技术特征：
1.一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，包括如下步骤：步骤一，数据采集，选定海洋研究区域并采集研究区域四个季度的实测海底温度点位数据，在相同时间内获取海洋表面温度网格日常数据；对日常数据求平均值后，将平均值作为实测海底温度点位对应其表面探测温度，根据实测海底温度点位表面探测温度绘制温度影像，对温度影像进行预处理，完成netcdf数据格式转换；步骤二，对收集到的历年四季海洋表面温度和其对应位置海底实测温度数据进行数据清洗，剔除掉异常数据，形成正常可用的数据集数据，并利用python的openpyxl库来提取外部文件中的数据集信息；把数据集按照3：1随机分为训练集和测试集两部分获得期望数据；搭建bp神经网络模型并对模型进行调参，重复训练，反复对模型进行架构调整；架构调整为模型含有3层hidden layer、1层input layer和1层output layer的bp神经网络结构模型；步骤三，将研究区历史影像数据投入步骤二中搭建的模型中，监测区域未来某年海底温度变化。2.根据权利要求1所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，所述步骤一中，netcdf数据格式转换为可读的摄氏温度，包括如下流程：s1，将nc数据格式中的fsds变量导入为raster；s2，对数据可视化检查；s3，将结果写入geotiff，由geotiff中分出var1-geotiff文件、var2-geotiff文件、以及var3-geotiff文件。3.根据权利要求1所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，所述步骤二中，数据集按照3：1随机分为训练集和测试集两部分按照以下顺序：s1，获得测试集的容量大小，具体是采用如下公式：其中，lenth(x)为数据集中的input数组的容量大小；s2，获得随机数，利用random库的sample函数从lenth(x)的范围内获得cut个不重复随机下标引脚；s3，形成测试集，遍历数据集数组，把对应的下标引脚的数据复制一份集合成测试集；s4，形成训练集，对获得的cut个随机数进行降序排序，对数据集数组从高位下标引脚开始删除对应的随机数引脚的数据，余下的数据集为训练集数据。4.根据权利要求3所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，bp神经网络模型的搭建由海底点位经度、纬度、海底温度t同时作为输入数据的三个维度，结合keras框架对年度实测春、夏、秋、冬的数据建立模型。5.根据权利要求4所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，所述bp神经网络结构模型中每层hidden layer含有128个神经元、input layer含有3个神经元、output layer含有1个神经元；所述模型的非线性激活函数是relu函数。6.根据权利要求5所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，所述步骤二中，对搭建的模型采用he初始化方法对参数权值初始化，参数由均值
为0，标准差为的正态分布产生，其中，fan_in是权值张量中的输入单位的数量。7.根据权利要求6所述的一种区域海洋底温热红外遥感监测预报模型的建立方法，其特征在于，所述步骤二中，搭建的模型采用adam优化器对参数迭代更新，生成学习率；损失函数使用的是平均绝对误差此外，模型的评估标准为预测温度和实际温度不超过0.5℃；将模型通过dropout正则化方法处理并反向传播训练。