ASTER数据地表温度产品精度评价

以北京市为研究区,基于ASTER热红外波段数据反演的地表温度及地面气象站地表温度,利用绝对误差和相对误差开展了精度验证研究,分析了地表温度空间分布。结果表明:ASTER数据反演的夜间地表温度在热岛强度高的冬季精度高于其他热岛效应弱的季节,而ASTER数据反演的白天地表温度在热岛强度高的夏季与其他热岛效应弱的季节精度相当; ASTER数据反演的地表温度小于气象站地表温度观测值。ASTER数据反演的地表温度与气象站观测地表温度空间分布一致,且夜间冬季的热岛强度高于秋季,白天夏季的热岛强度高于秋季;夜间的热岛强度高于白天。     

基于MODIS数据的近8年长三角城市群热岛特征及演变分析

利用MODIS hdf数据来反演地表温度,首先通过数据挑选少云覆盖图像,再经多波段综合法去云,用近8年的MODIS历史资料选择劈窗算法反演计算给出了长三角平均地表温度分布图,以长三角作为区域整体研究热岛效应,分析了城市群热岛分布特征,指出主要城市热岛分布呈"Z"字型分布格局。长三角地区热岛强度季节变化是夏季最强,春季次之,秋冬季除少数地区为较强热岛外,大部分地区都显示为弱热岛或无热岛。采用GIS地理统计方法比较16城市的强热岛面积分布,分析了2001—2008年夏季各城市热岛强度的年际变化趋势。     

北京市朝阳区热岛效应特征分析

利用1961—2014年朝阳、密云、上甸子3个站气温地面观测数据,对朝阳区与郊区温度年际变化、热岛强度年际变化进行了分析,并利用卫星反演数据分析了热岛效应的空间分布特征,得到以下主要结论:1朝阳区在20世纪70年代末城市热岛效应不太明显,之后城市热岛效应开始显现,热岛强度逐年增强,80年代末到90年代初略有减弱,2000年以后热岛强度有明显增强。2朝阳与郊区平均温差达1.5℃左右,为强热岛效应。热岛效应增强使得夏季高温日数增加,冬季低温日数减少。冬季为一年中热岛强度最强的季节。3朝阳区的热岛效应表现为西强东弱,热岛强度逐渐有向东、向南发展的趋势。强热岛区域集中在三环以内的城区。弱热岛区域集中在奥林匹克森林公园等下垫面多为大面积的水体和植被的地区。     

基于Landsat TM/ETM+数据的南昌城市热岛效应研究

利用Landsat TM/ETM+数据进行南昌市地表温度反演,得出1989年和2000年2个时相的南昌市热岛强度等级分布特征,结合下垫面土地覆盖类型图,选取样区对比分析了地表温度空间分布.结果表明:南昌市存在比较明显的热岛效应,主城区的地表温度由城区中心向近郊、远郊逐渐降低,城市地表温度与下垫面的性质紧密相关.研究结果对于改善南昌城市生态环境、减缓城市热岛效应具有重要的参考价值.     

基于Landsat TM/ETM＋数据的北京城市热岛季节特征研究

利用1988—2006年20景LandsatTM和ETM＋数据分析了北京市城市热岛的季节变化特征。通过反演地表温度,建立统一的城市和农村区域,计算了城市热岛强度,并采用多项式拟合获取了城市热岛强度的季节变化曲线;同时,分析了热岛强度季节特征与气候因子的关系。另外利用4景2005—2006年不同季节Landsat TM影像,分析了不同季节城市热岛的空间变化特征,并选择穿越北京城区的两条不同方向剖线（SE-NW和SW-NE）,分析了沿剖线方向城市热岛与地表类型的关系。结果显示,北京城市热岛具有明显的季节变化特征,与总云量的季节变化关系显著。最大热岛强度出现在夏季,呈现片状发散和零星热岛并存的空间分布特征。冬季为冷岛特征,其空间分布与夏季热岛一致。春秋两季热岛强度最小,但春季热岛空间差异较大。在相同季节,城市热岛强度和空间尺度在不同剖线方向具有明显的差异,这与不同地类的空间分布有关。     

