武汉城市群夏季热岛特征及演变

利用2000~2010年共11期MODIS地表温度资料和多源多时相的遥感影像分类结果揭示武汉城市群的夏季热岛效应,反演并计算出10 a间武汉城市群日间和夜间的热岛强度变化、土地覆盖类型和城镇用地面积。在对不同时相的地表温度数据进行热岛指数归一化处理的基础上,分析了武汉城市群热岛的分布特征及年代演变,定量分析了武汉城市群以及中心城市武汉市不同热状况区面积的变化和热场的变迁。结果表明,武汉城市群夏季热岛效应较为明显,其中武汉市是主要热源和热中心;自2000年起,武汉城市群城乡温度差异逐步减小,热中心分布向外扩散,城市热岛区域急速扩张,整体热环境趋于恶化;新兴城区的开发增加了武汉市的热源分布,人工表面的增加以及自然表面的减少导致城市热岛效应不断加剧。     

基于MODIS地面温度数据的成都市热岛时空变化

研究利用2000、2005和2010年逐月的MODIS/Terra和MODIS/Aqua卫星的地表温度数据产品,通过等间距法进行分析,得出成都市建成区2000~2010年间昼夜热岛的时空变化以及相互间差异。研究结果表明:成都市昼夜热岛存在显著差异,日间热岛主要呈散点分布,夜间热岛集中在城市中心区域。日夜间热岛变化趋势有显著不同,日间热岛继续分散而夜间热岛范围则有所扩大。日间热岛分布与植被覆盖存在一定的负相关性,但道路也在一定程度上促使了地面温度的增加,夜间城市热岛范围及变化则与其下垫面组成存在关系。     

武汉城市热岛特征及其影响因素分析

正确理解城市热岛效应的形成机制及其影响因素是制定热岛效应缓解政策和研究城市生态问题的前提和基础。选用1987年9月26日的Landsat-5和2013年9月17日的Landsat-8遥感影像进行地表温度反演,分析武汉市城市热岛效应的时空演变特征;对热岛效应明显的武汉市主城区进行格网划分,提取格网内地表温度及所选影响因子指标值,运用主成分回归方法进行地表温度多因子综合分析,探讨城市热岛形成的主要影响因素。结果表明:(1)武汉市地表温度空间分布表现出典型的热岛特征,1987年和2013年分别有27.7%和39.1%的范围被"热岛"覆盖;(2)影响武汉城市热岛效应的主要因素有不透水面指数、水体面积比例、归一化建筑指数、归一化植被指数及绿地面积比例;(3)当其他影响因素稳定时,不透水面指数每增加1%,可使地表温度增温0.04℃~0.10℃;水体面积每增加1%,可降低地表温度0.03℃。     

基于HJ-1B数据的武汉市LST反演及热环境分析

以HJ-1BCCD/IRS4为主要数据源,采用单窗算法,反演了武汉市夏季高温代表日的地表温度,并用MODIS地表温度产品对反演结果进行了验证。在此基础上,提取热场变异复合指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同下垫面对热岛效应的影响进行了研究。结果如下:(1)武汉城市热岛呈现整体上交错分布而局部小聚集的不规则特点,大热岛之中存在一些温度更高的小热岛;(2)武汉市2009~2012年夏季高温日平均LST为306.11K,多数城区温度达到309~317K;(3)主城区热场变异复合指数均超过了0.015,表现为较强-极强的热岛效应;6个等级的热岛效应强度的面积比例依次下降,而对应的LST平均值则逐渐升高;(4)不同地表覆盖类型LST相差较大,其在地表类型面积构成中的比例不同。研究成果可为城市热环境监测与生态评价提供科学依据。     

