基于随机森林模型的积雪深度反演方法及装置

技术特征：
1.一种基于随机森林模型的积雪深度反演方法，其特征在于，包括：获取积雪深度数据和自变量数据；其中，所述自变量数据包括辐射计亮度温度数据、地表覆被数据、海拔高度数据和经纬度数据；基于所述自变量数据中各个数据的相关性以及所述自变量数据中各个数据对所述积雪深度数据的重要程度，构建n种自变量数据组合；其中，n大于等于2；利用n种自变量数据组合中每种自变量数据组合对一个基于随机森林的积雪深度预测模型进行训练，得到n个训练好的积雪深度预测模型；对n个训练好的积雪深度预测模型进行精度验证，以将n个训练好的积雪深度预测模型中精度达到精度阈值的模型作为反演的目标积雪深度预测模型。2.根据权利要求1所述的积雪深度反演方法，其特征在于，所述经纬度数据包括经度和纬度；按照对所述积雪深度数据的重要程度从大到小的顺序，依次为所述辐射计亮度温度数据、所述地表覆被数据、所述海拔高度数据、所述经度和所述纬度。3.根据权利要求2所述的积雪深度反演方法，其特征在于，所述构建n种自变量数据组合包括：构建五种自变量数据组合；其中，所述五种自变量数据组合中第一种自变量数据为所述辐射计亮度温度数据，以及所述五种自变量数据组合中第二种自变量数据组合为所述辐射计亮度温度数据和所述地表覆被数据，以及所述五种自变量数据组合中第三种自变量数据组合为所述辐射计亮度温度数据、所述地表覆被数据、所述海拔高度数据，以及所述五种自变量数据组合中第四种自变量数据组合为所述辐射计亮度温度数据、所述地表覆被数据、所述海拔高度数据和所述经度，以及所述五种自变量数据组合中第五种自变量数据组合为所述辐射计亮度温度数据、所述地表覆被数据、所述海拔高度数据、所述经度和所述纬度。4.根据权利要求3所述的积雪深度反演方法，其特征在于，所述目标积雪深度预测模型为所述第五种自变量数据组合对应的第五个积雪深度预测模型。5.根据权利要求1所述的积雪深度反演方法，其特征在于，所述精度验证的指标包括均方根误差、偏差和相关系数。6.根据权利要求1所述的积雪深度反演方法，其特征在于，所述方法还包括：获取所述地表覆被数据中的igbp地表类型分类数据；根据地理坐标的转换方式，将igbp地表类型分类数据转换为预设分辨率的网格数据以匹配微波亮温像元；计算微波亮温像元内的森林下垫面覆盖度和水体下垫面覆盖度；以及，根据质量控制对所述积雪深度数据进行分级；以及，将所述海拔高度数据的空间分辨率调整到空间分辨率阈值以内；对所述海拔高度数据进行数据拼接，得到拼接后的海拔高度数据；对拼接后的海拔高度数据进行取平均计算，换算为预设等经纬度分辨率的格网数据。7.一种预测积雪深度的方法，其特征在于，包括：获取辐射计亮度温度数据、地表覆被数据、海拔高度数据和经纬度数据；
将所述辐射计亮度温度数据、所述地表覆被数据、所述海拔高度数据和所述经纬度数据输入到预先训练好的积雪深度预测模型中，获得预测的积雪深度数据；其中，所述积雪深度预测模型为基于权利要求1至6中任一项所述的基于随机森林模型的积雪深度反演方法确定的目标积雪深度预测模型。8.一种基于随机森林模型的积雪深度反演装置，其特征在于，包括：数据获取单元，被配置为获取积雪深度数据和自变量数据；其中，所述自变量数据包括辐射计亮度温度数据、地表覆被数据、海拔高度数据和经纬度数据；数据组合构建单元，被配置为基于所述自变量数据中各个数据的相关性以及所述自变量数据中各个数据对所述积雪深度数据的重要程度，构建n种自变量数据组合；其中，n大于等于2；模型训练单元，被配置为利用n种自变量数据组合中每种自变量数据组合对一个基于随机森林的积雪深度预测模型进行训练，得到n个训练好的积雪深度预测模型；精度验证单元，被配置为对n个训练好的积雪深度预测模型进行精度验证，以将n个训练好的积雪深度预测模型中精度达到精度阈值的模型作为反演的目标积雪深度预测模型。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6，或权利要求7中任一所述的方法。10.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6，或权利要求7中任一所述的方法。

技术总结
本申请公开了一种基于随机森林模型的积雪深度反演方法及装置，该方法包括：获取积雪深度数据和自变量数据；其中，自变量数据包括辐射计亮度温度数据、地表覆被数据、海拔高度数据和经纬度数据；基于自变量数据中各个数据的相关性以及自变量数据中各个数据对积雪深度数据的重要程度，构建n种自变量数据组合；利用每种自变量数据组合对一个基于随机森林的积雪深度预测模型进行训练，得到n个训练好的积雪深度预测模型并进行精度验证，以将精度达到精度阈值的模型作为反演的目标积雪深度预测模型。本申请基于随机森林算法训练得到的积雪深度预测模型具有高效的运行效率以及较高的预测精度，提高反演结果精度，对积雪深度进行高效和精准预测。行高效和精准预测。行高效和精准预测。


技术研发人员：高硕 李震 张平
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2022.07.25
技术公布日：2022/8/26