基于随机森林算法的近地表气温遥感反演研究

近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。     

城市地表覆盖组分及植被多样性与热环境关联性分析——以贵阳市为例

本文以贵阳市为研究对象,研究了地表覆盖组分及植被多样性对地表温度的影响。首先基于Landsat8 OLI多时相影像数据在GEE平台上实现了研究区域地表覆盖精细分类;然后结合不同季节8天合成的MODIS温度产品数据,利用时空统计分析、相关分析等方法分析了研究区不同地表覆盖类型地表温度时空分布特征,地表温度与不同地表覆盖组分、地表覆盖多样性和植被覆盖多样性的相关性。结果表明：贵阳市建成区主要分布有常绿阔叶林、常绿针叶林等植被,常绿阔叶林在不同季节对地表温度的降温效应明显,而不透水面对地表温度具有明显的增温效应,尤其以夏季最为显著;地表覆盖多样性与地表温度之间具有较强相关性,其中植被覆盖多样性较植被覆盖率对地表温度的影响更为显著,而不透水面的增加会明显降低植被多样性的影响。因此,要发挥城市绿地对城市温度和热岛效应的调节作用,建议可以适当增加常绿阔叶林的绿化面积,同时在空间上要提升植被多样性水平,能够较大程度改善城市热环境。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。     

温度变化对GPS站周期性的影响不容忽视北大核心CSCD

近日,中科院上海天文台许雪晴等首次应用三维热膨胀模型,根据地表温度数据计算出全球三维地表周年位移形变,并与GPS台站观测的周年位移数据进行对比,表明温度变化引起的地表形变是GPS台站周年位移的影响因素之一,特别是在水平方向。     

MODIS_LST与AMSR-E_BT的相关性及地表温度反演

本文以2007年和2008年MODIS每日地表温度（LST）数据及AMSR-E地表亮温（BT）数据为研究对象,结合土地覆盖类型数据,统计分析MODIS_LST与AMSR-E_BT在不同土地覆盖类型、频率和极化方式条件下的相关性。结果表明,频率在18.7、23.8和36.5 GHz的AMSR-E-BT与MODIS_LST的相关性较大,且在垂直极化通道上的相关性较在水平极化上大;不同土地覆盖类型,与MODIS_LST相关性较大所对应的AMSR-E微波通道不同。同时,考虑混合像元问题对相关性的影响,对25种不同地物类型组合下MODIS_LST与AMSR-E-BT的相关性进行统计分析,发现混合像元中地物类型越多,则二者相关性越小。最后,采用多元线性回归分析法,根据不同土地覆盖类型建立反演回归模型,对部分研究区域MODIS-LST进行反演,误差平均在±3.15 K以内,与不考虑下垫面覆盖的模型比较,反演MODIS_LST精度平均提高了1.5 K。     

不同下垫面DTD模型与TSEB模型比较

双源能量平衡模型（Two Source Energy Balance, TSEB）和双温度差模型（Dual Temperature Difference, DTD）目前已应用于不同的下垫面类型和环境条件下地表蒸散发估算研究,但是由于模型构建理论机理的差异,模型表现会随着下垫面类型和环境条件的变化而有所不同。因此,本研究选取了黑河流域高寒草地、半干旱区灌溉农田以及干旱区河岸林3种下垫面类型地面观测数据,系统分析了DTD模型和TSEB模型的适用性以及主要误差来源。结果表明:① 在瞬时尺度上,DTD模型在高寒草地上估算潜热通量的误差较小,其RMSE为62.00 W/m²,而TSEB模型的RMSE为75.49 W/m²,2个模型的精度会随着植被覆盖度的增加而出现差异;在半干旱区灌溉农田区域,2种模型表现较为一致,但是在干旱区河岸林,2种模型都低估了潜热通量,且模型误差较大;② 在日尺度上,DTD模型和TSEB模型的表现与瞬时尺度表现较为一致,同时2种模型拆分的植被蒸腾比与基于uWUE模型（Water Use Efficiency, uWUE）拆分的结果吻合较好,但DTD模型的表现要优于TSEB模型;③ 相比较DTD模型而言,TSEB模型对地表温度输入误差更为敏感。本研究通过对比DTD模型和TSEB模型在不同下垫面和环境条件的表现,为今后模型优化提供了理论依据。     