基于ＬａｎｄｓａｔＴＭ／ＥＴＭ ＋数据的北京城市热岛季节特征研究

利用１９８８—２００６年２０景ＬａｎｄｓａｔＴＭ和ＥＴＭ＋数据分析了北京市城市热岛的季节变化特征。通过反演地表温度,建立统一的城市和农村区域,计算了城市热岛强度,并采用多项式拟合获取了城市热岛强度的季节变化曲线;同时,分析了热岛强度季节特征与气候因子的关系。另外利用４景２００５—２００６年不同季节ＬａｎｄｓａｔＴＭ影像,分析了不同季节城市热岛的空间变化特征,并选择穿越北京城区的两条不同方向剖线（ＳＥ ＮＷ 和ＳＷ ＮＥ）,分析了沿剖线方向城市热岛与地表类型的关系。结果显示,北京城市热岛具有明显的季节变化特征,与总云量的季节变化关系显著。最大热岛强度出现在夏季,呈现片状发散和零星热岛并存的空间分布特征。冬季为冷岛特征,其空间分布与夏季热岛一致。春秋两季热岛强度最小,但春季热岛空间差异较大。在相同季节,城市热岛强度和空间尺度在不同剖线方向具有明显的差异,这与不同地类的空间分布有关。     

基于Landsat卫星数据的山东临沂市热岛效应研究

利用Landsat卫星数据分别反演了2005年和2014年临沂市的地表温度和不透水层指数，分析了城市化进程对临沂市热岛效应的影响。结果表明，2005年临沂市表现为中等强度的热岛效应，2014年表现为强热岛效应。利用地面站点资料统计分析来看，2005～2014年，临沂市热岛强度总体呈波动增加的趋势,冬季最强，春秋季次之，夏季较弱。分析城市化因子发现，城市经济、人口、用电消耗、城市房屋面积增量等多个因素对城市热岛强度变化的影响，其相关系数分别为0.86、0.82、0.67、0.81，其中房屋面积增量与热岛强度增强密切相关。从不透水层指数分布图的动态变化来看，也说明了城市化进程中城镇建筑和硬化的路面的增多导致了热岛强度的增强。     

基于MODIS的安徽省代表城市热岛效应时空特征

利用2001—2010年覆盖安徽省的MODIS数据,选取在气候、地理、城市化等方面具有代表性的合肥、芜湖、阜阳作为研究对象,并结合GIS技术,分析地表温度的日变化及季节变化特征,得到安徽省代表城市热岛效应的时空分布。结果表明:安徽省省会合肥的热岛效应最为显著,安徽省南部代表城市芜湖的热岛效应强于北部代表城市阜阳, 同时具有显著的日变化和季节变化特征。近10年来,安徽代表城市热岛面积和热岛强度均呈增加趋势,但合肥热岛强度大于3 ℃的极端热岛效应有一定缓解。白天大片水体对缓解城市的热岛效应作用明显,而夜晚则不明显,甚至成为地表温度的高值中心。夏季地表温度与归一化植被指数的负相关最显著,即提高城市植被覆盖度对降低地表温度和缓解城市热岛效应有重要影响。     

滨海城市化地区热岛效应的遥感分析研究——以防城港为例

为研究防城港市热岛效应的时空变化特征及其驱动因素,设置热场强度、热岛比例指数及热岛强度3个评价指标,选用2001,2008,2015及2009年遥感数据分别进行热岛效应年际变化和季节变化分析;利用气象站数据对遥感结果进行验证;同时,从城市下垫面的组成、城市建成区面积变化以及社会经济数据等方面对热岛效应的驱动因素进行分析,研究结果表明:(1)防城港市热场强度呈逐年递增的趋势,港口区强热岛区增幅最快,年均增长率达到26.72%;(2)城市热岛比例指数逐年递增,东兴市最高,达到0.32;(3)防城港市热岛效应季节变化明显,冬春季最弱,秋季最强;(4)城市绿地和水体对城市热岛效应具有明显的降温作用。上述研究成果可为防城港市创建全国园林城市提供科学合理的建议。     

