基于随机森林的西辽河流域CCI土壤湿度降尺度研究

土壤湿度是气候系统中的关键因子，对农业管理、水资源管理和生态系统监测与评估等具有重要应用价值。遥感土壤湿度产品虽能提供大尺度范围的土壤湿度分布，但受限于较低的空间分辨率，难以满足实际应用的要求，对遥感土壤湿度产品的降尺度研究成为当前的热点之一。本文以0.25°分辨率的欧空局ESA CCI日土壤湿度为主要数据源，结合1 km分辨率的MODIS下垫面数据、地形数据、气象数据等环境因子，构建随机森林降尺度模型，对我国西辽河流域2013—2020年CCI日土壤湿度产品进行降尺度，得到1 km分辨率的土壤湿度时空分布数据。研究发现：(1)环境因子重要性分析表明，相对湿度和白天地表温度是影响土壤湿度变化最重要的2个因素，地形与位置因子的影响次之；(2)利用研究区内22个站点的实测数据序列对随机森林降尺度模型性能进行验证，结果表明考虑多种环境因子（地表、地形和气象）的降尺度结果比仅考虑地表参数的降尺度结果的精度要高，每个站点的RMSE都在0.048 8 m3/m3以下，平均相关系数为0.497 3,BIAS绝对值在0.003 0～0.033 3 m3/m3，降尺度后的土壤湿度与原始CCI遥感土壤湿度...     

高精度曲面建模的中国气候降尺度模型

 与站点统计降尺度插值和动力降尺度相比,高精度曲面建模(HASM)降尺度,具有不需大尺度预报因子,直接从GCM结果构建区域上高空间分辨率的未来气候模拟曲面的优势。HASM降尺度将未来气候,分为历史观测拟合的气候基准值和GCM未来气候变化值进行模拟,精度明显高于传统方法,但常系数全局拟合的气候基准值忽略了降水分布的空间非平稳性,导致降水模拟受到较大影响。为增强降水降尺度的气候背景值的描述能力,通过分析全国尺度降水的非线性非平稳性特点,提出耦合空间变系数气候基准值的HASM空间变系数降尺度模型(HASM-SVDM)以改进HASM对非平稳要素的降尺度能力,并以1961-2010年全国气温降水观测数据结合地形特征信息,利用HASM降尺度方法对HadCM3的A1Fi、A2a和B2a 3种情景的1961-1990、2010-2039、2040-2069和2070-2099时段的全国未来气温与降水进行降尺度模拟。分析表明,耦合全局线性模型的HASM常系数降尺度模型适合全国气温的降尺度模拟,而耦合空间变系数拟合的HASM-SVDM增强了空间非平稳背景值的描述能力,模拟的空间分布更能体现降水总体的非均匀分布趋势,适合全国降水的降尺度模拟。     

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。     

多源遥感数据的降水空间降尺度研究——以川渝地区为例

大量研究表明,通过传统地面气象站点实测的单点数据,不能有效地反映降水的空间变化特征。目前,以遥感数据获取的降水产品已得到了广泛的应用,但在地形地势复杂区域,遥感降水产品的空间分辨率与数据精度等方面仍然存在着极大的不足。因此,本文以四川重庆(川渝)地区为例,通过建立降水产品降尺度算法,以实现降水产品的降尺度估算,提高降水数据的空间分辨率。依据在不同尺度下(0.25°、0.50°、0.75°和1.00°),TRMM 3B43、地理因子,以及MOD13A3(NDVI)之间存在的相关关系,构建了多元回归模型。通过对比这4种尺度下的回归模型,选择其中精度最高的作为最终的降尺度算法,然后再把这种降尺度算法应用到1 km分辨率下进行降水估算。进一步,以区域差异分析(GDA)和区域比率分析法(GRA)对降尺度估算的降水数据进行校正,并结合部分地面气象站点实测的降水数据进行验证。验证结果表明:降尺度算法是可靠的,能有效提升降水产品的空间分辨率,同时GDA和GRA校正方法能减小误差,进一步提升降水估算的精度,满足区域地表过程应用的需求。     

