基于遥感数据的东莞市热岛效应分析研究初稿Word文档格式.docx
- 文档编号:20817230
- 上传时间:2023-01-25
- 格式:DOCX
- 页数:35
- 大小:6.15MB
基于遥感数据的东莞市热岛效应分析研究初稿Word文档格式.docx
《基于遥感数据的东莞市热岛效应分析研究初稿Word文档格式.docx》由会员分享,可在线阅读,更多相关《基于遥感数据的东莞市热岛效应分析研究初稿Word文档格式.docx(35页珍藏版)》请在冰豆网上搜索。
grassland/farmland>
waters>
woodland.
3)Thevegetationcoveragerate
significantlynegativecorrelation
with
temperature,correlationcoefficientreached
0.7975.Thatis,thehigherthevegetationcoverage,thelowerthetemperature.Moreover,
theregional
heatislandareas
withhighervegetationcoverage
isrelativelysmall.
Keywords:
UHI;
heatislandintensity;
Dongguan;
ENVI;
Landsat8;
temperatureretrieval
第1章前言
1.1选题背景和研究意义
改革开放以来,地处珠江三角洲几何中心的东莞市经济快速发展,伴随东莞市的城市化,大量的低蓄热自然下垫面逐渐转变为城市建设用地,城市下垫面发生了明显变化,城市出现高温化,形成了城市热岛效应(Urbanheatislandeffect,UHI)[1]。
城市热岛效应于1820年由英格兰学者路克·
霍德华在《THECLIMATEOFLONDON》一书中提出。
城市热岛效应,是指城市因大量低比热容的建筑与道路的铺建,人为热源巨幅增长,林地水域等高比热容自然下垫面减少等因素,城市形成温度高于周围的高温区。
热环境是城市环境的主导因素之一,对其充分的了解有利于帮助城市合理健康地发展,也有利于提高人居环境。
以故,各国学者及相关部门对此展开许多了研究。
先有美国航空航天局和环保署共同发起的“城市热岛试点项目”计划,以美国几个重点城市为试点对象,结合统计数据和遥感技术,顺利对其各城市的夏季城市热岛效应进行了探究工作。
北美的加拿大为了改善其最大的城市多伦多的城市热岛现象,亦开展了“凉爽的多伦多项目”计划。
随着人们对热岛问题更深刻的了解,亚欧多国也先后开展相关研究与治理工作[2]。
随着遥感技术的传播普及,我国亦有学者针对城市热岛效应展开了分析研究,但主要研究对象为诸如北京、上海、广州的大都市,极少有面向中小城市的城市热岛研究[3]。
然而中国经过安定平稳的数十载发展,许多中等城市也经历了明显的城市化,东莞市便是其中的代表城市。
借改革开放之风使经济快速发展的东莞市,如今已有十分发达的交通系统,步入2014年之际,东莞市公路密度达202.94km/km2。
与此同时,在机动车辆日渐增多,城市水地、绿地为建筑用地所取代,大量外来人口涌入;
各式耗能电器、设备的推广使用的影响下,东莞市城市下垫面发生了巨大的变化,自然下垫面为吸热快热容量小的人工构筑物所取代,人工排放的热量也急剧增长。
最终使得东莞市城市热岛现状进一步恶化。
因此,对东莞市城市热岛现状展开深入的研究,对保障东莞市合理建设、健康发展,改善东莞市人居环境具有重大意义。
1.2国内外研究现状
伴随着人们对城市热岛效应的影响日渐增长的关注,现今已有多种城市热岛效应研究方法。
其中主要有依据气象数据的统计研究方法和依据卫星遥感数据的分析研究方法。
