一种基于深度学习的戈壁滩地表温度预测方法

本发明涉及人工智能技术领域，公开了一种基于深度学习的戈壁滩地表温度预测方法。方法构建采集端、遥感端、边缘计算终端与中心服务器协同运行的体系架构，实现多源观测数据的融合与实时传输。通过设计融合物理约束的时空神经网络模型，结合角度引导卷积神经网络与门控循环单元结构，引入地表能量平衡与斯忒藩—玻尔兹曼辐射一致性约束，实现地表温度的高精度预测与物理一致性建模。采用跨尺度重建与缺测补全机制，提升预测结果的空间连续性与分辨率。该方法实现了戈壁滩区域地表温度的高精度、稳定与自适应预测，为干旱区气象监测、生态评估及预警决策提供了智能化支撑。