日平均氣溫遙感估算方法綜述

王巖, 汪利誠, 武晉雯

(1.沈陽建筑大學(xué)交通與測繪工程學(xué)院,沈陽 110168; 2.中國氣象局大氣環(huán)境研究所,沈陽 110166; 3.遼寧省農(nóng)業(yè)氣象災(zāi)害重點(diǎn)實(shí)驗(yàn)室,沈陽 110166)

0 引言

日平均氣溫作為氣象站測定的關(guān)鍵要素之一,是反映氣候特征的重要指標(biāo),同時也是城市熱島效應(yīng)、農(nóng)業(yè)生態(tài)環(huán)境等眾多研究領(lǐng)域的重要指標(biāo)。溫度異常會導(dǎo)致低溫冷害、高溫?zé)岷?、森林火?zāi)以及干旱等農(nóng)業(yè)災(zāi)害頻發(fā)[1-4]; 甚至?xí)绊懖∠x害、流行病菌等的繁殖和傳染[5-6],對糧食安全和人民健康造成嚴(yán)重危害。

日平均氣溫作為衡量大氣溫度的關(guān)鍵指標(biāo),一直廣泛應(yīng)用在農(nóng)學(xué)、生態(tài)學(xué)等眾多領(lǐng)域。學(xué)者們經(jīng)常用日平均氣溫的累積值,定量地描述植物生長所需的熱量[7-8]。目前大多都是以日為研究單位,構(gòu)建作物生長模型,以日平均氣溫為衡量作物生長狀況的變量,來研究土壤水分、植被覆蓋等分布狀況和變化趨勢[9-11]; 以日平均氣溫的累積值作為判斷作物不同生育期界限的積溫指標(biāo)[7]、作為衡量作物生長狀況的重要指標(biāo)。氣象學(xué)中將每日2時、8時、14時、20時4個時刻氣溫的平均值作為每日平均氣溫[12]。目前,遍布在全球的氣象站點(diǎn)能夠不間斷地提供較為準(zhǔn)確的氣溫?cái)?shù)據(jù),這也為日平均氣溫的獲取提供了可靠的數(shù)據(jù)支持,但是所有站點(diǎn)并不是均勻排列的,導(dǎo)致在空間上很難描述日平均氣溫的異質(zhì)性?？臻g插值作為研究者們常用的日平均氣溫估算方法,能夠?qū)崿F(xiàn)數(shù)據(jù)由點(diǎn)向面尺度的轉(zhuǎn)換。盡管空間插值的精度不斷改進(jìn)提高[13-14],但是利用有限的臺站數(shù)據(jù)進(jìn)行日平均氣溫反演精度仍然滿足不了區(qū)域尺度研究需要。

隨著衛(wèi)星遙感領(lǐng)域的高速發(fā)展,遙感技術(shù)可以實(shí)時、動態(tài)、宏觀監(jiān)測大區(qū)域尺度地理狀況的特點(diǎn),已在霜凍、高溫?zé)岷Φ绒r(nóng)業(yè)災(zāi)害空間監(jiān)測研究中得到充分體現(xiàn)[15-17]。近年來,隨著基于遙感數(shù)據(jù)反演地表溫度(land surface temperature,LST)算法的精度不斷提高[18-20],通過研究日平均氣溫和LST之間的相關(guān)特性來估算日平均氣溫成為目前研究的新方向。本文通過文獻(xiàn)綜述,總結(jié)了近年來國內(nèi)外日平均氣溫所存在的問題和具體的解決方案,最后論述了各種日平均氣溫遙感估算方法的優(yōu)缺點(diǎn),并對未來發(fā)展方向和內(nèi)容進(jìn)行了展望。

1 日平均氣溫遙感估算研究進(jìn)展

熱紅外數(shù)據(jù)雖然很難直接反演得到日平均氣溫,但可以利用本身波段觀測值(亮度溫度)或者以波段觀測值為基礎(chǔ),利用相關(guān)反演算法獲取的LST這2種方式間接估算日平均氣溫,如表1所示。