1.2.1采用统计方法的城市热岛强度分析
应用统计方法研究城市热岛强度是基于气象监测点的监测数据的研究。
学者们借助在气象站上获取的连续的气象监测资料,既可以获悉城市热岛现状,也可以对城市年、季、日城市热岛效应变化特征展开研究,对其时间上的城市热岛强度波动规律展开分析。
例如,国内有学者通过分析天峨气象站观测数据获悉城市热岛效应是造成温湿度差异的主要原因[4]。
但此方法存在研究取样点有限而无法全面准确分析城市热岛效应空间分布情况的缺点。
1.2.2采用遥感方法的城市热岛强度分析
在计算机技术、航天技术颇为发达的当代,利用卫星遥感数据进行地表温度反演的城市热岛效应研究方法为人们解决了统计方法无法进行广域研究的难题。
利用遥感数据进行地表温度反演的热岛效应研究能合理的考虑大气辐射对研究的影响,且随着对遥感方法更深入的研究,美国航空航天局还建立了完善的大气剖面参数获取网站,使得地表温度反演有了更高的精确度。
总体上,通过遥感手段获取的观测资料还具有同时性、全面性的优点[5],选取合适的卫星波段数据即可对整个城市进行同步分析。
因此,应用遥感数据的城市热岛强度研究方法是目前应用最广的研究方法。
许多学者也借助不同卫星的遥感数据,对诸如北京[6]、上海[7]的发达城市展开了城市热岛强度的分析研究。
1.3研究内容
本文通过分析处理Landsat8遥感影像数据,实现了东莞市不同季节的地表温度反演,展开了针对东莞市冬季、夏季城市热岛效应现状的分析研究。
具体研究内容包括:
1)获取东莞市土地分类影像
2)基于Landsat8卫星热红外波段遥感数据的东莞市夏季、冬季地表温度反演
3)东莞市夏季、冬季热岛强度分析及比较
4)以夏季为例,分析不同城市下垫面和植被覆盖率对东莞市热岛效应的影响
以流程图表述如下:
东莞市城市热岛效应影响因子分析
东莞市夏季
城市热岛强度
植被覆盖度
土地分类
Landsat8卫星数据
东莞市地表温度反演
图1.1东莞市热岛效应研究流程图
第2章数据预处理
2.1东莞市土地利用分类
不同类型的城市下垫面蓄热性能不同,其地表反照率也不同[8]。
因此,城市的土地分类情况左右着着城市热岛强度,有必要对其展开研究。
本文采用基于样本的面向对象的土地分类方法,具体流程如下:
启动ENVI,打开东莞市影像数据,使用ExampleBasedFeatureExtractionWorkflow工具,将弹出的窗口中切换至CustomBands面板,勾选NormalizedDifference和ColorSpace属性以提高分类精度。
之后进行对象的分割操作,设置
为50,
为80[9]。
分割完成后进入基于样本的分类界面,在右侧的ClassProperties面板中,建立样本类型如下:
Ø
红:
城市用地
黄:
荒地
绿:
草地/田地
青:
林地
蓝:
水域
分别为各分类类型选取足够样本后,选用K邻近法对影像进行分类,K参数设置为5,最后输出土地利用分类结果:
图2.1东莞市土地分类结果数据图
分类结果显示,东莞市土地利用占比最高的是城市用地,其次是林地,其中城市用地广泛分布于各镇区,林地则集中分布在某几个镇区(谢岗镇、樟木头镇、黄江镇等),荒地主要存在于丘陵地形,水域则主要分布于西南端。
第3章地表温度反演
3.1基于Landsat8遥感数据反演夏季、冬季地表温度
本研究采用大气校正法作为地表温度反演算法,使用工具为ENVI,具体操作过程如流程图所示:
大气剖面参数
植被覆盖率计算
同温度下黑体辐射亮度计算
地表比辐射率计算
图3.1地表温度反演流程图
3.1.1Landsat8遥感数据
2013年2月11日,美国国家航空航天局再次为其陆地卫星计划注入了新的血液,顺利发射了荷载陆地成像仪与热红外传感器的Landsat8卫星并在为期100天的测试运行后开始获取影像。
