科研之友
微信
新浪微博
Facebook
分享链接
摘要
MODIS日尺度的地表温度受到天气影响，有效像元信息严重缺失，这对数据稀缺区域尤为重要。以古尔班通古特沙漠为研究区，探索了采用AMSR-2的垂直极化亮度温度与植被指数对地表温度空间降尺度的方法，并用此方法填补了2018年MODIS的缺失像元。(1)通过十折交叉验证，对4种机器学习算法（Cubist、DBN、SVM、RF）、10个波段组合、2个空间尺度（5 km、10 km）下的训练模型进行了分析，表明RF算法精度明显高于其他3种算法，C09波段组合的验证精度高于其他波段组合。(2)构建了2个鲁棒性的随机森林算法地表温度降尺度模型（5 km|RF|09、10 km|RF|09），将AMSR-2亮度温度降尺度到1km分辨率，表明5 km|RF|09模型反演结果更为合理，MODIS与站点验证的R2分别为0.971、0.930,RMSE分别为3.38 K、4.71 K,MAE分别为2.51 K、3.84 K。(3)降尺度结果填补MODIS地表温度缺失像元，将其应用到古尔班通古特沙漠长时间序列的陆表温度分析，可为数据稀缺区域数据获取提供科学参考。
-
单位新疆农业大学; 邯郸学院
