Page 319 - 《高原气象》2026年第3期
P. 319

3 期             张煦庭等:基于XGBoost算法的FY-4B地表温度融合方法研究——以陕西省为例                                   927





















































                  图6 2024年6月14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. 6 Spatial distribution comparison of FY-4B LST (a~d), CLDAS LST (e~h)
                                             and fused LST (i~l) every 3 h on June 14, 2024
               地表温度下的 SHAP 特征变量依赖图(图 9)。从纬                       NDVI 越高, 降温作用越强。同时, 结合 CLDAS 地

               度与 CLDAS 地表温度对模型输出的联合影响来                          表温度的变化来看, 高 CLDAS 地表温度值对模型
               看, 当纬度在 35°N -36°N 以北时, 无论 CLDAS 地                模拟的影响通常大于低值, 且这种影响程度随着
               表温度高值或低值, 对应的 SHAP 值普遍为正, 表                       NDVI的增大或减小而进一步增强。
               明模型将“高纬度”识别为一个强烈的、 独立的增温                              总体来看, 模型模拟结果的倾向性表现为, 在
               物理信号, 其影响的权重在某些情况下甚至超过了                           纬度较高、 植被覆盖较少的区域, 模型模拟输出的
               CLDAS 地表温度背景场自身的变化。从 NDVI 与                       地表温度值更容易偏高; 而在纬度较低、 植被覆盖
               CLDAS 地表温度对模型输出的联合影响来看, 当                         较多的区域, 模型模拟输出的地表温度值更容易偏
               NDVI 在 0. 2 以下时, 随着 NDVI 的减小, SHAP 值              低。这一特点在 CLDAS 地表温度本身就处于高值

               呈现正向且持续增大的趋势, 表明在植被稀疏区,                           区时表现得更为明显。同时, 可解释性分析也表
               地表裸露程度是升温的主导物理因素, 裸土效应越                           明, 本研究构建的模型并非对已有数据的简单统计
               强, 增温贡献越大; 而当 NDVI 大于 0. 2 时, SHAP                拟合, 而是有效学习并量化了研究区域复杂地理环
               值转为负向, 且随 NDVI 增大而减小, 表明在植被                       境下, 地表温度受下垫面特征主导的关键调控机
               覆 盖 区 , 植 被 的 蒸 散 降 温 物 理 效 应 成 为 主 导 ,           制, 为融合结果的可靠性提供了有力支撑。
   314   315   316   317   318   319   320   321   322   323   324