基于机器学习的日尺度短波净辐射气候资源遥感反演研究

• 作者: 刘晓洁 吴骅 应王敏 张旭振 房世峰 李秀娟 赖明
• 来源期刊: 资源科学
• 关键词: 气候资源 日尺度地表短波净辐射(DNSSR) 机器学习 遥感 反演
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 实证与应用
• 页码范围: 1998-2009
• 页数: 12页
• 语种: 中文
• DOI: 10.18402/resci.2020.10.16

摘要

日尺度地表短波净辐射(DNSSR)是大部分陆面过程模型、全球环流模型、陆-气交换过程模型和各种水文模型的重要输入参数,在自然资源调查、生态环境监测、能量平衡研究等领域具有重要的研究意义和实用价值.本文通过匹配MODIS双星遥感观测和FLUXNET日尺度地面观测数据,筛选出包含18个自变量总计15531对的有效样本,利用机器学习的随机森林方法构建了日尺度DNSSR遥感反演模型,并利用地面实测数据对模型结果进行了真实性检验.结果 表明,构建的日尺度DNSSR遥感模型的偏差Bias为-0.1 W/m2,均方根误差RMSE为27.8W/m2,决定系数R2为0.90,表现出良好的精度.基于此过程,得到MODIS双星反演的DNSSR全球分布结果,并与不同季节下再分析ERA5数据扩展得到的DNSSR数据进行了对比,发现两者全球分布特征基本一致,且均与太阳能量随季节变化分布特点密切相关.为进一步证实验证的结果,将ERA5和地面站点实测数据作了进一步的对比,结果从侧面证实了本文构建的MODIS的DNSSR产品精度远高于ERA5的DNSSR,而且其产品空间分辨率也有了极大提升.研究结果证明,本文提出的基于MODIS双星观测与机器学习的日尺度DNSSR反演模型具有反演精度高、空间分辨率高、具备时间连续性等优点,能够有效移植至其他气候资源的遥感反演.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李秀娟	中国科学院地理科学与资源研究所	20	175	8.0	12.0
2	吴骅	中国科学院地理科学与资源研究所	10	38	4.0	6.0
3	刘晓洁	中国科学院地理科学与资源研究所	44	606	12.0	24.0
4	房世峰	中国科学院地理科学与资源研究所	16	92	5.0	9.0
5	应王敏	中国科学院地理科学与资源研究所	1	0	0.0	0.0
6	赖明	中国科学院地理科学与资源研究所	1	0	0.0	0.0
7	张旭振	中国科学院地理科学与资源研究所	1	0	0.0	0.0