基于TM和GIS的合肥市热环境研究

利用2007年10月5日覆盖合肥市的TM影像反演了NDVI和LST,并结合GIS技术和城市形态分维理论,分析了合肥市热环境布局以及不同热环境等级与各土地利用类型的关系.结果表明:合肥市地表温度具有东南高、西北低的热岛效应存在,热岛效应的中心并未出现在城市中心区域.LST与NDVI呈明显负相关关系(相关系数为-0.734...     

基于劈窗算法的Landsat 8影像地表温度反演

陆地表面温度（LST）是表征地表能量交换和地面特征的重要指标,目前遥感技术逐渐成为区域和全球尺度上LST反演的一种便捷工具,而采样不同算法及不同影像的热红外遥感LST反演研究层出不穷,其中基于Landsat数据的反演成果尤为突出。文章利用劈窗算法对Landsat 8遥感影像进行地表温度反演,对比探讨了根据经验值与借助MODIS热红外数据两种不同方式的LST反演结果,并进行北京市热红外波段辐射亮度温度比较,针对地表温度分级进行统计,分析了当地地表温度分布趋势。结果表明：劈窗算法下Landsat 8数据的反演温度更接近实际温度,精度较高且优于MODIS产品;北京市地表温度空间分布格局受地物结构与反射率所制约,高温区主要集中分布于中东部,中低温区分布与林地及水体分布结构较为吻合。     

DisTrad热像元分解模型运用于高植被覆盖区的问题及改进

验证了DisTrad热像元分解模型在华南地区的可行性,发现在高植被覆盖区,由于生物量高,NDVI(Normalized Difference Vegetation Index)指数已接近饱和,在热像元分解时敏感性差。提出用EVI(Enhanced Vegetation Index)指数来代替DisTrad模型中的NDVI参数进行热像元分解。通过华南地区MODIS高分辨率EVI及NDVI资料(250 m)与地表温度(LST)的关系,获得了高分辨率(250 m)LST图像,并利用同步ASTER高分辨率LST图像(90 m)进行了验证。结果表明:即使在NDVI指数已接近饱和的高生物量地区,EVI指数仍然保持较高的敏感度,在高植被覆盖区(如华南地区)用EVI代替DisTrad模型中的NDVI指数能够减少运算量,并能获得更好的热像元分解结果。     

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。     

基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析

采用辐射传输方程法(RTE)、单窗算法(MW)和单通道算法(SC)3种算法及相关参数,结合三河坝流域数据对TIRS10/Landsat 8遥感数据反演的地表温度(LST)进行研究和分析,并对MW算法中的参数进行了修正。输出了流域LST灰度图和密度分割图,LST的直方图和交叉验证散点图用于LST反演算法结果的比较。3种算法计算LST的像元值线性拟合程度类似,空间分布一致,其中RTE与SC算法精度接近一致差值在0~0.05K区间范围内,MW算法的LST偏高于其他2种算法差值在0~1.27K区间范围内。对该流域不同土地覆盖类型的地表温度进行比较,反演结果可有效根据不同土地覆盖类型反演出地表热场细部结构,显示地表温度的细节信息。将这3种算法获取的LST值与MODIS LST产品值进行比较,结果表明两者之间显著相关,有较高的一致性。通过3种反演LST算法对TIRS10/Landsat 8遥感数据进行细致和精确的分析,为其他热红外波段卫星数据反演LST的算法提供一定的参考,通过对不同土地覆盖类型LST的评价与比较,也为后续提高LST反演精度提供依据。     

利用MODIS数据反演地表温度的研究

地表温度(LST)是气象、水文、生态等研究中一个重要的参数,目前国内的研究大多使用NOAA/AVHRR数据来获取地表温度,应用MODIS数据获取LST基本上还是空白。MODISLST反演算法精度较高但是计算复杂,在很大程度上限制了其应用。采用简单的统计方法和神经网络方法,得出了内蒙古东北地区的LST计算公式。该公式计算简单而且精度很高,完全能够满足一般的研究需要。     