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m²）,Bias（15.4 W/m²）略大于ERA-Interim产品（13.2 W/m²）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m²,Bias为5.3 W/m²;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。     

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。     

热带山区高时空分辨率NDVI融合精度及其影响因素分析

高时空分辨率NDVI时序数据作为遥感应用中的重要数据源,对土地覆被动态变化监测具有重要意义,特别是在地表高程变化显著、气候条件复杂、景观异质性强烈的热带山区。虽然当前学者们提出了诸多时空数据融合模型,但针对这些模型在热带山区的NDVI数据融合精度及其影响因素分析尚不多见。对此,本文选取3类时空数据融合方法（权重函数法、概率统计法和多种混合法）中具有代表性的4个模型：STARFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、RASTFM（Spatial and Temporal Adaptive Reflectance Fusion Model）、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）、BSFM（Bayesian Spatiotemporal Fusion Model） （STARFM、ESTARFM为权重函数法;BSFM为概率统计法;RASTFM为多种混合法）,选择位于我国热带山区的纳板河流域作为研究区。对融合模型的数据源选择、研究区的地形及景观空间异质性、融合模型、以及薄云和雾霾等大气条件等影响因素进行分析,研究结果表明：① 数据融合精度随输入影像之间的时间间隔及其相对变化量增加而降低;融合中输入的高、低空间分辨率数据光谱匹配度越高,融合精度越高（OLI优于Sentinel-2; MODIS优于VIIRS）;经过BRDF校正的数据能够有效提高各模型的融合精度;② 地形及空间异质性对融合结果精度影响显著,融合精度与空间异质性呈负相关,本研究中融合精度随着坡度的增大而减小,但坡向对融合精度的影响较小;地形对RASTFM的影响较其他模型低;③ 融合模型中输入的高质量影像越多,模型的融合精度往往越高;④ 薄云和雾霾会对融合精度产生显著负面影响。本研究的结果对于改进热带山地地区的高时空数据融合模型,生产热带山区复杂地理环境的高精度高时空分辨率NDVI数据集具有重要的参考价值。     

南京市高温热浪时空分布研究

在全球气候变暖的背景下,城市夏季高温热浪已经成为城市最严重的气象灾害之一,给城市居民健康和经济发展带来了巨大的影响。以2013年8月7日-13日的南京高温热浪灾害事件为例,基于Landsat 8 OLI 卫星遥感数据、MODIS卫星遥感数据和气象站点数据,在MODIS地表温度降尺度基础上,估算近地表气温,进而结合空气相对湿度的空间插值数据计算南京地区100 m分辨率的炎热指数和高温热浪指数,分析其时空分布特征。结果表明：在这次高温热浪演变过程中,南京炎热指数呈现先升高后降低的变化趋势,8月11日炎热指数最高,平均达到86.99,12日降到最低值,平均值为85.05;高温热浪强度主要集中于轻度热浪与中度热浪,随着时间的推移,其范围也呈现先扩大后减小的趋势;在空间分布上,南京北部及中心城区的炎热指数较高,主要表现为中度热浪,而南部地区及中心城区周边郊区较低,主要为轻度热浪,山体和水域炎热指数则最低,多为无热浪。     

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。     

气温插值中不同空间插值方法的适用性分析——以江苏省为例

气温是最重要的气象因子之一,空间插值为台站气象数据降尺度提供了有效方法.本文利用江苏省67个气象台站2003年的逐日气温资料计算逐月平均气温和年平均气温,结合空间分辨率为30mX 30m的DEM数据,分别利用反距离权重法、张力样条插值法、普通克里格插值法和协同克里格插值法,对月和年平均气温进行插值,并利用交叉验证法对插...     

