。

2.根据权利要求1所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，步骤S3和S4中，将自变量的待训练/预测的目标像元的空间相邻像元作为目标像元的空间特性信息一并输入待训练的数据模型或已训练的目标日数据模型。

3.根据权利要求1所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，步骤S3中，同时将多源遥感数据时间空间对应因变量y的像元作为自变量x；

步骤S4中，同时将多源遥感数据作为自变量X输入目标日数据模型。

4.根据权利要求3所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，所述的多源遥感数据包括高程DEM、纬度LAT、坡度SLOPE和归一化植被指数NDVI。

5.根据权利要求1-4任意一项所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，若目标日MODIS LST的有效像元足够多，则执行所述步骤S4得到目标日的全天候重建LST；

若目标日MODIS LST的有效像元不够多，则目标日最终的全天候重建LST通过步骤S5确定：

获取目标日相邻时间的经过训练的若干数据模型为时间相邻模型，并将目标日的自变量X分别输入若干时间相邻模型，将所有时间相邻模型的输出按设定权重求和得到目标日的全天候重建LST。

6.根据权利要求5所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，当目标日MODIS LST的有效像元多于像元设定值时视为有效像元足够多，且不执行步骤S4，直接执行S5；

或者，当目标日MODIS LST与步骤S4得到的重建LST的相关性系数小于系数设定值时视为有效像元不够多，且继续执行步骤S5。

7.根据权利要求6所述的基于物理模型与数据驱动的全天候地表温度重建方法，其特征在于，目标日MODIS LST的有效像元不够多时，获取目标日的前一日、后一日经过训练的两个数据模型为时间相邻模型，并将目标日的自变量X分别输入两个时间相邻模型，将两个时间相邻模型的输出按设定权重求和得到目标日的重建LST。