城市尺度组分温度的ASTER数据遥感反演

为了获取城市尺度组分温度,实现城市水热平衡的高精度反演,探索了一种多波段热红外遥感影像的城市尺度组分温度反演算法.算法选取了植被、土壤和不透水表面等3种组分,并且针对ASTER数据,利用线性混合像元分解方法获取像元平均比辐射率,以MODIS近红外数据估算大气水汽含量和大气透过率,采用牛顿迭代法获取大气平均温度,并用最小...     

北京市热岛效应时空变化的HJ-1B监测分析

 本文利用2008-2011年HJ-1B/CCD可见光-近红外数据,以及HJ-1B/IRS热红外数据,采用遥感算法反演北京市地表温度,并用MODIS地表温度产品对反演结果进行了初步验证。同时分析了北京市热岛效应的年际、年内变化趋势。另利用热场变异指数分析其空间分布特征,以及NDVI、NDBI与城市下垫面对热岛效应的影响。结果表明:(1)2008-2010年北京市热岛强度总体呈上升趋势,2011年有所缓解,4年热岛强度分别为:5.2℃、5.2℃、9.2℃、8.2℃;(2)北京市2010年四季存在明显热岛现象,夏季最强,春、秋次之,冬季最弱,四季热岛强度分别为8.2℃、9.4℃、9.2℃、4.3℃;(3)2008-2011年北京市热岛空间分布特征表明,房山区和大兴区的南部热岛效应逐年缓解,2011年昌平区热岛效应比前3年明显,植被和水体形成城市冷岛;(4)地表温度与NDVI呈明显负相关,与NDBI呈正相关,城市热岛效应与下垫面类型存在明显相关性。     

北京城市建筑密度分布对热岛效应的影响研究

“热岛效应”是现代城市气候的主要特征之一,本文基于高分辨率遥感影像,通过人工目视解译获取了北京市五环内的不同建筑密度区,进而结合遥感反演获得的地表温度数据,分析了城市建筑密度分布与城市热岛效应及其变化之间的关系。结果表明,北京市五环内的建筑以中密度区为主,高密度区次之,各建筑密度区在不同环线之间的分布也有较大差异。高密度区主要分布在二环以内,中密度和低密度建筑区主要分布在二、三环之间,高层建筑区总体分布较少,主要分布在二、三环和三、四环之间。城市建筑区的地表温度与建筑密度呈现显著正相关关系,城市建筑密度越大,其地表平均温度就越高,北京市高密度区的平均温度达到30.5 ℃,而高层建筑对热岛强度具有一定的缓解作用,北京高层建筑区的平均温度为28.32 ℃,比高密度区低2.18 ℃。从热岛强度变化来看,总体上高密度区、中密度区和低密度区的热岛强度均为增强的趋势,其中高密度区热岛强度增加的幅度最大,热岛强度增加了0.56 ℃,只有高层建筑区的热岛强度表现为减弱趋势,热岛强度降低了0.07 ℃。     

基于RS与GIS的北京市热岛研究

基于普适性单通道算法,利用2005年5月6日的TM数据反演北京市区的实际地表温度。在此基础上,分析了北京市区的热环境特征、热岛分布的位置。运用GIS空间分析工具,分析了地表温度与地形特征和地表覆盖类型之间的关系。结果表明,北京市热岛分布具有环状和带状分布特征,高程较低处和坡度较小处更容易形成热岛中心,不同地表覆盖类型的热特征具有显著的差异。     