基于MODIS数据的近10年宜昌城市热岛效应时空变化特征

利用2010-2019年宜昌研究区2、5、8月和11月晴空天气的MODIS地表温度产品,结合GIS技术,分析热岛效应昼夜、季节和年际变化特征.结果表明:(1)热岛空间分布受地形地貌影响较大,热岛区主要分布在主城区至东南部平原地带;(2)热岛区和冷岛区面积白天均多于夜间,热岛强度白天强于夜间;(3)夏季热岛区面积达到最大...     

1951—2017年鞍山市气温变化特征及城市热岛变化

利用建站以来鞍山站和海城乡村站的一日四次观测数据和逐日平均、最低和最高气温资料,对1951-2017年鞍山市年、四季和各月平均气温和极端气温变化特征及其变率进行了分析,并对鞍山城市热岛变化进行探讨。结果表明：1951-2017年鞍山市年平均最低气温的递增趋势最强、平均气温次之、平均最高气温最弱,且均通过显著性检验。1951-2017年鞍山市年极端最高气温变化呈弱递减趋势,1951-1987年（突变前）呈递减趋势、1988-2017年（突变后）为递增趋势。1951-2017年鞍山市年极端最低气温呈显著递增趋势,1951-1987年（突变前）较整个阶段递增趋势更强,1988-2017年（突变后）呈递减趋势;突变前后极端最高和极端最低气温呈反相变化特征。1958-2017年鞍山市年最低气温的城市热岛强度最大、平均气温次之,最高气温最小、递增趋势最弱;秋、冬季鞍山城市热岛强度较其他季节更强,热岛指数递增显著;在每日4次定时气温观测中,14时鞍山市热岛强度最小,热岛指数呈递减趋势,其余时次均呈显著递增趋势,其中,02时鞍山热岛强度最强;鞍山市平均气温变化呈显著增暖趋势,城市热岛强度和热岛指数均呈显著递增,夜间递增尤为突出,说明鞍山城市热岛的显著增强是鞍山市气候变暖的一个主要原因。     

南京市夏季热岛特征及其与土地利用覆盖关系研究

利用南京市7月的Landsat TM热红外波段数据,根据单窗算法反演得到南京市地表温度,讨论了南京市热岛特征,并分析了产生这种现象的原因。通过遥感和地理信息系统相结合,运用Landsat TM数据,提取出南京市下垫面类型,分析了不同地表覆盖类型的热辐射特征并定量地分析了土地利用及植被对地表温度的影响。结果显示,南京市夏季主要存在3个热岛中心,分别是建成区、大厂区和八卦洲。南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城市边缘和远郊区地表温度分别高出3.5℃和5.7℃,城市热岛效应明显。不同地表覆盖类型的地表温度也有显著差异,从高到低依次为：城镇建设用地、耕地、草地、林地、水体。城镇建设用地与水体的表面温度最大相差14℃。城市地表温度与植被覆盖度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,今后应当更加注重城市绿地建设,提高植被覆盖率。     

