城市建筑材质—地表温度关系的多源遥感研究

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
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。

DOI ：10.15913/ki.kjycx.2024.07.005基于Landsat8数据的地表温度反演分析研究——以南宁市城区为例＊苏相琴1，张 迅2，黄禧亮1，潘泳羽3（1.广西开放大学（广西信息职业技术学院），广西 南宁 530022；2.广西壮族自治区自然资源遥感院，广西 南宁 530000；3.广西壮族自治区环境保护科学研究院，广西 南宁 530000）摘 要：地表温度是评估城市热环境的重要指标之一，能够反映城市热岛效应的程度和空间分布。

以南宁市城区为研究对象，利用Landsat8卫星遥感数据，通过热红外辐射到同温黑体辐射定标，从而获得城市地表温度分布图，快速分析南宁市的地表温度差异。

结合南宁市城区的不同土地利用覆被结果，通过横向对比分析，揭示出南宁市各城区地表温度的分布特点，评估城市热岛效应的程度，为城市热环境研究和城市规划提供重要参考。

关键词：Landsat8遥感影像；NDVI ；DEM ；地表温度中图分类号：TP79 文献标志码：A 文章编号：2095-6835（2024）07-0021-04——————————————————————————＊［基金项目］2021年度广西高校中青年教师科研基础能力提升项目“基于RSEI 模型的生态环境质量动态监测与评估研究”（编号：2021KY1922）城镇化的推进引发了越来越多的生态问题，例如大气污染、水源污染、能源污染等，特别是城市气候特征中的“热岛效应”，逐渐受到人们的广泛关注。

地表温度（LST ）是衡量地球表面自然生态环境的重要物理指标[1]，是地球系统水量和能量平衡的重要因素，在全球气候变化、监测和灾害预防、天气预报、城市建设等领域有着重大意义[2-4]。

因此，获取精确的地表温度对于城市建设和生态保护都有极其重要的意义。

随着科学技术的快速发展，遥感数据在地表温度反演中的应用变得越来越普遍，热红外波段也是进行地表温度反演的重要研究对象[5]。

2024 / 1 47联合GEE 与多源遥感数据的土地利用分类研究作者简介：黄仲（1990—），男，汉族，本科，工程师，研究方向：水利工程测绘、三维激光扫描、无人机航测。

黄仲（江西省赣西土木工程勘测设计院，江西 宜春 336000）摘　要：基于随机森林算法（Random Forest，RF）和Google Earth Engine（GEE）云平台，探索时间序列的Sentinel-1合成孔径雷达（Synthetic Aperture Radar，SAR）数据后向散射系数对大范围土地分类的效果，并融合Sentinel-1、Sentinel-2主被动遥感数据，探究利用JM 距离寻找最优特征的可行性，对比分析了融合数据后向散射系数、光谱特征、植被指数特征与纹理特征等不同组合对土地分类精度的改善情况。

结果表明：在地形复杂和雨量丰富的江西赣州地区，单使用时序SAR 数据对土地利用分类的总体精度达到85.02%，Kappa 系数为0.79。

融合主被动Sentinel 数据的分类精度最高，总体精度达到94.96%，Kappa 系数为0.93。

但SAR 数据相对光学数据和主被动融合数据，在光学数据云雾覆盖区域可进行土地分类研究。

本研究采用的方法和平台，能准确、高效地进行土地利用分类工作，具有很好的推广价值。

关键词：Google Earth Engine；多时相融合；JM 距离；随机森林；土地利用分类1 引言有效、快速地获取土地覆被信息对于土地资源监测、土地资源统一规划、农业快速发展、水资源合理配置具有重要意义。