基于MODIS数据的黑河流域土壤热惯量反演研究

热惯量法在土壤水分反演中有着广泛的应用。以MODIS数据为基础,选用真实热惯量模型,反演得到了黑河流域的土壤热惯量,为进一步研究流域土壤水分提供可靠的方法和数据。利用地面实测数据对模型参数及反演结果进行了验证,并分析了地表昼夜最大温差、地表反照率及土壤热惯量的季节性变化规律,同时对比了真实热惯量模型与表观热惯量模型反演结果与土壤水分的相关性。结果表明：地表温差、地表反照率及土壤热惯量都具有明显的季节性变化特征;真实热惯量模型相对于表观热惯量模型更有利于土壤水分的反演,且具有广泛的适用性。     

I-DEAS在航天器热分析中的应用

为了保证航天器在宇宙空间热环境中安全可靠地工作，需要对航天器进行合理地热分析计算，针对航天器在轨工作的特征，介绍了I-DEAS Master Series TMG软件的主要功能，并通过TMG计算了一卫星模型的在轨瞬态温度场，为进一步的在轨热变形计算提供了必要的温度数据，并对以后的热控方案具有一定的参考作用。     

极轨卫星地表温度时间归一化方法——以MODIS为例

地表温度（Land Surface Temperature,LST）在陆地—大气能量交换等研究中扮演着重要角色。LST随时间变化迅速，且极轨遥感卫星获取的LST的地方太阳时在像元间存在差异，需进行时间归一化以提高LST遥感产品的应用价值。面向MODIS LST产品，基于FY-4A高时间分辨率的LST产品，引入地表温度日变化模型（DTC），构建了粗细分辨率转换配准方法，提出了基于日变化信息的LST时间归一化模型（Temporal-effectNormalizationModeloflandsurface temperature Based on Diurnal variation information, BDTNM），探讨了时间窗口、归一化时刻与空值情况对模型的影响。利用张掖地区站点实测数据、模拟数据对INA08＿2模型和BDTNM模型归一化结果进行验证和评价，结果表明BDTNM方法比INA08＿2模型具有更好的稳定性及鲁棒性，精度提高了0.4～1.0 K，并具有一定的空值插补能力，该方法对其他遥感卫星LST的时间归一化也具有一定的借鉴意义。     

利用Landsat ETM+影像研究土地利用/覆盖与城市热环境的关系 --以福州市为例

如何更好地研究土地利用/覆盖与城市热环境的关系,将对城市规划、城市生态环境的改善产生积极的影响.本文利用Landsat ETM＋影像的热红外波段,研究城市热岛的分布规律,同时研究了不同土地利用类型的可见光、近红外、中红外与热红外波段的关系,以揭示土地利用/覆盖与城市热环境的关系.研究表明,在卫星影像上,城市建成区的可见光、近红外、中红外与热红外波段的相关性较为显著,通过对不同土地利用类型上可见光波段、近红外、中红外与热红外波段的分析,获取城市建成区上的热环境分布.     

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。     

基于MODIS 数据的南京市夏季城市热岛分析

城市热岛效应是当前城市环境与气候主要研究内容之一。地表温度与气温之间有紧密的联系, 通过遥感反演地表温度已成为研究城市热岛的有效手段。利用MODIS 数据, 获取地表比辐射率与大气透过率2 个基本参数, 运用劈窗算法反演南京市夏季地表温度。基于不同时相的MODIS数据, 对4 幅南京市地表温度反演图像作对比分析, 较好地显示了南京市城市热岛的空间分布、热岛范围和城市热岛强度, 结果表明南京市夏季热岛问题较为严重。     

Assessment of multi-resolution and multi-sensor data for urban surface temperature retrieval