城乡不透水面增长格局及地表温度的响应特征研究

为探究中国北方中温带,特别是东北寒区快速城市化地区城乡不透水增长格局及地表温度的响应特征,本文以哈尔滨市为例,基于国家资源环境遥感时空信息平台土地利用/覆盖变化（LUCC）数据集解译的2001年与2015年城乡建设用地和Landsat 7/8数字遥感影像,结合植被-不透水面-土壤（V-I-S）端元选取和完全约束最小二乘混合像元线性分解模型进行了不透水面提取（分辨率15 m×15 m）,并运用单窗算法进行了夏季地表温度遥感反演。结果表明：2001-2015年建设用地扩张259.05 km²,不透水面上升163.96 km²,城市与乡村不透水面占各自建设用地的比例由2001年的43.92%、21.35%变化为2015年的49.14%、34.27%,城乡比例差由22.57%缩减至14.87%,单位建设用地内乡村不透水面增量较高;2001-2015年城区以低温区、中温区、高温区为主,对不透水面扩张的响应剧烈,而乡村以低温区和中温区为主,低温区和高温区响应剧烈;地表温度与不透水面具有显著正相关,在低、中、高不透水密度区分别升温1.16o、1.45和1.79 ℃,相同不透水面盖度下城市升温高于乡村。总体而言,研究区不透水面大幅扩张,温度分区变化剧烈,地表温度随不透水面增加升温效果明显。     

地物非线性重叠函数的可视化解法及其在地表通量遥感反演中的应用

本文从全球变化研究的需求分析入手 ,分析了地表通量遥感估算的重要科学意义 ,讨论了地表通量遥感过程中面临的几个关键问题 ,构建了地表通量遥感估算系统。对二层蒸发模型中的植被和土壤表面温度分解提出了可视化解算的思路。对遥感真实温度中的等效比辐射率 ,尝试利用蒙特卡罗方法进行计算 ,并对几种特定空间分布 ,特定类型树冠森林的四分量的方向性特性进行了详尽的分析。遥感反演地表真实温度 ,土壤和植被表面温度的分解是地表通量遥感中的关键步骤。     

基于遥感信息的城市地表能量空间分布及特征研究——以国际宜居城市为例

遥感地表能量信息能够反映城市生态系统成分、作用与影响关系。本研究从城市生态系统的角度,提取能反映城市下垫面地物实体综合特征、作用与影响关系的相对地表能量信息,针对不同区域、规模与类型城市的地表能量空间分布及特征,建立了定量化的城市相对地表能量分级与评价指标。探讨国际"宜居型城市"生态系统结构、功能、形态及其时空变化特征和规律。结果表明:(1)城市实体空间建筑群的形状、体量,街道与建筑的朝向和配置关系,以及硬质化表面开放性的差异影响城市地表能量的分布。(2)建筑物周边的植被覆盖程度、建筑物之间的空间关系、广场和街道的开放性等,是维持城市开敞空间与实体空间的混合区域地表能量平衡的基础。宜居城市中心周围的大规模低密度居住区构成以中等能量分布为主的城市地表能量缓冲与过渡区。(3)城市开敞空间的地表能量变化幅度比实体空间大,宜居城市开敞空间的中、低地表能量分布占有较高比例。(4)宜居城市实体空间的高能量斑块呈现规模较小和分布相对分散的状态。采用相对地表能量分级与评价指标,可为各类城市规划与设计提供科学依据。     

基于马尔可夫链和最大后验准则的模拟静止气象卫星数据地表组分温度反演

地表组分温度比像元混合温度具有更强的物理意义和实用价值,是定量遥感反演的一个重要研究方向。本文以马尔可夫链和最大后验准则地表温度尺度转换方法,结合静止气象卫星数据高时间分辨率的特点,通过模拟静止气象卫星数据地表组分温度反演进行分析和验证。在研究过程中,地面被简化为由植被和土壤两组分组成,同时假设邻近像元的植被和土壤组分温度相同。鉴此,本文通过模拟构建20×20像元大小的静止气象卫星混合像元图像,并对各像元各时刻温度添加均值为0标准差为2K的随机误差,最终应用所提算法估算各像元各时刻的植被和土壤组分温度大小。精度分析结果表明,该算法能够较为精确地反演植被和土壤组分温度,且误差基本控制在2K以内。此外,本文还进一步讨论了算法的适用性及其对混合像元温度误差、植被覆盖度误差,以及邻近像元植被覆盖度变化范围的敏感度。分析结果再次证明,该方法对混合像元温度误差和植被覆盖度误差都具有较低的敏感性,在最大温度误差条件(均值为1.8K,标准差为5K)和最大植被覆盖度误差(均值为0.18,标准差为0.2)的条件下,各组分温度的估算精度分别能控制在3K和2K以内,满足精度要求。但是,由于组分温度初值的确定方法,对所计算窗口内植被覆盖度变化范围有较强的敏感性,反演结果与植被覆盖度变化范围相关,要求窗口内植被覆盖度变化范围足够大才能满足初值估算的精度要求。     