基于HJＧ１B数据的武汉市LST反演及热环境分析

以HJ 1B CCD/IRS4为主要数据源,采用单窗算法,反演了武汉市夏季高温代表日的地表温度,并用MODIS地表温度产品对反演结果进行了验证。在此基础上,提取热场变异复合指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同下垫面对热岛效应的影响进行了研究。结果如下：（1）武汉城市热岛呈现整体上交错分布而局部小聚集的不规则特点,大热岛之中存在一些温度更高的小热岛;（2）武汉市2009~2012年夏季高温日平均LST为30611 K,多数城区温度达到309～317 K;（3）主城区热场变异复合指数均超过了0015,表现为较强－极强的热岛效应;6个等级的热岛效应强度的面积比例依次下降,而对应的LST平均值则逐渐升高;(4)不同地表覆盖类型LST相差较大,其在地表类型面积构成中的比例不同。研究成果可为城市热环境监测与生态评价提供科学依据     

2015年冬季苏州城市热岛特征研究

基于Landsat土地利用类型分类资料、夜间灯光影像资料、自动气象站资料以及大气边界层探测资料,划分出城市、郊区以及湖区代表站,分析了苏州2015年1月城市热岛日变化、昼夜差异特征以及城、湖温度差日变化特征,并对苏州城市热岛分布特征以及城、湖大气边界层结构差异进行分析。结果显示：(1)白天热岛强度小,09~17时热岛强度均小于1℃,最小值仅为02℃;夜间热岛强度大,19~05时热岛强度维持在12℃以上,最大值为17℃。(2)城、湖温差白天为正,夜间为负,市区变温速率比湖区快约02℃/h。(3) 苏州白天热中心形状不规则,范围大,城郊温差小,夜间形成单一封闭稳定热中心,热中心形状与市区有较好对应,城、郊温差维持在15℃左右。冬季地面盛行西北风,太湖湖陆风现象显著,湖陆风和盛行风向共同影响城市热羽向西南方向发展。（4）城、湖虚位温廓线在白天差异小,均有不稳定边界层形成,夜间市区仍维持不稳定边界层,而湖区有稳定边界层发展,近地层内干岛效应显著。(5)城市热岛影响范围有明显日变化特征,白天城市热岛影响范围小于40 m,夜间大于200 m。     

近10 a武汉市城市热岛效应演变及其与土地利用变化的关系

城市化进程的加快,农村人口大量涌入城市,城市布局及局部气候改变等因素使得城市热岛效应问题日益突出,已成为当前城市环境研究热点之一。以武汉市为例,应用遥感技术与地理信息系统技术,选取2004~2015年5个时相Landsat系列影像数据,利用单窗算法反演地表温度,并以此为基础进行热岛强度分级,获取了近10 a武汉市城市热岛效应变化结果,并分析了武汉市11个辖区城市热岛效应动态变化特征及热岛效应与土地利用变化的关系。研究结果表明:(1)自2007年后,武汉市老城区热岛面积持续减少,而新城区热岛面积则持续增加,呈现出以老城区为中心向新城区扩张的趋势,至2015年,新老城区热岛面积仅相差20.74 km~2;(2)东西湖区、蔡甸区、江夏区与洪山区是近些年城市热岛面积增长较为显著的辖区,其中江夏区的热岛面积年际变化最大,最高值达95.42 km~2;(3)城市热岛效应与土地利用类型的面积年际平均值拟合关系显示,2004~2015年,城市热岛效应与建筑用地的R2值最大,为0.681 2,建筑用地面积的增加是城市热岛强度面积扩张的重要影响因素。     

近10 a武汉市城市热岛效应演变及其#br# 与土地利用变化的关系

城市化进程的加快,农村人口大量涌入城市,城市布局及局部气候改变等因素使得城市热岛效应问题日益突出,已成为当前城市环境研究热点之一。以武汉市为例,应用遥感技术与地理信息系统技术,选取2004~2015年5个时相Landsat系列影像数据,利用单窗算法反演地表温度,并以此为基础进行热岛强度分级,获取了近10 a武汉市城市热岛效应变化结果,并分析了武汉市11个辖区城市热岛效应动态变化特征及热岛效应与土地利用变化的关系。研究结果表明：（1）自2007年后,武汉市老城区热岛面积持续减少,而新城区热岛面积则持续增加,呈现出以老城区为中心向新城区扩张的趋势,至2015年,新老城区热岛面积仅相差20.74 km2;（2）东西湖区、蔡甸区、江夏区与洪山区是近些年城市热岛面积增长较为显著的辖区,其中江夏区的热岛面积年际变化最大,最高值达95.42 km2;（3）城市热岛效应与土地利用类型的面积年际平均值拟合关系显示,2004~2015年,城市热岛效应与建筑用地的R2值最大,为0.681 2,建筑用地面积的增加是城市热岛强度面积扩张的重要影响因素。     

