基于ASTER遥感的杭州城市热/冷岛的景观特征分析

以杭州市中心城区为研究对象,基于ASTER热红外遥感数据反演杭州市中心城区地表温度、提取热环境边界,结合Landsat8OLI数据进行土地利用分类来提取不透水面和植被信息。在此基础上主要进行以下两方面研究:通过均值—标准差法提取杭州市热岛和冷岛边界,对比分析热岛和冷岛区内的景观模式差异,识别对杭州市中心城区地表温度影响最大的地物;使用空间梯度分析法来定量揭示杭州市地表温度与植被、不透水面的关系,并分析杭州市地表温度的空间分布特征。结果表明:(1)热岛和冷岛区域内存在较大的景观模式差异,热岛区域内不透水面对温度变化影响最大,而冷岛区域内植被对杭州市中心城区地表温度影响最为明显,且降温效果大于水体;(2)随着与市中心距离的增加,地表温度平均值与不透水面密度趋势线走向基本一致(正相关),与植被密度趋势线走向大致相反(负相关),且不透水面对地表温度的增温效应大于植被的冷却效应。     

成都市地表温度对不透水面的响应研究

根据成都三环路内的Landsat 7/ETM+影像,利用单窗算法和不透水面与植被覆盖度在城市建成区呈负相关关系两种反演方法,通过空间建模建立反演模型,获取地表温度与不透水面信息。通过随机样点分析、相关性分析以及等温线与等透水面线叠加分析等方法,研究了城市地表温度对不透水面的响应效果。结果表明:地表温度随距市中心区距离增大而降低,同时不透水能力也降低;成都市地表温度与不透水面之间存在着正相关关系,相关度为0.7253;等透水面线的空间分布对等温线具有显著的响应规律。研究成果对于改善城市生态环境、提升土地利用水平和加强科学规划等都具有参考价值。     

超大城市地表特征参数估算及其对城市热环境的影响研究

近年来超大城市的下垫面环境发生了显著变化,并对区域生态系统造成了明显的影响。因此有必要定量化下垫面特征参数并研究它们之间的相互关系对城市热环境的影响。以北京市为例,采用2009年6月2日Landsat\|5 TM卫星影像提取城市不透水层百分比、地表温度、土地利用/土地覆盖和植被指数这些典型地表特征参数,并分析它们之间的定量关系。研究结果表明:随着城市化进程加快,北京市高不透水面扩展到六环,六环以内地表温度保持在40 ℃以上,特别是商业区等特高不透水面区域地表温度甚至高达45 ℃,处于城市高温区域,六环以内区域平均温度波动幅度不大。另外,森林和农业用地的降温作用明显,最高降温幅度达到6 ℃,而且夏季裸土地表温度接近高密度居民区地表温度。     

中小城市地表温度变化与下垫面关系

针对中小城市地表温度变化与下垫面的关系问题,以合肥市城区和六安市金安区为例,基于Landsat-8热红外卫星影像数据,采用大气校正法反演研究区地表温度。对其进行归一化处理后,利用密度分割技术分析研究区城市热场空间格局,以城市热岛比例指数评价了研究区热岛效应,得到热岛效应强度分布情况,并结合地理国情数据,采用数理统计和空间统计相结合的方法,在水体、植被、不透水面3种不同下垫地表覆盖面积比例与地表温度之间建立关联,进而得出城市下垫面布局对热环境的贡献。结果发现,对于中小城市而言,在城市发展的进程中,若能保持区域内植被覆盖面积高占比,即使不透水面的面积占比有所增加,人类活动区域加大,也不一定会导致城市热岛现象的加剧。     

