城市建筑材质—地表温度关系的多源遥感研究
城市地表温度和植被覆盖度的空间动态性--以佳木斯为例
第４７卷第１２期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Ｖｏｌ.４７Ｎｏ.１２２０１９年１２月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＤｅｃ.２０１９１)中央高校科研业务费(２５７２０１８ＢＨ０２)ꎻ林业公益性行业科研专项(２０１５０４３０７－０３)ꎮ第一作者简介:赵梦溪ꎬ女ꎬ１９９３年１１月生ꎬ东北林业大学信息与计算机工程学院ꎬ硕士研究生ꎮＥ－ｍａｉｌ:ｈａｐｐｙｃｈｅｒｙ＠１６３.ｃｏｍꎮ通信作者:李丹ꎬ东北林业大学信息与计算机工程学院ꎬ副教授ꎮＥ－ｍａｉｌ:ｌｄ７２５７２５＠１２６.ｃｏｍꎮ收稿日期:２０１９年４月２１日ꎮ责任编辑:潘㊀华ꎮ城市地表温度和植被覆盖度的空间动态性１)以佳木斯为例赵梦溪㊀李丹(东北林业大学ꎬ哈尔滨ꎬ１５００４０)㊀㊀摘㊀要㊀以佳木斯为研究区域ꎬ利用辐射传导法反演地表温度(ＬＳＴ)ꎬ并从两方面研究ＬＳＴ的空间特性:一是运用半变异函数分析ＬＳＴ本身的尺度效应ꎬ即空间动态性ꎻ二是利用降采样和空间自相关回归模型ꎬ研究在不同尺度下ꎬ植被覆盖度(ＦＶＣ)和ＬＳＴ的相关性随尺度变化的同时ꎬＦＶＣ会对ＬＳＴ产生何种程度的影响ꎮ研究结果表明:ＬＳＴ和ＦＶＣ存在尺度效应ꎬ空间自相关尺度在３００ｍ左右ꎻＬＳＴ与ＦＶＣ之间具有明显的负相关关系ꎬ空间间隔在３００ｍ附近时ꎬ二者之间的关系在回归模型中呈主导趋势ꎮ所以在分析某一区域的特定现象时ꎬ应当选择合理的观测尺度ꎮ关键词㊀地表温度ꎻ植被覆盖度ꎻ空间自相关ꎻ半变异函数分类号㊀Ｐ４０７.８ＳｐａｔｉａｌＤｙｎａｍｉｃｓｏｆＵｒｂａｎＳｕｒｆａｃｅＴｅｍｐｅｒａｔｕｒｅａｎｄＶｅｇｅｔａｔｉｏｎＣｏｖｅｒａｇｅ:ＡＣａｓｅｉｎＪｉａｍｕｓｉ//ＺｈａｏＭｅｎｇｘｉꎬＬｉＤａｎ(ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙꎬＨａｒｂｉｎ１５００４０ꎬＰ.Ｒ.Ｃｈｉｎａ)//ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙꎬ２０１９ꎬ４７(１２):４５－４９.Ｔｈｅｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ(ＬＳＴ)ｏｆＪｉａｍｕｓｉｉｓｒｅｔｒｉｅｖｅｄｂｙｒａｄｉａｔｉｏｎｃｏｎｄｕｃｔｉｏｎｍｅｔｈｏｄꎬａｎｄｔｈｅｓｐａｔｉａｌｃｈａｒａｃｔｅｒ￣ｉｓｔｉｃｓｏｆＬＳＴａｒｅｓｔｕｄｉｅｄｆｒｏｍｔｗｏｓｉｄｅｓ:ｏｎｅｉｓｔｏｕｓｅｓｅｍｉ￣ｖａｒｉｏｇｒａｍｔｏａｎａｌｙｚｅｔｈｅｓｃａｌｅｅｆｆｅｃｔｏｆＬＳＴｉｔｓｅｌｆꎬｉ.ｅ.ｓｐａｔｉａｌｄｙｎａｍｉｃｓꎻｔｈｅｏｔｈｅｒｉｓｔｏｓｔｕｄｙｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ(ＦＶＣ)ａｎｄＬＳＴａｔｄｉｆｆｅｒｅｎｔｓｃａｌｅｓｂｙｕｓｉｎｇｄｏｗｎ￣ｓａｍｐｌｉｎｇａｎｄｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ.ＬＳＴａｎｄＦＶＣｈａｖｅｓｃａｌｅｅｆｆｅｃｔꎬａｎｄｔｈｅｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｓｃａｌｅｉｓａｂｏｕｔ３００ｍ.ＴｈｅｒｅｉｓａｓｉｇｎｉｆｉｃａｎｔｎｅｇａｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＬＳＴａｎｄＦＶＣ.Ｗｈｅｎｔｈｅｓｐａｔｉａｌｉｎｔｅｒｖａｌｉｓａｒｏｕｎｄ３００ｍꎬｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＬＳＴａｎｄＦＶＣｉｓｄｏｍｉｎａｎｔｉｎｔｈｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ.Ｔｈｅｒｅｆｏｒｅꎬｗｈｅｎｓｔｕｄｙｉｎｇａｎｄａｎａｌｙ￣ｚｉｎｇｔｈｅｓｐｅｃｉｆｉｃｐｈｅｎｏｍｅｎａｉｎａｃｅｒｔａｉｎａｒｅａꎬｗｅｓｈｏｕｌｄｃｈｏｏｓｅａｒｅａｓｏｎａｂｌｅｏｂｓｅｒｖａｔｉｏｎｓｃａｌｅ.Ｋｅｙｗｏｒｄｓ㊀ＳｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅꎻＶｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅꎻＳｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎꎻＳｅｍｉ￣ｖａｒｉｏｇｒａｍ㊀㊀中国是世界上城市化进程最快的国家之一ꎬ据预测到２０２０年将有超过６１％的人口居住在城市[１]ꎮ城市是人口及相关产业集聚的载体ꎬ随着城市规模和产业结构的扩大与升级ꎬ城市的景观格局随之变化[２]ꎬ相应的区域内生态环境状况与能量流动也在不断变化[３]ꎮ这些变化通过改变下垫面或者排放温室气体ＣＯ２等[４]ꎬ使得地表温度等发生相应的变化ꎮ迫于温度升高带来的社会环境压力ꎬ专家学者开始探索有关城市温度的特性ꎬ但是关于其和地表要素之间关系的研究最近几十年才得以开展[５]ꎮ城市地表温度(ＬＳＴ)作为城市下垫面的属性之一ꎬ其随空间和时间变化的规律一直被作为考察地表环境的重要指标[６－７]ꎮ因此ꎬ科研工作者不断挖掘地表要素对ＬＳＴ的影响ꎬ试图更好地掌握ＬＳＴ的动态特征ꎬ以及地表要素和ＬＳＴ的关系ꎮ从空间属性来看ꎬＬＳＴ在不同尺度下的特点ꎬ以及它与地表要素的相关关系均反应出空间动态性和不确定性[８]ꎮ植被覆盖度(ＦＶＣ)作为影响ＬＳＴ的重要地表要素ꎬ其与地表温度之间的关系更是城市生态的研究热点ꎮ植被通过吸收转化太阳的辐射能量ꎬ能够有效地降低地表温度ꎬ研究表明两者存在明显的负相关关系[９]ꎬ但并非简单的线性相关ꎬ可能具有复杂的尺度效应