谈谈某城市地表温度作用因素之遥感反演及解析

国学论文计算机论文

谈谈某城市地表温度作用因素之遥感反演及解析

九项全能围观:℉更新时间:12-18 09:38

谈谈某城市地表温度作用因素之遥感反演及解析

第1章绪论

1.1国内外研究进展

伴随着城市化热岛效应的显著增强,我们对热岛现象也给予了强烈的关注,热岛效应这个词最早是由Howard在19世纪提出来的。到目前为止,针对城市热岛现象与各个影响因素关系的研究也是比比皆是。在研究的众多影响因子里,植被指数是十分重要的一个考虑因素,国内外专家针对两者的关系也开展了一系列的研究,并且在某些方面也取得了不小的成功。植被指数对地表温度的影响之所以成为大家纷纷讨论的一个重点,源于Gallo对归一化植被指数和地表温度进行了一个证明,在这个证明中,十分明确地提出了两者之间存在一个明显的负相关关系,也就是说,归一化植被指数与地表温度呈反比关系,这一观点是在年被提出来的。我们一直都在说一个名词,不透水面,它是城市下垫面的一个重要组成部分。那么何为不透水面呢?我们身边的环境中哪些又属于不透水面类的呢?DanielL.Civco and amesD.Hurd认为非渗透表面包括混凝土表面、沥青表面、屋顶等不透水表面,主要是建筑物、屋顶、水泥或沥青道路、广场等地物。entB.Barnes认为非渗透表面是屋顶、人行道、道路、停车场等以沥青、混凝土和石头等不透水材料为构造的表面。课题研究中通常选用不透水表面率(ISA)来代表城市中的不透水面积。伴随着桂林市城市化进程速度的日益加快,城市不透水面越来越多。因此,这就直接导致城市地表温度升高。所以,我们在研究城市热岛效应时必需考虑城市地表温度与不透水面的关系。水体是十分常见的一种土地覆盖类型,是影响桂林市城区区域地表温度的一个重要因素。然而,在城市热岛现象的众多研究中,较少考虑水体与地表温度之间关系。植被中和土壤中的水分含量是我们在研究中特别容易忽视的一个细节。现阶段,研究学者针对水体信息的处理手段还是在徐涵秋提出的MNDWI阶的基础上来进行的,且实验的结果比较好,比较令人满意,接受度较高。

在近几年对地表温度的研究中,我们可以明显的发现,人工神经网络方法被运用到了地表热场的研究中且取得了较好的实验结果。例如,ang和Zhao分别釆用人工神经网络的方法进行建模。同时,通过建立的模型与相应的地表参量来计算地表温度。这一方法误差较小,数据精确度较高。还有杨贵军,王崇婦等通过遗传自组织神经元网络建立模型的方法来获得精度较好的地表温度等。

1.2研究方法和内容

1.2.1研究方法

以前我们对地表温度的获取是使用地面分辨率为120m的热红外波段图像,这种图像只能用来获取120m*120m像元的地面温度,而无法获取到地面分辨率小于120m的亚像元地表温度。实验证明:地表温度与植被指数、水体指数、城市不透水面率等各个地表参量之间都有着显著的联系,我们在实验中,首先,通过运用神经网络建立地面分辨率为60m的地表因子与地面分辨率为60m的情况下的地表温度之间的一个数学映射关系;然后,把从地面分辨率为30m中得到的参数因子输入到以地面分辨率为60m训练好的BP神经网络模型中,最后,得到30m*30m的亚像元地表温度。在不同分辨率的情况下,运用BP神经网络构建模型的新方法来反演地表温度的方法是快速获取亚像元地表温度的新技术手段。

我们的研究范围是选取广西桂林市的主要城区,研究讨论地表温度与不透水面、植被、水体植被覆盖度,共9个不同地表参量因子之间的数学关系,研究桂林瞎斯特城市热岛效应的形成原因与瞎斯特城市热岛效应的形成给我们的日常生活所造成的严重影响,通过研究以期寻求到缓解桂林市热岛效应的新技术手段。

1.2.2研究内容

论文章节概要:

第一章绪论。首先,阐述了什么是热岛效应与各个地表参量因子之间的相关关系在国内外研究的一个进展现状。然后,简述了作为嗜斯特城市代表著名的旅游城市桂林市来说,对热岛效应的研究包括方法、内容和实际目的。最后给出论文的一个详细的研究的技术路线。

