城市热岛效应的卫星遥感分析外文翻译资料

 2022-12-25 12:12

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

城市热岛效应的卫星遥感分析

摘 要：利用 MODIS 资料研究了 2004 年 4 月南京城市热岛特征及其影响因子，结合地表覆盖类型分析了植被 归一化指数(Normalized Difference Vegetation Index，NDVI)、地表温度(Ts)、地表反照率( alpha; )的城乡差异及其相 互关系，探讨了城市热岛（Urban Heat Island，UHI）效应形成的机制。结果表明：南京城区存在着明显的城市热 岛效应；城市平均 Ts 比乡村高约10.83 %；城市 NDVI 和 alpha; 分别比乡村低约为62 %和18.75 %；NDVI 与 Ts 呈 负相关，相关系数为-0.73，而 NDVI 与 alpha; 之间关系与波段有关；城乡植被覆盖差异是造成 UHI 的主要原因， 其次是地表反照率，通过提高植被覆盖率和地表反照率可以减小城市热岛效应。

关键词：卫星遥感；MODIS；城市热岛；地表温度；植被归一化指数；地表反照率

简介

城市的发展通常会引起地球表面的剧烈变化，因为自然植被被移除，取而代之的是不蒸发和非蒸发的表面，如金属、沥青和混凝土。这种改变不可避免地导致了太阳辐射的再分配，并导致了表面辐射和空气温度的城乡对比。城市地区与周边乡村环境空气温度的差异被称为UHI效应。它是随着城市化地区的发展而发展起来的一种气象现象，正日益影响着市民的生活和健康。这项研究将帮助我们更好地了解UHI方面及其原因，为传统的城市环境监测方法提供了重要的补充。城市的扩张和布局对减少UHI是很重要的。

利用卫星遥感数据对UHI现象进行了十几年的研究。方法包括以下类型。首先，通过对城市和郊区的长期气象记录，分析其动态变化。其次，通过遥感或航拍照片解释了UHI特征的成因。第三，利用数值模型模拟UHI效应。第四，一些站点被设置为测量UHI。近年来，遥感技术的日益普及是长期以来对UHI进行周期性测量的有效方法。Roth(1989)和Gallo(1993)使用遥感技术比较UHI对植被指数的影响[1,2]. owen(1998)利用部分植被覆盖和表面湿度的可用性来研究城市化对国家大学的影响，PA[3]。Streutker(2003)分析了UHI的增长，并成功地量化了休斯顿的UHI, TX相隔12年[4]。所有这些研究都使用了国家海洋和大气管理局(NOAA)的AVHRR数据。这些数据的1.1 km空间分辨率适用于城市地区的地表温度映射，用于研究地表UHI。热岛一直还研究了与陆地卫星TM等更多的高分辨率卫星数据,在许多城市,如中国的珠江三角洲,Lόdź在波兰,西班牙格拉纳达在过去的几年里。但这种遥感数据具有较低的时间分辨率和较短的数据记录[5-8]。

MODIS是在Terra (EOS AM)和Aqua (EOS PM)卫星上的关键仪器。Terra MODIS和Aqua MODIS在每1到2天观察整个地球表面，在36个光谱波段获取数据。这些数据将提高我们对陆地、海洋和低层大气中发生的全球动力和过程的理解。MODIS在验证、全球、交互式地球系统模型的开发过程中发挥着至关重要的作用，能够准确预测全球变化，从而帮助决策者做出有关保护环境的正确决策。最近的研究大多是关于区域或全球范围的气候和环境变化，很少使用MODIS数据进行UHI的研究[9-13]。

从卫星得到的表面温度被认为与冠层热岛更紧密地联系在一起，虽然表面温度与近地面气温之间的精确传递函数还没有出现。卫星信息是在一个区域的宏观水平上决定地表温度的唯一来源。在本研究中，我们使用MODIS和其他辅助数据来研究UHI的特征及其原因。

图1 2004年MODIS的土地覆盖分类和自动气象站的位置。

MODIS数据首先是通过在地理统计中重叠移动窗口的方法进行预处理，以消除由于云而产生的异常值[14,15]。MODIS陆地表面温度产品与7个自动气象站(AWSs)的月平均值比较，以验证它们的有效性。然后,参数三个宽带(micro;m 0.3 - 0.3,0.7 - 5.0micro;m,和0.3 - 0.3micro;m)用于计算表面反射率在宽带双向反射模型。最后，根据土地利用模式，对城市和农村地区的ts、NDVI和albedos进行差异和相关分析。通过对城市地区和非城市地区的ts、NDVI和albedos的分布比较，综合分析了研究区城市热岛。

