一个使用无参数模型监测和分析城市热岛的研究案例－印第安纳波利斯外文翻译资料

 2022-12-02 07:12

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

一个使用无参数模型监测和分析城市热岛的研究案例－印第安纳波利斯

Umamaheshwaran Rajasekar, Qihao Weng

美国印第安纳大学地理所城市环境变化中心

摘要：监测城市热岛的一种程序已经被研究出来并且在美国中西部一个选定的地区做了测试。选择印第安纳中部的9个国家并把他们的城市热岛模式进行了模拟。2005年中等分辨率成像光谱仪（MODIS）地表温度影像（LST）为研究而被使用，影像的排序基于研究地区云的覆盖状况。94景白天和夜间影像资料被用于建模，处理卷积的技术应用于影像来描述城市热岛的特征。这种过程有助于把LST数据描述成连续的地表温度，以及把城市热岛数据描述为一系列高斯方程。影像的昼夜温度廓线和热岛强度特征（最小值、最大值以及量级）用来分析这些属性的变化。在任何给定的白天和夜晚的影像中地表温度变化范围分别为 2- 15℃和 2- 8℃。在白天和夜间的影像上城市热岛的量级变化范围分别1 -5℃和 1 -3℃。生成白天和夜晚影像的三维 (3-D) 模型并将其通过动画模式进行直观地探索。一个强烈并且清晰的热岛被确定从马里恩县扩展到汉密尔顿县北部。此信息也正值马里恩县北部与南部过去几年间扩张与发展。进一步探讨这些结果，2004年用先进星载热发射和反射辐射仪 (ASTER) 以及土地利用土地覆盖数据集分析城市热岛特征。这个地区最大的热特征与不透水表面有很强的相关性。信息提取的整个过程被自动化以促进在全球范围内的城市热岛模式的挖掘。这项研究已证明是从大量的遥感影像中建模和挖掘UHIs的有希望的方法。此外，这项研究也有助于在三维的历时性分析。

  1. 引言

通常人口密集的城区气温高于周边农村气温，在城郊的不同之中，最显著的是被称为“城市热岛”的现象(Kim and Baik，2005年)。尽管在小范围内温度有显著的不同，但是农村和城市中，在宏观尺度上的城市地形的热力特性构成了城市热岛的基本因素(Chudnovsky et al,2004 )。

过去几年中，利用空气(Fast et al,2005;Friedl 2002;Kim and Baik,2005;Mihalakakou et al,2002)和地表温度数据(Dash et al ,2002;Golden and Kaloush,2006;jin et al ,2005;Jung et al,2005;Snyder et al,1998)已经对城市热岛做了初步了解。城市热岛分析的优点在使用原始数据有高时间分辨率和一个长数据记录，但是缺乏空间分辨率(Hung et al,2006)。通过使用地温资料可以克服由于气温资料导致的这种空间不连续性。对于一个大范围地区来说，通过使用红外波段的卫星遥感资料来绘制地温图并研究之(Stathopulou et al,2004;Voogt and Oke,1998 )。有研究已经有助于使用遥感影像理解城市热岛效应。Lo et al.(1997)用ATLAS分析城市热岛效应。Weng(2001,2003)和Weng et al(2004)已经做了多项研究分析城市热岛效应与城市因素比如地表种类、植被和人口的关系。Jung et al(2005)尝试用高光谱遥感影像模拟一个植被覆盖的城市热岛效应。Kato and Yamaguchi(2005)用ASTER和ETM 影像分析了城市热岛效应。Hung et al(2006)已经在选定的亚洲许多城市从Aqua和Terra任务中使用影像估测了城市热岛效应。

有一个重要的研究已经实现了城市热岛效应的模拟，按实际水平来看，由于某些原因这项研究很难使区域和一个城市热岛分布一般化。这些原因主要是城市的地形和范围、规划状况、自然状况、周边区域的类型、以及用来描述这种现象的影像分辨率。这些因素不仅影响城市热岛的大小和形状，而且会影响城市热岛强度的量级。另一问题的特点是不确定城市和农村的边界区域。这个边界区域通常是模糊的过度区域，把这部分过度区域包含到城市热岛的模型中是很重要的，而不是分别地用一种方法模拟城区热岛，用另一种方法模拟农村区域的热岛状况。

本次研究的主要目标是双重的，首先，本文的目的是开发一种将城市热岛特征转化为一个包含城市和农村表面的连续方程，这有助于可视化整个研究区域上的城市热岛模型。有一些研究已经使用了统计学方法，如变异函数（Bottyan and Unger,2003）、非线性参数模型（Streutker,2003）用于遥感数据集描述城市热岛的特征。尽管用来分析单一的或一小部分图像的这些过程是很有效的，但是从一个大的影像集中证明城市热岛的模拟效果不高，造成低效率的原因是这些过程是基于图像内容的并且过程实行的各个阶段期间需要手动干涉，为了克服这些困难，本次研究中使用FFT的无参数模拟将会被有效利用，并且有效地在空间上描述城市热岛特征。