表1 日平均氣溫遙感估算方法一覽表

1.1 多元線性回歸法

隨著對地氣溫?zé)峤粨Q原理的不斷探究[35],許多研究者通過開發(fā)不同的統(tǒng)計(jì)模型來提高日平均氣溫估算精度,其中最主要的就是多元線性回歸模型,即

T=a0+a1x1+a2x2+a3x3+…+anxn+ε,

(1)

式中:T為平均氣溫;a0,a1,a2,a3,…,an分別為模型回歸系數(shù);x1,x2,x3,…,xn分別為影響日平均氣溫的變量因子,如LST、經(jīng)緯度、高程、下墊面類型(植被指數(shù))、太陽天頂角等[36-37];ε為擾動項(xiàng)。隨著研究不斷深入,發(fā)現(xiàn)儒略日、夜間LST等在日平均氣溫估算中的重要性相比緯度、太陽天頂角等輔助數(shù)據(jù)要略高一些。Janatian等[37]利用中分辨率成像光譜儀(MODIS)日間和夜間時間產(chǎn)品和儒略日、海拔和波段反射率等共11個影響因子建立統(tǒng)計(jì)模型,進(jìn)行氣溫的估算,實(shí)驗(yàn)結(jié)果證明,夜間產(chǎn)品數(shù)據(jù)、海拔和儒略日是研究氣溫變化最有效的變量。為了處理單時相遙感數(shù)據(jù)與對應(yīng)的日平均氣溫地面監(jiān)測數(shù)據(jù)構(gòu)建的反演模型估算結(jié)果無法大范圍使用且估算誤差較大等問題,研究者們提出了分季度、分時相建模,以滿足不同情況下的日平均氣溫反演需求。Vancutsem等[36]將日間MODIS LST數(shù)據(jù)與日最高氣溫實(shí)測值進(jìn)行相關(guān)性分析,結(jié)果表明,隨著季節(jié)性的變化,太陽輻射和云量等不斷變化,兩者的差異也不斷變化,表明了地區(qū)不同或季節(jié)發(fā)生改變都會使LST和氣溫之間的相關(guān)性發(fā)生顯著變化; 祝善友等[38]將極軌氣象衛(wèi)星熱紅外數(shù)據(jù)和對應(yīng)的氣象臺站監(jiān)測數(shù)據(jù)進(jìn)行耦合,創(chuàng)建分季度和分時相的2種氣溫估算模型,最后綜合兩者的優(yōu)勢,建立較為穩(wěn)定和適用的模型。

為了進(jìn)一步降低日平均氣溫遙感估算誤差,研究者們進(jìn)行了多次模型算法的改進(jìn)。姚永慧等[21]先估算日間和夜間LST的平均值,再將平均值作為輸入?yún)?shù)代入多元線性回歸模型中,日平均氣溫估算的標(biāo)準(zhǔn)誤差在2.22～3.05 ℃之間; Colombi等[22]基于LST數(shù)據(jù)求出衛(wèi)星過境時刻的瞬時氣溫,然后依據(jù)瞬時氣溫與日平均氣溫之間的相關(guān)關(guān)系推出日平均氣溫,估算的均方根誤差RMSE為1.89 ℃; Zhang等[23]通過實(shí)驗(yàn)也證明耦合日間和夜間的LST進(jìn)行平均氣溫的估算結(jié)果更加準(zhǔn)確(殘差標(biāo)準(zhǔn)偏差小于3.22 ℃),但會導(dǎo)致可利用的像素大大降低,并提出利用夜間LST進(jìn)行平均氣溫的估算適用性更好; Benali等[24]將夜間LST數(shù)據(jù)作為唯一變量輸入日平均氣溫估算模型中,日平均氣溫估算誤差RMSE為1.5 ℃,相比單獨(dú)使用日間LST估算的結(jié)果(RMSE為2.4 ℃)更精確; Yang等[25]和Golkar等[26]同樣證明了利用夜間LST數(shù)據(jù)進(jìn)行日平均氣溫的估算結(jié)果更加準(zhǔn)確。

