城市空间典型下垫面温度监测与估算

摘要：

随着城镇化的快速发展,人工地表快速扩张增加了下垫面的显热通量,加剧了城市地表的物质和能量的交换,导致城市热岛、城市雨岛等城市生态问题频发,对城市空间开展下垫面温度监测与估算,是有效化解各种"城市病"的基础.为此,基于无线传感器网络技术设计了城市地表热环境监测节点,选取3种典型下垫面开展长期持续观测,并利用4种机器学习算法估算了 3种典型下垫面历史温度.研究结果表明,极限梯度提升(XGBoost)模型效果均最佳(MAE＜1.0,R2＞0.94),模型具有精度高、泛化能力强的优势;环境因素对于不同下垫面温度的影响程度基本一致,大气温度对下垫面温度的影响最大,具有随机性的降雨量影响最小;机器学习算法能够较为准确地估计城市典型下垫面历史温度,能够为开展大时空尺度城市环境研究提供数据基础.

关键词：无线传感器网络、机器学习、估算、地表温度

所属期刊栏目：41

分类号：TH765(仪器、仪表)

资助基金：国家自然科学基金41761084

在线出版日期：2021-01-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：161-168