广西非气象参数Tm模型研究

通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。     

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%。     

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。     

复杂山区地形条件下ERA5再分析地表气温降尺度方法

高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。     

黄土高原区SRTM1 DEM高程误差校正模型构建及对比分析

对SRTM1 DEM高程误差进行校正可有效提高其应用精度。以具有典型地貌特征的黄土高原作为研究区域，以ICESat-2/ATL08陆地高程作为参考数据，引入主流机器学习算法建立SRTM1高程误差与影响因子之间的关系模型对高程值进行校正；通过分析模型性能指标、误差频数分布、校正误差空间格局以及典型剖面误差分布，以此得到不同地貌类型区的高程误差校正模型适用性。实验结果表明：在平原、风沙丘陵和黄土塬地貌区随机森林模型高程校正效果最佳，平均绝对误差分别降低0.49、0.82和1.2 m，同时校正误差在空间分布上异常值较少，低起伏度的平原和风沙丘陵地貌区典型剖面误差与原误差较为贴合；山地区支持向量机模型适用性更强，均方根误差和平均绝对误差分布降低了6.79 m和5.43 m，可大幅提升误差绝对值较小的点位频数，同时在空间格局和典型剖面验证效果最佳；黄土丘陵地貌区弹性反馈神经网络模型效果最优，均方根误差和平均绝对误差分别降低了2.3 m和2.04 m，空间分布上误差降低效果显著，典型剖面误差异常值较少；土石丘陵地貌区卷积神经网络模型效果更理想，均方根误差与平均绝对误差分别降低4.14 m和3.5 ...     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

中国区域TanDEM-X 90 m DEM高程精度评价及其适用性分析

数字高程模型（Digital Elevation Model, DEM）是地球表层系统科学相关研究的基础数据,DEM数据精度的定量评价对科学选择DEM数据源、量化数据误差的影响等具有重要意义。在目前全球尺度可免费获取的DEM数据中,2018年发布的TanDEM-X 90 m DEM（TanDEM-X 90）数据凭借其较好的现势性得到了广泛关注。然而,目前大区域尺度上开展的针对TanDEM-X 90数据精度的评价工作较为有限,缺乏对其整体精度及误差空间分布特征的系统认知。本文以ICESat/GLAS卫星测高数据为评价数据,并选择SRTM-3 DEM和AW3D30 DEM作为对比数据,以平均绝对误差（MAE）、均方根误差（RMSE）、偏度和峰度等为统计指标,重点研究了TanDEM-X 90在中国主要陆地区域的误差统计特征和空间分布规律,探讨了高程、坡度、地貌类型、土地覆盖等对DEM精度的影响,并进行了适用性分析。结果表明：① 在中国区域,TanDEM-X 90数据的平均绝对误差和均方根误差分别为4.31 m和7.87 m,其高程精度与SRTM-3相近,但明显低于AW3D30;② 当坡度低于4°时,TanDEM-X 90的整体精度为3种数据中最高的;③ 对于平原、丘陵、台地这3类地貌类型,TanDEM-X 90相较SRTM-3而言具有一定精度优势;④ 本研究还以流域为单元绘制了全国尺度的TanDEM-X 90误差空间分布图,为该数据在全国尺度或典型区域的应用提供重要参考。研究也表明TanDEM-X 90在反映地表高程信息方面具有更好的时效性,能更好地反映中国区域近年来受人类活动影响的地表高程变化。     

基于随机森林算法的地表温度鲁棒降尺度方法

陆地表面温度是描述区域或者全球范围内陆地表面与大气的相互作用和能量平衡最重要的环境参数之一。针对目前尚未有遥感卫星能够同时提供具有高时间和高空间分辨率的地表温度产品的问题,国内外学者发展了多种对低空间分辨率的地表温度进行降尺度的算法。然而,由于对地表温度解释变量和降尺度模型的选择往往具有区域局限性,导致了降尺度模型的泛化能力受到了一定的限制。本文首先评估了地表反射率、遥感光谱指数、地形因子、地表覆盖、经纬度以及基本状态变量6类环境参量与地表温度之间的相关关系,并在此基础上筛选出最佳解释变量;同时,结合在非线性回归问题上表现比较优秀的随机森林算法,建立了一种鲁棒性的基于随机森林算法地表温度降尺度模型（RRF）。本文选取了中国范围内具有代表性的11个地区作为主要研究区,将空间分辨率为1 km的MODIS地表温度产品降尺度至90 m。以北京市2个典型地表类型的子区域为代表研究区,通过与传统的基于归一化植被指数与地表温度相关关系的TsHARP模型,以及基于红波段和近红外波段以及地表高程作为尺度因子建立的简单Basic-RF模型的对比分析可得,RRF模型在2个子研究区降尺度结果均优于TsHARP模型和Basic-RF模型,其均方根误差分别为2.39 K和2.27 K。通过进一步对2个子研究区训练的RRF进行交叉验证,证明在一个研究区训练的RRF应用至另一研究区的降尺度时,RRF模型表现出了较好的鲁棒性,降尺度结果的均方根误差分别为2.56 K和2.44 K,精度误差相差仅为0.17 K。通过将RRF应用于中国范围内的多个研究区,结果表明利用少量训练数据构建的RRF模型适用于大范围的区域,地表温度降尺度结果都能取得较好的精度。     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均（IOWA）算子,将差分整合移动平均自回归（ARIMA）模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析。结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差（MSE）平均值为1.458 mm,平均绝对误差（MAE）为2.175 mm,可用于矿山地表沉降监测预测。     