1.2 機(jī)器學(xué)習(xí)方法

近年來,隨著研究范圍的不斷擴(kuò)大,機(jī)器學(xué)習(xí)方法在氣溫估算的研究中廣為關(guān)注,如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和隨機(jī)森林等。在利用遙感數(shù)據(jù)估算氣溫的方法中,機(jī)器學(xué)習(xí)方法已經(jīng)被證明在具有復(fù)雜和異質(zhì)景觀地區(qū),融合LST和其他變量進(jìn)行氣溫遙感估算的實(shí)用性。

神經(jīng)網(wǎng)絡(luò)是一個不斷學(xué)習(xí)的系統(tǒng),根據(jù)邏輯規(guī)則進(jìn)行信息的推理,通過調(diào)節(jié)系統(tǒng)內(nèi)部節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系,進(jìn)行信息的高效處理。在氣溫遙感估算的研究中通常需要考慮眾多影響因子,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法具備處理復(fù)雜問題的能力,近年在氣溫估算中被廣為使用。Agathangelidis等[27]利用多時相MSG-SEVIRI遙感數(shù)據(jù),采用多項(xiàng)式回歸和人工神經(jīng)網(wǎng)絡(luò)的方法,將LST和氣溫觀測值相結(jié)合估算希臘雅典的氣溫,RMSE為1.0～2.0 ℃。

支持向量機(jī)是機(jī)器學(xué)習(xí)的一種,具有很強(qiáng)的稀疏性和穩(wěn)健性。近年來,被廣泛用在氣溫遙感估算相關(guān)研究中。使用支持向量機(jī)來模擬衛(wèi)星遙感數(shù)據(jù)與氣象臺站觀測數(shù)據(jù)之間的關(guān)系,基于支持向量機(jī)的監(jiān)督模式識別方法,進(jìn)行氣溫反演。Li等[28]使用隨機(jī)森林和支持向量機(jī) 2種機(jī)器學(xué)習(xí)方法,基于MODIS LST數(shù)據(jù)進(jìn)行氣溫動態(tài)估算的算法精度比較,實(shí)驗(yàn)證明這2種機(jī)器學(xué)習(xí)算法都能夠提供很好的結(jié)果。與支持向量機(jī)相比,隨機(jī)森林在很少的參數(shù)設(shè)置和可變性下具有更大的優(yōu)勢; 相反,支持向量機(jī)具有更大的機(jī)動性來調(diào)整核函數(shù),以更好地處理多種復(fù)雜的數(shù)據(jù)集。Moser等[29]將基于支持向量機(jī)監(jiān)測陸地和海洋表面溫度的方法推廣到氣溫估算上,提出了基于支持向量機(jī)的衛(wèi)星影像周期氣溫估算新方法。氣溫估算平均絕對誤差MAE為2.37 ℃。

隨機(jī)森林是由多個決策樹共同構(gòu)成的分類器,是目前最盛行的回歸算法之一,已經(jīng)在遙感信息處理中得到廣泛的使用。近年來,隨著對氣溫估算結(jié)果的精度要求越來越高,隨機(jī)森林已經(jīng)開始用于氣溫的遙感估算當(dāng)中。隨機(jī)森林方法最早是由Zhang等[30]和Ho等[31]用于氣溫估算,Ho等[31]使用2種機(jī)器學(xué)習(xí)方法支持向量機(jī)和隨機(jī)森林以及普通最小二乘回歸,根據(jù)陸地衛(wèi)星數(shù)據(jù)繪制溫哥華的城市氣溫變化圖,RMSE為2.31 ℃; Zhang等[30]根據(jù)氣溫估算精度隨著MODIS LST項(xiàng)和其他項(xiàng)之間的組合不同、數(shù)據(jù)質(zhì)量差異不同而不斷變化的規(guī)律,利用隨機(jī)森林機(jī)器學(xué)習(xí)方法動態(tài)整合可用的LST項(xiàng)來估算青藏高原的日平均氣溫,有效地提高了青藏高原低云干擾下氣溫遙感估算的準(zhǔn)確性,日平均氣溫遙感估算誤差RMSE為2.0 ℃; Xu等[39]采用多元線性回歸和隨機(jī)森林2種統(tǒng)計(jì)方法,根據(jù)MODIS數(shù)據(jù)估算哥倫比亞省2003—2012年夏季日最高氣溫,結(jié)果顯示這2種方法都適用于復(fù)雜地形山區(qū)的氣溫估算,RMSE分別為2.41 ℃和2.02 ℃; 邢立亭等[40]基于隨機(jī)森林算法,利用MODIS LST數(shù)據(jù)估算蘭州市日最高和最低氣溫,估算誤差MAE分別為1.344 ℃和1.218 ℃。