加尔各答市地表温度与不透水面比例季相相关性研究

城市化的显著特征是自然地表不断被热容量大的不透水面取代,进而造成城市热岛效应和严重的城市生态问题。孟中印缅经济走廊是古代南方丝绸之路的重要路段和“一带一路”建设的重要战略通道,加尔各答市是孟中印缅经济走廊印度境内的重要节点城市,战略地位重要,对其城市化进程及与地表温度相关性研究对孟中印缅经济走廊印度段建设具有重要的借鉴意义。传统地表温度与不透水面的相关性研究主要以年为时间尺度,较少关注城市不同季相地表温度与不透水面的相关性及其差异。以热带季风气候的季相区分为依据,基于旱季、雨季和凉季3个季相的Landsat 8影像反演了加尔各答市地表温度和不透水面比例,定量研究两者的关系,探讨了地表温度与不透水面比例的季相相关性。结果表明：①研究区内,低温和高温空间分布相对比较集中,高温区域集中在建成区,而低温主要分布在茂密植被覆盖区和水体区域;②加尔各答市从旱季到雨季再到凉季热岛效应程度总体呈下降趋势,旱季时城市热岛效应最强,凉季时城市热岛效应最弱;③每个季相,地表温度与不透水面比例都呈正相关,地表温度随着不透水面比例增加均呈现先快速上升,后缓慢增加,最后急剧增加的趋势,其中旱季时地表温度增长最快,雨季时地表温度增长次之,凉季时地表温度增长最慢。加尔各答市热环境研究将对孟中印缅经济走廊印度段城市热环境背景及生态效应认知等方面产生积极意义。     

不同地表参数变化的上海市热岛效应时空分析

研究地表参数变化与热岛效应的关系对优化城市功能分区以及城市可持续发展具有重要意义。采用上海市2000、2005、2009年3个时期的Landsat ETM+卫星遥感影像,使用归一化不透水面指数(NDISI)、基于指数的植被指数(IVI)、归一化差异水体指数(MNDWI)分别从遥感影像中提取不透水面、植被和水体;然后从时间、空间角度并采用回归分析方法分析了上海市地表参数在这9 a中发生的变化及其对城市热环境造成的影响。结果表明:9 a中城市不透水面面积大幅增加,不透水面增加的代价是植被和水体大范围减少,形成了城市的热岛。上海市整体热岛强度是先增强后缓慢减弱的趋势,且热岛分布从集中型向分散型发展。     

基于混合光谱分解的兰州城市热岛与下垫面空间关系分析

利用Landsat ETM+数据,采用混合像元线性光谱分解方法提取的城市植被覆盖度与不透水面表征城市下垫面,通过单窗算法反演地表真实温度,对兰州市中心城区的夏季城市热岛强度与城市下垫面的空间分布关系进行相关分析。结果显示,利用中等分辨率ETM+影像对兰州中心城区不透水面和植被盖度分布提取,其成本较低,精度令人满意;兰州城区植被覆盖、不透水面与热岛强度的分布呈空间正自相关,地表温度的空间依赖性极强,与植被盖度和不透水面在空间方向上的相关性差异较大。     

融合WorldView-2与机载激光雷达数据估算城市不透水面

针对高空间分辨率遥感影像进行城市不透水面提取时存在的同物异谱、异物同谱及阴影等局限性,提出一种基于WorldView-2高分影像与机载激光雷达数据融合的分层分类估算城市不透水面的方法。该方法首先运用基于雾霾与比值(haze-and-ratio-based,HR)的融合算法对WorldView-2多光谱波段与全色波段进行数据融合;然后依据LiDAR归一化数字表面模型(normalization digital surface model,nDSM)高度阈值分为地面物体与非地面物体,运用像元尺度上分层支持向量机分类算法进行城市不透水面百分比估算;最后结合特征阈值和GIS空间分析法探测阴影区域不透水面。研究结果表明,与传统的高分影像提取城市不透水面方法相比,该方法可以明显改善材质复杂的建筑物屋顶提取不完整,以及高亮裸土与高反照度屋顶相互混淆的现象,并通过阴影校正可以较好地区分阴影区域的植被与不透水面信息,进而提高城市不透水面估算精度。     

