典型文献
基于随机森林的陕西省西安市近地表气温估算
文献摘要：
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.
文献关键词：
近地表气温;随机森林;估算;地表温度;热岛效应;高程;Landsat8;西安
中图分类号：
作者姓名：
冯瑞;杨丽萍;侯成磊;王彤;张静;肖舜
作者机构：
长安大学 地球科学与资源学院,陕西 西安 710054;长安大学 地质工程与测绘学院,陕西 西安 710054;山东农业工程学院 国土资源与测绘工程学院,山东 济南 250100;陕西师范大学 地理科学与旅游学院,陕西 西安 710119
文献出处：
引用格式：
[1]冯瑞;杨丽萍;侯成磊;王彤;张静;肖舜-.基于随机森林的陕西省西安市近地表气温估算)[J].地球科学与环境学报,2022(01):102-113
A类：
B类：
陕西省西安市,近地表气温,城市规模,激增,城市气候,热环境,遥感监测,宜人,人居环境,气温监测,监测方法,复杂关系,多要素,非线性映射,映射关系,Random,Forest,RF,卫星遥感数据,SRTM,高程数据,随机森林模型,通过性,性能对比,对比评估,日西,空间分布特征,气温影响,贡献度,地表温度,模型训练,训练集,RMSE,验证集,估算精度,中心城区,郊县,县区,最低气温,最高气温,综上所述,空间差异,南部山区,城市热岛效应,Landsat8
AB值：
0.23939
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