基于RS和GIS的武汉城市热岛效应年代演变及其机理分析

为了更客观地揭示“火炉”武汉的城市热岛效应,利用1987、1994、2005年共3期TM影像数据,在地理信息系统（GIS）的支持下,反演并计算出武汉市城区不同年代的热岛强度、植被覆盖率、土地利用类型及城区面积。在对存在较大差异3期的热岛强度数据进行标准化处理的基础上,分析了武汉城市热岛效应的现状及年代演变,定量分析了城区热岛强度分布与土地利用类型、植被覆盖率的相关关系。结果表明：武汉城区热岛效应十分明显,特别是在工业区和商业区;20世纪80年代以来,武汉热岛面积不断变大;热岛强度与植被覆盖率呈负相关关系,植被覆盖率每提高10%,热岛强度约下降11℃;不同土地利用类型对热岛贡献不同,水体和植被区域可以缓解城市热岛效应,而工商业用地、道路等则加剧热岛效应;武汉市城区面积扩大、植被覆盖率降低、水域面积减少,是导致热岛效应不断加剧的原因。     

基于时序植被指数的湖北省物候空间特征分析

湖北省地貌类型多样,植被类型丰富,也是农业大省,物候信息监测对于自然生态和农业生产具有重要意义。使用MODIS MOD13Q1 产品中的归一化植被指数数据集,运用时间序列谐波分析法重构 NDVI时序曲线,并结合土地覆被数据,采用物候特征动态阈值法获取湖北省植被物候空间分布特征,分析不同土地覆被类型的物候指标。结果表明：(1)湖北省西部山区、东南部和东北部丘陵地区,多为自然植被覆盖,且植被状况良好,NDVI最大值达到0.75以上,大部分区域NDVI最小值在0.6以上。中部江汉平原和农作物区域NDVI变化受农业耕种方式影响较大,与自然植被NDVI变化特征有所差异。(2)不同土地覆被类型物候特征各异。湖北省大部分区域的植被在2月到3月进入生长季,11月到12月结束生长,襄阳地区呈现相反的特征。耕地、裸地、水体等受人类影响较大的土地覆被类型生长季长度较短,开始时间较晚,结束较早。森林、草地、灌丛等自然植被生长季长度较长,开始较早、结束较晚。(3)物候参数由于地形地貌、地表覆被类型、人类和自然因素的影响具有显著的差异,对区域植被生态状况、不同土地覆被类型物候空间分布特点的分析,结果对于植被生态保护、植被分类、农业区划等都具有参考意义。     

基于定量遥感技术的重庆市热岛效应

近年来，城市热岛效应不断增强，已经成为一个突出的城市环境问题。重庆市作为长江中上游特大型城市，工业发达，经济快速发展，市区热岛效应明显，但是很少对其研究。以2007年Landsat5 TM影像为数据源，利用单窗算法对重庆市城市地表温度进行反演，并进行城市地面亮温等级划分，在从城市土地利用类型、NDVI等方面对重庆市城市热岛效应强度和空间格局分布及其特征进行了探讨。结果表明：城区热岛现象显著，且分布不均匀；不同土地利用类型对热岛效应影响不同；城市地面亮温与NDVI呈明显的线性负相关关系。最后结合重庆市的特殊地形，提出了以下解决城市热岛效应的对策：加强城市规划，调整城市结构；构建最佳绿化结构，提高城市绿化率；改变能源结构，提高能源利用率，控制工厂废气排放量。     

