考虑地表覆盖的气温遥感估算及对空间插值数据的改进
第一章绪论
1.1选题背景与研究意义
1.1.1科学问趣的提出
温度是热环境效应的表征因子，是反映区域热环境信息的物理指标，可分为近地层气温（以下简称气温;）和地表温度两种类型。气温是地面气象观测规定高度（1.5m）以上的空气温度，是描述陆地环境条件的重要参数，监测气温的变化可以比较真实地反映区域的热状况，也更贴近人们的体感和日常生活。地表温度是陆地表面的温度，反映地表对太阳辐射的吸收状况，是表征地物表面冷热程度的物理量。
最初人们对城市热环境现象的研究主要是通过分布在各处的气象观测站点的气温数据实现的，这种方法往往只能提供有限的点尺度上的气温信息，虽然时间上是连续的，但空间上是间断的，不便于在区域面尺度上开展细节的研究。利用空间插值方法对已有站点观测数据进行处理可以获得空间连续的气温数据，但插值结果受制于能获取资料站点的密度，因此在站点分布稀疏的区域很难得到精确的插值效果。因此，需要研究更好的气温估算方法，从而为解决区域热环境空间连续监测问题提供更好的支持。
遥感技术通过热红外波段数据反演可获得区域尺度上各个像元空间位置的地表温度信息，从而实现热环境的空间连续观测。阅文彬等利用数据反演了四川盆地地表温度，并用地表温度与空气温度的统计模型估算了气温和利用完全植被覆盖下的地表温度，提出气温遥感获取模型（简称模型），求得气温的估计值且结果较好。上述研究均表明，在遥感反演地表温度空间分布数据的基础上，可进一步推算近地层空气温度，从而实现在面尺度空间上的连续气温监测。然而，受遥感卫星过境时间的影响，利用这种思路所获取的数据将在时间尺度上出现间断点，因此难以实现区域热环境的时间连续监测。
考虑上述两方面，为实现时间连续、空间亦连续的区域温度的有效监测，需要将气温数据和地表温度数据有机结合起来。本文以气象站点观测所获气温数据和遥感反演所获地温数据为基础，提出利用空间连续的地表温度数据，通过分析其与有限站点观测的空气温度及其空间插值数据之间的关系，其中重点考虑地表覆盖模式的影响，从而建立一种新的气温估算模式，为时空连续温度数据的获取提供思路。
1.2国内外相关研究进展
气温数据的获取主要依赖于气象站点观测，为获得目标区域空间连续的气温分布信息，需要对站点位置以外空间范围的气温进行估算。区域气温估算可通过至少两种方法予以实现：一种是基于气象站点观测数据的空间插值，第二种是基于遥感反演获得的区域气温数据。
1.2.1基于空间插值方法的气温估算研究
空间插值是利用离散点的测量数据，通过一个函数关系式让同一区域的未知点尽可能地逼近己知数据，得到连续的数据曲面的方法。空间插值方法种类较多，不同方法的插值结果存在较大的差异。比较常见且广泛应用于气温要素插值的方法包括：反距离加权平均法、样条函数法、克立格法等。
彭彬等利用IDW法、Spline法、riging法及Co-riging法对江苏省年月均及年均气温进行空间插值，结果表明：普通riging法效果要显著好于IDW和Spline;而Co-riging法考虑了经讳度、岸距和地面高程等影响气温空间分布的因素，结果略优于普通riging法。蔡福等采用IDW法、riging法、趋势面模拟残差内插法、空间化气候值年际距平空间插值方法、空间化气候值年际距平趋势面模拟残差内插方法，对我国东北、华中地区1978年、1984年、1990年、1996年4年的1月份、7月份及年均气温进行了空间插值方法的比较研究，结果表明：采用在空间化气候数据影响下的年际距平空间插值方法的复杂度最低且误差率最低，是一种对平均气温而言性价比;最高的空间化方法。Courault.D等基于法国东南部地区个气象观测数据，提出一种用于日最高和日最低气温的考虑大气环流模式的插值方法，结果表明：该方法在日最高气温的插值中取得较好的效果，误差在0.6°-2°C之间，比普通克里金法误差小0.5°C左右，但在日最低气温插值中则表现不佳。
综上所述，在同一个研究区内，气温在同一时间，各站点的值并不相等，即气温存在空间变异性。通过空间插值获得面上的气温，由于气象站点分布情况存在客观差异、不同地区的地形和景观条件、插值方法的选择等都会对最终结果产生影响，如何根据数据与区域的特征选取适当的空间插值方法对于估测整个研宄区内气温分布情况显得尤为重要，因此需要针对不同的研究区，对插值方法进行比较，最终确定最适宜的插值方法用于气象要素的插值研究。