[１０]ꎮ由于多源遥感数据受到研究范围ꎬ观测尺度ꎬ作用尺度３个空间要素的影响ꎬ使得定量遥感分析必然存在多尺度的问题[１１]ꎮ当选择大尺度遥感影像作为数据源研究相对宏观的地表特征时ꎬ一些细节特征将被略去ꎬ所以研究地类现象和其成因需要在合适的观测尺度下进行ꎮ李小文[１２]提出因为不同尺度上占主导地位的地物景观信息是不同的ꎬ所以不能在单一尺度分析地物特性ꎮ因此对于城市生态环境的研究不能仅停留在宏观尺度上ꎬ而是应适当开展针对目标城市的小尺度研究[１３－１４]ꎬ即准确反映温度现象和地表要素的尺度关系是针对性研究城市热环境问题的前提[１５－１６]ꎮ空间自相关分析是描述空间中某点与其相邻点观测值间相关性的一种空间分析方法ꎬ目前在社会科学以及经济地理方面应用较多ꎮ毛学刚等[１７]利用半变异函数研究比较了不同时期森林生物量的整体性ꎮ段滢滢等根据城市路段在空间上的聚集特征和拓扑差异ꎬ提出了一种新的交通判别规则ꎬ实现了交通状态空间相关路段聚类过程[１８]ꎮ目前学术界关于地表温度和植被覆盖度相关性的研究已较为丰富ꎮ张小飞等[１９]研究发现植被覆盖程度和地表温度呈负相关ꎬ并且在不同程度的植被覆盖下ꎬ两者的关系表现出分段特点ꎮ王蕾等[２０]研究发现城市绿地面积与该区域的最低温度负相关性较大ꎬ常绿树和落叶树降温效果更好ꎬ为缓解城市热岛提出建设意见ꎮ魏宝成等[２１]的研究表明地表温度与不同的植被参数均呈现出显著负相关关系ꎬ并且不同土地覆被类型中二者相关性的差异显著ꎮ高尚等[２２]以厦门为研究区分析植被覆盖度和地表温度间的关系时ꎬ发现当整体植被覆盖度水平较低时ꎬ植被覆盖度的增加能够更加明显地降低地表温度ꎮ综上ꎬ以往对于ＬＳＴ尺度效应的研究大多针对现象的观测尺度或者采样尺度ꎬ而忽略了ＬＳＴ与地表要素间的作用尺度ꎬ本文中作用尺度主要指ＦＶＣ和ＬＳＴ的相关关系ꎬ以及这种关系是否随着尺度变化而变化ꎮ本文利用半变异函数和空间自相关回归模型从两方面研究ＬＳＴ的空间动态性ꎮ一是从ＬＳＴ现象本身出发ꎬ研究其尺度效应ꎬ即空间动态性ꎬ绘制经验半变异图观察ＬＳＴ的空间自相关性ꎮ二是从ＬＳＴ和ＦＶＣ之间的关系出发ꎬ由于ＦＶＣ影响了ＬＳＴ的空间分布特点ꎬ利用ＳＡＣ模型对不同尺度上的ＬＳＴ和ＦＶＣ间相互作用的变化进行量测ꎮ１㊀研究区域概况佳木斯位于中国东北部黑龙江省的东北地区ꎬ黑龙江㊁松花江和乌苏里江汇流的三江平原腹地ꎬ平原面积高达８３.２％ꎮ佳木斯地处北纬４５ʎ５６ᶄ~４８ʎ８ᶄꎬ东经１２９ʎ２９ᶄ~１３５ʎ５ᶄꎮ佳木斯市属于中温带大陆性季风气候ꎬ干燥少雨ꎬ雨热同期ꎬ年平均气温３ħꎬ气温年较差大ꎮ全市总面积达到３.２７万ｋｍ２ꎬ农用地总面积为２.１６万ｋｍ２ꎬ其中林地面积高达６２９９ｋｍ２ꎬ占整个佳木斯市近五分之一ꎮ数据方面ꎬ本项研究从地理空间数据云(ｈｔｔｐ://ｗｗｗ.ｇｓｃｌｏｕｄ.ｃｎ/)获取了的分辨率为３０ｍ的Ｌａｎｄｓａｔ８影像产品ꎮ影像的具体采集时间为２０１６年７月２４日ꎬ夏季既属于植被生长季节ꎬ同时也是研究城市热环境的较好季节ꎬ城市的热岛效应体现的更为明显[２３]ꎮ２㊀研究方法２.１㊀地表温度反演本研究利用大气校正法反演地表温度(ＬＳＴ)ꎬ大气校正法又称辐射传输方程法(ＲＴＥ)[２４]ꎬ首先计算引起辐射能量衰减的要素误差ꎬ然后将此误差从传感器接收到的辐射总量中减去ꎬ再将辐射亮温转化为相应的地表温度ꎮＬａｎｄｓａｔ８反演时分别需要ＴＩＲＳ１０波段ꎮ假定地表对于热辐射为朗伯体ꎬ卫星传感器对地观测时接收到的辐射亮度值可用辐射校正公式表示:Ｌλ＝ɪλτλＢ(λεＴɪ)＋(１－ɪλ)τλＬ(１/λ)＋ＬＴλꎮ(１)其中ꎬλ为波长ꎬＬλ为星上幅亮度ꎬɪλ为地表发射率ꎬＢ(λεＴɪ)为地表温度为Ｔɪ时的传感器接收的辐射亮度ꎬＬ(１/λ)和ＬＴλ分别为大气下行辐射和大气上行辐射ꎬ大气上行辐射亮度Ｌ(１/λ)和大气上行辐射亮辐射亮度ＬＴλ可通过ＮＡＳＡ官网查询得到ꎮ从上述公式可知ꎬ用大气校正法求解地表温度需要获得该通道对应的地表发射率㊁大气透过率㊁大气下行辐射和大气上行辐射ꎮ上述参数可以利用大气辐射传输模型模拟得到ꎮＢ(λꎬＴｓ)＝([Ｌλ－ＬＴλ－τλ(１－ɪλ)Ｌｉλ])/(ɪλτλ)ꎮ(２)根据普朗克函数ꎬ可以得到真实温度Ｔｓ:Ｔｓ＝Ｋ２ｌｎ(Ｋ２Ｂ(λꎬＴｓ))＋１ꎮ(３)其中ꎬＫ１和Ｋ２为定标常数ꎬ对ＴＭꎬＫ１＝６０７.７６Ｗ/ (ｍ２ μｍ ｓｒ)ꎬＫ２＝１２６０.５６Ｋꎬ对ＴＩＲＳＢａｎｄ１０ꎬＫ１＝７７４.８９Ｗ/(ｍ２ μｍ ｓｒ)ꎬＫ２＝１３２１.０８Ｋꎮ２.２㊀植被覆盖度反演本文利用像元二分模型反演植被覆盖度ꎬ它是简单的混合像元遥感估算模型ꎬ其原理为假设一个像元光谱信息由植被和非植被部分组成ꎬ每个像元的ＩＮＤＶ值由纯植被和裸土部分对应ＩＮＤＶ值的加权计算求和得出[２５]ꎬ权重大小各部分占据该像元面积的百分比(公式４)ꎬ计算得出每个像元中植被部分占据的比例ꎬ最终生成佳木斯地区植被覆盖度的合成影像ꎮＣＦＶ＝ＩＮＤＶ－ＩＮＤＶＳＩＮＤＶＩＸ－ＩＮＤＶＳꎮ(４)其中ꎬＣＦＶ为像元的植被覆盖度ꎬＩＮＤＶＶ为纯植被像元的植被覆盖值ꎬＩＮＤＶＳ为裸土或者无植被覆盖区域的像元的值ꎮ２.３㊀植被覆盖度和地表温度的空间自相关性及多尺度分析经验半变异函数也称半方差函数ꎬ研究表明地表温度的空间分布会受到地理要素影响ꎬ而半变异函数法可以很好地描述这种空间异质性[２６]ꎮ半变６４㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第４７卷异函数γ(ｈ)随着ｈ的增大而单调上升ꎬ表明在这个区间中ꎬ像元值相对均质变化ꎬ当空间间隔ｈ超过某一个范围时变异函数γ(ｈ)出现断点式的转折点ꎬ意味该尺度附近为考量研究区整体趋势和规律的最佳量测范围ꎮ在满足二阶平稳条件下ꎬ半变异函数的计算公式:γ(ｈ)＝(１/２Ｎ(ｈ))ðＮ(ｈ)ｉ＝１[Ｚ(ｘｉ)－Ｚ(ｘｉ＋ｈ))]２ꎮ(５)其中:γ(ｈ)是空间间隔为ｈ的ＬＳＴ测量值之间的经验半变异值ꎻｈ为样本点之间空间间隔ꎻＮ(ｈ)为空间距离为ｈ的测量点对ꎮ将空间中若干点对的半变异值γ(ｈ)和相应的空间间隔ｈ通过上述公式描绘成图ꎬ即半变异方差图ꎬ分析植被覆盖度和地表温度的空间自相关