第二章地表热场一一地表温度空间分布。首先是对要运用的遥感图像数据按照典型的方法进行预处理。然后,介绍当前对LandsatTM图像亚像元地表温度的反演算法,并简易介绍分析了各种算法的获取方法及手段。简述了几种常见参量因子的提取方法,重点介绍利用缨帽变换来提取土壤亮度指数、绿度植被指数、湿度指数等地表参数的基本思想、原理及技术路线。

第三章基于BP神经网络反演亚像元地表温度。将分辨率30m*30m的图经过重新采样变成分辨率为60m*60m的图,根据得到的图求出植被(NDVI归一化植被指数、RVI比值植被指数、DVI差分植被指数、GVI绿度植被指数、MSAVI修改型土壤调整植被指数、植被覆盖度、水体(归一化差值水体指数MNDWI、不透水面(ISA不透水面率、NDBI城镇建设用地指数)四个方面的数据图。基于BP神经网络方法反演亚像元地表温度的实现,首先需要构建建立一个BP神经网络模型,分别将分辨率为60m*60m的植被(5个)、植被覆盖度、水体(1个)、不透水面率(2个)共9个参数的数据信息作为输入参数,这个相当于训练集。然后再将分辨率为30m*30m的输入数据(参数选择与分辨率为60m*60m的相同)应用到训练好的BP神经网络模型中,得到我们所需要的温度图,这个则相当于测试集。最后将得到的温度图经过重采样重新转换成分辨率为60m*60m的图,与原始分辨率为60m*60m的波段6的温度图做参照对比,观察两组数据的对比效果,验证基于BP神经网络方法反演亚像元地表温度的精确度及是否符合现实意义。

第2章地表热场地表温度空间分布

2.1地域概况及数据信息预处理

2.1.1研究区地域概况

桂林市是广西东北部的岩溶盆地,属于是一个典型的、著名的略斯特旅游城市。近年来,随着桂林市城市化进程步伐的不断加快,城市的城区面积和建设规模不断扩大,但是伴随而来的是大面积的湖泊、农田、林地等自然土地覆盖类型被浙青路、水泥路、高大建筑物群等不透水面所取代,整个城市环境呈现出了明显的城市热岛效应。地表温度是用来表征城市热岛效应强弱的一个重要指标,以前使用的传统的地表温度观测实验方法是很难准确的获取到地表温度数据信息的,在这种情况下,使用遥感网络模型的方法来对地表温度进行反演就可以快速得到整个城市地表温度场的数据信息。自然环境系统中的植被指数又是影响地表温度的另一个关键因素之一,大量绿色植被通过自身不断的蒸腾作用和光合作用可以起到增加空气湿度、降低空气温度,从而可以有效的起到调节自然环境系统中的地表温度的作用化大量绿色植被的种植和生长状况的覆盖情况均可由植被指数表征。因此城市地表温度和植被指数之间的关系是城市热岛现象研究的一个重要部分。桂林市城市土地覆盖中的另一个重要构成类型就是水体,近几十年来,桂林市周边的大面积湖泊、池塘等水体面积逐年减少,取而代之的是各种城市化大型人工建筑群,如:高楼大厦及各种人工修筑的休闲娱乐场所等。桂林市城区中水体面积的不断减少直接影响到了城市的局部小气候环境,从而对城市热环境产生了严重的影响。实验的研究范围涵盖了桂林市的所有主要城区,论文选用Landsat5TM卫星影像作为实验研究的工具,所选的遥感图像没有云雾的遮挡,数据质量较好,选取这样的实验研究的工具和遥感图像,便于我们对研究区域进行进一步的观察研究。

2.1.2遥感数据的预处理

我们所选取的遥感数据信息是美国著名的对地观测卫星一Landsat5TM。Landsat5TM是截止到现在,在轨运行时间最长的光学遥感对地观测卫星。Landsat5TM存在7个波段,遥感图像的各波段特征信息见表2.1。