1.3 特征空間外推法

日平均氣溫遙感估算通常有2種形式,一種是利用熱紅外數(shù)據(jù)反演的LST與日平均氣溫之間的相關(guān)性推算出來; 另一種則是利用Prince等[41]最早提出的三角形或梯形特征空間,將LST變化與歸一化植被指數(shù)(normalized difference vegetation index,NDVI)聯(lián)系起來估算日平均氣溫。由于LST對植被覆蓋區(qū)土壤含水量的敏感程度遠(yuǎn)遠(yuǎn)低于裸土區(qū),所以LST與NDVI在空間上呈三角形或梯形關(guān)系。如圖1所示,其中橫軸代表NDVI,縱軸代表LST,AB對應(yīng)植被指數(shù)較低的裸土情況,CD則對應(yīng)濃密植被冠層下的情況,AC和BD相交于O點(diǎn),OA稱為干邊,OB稱為濕邊,兩線之間的斜線代表土壤的不同植被狀態(tài)。

圖1 NDVI-Ts特征空間示意圖[41]

1.3.1 瞬時氣溫的估算

Zhu等[42]采用溫度植被指數(shù)分析法(temperature vegetation indes,TVX),將LST和植被指數(shù)之間的負(fù)相關(guān)系閾值降至0.1后,成功利用TVX方法基于MODIS陸地衛(wèi)星估算了日最高和最低氣溫,估算誤差MAE分別為3.03 ℃和2.37 ℃。Nemani等[43]研究認(rèn)為LST隨著NDVI的增大而降低,在全覆蓋條件下,植被冠層的溫度和空氣溫度幾乎相等,因此基于NDVI和LST兩者的空間特征關(guān)系估算近地表氣溫; 侯英雨等[34]通過分析NDVI和LST之間的相關(guān)關(guān)系,建立了梯形空間特征模型,對中、高植被區(qū)域的近地表氣溫進(jìn)行了估算,稀疏植被區(qū)域和中高植被區(qū)域的近地表氣溫反演絕對誤差分別為1.5～1.8 ℃和1.61 ℃,但隨著NDVI的不斷變化,地表水分的易變性增強(qiáng),NDVI和LST之間的三角形或梯形關(guān)系不明確,這種情況下很難保證TVX關(guān)系的準(zhǔn)確性; Sun等[44]提出了利用MODIS晝夜LST數(shù)據(jù)和增強(qiáng)植被指數(shù)(enhanced vegetation index,EVI),從晝夜LST差值和光譜植被指數(shù)特征空間改進(jìn)TVX方法估算氣溫,結(jié)果表明該方法在EVI和晝夜LST差值較大的地區(qū)適用性相對來說較高,估算誤差RMSE為2.38 ℃左右。另外,在研究特征空間的干邊時,通常都是通過回歸等經(jīng)驗(yàn)方案直接從遙感散點(diǎn)圖中得到,所以研究結(jié)果通常具有一定的主觀性和不確定性。為了克服這些缺點(diǎn),Sun等[44]開發(fā)了一種高級溫度干燥指數(shù),通過表面能量平衡原理確定理論干邊,但是該方法需要輸入大量參數(shù),結(jié)果的誤差來源較多,難以控制; Zhu等[42]針對這個問題提出了一種新的指數(shù)——修正溫度植被干度指數(shù),以減少參數(shù)化方案對干邊的依賴,氣溫估算誤差RMSE為2.28 K,與Zhu等[33]和Sun等[44]反演精度相當(dāng)。