性ꎮ根据点对之间的空间间隔ｈ将ＬＳＴ和ＦＶＣ半变异函数值绘制成图ꎮ半变异函数曲线包括３个重要参数:块金值㊁基台值和变程ꎮ块金值(Ｃ０)为半变异函数的ｙ轴截距ꎬ即受其他因素影响的程度ꎻ基台值(Ｃ０＋Ｃ)反映曲线随着空间间隔ｈ增大ꎬ半方差达到相对稳定这一数值ꎻ变程即为γ(ｈ)达到基台值空间间隔ｈ的大小ꎬ也就是空间相关性迅速减弱的转折点ꎬ即本节需要识别出的空间相关性尺度ꎮ本文利用像元合并的方法进行图像分辨率降采样ꎬ从而进行ＬＳＴ和ＦＶＣ之间的多尺度分析ꎮ通过较小尺寸影像像元值的加权平均计算输出逐级增加分辨率的影像中像元值[２６]ꎮ这一方法只考虑输出像元尺寸范围内的情况ꎬ而周边输入像元将被消除ꎮ在不同尺度上ꎬ利用空间自相关模型(ＳＡＣ)模型衡量ＬＳＴ和ＦＶＣ之间具体的定量关系ꎬ该模型可以对一个因变量和解释变量之间建立线性回归全局模型ꎮ公式如下:ＴＬＳＴ＝αＷＴＬＳＴ＋Ｘβ＋γＷε＋ｅꎮ(６)其中ꎬＴＬＳＴ为因变量ꎬ在本文中即为所要研究的地表温度ꎻＷ是空间邻接权重矩阵ꎬ描述地表温度ＬＳＴ和植被覆盖度ＦＶＣ合成影像中各个像元与其周围像元在数值上的空间邻接关系ꎬ因此ＷＴＬＳＴ描述了影像的像元在空间上受到了其邻近像元的影响ꎬ每个像元的值部分来自于邻近像元的加权平均ꎬ被称作空间项ꎮＸ是解释变量ＦＶＣ植被覆盖度ꎬ其对响应变量的贡献系数为βꎬｅ为该模型的内在残差ꎮ３㊀结果与分析３.１㊀佳木斯地表温度反演结果根据辐射传导法的反演地表温度ꎬ得到佳木斯市的地表温度图(图１ａ)ꎮ据观察中心城区的温度明显高于郊区温度ꎮ结合遥感影像(图１ｂ)可以看出低温区主要集中在河流和水库及植被覆盖度较好的区域和部分水域ꎬ中温区主要集中在植被覆盖较少的林草地和农用地ꎬ亚高温区和高温区基本由工业用地㊁城区等组成ꎮ因此佳木斯城区温度都高于周围郊区温度ꎬ存在较为显著的热岛效应ꎮ图１㊀佳木斯地区地表温度反演结果和卫星影像３.２㊀研究区植被覆盖度和地表温度空间自相关性根据地理学第一定律ꎬ空间距离相近的事物相似ꎬ远离的事物相异ꎮ因此影像中相邻像元之间具有较强的空间相关性ꎬ但这一特性会将随观测像元对间距的增加而逐渐减弱ꎬ当像元间距达到某一临界值ꎬ空间相关性将迅速减弱ꎬ导致影像几乎丢失大部分原有的信息ꎬ不能再提供有意义的遥感信息[２７－２８]ꎮ在绘制半变异图时ꎬ由于本研究着重考察对作用尺度有意义的首个 断点 ꎬ所以半变异图仅显示空间间隔小于１５００ｍ的经验半变异值ꎮ图２中ꎬＬＳＴ和ＮＤＶＩ半变异函数图的整体趋势呈现为先递增后平缓ꎬ变程ａ在３００ｍ附近ꎮ当空间间隔小于３００ｍ时ꎬ呈现出单调增加的趋势ꎬ基台值(Ｃ＋Ｃ０)随ｈ增加较快ꎬ也就是说该范围内像元７４第１２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赵梦溪ꎬ等:城市地表温度和植被覆盖度的空间动态性相对均质ꎬ可以利用单个像元来表示相应大小的一块区域ꎬ进而不需要小于这一尺度的更多的像元对信息进行更详细地分析ꎮ首个明显的 断点 出现在空间间隔值为３００ｍ处ꎬ这一空间间隔附近最能反映该研究区研究对象总体趋势和规律ꎬ也就是在佳木斯市观察地表温度和其与植被覆盖度的最佳尺度ꎮ这一间隔之后将突破相对均质像元聚集的范围ꎬ使得其中的量测到的某些像元对来自于迴然不同的两组差别较大的像元组团ꎬ所以空间间隔处的经验半变异值明显出现弯折ꎬ之后趋于平稳ꎬ像元间的差异不再有明显增加ꎬ空间异质性趋于空间同质性ꎮ以上分析表明ꎬ佳木斯市热环境的空间分布非随机的ꎬ而是具有空间自相关性ꎬ这种空间自相关性表现出明显的尺度效应ꎮ因此应根据不同的研究对象和区域合理地选择影像的尺度ꎬ来满足不同城市的热环境空间格局的研究需求ꎮ图２㊀ＬＳＴ和ＦＶＣ的半变异方差图３.３㊀植被覆盖度和地表温度的相关性此外ꎬ由于半变异方差图已经展示了ＬＳＴ具有空间自相关性ꎬ空间自相关模型可以在不同尺度下的灵活设置权重矩阵Ｗꎬ这样有助于在各个尺度下实施ＳＡＣ回归分析时ꎬ有效而且全面地捕捉空间自相关信息和解释变量产生的作用ꎮ图３为佳木斯市植被覆盖度ＦＶＣ和地表温度ＬＳＴ在各个尺度下由回归模型得出的回归决定系数Ｒ２图ꎮ图３㊀多尺度ＦＶＣ和ＬＳＴ相关性随着尺度増加和分辨率的降低ꎬ地理要素由更大的单个像元所表示ꎬ使得研究区内地表信息的总体趋势有了更合理的体现ꎬ像元合并的过程中ꎬ过于细节并非决定性的信息被作为噪音略去ꎮ利用ＳＡＣ模型实施回归分析ꎬ可以成功捕捉原始图像尺度下ＬＳＴ信息中９０％以上的方差ꎬ图３显示在尺度増加至３００ｍ时ꎬＳＡＣ模型所得出的回归决定系数Ｒ２在总趋势上呈现明显弯折之后保持平稳的趋势ꎮ而之后Ｒ２也基本在０.８~０.８４之间微弱波动ꎮ对于ＳＡＣ模型而言ꎬＲ２弯折是由于空间自相关性的消退以及ＦＶＣ和ＬＳＴ的关系増强共同导致的ꎬ而稳定状态在尺度突破１２００ｍ时停止并出现波动ꎮ图４中显示了ＦＶＣ和ＬＳＴ的相关性系数β随尺度变化而变化的情况ꎮ相关性系数β均在尺度达到３００ｍ左右时取得了局部最大值ꎬ意味着这个时候ＦＶＣ和ＬＳＴ之间的关系在回归模型中呈主导趋势ꎮ图４㊀由ＳＡＣ模型的ＦＶＣ和ＬＳＴ的相关性系数(β)４㊀结论与讨论本文以佳木斯市为研究区域ꎬ基于Ｌａｎｄｓａｔ８影像对植被覆盖度进行定量估算ꎬ运用半变异函数法研究ＬＳＴ与ＦＶＣ的各自的空间自相关性ꎬ并对两者之间相关关系的尺度效应进行研究ꎮＬＳＴ和ＦＶＣ都具有显著的空间自相关性ꎬ其空间自相关尺度相近为３００ｍ左右ꎮ不论是ＬＳＴ的空间自相关性还是解释变量ＦＶＣ对其产生的影响ꎬ都随着尺度的变化而发生变化ꎬ二者交替主导的过程呈现出尺度效应ꎬ使得ＬＳＴ呈现出相应的尺度效应ꎮＬＳＴ和ＦＶＣ由于各自具备空间自相关性ꎬ所以这一现象也可能会影响并解释了ＦＶＣ和ＬＳＴ相关关系具备空间动态性这一特点ꎮ研究地物相关的合理尺度在不同的研究区范围会有较大差异ꎮ根据研究结果ꎬ在佳木斯研究区ꎬ考察ＬＳＴ现象以及该现象和地表要素之间关系ꎬ合理的像元尺度为３００ｍ左右ꎬ在该尺度下地表温度ＬＳＴ和ＦＶＣ的空间自相关属性迅速减弱ꎬ两者的相关关系在回归模型中呈主导趋势ꎮ本文使用Ｌａｎｄｓａｔ８作为研究数据ꎬ研究了城市地表温度和植被覆盖度的空间动态性ꎬ但是研究在原始数据及其更大的尺度下开展ꎬ忽略了尺度小于３０ｍ更精细的影像信息的分析ꎮ同时ꎬ研究区域的大小以及位置也会影响分析结果ꎬ研究区差异可能会影响该区域内地表要素的布局和聚落方式ꎬ并且地表要素在不同季节也有相应的差异ꎮ因此ꎬ除了多时相分析ꎬ选取不同的研究区可能会得到不同的结果ꎬ也值得进一步探究ꎮ参㊀考㊀文㊀献[１]㊀陈明星.