1.研究区域

本文所考虑的研究区域包括位于坐标118.8 E、32.0 N(中国南京)的83平方公里的区域。这一地区包括南京市区及其郊县。大部分地区的地形高度都很低，山区主要分布在东部和西南地区。

研究区是非常不均匀的，包括水、农田、森林以及城市和建筑物。图1显示了研究区(2004年)的土地覆盖分类图和7个AWSs的位置。从图1可以看出，长江流经市区，玄武湖和紫山位于该地区的中心地带，有大面积的半天然森林覆盖。从西到东选择横穿该地区中心(AB)。

2 数据集描述

2.1 Satellite remote sensing data

由于全球观测的连续性，卫星遥感对这种景观尺度特征分析具有潜在的实用价值。这里我们选择MODIS卫星数据。由MODIS land science团队制作的一系列高水平陆地表面产品，都是可操作的，可以从以下网站下载:http://edcimswww.cr.usgs.gov/pub/im/。

表1 2004年的MODIS产品及其空间和时间分辨率。

所选产品列在表1中。ESDT是地球科学数据类型的简称。DOY指的是每年的Julian day。从时间上看，这些数据涵盖了2004年4月(春季)。我们已经包括了MODIS数据从3月21日(DOY 81)到5月8日(DOY 121)。期间包括40天(5天8天，3天16天)。这里包含的96天的土地覆盖产品与春季没有特别的重叠。MODIS土地学科的产品“MOD11A2”被定义为每8天在全球陆地表面的“地表温度(LST)”，其分辨率为1 km。其他产品包括土地覆盖产品“MOD12Q1”和NDVI产品“MOD13A2”。

在晴朗的天空条件下，MODIS LST的精度要求是1K。在平坦均匀的地面上，可以通过现场测量得到验证。从MODIS数据中检索到的陆地表面发射率的精度要求为0.02，对第29、31和32波段的波段来说，对20、22和23的波段来说是0.05。MOD13A2是标准产品，设计在发射时完全投入使用。MOD12Q1产品提供了一套包含了IGBP(国际地圈生物圈方案)的主要分类的土地覆盖。每一种分类方案都附有对其质量或信心的评估。更多关于MODIS产品的信息可以从网站http://modis.gsfc.nasa.gov/data找到。

所有的数据都在HDF(分级数据格式)格式中，并在ISG(一种集成的正弦网格)投影中提供。当投影与格林威治子午线的距离越来越大时，数据被转换为兰伯特正形投影，而MODIS投影工具(MRT v2.4 Beta)将原始HDF的格式转换成平面的二进制格式。

2.2 Meteorological Data

在本研究中，选取了7个AWSs，并在表2中列出了它们的位置。2004年4月的每个小时的月表面温度都是从AWSs获得的。STID是AWS的站点代码数。

3. MODIS产品的表面温度及其验证

表2自动气象站的位置。

一些热点，或城市热岛，可以很容易识别(如图2所示)。地形高度也绘制在同一地图上，以解释地表温度的分布格局。最广泛的UHI分布在该区域中心区域的左侧，可以在该区域附近的某个小镇的中心看到。然而，在这座紫色山脉所在的城市的东部，却没有广泛的UHI。森林和农业用地限制了UHI的发展。城市和郊区之间ts的最大区别是大约10ordm;C,和ts的平均差异大约是2.29ordm;C在白天。

图2地形高度(m)和MODIS的月平均地表温度在2004年4月的10时30分左右(当地时间)。

由于涉及到许多复杂的因素，解释热数据和ts分布在一个区域的图像往往不是一件容易的工作。影响热岛的最具影响因素是地表覆盖特征的分布和城市形态，如建筑材料、几何和密度等。城市景观的每个组成部分都具有独特的辐射、热、湿度和空气动力特性，并与周围环境有关。大量的组件表面和空间的复杂性，当mosaicked，创造了一个无限的能量平衡和微气候系统阵列，充塞城市气象学家得出任何一般的结论[2]。土地覆盖在发展UHI方面更有效。