1.3.2 日平均氣溫的估算

通過建立LST和植被指數(shù)之間的三角形或梯形特征空間關(guān)系,達(dá)到LST向瞬時氣溫空間轉(zhuǎn)換的目的,而瞬時氣溫又與日平均氣溫高度相關(guān),所以學(xué)者們在瞬時氣溫向日平均氣溫的時間轉(zhuǎn)換上也做了很多研究,Colombi等[22]基于日間和夜間LST數(shù)據(jù)求出衛(wèi)星過境時刻瞬時氣溫,然后利用正弦曲線近似擬合氣溫日變化規(guī)律,最后通過模擬的氣溫日變化曲線,估算日平均氣溫,但是衛(wèi)星的過境時刻和日最高最低氣溫出現(xiàn)的時刻常常是不重疊的,日變化曲線擬合誤差較大; Zhu等[42]考慮了日長和最低最高氣溫出現(xiàn)時間的滯后性等,對簡單的正弦擬合曲線做了調(diào)整,氣溫估算誤差MAE為2.54 ℃。除了依賴于正弦曲線擬合,Sun等[44]提出了一種結(jié)合晝夜LST數(shù)據(jù)和EVI數(shù)據(jù)估算日平均氣溫的方法,該方法擺脫了TVX法的局限性,完全獨(dú)立于輔助數(shù)據(jù),分別對平原、山區(qū)和高山區(qū)3個不同區(qū)域進(jìn)行日平均氣溫的估算,RMSE分別為1.84 ℃,2.34 ℃和2.45 ℃,具體算法如表2所示。

表2 特征空間外推估算氣溫方法一覽表

2 存在問題及展望

2.1 云干擾的影響

LST數(shù)據(jù)產(chǎn)品的質(zhì)量不僅跟反演的精度有關(guān),而且跟云干擾的程度和范圍有很大關(guān)系。Bisht等[45]使用MODIS云產(chǎn)品為MODIS衛(wèi)星過境時刻內(nèi)的云覆蓋區(qū)域提供有關(guān)云頂溫度、云分?jǐn)?shù)、云發(fā)射率和云光學(xué)厚度等信息,結(jié)合地面測量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)回歸,估算近地表氣溫,全覆蓋范圍近地表氣溫估算誤差RMSE為2.76 ℃,整體上基本實(shí)現(xiàn)了只利用遙感數(shù)據(jù)就能獲取較為精確的全覆蓋近地表氣溫。

利用LST數(shù)據(jù)估算日平均氣溫時,僅使用晴空像元可以得到較高的估算精度,但會造成像元的大量缺失,對數(shù)據(jù)連續(xù)性造成很大影響,需要對云干擾像元進(jìn)行空間插值,直接利用氣象臺站觀測值進(jìn)行插值誤差較大,Zhu等[42]基于MODIS數(shù)據(jù)產(chǎn)品,對中國柴達(dá)木盆地東部和美國南部大平原2個氣候條件完全不同地區(qū)的晴空和多元條件下的氣溫進(jìn)行估算,結(jié)果表明,晴空條件下的估算誤差RMSE分別為1.95 ℃和2.5 ℃; 多云條件下的估算誤差RMSE分別為3.42 ℃和2.91 ℃。特別是多云條件下的估算精度已達(dá)到了與傳統(tǒng)利用氣象站數(shù)據(jù)進(jìn)行空間插補(bǔ)方法相當(dāng)?shù)乃?有很大的應(yīng)用前景。

云干擾導(dǎo)致數(shù)據(jù)的大量缺失,限制了很多溫度相關(guān)的應(yīng)用研究,特別是積溫的計(jì)算方法,從而限制了以積溫作為評價指標(biāo)的作物農(nóng)業(yè)災(zāi)害監(jiān)測方法的研究。針對云干擾下的氣溫遙感估算,研究者們嘗試?yán)梦⒉ㄟb感進(jìn)行研究[46-48],但是微波遙感空間分辨率較低、時間連續(xù)性較差,這些都嚴(yán)重阻礙了微波遙感在氣溫估算研究中的進(jìn)展。針對這些問題,學(xué)者們也提出了綜合微波和熱紅外數(shù)據(jù)進(jìn)行LST的估算[49],但是時空差異極大地限制了兩者在LST估算中的應(yīng)用,如何降低兩者LST反演的差異是提高最后氣溫估算精度的關(guān)鍵。所以,如何提高云干擾下的日平均氣溫遙感估算精度仍然值得進(jìn)一步的探究。