城市化领域的研究进展和科学问题[Ｊ].地理研究ꎬ２０１５ꎬ３４(４):６１４－６３０.[２]㊀ＷＥＮＧＱꎬＬＵＤꎬＳＣＨＵＢＲＩＮＧＪ.Ｅｓｔｉｍａｔｉｏｎｏｆｌａｎｄｓｕｒｆａｃｅｔｅｍ￣８４㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第４７卷ｐｅｒａｔｕｒｅ￣ｖｅｇｅｔａｔｉｏｎａｂｕｎｄａｎｃｅｒｅｌａｔｉｏｎｓｈｉｐｆｏｒｕｒｂａｎｈｅａｔｉｓｌａｎｄｓｔｕｄｉｅｓ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔꎬ２００４ꎬ８９(４):４６７－４８３.[３]㊀杨敏ꎬ杨贵军ꎬ王艳杰ꎬ等.北京城市热岛效应时空变化遥感分析[Ｊ].国土资源遥感ꎬ２０１８ꎬ３０(３):３４－３７.[４]㊀张小飞ꎬ王仰麟ꎬ吴健生ꎬ等.城市地域地表温度－植被覆盖定量关系分析:以深圳市为例[Ｊ].地理研究ꎬ２００６ꎬ２５(３):３６９－３７７.[５]㊀ＰＥＮＧＪꎬＸＩＥＰꎬＬＩＵＹꎬｅｔａｌ.Ｕｒｂａｎｔｈｅｒｍａｌｅｎｖｉｒｏｎｍｅｎｔｄｙ￣ｎａｍｉｃｓａｎｄａｓｓｏｃｉａｔｅｄｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｆａｃｔｏｒｓ:ＡｃａｓｅｓｔｕｄｙｉｎｔｈｅＢｅｉｊｉｎｇｍｅｔｒｏｐｏｌｉｔａｎｒｅｇｉｏｎ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎ￣ｍｅｎｔꎬ２０１６ꎬ１７３:１４５－１５５.[６]㊀ＲＥＮＺＢꎬＺＨＥＮＧＨＦꎬＨＥＸＹꎬｅｔａｌ.Ｅｓｔｉｍａｔｉｏｎｏｆｔｈｅｒｅｌａ￣ｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｕｒｂａｎｖｅｇｅｔａｔｉｏｎｃｏｎｆｉｇｕｒａｔｉｏｎａｎｄｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｃｅｗｉｔｈｒｅｍｏｔｅｓｅｎｓｉｎｇ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎ￣ｍｅｎｔꎬ２０１５ꎬ４３(１):８９－１００.[７]㊀ＣＯＮＮＯＲＳＪＰꎬＣＨＯＷＷＴＬ.Ｌａｎｄｓｃａｐｅｃｏｎｆｉｇｕｒａｔｉｏｎａｎｄｕｒ￣ｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔｓ:ａｓｓｅｓｓｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｌａｎｄ￣ｓｃａｐｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｉｎＰｈｏｅｎｉｘꎬＡｒｉ￣ｚｏｎａ[Ｊ].ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙꎬ２０１３ꎬ２８(２):２７１－２８３. [８]㊀ＶＡＲＤＯＵＬＡＫＩＳＥꎬＫＡＲＡＭＡＮＩＳＤꎬＦＯＴＩＡＤＩＡꎬｅｔａｌ.Ｔｈｅｕｒ￣ｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔｉｎａｓｍａｌｌＭｅｄｉｔｅｒｒａｎｅａｎｃｉｔｙｏｆｈｉｇｈｓｕｍｍｅｒｔｅｍｐｅｒａｔｕｒｅｓａｎｄｃｏｏｌｉｎｇｅｎｅｒｇｙｄｅｍａｎｄｓ[Ｊ].ＳｏｌａｒＥｎｅｒｇｙꎬ２０１３ꎬ９４(４):１２８－１４４.[９]㊀ＮＡＳＩꎬＰＡＲＫＪＨ.Ｒｅｇｉｏｎａｌｓｃａｌｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｍａｐｐｉｎｇｕ￣ｓｉｎｇｌａｎｄｓａｔ７ＥＴＭ＋ＬａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｎｄＮＤＶＩｓｐａｃｅ[Ｊ].ＪｏｕｒｎａｌｏｆｔｈｅＫｏｒｅａｎＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｓꎬ２００８ꎬ５０(３):１１５－１２３.[１０]㊀ＺＨＯＵＪꎬＬＩＵＳꎬＬＩＭꎬｅｔａｌ.Ｑｕａｎｔｉｆｉｃａｔｉｏｎｏｆｔｈｅｓｃａｌｅｅｆｆｅｃｔｉｎｄｏｗｎｓｃａｌｉｎｇｒｅｍｏｔｅｌｙｓｅｎｓｅｄｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ[Ｊ].Ｒｅ￣ｍｏｔｅＳｅｎｓｉｎｇꎬ２０１６ꎬ８:９７５－９８２.[１１]㊀ＡＭＩＲＩＲꎬＷＥＮＧＱꎬＡＬＩＭＯＨＡＭＭＡＤＩＡꎬｅｔａｌ.Ｓｐａｔｉａｌ￣ｔｅｍ￣ｐｏｒａｌｄｙｎａｍｉｃｓｏｆｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｉｎｒｅｌａｔｉｏｎｔｏｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｎｄｌａｎｄｕｓｅ/ｃｏｖｅｒｉｎｔｈｅＴａｂｒｉｚｕｒｂａｎａｒｅａꎬＩ￣ｒａｎ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔꎬ２００９ꎬ１１３(１２):２６０６－２６１７.[１２]㊀李小文ꎬ王祎婷.定量遥感尺度效应刍议[Ｊ].地理学报ꎬ２０１３ꎬ６８(９):１１６３－１１６９.[１３]㊀冯勇ꎬ张丽颖ꎬ顾兆旭ꎬ等.面向高校多源异构数据环境的元数据集成方法[Ｊ].辽宁大学学报(自然科学版)ꎬ２０１９ꎬ４６(２):１３５－１４１.[１４]㊀ＪＥＮＥＲＥＴＴＥＧＤꎬＨＡＲＬＡＮＳＬꎬＢＵＹＡＮＴＵＥＶＡꎬｅｔａｌ.