土地目标对象的提取和分类是土地要素变化的基本内容，为土地覆被变化提供了数据依据。

过去，人们通过实地调查和汇总统计了解覆盖信息，既费时又费力。

遥感技术目前用于地面的实时监测，影像信息时效性好，可实现大规模土地利用的实时监测，显著提高土地资源信息获取效率。

随着遥感技术的日渐成熟，高精度的土地分类成果已成为趋势，通常会通过时间序列的多期影像方法来提高土地分类精度。

利用遥感技术进行地表温度监测与分析遥感技术是指通过航空器、卫星等遥感平台对地球表面进行观测和测绘的技术手段。

地表温度是指地球表面各种物体和陆地、水体等的表面温度。

利用遥感技术进行地表温度监测与分析，可以提供全球范围内的温度信息，为气候变化、环境保护和天气预报等领域提供重要依据。

一、遥感技术在地表温度监测中的应用1. 热红外遥感技术热红外遥感技术可以通过探测地表物体的热辐射能量来获取地表温度信息。

利用遥感平台上的热红外传感器，可以测量地表不同物体的热辐射能量，并通过数据处理得到地表温度分布。

这种技术具有高时空分辨率、全天候观测等特点，适用于大范围的地表温度监测。

2. 微波遥感技术微波遥感技术可以通过测量微波辐射的强度和频率来获取地表温度信息。

微波辐射能够穿透大气层，并对地表进行探测，不受云雾和大气湿度的影响。

因此，利用微波遥感技术可以获取全天候的地表温度数据。

此外，微波遥感技术在海洋温度监测和冰雪覆盖监测等领域也具有广泛的应用。

二、地表温度监测与分析的意义1. 环境保护地表温度的变化对生态环境具有重要影响。

通过监测和分析地表温度的变化，可以及时发现环境问题，进而采取相应的措施进行环境保护。

例如，监测城市热岛效应，可以指导城市规划和建设，减少城市热岛效应的影响。

2. 气候变化研究地表温度是气候系统的重要组成部分，直接反映了气候变化的趋势。

通过长期的地表温度监测，可以分析气候变化的规律和趋势，为气候预测和气候变化研究提供重要参考数据。

同时，地表温度数据也是监测全球变暖和气候变化影响的重要指标。

三、遥感技术在地表温度监测与分析中的挑战与展望1. 数据精度和精确性地表温度监测需要高精度的遥感数据支持，但由于大气吸收、散射等因素的影响，遥感数据在获取地表温度时可能存在一定的偏差。

