半干旱区典型工业城市热岛时空分布及演变特征——以包头市为例

基于2000 年、2008 年和2015 年landsat5 TM影像和Landsat8 OLI影像,以单窗算法反演地表温度,研究包头市区近15 a 的城市热岛时空分布及演变特征,并对下垫面土地利用/覆盖类型、 NDVI 与城市热岛的关系进行了定量分析。研究结论表明：包头城市热岛15 a 来呈逐步扩展趋势,且主要集中于裸地区、工矿区、商业和人口密集区三类区域,空间演变趋势与城市扩张格局呈现出高度的一致性;城市热岛效应强度增强,但2008-2015 年以来,市中心区高温区面积比重大大降低;下垫面土地利用/覆盖类型是影响城市热岛空间分布的重要因子,地表温度呈现出裸地>工矿用地>建设用地>城市绿地>农用地>水体的规律;地表温度与 NDVI 呈现显著的负相关关系,即植被指数越高,城市的地表温度越低。     

基于MODIS数据的吉林省中部地表温度反演及空间分布研究

利用MODIS数据,采用劈窗算法,定量反演吉林省中部陆地表面温度;利用TM数据,通过目视解译获得研究区的土地利用状况,并结合地势图,研究吉林省中部农业区的地表温度空间分布特征以及地表温度与土地利用类型之间的关系。结果表明,研究区陆地表面温度南高北低,西高东低,符合该区域气候特征;由于地表土地类型热力性质的不同,不同土地利用类型的地表温度存在差异,地表温度最高的裸岩要比最低的湖泊高出26.6K;地表温度与海拔呈负相关关系,即随着海拔的升高,地表温度呈下降趋势,下降率为23.6°C/km;在植被覆盖区,地表温度与NDVI之间存在负相关性,且城市地表温度对植被覆盖度的敏感性要高于农田和林地;对于整个研究区土地利用空间结构,地表温度与NDVI表现为LST-NDVI梯形关系。     

基于MODIS数据的石羊河流域地表温度空间分布

地表温度是生态系统中极其重要的环境因子,中小尺度区域的热场空间分布对生态系统稳定性的研究以及干旱区流域的农业生产建设具有重要意义。利用MODIS数据,采用劈窗算法反演石羊河流域的陆地表面温度(LST),并计算植被指数(NDVI);利用TM影像,通过目视解译获得研究区的土地利用数据,结合DEM数据,采用GIS空间分析方法,分析LST的空间分布特征和LST与NDVI在不同土地利用类型之间的差异以及二者之间的定量关系。结果表明:研究区陆地表面温度北高南低,东高西低,整体上表现为由东北向西南逐渐降低的趋势;地表温度与海拔呈负线性相关,相关系数为-0.928;不同土地利用类型的地表温度存在差异,地表温度最高的未利用土地要比最低的林地高出16.42 K;对于单一土地利用类型,耕地、林地、草地、建设用地的地表温度与NDVI具有明显负相关;对于整个研究区土地利用空间结构,地表温度与NDVI表现为LST-NDVI梯形关系,反映了流域地表温度和植被覆盖之间的关系,由此看出绿色植被对调节区域气候温度的重要性。     

基于Landsat8的重庆主城区城市热岛效应研究

重庆作为长江上游重要的经济发展中心城市,随着城市化的加剧,城市热岛效应已引起了广泛关注。本文利用了2014年夏季Landsat8影像和劈窗算法,根据研究区夏季大气含水量高的特点,订正了大气透过率参数,实现了重庆主城区地表温度的遥感反演,并与卫星过境时间接近的4个气象站点的实测0 cm土壤温度对反演结果进行比较。基于遥感反演的地表温度结果分析了主城区城市热岛效应的空间分布格局及其与不同土地利用类型之间的关系。结果表明:(1)基于Landsat8影像和劈窗算法的遥感反演地表温度在重庆主城区是可行的,平均误差为1.1℃;(2)受不同土地利用和"两江四山夹三槽"特殊地形等因素的影响,重庆主城区的城市热岛强度呈现出显著的空间分布差异,较强热岛以上区域约占总面积的11.55%,其中,建设用地区域明显高于其他土地利用类型,约占总面积的9.11%,无热岛和弱热岛区域分别占总面积的62.66%和19.98%,主要为耕地和林地。     

