地表温度作为地表物理过程的重要参数，在有云情况下，微波遥感是获取其信息的主要途径之一。本文基于FY-3D/MWRI亮温数据，采用随机森林（Random Forest，RF）、XGBoost、LightGBM等集成学习算法构建青海高原地表温度估算模型。通过深入分析亮温数据、地形要素等特征在不同模型中的贡献度，发现RF模型中亮温数据贡献度较高，XGBoost模型中亮温数据和地形要素均表现出较高贡献度，LightGBM模型则地形要素贡献度较高。3个模型的训练和测试精度均超过0.8，其中LightGBM与XGBoost模型的训练、测试精度差异较小。3个模型均能较好地刻画青海高原2个低温区和2个高温区的空间分布特征，其中XGBoost模型在干旱和洪涝过程下表现尤为突出，其估算结果与地表温度实测值的偏差最小。综合表明，XGBoost模型为青海高原地表温度估算的最优模型，其反演结果为该区域开展干旱与洪涝遥感实时监测提供技术支持。
甘公网安备62010002000425号
陇ICP备17000949号-2
