基于梯度结构相似度的矿区土壤湿度空间分析

基于中国蒙、陕、晋、三省区的神东矿区2000-2015年成像光谱仪数据,双抛物线型归一化植被指数（normalized difference vegetation index,NDVI）和地表辐射温度（land surface temperature,T_s）（记为NDVI-T_s）特征空间的温度植被干旱指数法计量地表土壤湿度,采用梯度结构相似度法定量分析研究区土壤湿度的时空分布特征。结果表明:神东矿区土壤湿度变化具有明显时空分布异质性,空间上,矿区土壤湿度表现出从西北部向东南部逐渐增加的规律,干旱区域由2000年的96.03%下降到2015年的59.59%;矿区60.05%的区域的土壤湿度发生了突变,其中49.87%区域地表植被覆盖得到明显改善,土壤湿度得到明显提高;35.18%的区域的土壤湿度发生了变化,其中28.13%区域地表植被覆盖有所改善,土壤湿度有所增加;仅有4.77%的区域的土壤湿度没有发生改变。进一步分析表明,地表土壤湿度的时空分布特征受区域地貌类型和下垫面覆盖影响较大。     

基于地理国情监测的珠海市海岸带时空变化分析

以地理国情普查分类和数据为基础,结合历史高分辨率遥感影像,提取珠海市2004—2015年海岸线及海岸带地表覆盖数据,研究珠海市海岸带时空演变特征。研究结果表明:(1)2004—2015年研究区海岸线呈增长趋势,且相比自然岸线而言人工岸线占比逐年上升;(2)2007—2011年围填海增长率最快,新增围填海范围内以人工堆掘地为主;(3)海岸带地表覆盖结构变化显著,农用地和水域面积大幅度下降,房屋建筑区等逐年增长,人工堆掘地转移优势最明显。研究结论认为,珠海市海岸带开发建设正处于活跃期,土地利用动态度较高且活动频繁;人类开发活动是区域海岸带变化的主因,未来在加快对海岸带合理开发建设的同时,仍需注重对红树林等生态系统的保护。     

基于MODIS数据的长株潭地区城市热岛时空分析

基于MODIS影像,采用分裂窗算法反演的地表温度对长株潭地区城市热岛空间分布与季相变化特征、影响因子进行定量研究。结果表明,长株潭地区春季和夏季存在明显的城市热岛效应,而冬季和秋季城市热岛并不明显;地表覆盖类型对城市热岛的影响十分明显,长株潭地区春、夏、秋季植被绿地状况与城市热岛呈现明显负相关分布,其中以夏季最为明显,夏季地表温度与NDVI相关系数的平方R2达到0.8193,即植被覆盖对城市地表温度的影响显著。因此,城市植被的分布与季节变化影响着城市热岛的强度与时空分布,揭示出植被绿地对降低城市热岛效应具有重要的作用,大范围的绿地建设能有效降低城市热岛效应。     

基于FY-2F数据的中国区域地表温度日变化模型评价及特征研究

地表温度日变化模型作为非常重要的输入参数在气象、水文、生态等领域研究中具有重要意义。风云二号(FY-2F)静止气象卫星的地表温度产品的时间分辨率为1小时,这为拟合精确的地表温度日变化(DSTC)模型提供了可能。本文首先利用194个气象站点对应的2014年的FY-2F地表温度产品评价了GOT01、VAN06、JNG06、INA08、GOT09和GEM_V这6种地表温度日变化模型在中国区的模拟精度,对不同时间窗口和不同地表覆盖类型拟合精度的差异进行了分析;其次,选用JNG06模型探究了中国区域地表温度随经纬度、季节和地表覆盖类型的日变化规律。研究结果表明:在不同时间窗口内,GOT09模型获得了全局最优的拟合精度,均方根误差为0.89 K;JNG06和GEM_V模型精度次之,均方根误差分别为0.92 K和0.94 K;GOT01、INA08和VAN06模型精度最差;各模型在城市和建筑区、农用地和自然植被以及常绿阔叶林这3类地表覆盖类型的拟合精度最好,其均方根误差在0.89—0.92 K,在其余地表覆盖类型的拟合精度在1.0 K以上。JNG06模型模拟的地表温度在4种典型的地表类型随纬度的变化规律较为明显,地表温度在1月份随纬度变化较为剧烈,在7月份整体波动较为平缓。综上所述,使用FY-2F地表温度产品建立的DSTC模型在中国区域具有较高的精度,模拟的地表温度随着纬度变化的规律较为明显。使用本文模型既可以纠正现有模型又可获取归一化地表温度产品,同时可以检验和标定陆面模式地表温度模拟结果。     

城市建筑水平特征对城市热环境效应的影响——以大连市中山区为例

以大连市中山区的遥感和建筑等多源数据为基础,结合单窗算法和相关分析方法,研究分析了2002—2014年研究区的地表温度空间分异特征及地表温度与建筑密度的相关性。研究结果表明:(1)2002—2014年地表温度高温区域多分布在中山区西北部、解放路和中南路的沿线,且温度增加明显,东北部由于填海造陆温度明显升高;(2)高密度和较高密度的地块主要分布在青泥洼天津街商业区,大部分低、较低、中密度地块分布在解放路和中南路沿线;(3)2002年、2014年,地表温度与建筑密度呈现中等相关性,相关系数分别为0.514、0.537。     