1992~2013我国干旱区城市不透水遥感制图与扩张过程分析

城市不透水地表作为城市建成区的重要环境指标和物理参数,在城市管理规划、环境评估、灾害预测、城市热岛以及气候变化等领域具有重要价值。及时准确地获取区域尺度城市不透水地表信息,对于城市发展综合规划、科学研究等具有重要意义。以DMSP（Defense Meteorological Satellite Program）和MODIS（Moderate Resolution Imaging Spectroradiometer）为主要数据,通过构建植被调节型不透水指数（Vegetation-Adjusted Impervious Surface Index, VAISI）和非线性机器学习模型支持向量回归（Support Vector Regression, SVR）,完成了1992~2013年我国干旱区主要城市不透水面的22期遥感制图与变化过程聚类分析。研究结果表明：近20 a来我国干旱区城市不透水面总体上扩张幅度较大;时间变化过程上呈现显著扩张的趋势,且这一扩张在过程在2000年前后出现了提速;空间上,干旱区城市扩展的区域异质性显著,各城市不透水面扩张速度不均衡,不同等级规模城市扩张的速度差异明显。结合城市扩张动态度和城市面积聚类分析,我国干旱区主要城市的扩张过程可分为：高速扩张型、快速扩张型、中速扩张型和低速扩张型。     

广州市地表温度反演与土地利用覆盖变化关系研究

利用环境星1A/1B遥感影像,运用Jiménez-Munoz & Sobrino's普适性单通道算法定量反演广州市的地表温度(Land Surface Temperature,LST) ,结合MNF主成分分析和支持向量机获取的不透水面分布格局,利用面向对象分类方法获得了土地利用覆盖情况,重点研究广州市不透水面、土地覆盖和植被指数与城市热环境的定量关系。研究结果显示:基于大气水汽含量实测数据的JM&S普适性单通道算法反演结果更精确;广州市2009~2011年的不透水面面积和土地覆盖与平均地表温度相关性分析表明:广州市连续3 a呈现城市扩张的现象,城市热效应显著加剧;城市平均地表温度与不透水面面积呈现正相关,与城市的植被指数和裸土指数呈现负相关。     

Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery

This paper compares the normalized difference vegetation index (NDVI) and percent impervious surface as indicators of surface urban heat island effects in Landsat imagery by investigating the relationships between the land surface temperature (LST), percent impervious surface area (%ISA), and the NDVI. Landsat Thematic Mapper (TM) and Enhanced Thematic Mapper Plus (ETM+) data were used to estimate the LST from four different seasons for the Twin Cities, Minnesota, metropolitan area. A map of percent impervious surface with a standard error of 7.95% was generated using a normalized spectral mixture analysis of July 2002 Landsat TM imagery. Our analysis indicates there is a strong linear relationship between LST and percent impervious surface for all seasons, whereas the relationship between LST and NDVI is much less strong and varies by season. This result suggests percent impervious surface provides a complementary metric to the traditionally applied NDVI for analyzing LST quantitatively over the seasons for surface urban heat island studies using thermal infrared remote sensing in an urbanized environment.     

非渗透表面丰度提取方法运用——以广州市海珠区为例

非渗透表面丰度即非渗透表面含量百分比,是水文学中不透水层与遥感领域混合像元分解概念相结合的产物。在城市区域,非渗透表面多指房屋、道路、停车场等建设用地区。本文基于广州市海珠区2000年ETM＋数据,首次采用单窗算法反演的地表温度数据与植被-非渗透表面-土壤（V-I-S）模型、归一化线性混合光谱模型（NSMA）相结合的方法提取研究区非渗透表面丰度值,并对提取结果进行49个300m×300m有效样区的抽样检验。结果表明抽样值与真实值之间存在10.03%的均方根误差以及2.65%的系统误差,从而进一步验证了三模型结合使用提取非渗透表面丰度的可行性。     

北京市土地利用变化对地表温度的影响分析

运用遥感(RS)和地理信息系统(GIS)技术,对北京1995年至2005年的土地利用时空变化特征进行了分析,并分析了土地利用变化对区域内地表温度的影响。北京在1995年至2000年的土地利用变化较小,随后五年城镇面积大量扩张,占用了大量的耕地和林地。北京地表温度等级较高的区域在数量上呈逐年增加的趋势,同时在空间分布上呈现从分散向城市中心集中的趋势。构建了TVX空间研究土地利用变化对地表温度的影响,计算了不同土地利用类型转变为建设用地的变化向量长度,并选取未变化的土地利用类型的平均温度作为控制点,消除不确定性因素,分析得出变化向量的幅度依次是:有林地>水域>其他林地>灌木林地>草地>耕地,由此可以看出,林地和水域对缓解地表热环境作用较强,在城市规划中,要尽量保护林地和水域。     