河谷地形下兰州市城市热岛效应的时空演变研究

基于1999年和2010年的Landsat ETM+和TM影像,以单窗算法反演了兰州市地表温度,研究兰州市最近10 a的城市热岛时空分布以及演变特征。研究结果表明:兰州市城市热岛的空间分布与延展与城市建城区的扩展相一致,热岛范围不断扩大,次中温和中温区大面积减少,相应的次高温和高温区大面积增加,热岛强度明显增强;除了城市下垫面覆盖类型,黄河低温带亦逐渐成为影响城市热岛分布的重要因子。各土地利用类型的平均温度均有所升高,建设用地和未利用地温度最高,对热岛效应贡献最大,是城市热岛的主要贡献因子,绿地和水体能够很好的缓解热岛效应。地表温度和信息指数NDVI、MNDWI、NDBI、NDBaI在兰州市河谷空间格局上显著相关,存在很好的对应关系。     

基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例

在ENVI和GIS支持下,提出了基于Landsat 8遥感影像的地温反演劈窗算法,提取兰州市中心城区地表温度。利用FNEA和混合光谱分解法确定了兰州市中心城区的城市热岛中心、不透水面和植被盖度,分析了城市热岛空间分布格局以及地表温度与下垫面之间的关系。结果显示:基于Landsat 8数据地温反演的劈窗算法是可行的。兰州中心城区的高温区分布较集中,地表温度与植被呈较强的负相关,与不透水面呈不显著的正相关,与其他非光合物质呈正相关。     

基于多源遥感数据反演地表温度的单窗算法

利用单窗算法反演地表温度时,一景影像通常使用一个大气透过率。大气水汽含量空间异质性会导致像元尺度上大气透过率不同,从而给地表温度反演带来误差。该文通过从研究区MODIS数据中反演出大气水汽含量,经过配准、重采样之后获得该区域像元尺度的大气透过率,利用同时相TM数据,采用单窗算法反演地表温度。结果表明:基于多源遥感数据反演地表温度的单窗算法,由于减少了大气水汽含量空间异质性带来的地表温度反演误差,能够得到更为合理的地表温度。     

城市地表温度与NDVI空间相关性的尺度效应

城市地表温度与NDVI的空间相关性已被广泛研究,但是其尺度效应常常被忽略,给研究结果带来不确定性。本文以郑州市为例,基于四幅Landsat8影像,经辐射传导法反演地表温度(LST),运用半变异函数识别地表温度的空间相关性分析尺度,并结合空间相关指数Moran's I,从多尺度、多季节、多邻接范围3个方面对地表温度与植被覆盖的空间相关性的尺度效应进行了探讨,结果表明：①LST和NDVI的单变量空间自相关和双变量空间相关尺度均在300 m左右;②300 m相关尺度内,单变量空间自相关性存在显著尺度效应,相比之下双变量空间相关性尺度效应较为微弱;③LST和NDVI的单变量空间自相关性和双变量空间相关性尺度效应均表现出明显的季节差异;④随着邻接范围增大,LST和NDVI的空间自相关性减弱,尺度效应更明显。因此度量LST和NDVI的空间相关性要考虑时空尺度效应,本文研究结果有助于进一步认识LST和NDVI间空间相关性的尺度效应。     

基于Landsat TM/ETM+遥感数据的福州热环境研究

以福建省福州市为研究区,使用1994年5月12日Landsat TM、2002年3月7日Landsat ETM+和2009年3月10日Landsat TM数据,采用普适性单通道算法对研究区进行地表温度反演算,反演得出福州地面温度的分布情况,并根据研究结果对福州市热环境空间分布格局及动态演变过程进行监测分析.研究结果表明...     

基于ETM+影像的土地覆盖类型与地表温度相关性研究

以福建省福州市为研究区域,通过Landsat 7 ETM+影像热红外波段反演地表温度,研究土地覆盖类型对地表温度的影响.用6S模型软件对2001年3月4日Landsat 7 ETM+影像进行辐射校正,从遥感影像上反演地表的真实温度.用监督分类方法对多光谱合成影像进行土地覆盖类型划分,得到林地、居民地、水域、沙滩以及其他用地分布图.把地表温度图和土地覆盖图进行空间叠加,按土地覆盖类型对温度值进行统计特征分析,得出5种土地覆盖类型温度排序,从高到低依次为沙滩、居民地、其他用地、林地、水域,其中温度最高的沙滩达23℃,温度最低的水域仅14℃,居民地和其他用地的温度在19℃左右.沙滩因早晨增温比较快,表现出较高的温度;温度第二高的居民地,表现为较明显的城市热岛现象.     

