多源参数在晋江城市热岛分析中的差异性

城市热岛遥感监测分析中,不同参数与指标得到的热岛时空分布结果不同。针对过去研究仅利用遥感反演地表温度或亮度温度监测城市热岛现象,以福建省晋江市为研究区,选择2010年与2014年夏季Landsat数据,结合数字高程数据和气象站点实测数据,反演晋江市域内地表温度与近地表气温。在此基础上,利用多源参数计算多种城市热岛监测指标,并对比分析这些指标用于晋江城市热岛研究的差异性。结果表明:1)2014年较2010年的城市热岛范围扩大,区域内热岛比例显著上升,热岛斑块面积增多且热岛等级增强;2)相对于地表温度,近地表气温用于评价城市热岛空间分布更为合理;3)不同热岛监测指标作用不同,热岛强度、归一化热场强度可以在空间上直接表明热岛空间分布及强弱,热岛比例指数则在数值上反映了不同区域热岛现象的发生概率,热岛源汇指数结合地表热参数和土地覆盖类型,反映了土地利用变化对区域内热岛效应加剧或减缓的贡献程度。     

基于遥感的长沙市城市热岛效应时空分析

利用TM/ETM+数据,以长沙市为例,反演了地表温度,并针对不同时相的遥感数据,利用城市热岛强度来反映热岛效应强弱的变化。结果表明,长沙市的热岛空间分布与城市建成区的轮廓相吻合。城市热岛的范围随着城市建设、新建开发区以及道路交通网的发展不断增大,且在东南方向为主要增长方向。根据热岛强度鉴别并提取了强热岛区与正常区,发现长沙市强热岛区的面积已经从1993年的13.18km2扩大至2008年的68.16km2。最后,对长沙市热岛未来的发展趋势进行了预测。     

上海城市热场与植被覆盖的关系研究

以TM和ETM+遥感数据,反演了自20世纪80年代以来的6个特定年份的上海市地表温度,并以此来分析上海城市热岛扩展的时空演变格局,结果表明:上海城市热岛范围不断扩大,强度不断增加,分布格局逐渐由集中分布呈现片状破碎化分布;上海市建成区的扩展是导致城市热岛范围扩大、强度加大的最直接,也是最根本的原因之一。相关分析和回归分析的结果表明:植被覆盖与地表温度具有明显的负相关关系,植被分布面积的增加对城市热岛强度的降低具有非常积极的 作用。     

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。     

CBERS-02IRMSS热红外数据及UTAE算法在城市热岛研究中的应用

文中使用城市热异常信息提取算法(urban thermal anomaly extraction,UTAE)提取城市热岛信息.该算法使用不同大小的滑动窗口来探测整幅图像,根据稳健估计的方法设定地表温度高于全部像元以及窗口内像元温度统计均值加标准差的像元为热异常像元,并将滑动窗口的范围设置在3×3至9×9个像元之间,根据像元被记为热岛像元的次数是否为0来区别热岛区与非热岛区,在热岛区域内根据次数的多少来决定热岛强度,具有动态阈值的特点和无偏特性.研究结果表明,在城市热岛范围的提取上,2004年2月13日长沙市热岛面积在27.21—33.98km2之间;在城市热岛强度和尺度效应分析上,宏观尺度的研究应选用较大的窗口来体现城—郊热岛关系以及热岛发展的总体趋势,而小窗口在微观分析城区内热岛的具体分布、与下垫面的关系以及驱动因子方面较有优势.最后,对UTAE算法在中巴地球资源卫星后继星数据上的应用做出了展望.     

