基于多源数据的江苏省近地表气温估算研究

1. 引言

近地面气温是气象预报、农业规划与生态评估的核心参数，但传统气象站点呈离散点状分布，难以满足精细化空间分析需求 [1-3]。遥感地表温度（LST）虽具面状覆盖优势，但与近地面气温存在偏差（LST通常高于近地面气温 2-39C ），亟需通过多源数据融合实现精准转换。MODIS（Moderate Resolution Imaging Spectroradiometer）数据具有较高的时间分辨率（1-2 天）和适中的空间分辨率（1km），其地表温度（LST）和植被指数（NDVI）产品已被广泛应用于气温估算研究 [4-6]。然而，单一遥感因子难以完全解释气温的时空变异，融合地形数据（如DEM）和地面观测数据可有效提升模型精度 [7-9]。

江苏省地处东部沿海，地形涵盖平原、丘陵和水域，气候受季风影响显著，已有研究多基于单一模型（如多元线性回归）开展气温插值，对空间非平稳性（如地形导致的局部气候差异）和非线性关系（如植被与气温的复杂交互）考虑不足。地理加权回归（GWR）通过引入空间权重矩阵，可捕捉变量关系的局部异质性；随机森林（RF）作为非线性集成学习方法，在处理高维数据和复杂交互作用中表现优异。但目前针对江苏省的近地表气温估算研究中，多模型对比分析仍较缺乏。

2. 数据与方法

2.1 研究区域与数据来源

2.1.1 研究区域

江苏省位于 30^∘ ° 45^′ ′ -35^∘ 08′ N，116° 21^′ ′ - -121^∘ 56′ E，面积 10.72 万平方公里，地势平坦（平原占比 86.89% ），但西南部有低山丘陵分布。气候属亚热带向暖温带过渡区，年均温 13-16^∘C ，四季分明，气温空间分布受纬度、海陆位置和地形共同影响。

图1 江苏省气象站点空间分布示意图

2.1.2 数据来源

（1）遥感数据：本文主要利用的是 MODIS 数据产品，从网站https：//ladsweb.modaps.eosdis.nasa.gov/search/ 上下载数据，包括 8 天合成的地表反射率产品（MYD09A1）、8 天合成的地表温度产品（MYD11A2）。研究区所覆盖的条带号包括 h27v05 ，h28v05，时间范围 2017 年 1 月 1 日 -2019 年 12 月 31 日。

（2）地形数据： 30m 分辨率 DEM 数据（源自地理空间数据云http：//www.gscloud.cn/）。

（3）地面观测数据：江苏省 22 个国家级气象站点 2017 年 1 月 1日-2019 年12 月31 日的日均温数据，来自中国气象数据网（http：//data.cma.cn/）的中国地面气候资料日值数据集（V3.0）

（4）其他数据：江苏省行政区划矢量边界数据，用于空间范围界定。

2.2 数据预处理

2.2.1 遥感数据处理

（1）格式转换与拼接：利用 MRT（MODIS Reprojection Tool）将HDF 格式的MODIS 遥感产品数据转换为TIFF 格式，同时进行投影转换和拼接。基于江苏省行政区划 shapefile 数据进行裁剪，得到研究区8 天合成的地表温度数据。

（2）质量控制与异常值剔除：通过R 语言进行QC（质量控制波段）掩膜处理，剔除云污染像元以及异常值（如LST 值 >60^∘C 或 <-40% ）。

（3）单位转换：LST 从开尔文转摄氏度（ C ），即应用缩放因子（乘以 0.02）得到真实的开尔文温度，再减去 273.15。高程单位统一为米（m）。从地表反射率产品数据中提取太阳天顶角（SolarZenith）的信息，换算系数为 0.01。从地表反射率产品数据中提取出近红外波段和红光波段的数据，通过波段运算得到8 天的NDVI 数据。

（4）空间匹配：对所有的遥感数据按照 1km×1km 的分辨率进行重采样。基于站点经纬度，从 LST、NDVI、DEM、太阳天顶角等影像中提取对应像元值，构建数据集。

2.2.2 地面观测数据处理

（1）异常值剔除：气温数据遵循 3σ 原则，完成异常值剔除（如连续3 天温差 >15^∘C ）。

（2）8 日均温计算：与 8 天合成的 MODIS 产品数据日期相对应，对日均温数据进行对应的8 天均值处理。

2.3 模型构建

2.3.1 变量选择

构建包含 7 个自变量的数据集：LSTad（白天地表温度）、LSTan（夜晚地表温度）、NDVI（植被指数）、SZA（太阳天顶角）、经度（X）、纬度（Y）、高程（DEM）。因变量为日均温（Tave）。

表1 选取变量、缩写及其描述

2.3.2 模型方法

（1）多元线性回归（MLR）：假设变量关系全局线性，模型表达式为：

T_a=β₀+β₁LSTad+β₂LSTan+β₃NDVI+β₄SZA+β₅Lon+β₆Lat+β₇DEM+ε

其中， T_a 为近地表气温， β₀ ， β_l ，……β6 为回归系数， σ_ε 为常数项。

（2）地理加权回归（GWR）：考虑空间非平稳性，通过高斯核函数计算局部权重，每个样本点具有独立的回归系数：

T_a，i=β₀（u_i，ν_i）+β₁（u_i，ν_i）LSTad_i+…......+β₇（u_i，ν_i）DEM_i+ε_i

其中，（u_i，v_i）为站点i 的坐标。

（3）随机森林（RF）：基于分类回归树（CART）的集成学习方法，通过自助采样（bootstrap）和随机特征选择构建多棵决策树，最终输出回归均值，能有效处理非线性关系和变量交互作用。

