(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210983178.7 (22)申请日 2022.08.16 (71)申请人 厦门大学 地址 361000 福建省厦门市思明南路42 2号 (72)发明人 刘伟权　臧彧　吴东航　王程　 (74)专利代理 机构 厦门创象知识产权代理有限 公司 35232 专利代理师 叶秀红 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/52(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多层神经网络的地表温度预测方法及 系统 (57)摘要 本发明公开了一种基于多层神经网络的地 表温度预测方法及系统， 其中该方法包括： 获取 遥感影像及其对应的大气外力数据和地表温度 数据； 对遥感影像进行处理， 以得到多个不同尺 度的地表特征数据， 并添加对应尺度的NDVI数据 和NDBI数据， 以得到多个完整地表特征数据； 对 地表温度数据进行处理， 以得到地表特征数据对 应的地表温度数据； 构建地表温度预测模型， 并 将完整地表特征数据、 地表温度数据和大气外力 数据作为训练集进行模型训练， 以得到训练好的 地表温度预测模 型， 以便根据训练好的地表温度 预测模型进行地表温度预测； 由此， 通过多层感 知神经网络进行预测， 由于施加了物理信息约 束,从多尺度上学习输入和输出之间的映射关 系， 能够达 到较好的预测效果。 权利要求书3页 说明书9页 附图4页 CN 115471742 A 2022.12.13 CN 115471742 A 1.一种基于多层神经网络的地表温度预测方法， 其特 征在于， 包括以下步骤： 获取遥感影 像及其对应的大气外力数据和地表温度数据； 对所述遥感影像进行处理， 以得到多个不同尺度的地表特征数据， 并在每个不同尺度 的地表特征数据上加入对应尺度的NDV I数据和NDBI数据， 以得到多个不同尺度的完整地表 特征数据； 采用二维经验模式分解对所述地表温度数据进行分解处理， 以得到所述每个不同尺度 的地表特 征数据对应的地表温度数据； 构建地表温度预测模型， 并将所述多个不同尺度的完整地表特征数据、 所述每个不同 尺度的地表特征数据对应的地表温度数据和大气外力数据作为训练集数据输入到所述地 表温度预测模型进行训练， 以得到训练好的地表温度预测模型； 获取待预测温度区域对应的多个不同尺度的完整地表特征数据和大气外力数据， 并将 其输入到所述训练好的地表温度预测模型以得到所述待预测温度区域的地表温度。 2.如权利要求1所述的基于多层神经网络的地表温度 预测方法， 其特征在于， 对所述遥 感影像进行处 理， 以得到多个不同尺度的地表特 征数据， 包括： 预定义多个地理语义标签； 采用地物标记网络根据所述多个地理语义标签对所述遥感影 像进行标记； 根据标记好的遥感影 像构建多个地理标记直方图； 以待预测点位为中心， 每个地理标记直方图为单元建立多个由不同单元构成的矩阵， 以得到多个不同尺度的地表特 征数据。 3.如权利要求2所述的基于多层神经网络的地表温度 预测方法， 其特征在于， 采用以下 公式构建多个地理标记直方图： 其中， S表示特定单元上的类别 集合， C(S)表示S中的点的数量， ll表示S中类别为l的像 素数量， d(l)表示类别为 l的地理标记直方图。 4.如权利要求1所述的基于多层神经网络的地表温度 预测方法， 其特征在于， 将所述多 个不同尺度的完整地表特征数据、 所述每个不同尺度的地表特征数据对应的地表温度数据 和大气外力数据作为训练集数据输入到所述地表温度预测模型进 行训练， 以得到训练好的 地表温度预测模型， 包括： 对所述多个不同尺度的完整地表特 征数据进行编码， 以得到对应的地表编码特 征； 对所述大气外力数据进行编码， 以得到对应的大气编码特 征； 将多个不同尺度的地表编码特征和对应的大气编码特征进行一一拼接， 以得到多个不 同尺度的最终特 征； 对所述多个不同尺度的最终特征进行解码以得到对应的地表温度 预测结果， 以便将所 述地表温度预测结果和所述 地表温度数据作为损失值； 根据所述损失值确定训练后的地表温度预测模型是否收敛， 以便在确定所述训练后的 地表温度预测模型收敛后完成训练。 5.一种计算机可读存储介质， 其特征在于， 其上存储有基于多层神经网络的地表温度 预测程序， 该基于多层神经网络的地表温度预测程序被处理器执行时实现如权利要求1 ‑4权　利　要　求　书 1/3 页 2 CN 115471742 A 2中任一项所述的基于多层神经网络的地表温度预测方法。 6.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时， 实现如权利要求1 ‑8中任一项所述的 基于多层神经网络的地表温度预测方法。 7.一种基于多层神经网络的地表温度预测系统， 其特 征在于， 包括： 获取模块， 用于获取遥感影 像及其对应的大气外力数据和地表温度数据； 处理模块， 用于对所述遥感影像进行处理， 以得到多个不同尺度的地表特征数据， 并在 每个不同尺度的地表特征数据上加入对应尺度的NDV I数据和NDBI数据， 以得到多个不同尺 度的完整地表特 征数据； 分解模块， 用于采用二维经验模式分解对所述地表温度数据进行分解处理， 以得到所 述每个不同尺度的地表特 征数据对应的地表温度数据； 模型训练模块， 用于构建地表温度预测模型， 并将所述多个不同尺度的完整地表特征 数据、 所述每个不同尺度的地表特征数据对应的地表温度数据和大气 外力数据作为训练集 数据输入到所述 地表温度预测模型进行训练， 以得到训练好的地表温度预测模型； 预测模块， 用于获取待预测温度区域对应的多个不同尺度的完整地表特征数据和大气 外力数据， 并将其输入到所述训练好的地表温度预测模型以得到所述待 预测温度区域的地 表温度。 8.如权利要求7所述的基于多层神经网络的地表温度 预测系统， 其特征在于， 所述处理 模块还用于， 预定义多个地理语义标签； 采用地物标记网络根据所述多个地理语义标签对所述遥感影 像进行标记； 根据标记好的遥感影 像构建多个地理标记直方图； 以待预测点位为中心， 每个地理标记直方图为单元建立多个由不同单元构成的矩阵， 以得到多个不同尺度的地表特 征数据。 9.如权利要求8所述的基于多层神经网络的地表温度 预测系统， 其特征在于， 采用以下 公式构建多个地理标记直方图： 其中， S表示特定单元上的类别 集合， C(S)表示S中的点的数量， Sl表示S中类别为l的像 素数量， d(l)表示类别为 l的地理标记直方图。 10.如权利要求7所述的基于多层神经网络的地表温度预测系统， 其特征在于， 所述模 型训练模块还用于， 对所述多个不同尺度的完整地表特 征数据进行编码， 以得到对应的地表编码特 征； 对所述大气外力数据进行编码， 以得到对应的大气编码特 征； 将多个不同尺度的地表编码特征和对应的大气编码特征进行一一拼接， 以得到多个不 同尺度的最终特 征； 对所述多个不同尺度的最终特征进行解码以得到对应的地表温度 预测结果， 以便将所 述地表温度预测结果和所述 地表温度数据作为损失值； 根据所述损失值确定训练后的地表温度预测模型是否收敛， 以便在确定所述训练后的权　利　要　求　书 2/3 页 3 CN 115471742 A 3