基于半变异函数的重庆市地表温度空间异质性建模及多尺度特征分析

城市地表温度空间异质性的研究对理解城市地表温度空间结构有重要意义。本文利用大气校正法反演地表温度,基于半变异函数构建城市地表温度空间异质性模型,并进一步分析不同空间尺度下地表温度空间异质性结构参数的变化规律。以2013年6月16日的Landsat 8为数据源,以重庆为研究区开展实验,研究结果表明：① 不同空间尺度下重庆地表温度空间异质性均呈现指数模型分布特征;② 在30 m空间尺度下,地表温度空间异质性主要是由空间结构引起,但随机因素引起的空间变异占比为0.45,呈现出明显的块金效应,表明该尺度下随机因素引起的空间变异不可忽略;③ 从空间尺度（30~1500 m）整体变化上看,地表温度空间异质性主要由空间结构引起,同时表现出明显的尺度效应;随着空间尺度增大,块金值（C₀）、偏基台值（C）、基台值（C₀+C）以及块基比（C₀/（C₀+C））逐渐减小,表明地表温度空间异质性逐渐减弱但空间自相关性逐渐增强。变程（A）逐渐增大,表示空间自相关性范围逐渐扩大;④ 随机因素引起的空间变异占比为0.23~0.46,呈现出波动变化,这是因为地表温度在像元内部也存在空间异质性。空间结构引起的空间变异相对平缓,这是因为空间尺度的变化不会改变地形结构;⑤ 从尺度域来看,基台值与块金值在尺度域（690 m,1500 m）内呈现出较大幅度波动变化状态,且变化趋势相似,表明地表温度空间异质性的变化与随机因素有较大关联。综上所述,分析地表温度空间结构需要选取合适的空间尺度,尺度较小时,容易受到随机因素干扰,从而影响地表温度在空间结构上的空间变异性;尺度较大时,地表温度空间异质性较弱且变化不稳定。     

长沙市热岛效应时空特征变化研究

本文基于1991-2015年长沙市9景Landsat TM/ETM影像,采用单窗算法反演了长沙市建成区的地表温度,提取了土地利用/覆盖类型,并结合相关资料对长沙市热岛效应时空变化特征以及城市热环境与城市土地利用/覆盖变化之间的关系进行了分析。结果表明长沙市热岛范围随着建成区范围的扩大不断增大,并且热岛的时空演变与建成区扩大的趋势一致：1991-1996年,长沙市热岛向东发展迅速,截至1996年东部热岛面积增加达53.54 km² ;1996-2003年,受城市建成区扩展影响,热岛向西部延伸,增加面积达39.88 km²;2003-2007年,建成区热岛向西部、南部加速发展,热岛增加总面积达33.55 km²;2007年后,长沙市建成区与热岛范围开始向东、西、南、北4个方向全面扩展。此外,建成区土地利用/覆盖情况发生了很大的变化,大量绿地转变为建设用地和耕地,极大地影响了地表温度的空间分布,各土地类型之间的温度差异显著缩小,水体良好的吸热性能明显地体现出来,建筑用地和裸地则对地表温度的贡献显著增大。     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

结合HASM和GWR方法的省级尺度近地表气温估算

卫星遥感反演得到的地表温度可用于近地表气温的估算,但现有方法的估算精度仍有进一步提升的空间。为了获取空间上连续且精度较高的近地表气温,本研究以四川省为例,首次将高精度曲面建模（HASM）用于遥感和气温实测数据的融合,并将综合了气温、地表温度、海拔、坡度、坡向的地理加权回归（GWR）拟合结果作为HASM模型的初始温度场,进而采用此种结合HASM和GWR的求解算法（HASM-GWR）,融合MOD11C3地表温度产品与190个气象台站的气温实测数据,开展省级尺度近地表气温估算,并通过比较HASM-GWR、GWR以及普通线性回归（OLS）3种方法的估算精度,评估各模型对近地表气温的估算效果。结果表明,相比于传统估算模型,采用HASM-GWR数据融合方法能有效提高近地表气温的估算精度。采用该方法的近地表气温估算残差,72%介于-1~1 ℃,90%介于-2~2 ℃;且与GWR和OLS模型相比,估算结果的均方根误差（RMSE）分别降低了25.42%和39.83%。     

