(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 202210875364.9 (22)申请日 2022.07.25 (65)同一申请的已公布的文献号 申请公布号 CN 115099064 A (43)申请公布日 2022.09.23 (73)专利权人 中国科学院空天信息创新研究院 地址 100101 北京市朝阳区大屯路甲20号 中国科学院遥感与数字地球研究所A 座203室 (72)发明人 高硕　张平　李震　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 专利代理师 南霆 (51)Int.Cl. G06F 30/20(2020.01)G06N 3/00(2006.01) 审查员 宋朝 (54)发明名称 一种积雪深度的反演方法及装置 (57)摘要 本申请公开了一种积 雪深度的反演方法， 包 括： 获取积雪深度相关数据， 并预处理； 其中， 所 述积雪深度相关数据包括辐射计亮度温度数据、 森林覆盖度数据、 气象台站雪深数据、 海拔高度 数据、 经纬度数据、 积雪密度数据、 地表2m空气温 度数据、 大气可降水数据、 积雪温度数据和0 ‑7cm 土壤温度数据； 根据所述积雪深度相关数据在一 定范围内反演积雪粒径； 在积 雪深度相关数据和 积雪粒径中筛选随机森 林算法的自变量； 根据所 述自变量与积雪深度数据构建随机森 林模型。 本 申请综合了积雪深度相关数据和积 雪粒径， 基于 随机森林算法训练得到的积雪深度预测模型具 有较高的预测精度， 提高了反演结果精度， 对积 雪深度进行精准预测。 权利要求书2页 说明书10页 附图5页 CN 115099064 B 2022.11.18 CN 115099064 B 1.一种积雪深度的反演方法， 其特 征在于， 包括： 获取积雪深度相关数据， 并预处理； 其中， 所述积雪深度相关数据包括辐射计亮度温度 数据、 森林覆盖度数据、 气象台站雪深数据、 海拔高度数据、 经纬度数据、 积雪密度数据、 ERA5再分析数据集， 所述数据集中包括地表2m空气温度数据、 大气可降水数据、 积 雪温度数 据和0‑7cm土壤温度数据， 数据集空间分辨 率为0.25° ×0.25°， 时间分辨 率为每小时； 根据所述积雪深度相关数据在一定范围内反演积雪粒径； 在积雪深度相关数据和积雪粒径中筛选随机森林算法的自变量， 筛选出的自变量为： 积雪粒径、 亮温梯度差TBD(18V ‑37V)、 积雪密度、 森林覆盖度、 海拔高度、 经度， 训练数据为 气象台站随机抽样数据； 根据所述自变量与积雪深度数据构建随机森林模型。 2.根据权利要求1所述积雪深度的反演方法， 所述在积雪深度相关数据和积雪粒径中 筛选随机森林算法的自变量， 进一 步包括纬度。 3.根据权利要求1所述积雪深度的反演方法， 所述构建随机森林模型的方法包括： 确定 随机森林决策树数量； 对于每棵决策树， 从所述自变量与积雪深度数据中抽取训练集； 基于 训练集训练决策树， 并综合所有决策树的结果得到随机森林模型。 4.根据权利要求3所述积雪深度的反演方法， 所述构建随机森林模型的方法进一步包 括： 按照以下任意一种输入输出关系建立计算模型， 使用模型1~7的任意一种预测积雪深 度； 模型1： 输入自变量为亮温梯度差TBD(18V ‑37V)， 输出目标为积雪深度； 模型2： 输入自变 量为TBD(18V ‑37V) 和积雪粒径， 输出目标为积雪深度； 模型3： 输入自变量为TBD(18V ‑ 37V)、 积雪粒径和积雪密度， 输出目标为积雪深度； 模型4： 输入自变量为TBD(18V ‑37V)、 积 雪粒径、 积雪密度和森林覆盖度， 输出目标为积雪深度； 模型5： 输入自变量为TBD(18V ‑ 37V)、 积雪粒径、 积 雪密度、 森林覆盖度和海拔高度， 输出目标为积 雪深度； 模 型6： 输入自变 量为TBD(18V ‑37V)、 积雪粒径、 积雪密度、 森 林覆盖度、 海拔高度和经度， 输出目标为积 雪深 度； 模型7： 输入变量为TBD(18V ‑37V)、 积雪粒径、 积雪密度、 森林覆盖度、 海拔高度、 经度和 纬度， 输出目标为积雪深度。 5.根据权利要求4所述积雪深度的反演方法， 对比所述随机森林模型的均 方根误差、 偏 差和相关系数， 对 模型1~7进行优选 。 6.根据权利要求1所述积雪深度的反演方法， 所述反演积雪粒径是基于积雪辐射传输 模型进行反演。 7.一种积雪深度的反演装置， 用于实现权利要求1~6任意一项所述方法， 其特征在于， 包括： 数据获取单元， 用于获取积雪深度相关数据， 并预处理； 其中， 所述积雪深度相关数据 包括辐射计亮度温度数据、 森林覆盖度数据、 气象台站雪深数据、 海拔高度数据、 经纬度数 据、 积雪密度数据、 ERA5再分析数据集， 所述数据集中包括地表2m空气温度数据、 大气可降 水数据、 积雪温度数据和0 ‑7cm土壤温度数据， 数据集空间分辨率为0.25 ° ×0.25°， 时间分 辨率为每小时； 积雪粒径计算单元， 用于接收所述数据获取单元中所述积雪深度相关数据， 并在一定 范围内反演积雪粒径； 模型训练单元， 用于接收数据获取单元中的积雪深度相关数据， 以及积雪粒径计算单权　利　要　求　书 1/2 页 2 CN 115099064 B 2元输出的积雪粒径， 从中筛选随机森林算法的自变量； 根据所述自变量与积雪深度数据构 建随机森林模型。 8.一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中任一所述的方法。 9.一种电子设备， 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中任一所述的 方法。权　利　要　求　书 2/2 页 3 CN 115099064 B 3