比较了美国AWS和MODIS在白天的月平均值。表3是在当地时间10时30分的MODIS与AWS的月平均值的比较。它是MODIS和AWS之间的区别。来自MODIS的月平均值通常与AWSs的平均值一致。相对误差为- 8.76% - 2.39%，其中大部分为负。可以得出结论，MODIS的月平均值略低于AWS的值。

表3 2004年4月10时30分左右的月平均值与AWS的比较。

4.alpha;,TS和归一化植被指数的关系

4.1 NDVI

本研究利用NDVI分析了绿色区域和非绿色区域的温度分布。一般来说，NDVI的值为0(Min) - 1(Max)，通过以下方程：

r和r分别为NIR和red波段的表面反射率。

图3 2004年4月MODIS的月平均NDVI。

从NDVI地图(图3)可以看出，所有城市或建成区的NDVI都相对较低，从0.2到0.4不等。小城镇也同样如此，它们与稀疏的植被有关。城市与农村地区NDVI的平均差异为0.31。

4.2 albedo (alpha;)

参数在三个宽带(micro;m 0.3 - 0.3,0.3 - 5.0micro;m,和0.3 - 0.3micro;m)用于本文提出版本的模型来计算集成的黑色天空(在某些太阳天顶角)和white-sky反射率。另外，这些参数可以用一个简单的多项式来简单地估计黑天空的反照率(完全直射光束)，对任何想要的太阳天顶角都有很好的精度[17]。该多项式如下:

theta;，lambda;是太阳天顶角、光谱带。同样，白天空反照率(完全漫射光束)可以用公式来计算:

适当的常数来自MODIS BRDF/Albedo产品(MOD43B)用户指南。albedo，alpha;( lambda; ,theta;);在实际大气条件下也可以很准确地建模为插值在黑色天空反照率和white-sky反照率之间的函数的比例分散天窗年代(theta;,tau;(lambda;)),这反过来,是光学深度的函数tau;(lambda;)

漫射天光的分数是通过从http://geography下载的查找表计算的。这是用7个MODIS地谱带和三个宽波段的6S代码预先计算出来的。光学深度)(lambda;tau;假设三个宽带作为常数0.5,和太阳天顶角是中午在当地太阳能。错误引起的反照率)(lambda;tau;很小,约0.003[19]。城市的反照率是所有城市地区的平均数值，而农村的反照率则是其他土地覆盖类型区域的区域平均反照率。图4是月平均总宽带反照率(0.3 - 5.0micro;m)从MODIS在2004年4月。在研究中，城市地区的平均反照率约为0.13，这与其他研究一致。验证albedo产品是重要的，因为它们的准确性对于应用程序的科学社区至关重要。一些科学家根据上标方法对地表反射率产品进行了初步验证。初步验证结果表明，这些产品具有相当的精度，典型的绝对误差小于5%[15]。

4.3 Analysis of urban heat island

显示城市热岛的分布,地表反射率在三个宽带(0.3 - 0.7micro;mmicro;m 0.7 - 0.7,和0.3 - 0.3micro;m),ts和归一化植被指数在白天变化沿横断面AB(图1)是在图5。它应该有助于我们理解工业发展和基础设施建设如何改变了城市的热特性。它展示了许多“山峰”、“山谷”、“高原”和“盆地”，表明了地表温度的不同性质。不同的土地覆盖类的空间格局、水体的发生、建筑物的发生以及城市功能区的划分等因素，都可能影响到UHI的发展。从视觉上看，土地覆盖的变化揭示了城市和建筑区域的ts“峰值”。UHI模式变得可见。

图4 2004年4月MODIS的总宽带(0.3 - 5.0 m)月平均反照率。

城市地区的反照率比农村低。反照率之间的相关性在近红外宽带(0.7 - 5.0micro;m)和归一化植被指数是正的,其相关系数为0.83,但它是-0.80(0.3 - 0.7micro;m)可见。反照率在可见的城市比在农村地区,但并不在近红外光谱和总(0.3 - 5.0micro;m)。结果表明，植被对太阳光线的反应是完全不同的。反照率在可见的(0.3 - 0.7micro;m)高密度植被的面积是低于在稀疏植被。因为植被能吸收可见光中的光进行光合作用，但它几乎不会吸收近红外波段的光，并且反射大部分的光。因此近红外波段的反照率较大。城市地区的植被稀少，城市地区的NDVI总比农村地区少。从图中我们可以看到，NDVI和ts之间存在负相关，这也被几个研究人员观察到的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24669]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章