GPT2模型用于SDCORS反演可降水汽精度评估

利用山东区域及邻近探空站，分析GPT2模型估算气象参数（气温和气压）的精度，并将GPT2模型应用于SDCORS反演可降水汽中，分析评估其精度。研究表明，GPT2模型估算气温和气压的偏差均值分别为-1.61 ℃和0.53 Pa，标准差均值分别为2.84 ℃和4.42 Pa，均方根误差均值分别为3.27 ℃和4.49 Pa；GPT2模型估算的气象参数解算的SDCORS/PWV的偏差均值为1.22 mm，标准差均值为3.05 mm，均方根误差均值为3.46 mm，较GPT模型精度高，可靠性强。对于未配备气象传感器的CORS站，基于GPT2模型估算气温和气压，有助于利用区域CORS反演可降水汽，有效实现对大气可降水量的监测与预报。     

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

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。     

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。     

Improvement of mono-window algorithm for retrieving land surface temperature from HJ-1B satellite data

The thermal infrared channel (IRS4) of HJ-1B satellite obtains view zenith angles (VZA) up to ±33°. The view angle should be taken into account when retrieving land surface temperature (LST) from IRS4 data. This study aims at improving the mono-window algorithm for retrieving LST from IRS4 data. Based on atmospheric radiative transfer simulations,a model for correcting the VZA effects on atmospheric transmittance is proposed. In addition,a generalized model for calculating the effective mean atmospheric temperature is developed. Validation with the simulated dataset based on standard atmospheric profiles reveals that the improved mono-window algorithm for IRS4 obtains high accuracy for LST retrieval,with the mean absolute error (MAE) and root mean square error (RMSE) being 1.0 K and 1.1 K,respectively. Numerical experiment with the radiosonde profile acquired in Beijing in winter demonstrates that the improved mono-window algorithm exhibits excellent ability for LST retrieval,with MAE and RMSE being 0.6 K and 0.6 K,respectively. Further application in Qinghai Lake and comparison with the Moderate-Resolution Imaging Spectroradiometer (MODIS) LST product suggest that the improved mono-window algorithm is applicable and feasible in actual conditions.     

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。     

通用劈窗算法的NOAA-18(N)AVHRR/3数据地表温度遥感反演与验证

本文以NOAA-18(N)AVHRR/3数据,运用通用劈窗技术获得地表温度。首先,利用MODTRAN 4模拟不同地表和大气状况下热红外通道(Ch4,10.3~11.3μm和Ch5,11.5~12.5μm)的星上亮温,并建立模拟数据库。其次,按照地表温度、大气可降水汽含量、地表比辐射率和观测天顶角,对模拟数据库分组,确定出各分组的通用劈窗算法系数。然后,将构建的地表温度反演模型应用到NOAA-18(N)AVHRR/3数据,模型所需的地表比辐射率由NDVI阈值法确定,大气可降水汽含量是利用Li等(2003)提出的一种劈窗的协方差与方差比的方法来估算。反演结果表明:在观测天顶角小于30°或者大气可降水汽含量小于3.5 g/cm2时,地表温度反演的均方根误差小于1.0K;在观测天顶角小于45°并且大气可降水汽含量小于5.5g/cm2情况下,均方根误差小于1.5K。最后,利用美国通量站的实测数据对地表温度反演结果进行了验证,结果表明均方根误差小于1.8K。     

Monitoring Spatio-temporal Variance of an Extreme Heat Event Using Multiple-source Remote Sensing Data

Extreme heat events have serious effects on human daily life. Accurately capturing the dynamic variance of extreme high-temperature distributions in a timely manner is the basis for analyzing the potential impacts of extreme heat, thereby informing risk prevention strategies. This paper demonstrates the potential application of multiple source remote sensing data in mapping and monitoring the extreme heat events that occurred on Aug. 8, 2013 in Jiangsu Province, China. In combination with MODIS products, the thermal sharpening(Ts HARP) method and a binary linear model are compared to downscale the original daytime FengY un 2 F(FY-2 F) land surface temperature(LST) imagery, with a temporal resolution of 60 min, from 5 km to 1 km. Using the meteorological measurement data from Nanjing station as the reference, the research then estimates the instantaneous air temperature by using an iterative computation based on the Surface Energy Balance Algorithm for Land(SEBAL), which is used to analyze the spatio-temporal air temperature variance. The results show that the root mean square error(RMSE) of the LST downscaled from the binary linear model is 1.30℃ compared to the synchronous MODIS LST, and on this basis the estimated air temperature has the RMSE of 1.78℃. The spatial and temporal distribution of air temperature variance at each geographical location from 06:30 to 18:30 can be accurately determined, and indicates that the high temperature gradually increases and expands from the city center. For the spatial distribution, the air temperature and the defined scorching temperature proportion index increase from northern to middle, to southern part of Jiangsu, and are slightly lower in the eastern area near the Yellow Sea. In terms of temporal characteristics, the percentage of area with air temperature above 37℃ in each city increase with time after 10:30 and reach the peak value at 14:30 or 15:30. Then, they decrease gradually, and the rising and falling trends become smaller from the southern cities to the northern regions. Moreover, there is a distinct positive relationship between the percentage of area above 37℃ and the population density. The above results show that the spatio-temporal distributions of heat waves and their influencing factors can be determined by combining multiple sources of remotely sensed image data.     

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。