Page 312 - 《高原气象》2026年第3期
P. 312

第 45 卷  第 3 期                         高     原    气     象                             Vol. 45  No. 3
                2026 年 6 月                       PLATEAU METEOROLOGY                               June, 2026


             张煦庭, 权文婷, 周辉,等, 2026.  基于 XGBoost 算法的 FY-4B 地表温度融合方法研究——以陕西省为例[J]. 高原气象, 45
             (3): 920-934.  ZHANG Xuting, QUAN Wenting, ZHOU Hui,et al, 2026.  Fusion of FY-4B Land Surface Temperature Based on
             XGBoost Algorithm: A Case Study of Shaanxi Province[J]. Plateau Meteorology, 45(3): 920-934.  DOI: 10. 7522/j. issn. 1000-
             0534. 2025. 00095. CSTR: 32265.14.gyqx.CN62-1061/P.2025.00095.




                        基于XGBoost算法的FY-4B地表温度融合

                                     方法研究——以陕西省为例



                                  张煦庭      1, 2 , 权文婷    1, 2 , 周 辉   1, 2 , 潘宇鹰    1, 2 ,

                                          王卫东      1, 2 , 李美荣    1, 2 , 王 钊   1, 2
                                     (1. 陕西省农业遥感与经济作物气象服务中心,  陕西  西安    710016;
                                2. 中国气象局秦岭和黄土高原生态环境气象重点开放实验室,  陕西  西安    710016)

                     摘要: 热红外遥感技术能够快速获取区域及全球尺度的地表温度, 但无法有效反映有云条件下的地表热
                     环境。针对风云四号 B 星(FY-4B)地表温度遥感产品在云层覆盖区域数据缺失的问题, 提出基于 XG‐
                     Boost(eXtreme Gradient Boosting)机器学习算法的多源数据融合方法, 结合 CLDAS(CMA Land Data As‐
                     similation System)地表温度分析产品、 气象站点观测数据、 地形和植被等辅助数据, 对陕西省典型日期
                     的云下地表温度进行了重建与融合试验。结果表明: (1)典型日期融合后的云下地表温度与 CLDAS 地
                     表温度的相关系数超过0. 91, 平均绝对误差与均方根误差稳定在2~4 ℃。(2)融合结果在保留原始FY-4B
                     晴空数据空间特征的同时, 与 CLDAS 地表温度在陕北黄土高原、 关中平原及复杂地形区域的空间分布
                     一致性较高。(3)SHAP(SHapley Additive exPlanations)值分析显示, CLDAS 地表温度、 纬度和归一化植
                     被指数(Normalized Difference Vegetation Index, NDVI)是影响融合结果的关键特征变量, 其中, 高纬
                     度、 低植被覆盖对地表温度模拟值具有显著的正向贡献, 尤其是当纬度高于 35°N -36°N 和 NDVI 低于
                     0. 2时。(4)不同区域云下及全天候条件下的地表温度融合结果与相同条件下的 CLDAS 地表温度检验效
                     果相似, 关中和陕南地区表现较为接近且相对更好。本研究提出的方法可为地表温度的卫星遥感全天
                     候监测业务服务提供技术支持。
                     关键词: FY-4B; 地表温度; XGBoost机器学习算法; SHAP可解释性; CLDAS
                     文章编号: 1000-0534(2026)03-0920-15   中图分类号: P423.7   文献标识码: A
                     DOI: 10. 7522/j. issn. 1000-0534. 2025. 00095
                     CSTR: 32265.14.gyqx.CN62-1061/P.2025.00095


              1  引言                                             卫星对地观测技术的发展, 热红外遥感技术凭借其
                                                                空间覆盖范围广、 数据获取快速、 反演精度较高等
                  地表温度(Land Surface Temperature, LST)是
                                                                优势, 并具有不破坏地表热环境状态的特点, 逐渐
             表征区域及全球尺度的陆地表面与大气相互作用、
                                                                成为获取区域及全球尺度地表温度信息的主要技
             能量交换以及水循环过程中的关键参数, 对气候变
             化响应评估、 生态环境监测、 农业干旱评价以及城                           术手段之一(李召良等, 2016)。以中国于 2021 年
             市热环境研究等领域具有重要的指示作用(李召良                             成功发射的新一代静止轨道气象卫星-风云四号 B
             等, 2016; 单帅等, 2020; 段四波等, 2021)。随着                 星(FY-4B)(Zhang et al, 2022)为例, 其搭载的先进


                 收稿日期: 2025⁃04⁃27; 定稿日期: 2025⁃08⁃05
                 资助项目: 陕西省自然科学基础研究计划项目(2024JC-YBMS-238, 2024JC-YBQN-0269); 中国气象局秦岭和黄土高原生态环境气象重
                        点开放实验室开放研究基金课题(2024G-28, 2024G-8)
                 作者简介: 张煦庭(1989 -), 男, 陕西韩城人, 高级工程师, 主要从事生态与农业气象研究. E-mail: zhang_xuting26@126.com
                 通信作者: 潘宇鹰(1992 -), 女, 山东高唐人, 工程师, 主要从事生态与农业气象研究. E-mail: sxnjpyy@163.com
                 © Editorial Department of Plateau Meteorology (CC BY-NC-ND)
   307   308   309   310   311   312   313   314   315   316   317