2.3.3 模型验证

采用十折交叉验证，使用决定系数（ R² ）、均方根误差（RMSE）、平均绝对误差（MAE）评价模型精度。

3. 结果与分析

3.1 变量关系分析

为了进一步分析变量之间的相关性，建立更适用的近期表气温估算模型，利用R 语言对数据集进行处理，得到图2。

图2 各变量与近地表气温的相关性分析图

从图 2 中，可以看出近地表气温数据（Tave）与地表温度数据（LSTad 和 LSTan）高度正相关，这也与各学者的研究结果一致。同时发现，近地表气温数据与太阳天顶角数据成高度负相关。当太阳天顶角较小时，意味着太阳更接近天顶，此时太阳光线几乎垂直照射到地面，到达地面的太阳辐射多，地面传递给近地表空气热量多，气温升高；天顶角大则相反。太阳天顶角还关联日照时间，天顶角小日照长，地面热量积累多使气温高，天顶角大日照短热量少气温低，所以二者高度负相关，有重要的物理依据 [8-10]。此外，近地表气温数据与植被指数也呈现出一定的相关性，不同植被指数代表着不同的植被覆盖和健康程度，植被能够吸收和反射太阳辐射，茂密且健康的植被对太阳辐射的吸收能力较强。研究表明植被覆盖度越高，地表温度与气温之间越接近，从图 2 中也可以发现植被指数与地表温度数据有一定的相关性。

针对以上变量，开展相关系数的显著性检验，计算得到P 值。

表 2 T 检验 P 值

分析 P 值后，发现 DEM、Lon、Lat 与 Tave 不具有显著的线性相关性，不具有显著性的统计学意义。江苏省地势平坦，高程作为静态变量，随时间变化不明显，各气象站点经纬度相差很小，各地均温温差并不大。

3.2 模型精度对比

3.2.1 多元线性回归（MLR）

经过各变量与近地表气温的相关性分析，现建立 Tave 与 LSTad、LSTan、NDVI 和 SZA 的多元线性回归模型。通过方差分析表，发现LSTan 这一变量对 Tave 的影响显著。所有变量通过 T 检验和 F 检验。利用方差膨胀因子（VIF）进行多重共线性检验，得到 LSTad 的 VIF值为 7.49，LSTan 的 VIF 值为 6.03，NDVI 的 VIF 值 1.20，SZA 的 VIF值为 3.80 。结合上述分析，最终确立以下的多元线性回归模型：

对应的 R² 为 0.9705、RMSE 为、MAE 为 1.2188^∘C 。十折交叉验证结果图（图 3）和残差分析图（图 4）显示，模型性能和预测效果很好，模型的线性假设合理，残差基本服从正态分布。

图3 十折交叉验证结果图

图4 残差分析图

3.2.2 地理加权回归（GWR）

地理加权回归模型是对普通线性回归模型的扩展，它将数据的空间位置嵌入到回归方程中，考虑到了空间对象的局部效应，能更精细地捕捉“空间分异规律”[11-12]。基于已有的数据，通过 R 语言中GWR 数据包（spgwr）编程，得到对应的 R² 为 0.9708、RMSE 为 1.5805^∘C 、MAE 为 1.2151^∘C 。

图5 GWR 局部系数空间分布图

图 5 表明 LSTad 对 Tave 的正向影响在东部、偏北区域更显著，西部、偏南区域影响相对较弱。LSTan 对 Tave 的正向影响规律与LSTad 一致，但影响强度更大，说明该变量是驱动因变量变化的“主导性温度因子”。NDVI 对 Tave 的影响存在双向空间异质性—西部、偏南区域呈“负向作用”，东部、偏北区域呈“正向作用”。这种差异可能与区域植被类型、生态功能的空间分异有关。SZA 对 Tave 的负向影响在西部、偏南区域更显著，东部、偏北区域负向影响减弱，甚至出现微弱正向作用。这种差异可能与区域地形（如山地遮挡）、云量分布等因素的空间变化有关。相比普通线性回归，GWR 模型更贴合地理现象的本质规律。

3.2.3 随机森林（RF）

通过运算，得到随机森林回归模型的对应 R² 为 0.9754、RMSE为 1.4581^∘C 、MAE 为 1.1164^∘C 。对比多元线性回归模型，发现随机森林模型的预测效果要略好一些。图5 表明，LSTan 对模型非常重要，这也其他学者的研究相一致。图 6 表明，当决策树数量大于 300 后模型误差趋于平稳。

图6 随机森林变量重要性

图7 随机森林误差随树数量变化图

4. 结论与展望

本研究以江苏省为研究区，融合 2017-2019 年 MODIS 遥感数据、气象站点观测数据及地形数据，构建多元线性回归（MLR）、地理加权回归（GWR）与随机森林（RF）三种模型，结果显示：RF 模型精度最优（， R²=0.9754 ），较 MLR（ RMSE=1.5865^∘C ）和 GWR（ RMSE=1.5805^∘C ）更具优势；GWR 因捕捉变量空间异质性，较 MLR 更贴合地理规律，且 LSTan 是气温估算的主导因子，NDVI、SZA 对气温的影响存在显著空间分异。