Ｍｉ￣ｃｒｏ￣ｓｃａｌｅｕｒｂａｎｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｓａｒｅｒｅｌａｔｅｄｔｏｌａｎｄ￣ｃｏｖｅｒｆｅａ￣ｔｕｒｅｓａｎｄｒｅｓｉｄｅｎｔｉａｌｈｅａｔｒｅｌａｔｅｄｈｅａｌｔｈｉｍｐａｃｔｓｉｎＰｈｏｅｎｉｘꎬＡＺＵＳＡ[Ｊ].ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙꎬ２０１６ꎬ３１(４):７４５－７６０. [１５]㊀ＺＡＫＳＥＫＩＦꎬＫＬＥＭＥＮＭＮꎬＯＳＴＩＲＩꎬｅｔａｌ.Ｄｏｗｎｓｃａｌｉｎｇｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｆｏｒｕｒｂａｎｈｅａｔｉｓｌａｎｄｄｉｕｒｎａｌｃｙｃｌｅａｎａｌｙｓｉｓ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔꎬ２０１２ꎬ１１７(１):１１４－１２４. [１６]㊀ＭＡＱꎬＷＵＪꎬＨＥＣ.Ａｈｉｅｒａｒｃｈｉｃａｌａｎａｌｙｓｉｓｏｆｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｕｒｂａｎｉｍｐｅｒｖｉｏｕｓｓｕｒｆａｃｅｓａｎｄｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａ￣ｔｕｒｅｓ:ｓｐａｔｉａｌｓｃａｌｅｄｅｐｅｎｄｅｎｃｅꎬｔｅｍｐｏｒａｌｖａｒｉａｔｉｏｎｓꎬａｎｄｂｉｏｃｌｉ￣ｍａｔｉｃｍｏｄｕｌａｔｉｏｎ[Ｊ].ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙꎬ２０１６ꎬ３１(５):１１３９－１１５３.[１７]㊀毛学刚ꎬ陈文曲ꎬ魏晶昱ꎬ等.分割尺度对面向对象树种分类的影响及评价[Ｊ].林业科学ꎬ２０１７ꎬ５３(１２):７３－８３.[１８]㊀段滢滢ꎬ陆锋.基于道路结构特征识别的城市交通状态空间自相关分析[Ｊ].地球信息科学学报ꎬ２０１２ꎬ１４(６):７６８－７７４. [１９]㊀王蕾ꎬ张树文ꎬ姚允龙.绿地景观对城市热环境的影响:以长春市建成区为例[Ｊ].地理研究ꎬ２０１４ꎬ３３(１１):２０９５－２１０４. [２０]㊀魏宝成ꎬ银山ꎬ宋洁ꎬ等.呼和浩特市不同植被指数与地表温度的定量遥感关系[Ｊ].水土保持研究ꎬ２０１５ꎬ２２(５):７９－８５. [２１]㊀高尚ꎬ沙晋明ꎬ帅晨.厦门市地表温度与植被覆盖关系定量研究[Ｊ].福建师范大学学报(自然科学版)ꎬ２０１９ꎬ３５(２):１４－２１.[２２]㊀权凌ꎬ周纪ꎬ李明松ꎬ等.基于时间序列建模的城市热岛时间尺度成分分离方法与应用[Ｊ].地球科学进展ꎬ２０１４ꎬ２９(６):７２３－７３３.[２３]㊀ＭＩＳＨＲＡＳＣꎬＲＯＹＨＫ.Ｓｏｌｖｉｎｇｔｒａｎｓｉｅｎｔｃｏｎｄｕｃｔｉｏｎａｎｄｒａｄｉａ￣ｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｐｒｏｂｌｅｍｓｕｓｉｎｇｔｈｅｌａｔｔｉｃｅＢｏｌｔｚｍａｎｎｍｅｔｈｏｄａｎｄｔｈｅｆｉｎｉｔｅｖｏｌｕｍｅｍｅｔｈｏｄ[Ｊ].ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔａｔｉｏｎａｌＰｈｙｓ￣ｉｃｓꎬ２００７ꎬ２２３(１):８９－１０７.[２４]㊀ＬＩＦꎬＣＨＥＮＷꎬＺＥＮＧＹꎬｅｔａｌ.Ｉｍｐｒｏｖｉｎｇｅｓｔｉｍａｔｅｓｏｆｇｒａｓｓ￣ｌａｎｄｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｂａｓｅｄｏｎａｐｉｘｅｌｄｉｃｈｏｔｏｍｙｍｏｄ￣ｅｌ:ａｃａｓｅｓｔｕｄｙｉｎｉｎｎｅｒｍｏｎｇｏｌｉａꎬＣｈｉｎａ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１４ꎬ６(６):４７０５－４７２２.[２５]㊀王志慧ꎬ李世明ꎬ刘良云ꎬ等.基于ＭＯＤＩＳＮＤＶＩ时间序列的土地覆盖分层分类方法研究[Ｊ].遥感技术与应用ꎬ２０１３ꎬ２８(５):９１０－９１９.[２６]㊀李乐ꎬ宋维静ꎬ陈腊娇ꎬ等.遥感数据的高斯金字塔尺度上推方法研究[Ｊ].地球信息科学学报ꎬ２０１７ꎬ１９(５):６８２－６９１. [２７]㊀韩鹏ꎬ龚健雅.遥感尺度选择问题研究进展[Ｊ].遥感信息ꎬ２００８(１):９６－９９.[２８]㊀姚远ꎬ陈曦ꎬ钱静.定量遥感尺度转换方法研究进展[Ｊ].地理科学ꎬ２０１９ꎬ３９(３):３６７－３７６.９４第１２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赵梦溪ꎬ等:城市地表温度和植被覆盖度的空间动态性。
遥感技术在城市热岛效应研究中的应用
遥感技术在城市热岛效应研究中的应用随着城市化进程的加速，城市热岛效应愈发严重。
城市热岛效应指的是城市区域温度高于周边非城市区域的现象。
这种现象会导致能量和水分的消耗，使城市环境质量恶化，造成一系列的气候、环境和健康问题。
为了有效地解决城市热岛效应问题，研究人员一直在探索更好地方式和方法。
在这个过程中，遥感技术得到广泛应用，成为了城市热岛效应研究中的重要工具。
一、遥感技术的基本原理遥感技术指的是通过对地球表面进行遥感观测，获取地面信息的一种技术。
它利用定量遥感图像处理方法和地面参考数据，在大范围尺度上对地球表面的形态、结构、属性和变化进行定量测量和分析，从而获取地面信息。
遥感技术的基本原理是：通过不同波段的光电信息，获取地球表面不同特征的信息。
不同波段的光电信息反映了地表上不同的物质组成和状态，包括地表覆盖类型、地形高度、植被状况、水文地质条件、气象环境条件等要素。
利用这些信息，可以进行逐时、逐日、逐季和逐年的遥感监测和分析，帮助我们更好地理解和管理地球表面。
二、遥感技术在城市热岛效应研究中的应用1. 地表温度反演地表温度是城市热岛效应的重要指标。
利用遥感技术可以获取大范围地表温度分布，并进一步探究城市热岛效应的形成和发展规律。
研究者可以通过遥感技术获取高分辨率的热红外图像，结合气象数据分析地表温度的时空变化规律，高精度地捕捉城市热岛效应的热源和空间分布规律。