中国区域ERA5和MERRA-2再分析资料计算Tm的精度分析

以中国区域89个探空站2017年资料为参考值,对ERA5和MERRA-2再分析资料积分计算的Tm的精度进行评估,并分析2种资料计算的Tm的bias和RMSE的时空变化特性。结果表明：1）以探空站资料为参考值,ERA5和MERRA-2再分析资料计算的Tm的年均bias分别为0.41 K和0.10 K,年均RMSE分别为1.26 K和1.34 K。2）2种资料计算的Tm的bias和RMSE具有相似的时空变化特性,时间上总体表现为夏季精度高、冬季精度稍低,但ERA5再分析资料计算的Tm的bias在全年均表现为正值,而MERRA-2再分析资料计算的Tm的bias在夏季表现为负值,其余时间表现为正值;在空间上,2种资料计算的Tm的bias和RMSE在高程上无明显变化特性,但在纬度上RMSE均表现出随纬度增加而逐渐变大的趋势,总体保持在2.5 K以内。     

基于机器学习的高精度高分辨率气象因子时空估计

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。     

New methods for calculating bare soil land surface temperature over mountainous terrain

Land surface temperature(LST) causes the phase change of water, links to the partitioning of surface water and energy budget, and becomes an important parameter to hydrology, meteorology, ecohydrology, and other researches in the high mountain cold regions. Unlike air temperature, which has common altitudinal lapse rates in the mountainous regions, the influence of terrain leads to complicated estimation for soil LST. This study presents two methods that use air temperature and solar position,to estimate bare LST with high temporal resolution over horizontal sites and mountainous terrain with a random slope azimuth. The data from three horizontal meteorological stations and fourteen LST observation fields with different aspects and slopes were used to test the proposed LST methods. The calculated and measured LST were compared in a range of statistical analysis, and the analysis showed that the average RMSE(root mean square error),MAD(mean absolute deviation), and R~2(correlation coefficient) for three horizontal sites were 5.09℃,3.66℃, 0.92, and 5.03℃, 3.52℃, 0.85 for the fourteen complex terrain sites. The proposed methods showed acceptable accuracy, provide a simple way to estimate LST, and will be helpful for simulating the water and energy cycles in alpine mountainous terrain.     

A Gaussian process regression-based sea surface temperature interpolation algorithm

The resolution of ocean reanalysis datasets is generally low because of the limited resolution of their associated numerical models.Low-resolution ocean reanalysis datasets are therefore usually interpolated to provide an initial or boundary field for higher-resolution regional ocean models.However,traditional interpolation methods(nearest neighbor interpolation,bilinear interpolation,and bicubic interpolation) lack physical constraints and can generate significant errors at land-sea boundarie s and around islands.In this paper,a machine learning method is used to design an interpolation algorithm based on Gaussian process regression.The method uses a multiscale kernel function to process two-dimensional space meteorological ocean processes and introduces multiscale physical feature information(sea surface wind stress,sea surface heat flux,and ocean current velocity).This greatly improves the spatial resolution of ocean features and the interpolation accuracy.The effectiveness of the algorithm was validated through interpolation experiments relating to sea surface temperature(SST).The root mean square error(RMSE)of the interpolation algorithm was 38.9%,43.7%,and 62.4% lower than that of bilinear interpolation,bicubic interpolation,and nearest neighbor interpolation,respectively.The interpolation accuracy was also significantly better in offshore area and around islands.The algorithm has an acceptable runtime cost and good temporal and spatial generalizability.     

基于WRF和统计方法的气温空间尺度分析

WRF模式作为一个中尺度气候模式,其分辨率从几米到几千公里,其自身的双向嵌套特征也为进行动力尺度下推提供了有力条件。本文利用WRF模式和传统的统计方法对研究区的气温进行尺度下推。首先,通过动力下推得到不同分辨率下的气温空间分布,并选取15个气象站点进行点对点验证,为了更明显观察不同尺度间的差异,对不同尺度的输出与ANUSPLIN插值结果进行比对,结果显示动力尺度下推中,分辨率越高模拟效果越好。其次,我们采用传统的统计下推方法,从27km下推到3km分辨率,并与WRF和ANUSPLIN插值在该尺度的结果进行对比分析,结果显示统计下推结果的趋势与动力下推的插值结果是一致的,但具有明显的马赛克效果,通过分析认为,这与统计方法的尺度下推只考虑高程信息的变化对气温的影响,而未考虑其他因素有关,如若在下推时加入更多的变量,如对温度有较大影响的坡度、坡向、土地覆被类型等因素,综合分析不同尺度之间的关系,会使下推结果有所改善。     

