基于风云四号卫星的中国全天候小时级气温无缝监测：时空深度混合提升学习模型及其在昼夜复合热浪健康风险评估中的应用

本刊推荐：本研究创新性地提出了时空深度混合提升（ST-DHB）模型，利用风云四号（FY-4A）卫星数据实现了中国区域0.04°分辨率的全天候小时级气温（Ta）无缝反演。该模型通过整合XGBoost与LightGBM算法，在昼夜时段分别达到R2=0.946/0.958和RMSE=2.593/2.218°C的优异精度，显著优于现有机器学习方法。研究成果为评估昼夜复合热浪暴露对心血管疾病、呼吸系统疾病及神经系统疾病的健康风险提供了高精度数据支撑。

　　

研究亮点

本研究开发的新型时空框架成功解决了传统气温监测中昼夜连续性缺失、时空分辨率不足等关键问题。通过融合多源遥感与辅助数据集，首次实现了对中国全域小时级气温动态的精准捕捉。

研究区域

本研究以中国全境为研究区域，涵盖从东南湿润区到西北干旱区的多种气候带。这些区域的气温与植被、太阳辐射的关系存在显著地理差异，且受植被覆盖、地形特征、土壤类型、人口密度和气候带等多重因素的综合影响。

方法论

图2展示了本研究的核心技术路线：首先对风云四号卫星LST数据缺失值进行矩阵填充修复，随后将预处理数据与地面站点观测值进行时空匹配。ST-DHB模型采用XGBoost与LightGBM构建分层学习架构，通过引入时空邻域信息和特征方差分析，显著提升了模型对复杂环境因素的适应能力。

缺失数据修复验证

图4(A)显示2021年FY-4A LST数据每小时缺失像元比例高达65.27%，其中夏季缺失率最高（78.87%），冬季最低（51.36%）。这种季节性波动主要受云层覆盖与大气条件影响，验证了本研究开发的矩阵填充算法在应对大规模数据缺失方面的有效性。

结论

本研究提出的ST-DHB模型成功构建了中国区域高精度小时级气温数据集，为评估昼夜复合热浪的健康影响提供了突破性技术手段。模型显著提升了气温反演的时空连续性，特别是在捕捉城市与农田区域的高温暴露模式方面表现出色，对预防热浪相关疾病具有重要实践价值。