2. 建筑物热效应分析由于建筑物的高度、密度等因素，会对周围区域的微气候产生影响。
因此，建筑物热效应分析是城市热岛效应研究中的重要内容。
通过遥感技术获取高精度的建筑物高度和密度等信息，并结合地表温度、植被等多种要素，可以全面解析建筑物的热效应，为城市热岛效应的研究提供更加丰富的数据支持。
3. 植被覆盖分析植被覆盖与城市热岛效应密切相关。
通过遥感技术获取高精度的植被分布数据，可以更好地分析植被对城市热岛效应的影响。
研究表明，城市中绿化覆盖率高的区域明显低于周边非城市区域的温度，有效缓解了城市热岛效应的发展。
城市建筑与环境的遥感监测研究
城市建筑与环境的遥感监测研究地球上的城市正在以前所未有的速度扩张和发展。
随着城市人口的不断增加，建筑与环境的监测变得至关重要。
而遥感技术的应用使得城市建筑与环境的监测工作变得更加高效、准确，并且有效避免了传统手工调查的人力成本和时间成本。
遥感技术通过获取和解读从地面以上获取的数据，以非接触式的方式收集城市及其周边区域的相关信息。
这些信息包括但不限于城市景观、土地利用、以及环境质量等。
遥感技术在城市规划、土地管理、环境保护等方面发挥着重要作用。
首先，城市建筑与环境的遥感监测能够提供详尽的城市景观信息。
通过卫星遥感影像，我们可以清晰地观察到城市的建筑物、道路、河流等地理要素。
这些信息对于城市规划和土地管理非常重要。
例如，城市规划师可以根据遥感数据判断哪些区域适合开发、哪些区域适合绿化，进而进行合理的城市布局和土地利用规划。
其次，遥感技术可以监测城市土地利用的变化。
城市土地利用情况的变化对于城市规划和土地管理至关重要。
通过对历史遥感影像的分析，可以追踪和评估城市土地利用的变化趋势，并且对未来的发展进行预测。
这些预测性数据可以帮助政府和城市规划部门制定出更加科学和可持续的发展策略，从而提高城市的整体质量和环境。
另外，环境质量的监测也是城市建筑与环境遥感监测的一个重要方面。
城市的环境质量对居民的生活质量和健康有重要影响。
通过遥感技术，我们可以监测和评估城市空气质量、水质情况以及土壤污染等环境问题。
这些数据对于环境保护和治理具有重要的参考价值。
例如，当遥感监测发现某个区域的空气质量下降时，政府可以及时采取措施来改善环境，以保障市民的健康。
总之，城市建筑与环境的遥感监测对于城市规划和土地管理、环境保护等方面具有重要意义。
遥感技术的应用使得监测工作更加高效准确，为城市的可持续发展和环境保护提供了科学依据。
随着技术的不断进步，我们相信城市建筑与环境的遥感监测将在未来发展中发挥更加重要的作用，为人们创造更加宜居的城市环境。
地表温度与近地表气温热红外遥感反演方法研究
地表温度与近地表气温热红外遥感反演方法研究一、本文概述本文旨在探讨和研究地表温度与近地表气温的热红外遥感反演方法。
随着遥感技术的快速发展，热红外遥感已成为获取地表温度信息的重要手段。
地表温度是地球表面与大气之间热交换过程的关键参数，对于理解地表能量平衡、气候变化、城市热岛效应等具有重要意义。
近地表气温作为地表与大气层之间的重要参数，对气象学、气候学、环境科学等领域的研究也具有重要作用。
本文将首先介绍热红外遥感的基本原理和方法，包括热红外辐射的基础理论、遥感传感器的选择和使用、遥感数据的获取和处理等。
在此基础上，我们将详细阐述地表温度和近地表气温的热红外遥感反演方法，包括遥感图像的预处理、辐射定标、大气校正、温度反演等步骤。
我们还将探讨不同反演方法的优缺点和适用范围，以及在实际应用中可能遇到的问题和解决方案。
本文还将对地表温度和近地表气温热红外遥感反演方法的应用进行综述，包括在气象学、气候学、环境科学、城市规划等领域的应用案例和研究成果。
通过本文的研究，旨在为相关领域的研究人员提供有益的参考和借鉴，推动热红外遥感反演技术的发展和应用。
二、理论框架与基本原理地表温度与近地表气温热红外遥感反演方法研究的理论框架主要基于热红外辐射传输理论、地表能量平衡原理和遥感反演算法。
这些理论共同构成了从卫星或航空遥感平台获取的热红外数据到地表温度或近地表气温的转换过程。
热红外辐射传输理论描述了热红外辐射在大气中的传播和与地表相互作用的过程，是遥感反演地表温度的基础。
地表能量平衡原理则提供了地表与大气之间能量交换的理论依据，是理解地表温度动态变化的关键。
遥感反演算法则是根据热红外数据和大气参数，结合辐射传输模型和地表能量平衡模型，反演出地表温度或近地表气温的方法。
在热红外遥感中，地表和大气发射的热红外辐射包含了丰富的温度信息。
地表温度可以通过测量地表发射的热红外辐射强度，结合大气参数和地表发射率，利用辐射传输方程求解得到。
基于多源卫星资料的重庆巴南区城市热岛效应时空变化特征分析
基于多源卫星资料的重庆巴南区城市热岛效应时空变化特征分
析
杜爱军;张德军;祝好;王嘉佩;田守丽
【期刊名称】《陕西气象》
【年(卷),期】2024()3
【摘要】利用夜间灯光、DEM和Landsat NDVI等多源卫星资料提取巴南区郊区背景,结合MODIS地表温度产品,采用城乡二分法和Mann-Kenddall(M-K)检验定量评估2002—2021年巴南区城市热岛时空变化特征。
结果表明:(1)巴南区近20
a来城市热岛效应年变化明显,热岛面积占比随时间呈波动上升的趋势,热岛面积在
近20 a增加了31.7%;(2)热岛效应具有明显的季节变化,夏季最强,秋季次之,春季、冬季相对较弱;(3)热岛效应具有明显的空间分布特征,主要影响巴南区西部的龙洲湾、鱼洞、莲花、李家沱街道、界石镇等居民、商业和工业集中区;(4)热岛效应影响范
围和强度变化整体相对平稳。
该研究结果可为区域城市生态环境、热环境、局地气候等研究和城市气象灾害预报预警提供重要的科学依据。
【总页数】9页(P53-61)
【作者】杜爱军;张德军;祝好;王嘉佩;田守丽
【作者单位】重庆市巴南区气象局;重庆市气象科学研究所
【正文语种】中文
【中图分类】P423.2
【相关文献】
1.基于多源卫星资料的太原市城市热岛效应分析
2.基于卫星遥感的福州市近10年城市热岛效应时空特征分析
