基于机器学习的合肥市区地表温度影响因素研究

随着城市热岛效应研究的不断深入,基于遥感技术的城市热岛研究日趋成熟。其中,利用遥感技术反演地表温度是探究城市热岛效应的有效途径之一。然而,城市地表温度受诸多因素影响,过往因线性回归算法存在局限性,难以全面、清晰地揭示各类影响因素与地表温度之间的内在联系。文章采用XGBoost、RandomForest和LightGBM三个机器学习算法对地表温度的九个主要影响因素,NDVI(归一化植被指数)、NDBI(归一化建筑指数)、NDWI(归一化水指数)、DEM(高程)、BH(建筑高度)、BD(建筑密度)、PS(人口数量)、WD(水系密度)、RD(路网密度)进行分析。根据不同机器学习模型的分析结果发现,LightGBM回归模型的精度在选取的三个机器学习模型中最高;另外,在城市建设过程中,城市建筑密度的增加和人口的集聚是导致合肥市区地表温度上升的两大主要因素。因此,在未来的城市建设过程中,应当减少高密度社区的建设,减缓城市地表温度的上升,同时为城市居民营造良好舒适的居住环境。

资料为PDF文档格式.

本文档关键词:地表,合肥,市区,机器,温度