肥婆老熟妇精品视频在线-就去吻亚洲精品日韩都没-女生抠那里小视频-翘臀后插手机自拍

您好, 歡迎來到化工儀器網

| 注冊| 產品展廳| 收藏該商鋪

010-65610080

cases

首頁   >>   成功案例   >>   案例分享| IRGASON在城市生態(tài)系統(tǒng)蒸散發(fā)研究中的應用

案例分享| IRGASON在城市生態(tài)系統(tǒng)蒸散發(fā)研究中的應用

      發(fā)布時間:2025-07-21
分享:

  



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數據、Footprint模型以及機器學習和深度學習等技術,估算城市的蒸散量。



城市蒸散預測方法:

融合不同數據、模型和技術

點擊圖片查看大圖~



主要結果



本文的研究區(qū)域位于德國柏林,從衛(wèi)星圖像、通量塔(兩個通量塔位置分別定義為ROTH和TUCC)和氣象站提取動態(tài)和靜態(tài)數據集,用于預測城市景觀中的ET。文章分析了4種預測情景下估算城市ET的準確性,并評估了兩種不同算法[卷積神經網絡(1D CNN)和隨機森林(RF)]在預測中的表現。最佳表現情景(氣象和GIS數據)顯示,對于植被較多的地點,RF算法預測蒸散的RMSE為0.0239 mm/h,R2為0.840,1D CNN算法預測蒸散的RMSE是0.0250 mm/h,R2為0.824。


4種預測情境下

不同算法的預測結果

點擊圖片查看大圖~



該研究還分析了不同預測情景中各變量的重要性,對于ROTH和TUCC兩個站點,風速、大氣壓和太陽天頂角均是隨機森林算法(RF)最重要的預測因子。對于ROTH站點,NDVI,ISF(非滲透表面的比例)和BH(建筑物高度)則分別是隨機森林算法(RF)第三、第四和第六重要的預測因子。


不同林分類型Fs

對NEE觀測值的相對貢獻

點擊圖片查看大圖~


本研究通過利用遙感和GIS數據、Footprint模型以及機器學習和深度學習等技術,提出了一種估算城市ET的新方法,即便是在氣象數據較為有限的情況下,仍提高了城市地區(qū)ET估算的準確性。同時該方法有助于以半小時的分辨率對ET進行時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



會員登錄

請輸入賬號

請輸入密碼

=請輸驗證碼

收藏該商鋪

標簽:
保存成功

(空格分隔,最多3個,單個標簽最多10個字符)

常用:

提示

您的留言已提交成功!我們將在第一時間回復您~
在線留言