喀斯特城市地表温度影响因素的遥感反演与分析

摘要

近年来随着城市化进程的加快，大量自然地表逐渐被人工不透水地表替代，地表覆盖发生变化影响城市热环境，产生越来越显著的城市热岛现象等热效应。城市热环境可用地表温度来描述，不透水面、植被、水体等地表覆盖类型是影响城市热环境的主要因素，因此定量分析地表温度影响因素对改善城市生态环境具有重要意义。传统的实验观测法很难获取整个城市地表温度的空间数据，而遥感模型反演法提供了快速获取城市大面积地面温度唯一快速、有效的手段。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时，综合不透水面、植被、水体等多种地表参量。实验证明:尽管估算值与实际反演或实地测量温度存在差距，综合多种地表参量的计算精度高。因此，通过遥感图像和地表温度的研究，就能够为缓解桂林市热岛效应提供理论基础和技术支持。针对桂林喀斯特城市的快速发展所引起日益严重的城市热岛现象，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，利用缨帽变换提取土壤亮度指数、绿度植被指数、湿度指数等地表参数，利用模型提取归一化植被指数NDVI、比值植被指数RVI、修改型土壤调整指数MSAVI等植被指数和水体指数MNDWI，利用Artis单窗算法估算热红外波段像元尺度地表温度，将地表温度的影响因素作为BP神经网络输入估算30m空间分辨率的亚像元地表温度，分析1989-2006年桂林城区土地利用变化、缨帽变换特征分量变化、植被参数变化、水体指数变化对地表温度的影响机理。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Kappa系数最高，总体分类精度为91.7％，超过90％，Kappa系数为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;1989-2006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GVI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。

目录

论文说明

摘要

第1章 绪论

1．1 国内外研究进展

1．2 研究方法和内容

1．2．1 研究方法

1．2．2 研究内容

1．3 研究的技术路线

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

2．1．2 遥感数据的预处理

2．2 亚像元地表温度反演算法

2．2．1 人工神经网络

2．2．2 BP神经网络基本理论

2．3 影响地表温度的地表参量遥感反演

2．3．1 植被指数计算

2．3．2 其它地表参量

第3章 基于BP神经网络反演亚像元地表温度

3．1 基于BP神经网络的地表温度反演方法

3．2 实验数据来源

3．2．1 地表温度反演

3．2．2 九种地表参量的反演结果

3．3 实验过程和结果分析

3．3．1 建立模型及实验过程

3．3．2 参数设定

3．3．3 结果误差比较

3．3．4 结论与讨论

第4章 地表温度影响因素的反演与分析

4．1 分类

4．1．1 研究方法

4．1．2 实验数据的选取

4．1．3 小波纹理的SVM分类方法

4．1．4 两个时期不同地物类型面积、温度变化

4．1．5 结果与分析

4．1．6 结论与讨论

4．2 K-T变换增强实验与应用

4．2．1 转换系数

4．2．2 K-T变换的基本思想

4．2．3 K-T变换的基本原理

4．2．4 技术路线

4．2．5 实验

4．3 喀斯特城市地表温度与不同植被参数的相关性分析

4．3．1 实验数据的选取

4．3．2 遥感模型反演地表温度及植被参数

4．3．3 地表温度和植被参数的相关性分析

4．3．4 结论

4．4 喀斯特城市水体面积变化对地表热场的影响

第5章 结论

参考文献

读研期间发表论文

致谢

声明