共查询到20条相似文献，搜索用时 15 毫秒
1.
气温是反映生态环境的重要参数之一,准确估算气温的时空分布对于气候变化研究具有重要意义。论文基于2011—2019年青海省气温实测数据、MODIS产品和SRTM DEM数据,在像元尺度分别开展了晴天条件和有云条件下瞬时空气温度的遥感估算研究,并评价了不同气温估算方法的精度差异,进而通过多元回归模型生成研究区高精度月空气温度产品,对青海省气温的时空分布格局进行分析。研究结果表明,在未使用气温实测数据进行校准的情况下,通过将MOD07_L2大气廓线产品反演的空气温度与MOD06_L2地表温度平均的方法,能够显著提高气温的估算精度。晴天条件下相关系数(r)为0.93,均方根误差(RMSE)为4.71 ℃;有云条件下r为0.89,RMSE为5.16 ℃。在使用气温观测值进行校准的情况下,通过引入高程参数,多元回归模型月尺度空气温度估算的决定系数(R2)和RMSE总体分别保持在0.8以上和2.5 ℃以下。将上述回归模型应用到栅格尺度,从而生成整个青海省高精度卫星过境时刻的逐月气温产品,进而分析其时空分布格局。具体来说,青海省月最高气温出现在7月,全省平均气温为13.59 ℃,最低气温出现在1月,全省平均气温为-9.44 ℃;气温的空间分布主要受海拔控制,全省平均气温直减率为4 ℃/km。上述研究表明MODIS大气廓线产品在全天气气温估算方面具有独特优势,特别是在地面气温实测数据的支持下能够有效降低遥感估算的系统性误差,实现大尺度复杂地形条件下气温的高精度估算。 相似文献
2.
天山山区是新疆主要河流的发源地,对该区域再分析气温数据进行适应性分析具有重要的研究意义,气温观测数据由于受到太阳辐射、海拔、大气环流和传感器角度等因素的影响,导致诸多误差;在其应用之前需要验证,尤其在海拔差异较大的天山山区。为验证ERA-Interim和GHCN-CAM两种再分析气温数据在天山山区的适应性,本文在数据预处理的基础上,利用45个气象站点日平均气温数据分别计算偏差(BIAS)、相关系数(R)、均方根误差(RMSE)等统计指标,并从不同海拔、偏差的空间分布上对天山山区1984—2016年ERA-Interim和GHCN-CAM逐月平均气温数据进行了适应性分析。结果表明:(1) GHCN-CAM(R=0. 94; BIAS=0. 55℃; RMSE=4. 08℃)气温值在天山山区的适应性强于ERA(R=0. 95; BIAS=2. 35℃; RMSE=4. 21℃)。(2)在气温的年内变化上,两种再分析数据值均低于观测值,表现为低估。(3)在季节尺度上,冬季(12月、1月和2月)表现为冷偏差,其他季节暖偏差。春秋两季模拟精度比夏冬两季高。(4)在1500～2000 m地区气温的模拟最好。从偏差的空间分布来看,天山中部、东部的再分析数据比天山南、北部能更好的反映气温的空间分布特征。山区地形复杂度和气象站点的不均匀是影响再分析数据精度的主要因素。 相似文献
3.
不同时间尺度、季节的气温数据表现出不同的空间平稳特征。为探讨分析空间平稳性对气温插值的影响规律,采用趋势线法对气温数据进行空间平稳性探索,并对比分析不同空间平稳性条件下,普通线性回归、普通克里格、回归克里格的气温插值精度及插值结果的空间分布特点。结果显示：冬季日均、月均气温与年均气温呈现空间非平稳,插值精度随时间序列的增长而提高,随着气温数据逐渐趋于稳定,精度提高的幅度逐渐下降;夏季日均、月均气温呈现空间平稳,随时间序列的增长,插值精度的提高并不显著;夏季日均气温各插值方法的插值精度普遍高于冬季日均气温。与普通克里格相比,回归克里格能有效提高空间非平稳数据的插值精度。时间序列的增长削弱了不同插值算法之间的插值精度差异和插值结果空间分布差异。 相似文献
4.
基于MODIS数据的青藏高原气温与增温效应估算 总被引：12，自引：2，他引：10
利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R2) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。 相似文献
5.