土壤水分微波反演方法进展和发展趋势

土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。     

多年平均气温数据空间化误差的尺度效应

属性数据空间化是利用矢量数据生成栅格数据产品的有效方法,它有助于不同来源、不同格式之间的数据的综合分析。空间化是一种必然有误差伴随的过程,为探讨空间化误差与数据源密度、空间化模型方法,以及空间化分辨率之间的关系,本文利用7种水平的气象站点密度、5种空间化模型方法和19种栅格分辨率分析多年平均气温数据空间化误差与这3类影响因子之间的关系。分析发现：（1）气象站点密度的降低导致多年平均气温数据的空间化误差增加;（2）在IDW、Kriging、Adjusted IDW、Regression和Anusplin 5种空间化模型方法中,Adjusted IDW、Regression、Anusplin比IDW、Kriging的精度高;（3）随着栅格分辨率的变粗,多年平均气温数据空间化误差增大;（4）在影响空间化精度的3类因子中,空间化模型方法对空间化精度的影响最大,栅格分辨率次之,气象站点密度的影响最小。通过多元回归分析,建立了多年平均气温数据空间化误差与这3类影响因子之间的定量模型,可为空间化技术方案的制定提供参考和依据。     

基于遥感和BP人工神经网络的城乡气象站点划分分析

城市热岛是城市环境和全球变化研究的重要组成部分,利用气象观测资料研究城市热岛的影响一般采用城市和乡村气象站的同步实测气温,并计算其平均气温差,因此,城乡气象站点划分的准确性,将直接影响城市热岛研究的科学性。鉴于以行政单元统计人口为依据的划分方式未考虑人口在行政单元内的实际空间分布,本文以安徽省为例,利用从遥感影像上提取的土地利用信息,采用BP人工神经网络方法,建立站点缓冲区内土地利用类型比例的城乡站点划分模型,并利用空间化后的人口格网数据对该模型的精度进行了验证。结果表明,该模型有效地建立了气象站点周边缓冲区内的土地利用类型比例与城乡站点类型之间的定量关系,避免直接采用行政单元统计人口数据的不足,客观地模拟了缓冲区内土地利用对气象站点的综合作用,科学地划分出城市和乡村气象站点,为城市热岛研究提供科学、可靠的数据保障,并可用于大区域研究。另外,本文利用划分出的乡村站点建立背景温度场,得出2000年安徽省各城市站点平均热岛强度为0.4℃。     

Assimilating ASAR data for estimating soil moisture profile using an ensemble Kalman filter

Active microwave remote sensing data were used to calculate the near-surface soil moisture in the vegetated areas. In this study, Advanced Synthetic Aperture Radar （ASAR） observations of surface soil moisture content were used in a data assimilation framework to improve the estimation of the soil moisture profile at the middle reaches of the Heihe River Basin, Northwest China. A one-dimensional soil moisture assimilation system based on the ensemble Kalman filter （EnKF）, the forward radiative transfer model, crop model, and the Distributed Hydrology-Soil-Vegetation Model （DHSVM） was developed. The crop model, as a semi-empirical model, was used to estimate the surface backscattering of vegetated areas. The DHSVM is a distributed hydrology-vegetation model that explicitly represents the effects of topography and vegetation on water fluxes through the landscape. Numerical experiments were con- ducted to assimilate the ASAR data into the DHSVM and in situ soil moisture at the middle reaches of the Heihe River Basin from June 20 to July 15, 2008. The results indicated that EnKF is effective for assimilating ASAR observations into the hydrological model. Compared with the simulation and in situ observations, the assimilated results were significantly improved in the surface layer and root layer, and the soil moisture varied slightly in the deep layer. Additionally, EnKF is an efficient approach to handle the strongly nonlinear problem which is practical and effective for soil moisture estimation by assimilation of remote sensing data. Moreover, to improve the assimilation results, further studies on obtaining more reliable forcing data and model parameters and increasing the efficiency and accuracy of the remote sensing observations are needed, also improving estimation accuracy of model operator is important.     

