以摩

引用本文：Modeste Meliho、Abdellatif Khattabi、Driss Zejli、Collins Ashianga Orlando 和 Caleb E. Dansou (2022) 人工智能和遥感用于每日气温的空间预测：以摩洛哥苏斯流域为例，地理空间信息科学，25:2，244-258，DOI：10.1080/10095020.2021.2014765

摘要 气温（Tair）是气候研究和气候影响管理中的一个基本变量。由于气象站分布稀疏且不均匀，传统的实地观测无法准确捕捉其空间分布，尤其是在局部变异性较高的偏远地区。为了解决这个问题，本研究利用遥感和气象站数据估算了摩洛哥苏斯流域的 Tair。采用两种统计方法（包括线性回归和偏最小二乘 (PLS)）和四种机器学习算法（即 k-最近邻、随机森林 (RF)、极端梯度提升和立体主义）对 Tair 进行建模和预测，并使用随机子集和交叉验证评估其性能。中分辨率成像光谱仪预测因子包括 Terra 波段 32 发射率、Terra 夜间地表温度、Terra 当地夜间观测时间、Aqua 波段 31 发射率、Aqua 白天地表温度和 Aqua 夜间地表温度 (ALSTN)，以及辅助输入包括天空视野、海拔、坡度和山体阴影，被用作建模的输入。结果表明，Cubist 和 RF 是最准确的模型（RMSE = 2.09°C 和 2.13°C，R 2 = 0.91 和 0.90），而 PLS 的预测能力最低（RMSE = 2.71°C；R 2 = 0.83）。模型在研究区域估算 Tair 的整体性能普遍令人满意，所有模型的 RMSE 都在 3°C 以下。尽管如此，站点数据的可靠性仍然是一个问题，七个站点中只有四个站点拥有完整的气象数据。