利用广义加性模型解析长江中游城市群城镇用地扩展驱动力

研究城镇用地扩展的时空驱动机制对城市群的科学可续发展与国土空间规划具有重要意义.利用广义加性模型(General Additive Model,GAM),选取社会经济因子、自然因子和邻域因子,解析长江中游城市群1990～2015年城镇用地扩展驱动力的时空分异特征,挖掘各子城市群的核心驱动力并对其进行功能识别.结果表明:(1)25年间,长江中游城市群驱动因子时空差异显著.核心城市武汉、长沙、南昌极化效应明显,涓滴效应逐渐显现,但城市群仍未打破行政区划壁垒.(2)三大子城市群的核心驱动因子差异显著.其中,人口和地均GDP对各子城市群城镇用地扩展影响最大,武汉城市圈和环鄱阳湖城市群的空间溢出效应高于长株潭城市群,且城镇用地扩展模式渐由单核驱动发展为双核驱动.(3)核心驱动因子与城市群城镇用地扩展之间具有显著的非线性关系,且呈现地域性和阶段性特征.(4)GAM模型能够解释城镇用地扩展过程中各因子之间的非线性关系,较Logistic和Nonliner-Logistic模型具有更高的拟合优度和验证精度,表明了其探索非线性驱动力的优势.     

不同土地利用类型的地表特征参量的遥感反演研究——以猫跳河流域为例

利用2007年5月Lansat5 TM数据,运用单通道算法,基于全国遥感监测土地利用/覆盖分类体系,对贵州省猫跳河流域的地表特征参量进行了反演,得到不同土地利用类型下的典型地表特征参数值。在3种主要的土地利用类型中,林地的植被指数最高、地表温度最低,农田的植被指数最低而地表温度最高,草地介乎林地和农田之间。城镇建设用地主要表现为热岛效应,而水域则主要表现为地表温度（LST）和归一化植被指数（NDVI）的双低特征。进一步对二级土地利用类型的分析表明,由于结构、功能的不同,土地利用二级类在地表特征参量方面也表现出了有规律地变化。有助于深入认识不同土地利用类型的物理特征,可以丰富主要土地利用类型的影像分类的先验知识,有望将不同土地利用方式的生态环境效应研究推进一步     

Estimation of land surface temperature using different retrieval methods for studying the spatiotemporal variations of surface urban heat and cold islands in Indian Punjab

Spatial patterns of land surface temperature (LST), surface urban heat island (SUHI), surface urban cold island (SUCI), and their seasonal variations during January (winter) and September (summer) were analyzed over the three cities of Indian Punjab (Balachaur, Ludhiana and Bathinda) using Landsat 5, 7 and 8 satellite data of the years 1991, 2001, 2011, and 2018. Urban hot spots and Urban Thermal Field Variance Index (UTFVI) were used to measure the ecological environment of these cities. Land surface temperature was retrieved from Landsat satellite data using Plank equation, mono-window algorithm (MWA), single-channel algorithm (SCA), and radiative transfer equation. The LST derived using these algorithms was validated with MODIS-LST product. The relationship between LST derived from Landsat 5, 7 and 8 using the four methods and MODIS-LST product was higher with the SCA algorithm (R²?>?0.75). Land surface temperature was significantly positively correlated with built-up but significantly negatively correlated with vegetation. The surface urban heat intensity was higher during September than January, and it was higher in Ludhiana followed by Bathinda and Balachaur, irrespective of the season. Besides built-up area and population density, soil moisture availability in surrounding rural areas has significant impact on increasing surface urban heat intensity during September than January. The SUCIs were formed in the center of Bathinda city during January 1991, but these were in Ludhiana and Balachaur cities during January 2011. The most critical areas for ecological environment based on UTFVI were identified and the critical UTFVI values (>?0.020) were highest in Bathinda city followed by Balachaur and Ludhiana cities. These results suggest that SUHIs and SUCIs are influenced by seasons and the mitigating plans to counteract the overheating of urban areas should be formulated taking into account soil moisture availability in surrounding rural areas, landscape pattern, seasonal variations, local climatic conditions, urban growth, and development plan etc.