城市地表温度对土地利用/覆被变化响应的遥感研究——以乌鲁木齐为例

 快速的城市化对城市环境产生显著的影响,基于遥感定量研究地表温度对土地利用/覆被变化（LUCC）的响应,来评估快速城市化对环境的影响,是一种快速、有效的途径。以干旱区典型绿洲型城市——乌鲁木齐为例,将遥感与地理信息系统相结合,利用1990年和2009年两期陆地卫星影像为基础数据进行土地利用/覆被分类,并基于单窗算法定量反演同期的地表温度,从而对快速城市化进程中的土地利用/覆被类型动态变化的空间特征及地表温度对快速城市化的响应情况进行了定量研究。结果显示,在近20 a间,乌鲁木齐城市迅速扩张,土地利用/覆被类型变化显著,城市建设用地增长率高达44.73%;同时城市的快速发展使地表温度提高了近6 ℃。研究表明,温度变化格局,尤其是增温区的空间分布与城市扩张的空间格局基本一致,说明地表温度对城市的土地利用/覆被变化产生了显著的响应。     

北京城市热岛环境时空变化规律研究

借助北京地区1997年、2004年的Landsat TM热红外图像,在RS和GIS技术的支持下,利用大 气探空数据对图像进行大气校正,采用单窗算法反演得到北京市区和周围地区的地表温度分 布图,地面验证表明单窗算法反演地表温度具有较高的精度.研究发现,北京市存在明显的 城市热岛效应;不同下垫面所对应的地表温度有明显差异,总体上城区地面温度明显高于郊 区,水体温度最低;随着城市规模的扩张,北京市的城市热岛效应有逐年增强的趋势,且人为因素对城市热岛的贡献逐渐加大.     

地表参数反演及城市热岛时空演变分析

采用TES算法实现了ASTER地表温度的反演,在对发射率估算方法改进基础上,利用单窗算法反演1989年TM地表温度。结合C地形校正,利用线性光谱模型提取植被覆盖度与城市不透水面密度,利用反射率提取NDVI。从多方面对城市热岛时空演变进行综合研究,研究表明,与等间距法相比,均值-标准差法可以较合理地刻画地表热场的分布,一定程度上可以避开不同时相的差异。最后时空对比及空间统计学分析显示,1989~2004年间福州市城市热岛面积、热岛强度都有所增加,城市热岛总体趋势为西北-东南走向,并逐渐向北-南方向偏移,而且城市热岛重心向东南方向偏移。     

渭库绿洲土地利用/覆被变化对地表温度的影响

本文以Landsat TM/ETM+图像为主要的数据源,提取了土地利用/覆被信息,利用单窗算法反演了地表温度,结合渭库绿洲近几年的土地利用/覆被变化研究成果,分析了2001~2013年间渭库绿洲土地利用/覆被变化及其对地表温度的影响,同时利用像元分解模型得出绿洲植被覆盖度,并分析了其与地表温度的关系。结果表明:在2001~2013年的12年期间,渭库绿洲耕地的面积增加了1588.83 km~2。水体、盐渍地、林地与其他土地类型的面积减少了2811.47 km~2,绿洲地表温度升高了8.4℃。植被覆盖度与地表温度呈明显的负相关关系。渭库绿洲土地利用/覆被变化改变了该区域的植被覆盖度和地表温度的空间分布特征,总体上研究区地表温度的空间分布与土地利用/覆被的空间变化格局存在明显的一致性。本文为渭库绿洲生态环境规划、农业生产、经济可持续发展等提供了一定的参考依据。     

基于Landsat TM/ETM+遥感数据的福州热环境研究

以福建省福州市为研究区,使用1994年5月12日Landsat TM、2002年3月7日LandsatETM+和2009年3月10日Landsat TM数据,采用普适性单通道算法对研究区进行地表温度反演算,反演得出福州地面温度的分布情况,并根据研究结果对福州市热环境空间分布格局及动态演变过程进行监测分析.研究结果表明:福州市存在明显的城市热岛现象,不同时相遥感数据反演得到的福州市地表温度的空间分布趋势基本一致;城区地表温度明显高于郊区,水体温度最低.1994年福州市热岛中心分布范围较小;1994—2002年间福州市高温区域明显增加,主要分布在城区建筑物比较密集的区域和裸地区域;2002—2009年间高温区增加得比较缓慢,同1994年和2002年相比,2009年城区范围内大面积高温区减少且分布比较破碎.     

