制作一套覆盖全球的高分辨率UTCI逐月栅格数据集GloUTCI-M
使用GloUTCI-M分析全球UTCI月/年度与冷/热应力区的时空趋势
GloUTCI-M具有的精度优势可以更有效地运用于城市/景观尺度研究
01 GloUTCI-M制作步骤
02 模拟GloUTCI-M性能评估
为确定模拟UTCI的最佳机器学习模型，评估了 XGBoost、LightGBM和CatBoost 的模拟性能。分别评估了观测UTCI与各模型模拟UTCI间的MAE、RMSE和R2（图2），以及绝对残差值的空间插值分布与统计（图3）。最终，确定了CatBoost为最佳模拟模型，并制作GloUTCI-M。
图2 UTCI观测值与三种模型下UTCI模拟值的比较: (a)XGBoost; (b)LightGBM; (c)CatBoost
基于2021年的月/年度 UTCI，获得了全球 UTCI 的空间分布（图4）。此外，分别提取2021年冬季月份和夏季月份的冷应力和热应力像元，描绘出全球冷/热应力区的分布（图5）。总体而言，冬季冷应力区（UTCI <0 °C）和热应力区（UTCI >26 °C）的全球分布表现出显著的纬度异质性。在夏季，全球热应力区表现出广泛的分布，而冷应力区的分布则较为零星。
图4 2021年UTCI的全球月度和年度空间分布
图5 2021年全球冷/热应力区空间分布及统计: (a1) 冬季月份; (b1) 夏季月份; (a2) 冬季月份纬度序列; (b2) 夏季月份纬度序列; (a3) 冬季月份纬度序列的像元类型; (b3) 夏季月份纬度序列的像元类型
基于GloUTCI-M，研究了全球UTCI的时间序列演变，包括了解全球月/年度UTCI平均值的变化（图6），以及全球UTCI年均值的变化趋势（图7）。总体而言，年度和夏季（6 月至 9 月）全球 UTCI 平均值增加显著，冬季的增加趋势大多不显著。全球UTCI像元年均值主要表现为显著上升或非显著趋势，少数呈下降趋势。俄罗斯、巴西和利比亚等国家是推动全球年均UTCI增长的热点地区，中国和印度在缓解全球年均UTCI上升发挥重要作用。
图6 2000-2022年全球月/年度UTCI均值变化:(a-l)月度变化; (m) 年度变化; (n) 各月UTCI与年度UTCI均值的差异
图7 全球UTCI像元年均值的变化趋势: (a) 空间分布; (b1-b5) UTCI年均值呈上升趋势的典型区域; (c1-c5) UTCI年均值呈下降趋势的典型区域; (d1) UTCI像元年均值呈上升趋势的数量最多前10个国家; (d2) UTCI像元年均值呈下降趋势的数量最多前10个国家
由于协变量中存在云量较大和时空不连续性等问题，GloUTCI-M缺乏时空无缝性。为阐明 GloUTCI-M 的全球时空可用性，对272个月的像元可用性进行了全面评估（图8）。GloUTCI-M 的月度最大像元缺失率为2.5%，7月和8月的像元缺失率相对较高。此外，南美洲北部、非洲西海岸和东南亚是三个月度像元缺失率较高的区域。
图8 GloUTCI-M的月度像元可用性: (a) 各月像元缺失率; (b)像元可用月份数量的空间分布; (c1-c3) 月度像元缺失率较高典型区域; (d1-d3) 典型区域的月度像元缺失率统计
点击“阅读原文”查看全文