地表净辐射是地球表面的短波和长波辐射输入和输出通量辐射平衡的结果,也是地表蒸散与水热平衡研究中非常重要的方面。利用2014年8月下旬的Landsat8遥感影像,采用BISHT等提出的净辐射估算方法,首先通过计算瞬时大气传输率、瞬时短波太阳辐射和下行长波辐射得到了短波辐射与长波辐射的估算值,并进一步通过计算地表反照率等得到了瞬时净辐射和日均净辐射,最后利用地面实测净辐射值对估算结果进行了验证。研究表明：利用分辨率较高的Landsat8数据和部分气象参数能够很好地模拟该地区晴天的瞬时和日间净辐射的分布,并且与地面实测净辐射值具有较好的一致性,平均误差为14.5 W·m-2。研究弥补了利用其他遥感数据估算地表辐射参数复杂、精度偏低的缺陷,可以适用于干旱地区的晴天瞬时和日间净辐射值的估算,并且能够有效的提高估算精度。 相似文献
6.
《山地学报》2021,(2)
为比较和探讨中高纬度山区多种气温空间插值方法的精度及适用性,本文利用大兴安岭山脉北段及其周边区域气象站点实测气温数据,以平均绝对误差(MAE)和均方根误差(RMSE)作为评价指标对六种气温空间插值方法进行精度比较。研究结果表明:(1)反距离权重插值法(IDW)、普通克里金插值法(OK)、样条函数插值法(Spline)三种传统的气温插值方法只能粗略反映气温要素的空间分布状况,不适合气象站点稀少而地形起伏较大的区域。(2)BP神经网络(MAE:0.62℃～1.43℃,RMSE:0.84℃～2.02℃)和线性回归+残差内插的空间插值算法(MAE:0.61℃～1.55℃,RMSE:0.82℃～2.30℃)优于常规的插值方法,且BP神经网络算法能较好地反映研究区地形的高低变化以及山脉的走向。(3)在一天中的12:00—22:00时间段内,六种气温空间插值方法的插值精度与插值效果都不理想。对比六种气温空间插值方法表明,BP神经网络算法对研究区气温空间模拟效果最好,且插值效果与训练样本数量成正比。本文可为中高纬度山区气温空间化研究提供参考。 相似文献
7.
《地理与地理信息科学》2017,(2)
气温(Ta)是描述陆地气候环境的一个重要参数,其异常变化直接影响人类的生存环境,因此如何高精度地估算气温成为当前研究的热点。MODIS数据因其分辨率较低不能提供精细的地表信息,为此,本文以更高分辨率的Landsat8影像为数据源,结合自动气象站的气温数据,耦合经纬度、归一化植被指数、归一化建筑指数和改进的归一化水体指数等多种因子,建立了多窗口线性回归模型(Multi-Window Linear Regression Model,MWLR)。最后以浙江北部为研究区,使用MWLR模型对该地区冬季气温进行了估算,模型预测的RMSE在1.458~1.551℃之间,R~2在0.835~0.842之间,当窗口大小为3×3时取最优精度(RMSE=1.458℃,R~2=0.835),优于一般的空间内插方法。研究结果验证了利用MWLR模型和Landsat8影像进行气温估算的有效性,并提供了一种基于遥感数据在局部地区开展高精度和高分辨率气温估算的模型。 相似文献
8.
基于被动微波辐射传输方程,结合De Jeu建立的透过率与微波极化差异指数的通用关系式,以及Smiths建立的地表温度与大气总可降水量的经验关系,构建了一套基于AMSR-E影像的地表温度半经验反演模型,该模型无需借助其他辅助数据,便可从AMSR-E 6.9GHz和10.7GHz两个波段的亮度温度模拟得到地表温度变量。对2009年我国地表温度进行实例模拟和验证,结果显示,该地表温度模型的平均反演精度达到2.54℃（R2=0.79）,是一种简单有效的被动微波遥感地表温度模拟方法。 相似文献
9.
用陆地卫星TM6数据演算地表温度的单窗算法 总被引：263，自引：3，他引：263
陆地卫星 TM数据 (TM6)热波段表示地表热辐射和地表温度变化。长期以来 ,从 TM6数据中演算地表温度通常是通过所谓大气校正法。这一方法需要估计大气热辐射和大气对地表热辐射传导的影响 ,计算过程很复杂 ,误差也较大 ,在实际中应用不多。根据地表热辐射传导方程 ,推导出一个简单易行并且精度较高的演算方法 ,把大气和地表的影响直接包括在演算公式中。该算法需要用地表辐射率、大气透射率和大气平均温度 3个参数进行地表温度的演算。验证表明 ,该方法的地表温度演算较高。当参数估计没有误差时 ,该方法的地表温度演算精度达到 <0 .4℃ ,在参数估计有适度误差时 ,演算精度仍达 <1 .1℃。因该方法适用于仅有一个热波段的遥感数据 ,故称为单窗算法。 相似文献
10.