第二个目标是在空间和时间上描述城市热岛模型，在空间和时间上监测城市热岛状况很重要。这将有助于更好理解城市温度以及城市地表对总能量平衡的贡献。因此，如果土地使用状况不变，相对地，基于周边是农村的情况下城市热岛应该保持不变。然而一般情况下这不是问题。已经有研究表明城市热岛与农村地区呈负相关（Streutker,2002）因此，本次研究的主要目标是城市热岛模型的开展，这将扩展我们目前对这种现象的理解。再者，作为城市热岛模拟开展的有效测试，分析关于LUCL特征的影像。

  1. 研究区域和数据

2.1.研究区域

这项研究背后最主要的动力是用高时效低光谱的影像开发监测城市热岛的一般模型。举一个例子，印第安纳波利斯，它即是这个州的城市又是坐落于马里昂县的农村，根据2000年人口普查得知其人口为791926，使它成为印第安纳最受关注的城市，也使其成为2004年7月1日政府人口普查估测美国第12大城市。一个较大的统计区域（称为九县区域）有大约2百万的居民（1939,349）。中西部的印第安纳波利斯是位于芝加哥和底特律之后的第三大城市，也是位于中西部三个人口增长率为5%的城市之一。在2005年，马里昂县的人口是863133（IBBC,2006）。九个国家的总面积为7928.7969km^2，它有一个单一的是中心，在邻近区域没有其他的大城市区域。这这座城市位于平原地区，相对来说比较匀称，也有可能向四周扩展。像大多数美国城市，印第安纳波利斯的人口和面积正在增加（Weng et al,2004）。结果也表明在马里昂县周围（中心部位、城市边缘的北部、西部和东部）有多个城市热岛存在。这个发现也有助于检验我们的模型是否可以有效地描述多个城市热岛的假设（如图1）

图1 2005年9月30获取的1 km分辨率的 LST 产品 MOD11A1 ，覆盖范围为印第安纳的中部和南部，美国东部沿海部分

在远离任何重要水体的同纬度城市中印第安纳波利斯拥有典型的大陆性气候。它拥有温度可以高达32℃热夏和低至16℃的冷冬季节。春季和秋季的温度为雷暴雨的发展创造了条件。而由于缺乏丘陵或者山脉通常雷暴雨包括龙卷风。7月份最高平均温度为30℃，最低平均温度为16℃。1月份最高平均温度为1℃，最低平均温度为-8℃。印第安纳波利斯记录的最高温度出现于1954年7月14号高达40℃，记录的最低温度出现于1944年1月19号低达-33℃。一年中，雪的变化范围为500-760mm（Scheeringa,2006）。由于广泛熟知城市热岛现象，其通过描述与城市及其周围农村(Chin et al,2005)之间的对比温度来描述其特征，我们把一些人口少以及城市化低的县比如布恩、哈密尔顿、麦迪逊、汉考克、Handricks、摩根、约翰逊和谢尔比同马里昂县一同加入我们的研究。假设所包含的县中农村区域占比较大的比例，这样可以有助于模型在农村背景下有效地描述城市热岛特征。这项研究中之所以没有合并两个事件，主要是因为我们关注的是印第安纳波利斯（位于马里昂县）的城市热岛效应。包含来自Clinton, Tipton and Madison县的其他区域将不会影响结果。然而，包含其他县的目的是创造一个更加广泛的城市热岛的理解。城市热岛现象在城区是最普遍的并且这种现象的影响通过与其周围农村的对比有利于更好的理解。理论地，由八个县的大部分组成的马里昂县周围的区域对于这样的分析是足够的。然而，五个县的完整数据包括在额外信息中不会影响模型的结果。

2.2.数据资料

大面积区域（区域和全球尺度上）的地表温度和发射率只能来源于卫星遥感器(Dash et al 2002)。美国的卫星系统如MODIS包括考虑到更容易校准以及提供标准的地表温度产品特征。研究中，使用地表温度信息数据，此数据是作为MODIS传感器的示例。选择MODIS数据的主要是由于它具有高时间分辨率。MODIS全球每日的白天和夜间LST数据每日由PLDAAC发布。因此，这项数据不仅在空间尺度上有助于理解城市热岛强度，而且在时间尺度上也有帮助。其次，从丰富的数据资源中提取信息是很重要的(Velickov et al,2000)。MODIS系统被携带在NASA的Terra卫星上，此卫星在1999年12月发射，后来NODIS系统由被携带到Aqua卫星上。城市热岛效应被发现是白天和夜间期间地表温度是异常的（Jin et al，2005 ）。因此，卫星测试地表温度源于长波，长波用于探测的地表辐射用于这项研究。第三，MODIS数据由于覆盖全球所以被使用。在多光谱热红外波段中辐射度的校准用于LST检索以及大气特性。特别地，波段3-7,13以及16-19用来区分地表覆盖从而推理出发射率；波段26用来监测卷云，热波段20、22、23、29、31和32用来监测气温以及水汽剖面图（Wan and Dozier,1996）。白天/夜间LST数据运算法则使用7个热红外波段以及大气温度和水汽产生一对白天和夜间的L1B数据(Wan,2006)。这个运算法则已经预先地展现出期望的结果(Dash et al,2002)。