因此，提高数据精度和精确性是当前研究的重点和挑战之一。

2. 遥感数据的获取与处理遥感数据的获取和处理是进行地表温度监测与分析的基础。

利用遥感数据进行地表温度监测与分析近年来，随着遥感技术的发展和应用的广泛，利用遥感数据进行地表温度监测与分析已成为地球科学和环境保护的重要研究领域。

地表温度是指地球表面的温度，其分布和变化对气候变化、城市规划、水资源管理以及生态环境等方面都具有重要影响。

本文将探讨利用遥感数据进行地表温度监测与分析的方法和应用。

1. 遥感数据的获取和处理遥感数据是利用卫星、飞机等远距离的感应器获取地球表面信息的一种技术。

常用的遥感数据包括热红外数据和微波数据，其中热红外数据对地表温度的获取具有较高的精度和时空分辨率。

这些数据通过遥感卫星获取后，需要经过一系列的预处理和图像处理，例如大气校正、辐射率校正和地表温度计算等，以得到准确的地表温度数据。

2. 地表温度监测的方法利用遥感数据进行地表温度监测主要有两种方法：单像元和多像元方法。

单像元方法通过统计遥感数据中的像元值，得到每个像元的地表温度。

这种方法适用于研究小尺度的地表温度变化，如城市热岛效应等。

多像元方法则是利用遥感数据的空间分布特征，通过统计和推算的方法得到大范围的地表温度分布，适用于研究大尺度的地表温度变化，如气候变化和环境保护等。

3. 地表温度变化的影响因素地表温度的变化受多种因素的影响。

首先，地球表面的地理位置和地形高度会导致地表温度的空间分布不均匀。

高纬度地区因为受到极地冷气团的影响，温度较低；而赤道地区因为受到太阳直射辐射的影响，温度较高。

其次，地表特征，如植被覆盖率、土地利用类型等也会对地表温度产生影响。

植被覆盖率高的区域，温度较低，而水域的温度相对较低。

4. 地表温度监测的应用地表温度的监测和分析对于气候变化、城市规划、水资源管理等具有重要的应用价值。

首先，地表温度的变化可以反映气候变化的趋势，有助于气候模型的建立和预测。

其次，地表温度的空间分布可以反映城市热岛效应的存在和发展，为城市规划提供科学依据。

另外，地表温度的变化对水资源管理也起到重要作用，可以指导水资源的合理利用和保护。

遥感影像在城市热岛效应研究中的应用在当今城市化进程迅速推进的时代，城市热岛效应成为了一个备受关注的环境问题。

它不仅影响着城市居民的生活质量，还对生态平衡和可持续发展构成了威胁。

而遥感影像技术的出现，为我们深入研究城市热岛效应提供了强大的工具和丰富的数据支持。

遥感影像，简单来说，就是通过卫星、飞机等平台搭载的传感器获取的地球表面的图像信息。

这些影像包含了丰富的地物特征和物理参数，如地表温度、植被覆盖度、土地利用类型等，对于研究城市热岛效应具有重要的价值。

首先，遥感影像能够准确地获取地表温度信息。

地表温度是衡量城市热岛效应强度的关键指标之一。

通过热红外遥感技术，我们可以获取大范围、高分辨率的地表温度分布图像。

这些图像能够清晰地显示出城市中高温区域和低温区域的分布情况，帮助我们直观地了解城市热岛的空间格局。

例如，在城市中心商业区、工业区等地往往会形成明显的高温区，而公园、绿地等则相对温度较低。

其次，遥感影像可以用于分析城市的土地利用类型和城市空间结构。

不同的土地利用类型，如建设用地、耕地、林地等，对热量的吸收和释放能力存在差异。

通过对遥感影像的解译和分类，我们可以了解城市中各类土地利用的分布情况，进而分析其与城市热岛效应的关系。

一般来说，建设用地比例较高的区域，热岛效应往往更为显著。

此外，城市的空间布局，如道路密度、建筑密度和高度等，也会影响热量的扩散和聚集。

遥感影像能够为我们提供这些空间结构信息，有助于深入探究城市热岛效应的形成机制。

再者，遥感影像有助于监测城市植被覆盖度的变化。

植被具有良好的降温作用，能够通过蒸腾作用吸收热量，增加空气湿度，从而缓解城市热岛效应。

通过遥感影像中的植被指数，如归一化植被指数（NDVI），我们可以定量地评估城市植被的覆盖状况。

长期的遥感监测数据可以帮助我们了解城市植被的动态变化，为城市规划和绿化建设提供科学依据。

另外，遥感影像还能够用于评估城市热岛效应的季节和年际变化。

多源遥感信息融合技术及多源信息在地学中的应用研究一、本文概述本文主要研究多源遥感信息融合技术及其在地学中的应用。

多源遥感信息融合技术是一种将来自不同传感器或不同平台的遥感数据进行综合处理和分析的技术，旨在提高遥感数据的利用效率和解译精度。

该技术的研究已经成为遥感领域的一个重要方向。

本文首先对多源遥感信息融合技术进行了概述，介绍了其目的、意义以及国内外的研究现状。

详细阐述了多源遥感信息融合的理论基础，包括融合的概念、层次、模型和结构等。

接着，讨论了多源遥感影像像素级融合技术，包括融合过程、特点及其应用。

本文还探讨了基于不同理论的多源遥感信息融合方法，如Bayes融合法、DempsterShafer证据理论和改进的BP神经网络等。

在地学应用方面，本文研究了遥感技术为地学应用提供的数据来源和探索方式。

通过对遥感地学分析的基本思想进行研究，论述了遥感信息在地学中的应用，并结合实际案例进行了分析和讨论。

本文旨在为多源遥感信息融合技术的研究和应用提供理论和实践指导，以促进遥感技术在地学领域的进一步发展和应用。

二、多源遥感信息融合技术基础多源遥感信息融合技术是指将来自不同传感器、不同平台、不同时间和不同空间分辨率的遥感数据进行集成和综合分析，以获得更全面、更准确的地学信息。