2.2 大氣效應(yīng)

LST遙感估算的準(zhǔn)確性直接影響到日平均氣溫估算的精度,多通道算法是目前應(yīng)用最廣泛的LST遙感估算方法之一,該算法對傳感器限制條件少且不依賴于大氣廓線數(shù)據(jù),所以一直被廣泛使用[50-52]。多通道算法是基于不同通道對水汽吸收具有不同的特性,利用相近或相鄰熱紅外通道信息線性化處理輻射傳輸方程。但是,季節(jié)和區(qū)域的變化會對該方法的處理結(jié)果精度造成很大的影響。相比其他季節(jié),夏季的校正精度較高一些; 與低緯度地區(qū)的亮度溫度與水汽之間的函數(shù)關(guān)系相比,中、高緯度地區(qū)要穩(wěn)定一點(diǎn)。因此,在實(shí)際的LST反演時,根據(jù)區(qū)域和季節(jié)的不同,建立不同的模型,以保證大氣校正的準(zhǔn)確性。

多通道算法在校正大氣水汽吸收時,對于氣溶膠的影響基本都是忽略不計(jì)的,但大氣氣溶膠對輻射傳輸過程會造成很大的影響: 太陽總輻射量減少、LST降低等。隨著城市工業(yè)化發(fā)展進(jìn)程不斷加快,大氣氣溶膠含量不斷升高,氣溶膠對LST反演算法性能影響不容忽視。近年來,研究者們也不斷嘗試各種算法來降低LST反演時氣溶膠的影響[53-55]。

2.3 大氣環(huán)流的影響

太陽輻射、下墊面性質(zhì)和大氣環(huán)流是空氣溫度的3大驅(qū)動因子。研究區(qū)的氣象條件和地表性質(zhì)是決定近地表氣溫的主要因素,而大氣環(huán)流下的水平平流是決定它們的外來因素。在太陽輻射和下墊面2個驅(qū)動因子影響下得到的空氣溫度僅具有局地代表性,想要獲取區(qū)域尺度上真實(shí)的空氣溫度還必須加權(quán)計(jì)算大氣環(huán)流下的水平平流驅(qū)動因子形成的外來空氣溫度。Zhang等[56]考慮局部驅(qū)動力和水平平流的影響,利用遙感數(shù)據(jù)和氣象數(shù)據(jù)估算地面氣溫,發(fā)現(xiàn)估計(jì)值與氣象站測量值有很強(qiáng)的相關(guān)性,實(shí)驗(yàn)3 d氣溫估算RMSE分別為0.42 K,0.35 K和0.20 K。如何充分認(rèn)識和利用大氣環(huán)流驅(qū)動力實(shí)現(xiàn)氣溫?cái)?shù)據(jù)的高精度估算很值得做進(jìn)一步的探究。

2.4 氣溫日變化模型的優(yōu)化

氣溫日變化情況隨著地理位置和季節(jié)的不同會隨之改變。目前大多數(shù)的研究都是基于簡單的正弦曲線來進(jìn)行氣溫日變化的研究。而日平均氣溫的估算和日最高、最低氣溫密不可分,由于每日最高、最低溫度出現(xiàn)的時間和衛(wèi)星數(shù)據(jù)采集時間不一致,因此利用LST數(shù)據(jù)模擬氣溫日變化曲線仍需進(jìn)一步研究,日平均氣溫遙感反演的關(guān)鍵是如何精確地估算衛(wèi)星過境時刻的LST數(shù)據(jù)和日最高、最低氣溫之間的關(guān)聯(lián)關(guān)系。

2.5 溫度真實(shí)性檢驗(yàn)