一种基于TVDI模型的煤田温度异常区面积提取方法研究北大核心CSCD

选用Landsat 8资料构建了地表温度(Ts)与归一化植被指数(NDVI)的Ts-NDVI特征空间,计算了温度植被干旱指数(TVDI)。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明:(1)利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R~2=0.66,表明干旱指数的反演精度较高,相关性较好。(2)TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1线上,对NDVI的敏感性较低,有利于识别温度异常区。(3)利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km~2,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW_2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

一种基于TVDI模型的煤田温度异常区面积提取方法研究

选用Landsat 8 资料构建了地表温度（Ts）与归一化植被指数（NDVI）的Ts-NDVI特征空间,计算了温度植被干旱指数（TVDI）。利用MODIS温度产品数据和实地野外采样数据进行精度验证确定煤田火区TVDI阈值。通过对遥感影像的地表热异常信息进行定性与定量分析继而对煤田温度异常区边界信息进行挖掘。结果表明：（1）利用野外实测土壤相对含水量进行验证,反演值与实测值的相关系数R²=0.66,表明干旱指数的反演精度较高,相关性较好。（2）TVDI模型对温度呈现出较高的敏感性,二维散点图集中在1∶1 线上,对NDVI的敏感性较低,有利于识别温度异常区。（3）利用MVC最大合成法,建立TVDI-MVC作为精度验证数据,火区面积为5.03 km²,其中TVDI-SC提取火区精度最大为98.50%,TVDI-SW2提取火区精度最小为88.98%。可见煤田温度异常区范围较广,潜在的灾情恶化较严重。     

沙尘源区AVHRR数据地表温度时序变化与沙尘干量TSP数据的对比分析——以2001年春季北方强沙尘过程为例

根据沙尘暴起沙、传输与降沉模型系统对参数的需求，中日亚洲沙尘暴项目在源区、传输区和降沉区布设了先进的仪器设备，其中沙尘干量TSP数据是主要获取的数据，同时利用气象卫星获取沙尘过程的云图和反演沙尘过程的地表物理参数。由于不同土地利用／覆盖对沙尘暴过程中起沙的贡献不一样，研究中用局地分裂窗算法反演NOAA／AVHRR热红外波段数据的地面温度参数；取得大范围的时序地面温度数据后参照1：10万土地利用／覆盖类型重采样图层选点提取地表温度，形成不同点时间序列变化曲线；最后将不同地类的地表温度时序变化曲线与观测点沙尘干量TSP时序变化曲线对比分析，发现两者具有较好的对应关系，说明沙尘暴过程地表温度变化现象与沙尘有密切的关系。结果表明，利用遥感数据反演地面温度参数可以作为沙尘预报模型的重要参数。     

基于地理探测器下的川西高原地表温度空间格局及影响因子分析——以西昌市为例

以西昌市为例,选取2010年和2015年 Landsat系列遥感影像,在“3S”技术的支持下,采用监督分类中的最大似然法,并结合Google Earth高分辨率影像和GPS野外实地验证数据获取西昌市2010年和2015年土地利用信息;再利用大气校正法反演获得西昌市2010年和2015年地表温度,并对反演结果中的高温异常区进行实地调研验证;最后,采用地理探测器定量分析了坡度、总辐射、坡向、海拔、年均降水量、年均气温、植被类型、土壤类型以及土地利用类型9个影响因子对地表温度影响的解释力。结果表明：（1）地表温度空间分布存在显著差异。（2）影响因子对地表温度的影响存在差异,其中海拔和年均气温对地表温度的影响较大,而总辐射影响最小。（3）不存在单一因素或是单一性质的因素影响地表温度。不同影响因子之间存在交互作用,对地表温度的影响是相互增强或非线性增强的。（4）部分影响因子对地表温度具有显著性差异影响,并且地表温度均值最大时,对应着影响因子不同的范围或类型。     

基于Landsat8与GEOEYE-1数据融合的天山北坡县域蒸散量计算——以呼图壁县为例

基于Landsat 8与GEOEYE-1遥感数据,使用多尺度遥感方法,以新疆呼图壁县为例,利用SEBS模型计算天山北坡县域蒸散量,服务小流域和县域为管理单元的最严格水资源管理。针对军塘湖河流域耕地、呼图壁河流域耕地和北部荒漠-绿洲过渡带,应用2 m分辨率GEOEYE-1影像计算得NDVI和基于NDVI-T_R法模拟的地表温度。将获得的地表温度和NDVI作为SEBS模型的重要参数计算地表蒸散量,采用自制小型蒸渗仪观测数据对估算结果进行评估。结果表明:在使用中分辨率影像Landsat 8估算地表蒸散量过程中加入GEOEYE-1反演的个别参数,大部分估算结果更加接近自制微型蒸渗仪测定值,估算绝对误差最大值出现在裸地,为28.5%,远低于使用Landsat 8影像的54.8%,说明高分影像的参与有助于提高模型估算效率。