Page 318 - 《高原气象》2026年第3期
P. 318
高 原 气 象 45 卷
926
图5 2024年5月16日FY-4B地表温度(a~d)、 CLDAS地表温度(e~h)和地表温度融合结果(i~l)逐3 h空间分布对比
Fig. 5 Spatial distribution comparison of FY-4B LST (a~d), CLDAS LST (e~h) and
fused LST (i~l) every 3 h on May 16, 2024
此外, 纬度和 NDVI 也频繁出现在重要特征变量序 土和低矮植被, 物理性质表现为热惯量小、 比热容
列中, 对模型输出具有相对较高的影响。进一步分 低, 在白天太阳辐射下升温迅速; 而南部(陕南秦
析特征变量取值对模型输出的具体影响(图 8 中的 巴山区)主要为高植被覆盖的林区, 蒸散作用强
点代表训练样本, 点的横向宽度表示样本的密集程 烈, 对地表有显著的降温效应。对于 NDVI 特征,
度, 颜色由蓝到红表示特征变量值由小到大), 对 其取值越大, 对模型输出的贡献多为负向, 这清晰
于影响最大的 CLDAS 地表温度特征, 其 SHAP 值 地反映了植被在地表温度调节中的作用。高 NDVI
随着 CLDAS 地表温度本身值的升高(红色点)或降 值代表茂密的植被覆盖, 其通过冠层遮蔽减少了到
低(蓝色点)而相应增大或减小, 表明较高的 CL‐ 达地表的太阳辐射, 同时通过强烈的蒸散作用消耗
DAS 地表温度输入值倾向于提高模型的地表温度 大量热量, 从而有效降低地表温度。
模拟结果, 反之亦然。对于纬度特征, 其取值越大 为了更深入地理解特征间的交互作用及其对
(越偏北), 对模型输出的贡献多为正向, 意味着模 模 型 的 影 响 , 可 以 通 过 SHAP 特 征 变 量 依 赖 图
型倾向于在纬度较高的区域模拟出更高的地表温 (SHAP dependence plots)进行分析。以 5 月 16 日为
度。表明模型捕捉到了研究区域纬度变化的地理 例(其他日期结果具有相似性), 选取对模型影响最
分异规律, 即北部(陕北黄土高原地区)地表多为裸 为明显的纬度和 NDVI两个特征, 绘制不同 CLDAS