原始数据加工后，所获得的影像投影到UTM16N.WGS84以及影像的网格大小是由制造的影像子集覆盖的研究区域推测的。影像子集是由大小为87times;89的网格形成并且每个网格室内有1km的分辨率。这项研究中来自MODIS的单一的LST影像没有覆盖Boone、Hamilton 和Madison的整个区域。小面积的遗漏是基于我们主要的关注点是印第安纳波利斯以及这些缺失的农村区域不会很明显的影响分析的这种假想。

来自LST影像的子集是从LPDAAC中获得的，94景影像（45景是白天的，49景是夜间的）是基于数量或百分比选择的。没有数据值能过代表每景影像。影像的数据值大部分不存在云和雪。这是因为热红外信号不能穿过厚厚的云。没有精确的光学厚度很难调整薄云对热红外信号的影响。多云情况的可能性经常比50%的研究区域大。这些多云的像素在LST数据处理被云覆盖的网格中通过赋予0值被删除(Wan,2006)。然后94景影像被并且重新抽样形成研究区域的子集，如马里昂县以及周边农村用于区域分析。在这个子集中云的覆盖度变化范围为20%-70%。

连同MODIS LST影像一起，2004年ASTER只覆盖印第安纳波利斯市（马里昂县）的LULC数据用于确定城市区域和热岛特征的关系。LULC数据从ASTER 2004影像中用半自动技术来分类(Liu and Weng,2008)。一个无人监督的分类方法（反复的自主组织数据分析）选择把ASTER数据用30次迭代的最大值分类。120串2003-2005年的航空照片被标注。在模糊区域重新进行分类。分类后处理以及影像改进也引导提高影像精确度的分类。每景影像分类的精确度由2003年一景县航空照片评估。一个分层的随机抽样方法在每个LULC种类中用于选择50个样本。总的精确度高于85%。有总数为6个级别的分类不包含背景（如表1）。这些分类用于创造一个二进制影像包括用于分析的城市和农村的二进制地图（如图2）。这是用来找到关于城市农村背景下城市热岛的形状和范围之间的联系。

图2 (a) LULC原始的ASTER 分类(b) 城市（黑色）和农村（白色）面积的二元影像

3．方法

子集中的温度值显示出值得考虑的变化（图3）。

图3 2005年5月15号在研究区域上MODIS LST集合的透视图，X轴和Y轴表示相关的空间坐标系，Z轴表示温度值

这个影响可能导致混合像素问题，生态因素的出现（如风、建筑物阴影和雾霾）以及地表类型和性质（如土地利用和土地覆盖）。由于云覆盖，雨雪积水等使得所有子集中都会出现像素缺失的问题。很有必要从计算出一个有效的分析结果中删除大量缺失像素的影像。由于没有建立标准态，一定数量的像素的缺失有效地减少了处理中的许多不确定性（Openshaw.1999）。选择了大约30%的混合像素的影像用于本次研究。如任何影像混合像素缺失超过30%的覆盖面积则不用于研究。这也作为LPDAAC影像检索的标准。使用30%作为一个选择标准的主要假设是作为希望得到的结果数量不能太小（适应高度的不确定性）或太高（所有影像的推断结果）。通过执行这个过程，所有94景影像选自白天和夜间的一系列影像中。从图4我们可以看到晴朗无云的影像（超过30%晴朗无云）在1月、3月（只有在夜间LST中）、12月可以获得。然而，从剩下的月份中有足够数量的例子满足原始标准。

图4用于研究的相对无云的影像数量的条形图

在边界尺度上这项研究在于分析和监测城市热岛效应（如印第安纳波利斯市和其周边的县）。为了处理像素缺失问题，假设温度是一个连续变化的过程。几年后，统计学家已经研制出几种插入法克服空间上数据缺失值的计算问题。尽管克里金和薄板样条的各种方法已经成功的应用到空间过程评估，在整个域的全局模型上他们有的被估计过程的变异性这一弱点是相同的。在未知的过程中，未能适应当地的变异性或非均质性是特别重要的，环境、地球物理、和其他空间数据

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[29185]，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