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

发布时间：2023-03-03 23:08

　　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M...

【文章页数】：12 页

【文章目录】：
1 引言
2 研究区与数据
    2.1 FLUXNET地面实测数据与研究区选择
    2.2 MODIS遥感数据
    2.3 ERA5再分析数据
3 研究方法
    3.1 日尺度短波净辐射定义
    3.2 随机森林方法原理
    3.3 DNSSR反演模型构建过程
4 结果与分析
    4.1 DNSSR反演模型构建与验证
    4.2 DNSSR全球分布及季节特性
    4.3 与再分析ERA5-DNSSR对比
5 结论与展望



本文编号：3753284