北京城区不透水地表盖度变化及对地表温度的影响

基于QuickBird高分辨率影像、LandsatTM影像及夜间灯光数据,设计了集成CART（Classification and Regression Tree,）算法和多源遥感数据估算亚像元级不透水地表盖度的技术方案,采取适用于典型温带半干旱地区的ISP（Impervious Surface Percentage ）提取方法,提取2001年和2011年北京城区不透水地表盖度,并将不透水地表盖度分为3类,ISP为10%~60%的区域为低密度区,60%~80%的区域为中密度区,大于80%的区域为高密度区。同时采用单窗算法反演2001年和2011年地表温度,对2001-2011年北京六环以内城区不同环路区域ISP发展趋势,以及其与地表温度的相关性进行分析。结果表明：（1）北京城区的不透水地表盖度变化主要集中在低密度区域,与之相比,中密度区域和高密度区域不透水地表盖度变化不大。2001-2011年来北京五环以内区域由于城建区较多,整体不透水地表变化并不明显,主要变化区域集中在五环至六环以内区域,其中低密度区增长明显,中密度区和高密度区主要增长集中在东部,可以看出,近年来五环至六环以内区域发展迅速,城建区范围不断扩大。（2）相较于2001年,2011年北京市中心地表温度明显上升,高温区聚集程度更为明显。其中四环以内地表温度与周边区域地表温度相比,温差明显增大。（3）通过对比2001年和2011年各密度区平均地表温度发现,相较于2001年,2011年北京市六环以内城区各密度区之间的地表温度差异更大,城市热岛效应更为明显。（4）2001年和2011年北京城区各环路区域内不透水地表盖度与地表温度均呈正相关。四环至六环区域,地表温度随不透水地表盖度变化的趋势相近。ISP在10%~20%的区域,地表温度随不透水地表盖度增高而上升的速率明显高于其他区域,ISP大于20%的区域地表温度上升速率下降,且趋于一致。     

基于遥感信息的城市地表能量空间分布及特征研究——以国际宜居城市为例

遥感地表能量信息能够反映城市生态系统成分、作用与影响关系。本研究从城市生态系统的角度,提取能反映城市下垫面地物实体综合特征、作用与影响关系的相对地表能量信息,针对不同区域、规模与类型城市的地表能量空间分布及特征,建立了定量化的城市相对地表能量分级与评价指标。探讨国际“宜居型城市”生态系统结构、功能、形态及其时空变化特征和规律。结果表明：（1）城市实体空间建筑群的形状、体量,街道与建筑的朝向和配置关系,以及硬质化表面开放性的差异影响城市地表能量的分布。（2）建筑物周边的植被覆盖程度、建筑物之间的空间关系、广场和街道的开放性等,是维持城市开敞空间与实体空间的混合区域地表能量平衡的基础。宜居城市中心周围的大规模低密度居住区构成以中等能量分布为主的城市地表能量缓冲与过渡区。（3）城市开敞空间的地表能量变化幅度比实体空间大,宜居城市开敞空间的中、低地表能量分布占有较高比例。（4）宜居城市实体空间的高能量斑块呈现规模较小和分布相对分散的状态。采用相对地表能量分级与评价指标,可为各类城市规划与设计提供科学依据。     

基于深度学习模型的城市高分辨率遥感影像不透水面提取

不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。     

Integrating CART algorithm and multi-source remote sensing data to estimate sub-pixel impervious surface coverage: a case study from Beijing Municipality,China

