融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

摘要：

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义.传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况.因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义.本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度(LST)数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R2接近0.85,RMSE为0.5℃.本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑.

关键词：近地表空气温度、地表温度、空气温度影响要素、机器学习、土地覆盖、土壤水分、空间化、变量重要性分析

所属期刊栏目：22

资助基金：国家重点研发计划资助项目2017YFD0300404-1、2017YFD0300402

在线出版日期：2020-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2023-2037