土地覆盖类型对城市热岛效应的响应分析

利用夏季MODIS地表温度和土地覆盖产品,结合Landsat等辅助遥感数据,分别提取济南、武汉、重庆3个城市2003年、2008年、2013年的土地覆盖与地表温度信息,确定3个城市不同年份的热岛效应等级分布。在此基础上,对济南、武汉、重庆这3个城市的地表温度分布特征、热岛效应等级分布特征与土地覆盖类型各因子之间的关系展开分析。结果表明：城市用地是城市热岛的主要贡献因素,相关系数达到0.42;最能缓解城市热岛效应的是林地,平均相关系数为-0.41;3个城市中最能缓解城市热岛效应的土地覆盖类型并不完全相同：济南市为林地和耕地,武汉市为水体,重庆市为林地。     

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MODIS数据的上海市热岛效应研究

采用2003~2005年EOS/MODIS数据,运用分裂窗算法定量反演了上海市地表温度,以间接反映城市热岛的变化规律。研究表明,上海市冬季地表平均最高温度为13.9℃,春季、夏季和秋季分别为32.5℃、45.7℃和29.0℃;地表相对高温区的分布具有明显的季节变化特征,冬季地表相对高温区分布在市区东南方向,春季、夏季地表相对高温区向西北方向移动,秋季地表相对高温区开始向东南方向收缩;冬季市区表现为弱冷岛中心,春季、夏季和秋季均为热岛中心,其中夏季的热岛效应最为显著;冬季弱冷岛中心的地面温度低于郊区温度2.6℃,春季、夏季和秋季的平均热岛强度分别为5.7℃、10.4℃和4.2℃。     

基于多源遥感数据的城市热岛特征与机理研究

以长三角城市群为研究区,基于时序多源遥感数据,通过均值标准差法对城市热岛等级进行分类,研究长三角城市群城市热岛时空分异特征,同时从下垫面属性、人为活动和植被覆盖等角度探索其城市热岛形成机制,可为缓解城市热岛效应提供一定参考。研究结果表明,长三角城市群2013—2018年城市热岛现象明显且呈增强趋势,其城市热岛空间分布呈现“M”型空间分布,具有较强的时空分异;浙江省和江苏省大部分城市的城市热岛较强,而安徽省大部分城市的城市热岛分布范围较小。长三角城市群的城市热岛与建成区空间分布表现出一致性,其热岛效应的增强与建成区和郊区林地面积的增长有关;长三角城市群的城市热岛与夜间灯光分布和植被覆盖空间分布均呈现空间一致性,城市热岛与夜间灯光强度成正比关系,与植被覆盖呈反比关系。     

基于卫星遥感影像的南昌市城市热岛效应研究

分析了城市热岛效应研究的关键技术,采用了地表发射率对亮度温度进行订正的方法,尽可能地消除地表覆盖等对地表温度反演的影响,利用1989和2000年的LandsatTM／ETM＋数据,实现了南昌市城区及其周边区域的城市热岛效应的评价。     

MODIS数据北京城区热岛监测分析

随着城市化进程的深入,热岛效应问题越来越严重,从而影响城市及周边地区的生态环境与气候,因此备受人们的重视。本文从2000年—2007年724幅1km分辨率的MODIS地表温度产品中选取64幅质量较好,可以代表春、夏、秋、冬四个季节的昼夜影像,制作地表温度图和选取感兴趣区域分析北京城区热岛效应。结果表明,北京市城区温度明显高于周围地区,夏季夜间最高达到3.7℃,秋季白天相对热岛强度较大,夏季、冬季夜间热岛强度要大于白天,尤其冬季较为明显。     

基于MODIS数据的上海市热岛效应的遥感研究

对2000,2005,2011年MODIS L1B数据,采用分裂窗算法定量反演了上海市地表温度,对上海市的热岛空间分布特征及规律,以及季节变化进行研究,分析了植被覆盖指数与地表温度之间的关系。研究结果表明,从2000年到2011年的11年间,上海高温区面积出现先增大后减小的过程。从高温区的四季分布来看,冬季高温区出现面积最小,而春夏高温区的面积最大,约占整个上海面积的一半。上海的春夏秋3季,植被指数与地面温度呈负相关关系,且相关系数大于0.6。因此可以通过增加绿化面积来减缓上海城市热岛效应。     

基于MODIS数据的湖北省地级以上城市城区地表温度变化分析

基于MODIS数据,以湖北省地级以上城市城区为研究对象,通过对湖北省13个地级以上城市城区边界矢量数据与地表温度因子进行套合处理,采用叠置分析方法对2000、2015、2017年湖北省地级以上城市城区的地表温度进行统计,并分析城镇化建设对城区地表温度产生的影响。     

基于MODIS数据的上海市热岛效应分析

采用上海市2006年的MODIS LST影像,通过地表温度生成四季的热场强度指数图,对上海市的热岛空间分布的季节变化进行研究.研究表明,上海市热岛强度和热岛范围在季节分布上以夏季最为强烈,春季次之,秋季和冬季热岛范围和强度明显弱于夏季和春季.再结合植被覆盖度(FCOVER),分析两者的空间关系,表明两者存在一定的负相关性.其结果对城市的绿地规划和缓解城市热岛效应具有一定的指导意义.     