Data from three thermal sensors with different spatial resolution were assessed for urban surface temperature retrieval over the Yokohama City, Japan. The sensors are Thermal Airborne Broadband Imager (TABI), Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) and MODerate resolution Imaging Spectroradiometer (MODIS). Two algorithms were developed for land surface temperature (LST) retrieval from TABI image and ASTER thermal infrared (TIR) channels 13 and 14. In addition, ASTER LST and MODIS LST products were also collected. All the LST images were assessed by analyzing the relationship between LST and normalized difference vegetation index (NDVI) and by spatial distributions of LST profiles, derived from typical transects over the LST images. In this study, a strong negative relationship between LST and NDVI has been demonstrated although the degree of correlation between NDVI and LST varies slightly among the different LST images. Cross-validation among the LST images retrieved from the three thermal sensors of different spatial resolutions indicates that the LST images retrieved from the 2 channel ASTER data and a single band TABI thermal image using our developed algorithms are reliable. The LST images retrieved from the three sensors should have different potential to urban environmental studies. The MODIS thermal sensor can be used for the synoptic overview of an urban area and for studying urban thermal environment. The ASTER, with its TIR subsystem of 90-m resolution, allows for a more accurate determination of thermal patterns and properties of urban land use/land cover types, and hence, a more accurate determination of the LST. In consideration of the high heterogeneity of urban environment, the TABI thermal image, with a high spatial resolution of 2 m, can be used for rendering and assessing complex urban thermal patterns and detailed distribution of LST at the individual house level more accurately.     

Improving the disaggregation of MODIS land surface temperatures in an urban environment: a statistical downscaling approach using high-resolution emissivity

Spatially and temporally dense land surface temperature (LST) data are necessary to capture the high variability of the urban thermal environment. Sensors on board satellites with high revisit time cannot provide adequately detailed spatial information; thus, the downscaling of LST is recognized as being an important and inevitable intermediate process. In this paper, improvement in the downscaled LST accuracy is investigated, employing the statistical downscaling methodology in an urban setting. A new approach is proposed, where thermal radiances are disaggregated using multiple regression analysis and are then combined with emissivity values derived from a high-resolution image classification. Predictors include reflectance values, built-up and vegetation indices, and topographic data. Surface classification is performed utilizing machine learning techniques and fusing Sentinel-2 imagery with ancillary data. Thermal data from the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor are downscaled from their original resolution to 100 m in the city of Athens, Greece. Validation of sharpened temperatures is performed using the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) surface temperature product and in-situ measurements. It is demonstrated that the proposed downscaling framework using ridge regression has the potential to produce reliable, high temporal LST estimates with an average error of fewer than 2 K, while consistently having a better accuracy than the reference, single-predictor downscaling of the MODIS LST product.     

使用单窗算法研究北京城区热岛效应

随着全球变暖和城市化进程的加快,大城市城区的热岛效应日益严重。城市下垫面对地表能量交换的影响巨大,引起地表温度分布的不均一性。遥感技术的发展为地表温度的反演提供了可能。近年来人们使用劈窗算法对均一的海面温度的反演很成功,但是受空间分辨率的限制以及陆面的不均一性,陆面温度的反演一直是一个没有解决好的问题。覃志豪提出了一种TM热红外波段单窗算法,可以利用辅助气象资料快速计算出地表温度。本文以北京市城区为研究区,采用LandsetETM第6波段的单窗算法,反演了亮度温度和地表实际温度,分析了城市下垫面情况下NDVI与地表温度的相关关系,并解释了北京城区热岛在空间上的分布及其可能的原因。结果表明:北京市城区热岛效应显著;地表温度与NDVI相关性显著;城区绿地和水体在区域的温度分布中起到重要作用。     

Comparative Study on Thermal Environment between Old Urban Areas and New Urban Areas based on Landsat 8 Remote Sensing Image：A Case Study of Chengdu City

A large number of new urban areas have emerged under the rapid urbanization background in recent years in China，and the characteristics of urban thermal environment have significant changes.To analyze the thermal environment diversities between old urban areas and new urban areas and explore the impacting factors，we chose Chengdu City in Sichuan Province as a typical study area.Key surface parameters，including Land Surface Temperature (LST)，building index and vegetation index were derived based on Landsat 8 satellite image acquired on August 13，2014.The comparison study was conducted to analyze the differences of the parameters related to thermal environment changes，and the results indicated that：①Overall,the average surface temperature of the old urban area was higher than that of the new urban area.Regarding the spatial distribution，the central and northern region had higher temperature than the southern region for the old urban areas.In the new urban areas，although high temperature spots can be found in the central west or north，this region generally had a relatively low temperature.②The old urban area emphasized a higher Urban\|Heat\|Island\|Ratio\|Index (URI)，which revealed the descending trend of surface temperature via analyzing the thermal field profile from the old to the new.This showed that the urban thermal environment effect of the old city was stronger than the new urban area.③“Heat Island Effect” was easy to emerge in those areas with high density urban construction and little urban vegetation coverage，whereas reasonable urban landscape planning and layout would help to perfect the urban thermal environment.The comparison of the thermal environment effects between the new urban areas and the old urban areas shows the new urban planning in Chengdu has positively contributed to improve the thermal environment in the new urban areas，which can provide important reference for the future urban planning.     

