0 引 言
1 研究区概况及数据来源
1.1 研究区概况
1.2 数据来源
2 研究方法
2.1 自变量获取
2.1.1 地表温度
2.1.2 其他自变量
2.2 随机森林
2.3 变量重要性计算
2.4 模型验证方法
3 结果分析
3.1 变量相关性与重要性分析
3.1.1 相关性分析
3.1.2 重要性分析
3.1.3 相关性与重要性综合分析
3.2 随机森林近地表气温估算模型对比与性能评估
3.3 结果验证
3.4 西安市近地表气温估算与空间分布特征
4 结 语
文章摘要: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（R2）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。
文章关键词: