基于地理加权回归模型遥感近地表气温估算

利用地理加权回归模型（Geographically Weighted Regression, GWR），考虑近地表气温与自变量之间的空间非平稳性，实现重庆市近地表气温的估算。并将估算结果与地表温度-植被指数模型（Temperature-Vegetation Index, TVX）和普通线性回归模型（Ordinary Least Square, OLS）估算结果进行对比分析。研究结果表明，3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致，但不同日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法，其中TVX算法估算值与实测值间的RMSE均值为2.83℃；OLS算法RMSE均值为1.65℃；GWR算法RMSE均值为1.58℃。此外，各验证站点处GWR算法估算的近地表气温与实测值间的差值（Temperature Deference, TD）的标准差以及绝对值的均值均小于OLS和TVX算法，体现出GWR算法在复杂地表环境下近地表气温的估算优势。     

基于GNSS-IR的土壤湿度监测试验对比分析

开展基于GNSS-IR技术的土壤湿度监测设备观测试验，利用自动土壤水分观测仪，对比分析2021年两种土壤湿度观测设备在相同条件下的观测差异，对GNSS-IR的土壤湿度监测设备的观测性能进行评估。结果表明：GNSS-IR的土壤湿度监测设备基本实现了对土壤体积含水量的自动观测，设备灵敏度更高；当土壤体积含水量大于40%时，对降水的灵敏度更高，设备观测数据偏大；当土壤体积含水量小于30%时，对干旱的灵敏度更高，观测设备数据偏小；观测设备随季节变化明显，冬季>春季>秋季>夏季，冬季的季平均误差为1.8%、季平均绝对误差4.17%、季相关系数0.72,本次试验为GNSS-IR的土壤湿度监测设备后期的业务应用提供了科学依据和参考。