基于Landsat8热红外遥感数据的山地地表温度地形效应研究

地表温度是影响地表能量收支平衡的重要参量,能够综合反演地表的水热交换过程。虽然当前在基于地表温度开展全球或者区域尺度的地表能量平衡研究方面取得一系列的进展,但是面向山地区域尺度的类似研究仍然面临较大的挑战。为分析山地复杂地形对山地地表温度时空分布的影响规律,基于具有较高空间分辨率的Landsat 8热红外数据,以我国西南典型山地为研究对象,定量反演该区域的地表温度空间分布状况,结合SRTM90DEM数据,选择从海拔、坡度和坡向3个关键地形因子角度分析山地地表温度的地形效应特征。结果发现:山地地表温度随地形因子均呈现出十分显著的变化特征。总体而言,地表温度均随着海拔和坡度的升高而降低,而在坡向方面,南坡的温度相比北坡的温度要高。在地形效应分析的基础上,通过开展1km空间尺度地形和地表温度的空间统计分析发现,山地1km尺度下地表温度存在较大的空间异质性,且其影响不可忽略。研究结果表明:开展山地地表水热过程遥感动态监测需高空间分辨率地表温度作为数据支持,以准确描述山地地形因素对地表能量交换过程的影响。     

Land Surface Temperature Data Fusion of Landsat ETM and MODISby Combining TsHARP and STITFM Model

Land Surface Temperature (LST) is an important parameter that describes energy balance of substance and energy exchange between the surface and the atmosphere,and LST has widely used in the fields of urban heat island effect,soil moisture and surface radiative flux.Currently,no satellite sensor can deliver thermal infrared data at both high temporal resolution and spatial resolution,which strongly limits the wide application of thermal infrared data.Based on the MODIS land surface temperature product and Landsat ETM+image,a temporal and spatial fusion method is proposed by combining the TsHARP (Thermal sHARPening) model with the STITFM (Spatio\|Temporal Integrated Temperature Fusion Model) algorithm,defined as CTsSTITFM model in this study.The TsHARP method is used to downscale the 1 km MODIS land surface temperature image to LST data at spatial resolution of 250 m.Then the accuracy is verified by the retrieval LST from Landsat ETM+ image at the same time.Land surface temperature image at 30 m spatial scale is predicted by fusing Landsat ETM+ and downscaling MODIS data using STITFM model.The fusion LST image is validated by the estimated LST from Landsat ETM+ data for the same predicted.The results show that the proposed method has a better precision comparing to the STITFM algorithm.Under the default parameter setting,the predicted LST values using CTsSTITFM fusion method have a root mean square error (RMSE) less than 1.33 K.By adjusting the window size of CTsSTITFM fusion method,the fusion results in the selected areas show some regularity with the increasing of the window.In general,a reasonable window size set may slightly improve the effects of LST fusion.The CTsSTITFM fusion method can solve the problem of mixed pixels caused by coarse\|scale MODIS surface temperature images to some degree.     

针对MODIS 数据的地表温度非线性迭代反演方法

地表温度是气象、水文、生态等研究领域中的一个重要参数。构建了MODIS31/ 32 波段的热辐射传输方程, 讨论了方程的数值迭代解法, 提出了针对MODIS 数据地表温度的非线性迭代反演方法, 并介绍了大气透过率和地表比辐射率这两个中间参数的估计方法。误差及敏感性分析表明,提出的方法对大气透过率和地表比辐射率都不敏感, 反演精度优于传统的线性分裂窗算法。