基于TRMM降水数据的空间降尺度模拟

本研究以黑河流域为例,通过在不同空间尺度上建立降水与影响因素的关系并选择最优尺度以此进行降尺度,建立了基于地理加权回归（GWR）与高精度曲面建模方法（HASM）相结合的跨尺度统计降尺度方法,对TRMM降水数据进行了降尺度模拟。最后,结合站点观测数据采用交叉验证法对降尺度结果进行了验证。结果表明,与传统的降尺度方法相比,考虑最优尺度的降尺度方法在一定程度上提高了降尺度结果的精度,同时表明对跨尺度过程中产生的误差进行修正可进一步提高结果精度。本研究所提出的方法可用于粗分辨率降水数据的降尺度模拟,可为站点稀疏地区或地形复杂地区高分辨率高精度降水数据的获取提供方法上的支持。     

基于GIS的“一带一路”地区气温插值方法比较研究

“一带一路”倡议是新时期中国为加强对外开放提出的全球化合作倡议,资源环境的优化配置对全球化发展意义重大。气温作为重要的基础数据和输入要素,对其进行空间化处理是实现大尺度区域资源环境优化配置的前提。本文基于地理信息技术（GIS）,运用距离平方反比法（IDS）、协同克里格法（CK）、回归距离平方反比法（RIDS）和回归协同克里格法（RCK）,对“一带一路”地区1980—2017年的2679个气象站点的月平均气温和年平均气温数据进行插值,获得了“一带一路”地区10 km分辨率的气温空间分布数据。交叉验证结果表明：① IDS、CK、RIDS和RCK插值法在整体上均较好地展示了“一带一路”地区气温的地理空间分布规律,4种插值方法的月均气温的均方根误差分别在1.93~2.43、1.78~2.14、1.31~2.23和1.23~1.92 ℃之间;年均气温的均方根误差分别为1.94、1.83、1.37和1.27 ℃;② 在“一带一路”地区,加入协变量分析的CK插值精度整体优于IDS,并且削弱了IDS的极值现象;③ RIDS和RCK对年均气温的插值精度分别较IDS和CK提高了29.4%和30.6%,表明加入地理要素并进行残差修正的插值精度得到了进一步提高。总体来看,RCK插值法对气温数据的插值精度最高,可以考虑将此方法作为“一带一路”地区温度等气象要素的插值方法。     

近10年黑龙江省气温的时空变异分析

以ArcGIS Analyst为支撑,80个气象站点观测的1997-2006年的旬平均气温为插值变量,利用高程、坡向等影响气温空间分异的局地因素作为协同变量,采用协同克里格(CoKriging)方法,考虑旬平均气温的自相关性以及旬平均气温与高程、坡向空间上的关联性,通过数据的检查、误差拟合、精度评价和模型比较,对黑龙江省旬平均气温进行空间插值,求得全省1km×1km的各旬平均气温表面数据。36旬气温插值结果的均误差、均方根误差、平均标准差、标准化均误差和均方根标准差的平均数分别为0.0024℃、0.774℃、0.682℃、0.0006和1.124。由旬平均气温插值结果叠加计算出月、年平均气温表面数据。利用插值计算结果和气象站点观测的数据,分析旬、月和年平均气温的时空分异特征,得出空间上东南部地区分异较小,其他地区分异较大时间上11-13、12-14、19-21等旬期平均气温有平稳下降趋势,15-17、26-28和27-29等旬期平均气温有平稳升高趋势。7月气温有稍许下降趋势,9月和11月的平均气温稍有上升趋势,5-9月平均气温升高约1℃。年平均气温以2.9℃为均值在2.5~3.3℃之间波动,略有升高但无明显上升趋势。春季之交一些旬期平均气温变化率降低趋稳,夏秋之交一些旬期平均气温变化率升高,实际物候有向后延迟的迹象。研究结果为气温变化监测、农业区划、土地生产潜力计算和千亿斤粮食背景下作物估产等相关研究奠定基础。