基于多元线性回归和机器学习的地表温度高精度反演——以武汉市徐家棚社区为例.pdfVIP

基于多元线性回归和机器学习的地表温度高精度反演

——以武汉市徐家棚社区为例

摘要

近年来，随着城市化进程加速推进，城市热岛效应逐渐凸显，成为城市热环境问题

的一个典型案例，给市民的生产生活和生态环境带来了巨大影响。城市内部的气候条件

差异主要由土地利用结构的空间差异和地表特征的不均匀性引起，这在炎热天气下导致

了显著的区域温度差异，然而现有基于遥感的地表温度数据空间分辨率不足。因此，解

决精细空间尺度的地表温度数据的获取是理解城市热空间分布格局和评估相关健康风

险的关键。大量的研究分析了土地覆盖类型、地表覆盖指数等与城市热岛之间的相互关

系，尽管已经认识到将空间异质性纳入城市热岛研究的必要性，但关于以更精细空间分

辨率直接绘制温度空间分布的研究仍相对缺乏。本文考虑到阴影、地表特征和空间异质

性对城市热岛效应综合的影响，采用无人机高分遥感影像和人工现场实测气温数据，利

用多元线性回归模型、Cubist回归算法和随机森林回归算法，构建多尺度特征，融合阴

影特性，进行大范围地表温度预测，结果分析表明：

122170%156

（）本文共采用个实测采样点作为验证，其中训练样本，样本点数为

30%65

个，测试样本点为，样本点数为个。结果分析表明加入太阳阴影系数指标之后，

无论多元线性回归结果、Cubist回归结果的精度还是随机森林回归的精度都有一定程度

R0.727

的提升，以多尺度指标实验为例子：多元线性回归的训练样本的方为，而加入

R0.866R0.629

太阳阴影系数指标之后训练样本方，验证样本方为，而加入太阳阴影

R0.881Cubist0.92

系数指标之后验证样本的方为。回归的训练样本的相关系数为，而

加入太阳阴影系数指标之后训练样本的相关系数为0.96，验证样本的相关系数为0.83，

而加入太阳阴影系数指标之后验证样本的相关系数为0.97。随机森林回归的训练样本的

R0.754R0.923R0.728

方为，而加入太阳阴影系数指标之后训练样本方，验证样本方为

R0.940

而加入太阳阴影系数指标之后验证样本的方为。由此可以得出，无论那种回归

方式，加入太阳阴影系数指标和阴影指数指标之后，他们的回归精度都有一定的提高。

2

（）是否受到太阳直射是显著影响地表温度的因素，多元线性回归结果分析表明

I

15

受太阳直射的不透水面的地表温度平均要比阴影下的不透水面温度高度，受太阳直

7

射的草地的地表温度平均要比阴影下的草地温度高度，这些数据说明，太阳直射不仅

增加了地表的温度，而且不同地表类型对太阳直射的反应也有所不同。不透水面由于吸

热能力强，对太阳直射的反应更为敏感，因此温度上升幅度更大。而草地虽然也有温度