基于MODIS的秦巴山地气温估算与山体效应分析 总被引：1，自引：0，他引：1
秦巴山地作为横亘在中国南北过渡带的巨大山脉,其山体效应对中国中部植被和气候的非地带性分布产生了重要的影响,山体内外同海拔的温差是表征山体效应大小较为理想的指标。本研究结合MODIS地表温度（LST）数据、STRM-1 DEM数据和秦巴山地的118个气象站点的观测数据,分别采用普通线性回归（OLS）和地理加权回归（GWR）两种分析方法对秦巴山地的气温进行估算,在此基础上将秦巴山地各月气温转换为同海拔（1500 m,秦巴山地平均海拔）气温,对比分析秦巴山地的山体效应。结果表明：① 相比OLS分析,GWR分析方法的精度更高,各月回归模型的R 2均在0.89以上,均方根误差（RMSE）在0.68~0.98 ℃之间。② 利用GWR估算得到的同海拔气温,从东向西随海拔升高呈现了明显的升高的趋势,秦岭西部山地比东段升高约6 ℃和4.5 ℃;大巴山西部山地年均和7月份同海拔的气温较东段升高约8 ℃和5 ℃。③ 从南向北,以汉江为分界,秦岭与大巴山的同海拔的气温均呈现出由山体边缘向内部升高的趋势。④ 秦巴山地西部大起伏高山,秦岭大起伏高中山和大巴山大起伏中山,相比豫西汉中中山谷地,各月均同海拔气温分别升高了约3.85~9.28 ℃、1.49~3.34 ℃和0.43~3.05 ℃,平均温差约为3.50 ℃,说明秦巴山地大起伏中高山的山体效应十分明显。 相似文献
11.
基于太白山内2013—2014年气象站点实测数据和DEM分析太白山南北坡不同时间尺度的气温直减率,并利用辐射传输方程法针对Landsat 8影像数据反演地表温度场,通过窗口差分法推导太白山气温直减率场及其特征。研究表明:1实测法计算太白山年均气温直减率北坡为0.515℃/(100 m),南坡为0.505℃/(100 m);10月直减率北坡为0.505℃/(100 m),南坡为0.480℃/(100 m);春、夏季气温直减率较大,北坡大于南坡,而冬季较小,北坡小于南坡。2采用辐射传输方程法针对Landsat 8 TIRS 10反演地表温度具有较高置信度,获取10月北坡气温直减率为0.611℃/(100 m),南坡为0.502℃/(100 m)。3气温直减率在山脊和山谷附近表现出高直减率条带;海拔对太白山气温直减率的影响高于坡向,高、中、低海拔区气温直减率分别为0.913℃/(100 m)、0.471℃/(100m)、0.755℃/(100 m);坡向对气温直减率分布的影响表现为随阳坡至阴坡而逐渐变大,依次为0.515℃/(100m)、0.541℃/(100 m)、0.617℃/(100 m)。 相似文献
12.
喀斯特地区地形起伏大,常规的降尺度方法及所选择的因子对其不适用。该文根据喀斯特地区的特点,选取反射率、遥感指数及高程因子为尺度因子,通过随机森林模型建立MODIS第31、32波段辐射亮度数据和尺度因子之间的非线性关系,构建适合喀斯特地区的随机森林(Karst Random Forest,KRF)模型,成功将空间分辨率为1 km的热红外辐射亮度降至100 m,最后利用劈窗算法反演得到空间分辨率为100 m的地表温度。将KRF方法与仅考虑常规因子的多因子随机森林回归模型(MTVRF)和热锐化算法(TsHARP)对比,结果表明:1)在不同高差的喀斯特地区,KRF方法可较大程度提高地表温度降尺度精度,均方根误差(RMSE)在遵义市西北部和贵阳市以南地区分别为2.46 K和1.45 K,较MTVRF模型分别降低了0.1419 K和0.2928 K,较TsHARP算法分别降低了0.6204 K和0.6953 K,且在地形起伏度较低的喀斯特山区城市(贵阳市以南)表现更好;2)在喀斯特地区不同地类上,KRF方法效果也较好,其中植被区域最优,RMSE为1.41 K,破碎的裸土区域RMSE为1.84 K。研究显示,考虑特殊尺度因子的KRF方法可提高喀斯特地区地表温度的降尺度精度,为该地区以地表温度为基础的研究提供更精细可靠的地表温度产品。 相似文献
13.