第二章研究区概况与数据源
2.1研究区概况
（1）气候环境及特点
北京比邻燕山山脉，受此影响，北京地区白天在广袤的平原地区比辖射率要高于山区，因此空气受热体积增加，沿着地形抬升，就盛行东南风，在气候学角度，也被叫做谷风；相反到了夜间，高海拔地区由于温度下降率高的影响导致气流下沉，因此夜间多西北风，即山风。这种夜间东南西北，日间西北东南的风向规律，加之气压、，等诸多因素的影响，便形成了北京地区典型的半湿润性温带季风气候。由于季风气候且不临海，全年以上温度达6-7个月，降水分布呈集中态势，夏天降水占年降雨量的八成左右，7、8月常会出现大到暴雨。
北京主要的季节变化特点如下：春季随着太阳高度角在不断加大，日照时长便随之增长，气温涨幅较为明显，白天气温峰值较高，但是夜晚由于缺少日照，加之受冷空气影响，温度较低，日夜温差较大。同时由于无暖湿气流波及，降雨量很少，而冷暖峰交替频繁，易发生大风天气。夏天太阳越发直射北半球并且受海流影响，副热带高气压带北移出境，因此出现雨热同期现象，日均气温可达24°C左右，降雨量约占全年降雨量的同时由于坡面雨效应使得山区局部可发生雷阵雨或冰雹等强对流天气。秋季天高气爽，随日照时数逐渐减少，天气转凉，但湿度不减，较为舒适。冬季少雨雪天气，寒冷干燥，平原地区平均气温约为-4°C，而山区还要比平原地区气温低4-5°C。
（2）社会经济概况
北京作为我国的首都和政治、经济、文化中心，城市化发展较其他城市更快。伴随着城市化进程的推进和社会经济的发展，物质能量在城市过度集中，城市规模持续扩张，人口数量剧增。自1978年改革开放以来，截止到2003年，北京总人口共增加584万，城市化率（即城镇人口占总人口的比重）从54.9%提高到79.05%。根据2021年11月中华人民共和国第六次全国人口普查结果，北京市常住人口比10年前增加604.3万人，其中由外省市迁入的人口已占常住人口的35.9%。《北京区域统计年鉴》显示，2021年末全市常住人口己达2069.3万人，居全国之冠，是全球人口第一大都市，而且还在继续增长。北京市1978-2021年常住人口数量变化趋势如图2-1所示。
2.2研究数据源
2.2.1气象数据
本文所用的气象数据是经过标准化处理的自动站数据，时间为2021年1、4、7、10月，包含120个站点的逐小时气温信息。气象台站空间分布情况如图2-3所示。
由于MODIS-TERRA每日地方时上午十点半过境，因此需要提取出与卫星过境时间一致或相近的气温信息。同时考虑气象数据只有整点气温观测值，故本文从站点数据中提取并整理2021年1、4、7、10月每日上午10:00的瞬时气温数据，用于代替卫星过境时间的气温。根据原始数据的数据结构，提取出感兴趣的目标列，按照txt文件读取方法，采用Visual Studio2021、ArcGIS Engine开发读取和转换数据的程序，并对各月每曰气温数据进行平均值计算，得到上述4个月上午10:00的月平均气温。选取100个站点作为己知的插值点，采用不同的空间内插方法对气温进行插值研究，其余20个站点作为插值后的检验点，以便对插值结果进行精度验证。
2.2.2遥感数据
本文使用的主要遥感数据是TERRA MODIS的8天合成地表温度产品数据（MOD11A2）和植被指数产品数据（MOD13A3），时间为2021年1月、4月、7月、10月。具体信息如表2-1所示：
第三章基于气象站点观测数据的气温空间插值分析与方法比较.......15
3.1基于不同内插方法的气温空间插值........15
3.1.1反距离权重法.........15
3.1.2样条函数法........17
第四章地表温度与不透水面分布特征研究........24
4.1地表温度的生成与分布特征分析..........24
4.1.1地表温度的生成........24
第五章考虑地表覆盖影响的气温估算及对空间插值数据的改进.......37
5.1地气温关系的影响因子分析......37