用气象卫星信息探测川西平原的城市热岛群

由于城市与郊区有截然不同的下垫面,加之城区人口密集,活动频繁,释放大量人为热量,因此导致城市温度比郊区高,从而形成城市热岛现象。 1989年7月28—29日,川西平原晴空,利用下午过境的气象卫星探测了该区的城市热岛群。在图像上能清楚看出范围大小不等的小红圓点,它们就是城市热岛群。另外城市面积越大,红点范围就越大,即城市热岛范围越大,反之则小。特别在定量的数字资料上一般都能判释川西平原的所有县市,甚至包括部份乡镇的位置。虽然多数的面积不大,但城市热岛现象明显,边界清楚,热岛分布形态与城市建成区布局基本吻合。根据数字资料判释的城市范围,将川西平原的城市热岛群分为三类:第一类为城市热岛面积最大的成都市;第二类为热岛面积次之的绵阳、德阳等地市;第三类为热岛面积不大的一般县城(包括个别乡镇)。     

HJ-1B卫星遥感数据在重庆市城市热环境监测的应用分析

本文以MODIS反演大气透射率,以HJ-1B/CCD分类结果反演地表比辐射率,并基于单窗算法,利用HJ-1B/IRS4数据反演地表温度.在此基础上,提取研究区的热场变异指数来分析重庆热岛空间分布特征,并就NDVI与NDBI对热岛效应的影响进行了分析.其结果如下:1)重庆城市热岛大致位于中梁山、铜锣山之间,呈东北、西南走向分布;2)热岛中心不在市中心,而是集中在大渡口工业园区、江北机场这些能耗大、人口密集区域,热岛强度范围在5?C-10?C之间;3)接近长江、嘉陵江水域的建筑用地密集区域,其热岛效应并不明显;4)NDVI与热岛强度呈负相关关系,NDBI与热岛强度呈现较为明显的正相关关系,二者对热岛都有重要影响,而NDBI的影响更大.因此,利用HJ-1B数据监测城市热环境,能较好地揭示重庆城市热岛空间分布特征,为城市环境监测与改善提供参考.     

21世纪以来西安城乡梯度土地覆盖变化及对城市热岛影响时空特征

城市快速扩张导致城乡梯度土地覆盖发生显著的变化,引发不透水地表的增加,植被覆盖的减少,从而加剧了城市热岛强度。研究城乡梯度土地覆盖变化引起的城市热岛效应,并揭示城市热岛的时空特征及强度的变化,对城市规划建设、人居环境改善及提升城市生态系统服务功能具有重要的意义。基于Landsat系列4期影像,利用单窗算法反演西安市地表温度,计算热场变异指数得到热力场强度图并对其进行等级划分,结合土地利用/覆盖类型数据分析城乡梯度土地覆盖变化对城市热岛强度的影响。结果表明：①2000年西安市极强热岛效应区占研究区面积的10.58%,逐渐增加到2011年极强热岛效应区域的面积占比达到16.14%,而后到2015年降低为9.00%,整体上西安市城市热岛效应呈现出了先增长后降低的趋势;②2000年到2015年城乡建设用地面积增加了412.76 km2,极强热岛强度的范围随城市建成区的扩张逐年向外扩展;③无热岛效应区约70%位于耕地和林地,水域在无热岛效应中的占比也在逐年增多,从31%增加到了47%。不透水地表面积占比与地表温度有显著相关性,城乡梯度植被和水体面积的增加可以有效地缓解城市热岛强度。     

基于NOAA/AVHRR热红外数据的城市热岛强度年内变化特征

采用ENVI/IDL编程技术,实现NOAA/AVHRR数据的校准、几何纠正、云污染识别与剔除、影像特征统计与输出等过程的批处理自动化操作。并以济南市中心城区为例,通过2005~2006年间获取的白天NOAA/AVHRR影像热红外波段调查了济南市区城市热岛强度的年内变化规律与过程。研究结果表明：① 济南市区全年大部分时间存在热岛现象,4~9月份城市热岛效应较为明显,尤以5、7、8月为甚。② 全年城市热岛平均强度2.77℃,最强的热岛效应出现于7月下旬至8月中旬间。③ 从季节分布来看,济南市区夏季热岛效应最明显,春季次之,秋、冬两季较弱。④ 城市热岛强度与城、郊地表温度存在正相关关系,但相关程度较差。     

