山地地貌地表温度的深度学习空间模拟

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对在山地地貌下环境因子与地表温度(land surface temperature,LST)之间存在的空间特征问题,提出利用深度学习方法分析 LST在不同植被情景下与环境因子的关系特征.结合山地 LST 的影响因素和模型特点,构建大青山 LST预测模拟模型,利用模型做 LST 与环境因子变化分析.结果表明:构建的 LST 深度学习模型预测值与观测值空间分布特征吻合度高(R2 为 0.89,MAE为 0.60℃,MSE为 0.65℃);LST随NDVI、海拔和坡度的增加而降低,随平均气温和地表反照率的增加而增加;随 NDVI 的增大,LST 随各环境因子变化的速率变化不同.研究表明,利用深度学习方法预测山地地貌 LST 的空间分布具有可行性,该方法有助于理解山地环境因子与 LST的空间分布关系.

外文标题：Deep Learning Spatial Simulation of Land Surface Temperature in Mountainous Terrain

外文关键词：

deep learningland surface temperaturemountain landscapenormalized difference vegetation indexInner Mongolia Daqing Mountainenvironmental factor

作者：

鲍舒琪、张成福、冯霜、贺帅、苗林

展开 >

作者单位：

内蒙古农业大学沙漠治理学院,呼和浩特 010000

关键词：

深度学习地表温度山地地貌归一化植被指数内蒙古大青山环境因子

基金：

内蒙古自治区自然科学基金

项目编号：

2022MS03039

出版年：

2023

DOI：

10.20091/j.cnki.1000-3177.2023.03.004

遥感信息

科学技术部国家遥感中心,中国测绘科学研究院

遥感信息

CSTPCDCSCD北大核心

影响因子：0.712

ISSN：1000-3177

年,卷(期)：2023.38(3)

参考文献量16