案例分享| IRGASON在城市生態(tài)系統(tǒng)蒸散發(fā)研究中的應(yīng)用
來源：客戶案例 發(fā)布時(shí)間：2025/7/21 10:01:15
隨著氣候變化的加劇，城市地區(qū)越來越受到水資源短缺和城市熱島效應(yīng)的影響。蒸散量(ET)是全球城市綠化倡議的重要組成部分。然而，城市地區(qū)的ET估算方法仍然有限。隨著城市中建立越來越多的通量觀測塔，為城市ET的直接測量提供了可能性。來自柏林工業(yè)大學(xué)的Stenka Vulova在研究城市ET中提出了一種估算城市ET的新方法。該方法利用遙感和GIS數(shù)據(jù)、Footprint模型以及機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，估算城市的蒸散量。
城市蒸散預(yù)測方法：
融合不同數(shù)據(jù)、模型和技術(shù)
本文的研究區(qū)域位于德國柏林，從衛(wèi)星圖像、通量塔(兩個(gè)通量塔位置分別定義為ROTH和TUCC)和氣象站提取動(dòng)態(tài)和靜態(tài)數(shù)據(jù)集，用于預(yù)測城市景觀中的ET。文章分析了4種預(yù)測情景下估算城市ET的準(zhǔn)確性，并評估了兩種不同算法[卷積神經(jīng)網(wǎng)絡(luò)(1D CNN)和隨機(jī)森林(RF)]在預(yù)測中的表現(xiàn)。最佳表現(xiàn)情景(氣象和GIS數(shù)據(jù))顯示，對于植被較多的地點(diǎn)，RF算法預(yù)測蒸散的RMSE為0.0239 mm/h，R2為0.840，1D CNN算法預(yù)測蒸散的RMSE是0.0250 mm/h，R2為0.824。
4種預(yù)測情境下
不同算法的預(yù)測結(jié)果
該研究還分析了不同預(yù)測情景中各變量的重要性，對于ROTH和TUCC兩個(gè)站點(diǎn)，風(fēng)速、大氣壓和太陽天頂角均是隨機(jī)森林算法(RF)最重要的預(yù)測因子。對于ROTH站點(diǎn)，NDVI，ISF(非滲透表面的比例)和BH(建筑物高度)則分別是隨機(jī)森林算法(RF)第三、第四和第六重要的預(yù)測因子。
不同林分類型Fs
對NEE觀測值的相對貢獻(xiàn)
本研究通過利用遙感和GIS數(shù)據(jù)、Footprint模型以及機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，提出了一種估算城市ET的新方法，即便是在氣象數(shù)據(jù)較為有限的情況下，仍提高了城市地區(qū)ET估算的準(zhǔn)確性。同時(shí)該方法有助于以半小時(shí)的分辨率對ET進(jìn)行時(shí)間和空間上的升尺度。
該成果于2021年4月發(fā)表在
高水平期刊Science of the Total Environment
點(diǎn)擊交流
電話咨詢