南京市热岛效应时空特征的遥感分析

城市热岛效应是城市化对城市气候影响最典型的表现, 不同城市由于其城市化水平、城市性质、规模以及自然条件的不同而具有不同的时空特征。利用高空间分辨率的Landsat TM 和高时间分辨率的MODIS 相结合定量地分析了南京市热岛效应的时空特征, 并探讨了遥感尺度对城市热岛效应时空特征的影响。结果表明: 南京市热岛效应日特征为白天大于夜晚; 季节特征从热岛强度和热岛范围两方面来说明, 热岛强度: 秋季> 夏季> 春季> 冬季, 分布范围: 夏季> 秋季> 春季> 冬季; 空间上存在3 个分布广且连续的强热岛区, 最大的热岛呈组团状分布、第二的呈线状分布、第三的热岛呈带状分布; 不同遥感尺度下观测到的城市热岛效应强度和范围不同。     

典型地表对长沙主城区地表温度的影响分析

城市热岛是一种城市地区温度比郊区温度高的现象,它可改变城市的自然和社会过程,引发一系列环境问题.利用Landsat 8 TIRS10波段的单通道算法(TIRS10_SC算法)反演了长沙主城区2013年7月、2016年3月、7月和11月4景Landsat 8影像的地表温度,并进一步分析了地表温度的时空分布特征,建设用地、...     

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0.021～0.07...     

土地利用变化下北京市热通量的时空演变

探究土地利用变化对城市热通量的影响,对城市用地规划和城市热岛缓解具有重要指导意义。利用混合像元组分排序对比和分层能量切割方法,通过Landsat系列数据反演的地表参数,结合气象再分析资料,估算了2004、2009、2014和2017年4期9月份的北京市地表瞬时热通量,依据同期的北京市土地利用图,分析了北京市热通量随土地利用变化的时空演变。结果表明：①北京市地表温度和热通量分布具有明显的空间异质性,山区和平原、平原不同土地利用类型之间差异明显;②在不同时期,土地利用类型间的地表温度和热通量的高低次序具有一致性,瞬时潜热通量,林地最高,为347.85~546.95 W/m²,其次为耕地、草地,建设用地最小,为225.23~349.03 W/m²,感热通量和地表温度则相反,建筑用地最高,分别为94.06~189.28 W/m²和25.18~32.25 ℃,耕地和草地次之,水体的最低,分别为28.15~102.55 W/m²和19.25~28.38 ℃;③土地利用类型转变引起的城市热通量变化方面,自然表面转为建设用地时,潜热通量急剧减少,感热通量增加,城区周边耕地的潜热通量受城市热辐射影响而增加,城市绿地能有效缓解城市热岛效应。     

Remote sensing of the urban heat island effect across biomes in the continental USA

Impervious surface area (ISA) from the Landsat TM-based NLCD 2001 dataset and land surface temperature (LST) from MODIS averaged over three annual cycles (2003-2005) are used in a spatial analysis to assess the urban heat island (UHI) skin temperature amplitude and its relationship to development intensity, size, and ecological setting for 38 of the most populous cities in the continental United States. Development intensity zones based on %ISA are defined for each urban area emanating outward from the urban core to the non-urban rural areas nearby and used to stratify sampling for land surface temperatures and NDVI. Sampling is further constrained by biome and elevation to insure objective intercomparisons between zones and between cities in different biomes permitting the definition of hierarchically ordered zones that are consistent across urban areas in different ecological setting and across scales.We find that ecological context significantly influences the amplitude of summer daytime UHI (urban-rural temperature difference) the largest (8 °C average) observed for cities built in biomes dominated by temperate broadleaf and mixed forest. For all cities combined, ISA is the primary driver for increase in temperature explaining 70% of the total variance in LST. On a yearly average, urban areas are substantially warmer than the non-urban fringe by 2.9 °C, except for urban areas in biomes with arid and semiarid climates. The average amplitude of the UHI is remarkably asymmetric with a 4.3 °C temperature difference in summer and only 1.3 °C in winter. In desert environments, the LST's response to ISA presents an uncharacteristic “U-shaped” horizontal gradient decreasing from the urban core to the outskirts of the city and then increasing again in the suburban to the rural zones. UHI's calculated for these cities point to a possible heat sink effect. These observational results show that the urban heat island amplitude both increases with city size and is seasonally asymmetric for a large number of cities across most biomes. The implications are that for urban areas developed within forested ecosystems the summertime UHI can be quite high relative to the wintertime UHI suggesting that the residential energy consumption required for summer cooling is likely to increase with urban growth within those biomes.     