成都地区夏季城市热岛变化及其与城市发展的关系

利用2000-2010年MODIS地表温度产品影像,结合DMSP/OLS夜间灯光数据,分析了成都地区夏季城市温度场及其城市热岛变化的分布特征及其演变规律。结果表明：随着城市化加快,成都地区夏季热环境发生了较大变化,整个区域以中温区向次高温区转换为主。成都地区热岛效应昼夜变化较大：白天热岛面积不断增大,与周围卫星城热岛连成一体,2000年和2010年城市热岛对区域的增温贡献分别为0.13℃和0.29℃,变化量达0.16℃,夜间并不存在大面积强热岛区。旧城区内城市热岛面积有所增加,但不显著,城市扩展区内热岛的规模显著增大,2010年较2000年新增强热岛区域面积166.43 km²,变化幅度达54%。高城市化水平的成都市地区的日较差相对于周边低城市化水平地区明显减少。同时,城市热岛还与人口的平方根具有很好的正相关关系,成都地区非农业人口规模每增长100万人,热岛效应强度增加0.4℃。     

基于均值—标准差改进的滨州市多时相热岛强度变化分析

为探究山东省滨州市热岛强度的时空分布及其变化特征,通过2001、2009和2018年夏季的3期Landsat数据实现地表温度反演,并基于热岛强度定义对传统的均值—标准差分级法进行改进,能够较好地消除因背景数据不一致而导致不同时期热岛强度数据难于对比的问题.在此基础之上,分析热岛效应及其变化的时空分布特征,并结合土地利用...     

复杂地形条件下城市热岛及局地环流特征的数值模拟

应用基于多层城市冠层方案BEP(Building Environment Parameterization)增加室内空调系统影响的建筑物能量模式BEM(Building Energy Model)方案的WRF模式,模拟研究重庆热岛的特征、成因以及局地环流对热岛形成的影响。文中共有两个算例,一为重庆真实下垫面算例,称之为URBAN算例,二为将城市下垫面替换为耕地下垫面的对比算例,称之为NOURBAN算例。结果表明:1)WRF方案模拟结果与观测2 m气温的对比吻合较好,误差主要出现在正午温度峰值和凌晨温度谷值处,由城市下垫面特性及城市内建筑分布误差引起。2)BEP+BEM方案较好地模拟出了重庆地区的热岛分布的空间和时间特征。重庆市温度的分布受地形和城市下垫面的双重影响,越靠近城区,温度的分布受城市化影响就越大,在海拔低处,温度就越高。3)城区立体三维表面对辐射的陷阱作用导致城市表面总体反射率小,向上短波辐射小于郊区约20 W/m~2。城市表面以感热排放为主,而郊区则表现为潜热的作用占主导。夜间城市地表储热以及空调废热向大气释放,是城市热岛形成的重要原因。4)模拟区域背景风场主要为东南风,局地环流呈现出越靠近山区风速越大、城市区域风速较小的特性,体现了城市密集的建筑群对低层大气流场的空气动力学效应,以及复杂山谷地形的山谷风环流特性。在市区的西侧和东南侧均有高大山脉阻挡,山脉对城市出流的阻碍作用、气流越山与绕流运动对城市热岛的形成有一定影响。     

地表利用城市化在一次极端高温过程数值模拟中的影响

地表种类的城市化对城市区域的热力结构和局地环流都会产生巨大的影响。利用地面、高空观测资料和MODIS地表覆盖资料,使用耦合城市冠层模式(UCM)的区域中尺度数值模式(WRF),对2013年8月8日福州地区的一次极端高温天气过程进行数值模拟,研究地表利用变化对福州城市热岛效应及其对福州城市区域局地环流的影响。结果表明:地表利用的城市化使得午后城市热岛现象更加明显而夜间热岛效应呈现出减小的趋势;地表利用城市化后,中心城区的近地面风速减小,但城区与山区以及城区与海洋之间的局地热力环流明显加强,促进了山谷风和海陆风环流的发展;同时地表加热效应增强,促进了垂直运动的发展。      

Urban heat island diagnosis using ASTER satellite images and ‘in situ’ air temperature

