林业科学

作者：孙忠秋1,叶昕2,*

单位：1. 国家林业和草原局林草调查规划院　北京1007142. 中国农业大学信息与电气工程学院　北京 100083

关键词：近地表气温,林区,静止卫星,集成学习,大兴安岭

基金：第三批林草科技青拔人才项目“融合国产多源时空数据的全天候地表温度反演方法研究（2023K-14）”

目的: 基于我国新一代风云四号B星（FY-4B）静止气象卫星遥感数据，采用集成学习算法构建大兴安岭林区近地表气温遥感估算模型，以提供空间连续的近地表气温图像，为大兴安岭森林火灾风险评估、植被干旱预警和生态环境评价等提供数据支撑与决策辅助。方法: 选取大兴安岭林区周边20个气象站点的监测数据作为近地表气温真值，结合FY-4B静止卫星遥感数据，根据影响近地表气温的热力学原理，分别构建地表参数（包括地表温度和地表反照率）、地形参数（包括坡度、坡向和地面高程）和时空信息（包括经纬度和观测时间）组成参数特征集。经时空匹配和归一化等预处理后，采用梯度提升决策树集成学习算法构建大兴安岭林区近地表气温遥感估算模型。将参数特征集数据按7:3比例随机分为训练集和测试集，利用气象站点实测近地表气温数据对训练得到的模型进行精度验证。将训练得到的模型应用于大兴安岭林区近地表气温估算，以获取林区完整的近地表气温空间分布。结果: 估算模型训练集的整体均方根误差（ RMSE）为1.393 ℃，测试集的整体RMSE为1.621 ℃，模型未出现过拟合与欠拟合现象，80%的测试误差小于2.0 ℃，能够比较准确估算大兴安岭林区近地表气温。在近地表气温估算模型中，权重最大的特征参数为地表温度，监测时间、地表反照率、纬度和高程等也是重要的影响参数。估算模型用于实际林区气温制图任务中，可有效获取林区完整的近地表气温空间分布。结论: 结合气象站点实测近地表气温与FY-4B静止卫星遥感数据，能够有效获取间隔时间短、空间分布连续的近地表气温图像，有效弥补仅利用地面气象站点测量值导致数据缺失的不足，对人迹罕至、难以布设站点的森林深处等区域，不仅可降低气温监测成本与难度，还能进一步提升监测效率与精度。

来源：2024年第12期

《林业科学》期刊编辑部

查看林业科学杂志2024年第12期