《地理与地理信息科学》2016,(2)
以2001-2010年全国711个气象站点温度观测数据为数据源,在薄板样条插值方法和ANUSPLIN软件支持下,对比分析了使用GTOP30、SRTM3和ASTER GDEM三种DEM数据作为协变量开展空间插值得到的温度成果数据精度。研究发现:1)GDEM的平均相对误差(MRE)、平均绝对误差(MAE)和均方根误差(RMSE)明显高于其他两套数据,数据质量最差;SRTM3和GTOP30的数据精度较高,各误差评估指标大致相同。2)在全国尺度上,在MAE方面,基于ASTER GDEM所得温度插值结果比其他两组DEM得到的温度插值结果高0.4℃左右;在RMSE方面,基于ASTER GDEM获得的温度比其他两组DEM得到的温度高0.5℃左右。基于ASTER GDEM所得温度插值数据的误差明显高于其他两套数据。3)在温度插值误差的空间分布格局上,在我国中东部地区,三种DEM温度插值误差分布规律基本相同;在我国西南部地区,基于GTOP30和SRTM3的温度插值结果的数据精度明显好于基于ASTER GDEM的温度插值结果。4)温度插值误差与DEM高程误差呈现明显的耦合特性,这表明DEM数据的精度是影响温度插值结果的重要因素。 相似文献
14.
基于MODIS数据和气象观测数据的气温空间插值方法比较 总被引：2，自引：0，他引：2
本文以福建省福州市为研究区域,利用MODIS影像数据反演福州市地表温度;同时利用相同时间的福州市及其周边的32个气象站日平均气温数据,结合数字高程模型（DEM）中提取出的地形因子,研究温度与经度、纬度、海拔高度等的相关关系,提出了福州市地形因子与气温相关模型,利用该模型插值得到福州市的地表温度;再利用气温垂直递减规律进行插值得到地表温度。对比3种结果可知,对于气象数据容易获得,气象站点较多且均匀分布在研究区时,利用气象数据插值地表温度较快,但计算结果比实际值略高;对于气象数据不易获得或站点较少时,可以用影像数据来反演地表温度,其精度受提取参数的精度的制约,在参数使用正确情况下比插值方法反演精度高。 相似文献
15.
地表温度在物理和生物过程中起着关键作用,也是评价地表热环境的重要指标。因此,了解地表温度时空变化对城市热岛监测及生态质量的评价具有重要意义。高分辨红外辐射探测器地表温度(HIRS LST)是目前时间尺度最长的全球逐小时地温数据集。为了解江苏省地表温度的时空分布情况并研究HIRS LST数据在江苏的适用性,论文选择江苏省1980—2009年49个站点的实测地表温度数据,利用相关系数、偏差、非偏性均方根误差等方法,对HIRS产品从多角度进行了验证。结果表明,HIRS地表温度与站点地表温度数据有较好的一致性。两者相关系数在整个区域都高于0.98,2种数据的距平相关系数在0.65~0.80之间。两者偏差和非偏性均方根误差表明,HIRS的数据在江苏北部和南部部分地区低估了地表温度,主要原因是其对高于32 ℃的地温事件发生次数存在较大程度的低估。然而,HIRS LST在很大程度上高估了在20~30 ℃之间的较高温日数。在年际变化方面,HIRS LST与观测数据在春季的相关性最高,冬季最低。趋势检验表明,2种数据在春、秋、冬3个季节均呈现出明显的增长趋势,增温趋势呈现出相似的空间变化。但是,该地区夏季的地表温度长期趋势被明显高估,HIRS数据并未反映出该地区北部大面积的降温趋势,而在其他季节的地表温度被低估。 相似文献
16.
基于GIS的日照市气温分布式模拟 总被引：1，自引：0，他引：1
地表气温分布受多种因素的影响,尤以海拔高度和地形最为显著。以山东省日照市为例,利用1?5万DEM数据,借助研究区及周边6个气象站点1971-2000年的气温资料,运用ARC/INFO软件对气温数据进行样条函数法内插后,通过气温直减率法和辐射差值与温度的相关关系对内插结果进行海拔高度和地形的订正,得到研究区实际地表温度空间分布图,为日照市农业实践活动提供气温空间分布资料。 相似文献
17.
RCP4.5情景下淮河流域气候变化的高分辨率模拟 总被引：2，自引：0，他引：2
利用CCLM高分辨率区域气候模式RCP4.5情景预估数据与淮河流域1960-2005年日尺度气象观测资料,对比分析模式在试验期（1960-2005年）和预估期（2006-2040年）的模拟能力。结果表明：①试验期模式数据能较准确地模拟流域逐月平均温度时间变化特征,相关系数达0.99（通过95%置信度检验）;日均温空间分布特征相关系数达0.72;但在南部高海拔地区（安徽省霍山县和金寨县）精度不高;极端最高（低）气温的空间相关性达0.77（0.88）。②模式在试验期模拟的逐月平均降水量总体趋势与实测值变化一致,相关系数达0.63（通过95%置信度检验）;对干旱的模拟与观测数据存在一定误差,但整体趋势与其一致;年均降水量和极端强降水空间分布相关系数分别达0.90和0.93,模拟效果较好;整体上,模式对温度的模拟效果要好于降水模拟。③RCP4.5情景下,空间尺度上淮河流域未来温度和降水与观测期相比变幅小,时间尺度上年均降水量无显著变化,平均气温年际变化率约0.21℃/10a,极端高温持续增长,低温持续下降。 相似文献
18.
地表温度作为监测陆地表面与大气变化的重要参数,对于研究地表能量平衡和全球气候变化具有重要作用。可见光红外成像辐射仪套件（Visible Infrared Imaging Radiometer Suite,VIIRS）是搭载在新一代对地观测卫星NPP上的一个重要传感器。与其他传感器相比,VIIRS拥有更高的空间分辨率。分裂窗算法是反演地表温度最常用的方法,主要是利用两个热红外通道来反演地表温度,经过多年的研究和改进,发展了多种形式的分裂窗算法。由于过去很少有人利用VIIRS数据对多种分裂窗算法进行对比分析,因此利用VIIRS传感器上M15和M16两个热红外通道数据计算辐亮度和星上亮温,采用多种形式的分裂窗算法反演获得多组地表温度数据,再利用海拉尔野外观测站点的实测数据对结果进行验证,对比各算法精度,得到反演精度较高的算法。结果显示PR84算法的反演误差最大达到1.8 K,其余各算法反演地表温度的RMSE都在1.5 K以内,算法中加入二次项和水汽项可以提高算法精度,其中BL95的算法精度最高达到了1.23 K。研究结果表明,BL95算法更适用于VIIRS热红外数据地表温度反演。 相似文献
19.
秦岭太白山气温直减率时空差异性研究 总被引：12，自引：3，他引：9
在评估山地生态系统对气候变化响应的过程中,作为气温要素的重要输入参数,气温直减率（γ）的精确性直接影响到相关科研工作的真实性和可靠性。本文基于秦岭主峰太白山（3771.2 m）11个分布于南北坡和不同海拔的标准气象站点2013-2015年连续3年实测日均温资料和25 m×25 m空间分辨率的DEM数据,研究了太白山气温直减率在不同时间尺度上的变化规律及不同坡向上的空间分布特征。结果表明：① 2013-2015年太白山年均γ北坡均大于南坡,北坡为0.513 ℃/100m,南坡为0.499 ℃/100m;北坡年均γ随海拔变化表现出一定的差异性,而南坡相对稳定。② 年内γ在不同时间尺度上均存在明显差异,且南北坡变化趋势不一致。在季尺度上,γ最大值北坡为夏季,为0.619 ℃/100m,而南坡最大出现在春季,为0.546 ℃/100m,最小值均为冬季,南北坡分别为0.449 ℃/100m和0.390 ℃/100m;春季和夏季,北坡γ均大于南坡,而冬季相反,北坡小于南坡,秋季几乎无差异。在月尺度上,气温相对高的月份γ亦较高,北坡γ变化幅度大于南坡;年始和年末（11-12月、1-2月）北坡γ小于南坡,而5-9月北坡大于南坡,且南北坡γ相差较大。③ 经数据可信度分析,所获得的γ可较为客观地反映太白山气温随海拔变化的规律性,将为山地气温空间分布规律及其生态系统响应等定量研究提供理论基础。 相似文献
20.
广州市城区热岛效应的遥感应用研究 总被引：1，自引：0，他引：1
利用Landsat TM/ETM + 热红外波段数据,根据辐射传输方程的地表温度反演方法,定量计算了广州市城区1988年、1995年和2002年的地表温度,讨论了广州市热岛扩展的时空演变格局和热岛效应形成的主要因素.结果表明,广州市城市热岛效应明显,热岛分布区域广且范围在不断扩大,在空间分布上呈现"三线四区"的特征.通过地表温度对比分析发现,老城区温度比高温区低3.7℃～4.2℃,比低温区温度高2.9℃～3.3℃,热岛强度为6.6℃～7.6℃;城市的功能布局、人类活动和经济发展与热岛效应的空间分布有十分密切的关系,也是影响城市热环境的重要因素. 相似文献