遥感技术与应用2023，Vol.38Issue(2) ：508-517.DOI:10.11873/j.issn.1004-0323.2023.2.0508

基于地理加权回归模型遥感近地表气温估算

Remote Sensing Inversion of Near-surface Air Temperature based on Geographically Weighted Regression Model

张德军 祝好 杨世琦 叶勤玉 何泽能 张鑫钰
遥感技术与应用2023，Vol.38Issue(2) ：508-517.DOI:10.11873/j.issn.1004-0323.2023.2.0508
✕
  • 维普
  • 万方数据

基于地理加权回归模型遥感近地表气温估算

Remote Sensing Inversion of Near-surface Air Temperature based on Geographically Weighted Regression Model

张德军 1祝好 1杨世琦 1叶勤玉 1何泽能 1张鑫钰1
扫码查看

作者信息

  • 1. 重庆市气象科学研究所,重庆 401147;重庆市农业气象与卫星遥感工程技术研究中心,重庆 401147;重庆市江津现代农业气象试验站,重庆 402260
  • 折叠

摘要

利用地理加权回归模型(Geographically Weighted Regression,GWR),考虑近地表气 温与自变量之间的空间非平稳性,实现重庆市近地表气温的估算.并将估算结果与地表温度-植被指数模型(Temperature-Vegetation Index,TVX)和普通线性回归模型(Ordinary Least Square,OLS)估算结果进行对比分析.研究结果表明,3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致,但不同 日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法,其中TVX算法估算值与实测值间的RMSE均值为2.83℃;OLS算法RMSE均值为1.65℃;GWR算法RMSE均值为1.58 ℃.此外,各验证站点处GWR算法估算的近地表气温与实测值间的差值(Temperature Deference,TD)的标准差以及绝对值的均值均小于OLS和TVX算法,体现出GWR算法在复杂地表环境下近地表气温的估算优势.

关键词

近地表气温/地理加权回归/多元线性回归/温度—植被指数

Key words

Near-surface air temperature/Geographically Weighted Regression/Ordinary Least Square/Tem-perature-Vegetation Index

引用本文复制引用

基金项目

风云卫星应用先行计划(FY-APP-2021.0306)

重庆市自然科学基金(cstc2020jcyjmsxmX1009)

重庆市气象部门业务技术攻关项目(YWJSGG-202104)

重庆市气象部门业务技术攻关项目(YWJSGG-202106)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
被引量2
参考文献量21
段落导航相关论文