超大城市土地覆盖与热环境的随机森林回归模型研究

目前对于超大城市土地覆盖和热环境定量模型研究报道不足,这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系,这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象,以Landsat遥感影像为主要数据源,利用单通道算法反演各城市地表温度,采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT）,综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示,城市地表热场的空间结构在很大程度上被下垫面用地类型所左右,不透水面会导致高温热场的聚集,而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异,北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT）,模型得到的精度高于基于多元线性回归方法建立的模型。LCT_RF模型的R²值在0.623~0.826之间,比LCT_MLR模型高0.021~0.074;RMSE比LCT_MLR模型低0.07℃~0.35℃。研究超大城市土地覆盖与城市热环境的互动作用机理,能为未来生态城市建设提供宝贵建议。     

城市不透水面及其与城市热岛的关系研究-以泉州市区为例

利用Landsat TM卫星影像提取了泉州市1989到1996年的城市建成区不透水面,并研究了其与城市热岛之间的关系。根据Ridd(1995)提出的城市建成区不透水面与植被覆盖度有很强的负相关关系的思想,先利用归一化植被指数求出泉州市建成区的植被覆盖度,进而提取了泉州市建成区的不透水面。通过比较所提取的两个时相不透水面信息,可以看出泉州市区不透水面的面积在7年里有了明显的增加,并主要沿研究区东南部扩展。通过将所提取的不透水面信息与利用TM6波段反演的地表温度进行相关分析,可发现二者之间存在着明显的正相关关系。     

Scaling of impervious surface area and vegetation as indicators to urban land surface temperature using satellite data

Vegetation and impervious surface as indicators of urban land surface temperature (LST) across a spatial resolution from 30 to 960 m were investigated in this study. Enhanced thematic mapper plus (ETM+) data were used to retrieve LST in Nanjing, China. A land cover map was generated using a decision tree method from IKONOS imagery. Taking the normalized difference vegetation index (NDVI) and percent vegetation area (V) to present vegetated cover, and the normalized difference building index (NDBI) and percent impervious surface area (I) to present impervious surface, the correlation coefficients and linear regression models between the LST and the indicators were simulated. Comparison results indicated that vegetation had stronger correlation with the LST than the impervious surface at 30 and 60 m, a similar magnitude of correlation at 120 and 240 m, and a much lower correlation at 480 and 960 m. In total, the impervious surface area was a slightly better indicator to the LST than the vegetation because all of the correlation coefficients were relatively high (>0.5000) across the spatial resolution from 30 to 960 m. The indicators of LST, V and I are slightly better than the NDVI and NDBI, respectively, based on the correlation coefficients between the LST and the four indices. The strongest correlation of the LST and vegetation at the resolution of 120 m, and the strongest correlation between the LST and impervious surface at 120, 480 and 960 m, denoted the operational scales of LST variations.     

Characterizing fractional vegetation cover and land surface temperature based on sub-pixel fractional impervious surfaces from Landsat TM/ETM+

Estimating the distribution of impervious surfaces and vegetation is important for analysing urban landscapes and their thermal environment. The application of a crisp classification of land-cover types to analyse urban landscape patterns and land surface temperature (LST) in detail presents a challenge, mainly due to the complex characteristics of urban landscapes. In this article, sub-pixel percentage impervious surface areas (ISAs) and fractional vegetation cover (FVC) were extracted from bitemporal Thematic Mapper/Enhanced Thematic Mapper Plus (TM/ETM+) data by linear spectral mixture analysis (LSMA). Their accuracy was assessed with proportional area estimates of the impervious surface and vegetation extracted from high-resolution data. A range approach was used to classify percentage ISA into different categories by setting thresholds of fractional values and these were compared for their LST patterns. For each ISA category, FVC, LST, and percentage ISA were used to quantify the urban thermal characteristics of different developed areas in the city of Fuzhou, China. Urban LST scenarios in different seasons and ISA categories were simulated to analyse the seasonal variations and the impact of urban landscape pattern changes on the thermal environment. The results show that FVC and LST based on percentage ISA can be used to quantitatively analyse the process of urban expansion and its impacts on the spatial–temporal distribution patterns of the urban thermal environment. This analysis can support urban planning by providing knowledge on the climate adaptation potential of specific urban spatial patterns.