城市热岛效应地表通量空间分布研究

城市化进程的加快促使更多大中城市的产生以及城市面积的扩展,导致更加严重的城市热岛现象。为了更加深入理解城市热岛效应产生根源,以西安市城区为例采用美国陆地卫星遥感数据反演或估算地表温度、植被指数以及地表通量等变量,不仅采用传统的地表温度参数理解城市热岛现象,还着重分析城市建成区和郊区的地表通量空间分布格局及其与地表温度的关系。研究发现西安城市建成区与郊区之间热环境存在显著的差异,地表温度不仅与植被覆盖状况具有密切的关系,还与地表潜热通量和实际蒸散发变量存在显著的反相关关系。详细分析表明拥有众多工厂企业的西安市莲湖区热岛效应尤为显著,而位于市中心的新城区次之,具有较大面积郊区的灞桥区热岛效应并不明显。因此城市绿地不仅影响城市建成区的地表温度空间分布,还对地表通量以及实际蒸散发的空间格局产生重要的影响,在调节城市热岛效应方面具有重要的作用。
     

Spatiotemporal Pattern of Urban-rural Aradient Land Cover Changes and Their Impact on Urban Heat Island in Xi′an City Since the 21st Century

Rapid urban expansion had a significant impact in land use/cover change along urban-rural gradient, and the increase of impervious construction land and the reduction of vegetation cover had induced and aggravated the urban heat island effect. Studying the impact of urban-rural gradient land cover change on urban heat island effect was significant for urban planning and construction, improving the comfort of human settlements and enhancing the function of urban ecological services. The surface temperature of Xi'an city was retrieved by mono-window algorithm based on Landsat images, and the thermal field intensity map was obtained by calculating the thermal field variation index, and the gradient land cover changes in urban and rural areas were analyzed with land use data. The results showed that: ①The urban heat island effect in Xi'an showed a trend of first increasing and then decreasing from 2000 to 2015. In 2000, the extremely strong heat island effect area accounted for 10.58% of the research area, and gradually increased to 16.14% in 2011, and then decreased to 9.00% in 2015. ②From 2000 to 2015, the area of construction land increased 412.76 km² and the intensity of extremely strong heat island expanded year by year with the expansion of urban built-up areas. ③About 70% of the non-heat island effect areas were located on farmland and forest land, and the proportion of water area in the non-heat island effect was increasing year by year from 31% to 47%, which showed that the increase of vegetation and water area could effectively alleviate the urban heat island effect.     

Exploring indicators for quantifying surface urban heat islands of European cities with MODIS land surface temperatures

The term urban heat island describes the phenomenon of altered temperatures in urban areas compared to their rural hinterlands. A surface urban heat island encompasses the patterns of land surface temperatures in urban areas. The classical indicator to describe a surface urban heat island is the difference between urban and rural surface temperatures. However, several other indicators for this purpose have been suggested in the literature. In this study, we compared the eleven different indicators for quantifying surface urban heat islands that were most frequently used in recent publications on remote sensing-based urban heat island assessments. The dataset used here consists of 263 European cities with monthly mean temperatures from MODIS data products for July 2002, January 2003 and July 2003. We found that (i) the indicators individually reveal diurnal and seasonal patterns but show rather low correlations over time, and (ii) for single points in time, the different indicators show only weak correlations, although they are supposed to quantify the same phenomenon. Differentiating cities according to thermal climate zones increased the relationships between the indicators. Thus, we can identify temporal aspects and indicator selection as important factors determining the estimation of urban heat islands. We conclude that research should take into account the differences and instabilities of the indicators chosen for quantifying surface urban heat islands and should use several indicators in parallel for describing the surface urban heat island of a city.     

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...