Page 322 - 《高原气象》2026年第3期
P. 322
高 原 气 象 45 卷
930
图10 不同典型日期下陕西省(a, e, i)、 陕北(b, f, j)、 关中(c, g, k)、 陕南(d, h, l)地区的地表温度融合结果及
CLDAS地表温度在晴空、 云下和全天候天气下与站点观测地表温度的泰勒图对比
图中红色虚线为标准化后的中心化均方根误差
Fig. 10 Taylor diagram comparison of fused LST, CLDAS LST with site-observed LST under clear-sky, cloudy and
all-weather conditions for Shaanxi Province (a, e, i), Northern Shaanxi (b, f, j), Guanzhong (c, g, k), and
Southern Shaanxi (d, h, l) regions on different typical dates. The red dashed line indicates CRMSE
地区较为接近, 相对更好。同时, 与其他日期相 下区域占比较高的关中和陕南地区)表现出较高的
比, 9 月 23 日的地表温度融合结果的检验效果表现 精度, 这可能部分归因于当日云层主要覆盖在关中
最优, 其散点更接近于代表站点观测地表温度的参 和陕南地区, 导致这些区域的地表温度主要由模型
考点, 特别是在关中和陕南地区。 模拟生成, 而陕北地区大部分为晴空, 融合结果主
要采用了原始的FY-4B晴空地表温度。这一现象表
4 讨论
明, 在某些情况下, 基于多源数据和机器学习算法
本研究选取不同季节特征的典型日期开展地 模型模拟生成的地表温度结果在一定程度上具有
表温度融合试验。结果表明, 所提出的融合方法生 更好的表现, 甚至可能在相同天空状况下优于 CL‐
成的全天候地表温度在与格点化的 CLDAS 地表温 DAS地表温度。
度和离散的站点观测地表温度的对比检验中, 均表 融合结果在不同季节的典型日期及不同地区
现出较好的模拟效果。表明融合方法具有较高的 间表现出一定差异, 反映了模型对地表热力过程季
潜在业务服务应用价值, 能够为需要连续时空覆盖 节性变化的响应能力。从季节尺度来看, 5 月 16 日
的地表温度遥感监测应用提供有效的数据支持。 和 6月 14日的融合结果误差相对较大, 主要是因为
值得注意的是, 9 月 23 日的融合结果(尤其是在云 该时段太阳辐射较强, 地表温度普遍偏高, 且温度

