测绘科学

2022, v.47;No.291(09) 200-207

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

机器学习模拟热环境及热岛时空变化特征研究
Simulation of urban thermal environment based on machine learning and research on the temporal and spatial variation characteristics of urban heat island

侯赛男,党国锋

摘要(Abstract):

针对城市热岛研究中MODIS地表温度数据云覆盖像元值问题,该文构建SVR、RF和XGBoost 3种机器学习模型以实现对MODIS地表温度产品缺失像元值的最优模拟,以最优模型获得郑州市2009—2018年无缝地表温度数据;基于距离加权不透水面聚集密度,提取出郑州市逐年主要建成区范围;结合地表温度数据、建成区范围及郊区范围动态分析郑州市热岛面积及热岛强度变化。结果表明:XGBoost模型回归拟合系数为0.95,均方根误差为0.06,填补MODIS地表温度数据像元值空缺效果优于SVR和RF模型;研究期间内,郑州市每年主要建成区面积增长速率均超过8%;郑州市这10 a间地表温度的标准差呈平稳下降的趋势,中温区面积呈上升趋势,热岛强度呈下降趋势,表明了郑州市“高温化”的缓解。

关键词(KeyWords): MODIS;城市热环境;支持向量机;随机森林;XGBoost;主要建成区;城市热岛

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41971268)

作者(Author): 侯赛男,党国锋

DOI: 10.16251/j.cnki.1009-2307.2022.09.024

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享