该技术已取得显著进展，主要特点包括：数据来源广泛：随着航天技术的发展，遥感数据的获取平台和传感器类型日益丰富，包括光学传感器、雷达传感器、激光传感器等。

数据分辨率提高：遥感数据的分辨率不断提高，从早期的米级、公里级发展到亚米级、厘米级，甚至毫米级，提高了数据的细节信息含量。

数据融合技术成熟：多源遥感数据融合技术包括图像配准、图像增强、特征提取、分类识别等，实现了多源数据的有效集成和利用。

数据量大：遥感数据的体量庞大，处理和存储这些数据对计算资源和存储空间提出了挑战。

数据异质性强：多源遥感数据具有不同的传感器类型、分辨率和波段范围，导致数据异质性强，融合难度增大。

利用多源数据进行城市热岛效应分析的方法与实践随着城市化进程的加速，城市热岛效应已经成为一个全球性的环境问题。

城市热岛效应指的是城市中心区域温度较周边地区高的现象，这主要是由于城市地表热容小、热传导系数高以及大量建筑和人口活动排放产热等因素引起的。

对城市热岛效应进行准确的分析和预测，可以为城市规划、能源利用以及环境保护等方面提供科学依据。

利用多源数据进行城市热岛效应分析成为近年来的一个研究热点，本文将从数据收集、数据预处理、热岛指标计算以及实例分析等方面来介绍这一方法的具体步骤和应用。

首先，数据收集是进行城市热岛效应分析的基础。

在多源数据的应用中，我们可以从多方面获取城市的相关数据，如卫星遥感数据、气象观测数据、建筑结构与规模数据等。

卫星遥感数据是获取城市地表温度等重要参数的主要途径之一，可以通过遥感影像和热红外传感器等手段获取城市地表温度、地表植被覆盖度和开阔水域的比例等信息。

气象观测数据则可以提供城市的气温、湿度、风速等气象要素。

此外，建筑结构与规模数据也是城市热岛效应分析的重要数据来源，如建筑物高度、建筑密度、道路宽度等信息都可以通过市政和土地管理机构等部门获取。

在数据收集之后，我们需要进行数据预处理。

这一步主要包括数据格式转换、数据配准和数据融合等操作。

由于多源数据的不同特点，数据格式往往存在差异，因此需要将其进行转换成一致的格式。

而数据配准主要是将不同数据源的坐标系进行统一，以使不同数据能够进行有效的比较和分析。

最后，数据融合是将不同数据源的信息进行整合，以提高分析结果的准确性和可信度。

融合的方法有很多，如像元级、特征级和决策级等。

接下来，我们需要计算热岛指标。

热岛指标是衡量城市热岛效应程度的重要参数，常用的热岛指标有城市热岛强度、城市热岛距离和城市热岛时间等。

城市热岛强度是指城市中心区域的地表温度与周边地区的均值之差，通常使用遥感数据和地面观测数据计算。

城市热岛距离是指地表温度高于周边地区的范围，可以通过遥感数据和地面观测数据统计分析得出。

遥感技术在城市热岛效应研究中的应用与案例分析遥感技术是一种以无需直接接触物体的方式获取目标物体信息的技术，它通过接收、记录和解释从航空器、卫星、无人机等载体所获取的电磁辐射能量，获得地表和大气的信息。

城市热岛效应是指城市地区相对于周边农村地区在夜间或冬季等特定条件下产生的热量积聚现象。

本文将探讨遥感技术在城市热岛效应研究中的应用，并通过案例分析来进一步说明其价值和优势。

一、遥感技术在城市热岛效应研究中的应用城市热岛效应的形成与城市化进程密切相关，通过遥感技术可以全方位、全天候地获取城市地区的地表温度、植被覆盖、建筑结构等信息，从而为城市热岛效应的研究提供重要的数据支持。

具体而言，遥感技术在城市热岛效应研究中的应用主要包括以下几个方面：1. 地表温度监测：通过遥感技术获取城市地表温度的空间分布信息，可以帮助研究人员分析城市热岛效应的形成机制和影响因素。

通过对不同季节、不同时间段的地表温度变化进行监测分析，可以揭示城市发展对热岛效应的影响程度。

2. 植被覆盖分析：城市中的建筑和人工地表热导率较高，热储量大，容易导致热岛效应加剧。

而植被覆盖能够减少太阳辐射直接作用于地表，从而降低地表温度。

通过遥感技术获取植被覆盖的信息，可以定量评估城市热岛效应与植被覆盖之间的关系，并为城市规划和生态环境改善提供科学依据。

3. 建筑结构监测：城市中建筑物密度高、材料吸热性能不同，对热岛效应影响较大。

遥感技术可以获取城市地区建筑结构的信息，包括建筑物高度、形状、材料等，以及城市中的热点区域分布情况。

这些数据有助于研究人员分析建筑结构对热岛效应的影响机理，为城市规划和建筑设计提供指导。

4. 空气质量研究：城市热岛效应与空气污染之间存在着密切的关系。

遥感技术可以获得城市大气中臭氧、颗粒物等污染物的分布情况，同时结合地表温度、植被覆盖等信息，可以揭示城市热岛效应对空气质量的影响，并为城市环境管理提供科学依据。

二、遥感技术在城市热岛效应研究中的案例分析为了更好地说明遥感技术在城市热岛效应研究中的应用价值，以下将介绍一个具体的案例分析。