基于MODIS数据的环北京地区土地资源监测研究

本文基于MODIS 16天合成的NDVI时间序列数据及其他辅助数据,首先用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,结合LST数据、DEM数据及降雨温度数据,利用模糊K-均值非监督分类法,进行环北京地区的土地覆盖分类,得到土地资源现状情况。然后利用变化矢量(CVA)分析方法对环北京地区的土地利用及植被覆盖的多年变化状况进行了分析。结果表明,MODIS数据能很好的应用于大范围的土地资源监测中,并能得到较好的结果。     

基于Landsat影像数据的城市热岛效应研究

以研究区2001、2009、2013和2018年Landsat影像数据为研究对象,对该地区的地表亮温进行反演计算,并在研究区范围内选取具有明显识别特征的伪不变特征点,且以2013年的亮温影像为参考基准建立回归分析模型,对多时相的地表亮温影像进行归一化处理,从而得到可进行对比分析的研究区地表相对温度,然后进行热岛强度等级...     

基于归一化植被指数的城市热岛效应分析

植被指数模型的应用领域已经愈加广泛,利用陆地地表温度反演与归一化植被指数在空间变化上具有相反趋势的特点,将归一化植被指数引入到城市热岛效应现象评价中。基于CBERS CCD遥感影像数据源,通过阈值划分及水体提取建立人工决策树,对城市热岛效应进行定量分析与总体评价,建立一定的评价指标,为城市的环境监测、管理及规划提供依据。     

基于MODIS数据的植被指数分析

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并进行了分类试验。     

基于MODIS地表温度产品的北京城市热岛（冷岛）强度分析

城市热岛是影响城市及其周边地区天气气候和空气质量的重要因素。利用2000-2005年MODIS（Moderate Resolution Imaging Spectroradiometer,中分辨率成像光谱仪）分裂窗算法反演得到的1km分辨率地表温度产品分析了北京的城市热岛效应,发现白天城市热岛强度具有明显的季节变化,夏季最大值可以达到10℃以上,冬季变为冷岛,即城市地表温度低于乡村,最低值可以达到-5℃;模拟结果表明冬季城市冷岛的存在主要是城市和乡村地表热特性（热惯量）的差异引起的。夜间热岛强度的季节变化较小,全年稳定在5℃左右。选择北京周边地区比较典型的乡村耕地、山区森林以及永定河流域来研究乡村的选择对热岛强度的影响。发现选择不同的邻近区域作为乡村时,不仅城市热岛（冷岛）强度有较大变化,而且热岛强度的季节变化情况也有较大差异。冬季白天北京城市冷岛增加了近地层的大气稳定度,可能会降低城市空气污染物的扩散能力,加剧了北京冬季的空气污染。     

基于Landsat TM数据的北京城市热岛研究

利用Landsat TM热红外波段数据,根据辐射传输方程反演得到北京地区地表温度,讨论了北京城市热岛现象及其与土地覆盖类型和植被指数的关系。结果显示,北京城区地表温度明显比郊区地表温度高。通过地表温度对比分析发现,城区平均地表温度比近郊区和远郊区地表温度分别高出4.5℃和9℃,城市热岛效应明显。城区不同地表覆盖类型的地表温度也有显著差异,城市地表温度与NDVI具有明显的负相关关系,城市地表植被覆盖度低是城市热岛出现的主要原因。     

基于TM遥感影像数据的乌鲁木齐热岛效应分析

近年来,随着城市的飞速发展,热岛效应也颇受人们重视。本文采用1990年和2010年的TM遥感影像,运用亮度温度计算和二分模型计算等方法, 并结合亮度温度数据得到了植被覆盖度对城市亮度温度的影响和土地利用对亮度温度的影响, 分析了造成乌鲁木齐市城市热岛空间分布的原因。结果显示, 热岛中心主要分布在城区人口密度大及工业区聚集的地方,植被和水体对减弱热岛效应起到一定作用。     

基于ETM数据的郑州市城市热岛研究

热岛效应是主导城市环境的要素之一,城市热岛效应研究对城市公共健康,空气质量等影响人居环境的诸多方面都具有重要意义。郑州市作为正处于快速城市化进程中的中等城市,有其广泛的代表性。本文采用ETM数据反演出郑州市地表温度,地表温度的空间分布表明热岛效应的存在,通过采样分析发现主城区温度比郊区温度高10.1℃,表明热岛效应比较明显。为了定量化的衡量城市热岛与地表覆盖的关系,本文还研究了地表温度和NDVI、地表温度和NDBI之间的相关关系,研究表明地表温度和NDVI具有较强的负相关关系,其负相关系数为0.606,与NDBI具有较强的正相关关系,其负相关系数达0.813 5。