2024
09/15
[基于MODIS LST的多环境因子和逐月模拟的泛北极土壤表面温度高精度估算]
●●●
PART.01
研究背景
在过去的几十年里，全球变暖在北极表现出“放大效应”，导致整个泛北极的陆地环境发生重大变化。土壤表面温度 （SST） 的变化（0–10 cm 深度）是陆地环境变化的重要组成部分。SST是地表-大气能量平衡的重要指标，是影响多年冻土存在和分布的主要气候因子。建立泛北极高精度SST估算方法，对于生产高精度海温数据产品、估算多年冻土范围和活动层厚度、了解北极气候和生态水文等冰冻圈相关环境要素的稳定状态和动态变化具有重要意义。
在多年冻土数值模式中，有两种常用的方法来建立SST与气温的关系。一种是近地表气温转换因子法，另一种方法是经验关系法。遥感得到的地表温度(LST)与SST具有高度的相关性，并且具有更精细(1公里)的空间分辨率。因此，利用地表温度数据驱动的多年冻土制图模式越来越受到关注。然而，由卫星观测的长波辐射得到的地表温度通常是陆地表面的瞬时热力学温度。不同的地表成分(如森林、草原和雪)会导致地表温度和SST之间的偏差。从瞬时地表温度数据估计一段时间内的平均SST是在多年冻土制图中应用地表温度的主要挑战。
在自然环境条件下，SST与地表温度的偏差会受到多种环境因子的影响，如植被、积雪、土壤成分等。考虑到泛北极SST受多种环境因子的影响，且这些环境因子在不同日历月之间有所不同，本研究旨在通过整合各种环境因子数据和基于月的建模，从 MODIS LST 估计泛北极的高精度SST。具体来说，主要集中在三个工作上：首先，分析多个环境因素对不同月份 SST 估计模型的贡献;其次，建立基于 LST 和不同月份的多环境因子数据的 SST 估计 RF 模型;最后，将 SST 估算精度与现有方法进行比较，包括整体精度和不同土地覆盖的精度。
PART.02
数据与方法
1.数据来源
SST 站点观测数据来自 SoilTemp 和全球永久冻土陆地网络 （GTN-P） 数据库。空间数据集包括 MODIS LST 数据、环境因子（植被、雪、太阳辐射、表层土壤成分、地形）数据和土地覆被数据。MODIS LST 数据是从 MOD11A1 和 MYD11A1 产品，分别来自 Terra 和 Aqua 卫星数据。它们都包括两个观测数据：白天数据 和夜间数据。
2.研究方法
结合多环境因子和基于随机森林算法的逐月建模(monthly-based RF)估算泛北极SST。首先，对现场观测数据和环境因子数据进行预处理。其次，建立样本数据集。提取站点位置对应像素点的地表温度和环境因子数据作为样本，其中70%用于模型训练，30%用于测试。然后，从2月到10月逐月训练随机森林模型，并对逐月海温数据进行预测。最后，对模型的总体精度和不同土地覆盖类型的精度进行了评价，并与现有方法进行比较。
本研究中构建的 RF 模型可以用如下公式抽象地表示。
采用决定系数(R2)和均方根误差(RMSE)作为定量准确性评价指标。
PART.03
重要图表
PART.04
研究结论
为提高泛北极地区土壤表面温度 （SST） 估计精度，分析了 5 个环境因子（植被、积雪、表层土壤组成、地形和太阳辐射）对 SST 估计的贡献，并提出了一种结合环境因子数据和基于 RF 机器学习算法的基于月建模的 MODIS 地表温度 （LST） SST 估计方法。结果表明：
5—10月植被对SST估算的影响最大，3—4月雪影响最大。从 2003 年到 2022 年，所提出的方法在 SST 估计中实现了 0.89–––1.88 °C 的 RMSE，明显优于仅基于 LST 和基于季节建模的广泛使用的 MLR 方法（RMSE 在 1.56 和 4.03 °C 之间）。对于森林等植被茂密的区域，所提方法显著提高了暖季的精度，RMSE 从 1.4 − 2.25°C 降低到 0.78–––1.33 °C。 对于植被稀疏或无植被的区域，如草地林地、草原、永久湿地和贫瘠地区，所提方法显著提高了寒冷季节的精度，RMSE 从 0.8 − 9.22 °C 降低到 0.65–––2.17 °C。 所提出的方法有可能在泛北极产生高精度的SST数据，支持多年冻土范围和活动层厚度的估计，并加深对冰冻圈环境要素稳定性和动态变化的理解，包括泛北极的气候和生态水文学。
PART.05
小编说
该文章题目为“High-precision estimation of pan-Arctic soil surface temperature from MODIS LST by incorporating multiple environment factors and monthly-based modeling”，于2024年发表在International Journal of Applied Earth Observation and Geoinformation期刊，IF=7.6。
引用：Hongxiang Guo, Wenquan Zhu, Cunde Xiao, Cenliang Zhao, Liyuan Chen,High-precision estimation of pan-Arctic soil surface temperature from MODIS LST by incorporating multiple environment factors and monthly-based modeling,International Journal of Applied Earth Observation and Geoinformation,Volume 133,2024,104114,ISSN 1569-8432.
文献声明
欢迎转载、转发本号发布的内容，可留言或后台联系小编进行授权。未经授权允许的，请勿在其他渠道或平台转载转发。文中部分来源于网络的图片，以及转述他人的内容，如涉及作品版权和其他问题，请留言联系小编处理。
本期编辑：肖文文
本期文案：肖文文
<<< END >>>