5.2影响因子的分类原则......38
第五章考虑地表覆盖影响的气温估算及对空间插值数据的改进
尽管本文从两个方面对比了现有的空间插值方法，最终选出精度最好的克里金法，但利用已有的站点资料进行插值仍只能保证离台站较近地区插值结果的准确性，由3.2.3小节的表可以看出，在站点分布不均匀的潮海镇、站点相对稀疏的佛子庄、汤河口等地，绝对误差都在1摄氏度以上，内插精度较低。为了得到更为准确的气温数据，需要用空间连续的精确的地表温度推算气温，得到地气温估算方程，以修正气温的空间插值结果，最终得出气温插值的修正模式。同时，在非卫星过境时刻，无地表温度信息的条件下，可以利用这一时刻的站点气温，通过地气温估算方程进行地表温度的推算，得到长时间序列上的地表温度信息。
5.1地气温关系的影响因子分析
根据前人的研究地表温度变化受地物性质的影响，与土地覆盖类型、植被指数等密切相关，在不同的土地覆盖背景下，不同地物的地表比辐射率不同，导致其吸收太阳辖射的程度并不固定，所引起的温度升高的程度亦不同因此在不同土地覆盖模式下就产生了不同的地表温度。气温变化受大气湿度、气压、风速等大气环境的影响。湿度越大，温度变化越缓慢。风速通过影响大气运动对大气的热量传递起到重要的作用。气压反映了空气稀薄程度，影响大气的热量吸收和传输，进而影响到气温的变化。因此在寻找地表温度与气温的相关关系时，必须考虑地物及环境等多种因素的影响。
本文的研究区属于同一个气候带，因此，可将这三个影响因素归结为一个，即季节。通常来说，地表温度随着下垫面条件的改变而变化，且由于这种变化是直接影响，因而变化速率较快。由于大气的流动性，对应的气温也将受下塾面和大气环境条件的不同而形成与地表温度不同的关系。降雨量是从天空降落到地面上的雨水，未经蒸发、渗透、流失而在水面上积聚的水层深度，既能反映地表湿度状况，又能反映大气湿度，且易于监测，因此作为本文研究地气温关系的又一影响因子。综上所述，本文采用季节、降水量、土地覆盖作为地表温度和气温相关性的影响因子。
第六章结论与展望
6.1主要结论
本文以北京市为研究区，综合利用遥感反演、空间插值和统计分析等方法，利用气象数据进行空间插值，得到时空连续的气温分布，为解决气温监测不连续的问题提供新的思路。利用MODIS陆地产品数据，快速准确地获取研究区地表温度、植被覆盖度、不透水率密度等地表参数信息，研究了地表温度的空间分布特征和季节分布特征，同时对地表温度分布与不透水率分布的关系进行了分析。在对地表温度进行研宄的基础上，结合土地覆盖类型数据、降雨量数据等，利用统计分析方法，进行地表温度推算气温的研宄，得到地气温估算方程，以修正气温的空间插值结果，最终得出气温插值的修正模式。同时，也可通过地气温估算方程进行非卫星过境时刻地表温度的推算，得到长时间序列上的地表温度信息。为实现区域气温的时空连续监测、实现地表温度与气温之间的有效转换提供新的途径。研究的主要结论包括以下几点：
（1）由于内插原理不同，不同的空间插值方法的结果存在较大的差异。样条函数法的结果区间包含了实测区间，但要远大于实测区间，无法通过结果区间反映研究区气温的大致波动范围，且其产生的绝对误差和标准差较大，说明此方法不稳定，插值后偏离平均值程度最高，离散程度最大。反距离权重法在插值点分布不均匀的局部地区出现圆形的异常高温区或低温区，难以保证插值精度。而克里金法在插值均匀度方面表现良好，受来样点密度和分布的影响较小，且其插值结果与真实值之间的绝对误差和标准差都不高，偏离真实值程度较低，表现出了更好的聚合能力。
（2）在不同时间不同空间地表温度分布特征存在明显差异。高温区密集分布在中心城区及南部地区，整体呈现出由内向外逐渐降低的趋势。在季节上表现为夏天跨度最大，冬季跨度最小的特点。不透水面率与地表温度呈现一定的正相关关系，在不透水率覆盖比例高的区域，气温也比较高，相反的，在不透水率较低的区域温度也都比较低。
（3）利用算术杂交算法，计算得到两种方法的遗传相似度，实现对插值数据的改进，结果表明：改进后的气温综合了插值法和估算方程法二者的优点，绝对误差大大降低，与实测气温更为接近，可以实现对气温空间插值数据的改进。
参考文献（略）