The sub-pixel impervious surface percentage(SPIS) is the fraction of impervious surface area in one pixel,and it is an important indicator of urbanization.Using remote sensing data,the spatial distribution of SPIS values over large areas can be extracted,and these data are significant for studies of urban climate,environment and hydrology.To develop a stabilized,multi-temporal SPIS estimation method suitable for typical temperate semi-arid climate zones with distinct seasons,an optimal model for estimating SPIS values within Beijing Municipality was built that is based on the classification and regression tree(CART) algorithm.First,models with different input variables for SPIS estimation were built by integrating multi-source remote sensing data with other auxiliary data.The optimal model was selected through the analysis and comparison of the assessed accuracy of these models.Subsequently,multi-temporal SPIS mapping was carried out based on the optimal model.The results are as follows:1) multi-seasonal images and nighttime light(NTL) data are the optimal input variables for SPIS estimation within Beijing Municipality,where the intra-annual variability in vegetation is distinct.The different spectral characteristics in the cultivated land caused by the different farming characteristics and vegetation phenology can be detected by the multi-seasonal images effectively.NLT data can effectively reduce the misestimation caused by the spectral similarity between bare land and impervious surfaces.After testing,the SPIS modeling correlation coefficient(r) is approximately 0.86,the average error(AE) is approximately 12.8%,and the relative error(RE) is approximately 0.39.2) The SPIS results have been divided into areas with high-density impervious cover(70%–100%),medium-density impervious cover(40%–70%),low-density impervious cover(10%–40%) and natural cover(0%–10%).The SPIS model performed better in estimating values for high-density urban areas than other categories.3) Multi-temporal SPIS mapping(1991–2016) was conducted based on the optimized SPIS results for 2005.After testing,AE ranges from 12.7% to 15.2%,RE ranges from 0.39 to 0.46,and r ranges from 0.81 to 0.86.It is demonstrated that the proposed approach for estimating sub-pixel level impervious surface by integrating the CART algorithm and multi-source remote sensing data is feasible and suitable for multi-temporal SPIS mapping of areas with distinct intra-annual variability in vegetation.     

Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。     

基于GeoMAG的地理信息数据规范方法探讨

采用青岛地区landsat-7ETM+的两时像遥感卫星影像以及相关的气象参数数据资料,利用单窗法和辐射传输方程法,对两幅不同时像的遥感数据进行温度反演,通过对NDVI、植被覆盖度、光谱分析、相关性分析、不透水面、下垫面的差异等进行分析并结合对当地实际的环境研究,讨论热岛效应的表现、温度等级分布和转移趋势,得出结论:研究区域的热岛效应显著,并且强度分布与该地区的工商业发展和居民区规模的扩大相关,随着城市化进程深入,向城乡交界处转移。     

基于Landsat7ETM+的青岛地区热岛效应反演及分析

用水源热泵技术,将矿井回风、矿井水、洗浴废水、冷却水（风）中的低品位废热转变为供热热能。该热泵热回收技术系统可靠、经济效益好,可达到节能减排的目的。该文分析了矿井系统中的废热类型和应用原理,给出了矿井回风、矿井水、洗浴废水、冷却水（风）废热回收量的计算方法,并分析了山东济宁梁宝寺煤矿矿井废热回收供热系统设计实例。认为该技术的应用为矿区提供了生产、生活必备的热源和热水,节约了生产成本,保障了煤矿企业的绿色生产,改善了矿区周围的生活环境。     

三峡库区典型样带潜热通量遥感反演与验证

本文以三峡库区腹地的部分地区为典型样带,利用遥感数据的时效性和区域性优势,结合常规气象数据,定量反演样带地表潜热通量,并对比验证遥感反演方法的可行性和可靠性。结果表明：潜热通量在不同地表覆被状况下呈现较大差异,城镇居民区和无植被覆盖区一般在20~80W·m^-2;人工林场、山区森林及草灌和山前农作区在180~280W·m^-2;水体则分布在420~470W·m^-2,潜热通量整体呈现出随地表覆被变化而变化的空间异质性。此外,由于库区地表覆被类型多样,并受到山区起伏地形地貌的影响,潜热通量在空间分布上的地形分异特征也较显著。     

