文献类型：期刊文章

作　　者：冯瑞[1] 杨丽萍[2] 侯成磊[3] 王彤[2] 张静[2] 肖舜[4]

FENG Rui;YANG Li-ping;HOU Cheng-lei;WANG Tong;ZHANG Jing;XIAO Shun(School of Earth Science and Resources,Chang an University,Xi an 710054,Shaanxi,China;School of Geological Engineering and Geomatics,Chang an University,Xi an 710054,Shaanxi,China;College of Land Resources and Surveying&Mapping Engineering,Shandong Agriculture and Engineering University,Jinan 250100,Shandong,China;School of Geography and Tourism,Shaanxi Normal University,Xi an 710119,Shaanxi,China)

机构地区：[1]长安大学地球科学与资源学院,陕西西安710054 [2]长安大学地质工程与测绘学院,陕西西安710054 [3]山东农业工程学院国土资源与测绘工程学院,山东济南250100 [4]陕西师范大学地理科学与旅游学院,陕西西安710119

出　　处：《地球科学与环境学报》

基　　金：国家自然科学基金项目(41371220,42071345);陕西省重点研发计划项目(2020ZDLSF06-07);中央高校基本科研业务费专项资金项目(300102269112)。

年　　份：2022

卷　　号：44

期　　号：1

起止页码：102-113

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、PA、PROQUEST、RCCSE、UPD、WOS、ZGKJHX、核心刊

摘　　要：随着城市规模不断扩大以及人口激增,城市气候与热环境问题日益凸显,开展城市近地表气温遥感监测研究能够为改善城市气候、减缓热岛效应、打造适宜人居环境提供参考。针对传统气温监测方法在多因素复杂关系模拟中的局限性,以陕西省西安市为研究对象,运用可以集成多要素、学习复杂、非线性映射关系的随机森林(Random Forest,RF)模型,基于Landsat 8卫星遥感数据以及SRTM高程数据相关参数的综合分析,构建多种近地表气温估算的随机森林模型,通过性能对比评估优选最佳模型,估算了2016年5月16日西安市近地表气温,分析了近地表气温的空间分布特征。结果表明:在所有近地表气温影响因子中,高程对随机森林模型近地表气温估算的贡献度最大,其次是地表温度。所有随机森林模型训练集的判定系数(R^(2))均高于0.916,均方根误差(RMSE)均低于0.467℃,验证集判定系数均高于0.726,均方根误差均低于0.840℃;训练集判定系数均高于验证集,均方根误差均低于验证集;最优随机森林模型训练集判定系数为0.934,均方根误差为0.425℃,验证集判定系数为0.795,均方根误差为0.783℃;气温估算精度判定系数为0.792,均方根误差为1.055℃。西安市中心城区气温高于郊县区,中心城区最低气温平均值、最高气温平均值及气温平均值分别高于郊县区1.54℃、0.01℃和1.76℃。综上所述,西安市近地表气温南低北高,空间差异明显,自中心城区、郊县区至南部山区逐渐降低,呈现出显著的城市热岛效应。

关 键 词：近地表气温  随机森林  估算  地表温度 热岛效应 高程  Landsat 8  西安  

分 类 号：P407[大气科学类] TP79]