论文部分内容阅读
为了分析京津唐地区城市化过程中典型下垫面特征，如植被指数、植被覆盖度、反照率以及陆表温度等与局地气候，主要是气温与降水之间的关系，探讨下垫面变化对局地气候的相关程度和影响程度，寻找影响局地气候特征的关键下垫面因子，运用非线性反向传播人工神经网络人工神经网络（Back Propagation Artificial Neural Network, BP-ANN）确定两者之间的连接权重，并在此基础上计算下垫面特征参数对不同气候因子的绝对影响系数。其中植被覆盖度、反照率产品时间分辨率为16 天，空间分辨率1km。植被指数时间分辨率8 天，白天陆表温度和夜间陆表温度时间分辨率16 天，空间分辨率均为1km。采用以上数据源，分别计算了2001 年1 月和7 月各参数的月均值，以此代表冬季和夏季京津唐地区的下垫面特征，并统一进行了等经纬度投影。气温和降水资料采用了京津唐及其周围站点（为了确保插值的准确性）的气温和降水地面观测资料，其中分布于北京地区的站点20 个，天津地区13 个，唐山地区4 个。计算了各站点2001 年1 月和7 月的月均气温和降水，以此代表冬季和夏季京津唐地区的局地气候特征，然后分别对其进行了插值处理，得到空间分辨率1km，等经纬度投影的京津唐地区气温和降水资料。采用一个输入层、隐层和输出层组成3 层BP-ANN。输入层节点个数和输出层节点个数分别与所选用的下垫面遥感特征数和气候因子个数（气温或降水）相同，分别为5 和1；根据实际实验中网络的收敛速度和分类精度，隐层节点数目最后确定为6 个。隐层和输出层的输出均采用具有非线性放大增益的S 型(Sigmoid)激活函数。实验表明：（1） BP 神经网络可以较好地用于计算下垫面特征参数对气温和降水的影响权重，得到较为合理的分析结果。（2）对于京津唐地区，不论1 月份还是7 月份，夜间陆表温度对局地气候（气温和降水）有比较显著的影响；其次是白天陆表温度，对1 月份的气温以及1 月份和7 月份的降水影响权重都比较大，而植被指数表现出对7 月份气温影响比较大，可能由于7 月份正值京津唐地区植被生长的旺盛季节，而植被对局地气温有较好的调节作用的原因。