3.基于MODIS数据的近10年宜昌城市热岛效应时空变化特征
4.基于Landsat卫星资料的苏州城市热岛效应遥感分析
5.基于Landsat8影像的天津市城市热岛效应时空变化及驱动力分析
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感影像在城市热环境研究中的应用
遥感影像在城市热环境研究中的应用随着城市化进程的加速，城市热环境问题日益凸显。
城市热岛效应不仅影响着居民的生活质量和健康状况，也对城市的生态平衡和可持续发展带来了挑战。
遥感影像作为一种有效的空间数据获取手段，为城市热环境研究提供了丰富的信息和有力的支持。
遥感影像能够大面积、同步地获取地表温度等关键参数，具有快速、高效、客观等优点。
通过不同波段的电磁波信息，我们可以反演出地表的温度分布情况，从而深入了解城市热环境的特征和变化规律。
首先，遥感影像可以用于监测城市热岛的空间分布和动态变化。
城市热岛是指城市中心区域的温度明显高于周边郊区的现象。
利用遥感影像获取的地表温度数据，我们能够清晰地看到热岛的范围、强度和形态。
通过对不同时期遥感影像的对比分析，可以追踪热岛的发展趋势，了解其在时间和空间上的演变过程。
这对于城市规划和管理部门制定针对性的缓解策略具有重要的指导意义。
其次，遥感影像有助于分析城市热环境的影响因素。
城市的下垫面性质、建筑物密度、植被覆盖度等都会对热环境产生影响。
例如，混凝土和沥青等硬质表面具有较高的热容量和热导率，容易吸收和储存热量，导致温度升高；而植被则通过蒸腾作用和遮荫效果降低周边环境的温度。
通过遥感影像，可以获取城市下垫面的类型和分布信息，并结合实地调查和统计数据，定量分析这些因素与地表温度之间的关系。
这有助于我们找出导致城市热环境恶化的关键因素，为优化城市布局和改善热环境提供科学依据。
再者，遥感影像在评估城市热环境对生态系统的影响方面也发挥着重要作用。
高温会影响城市植被的生长和生态功能，破坏生态平衡。
通过遥感影像监测植被的生长状况和生态指标，如植被指数等，可以评估热环境对城市生态系统的胁迫程度。
同时，还可以分析热环境对城市生物多样性的影响，为保护城市生态环境提供决策支持。
另外，遥感影像还可以为城市热环境的模拟和预测提供基础数据。
结合地理信息系统（GIS）和气象数据等，利用数值模拟方法可以构建城市热环境模型，预测未来城市热环境的变化趋势。
遥感技术在城市热岛效应监测与评价中的作用研究
遥感技术在城市热岛效应监测与评价中的作用研究近年来，城市化进程不断加速，城市的热岛效应问题也逐渐成为人们关注的焦点。
城市热岛效应是指城市地区相对于其周边地区气温升高的现象。
它对城市生态环境和人民生活产生了重要影响。
为了更好地了解和评价城市热岛效应，遥感技术应运而生，并在该领域发挥着重要的作用。
1. 城市热岛效应的定义与影响城市热岛效应指的是城市中心区域的气温相对于其周边地区升高的现象。
这种现象是由于城市建设和城市化过程中，大量的建筑和人造表面（如道路、房屋等）吸收太阳辐射能、热量，再加之城市中以水泥、沥青等为主要材料的建筑物和道路的热导率高，容易积聚和释放热量而引起的。
城市热岛效应对城市生态环境和人们的生活产生了深远的影响。
首先，它导致了城市气温升高，为炎热的夏季带来了更加闷热的气候，进而影响人们的生活和健康。
其次，城市热岛效应还会增加城市的能耗，导致大量的能源被浪费。
此外，城市热岛效应还会引起降水分布的不均匀，对城市雨水的排放和水资源的利用产生影响。
2. 遥感技术在城市热岛效应监测与评价中的应用随着科技的不断进步，遥感技术成为了城市热岛效应监测与评价的重要工具。
遥感技术通过获取和分析地球表面的遥感图像数据，可以准确地揭示城市内外地区的温度差异和热岛效应的形成机制。
首先，遥感技术可以通过获取高分辨率的热红外遥感图像，实时监测和测量城市中不同区域的地表温度。
这为研究人员提供了大量的温度数据，帮助他们了解城市内部的热岛效应现象。
同时，遥感技术还可以通过获取多期遥感影像数据，对城市热岛效应的演变进行分析和评价。
其次，遥感技术可以利用遥感图像数据对城市的热环境进行定量表征。
通过对热红外图像数据的处理和分析，可以获取城市各区域的表面温度、热通量和热辐射等信息。
这些信息有助于评估城市热岛效应的强度、范围和变化趋势，为城市规划和生态环境保护提供科学依据。
此外，遥感技术还可以与地理信息系统（GIS）相结合，实现城市热岛效应的三维可视化和空间分布分析。
地表温度遥感反演模型改进及其在城市规划中的应用思考
地表温度遥感反演模型改进及其在城市规划中的应用思考地表温度是指地表各点的温度值，它是地球能量平衡过程中重要的参数之一。
传统的地表温度观测方法包括气象站点观测和陆地表面观测，然而这些方法在时间和空间上存在一定的局限性。
近年来，利用遥感技术对地表温度进行反演成为一种重要的手段。
本文将通过改进地表温度遥感反演模型，并探讨其在城市规划中的应用思考。
首先，地表温度遥感反演模型的改进对于提高反演精度具有重要意义。
目前，一般采用黑体辐射模型和亮温-温度关系模型进行地表温度的反演。
然而，这些模型在复杂地表条件下存在一定的局限性，如城市地表由于城市热岛效应等因素造成的温度变化较大。
因此，我们可以通过引入辅助因子来改进地表温度遥感反演模型。
例如，可以利用土地利用/覆盖类型（Land Use/Cover Types，LULC）数据、高程数据和气象数据等，结合多源数据构建地表温度反演模型。
这样可以综合考虑不同因素对地表温度的影响，提高反演模型的准确性和稳定性。
其次，地表温度遥感反演模型在城市规划中有着广泛的应用前景。
城市规划是指通过合理的布局和设计，以实现城市的可持续发展和人民生活质量的提升。
地表温度作为城市热环境的重要参数，对城市规划具有重要的指导意义。
首先，地表温度反演模型可以为城市规划提供科学依据。
通过对地表温度的反演和分析，可以揭示城市热岛效应的空间分布特征，为城市规划提供热环境指导。
其次，地表温度反演模型可以辅助城市热环境评价。
通过对地表温度的反演和分析，可以评估城市热环境的状况，为城市规划和城市管理部门提供决策支持。
