基于改进SVM模型的城市表面温度空间降尺度模型研究

Urban Land Surface Temperature（ULST）is a key parameter. Its retrieval based on Remote Sensing images is usually affected and restricted by the complex urban surface conditions and low spatial resolutions of thermal infrared RS images.To resolve these two problems, the following researches were done in this project:(1) Research of extraction of urban surface characteristic parameters and selecting of regression kernel. To reflect the complexity of urban surface, five kinds of characteristic parameters including urban landscape indexes were extracted and scale parameters & regression kernels were also selected based on PCA. Finally, the suitable regression combination and regression methods were selected to bulid the modes; (2) Researches of Spatial downscaling models of urban LST based on improvement of SVM models. To make up the deficiency of spatial resolution of the thermal infrared RS images, SVM models were improved combining with a simple scale-adjustment models and a new urban LST spatial downscaling model named Adjusted-SVM was developed based on SVM updating to attend to the multiple urban surface characteristic parameters and make the scale parameter in new model be adjusted dynamicly. The new model will be suitable to the complex urban surface conditions to provide new support of urban thermal environment researches.

城市表面温度（Urban LST）是一个重要参数，但遥感反演中常受到城市复杂下垫面的影响和热红外遥感影像空间分辨率较低的限制而使反演精度受到影响。本研究针对以上两个问题开展研究，主要内容包括：（1）为充分反映城市下垫面的异质性和复杂性，拟开展城市地表特征参数遥感提取及回归核选择研究。提取5类特征参数（包括城市景观指数），在逐步回归、主成分分析基础上反复筛选尺度因子和回归核，选择适宜的回归组合和回归方法，参与模型构建；（2）为弥补热红外遥感数据空间分辨率不足，拟开展基于改进SVM的城市表面温度空间降尺度模型研究。以预测精度高、推广性强的SVM模型为基础，结合一种尺度因子调整简单模型，提出一种新的顾及多个城市特征参数、能调整尺度因子空间分布的城市表面温度空间降尺度模型（A-SVM），使之更适合城市下垫面特征，减少了城市LST降尺度过程中由于高低空间分辨率不同而产生的估计误差。

地表温度是表征气候变化和地表能量平衡的重要指标，是诸多研究领域不可或缺的关键参数。但是受到传感器自身及成像条件的制约，高时间和高空间分辨率难以兼得，降尺度是目前解决该问题最有效的途径之一。尺度因子和回归核的选择是降尺度成功的关键，尤其对于异质性较高的城市地表。本研究针对复杂的北京城区对比分析了多种尺度因子组合以及多个统计回归模型的降尺度性能，结果表明，NDBI、MNDWI、植被％、低反照率％、高反照率％为最佳回归组合；SVM方法最优，其RMSE和MAE值分别为2.019K和1.447K。传统回归模型的建立均是基于“地表特征参数与地表温度间相关关系在不同尺度下保持不变”这一假设，本研究研究对城市地表温度在不同尺度下的自相关关系进行分析发现，城市地表温度的空间自相关关系随着空间分辨率增加明显降低。同时，地表特征参数与地表温度之间的相关关系在不同尺度下有明显变化。基于此，本研究决定对上述城市地表温度空间降尺度结果的进行尺度调节。首先探究不同尺度下地形因素、景观因素、地表覆盖类型等对于城市地表温度尺度效应的影响，结果表明.景观层面多样性指标中SHDI、密度指标PD和植被类型层面下的斑块内聚指数COHESION等景观指数对尺度效应影响最大。在此基础上，引入区域方差作为地表温度空间自相关的衡量指标。通过对地表温度的正态分布检验，分析正态拉伸模型的适用性。利用正态的方差拉伸变化，将尺度变化下的空间自相关关系差异补充至城市地表温度降尺度的结果中。尺度调节后结果与传统的统计回归降尺度相比，RMSE提高了0.28K，总体精度提高了14%。结果表明，基于景观指数的尺度调节模型对城市地表温度降尺度结果有提高精度的作用。

内容获取失败，请点击重试