本文根据中国植被类型将全国划归为5个区:热带阔叶雨林区、温带针叶阔叶混交林区、温带荒漠区、温带草原区以及高原高寒植被区。在每个区域内,基于1 km空间分辨率的MODIS数据,利用遗传算法(Genetic Algorithm,GA)优化反向传播神经网络(Backpropagation Neural Network,BPNN)算法构造环境指标和气候的关系模型,实现对全国近地表气温的反演。结果表明:(1)相比多元线性回归模型(Multivariable Linear Regression Model,MLR),GA-BPNN模型在气温估算中具有一定的优越性,其决定性系数(Coefficient of Determination,R^(2))为0.90~0.94,均方根误差(Root Mean Square Error,RMSE)为0.44~0.71℃;(2)在不同的时空分布格局中,GA-BPNN模型在植被丰富(如热带阔叶雨林区、温带针叶阔叶混交林区)、地形复杂(如高原高寒植被区)的地区,其拟合精度远高于MLR模型;(3)在气温空间分布上,GA-BPNN模型所获取的气温分布图呈现出明显的时空细节信息,气温整体呈现东南及西北干旱区高、东北及青藏高原低、平原高、山区低的格局,这与实际情况相符合。
