论文摘要
全球气候变暖和快速的城市化进程使得城市人居环境产生了显著变化,在“热岛效应”等多种因素共同作用下,夏季城市地区遭受高温灾害的可能性逐渐增大。常规的气温指标在夏季湿热的天气状况下并不能完全体现人体所承受的热环境压力,体感温度指数综合考虑了温度湿度等气象要素对人体的影响,可有效表征人体舒适度。本文以北京市为研究区,探索利用多源遥感数据反演体感温度。首先通过站点资料对比北京市主要气象要素和体感温度的时序变化特征。其次基于多源遥感数据,分别利用计算公式和随机森林模型计算湿热指数(HMI)和净有效温度(NET)两种体感温度指数,比较结果精度。最后分析北京市夏季体感温度的空间分布特征,对比了地表温度、气温和体感温度的空间分布差异,依据HMI指数对北京市的夏季人体舒适度进行分级评价。研究结果表明:(1)北京市近四十年来气候变化呈现出增温、减湿和风速下降的趋势,表现出明显的城市热岛特征;体感温度整体呈缓慢上升趋势,HMI指数的增温率为0.14℃/10a,NET指数增温率为0.26℃/10a。分析表明北京变暖变干的趋势与城市化进程有着密不可分的关系,夏季北京整体的气象条件不利于城区的散热降温。(2)基于遥感方式反演湿热指数(HMI)和净有效温度(NET)来表征体感温度,利用公式直接计算和随机森林模型分别计算HMI,其中公式计算结果的拟合优度为0.79,平均绝对误差1.12℃,均方根误差1.56℃。随机森林模型结果的拟合优度为0.85,平均绝对误差0.98℃,均方根误差1.37℃。算法对比的结果表明随机森林模型在进行气温、体感温度等温度场的反演时有着比公式直接计算更好的精度,利用随机森林模型反演NET指数也取得了较好的结果,拟合优度为0.73,平均绝对误差0.83℃,均方根误差1.01℃。(3)北京市夏季体感温度存在着明显的空间差异性,呈现出东南高于西北、城区高于郊区的环状递减趋势。HMI指数和NET指数的空间分布特征相似,但两种指标的温度范围不同,全北京市HMI指数均值35.18℃,NET指数均值24.9℃。区域功能定位的不同使得体感温度在城市内部也有明显差异,最高的西城区和最低的延庆区HMI指数相差9℃。北京当天共有8个辖区的HMI指数超过了35℃,达到了高温天气水平,比同区域同时刻的气温高5℃以上。(4)基于HMI指数对北京市的人体舒适度进行分级评价,当天有7.5%的区域人体感觉舒适,81.3%的区域人体略感不适,11.2%的地区热环境让人觉得很不舒适,没有地区的体感温度达到危险或者极度危险的水平,但仍需对湿热天气带来的影响加以防范。
论文目录
文章来源
类型: 硕士论文
作者: 李宁
导师: 徐永明
关键词: 体感温度,遥感,随机森林,空间分布
来源: 南京信息工程大学
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 气象学,气象学,建筑科学与工程
单位: 南京信息工程大学
分类号: P463.3;P407
DOI: 10.27248/d.cnki.gnjqc.2019.000389
总页数: 77
文件大小: 5307K
下载量: 100
相关论文文献
- [1].基于迭代随机森林算法的糖尿病预测[J]. 长春工业大学学报 2019(06)
- [2].基于改进随机森林的城市河流水生态健康评价研究[J]. 海河水利 2019(06)
- [3].基于随机森林癫痫患者脑电数据的分析研究[J]. 中国数字医学 2020(01)
- [4].基于局部均值分解和迭代随机森林的脑电分类[J]. 吉林大学学报(信息科学版) 2020(01)
- [5].网贷平台数据的随机森林预测模型实证分析[J]. 宜宾学院学报 2019(12)
- [6].采用单类随机森林的异常检测方法及应用[J]. 西安交通大学学报 2020(02)
- [7].随机森林数据情感挖掘方法分析[J]. 通讯世界 2020(01)
- [8].运用最大熵模型和随机森林模型对东北红松分布的模拟[J]. 东北林业大学学报 2020(03)
- [9].基于随机森林算法的城区土地覆盖分类研究[J]. 河北省科学院学报 2020(01)
- [10].运用随机森林模型对北京市林分蓄积生长量的预测[J]. 东北林业大学学报 2020(05)
- [11].融合人工鱼群和随机森林算法的膝关节接触力预测[J]. 中国医学物理学杂志 2020(04)
- [12].结合特征选择和优化随机森林的无线网络数据丢失重建[J]. 上海电力大学学报 2020(03)
- [13].基于随机森林算法的耕地质量定级指标体系研究[J]. 华南农业大学学报 2020(04)
- [14].一种基于随机森林的组合分类算法设计与应用[J]. 电子设计工程 2020(16)
- [15].基于随机森林算法的日光温室内气温预测模型研究[J]. 中国农学通报 2020(25)
- [16].基于因子分析和迭代随机森林方法的学生成绩综合评价——以都匀市某高中为例[J]. 黔南民族师范学院学报 2020(04)
- [17].基于随机森林模拟的辽宁省降水量空间分布研究[J]. 陕西水利 2020(09)
- [18].随机森林模型在膝关节炎患者结构特征与症状定量分析中的应用(英文)[J]. 磁共振成像 2020(10)
- [19].基于特征选择的极限随机森林算法研究[J]. 计算机应用研究 2020(09)
- [20].随机森林回归分析方法在代谢组学批次效应移除中的应用[J]. 中国卫生统计 2020(05)
- [21].一种面向非均衡分类的随机森林算法[J]. 计算机与现代化 2018(12)
- [22].随机森林模型和决策树模型在肝硬化上消化道出血预后中的应用[J]. 中国卫生统计 2019(02)
- [23].基于随机森林的债券违约分析[J]. 当代经济 2018(03)
- [24].基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用 2018(10)
- [25].随机森林在城市不透水面提取中的应用研究[J]. 云南师范大学学报(自然科学版) 2017(03)
- [26].一种顺序响应的随机森林:变量预测和选择[J]. 小型微型计算机系统 2017(08)
- [27].基于随机森林回归的军械器材需求预测[J]. 自动化应用 2017(09)
- [28].流式大数据下随机森林方法及应用[J]. 西北工业大学学报 2015(06)
- [29].面向高维数据的随机森林算法优化探讨[J]. 商 2016(04)
- [30].深度随机森林在离网预测中的应用[J]. 计算机科学 2016(06)