据悉,Landsat8荷载的ThermalInfraredSensor属于目前最先进,性能最好的热红外传感器。
本研究采用的为Landsat8热红外传感器Band10,其中心波长为10.9微米,大、小波段边界分别为11.2微米和10.6微米,空间分辨率100米[10]。
Landsat8卫星数据来源为地理空间数据云网站(
3.1.2辐射定标
辐射定标是为了架构所用传感器的输出值与其空间点的辐射亮度值间的关联。
首先,选用辐射定标工具RadiometricCalibration,选择其中的热红外波段ThermalInfrared1(10.9000),再导出辐射亮度文件获取辐射亮度值图像数据:
图3.2辐射亮度数据图
其中影像亮度越高,代表该点辐射强度越高。
3.1.3NDVI计算
NDVI即归一化植被指数,其值大小可以反映植被覆盖的程度[11],对应详情如下表:
表3.1NDVI值与对应地面类型
数值
对应地面类型
云、水、雪等
岩石或裸土等
植被,且NDVI的大小与植被覆盖的程度呈正相关
NDVI计算公式:
(3.1)
其中p(nir)为近红外波段的反射值,p(red)为红外波段的放射值。
使用ENVI,打开NDVI工具,选择LC81220442014288LGN00_MTL.txt文件的多光谱数据,导出即可得到NDVI图像数据:
图3.3NDVI数据图
其中影像亮度越高,代表该点归一化植被指数越高,黑色区域则为无植被区域。
3.1.4植被覆盖率计算
取无植被覆盖区域归一化植被指数值为0.05,植被完全覆盖区域归一化植被指数值为0.7,依据fortran语法,可用以下公式获取植被覆盖率Pv:
(3.2)
其中,b1为3.1.3章节中获取的NDVI影像数据。
Fortran语法意义对应如下:
表3.2Fortran语法
gt
greatthan大于
lt
lessthan小于
ge
greatandequal大于或等于
le
lessandequal小于或等于
当命题成立,运算结果返回“1”,命题不成立,运算结果返回“0”。
具体操作为:
打开波段运算工具bandmath,输入经验运算公式:
(b1gt0.7)*1+(b1ge0.05andb1le0.7)*(b1-0.05)/0.65(3.3)
点选NDVI图像数据为b1,输出得到植被覆盖率图像数据:
图3.4植被覆盖率数据图
其中影像亮度越高,代表该点植被覆盖率越高,黑色区域则为无植被区域。
再打开subsetDatafromROIs工具,选用东莞市矢量图OutLine_DG_Polygon.shp剪裁植被覆盖率图,设置背景值为“0”,得到东莞植被覆盖率图像数据,打开RasterColorSlices工具,由高到低以红、黄、绿、青、白划分不同植被覆盖率区间:
0.5至1
0.2至0.5
0.1至0.2
0.0001至0.1
白:
0至0.0001
输出得到东莞市夏季植被覆盖率数据图像:
图3.5东莞市夏季植被覆盖率数据图
容易发现,代表较高植被覆盖率的红色与黄色区域主要集中在东莞市东部的谢岗镇、樟木头镇和清溪镇,此外,东莞市南部附近镇区也有较高的植被覆盖率。
同理,获取东莞市冬季植被覆盖率红、黄、绿、青、白五区间分布数据图如下:
图3.6东莞市冬季植被覆盖率数据图
对比东莞市夏季植被覆盖率影像数据发现,冬季高植被覆盖率区域与夏季基本相同,但是植被覆盖率则明显低于夏季。
3.1.5地表比辐射率计算
地表比辐射率
可使用国外学者推算出的NDVI阈值法计算,经验算式为[12]:
(3.4)
其中Pv为植被覆盖率。
操作方法为:
打开bandmath工具,输入经验运算公式:
b1*0.004+0.986(3.5)