This study demonstrates that thermal satellite images combined with ‘in situ’ ground data can be used to examine models of heat island genesis and thus identify the main causes of urban heat islands (UHIs). The models, although proposed over 30 years ago, have not been thoroughly evaluated due to a combination of inadequate ground data and the low resolution of thermal satellite data. Also there has been limited understanding of the relevance of satellite-derived surface temperatures to local and regional scale air temperatures. A cloud-free ASTER thermal image of urban and rural areas of Hong Kong was obtained on a winter night with a well-developed heat island, accompanied by a 148 km vehicle traverse of air temperatures. Over the whole traverse a high R² of 0.80 was observed between surface and air temperatures, with the two datasets showing a similar amplitude and general trend, but with the surface exhibiting much higher local variability than air temperature. Gradients in both surface and air temperature could be related to differences in land cover, with little evidence of large scale advection, thus supporting the population/physical structure model of UHI causation, rather than the advection model. However, the much higher surface and air temperatures observed over the largest urban area, Kowloon, than over any smaller urban centre with similar physical structure in the New Territories, would seem more indicative of the advection model. The image and ground data suggest that Kowloon's urban canopy layer climate is mainly influenced by local city structure, but it is also modified by a strongly developed, regional scale urban boundary layer which has developed over the largest urban centre of Kowloon, and reinforces heating from both above and below.     

Moscow Urban Heat Island: Detection,boundaries, and variability

The determination of the anthropogenic impact on the thermal regime of a megalopolis is discussed. The nominal boundaries of the megalopolis thermal effects are determined taking into account orographic and landscape effects and the variability of temperature difference between the center of the city and its suburbs. It is proposed to use the data of stations located within 40-50 km from the urban agglomeration boundaries for calculating the anthropogenic component of the urban heat island. The parameters of the heat island in Moscow are determined from the measurement data on maximum and minimum daily surface air temperature in 2012-2016, and their significant seasonal and intradaily variability is revealed. It is corroborated that anthropogenic causes for the higher air temperature in Moscow as compared with suburbs during the cold season are the release and loss of heat of heating systems; in the absence of snow cover the anthropogenic effect of these sources is enhanced by the thermal radiation of the urban surface.     

昆明和北京两幢建筑物表面热力效应的观测对比

利用昆明、北京两座城市内建筑物为研究对象, 对其不同朝向外墙壁面、屋顶面表面温度及壁面近旁气温进行了观测, 分析了建筑物外墙壁面表面温度及其近旁气温的垂直分布以及壁面、屋顶对周围大气的热力效应特征, 并对两座城市内建筑物的热力状况进行了比较分析。研究表明:建筑物表面温度受太阳辐射的影响要比近旁气温大得多, 一般说来, 壁面昼间是热源, 夜间是热汇; 受研究对象所在的大区域气候、人类活动等影响, 建筑物外表面的热力效应有许多异同; 建筑物屋顶面与近旁空气间的平均热通量基本为正值, 呈现较强的热源效应, 其热力效应强度与太阳辐射呈现正相关; 城市建筑物的外表面 (壁面、屋顶面) 已成为城市区域内有别于城市地面, 且对城市立体气候的形成具有不可忽视影响的热力作用面。     

不同下垫面数据和城市冠层参数化方案对江苏气温影响的个例分析

利用中尺度数值模式WRF,分别选用新旧两种下垫面资料和不同城市冠层模型设计试验,以江苏一次秋末高温天气个例(2014年11月20—21日)为背景,研究城市化进程对气温的影响和可能机制。将模式结果与江苏国家气象观测站和地面加密区域自动站观测资料进行对比,并分析3组试验结果发现:(1)采用BEP城市方案对2 m气温、2 m相对湿度和10 m风速等物理量的日变化模拟最优。(2)相比USGS数据,MODIS较新地表覆盖变化数据能更真实反映研究区域当前地表类型分布情况,且能提高近地面风温湿要素空间分布的模拟。(3)分析不同试验模拟的地表能量平衡过程差异,发现相比UCM单层城市冠层方案,BEP多层城市冠层方案在白天能更好模拟出城市地区的温度升高以及相对应的地表感热通量和地面热通量的增加。