六盘山贫困区生长季植被覆盖变化及其对水热条件的响应

利用MODIS13,MODIS11和国家气象站点监测数据,以六盘山集中连片贫困区为研究区,采用最大值合成法、像元二分模型和偏相关分析等方法,分析了该区域生长季植被覆盖时空变化趋势,以及对地表温度和土壤湿度对植被生长的交互作用。结果表明:2001—2018年间,六盘山贫困区生长季植被覆盖度由0.28提升到0.45,且呈现出由东南向西北递减的格局;研究时段内表现为整体改善、局部退化的态势。其中,改善区占51.91%,无显著变化区占44.22%,退化区占3.87%;植被生长与地表温度和土壤湿度的年内变化紧密相关,空间上呈现出协同正相关、协同负相关、反向相关3大类型,但以协同正相关占主导地位;交互作用分析表明,土壤湿度对该区域植被生长的影响大于地表温度的影响,土壤水分条件是影响该区域植被生长的主导因子,土壤水分条件的改善对研究区生态环境建设与修复至关重要。     

北京城市热岛效应时空变化遥感分析

为了从城镇化进程角度研究自1985年以来北京市城市热岛效应的时空变化特点,利用7期夏季的Landsat TM/ETM+/TIRS遥感影像数据反演地表亮度温度以代替地表温度(land surface temperature,LST);然后将其用于城市热岛效应的一系列定性和定量分析,揭示出北京市热分布以及城市热岛效应特征。研究结果表明:(1)高温区域和亚高温区域不断地由郊区向城区集中,但东西城区(东城区和西城区)的高温区域表现出明显的下降趋势,大范围热岛被零星分布的小热岛取代;(2)工业园区对北京市热岛效应的影响远高于住宅区对北京市热岛效应的影响;(3)建筑物低矮密集且低植被覆盖区域的温度远远高于建筑物高大稀疏且高植被覆盖区域的温度。研究可为政府部门通过合理规划水体、绿地、工业园区、住宅区等的分布来减轻城市热岛效应的影响提供参考依据。     

土地利用类型变化对城市热岛效应的影响分析

首先基于北京市2013—2020年Landsat-8卫星遥感影像,使用TIRS10＿SC算法反演北京市地表温度;其次,对温度反演结果进行归一化处理,进行热岛等级划分,并计算热岛强度指数;最后,结合土地利用类型数据,分析土地利用类型覆盖面积变化对城市热岛强度的影响。结果表明：1)2013—2020年北京市的城市热岛效应呈现出先上升后下降的趋势,2015年城市热岛效应现象最明显;2)2013—2020年裸土地变化程度最大,其中有40.060%的裸土转变为植被,24.988%的裸土转变为建设用地;3)出现次热岛和强热岛现象的区域地表覆盖类型主要是建设用地和裸土,出现绿岛和冷岛的区域地表覆盖类型主要是植被和水体,并且在相同面积占比情况下,水体缓解热岛效应的效果更加明显。     

中国区域植树造林对地表温度的影响

近些年随着中国植树造林计划的持续进行,植被覆盖不断增长,进而影响中国地表环境。地表温度是表征地表物理过程的重要参数,是地表—大气能量交换中的驱动因子,广泛应用于气候、水文、生态及气象等研究中,是众多基础学科研究的关键参数之一。为了分析植树造林战略对局地和区域尺度的影响,以指导相应政策的制定,本文采用IBM（Intrinsic Biophysical Mechanism）方法研究了中国区域植树造林对地表温度的影响,并讨论了辐射效应与非辐射效应以及不同林地类型对地表温度的影响。结果表明：（1）植树造林对地表温度的影响在高纬度地区的寒冷季节表现为增温作用,而在温暖季节各纬度均表现为降温作用。（2）寒冷季节高纬度地区植树造林对地表温度的辐射效应较为强烈,而在其他季节各纬度植树造林对地表温度的非辐射效应占主导作用,辐射效应较为微弱。（3）开阔地转为林地时,不同林地类型对地表温度有不同的影响特征。开阔地转为落叶阔叶林时对地表温度的影响与植树造林对地表温度的总体影响变化具有相似特征,表现为在寒冷季节高纬度地区为增温作用,在低纬度地区均表现为降温作用,开阔地转为常绿针叶林、常绿阔叶林时对地表温度的影响均表现为降温作用。     

基于Landsat TM的地表温度分解算法对比

如何综合可见光波段信息提高地表温度的空间分辨率一直是热红外遥感应用研究的重要方向。以北京市Landsat TM图像为数据源,对比分析了SUTM和E-Dis Trad模型地表温度分解的空间特征差异性和适用范围。结果表明:在植被覆盖较低、地表温度较高的中心城区,SUTM模型的地表温度分解效果更佳,最小均方根误差和平均绝对误差分别为1.522 K和1.191 K;在植被覆盖较高、地表温度较低的郊区,E-Dis Trad模型的地表温度分解效果更好,最小均方根误差和平均绝对误差分别为1.768 K和1.173 K。2种模型都能有效地提高地表温度的空间分辨率,但是在植被覆盖不同的地区分解结果呈现一定的差异性。