点选植被覆盖率图像数据为b1,输出得到地表比辐射率图像数据:
图3.7地表比辐射率数据图
其中影像亮度越高的区域表示地表比辐射率越高,反映该区域的热辐射性越高。
3.1.6同温度黑体辐射亮度值计算
使用大气校正法进行地表温度反演,除上述分析所得数据外还需要研究区域的大气剖面参数。
借助美国航空航天局建立的大气剖面参数分析模型,可依据研究区域的时间、位置及气候信息等获取当时大气剖面参数。
该大气参数分析模型网址为:
http:
//atmcorr.gsfc.nasa.gov/,通过进入该网页输入研究当天东莞市相关信息,获取东莞市夏季、冬季大气剖面参数如下[13]:
表3.3东莞市夏季、冬季大气剖面参数
季节
参数
夏季
冬季
大气向上辐射亮度
1.66
0.46
大气向下辐射亮度
2.73
0.79
热红外波段于大气层中的透过率
0.78
0.93
在热红外波段中,当黑体温度为T,以
表示同温度的地表温度,取T温度下黑体在热红外波段的辐射亮度值为
,依TIRS辐射亮度的组成得关系式得[14]:
(3.6)
其中
为3.1.2章节中所得影像数据中的辐射亮度值。
依据获取的大气剖面参数数据,同温度黑体辐射亮度值获取方法如下:
打开bandmath,输入经验运算公式:
(b2-1.66-0.78*(1-b1)*2.73)/(0.78*b1)(3.7)
点选地表比辐射率图像为b1,辐射亮度值图像数据为b2,输出得到同温度黑体辐射亮度值图像数据:
图3.8同温度黑体辐射亮度值图像数据
其中,影像中亮度越高的区域同温度黑体辐射亮度值越高。
3.1.7地表温度计算
获取同温度黑体辐射亮度值
之后,依据普朗克公式,即可计算地表温度
:
(3.8)
对于Landsat8卫星热红外传感器的band10,
使用ENVI的演算方法为:
打开bandmath工具,输入普朗克公式:
(1321.08)/alog(774.89/b1+1)-273.15(3.9)
点选同温度黑体辐射亮度值图像数据为b1,输出得到地表温度图像数据:
图3.9地表温度图像数据
再打开subsetDatafromROIs工具,选用东莞市矢量图OutLine_DG_Polygon.shp剪裁地表温度图,设置背景值为“0”,得到东莞市夏季地表温度图像数据:
图3.10东莞市夏季地表温度图像数据
上图中,亮度越高的区域地表温度值越高。
成功演算出东莞市地表温度后,使用Blue-Red分布,以红、黄、绿、青、蓝表征不同区域温度从高到低的情况。
获取此分布下东莞市夏季地表温度分布情况如下:
图3.11东莞市夏季温度Blue-Red分布图
同理,获取Blue-Red分布下东莞市冬季地表温度分布情况如下:
图3.12东莞市冬季温度Blue-Red分布图
依据上述地表温度反演结果,容易发现东莞市夏季、冬季同一时间不同区域的温度分布情况为周围相对低温的郊区环绕高温城区,呈现明显的城市热岛效应,并有西部温度高于东部的东西差异。
3.1.8东莞市地表温度分布
成功演算出东莞市地表温度后,使用ENVI图层管理器的RasterColorSlices工具,由高到低以红、黄、绿、青、蓝划分不同温度区间。
本例依据演算温度结果,将温度区间划分如下:
1)东莞市夏季地表温度区间划分
31℃以上
27℃至30℃
24℃至27℃
20℃至24℃
低于20℃
将东莞市夏季地表温度划分为上述五个区间时,东莞市夏季地表区间温度分布如下图:
图3.13东莞市夏季区间温度分布图
2)东莞市冬季地表温度区间划分
17.5℃以上
15℃至17.5℃
12℃至15℃
7℃至12℃
低于7℃
将东莞市冬季地表温度划分为上述五个区间时,东莞市冬季地表区间温度分布如下图:
图3.14东莞市冬季不同区间温度分布图