耦合蚁群算法和SCS-CN水文模型的城市不透水面空间格局优化

近年来,中国城市暴雨内涝频繁发生,已经发展成为一类严重的“城市病”。城市不透水面密度及其空间格局是形成暴雨内涝的一个重要影响因素。本文提出一种耦合蚁群算法和SCS-CN水文模型优化不透水面空间格局的方法,从而实现通过增加地面雨水渗透量达到减缓城市内涝发生的目的。首先应用Williams公式计算基于坡度修正的CN值,在此基础上计算地表径流量;然后设定径流系数最小化目标,耦合水文模型和蚁群算法对径流小区尺度的不透水面空间格局进行优化配置;最后应用景观格局指数对不透水面空间格局进行分析。研究结果表明：面对1年、5年、10年、20年、50年以及100年一遇重现期的1 h持续降雨事件,研究区优化后的不透水面空间格局可以分别减少径流系数21.19%、19.58%、19.38%、18.93%、18.41%和17.25%,在一定程度上缓解城市暴雨内涝的发生。在此基础上,提出面向暴雨内涝防治的城市更新优化措施建议：① 通过增加草地、花园、树木等植被绿化减少高不透水面类型的面积,并划分成更多中高不透水面类型的斑块;② 集聚低、中低等不透水面类型,从而加大连通性,形成更多的中高不透水面类型;③ 增加每个径流小区内斑块数量,增大斑块密度,减少其蔓延度和聚集度。     

近20年京津唐地区不透水面变化的遥感监测

不透水面是衡量城市化程度的重要指标之一,对京津唐城市群的不透水面进行深入研究,可以量化城市群扩张过程及其影响,对该区域多城市协调发展及规划布局具有重要意义。本文结合高分辨遥感影像、生长季及落叶季的Landsat TM遥感影像和夜间灯光数据等,采用分类和回归树（Classification and rRegression Tree, CART）算法,构建了适于京津唐地区不透水面盖度提取的技术方案,获取了京津唐地区1995-2016年共5期地表不透水面盖度专题信息,并分析了地表不透水面的时空演变规律,结论为：① 适于京津唐地区不透水面盖度提取的CART算法的最佳输入变量组合为：生长季和落叶季的Landsat TM图像以及对应的夜间灯光数据;其次为生长季Landsat TM遥感图像和夜间灯光数据组合方案。利用该组合方案,ISP估算输出结果的交叉验证精度R值可以达到约0.85,可以满足地表不透水面纵向对比分析的需要。② 从地表不透水面总面积数量值来看,1995-2016年京津唐主体城市区域整体上呈增长趋势,其中2011-2016年地表不透水面积增加愈加明显;③ 从地表不透水面盖度值的高低来看,1995-2016年京津唐中、高盖度不透水面的占比都是在不断增长的,低盖度不透水面占比存在少量下降现象,且京、津、唐3城市的主体城区各阶段变化差异较大,反映出了各城市扩张具有各自不同的时空演变特征。     

夜光遥感支持下的城市人口核密度空间化及自相关分析

基于福建省福州市鼓楼区街道社区人口统计数据、夜光遥感影像、Landsat8影像,融合核密度与回归方程,绘制30 m栅格空间分辨率的人口密度图并进行空间自相关分析。方法:① 采用核密度方法对69个社区人口计算生成人口密度分布图。建立786个居民小区点的人口密度与夜光遥感的常规QQ分位图,检测出人口密度存在较大的误差区域:五凤街道和洪山镇。② 建立人口密度与夜光遥感、Landsat8线性分解的不可渗透表面影像之间的二元二次回归方程,修正两个区域的人口密度误差。③ 采用高/低聚类分析、热点分析、聚类和异常值分析,得到鼓楼区人口高聚类属性,显示了鼓楼区最大商业圈区域与人口密度最大居民点区域,展示了人口聚类的空间局部差异性格局。结果:① 研究中所采用的人口空间化技术融合了2种空间化方法:核密度与回归方程。生成30 m栅格空间分辨率的人口密度图。② 鼓楼区人口密度均值分为3种类型:11 000、25 000和50 000人/ km²,人口密度分布近似正态分布。③ 当鼓楼区人口密度均值大于33 000人/ km²,不可渗透表面灰度值与人口密度相关性更强。反之,夜光亮度值与人口密度相关性更强。     

基于不确定性分析的遥感分类空间分层及评估方法

空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：① 基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;② 分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③ 遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④ 与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高。证实了研发的遥感分类不确定性空间分层结果的合理性。研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设。