大连市城区绿地时空特征的热环境效应研究

本文选择大连市沙河口和西岗区为研究区,以Landsat ETM、SPOT等数据为基础,通过遥感解译和反演得到1999年和2013年研究区内绿地及地表温度空间分布及演变特征,结合温度-植被指数（TVX）空间分析法测度城区发展过程中绿色空间减退所引起的热环境效应,以提出更有针对性的城市气候变化适应性规划。研究结果表明：（1）1999-2013年,研究区绿地面积减少43.8%,绿地斑块增加42.9%,城市绿地呈现面积减少、空间分布碎化的演变特征。其中,森林绿地、公园绿地和街区绿地转化为建设用地的贡献率分别为43.8%、42.9%和13.3%,街区绿地因原始面积小且转化率高,被建设用地侵占最为严重。（2）1999-2013年,研究区地表温度最高值上升5.2 K,地表温差增加1.7 K,地温聚集区间由301.6 ~304.7 K上升至306.5~310.9 K,热环境效应加剧。（3）TVX模型追踪结果显示,快速城市化过程中研究区内城市绿地转化为建设用地引起植被覆盖度下降和地表温度上升,其中街区绿地被侵占造成的地表热环境效应大于公园绿地和森林绿地。     

Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network

It is more difficult to retrieve land surface temperature(LST) from passive microwave remote sensing data than from thermal remote sensing data, because the emissivities in the passive microwave band can change more easily than those in the thermal infrared band. Thus, it is very difficult to build a stable relationship. Passive microwave band emissivities are greatly influenced by the soil moisture, which varies with time. This makes it difficult to develop a general physical algorithm. This paper proposes a method to utilize multiple-satellite, sensors and resolution coupled with a deep dynamic learning neural network to retrieve the land surface temperature from images acquired by the Advanced Microwave Scanning Radiometer 2(AMSR2), a sensor that is similar to the Advanced Microwave Scanning Radiometer Earth Observing System(AMSR-E). The AMSR-E and MODIS sensors are located aboard the Aqua satellite. The MODIS LST product is used as the ground truth data to overcome the difficulties in obtaining large scale land surface temperature data. The mean and standard deviation of the retrieval error are approximately 1.4° and 1.9° when five frequencies(ten channels, 10.7, 18.7, 23.8, 36.5, 89 V/H GHz) are used. This method can effectively eliminate the influences of the soil moisture, roughness, atmosphere and various other factors. An analysis of the application of this method to the retrieval of land surface temperature from AMSR2 data indicates that the method is feasible. The accuracy is approximately 1.8° through a comparison between the retrieval results with ground measurement data from meteorological stations.     

Remote sensing of ecosystem services: An opportunity for spatially explicit assessment

Ecosystem service is an emerging concept that grows to be a hot research area in ecology. Spatially explicit ecosystem service values are important for ecosystem service management. However, it is difficult to quantify ecosystem services. Remote sensing provides images covering Earth surface, which by nature are spatially explicit. Thus, remote sensing can be useful for quantitative assessment of ecosystem services. This paper reviews spatially explicit ecosystem service studies conducted in ecology and remote sensing in order to find out how remote sensing can be used for ecosystem service assessment. Several important areas considered include land cover, biodiversity, and carbon, water and soil related ecosystem services. We found that remote sensing can be used for ecosystem service assessment in three different ways: direct monitoring, indirect monitoring, and combined use with ecosystem models. Some plant and water related ecosystem services can be directly monitored by remote sensing. Most commonly, remote sensing can provide surrogate information on plant and soil characteristics in an ecosystem. For ecosystem process related ecosystem services, remote sensing can help measure spatially explicit parameters. We conclude that acquiring good in-situ measurements and selecting appropriate remote sensor data in terms of resolution are critical for accurate assessment of ecosystem services.     

多年平均气温空间化BP神经网络模型的模拟分析

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段.理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势.但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势.本文基于Matlab平台,利用BP神经网络研究了多年平均气...