观察东莞市夏季、冬季不同区间温度分布图,容易发现分布图中都出现了相对低温区域环绕相对高温区域的现象,判断为东莞市夏季、冬季皆存在城市热岛效应。
第四章夏季、冬季热岛效应的特征及影响因子分析
4.1比较分析夏季、冬季热岛效应强度及特征
4.1.1东莞市夏季热岛效应
本研究根据东莞市土地利用分类结果的影像数据及地表温度反演结果的影像数据区分东莞市各镇区的城市用地与其周围近郊区,以城市及其近郊区的温差表示热岛强度,选取在整个镇区中占比较大、代表性较高的热岛为样本,获取东莞市夏季各镇区热岛强度如下:
表4.1夏季各镇区热岛强度
镇区
城区温度
(℃)
近郊区温度(℃)
夏季温差
城区温度(℃)
夏季温差(℃)
莞城区
33.52
31.79
1.73
横沥镇
33.51
31.83
1.68
东城区
34.88
31.09
3.79
常平镇
33.16
31.46
1.70
南城区
34.04
31.88
2.16
虎门镇
34.65
31.38
3.27
万江区
34.01
30.49
3.52
长安镇
31.51
2.50
麻涌镇
34.99
31.08
3.91
沙田镇
33.82
31.82
2.00
中堂镇
34.67
31.61
3.06
厚街镇
34.61
31.31
3.30
望牛墩
33.29
31.76
1.53
寮步镇
34.26
31.64
2.62
洪梅镇
31.15
2.37
大岭山
34.12
31.86
2.26
道滘镇
33.64
31.37
2.27
松山湖
32.11
30.59
1.52
高埗镇
34.35
2.59
大朗镇
33.72
31.36
2.36
石碣镇
34.22
30.98
3.24
黄江镇
34.10
31.32
2.78
石龙镇
34.74
3.65
樟木头
32.02
30.82
1.20
石排镇
32.82
31.43
1.39
谢岗镇
32.13
30.79
1.34
茶山镇
2.14
塘厦镇
33.36
30.67
2.69
企石镇
34.58
2.79
清溪镇
34.28
31.53
2.75
桥头镇
33.47
31.28
2.19
凤岗镇
34.32
31.56
2.76
东坑镇
33.14
31.54
1.60
计算得各镇区平均热岛强度为2.44℃。
比较分析东莞市各镇区热岛强度差异,容易发现东莞市西南部区域如麻涌镇、虎门镇、厚街镇等镇区的热岛强度明显高于东北部区域如谢岗镇、樟木头镇、石排镇等镇区。
由于东莞市各镇区大小有较大差异,如以各镇区热岛强度平均值代表东莞市热岛强度,则缺少对各镇区所占比例不同的考量,为进一步提高研究结果的精确度,本文通过提取东莞市地表温度数据,以占比最高的相对高温代表城市,以占比最高的相对低温代表城市的近郊区,以其温差代表东莞市热岛强度,具体如下:
打开ENVI,打开东莞市夏季地表温度反演结果文件,打开工具盒中的ComputeStatistics工具,选区东莞市夏季地表温度反演结果文件为统计文件,勾选Histograms,勾选输出text报告文件。
将输出的.txt文件的内容复制到excel文件,经修整得东莞市夏季不同地表温度占比数据表如下:
表4.2夏季不同地表温度占比数据表
温度(℃)
比例(%)
14.7543
0.0002
24.1434
0.7165
33.5325
0.4647
14.9220
0.0000
24.3111
0.7743
33.7002
0.3891
15.0896
0.0003
24.4787
0.8354
33.8678
0.3093
15.2573
24.6464
0.9115
3
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 遥感 数据 东莞市 热岛效应 分析研究 初稿