《湖泊表面水温变化归因研究及其应用》系统、全面地介绍当前湖泊表面水温研究现状、关键理论、技术与方法，并对团队近十年来的研究成果进行总结。《湖泊表面水温变化归因研究及其应用》共8章：第1章介绍湖泊表面水温变化的态势和科学意义，并对影响湖泊表面水温变化的因素进行详细论述；第2～4章系统阐述湖泊表面水温数据获取的主要方法和手段，并以云南省九大高原湖泊为研究对象开展示范研究；第5～6章主要介绍湖泊表面水温的变化归因分析方法，并开展示范研究；第7章为在研究区开展湖泊表面水温的模拟和预测的应用研究；第8章以三峡水库近坝段水体为示范研究区，论述人类活动影响下水体表面水温不同时间尺度下近坝段水?鄄气界面热量交换过程。

目录 第1章 绪论 1 1.1 全球湖泊表面水温变化态势与科学意义 1 1.1.1 LSWT变化的趋势 2 1.1.2 LSWT升高的影响 2 1.1.3 LSWT研究的科学意义 4 1.2 自然因素对湖泊表面水温的影响 7 1.2.1 AT对LSWT的影响 8 1.2.2 太阳辐射和云层对LSWT的影响 9 1.2.3 风对LSWT的影响 10 1.2.4 冰层覆盖对LSWT的影响 11 1.2.5 分层和混合对LSWT的影响 13 1.2.6 透明度对LSWT的影响 15 1.2.7 其他因素对LSWT的影响 17 1.3 人为因素对湖泊表面水温的影响 17 1.3.1 不透水地表扩张使LSWT升高 18 1.3.2 不透水地表热径流加剧LSWT升高 20 1.4 本章小结 21 参考文献 23 第2章 湖泊表面水温获取 34 2.1 原位观测 34 2.2 基于遥感的湖泊表面水温反演 37 2.2.1 基于遥感的湖泊表面水温反演的原理 38 2.2.2 单窗算法 40 2.2.3 劈窗算法 43 2.2.4 多通道算法 45 2.2.5 基于人工神经网络的一体化物理反演 46 2.3 湖泊表面水温产品数据 48 2.4 本章小结 50 参考文献 51 第3章 湖泊表面水温模拟与预测 57 3.1 LSWT数据建模的预处理 57 3.1.1 数据缺失与异常值的处理 57 3.1.2 数据的标准化处理 58 3.1.3 降尺度 59 3.2 LSWT模拟与预测模型 61 3.2.1 基于回归的模型 61 3.2.2 基于过程的确定性模型 63 3.2.3 基于机器学习模型 66 3.2.4 基于物理-统计的混合模型 73 3.2.5 过程引导机器学习的混合模型 76 3.3 LSWT数据的验证 78 3.4 本章小结 79 参考文献 79 第4章 湖泊表面水温数据集超分辨率图像重建 90 4.1 湖泊表面水温超分辨率重建的概念与理论基础 90 4.1.1 超分辨率重建的概念 90 4.1.2 超分辨率重建的理论基础 91 4.2 湖泊表面水温超分辨率重建的方法 92 4.2.1 基于插值的SRIR 92 4.2.2 基于重构的SRIR 93 4.2.3 基于学习的SRIR 94 4.2.4 可信度验证方法 99 4.3 云南九大湖泊表面水温SRIR的算法实现 100 4.3.1 基于DisTrad-SRCNN的SRIR 101 4.3.2 数据来源与预处理 102 4.3.3 湖泊表面水温SRIR结果与讨论 107 4.4 本章小结 108 参考文献 108 第5章 湖泊表面水温变化归因分析方法 113 5.1 时序变化特征分析 113 5.1.1 时间序列重构 113 5.1.2 趋势分析 115 5.1.3 周期分析 116 5.2 空间分布特征分析 119 5.2.1 规模效应分析 119 5.2.2 核密度分析 119 5.2.3 网格维数分析 119 5.2.4 空间自相关分析 120 5.3 驱动因子相关性分析 120 5.3.1 Pearson相关系数分析 120 5.3.2 主成分分析 121 5.3.3 多元线性回归分析 122 5.3.4 随机森林回归分析 123 5.3.5 偏相关系数分析 124 5.3.6 灰色关联度分析 124 5.3.7 因子分析 126 5.3.8 熵权法 126 5.3.9 格兰杰因果性检验 128 5.4 贡献率分析 129 5.4.1 多元线性回归分析 129 5.4.2 主成分分析 130 5.4.3 向量自回归 131 5.4.4 潜力模型 132 5.4.5 地理探测器 132 5.4.6 支持向量机 135 5.4.7 突变检验及拐点检测 136 5.5 本章小结 136 参考文献 136 第6章 云南省九大高原湖泊表面水温时空变化及归因分析 139 6.1 研究区概况 140 6.2 湖泊类型划分 144 6.2.1 湖泊类型划分方法 144 6.2.2 湖泊类型划分数据准备与预处理 144 6.2.3 湖泊类型划分结果 145 6.3 湖泊表面水温归因分析数据准备与预处理 147 6.3.1 数据准备 147 6.3.2 数据预处理方法 148 6.3.3 数据预处理结果 150 6.4 各因子时空变化特征分析 151 6.4.1 自然因子时空变化特征分析 151 6.4.2 人文因子时空变化特征分析 157 6.5 各驱动因子贡献率分析 162 6.5.1 各驱动因子的相关性 162 6.5.2 各驱动因子的贡献率 164 6.5.3 驱动因子的阈值 166 6.6 时空变化归因分析结果与讨论 174 6.6.1 时序变化特征讨论 174 6.6.2 空间分布特征讨论 175 6.6.3 驱动因素讨论 177 6.7 本章小结 179 6.8 经验和启示 180 参考文献 181 第7章 云南省九大高原湖泊表面水温变化预测 184 7.1 湖泊表面水温的预测方法 184 7.1.1 支持层次人工神经网络 184 7.1.2 小波阈值去噪与小波均值融合 185 7.1.3 小波阈值融合长短期记忆网络 187 7.2 预测模型的构建和表面水温预测 187 7.2.1 SHANN模型的构建及预测 187 7.2.2 WTFLSTM模型的实现及预测 190 7.3 湖泊表面水温时空变化特征 192 7.3.1 时序变化特征 192 7.3.2 空间分布特征 193 7.4 湖泊表面水温变化趋势分析与讨论 195 7.4.1 预测模型讨论 195 7.4.2 时空变化特征讨论 196 7.5 本章小结 196 7.6 经验和启示 197 参考文献 205 第8章 三峡水库近坝段水-气界面的热量交换过程研究 208 8.1 三峡大坝基本情况及建坝综合影响 208 8.1.1 三峡大坝基本情况 208 8.1.2 三峡大坝综合效应 209 8.2 研究现状 210 8.3 数据准备与预处理 212 8.4 三峡水库水-气界面热量交换研究结果与分析 213 8.4.1 三峡水库近地表气温变化特征 213 8.4.2 三峡水库近坝段表面水温变化特征 216 8.4.3 多尺度近地表气温与近坝段表面水温相互作用特征 218 8.5 本章小结 219 8.6 展望和启示 221 8.6.1 未来研究展望 221 8.6.2 启示 221 参考文献 222