基于随机森林的积雪时空分析与预测方法

技术特征：
1.一种基于随机森林的积雪时空分析与预测方法，其特征在于，包括以下步骤：步骤1：获取与积雪相关的数据并对数据进行预处理；获取的数据包括积雪地面观测数据、被动微波遥感传感器亮温数据、积雪密度分布、与积雪相关的环境数据；步骤2：对步骤1预处理后的数据根据地理单元之间的空间邻接或空间距离关系构建空间权重矩阵；步骤3：将步骤2中得到的空间权重矩阵进行中心化转换并计算其特征值和特征向量，得到的特征向量按照对应特征值大小进行排列；步骤4：按照排序，将特征值λ
i
/λ
max
>0.25对应的特征向量筛选出来，作为特征向量初筛集；步骤5：将步骤1中除亮温数据、积雪密度、积雪地面观测数据以外的所有变量与步骤4中初筛后的特征向量初筛集作为候选变量集，利用变量筛选方法，将其中显著的向量筛选出来，作为环境变量；步骤6：随机森林建模；将积雪地面观测数据作为因变量，将步骤5中筛选得到的环境变量与亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模，并对参数进行率定和验证，最终通过验证集的最佳指标确定模型的最优参数；步骤7：将步骤6中得到的最优参数代入全体样本中得到随机森林回归模型，可以得到各自变量的重要性排序，分析该区域影响积雪分布的因素；步骤8：按照步骤7中分析结果，将步骤6得到的最优参数代入到新的自变量中，得到积雪的预测值。2.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤1中，积雪地面观测数据主要来源为积雪地面观测站点和积雪调查测雪路线两种方式，通常是矢量数据；被动微波遥感传感器亮温数据在不同地区可选择对应精度较高的雪深反演算法及波段组合。3.如权利1要求所述的一种基于随机森林的积雪时空分析与预测方法，其特征在于，步骤1中，与积雪相关的环境数据包括但不限于土地覆盖类型、高程、坡度、坡向、植被覆盖类型、叶面积指数、气温、地表温度、降水量、地表热通量、地表反照率、大气压、水蒸气含量、云层水含量、风速。4.如权利1要求所述的一种基于随机森林的积雪时空分析与预测方法，其特征在于，步骤1中数据预处理的方法为：对数据进行检查，并对异常值、空值等进行处理，对于栅格数据，根据具体情况选择插值方法插补或直接剔除。5.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤2中，空间权重矩阵分为两类：基于距离的权重矩阵和基于拓扑关系的权重矩阵，基于距离的权重矩阵针对通过积雪地面观测站点及积雪调查测雪路线获得的矢量积雪数据，选择包括但不限于高斯型、指数型、双重平方型、三重立方型作为权重生成函数；基于拓扑关系的权重矩阵主要针对遥感传感器获取到相关地面信息的栅格数据，选择包括但不限于车相邻、后相邻的邻接方式构建权重矩阵。6.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤5中，变量筛选方法包括但不限于子集选择法、逐步回归法、最小绝对值收敛和选择算子lasso、岭回归、随机森林gini指数筛选。
7.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤6中，确定最优参数的方法为：在建模过程中，划分训练集和测试集，通过设置不同生成树数量ntree和节点数mtry参数进行遍历，再对其进行评价，最终通过验证集的最佳指标确定模型的最优参数。8.如权利7要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤6中，训练集和测试集通常随机选取70％的样本作为训练集，30％作为验证集，随机森林回归的主要参数mtry通过设置取值范围和步长进行遍历，在均方误差、平均绝对误差、决定系数中选其一作为指标，从而确定最优参数。9.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于，步骤7中，时空分析包括按时间变化分析、按空间变化分析、结合时空变化分析，按照时间变化分析因素对积雪贡献的变化，在不同区域分析因素在不同空间对积雪影响的变化，结合不同时间、空间范围的建模结果，分析环境变量、空间变量对积雪时空变化的影响。10.如权利1要求所述的基于随机森林的积雪时空分析与预测方法，其特征在于：步骤8还包括如下子步骤：步骤8.1：利用粗尺度数据按照步骤1-6进行建模，通过构建粗尺度积雪参数与自变量间的模型，再将精细尺度的环境变量处理好，代入步骤6中得到的最优参数，得到精细尺度的积雪产品；步骤8.2：短期预测利用当期积雪数据与前一期环境变量按照步骤1-6进行建模，得到模型最优参数，再代入当期环境变量，实现对未来短期的积雪预测。

技术总结
本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。估算模型更加准确。估算模型更加准确。


技术研发人员：陈玉敏 杨家鑫 苏恒 陈国栋 徐真珍 安钱莹
受保护的技术使用者：武汉大学
技术研发日：2022.04.29
技术公布日：2022/8/30