目前廣泛使用的多元線性回歸方法、機(jī)器學(xué)習(xí)法和基于特征空間外推法等日平均氣溫遙感估算方法,在日平均氣溫空間異質(zhì)性的描述上都表現(xiàn)出較強(qiáng)的適用性,但是其估算結(jié)果的真實(shí)性還有待考證。結(jié)合以往的研究發(fā)現(xiàn),日平均氣溫遙感估算結(jié)果的真實(shí)性檢驗(yàn)還停留在只利用地面站點(diǎn)觀測值作為像元尺度真值對基于遙感數(shù)據(jù)的估算結(jié)果進(jìn)行驗(yàn)證,但是絕對理想的地面站點(diǎn)是不存在的,真實(shí)性檢驗(yàn)的參考值并不是像元尺度的絕對真值,驗(yàn)證結(jié)果受到多個不確定的影響: ①地面觀測數(shù)據(jù)和不同分辨率遙感數(shù)據(jù)本身的誤差; ②數(shù)據(jù)源之間在空間位置上匹配誤差; ③不同數(shù)據(jù)源的空間尺度效應(yīng)的影響; ④各種不同誤差的傳遞影響。

基于遙感的估算結(jié)果真實(shí)性檢驗(yàn)還受限于地面數(shù)據(jù)的真實(shí)性和可利用性,整體的研究還處于定性階段,定量刻畫還是十分的困難。利用氣象站實(shí)測的日平均氣溫作為真值進(jìn)行估算結(jié)果的真實(shí)性檢驗(yàn),并不能很好地反映氣溫空間上的異質(zhì)性。由于地面站點(diǎn)測量儀器的不同,測量誤差的不統(tǒng)一,數(shù)據(jù)觀測時間的差異性等,缺乏一個完整、統(tǒng)一、連續(xù)、可信度高的參考數(shù)據(jù)集,日平均氣溫真值的獲取難度極大,怎么進(jìn)行地面優(yōu)化采樣,對不確定性進(jìn)行分析,提高像元尺度“真值”的估算能力,在不確定性最小的原則下怎樣找到最合適的數(shù)據(jù)和升尺度方法獲取最接近空氣溫度真值的參考值是很值得進(jìn)一步研究的。

3 結(jié)論

綜上所述,日平均氣溫遙感估算方法主要是依靠熱紅外數(shù)據(jù)間接反演得到,但熱紅外數(shù)據(jù)受氣候影響較大,每種估算方法的精度都會受到一定的影響。多因子統(tǒng)計(jì)法的精度基本能夠滿足日常需求,操作簡單,但模型對研究條件要求高,不同地區(qū)或時間跨度都可能會對估算的精度造成影響。近年來,機(jī)器學(xué)習(xí)方法在氣溫估算中廣泛使用,該方法對數(shù)據(jù)具有很好的包容性,具備處理復(fù)雜和異質(zhì)性數(shù)據(jù)的能力,適用于處理不同地區(qū),甚至地理環(huán)境變化較大區(qū)域的氣溫估算,且估算精度高。但對于統(tǒng)計(jì)建模者來說,機(jī)器學(xué)習(xí)內(nèi)部就是一個黑匣子,無法控制模型的內(nèi)部操作,只能在不同的參數(shù)和隨機(jī)分配之間進(jìn)行不斷的嘗試。機(jī)器學(xué)習(xí)方法對現(xiàn)有數(shù)據(jù)的模擬效果很好,但是用于預(yù)測和估計(jì)時,其精度可能會突然下降,會導(dǎo)致建模時出現(xiàn)過度擬合。特征空間外推法所需要的參數(shù)少(僅需遙感變量),方法操作簡單,但是該方法只適用于植被覆蓋率高的地區(qū),在植被覆蓋率低的城市地區(qū)則并不適用。而且,LST和NDVI之間的線性關(guān)系受季節(jié)性、土壤濕度和土地覆蓋等許多因素影響,但對于定量能量平衡建模困難,景觀復(fù)雜、異質(zhì)的城市,多元回歸模型和機(jī)器學(xué)習(xí)方法就能很好估算氣溫,對于異常值和缺失值的處理也更加準(zhǔn)確,基本不會出現(xiàn)過度擬合現(xiàn)象。