青藏高原遥感地表温度的时间序列建模与分析

发布时间：2024-03-16 19:44

　　地表温度(Land Surface Temperature,LST)是全球和区域尺度上地表过程的一个重要参数,其变化是对大气和地球表面之间的能量流动等地表-大气相互作用的响应。近年来,高海拔地区的变暖引起了广泛关注。青藏高原平均海拔超4000 m,有世界“第三极”之称,在全球气候和大气环流中发挥着重要的作用。因此,深入了解LST的时空变化对包括气候、植被和水文在内的一系列领域的研究显得尤为很重要。虽然已有很多研究利用遥感数据对青藏高原LST的时空变化展开了分析,但这些研究的一个主要的共性不足在于:它们仅仅采用了易受云遮蔽,只在晴空条件下可用的光学/红外波段的遥感地表温度进行分析。因而,晴空LST时间序列和实际全天候LST(晴空和非晴空)时间序列之间的偏差可能导致这些研究的推断或结论并不合理或与实际情况存在较大差异。现有对于全天候LST的研究较少,因此本文围绕逐日1公里全天候LST数据集对青藏高原LST的时空变化展开分析,并探讨了青藏高原LST与相关因子的关系。本文主要工作如下:(1)近地表气温与LST有很强的相关性,是LST变化研究的重要因子。然而:一方面,青藏高原气象站点分布稀疏且不...

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图2-1青藏高原数字高程模型（DEM）与研究用到的气象站点及独立站

电子科技大学硕士学位论文10第二章研究区与数据2.1研究区本文研究区是世界上海拔最高、面积最大的高原青藏高原，位于北纬25°-40°和东经74°-101°之间。青藏高原海拔4500m以上地区占地面积相当于联合国环境规划署世界保护监测中心（UNEnvironmentProgramm....

图3-1随机森林建模流程图

电子科技大学硕士学位论文16图3-1随机森林建模流程图3.1.2极端随机树极端随机树（ExtremelyRandomizedTrees，ET）由PGeurts等[74]在2006年提出，与RF算法相似，ET也是多棵决策树集成的机器学习技术。ET的随机包括特征随机、参数随机、模型随....

图3-2GBDT原理示意图

是单独训练的，因此GBDT的单棵树是没有任何意义的，此外与RF相比GBDT过于追求降低误差（偏差），容易产生过拟合。GBDT通过构建多个弱分类器，经过多次迭代组合而成一个强分类器。每一次迭代是为了改进上一次结果，减少上一次的残差，并且在残差减少的梯度（方向）上建立一....

图3-115种数据组合方式

第三章全天候近地表气温估算1901122=+...kkYX+X++X+(3-7)式中，Y是日平均近地表气温；Xj(j=1,2,…,k)是Zhang_LST、MOD11A1、DEM、DOY、NDVI、太阳高度角、地表温度（LST）日较差这几个与近地表气温相关的解释变量；βj(j=0....

本文编号：3930018