2.2亚像元地表温度反演算法

美国Landsat中分辨率卫星遥感数据信息有易于获取、价格较低廉的优点,所以美国Landsat中分辨率卫星遥感数据信息被大量应用于估算城市地表温度中。由于ETM+的扫描行校正部件SLC在2003年发生故障导致数据出现坏行、滥行,难以正常使用以来,近年来主要使用TM遥感数据,然而热红外波段像元的地面分辨率为120m*120m,使用TM遥感数据来估算城市地表温度时,空间分辨率相对来说不够,存在较严重的混合像元问题,无法较准确地分析中城市热岛现象的大致范围。因此,想办法突破TM热红外波段地面分辨率的限制,估算城市亚像元地表温度具有很重大的现实意义。

地表温度的具体含义为地球表面的温度。温度特征是地球表面与大气进行能量交换的重要特征。同时,对于研究城市热岛效应也起着至关重要的作用。地表温度(LST)是区域和全球尺度地球表层物理过程的一个关键参量因子,也是地球资源监测和地表生态环境系统研究的一个重要指标,在气侯、水文、生态、环境、军事等领域方面都有很重要的作用。所以如何有效的求得地表温度数据是众多学者的一个研究目标,也是研究探索的一个重点课题。现阶段最炎手可热的手段技术就是热红外遥感技术。从20世纪80年代幵始,通过热红外遥感数据进行地表温度反演己经成为这个领域的一个研究热点,相关学者提出了一系列的研究计算算法,如:单窗算法、劳窗算法和多通道算法等等,我们在这些算法的基础上,根据具体数据的特点和应用中遇到的实际情况又开发了许多种变异的计算算法。但是,就温度反演的精确度来说,计算的结果离我们实际应用的需要还有相当大的差距。比如:在海洋与大气数值模拟、军事侦察、气候变化和城市热环境监测等领域对地表温度反演结果的精确度、时间分辨率和空间分辨率都存在着差异化的需求。有很多实际的问题需要我们去处理解决。

第5章结论

对覆盖研究区的LandsatTM卫星图像利用支持向量机SVM提取土地利用信息,结果表明,SVM可提高喀斯特城市土地利用信息遥感分类的精度,可有效地动态监测喀斯特城市土地利用的变化;SVM的地物分类精度和appa系数最高,总体分类精度为91.7%,超过90%,appa系数0.827,明显高于人工神经网络、决策树和最大似然法的分类结果;19892006年桂林城区土地利用类型发生了很大变化,建筑物面积大幅度增加,而农业用地面积大幅度减少,较小水体的面积萎缩甚至完全消失。缨帽变换的绿度植被指数与地表温度的相关性最大,相关系数最高,为0.8907,可作为最优植被参数来分析植被覆盖状况对地表温度的影响;地表温度与植被指数NDVI、RVI、MSAVI、GVI等均呈明显的负相关关系。研究表明:地表温度随水体指数数值的增加而降低,即地表温度与水体指数呈负相关关系。从1989年至2006年,桂林喀斯特城市规模的扩展导致水体面积由占研究区总面积的4.6%降至4.4%,减少量占总面积的0.2%、占总水体面积的4.3%。研究数据表明:桂林市区的两江四湖能有效改善中心城区的生态环境质量、缓解城市热岛现象。

城市化进程的加快,出现了大量自然地表被人工不透水表面所取代的现象,土地的覆盖类型变化直接导致桂林市整个城市的热环境发生变化,从而呈现出越来越显著的城市热岛现象等热效应。城市热环境用地表温度来描述,不透水面、植被、水体等地表覆盖类型是影响城市热环境的三个主要相关因素。目前,运用建立遥感模型的方法来进行图像的反演成为了现阶段迅速获取城市大面积地表温度唯一有效的技术手段。为了满足热红外遥感成像模拟的计算精度的需要,BP神经网络在估算子像元地表温度的过程中,综合了不透水面、植被、水体等多种地表参量数据。实验的结果证明:尽管BP神经网络在估算子像元地表温度时所得到的估算值与实际反演或实地测量的实际温度值之间存在着或多或少的差距,但是整体来看,综合多种地表参量数据结合BP神经网络估算子像元地表温度的计算精度较高,结果比较令人满意。因此,通过对遥感图像和地表温度两者之间相关性的整体研究,能够为我们以后针对缓解桂林市热岛效应的研究工作提供具体的理论基础和技术支持。

参考文献(略)

标签:论文章节

标题:谈谈某城市地表温度作用因素之遥感反演及解析

链接:http://m.zhaichaow.cn/lunwen/jisuanji/428623.html