再次，地表温度反演模型可以为城市热环境治理提供科学依据。
通过对地表温度的反演和分析，可以研究城市热岛效应的形成机制，制定相应的治理措施，以改善城市热环境。
然而，地表温度遥感反演模型在应用过程中还面临一些挑战和问题。
首先，地表温度遥感反演模型对数据质量要求较高。
由于遥感数据本身具有一定的噪声和误差，因此对遥感数据进行预处理和校正是必不可少的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文 献标 识 码 ： Ａ
文 章 编 号 ：０ ０ １ ７ ２ １ ） １ ６ ８
Ｉ ｖ ｓｉ ａ ｉｎ ｎ Ｒｅａ ｉ ｎ ｈ ｐ ｅ ｗｅ ｎ Ｕｒ ａ ｉｄ ｎｇ Ｍ ａ ｅ ｉ ｌ ｎ ｅ ｔｇ ｔｏ ｏ ｌ ｔｏ ｓ ｉ ｓｂ ｔ ｅ ｂ ｎ Ｂｕ ｌ ｉ ｔｒａ ｓ
Ｂｅｊｎ ０ ８ ５； ｉｉ ｇ １ ０ ７
④ Ｉｓ ｔｔｏ ｅ－ｐ ｔ ｌＩｆ ｒ ｔ ｎＳ ｉｎｅａ ｄ Ｔ ｃｎ ｌｇ Ｕ ｉｅｓｙ ｏ ｌｃ ｏ ｉ Ｓ ｉ ｃ ｎ ｅｈ ｏｏ ｙ ｏ ｎｔ ｕｅ ｆ Ｇ ｏＳ ａｉ ｎ ｏｍａｉ ｃｅｃ ｎ ｅｈ ｏｏ ｙ， ｎｖｒｉ ｆ Ｅ ｅｔ ｎｃ ｃｅ ｅａ ｄ Ｔ ｃ ｎｌｇ ｆ ｉ ａ ｏ ｔ ｒ ｎ
ａ ｄ Ｌａ ｄ Ｓ ｒ ａ ｅ Ｔｅ ｐｅ ａ ｕ ｅ ｔ ｏ ｇ ａ Ｍ ｕ ｔ－ ｅ ｏ ｒ ｅ ｎ ｎ ｕ ｆｃ ｍ ｒ ｔ ｒ ｈｒ ｕ ｈ ｌｉｒ ｓ ｕ ｃ Ｒｅ ｏ ｅ Ｓ ｎ ｉ ｇ Ａｐｐ ｏ ｃ ｍ ｔ ｅ ｓｎ ｒａｈ
ＬＩ Ｗ ｅ１ ｕ ０， ＧＯＮＧ 广 ｕ ， ０ ， Ｕ ｒｙ ①， ０， － Ａ ｄ ①０’ ＺＨＯＵ ｉ ， Ｊ④ ＺＨＡＮ ｅ －ｅ ｇ Ｗ ｎｆｎ ０
（ Ａｃ ｄ ｍｙｏ ｓ ｓ ｒＲ ｄ ｃ ｏ ｎ ｍｅｇ ｎ ｙ Ｍａ ａ ｅ ｎ Ｂ ｉｉ ｇＮｏ ｍａ ｎ ｖ ｒｉ ） Ｂ ｉ ｎ ０ ８ ５ ① ａ ｅ ｆ Ｄｉ ｔ ｅ ｕ ｔ ｎ ａ ｄ Ｅ ｒ ｅ ｃ ｎ ｇ ｍｅ ｔ（ ｅｊｎ ｒ ｌ ｉｅｓｔ ， ｅ ｉ ｇ １ ０ ７ ； ａ ｅ ｉ Ｕ ｙ ｊ ② Ｓ ａ ｅ ｙＬ ｂ ｒ ｔｒ ｆＥ ｒｈＳ ｒ ａ ｅ ｏｅｓｓ ｎ ｅｏ ｒｅ ｃ ｌｇ Ｂ ＯｉｇＮｏ ｍａ ｎｖ ｒｉ Ｂ Ｏｉｇ １ ０ ７ ； ｔｔ Ｋｅ ａ ｏ ａｏ ｙｏ ａ ｔ ｕ ｆ ｃ ｃｓ ｄ Ｒ ｓｕ ｃ ｏｏ ｙ， ｅ ｎ ｒ ｌ ｉ ｅｓ ｙ， ｅ ｎ ０ ８ ５ Ｐｒ ｅａ Ｅ Ｕ ｔ ③ Ｋｅ ａ ｏａ ｏ ｙｏ ｎ ｉｏ ｍｅ ｔｌ ｈ ｎ ｅａ ｄ Ｎａｕ ａ ｓ ｓ ｒ Ｍｉ ｉ ｒ ｆＥ ｕ ａｉｎ， ｅ ｉ ｇＮｏ ｍａ ｎ ｖ ｒｉ ｙＬ ｂ ｒ ｔｒ ｆ Ｅ ｖｒ ｎ ｎａ ａ ｇ ｎ ｔｒ ｌ ａ ｔ ， ｎ ｓ ｙ ｄ ｃ ｔ Ｃ Ｄｉ ｅ ｔ ｏ ｏ Ｂ ｉ ｎ ｒ ｌ ｉｅ ｓ ｙ， ｊ Ｕ ｔ
质、 自然地类与地表温度的关系， 并重点就 不同建 筑材质对城 市热 岛的影响及 其表 面特 性所起 作用进 行 了分析 。 结果表 明： 北京城 区中的砖 瓦房表 面温度 最高， 比其他材 质高 ０ ３ ． Ｋ～４ Ｏ 比 自然地 类高 ５ １ ． Ｋ， ． Ｋ～７ ８ 金属结 ． Ｋ； 构表面温度略低 ； 混凝土、 水泥和沥青的平均温度 相 当， 们是城 市热环境异 常的主要来 源之一 ； 外， 市 中的 他 另 城 玻璃幕墙能够有效地 降低其表面温度 ， 比其它材质低 ３ ３ ～４ Ｏ ． Ｋ ． Ｋ。反 照率 、 惯量和热传 导性是建筑材 质影 响 热 城市地表温度 的 ３个重要表面特 性， 于不同材质 ， 对 它们存在较大差异。
④ 电子科技大学地表空 间信息技术研究所 ， 都 ６１ ３ ； 成 １ ７ １
⑤ 北京师范大学资源学院 ， 京 １０７） 北 ０ ８ ５
摘要 ： 用 Ｐ Ｏ Ａ ＨＲ ｓ遥感 影像对 北京城 市建筑材质和 自然地表进行 基于光谱先验 知识的分层分 类提 利 ＲＢ ｃ Ｉ
取 ， 与 Ｌ ｎ ｓｔ Ｔ 热 红 外 数 据 反 演 得 到 的北 京 城 市 地 表 温 度 叠 加 ， 用 统 计 学 方 法 定 量 分 析 了主 要建 筑 材 并 ａ ｄａ５ Ｍ 采
遥感信息
一■ 应用
２ １． Ｏ１４
城市建筑材质一地表温度关系的多源遥感研究
刘 闻 雨①② ， 阿都① ② ， 纪④， ，～ 宫 ，～ 周 占文凤 ⑤
（ 民 政部 ／ 育 部 减 灾 应 急 管 理 研 究 院 （ 京 师 范 大 学 ） 北 京 １ ０ ７ ； ① 教 北 ， ０ ８ ５ ② 地表 过程 与 资 源 生 态 国 家重 点实 验室 ， 京 师 范 大 学 ， 京 １ Ｏ ７ ； 北 北 ０ ８ ５ ③ 北 京 师 范 大 学 环 境 演 变 与 自然 灾 害 教 育 部 重 点 实 验 室 ， 京 １ ０ ７ ； 北 ０８ ５
关 键 词 ： 市热 岛 ； 筑 材 质 ； 表 温 度 ； ＨＲ Ｓ数据 ； Ｍ 数 据 城 建 地 Ｃ Ｉ Ｔ
ｄ ｉ１ ． ９ ９ ｊｉｓ ． ０ ０ １ ７ ２ １ ． ４ ０ ０ ｏ： ０ ３ ６ ／．ｓｎ １ ０ —３ ７ ． ０ １ ０ ． １
中 图分 类 号 ： ７ ＴＰ ９
Ｃｈｉ ａ ， ｎ Ｃｈｅ ｎｇｄｕ １７ ６１ ３１；
⑤ Ｃ ｌ ｇ ｆ Ｒ ｓｕ ｃｓ ｃｅ ｃ ｎ ｅｈ ｏｏ ｙ， ｅ ｉ ｇＮｏｍａ ｎ ｖ ｒｉ Ｂ ｉｉ ｇ １ ０ ７ ） ｏｌ ｅ ｅｏ ｒｅ ｉｎ ｅ ｄ Ｔ ｃ ｎ ｌｇ Ｂ ｉ ｎ ｒ ｌ ｉｅ ｓ ｙ， ｅ ｎ ０ ８ ５ ｅ ｏ Ｓ ａ ｊ Ｕ ｔ ｊ
Ａｂ ｔ ａ ｔ Ｉ ｈ ｓ ｐ ｐ ｒ Ｐ ｓｒ ｃ ：ｎ ｔ ｉ ａ ｅ ， ＲＯＢ ＣＨＲＩ ｙ ｅ ｓ ｅ ｔａ ｍａ ｅ ｗａ ｓ ｄ ｔ ｘ ｒ ｃ ｈ ａ ｅ ｏ ｉｓ ｏ ｏ ｈ ｂ ｉ ｉ ｇ ｍａ ｅ ｉｌ Ａ Ｓ ｈ ｐ ｒ ｐ ｃ ｒ ｌｉ ｇ ｓ ｕ ｅ ｏ ｅ ｔ ａ ｔｔ ｅ ｃ ｔ ｇ ｒ ｆｂ ｔ ｕ ｌ ｎ ｔ ｒ ｓ ｅ ｄ ａ