论文部分内容阅读
城市热环境是城市空间环境中热力场的综合表现，通过对城市热环境的研究可以揭示城市热空间结构和城市规模的发展变化。本论文针对如何实现城市热环境有效监测这一问题，利用遥感数据、气象辅助数据等构建考虑地表覆盖模式的城市热环境研究模型，并对关键驱动参数（植被覆盖度VFC）进行不确定性分析。同时，为了提高模型分析精度，我们提出了两种热红外数据融合的算法。本论文主要研究内容如下: 1.基于两个不同的空间尺度对城市地表热特征进行研究，定量评估城市地物类型对地表温度LST的影响，结合多时相星载热红外数据LANDSAT TM和机载热成像数据TASI对城市区域进行详细的热空间格局解译。结果表明，两个不同空间尺度的城市热环境研究可以互相辅助，但是具有更高空间分辨率的航空热红外数据有助于揭示更多的热特征细节，在城市热环境研究中可以精细区分不同的土地覆盖（如，混凝土和沥青，草坪和城市树木）。 2.基于时空融合算法STARFM构建高时空分辨率LST数据，定量分析LST时间序列对不同土地覆盖和地表城市热岛SUHI强度的响应;评估并检验中国GF-1数据在城市土地覆盖制图和生态景观指标LSM提取中的能力。结果表明，利用STARFM反演的LST是可以接受的，可以描述城市热环境的空间和时间特性。统计分析表明，北京的景观平均子块LST与不透水地表LSM之间的关系统计不显著;对于绿地景观，由于城市绿地和建筑物之间的显著交互作用，结构因子可以对城市LST产生较强的作用，其强度与组成因子差不多。 3.比较两种最常用的城市VFC遥感反演方法（基于NDVI方法和基于MESMA方法）的精度，并评估其在驱动两种城市热通量估算模型中的作用。当以两种不同的遥感VFC数据驱动PCACA模型和城市双源模型时，MESMA-basedVFC相比于NDVI-based VFC能生成更精确的城市热通量。当使用两种不同的VFC数据源作为驱动数据时，PCACA模型产生相对较小的差异，LANDSAT TM VFC值对PCACA方法的不确定性更小。此外，对于两种不同的城市热通量模型，当使用相同的遥感数据源时，相同的VFC会产生基本相同的热耗散能力，因此不同的城市热通量模型（城市双源模型和PCACA）可能对特定的城市热环境评估应用的影响有限。 4.提出了一种利用高光谱数据构建精细空间分辨率LST的方法HTM。在该方法中，高空间分辨率的城市LST值通过每个热响应端元和各自丰度信息的线性组合进行构建。HTM估算的LST和参考LST在目视解译和定量指标评价两个方面都有较好的一致性;对于两个研究场景，平均均方根误差（RMSE）和平均绝对误差(MAE)分别为4.18K，1.71K和3.62K，0.89K。研究表明，HTM方法借助于高光谱数据可以有效增强LST分辨率，其可以为遥感地表热环境研究提供更加实用的数据源。 5.借助于VFC-LST特征空间模型，发展了一种基于可操作空间插值的热红外增强算法OTI_DisTrad。该算法假设在粗糙分辨率上利用空间插值方法得到的波文比和VFC、LST之间的定量关系在更精细的空间分辨率尺度上也成立。针对两个不同的研究区域，利用OTI_DisTrad热红外融合方法将模拟的MODIS分辨率数据增强到不同空间分辨率上。结果表明，OTI_DisTrad方法比另外五种常用方法更稳健。