论文部分内容阅读
利用遥感数据对城市热岛效应的监测是进行城市热岛效应监测的重要手段,传统遥感监测法研究方面主要集中于对城市地表温度或亮度温度的分析,反映的是地表城市热岛效应。而针对于近地表气温所表征的城市热岛效应的研究较少。本文选取北京市作为研究区,采用2004年9月8日和2011年7月26日北京市Landsat5/TM遥感影像,通过单通道算法提取地表温度(LST),并计算归一化植被指数(NDVI)、改进的归一化差异水体指数(MNDWI)、地表反照率(Albedo)以及归一化建筑指数(NDBI),另外加入高程(Altitude)总共6个对近地表气温有影响的环境因子作为自变量,利用随机森林模型和多元回归统计模型对近地表气温(即百叶箱高度处气温)进行计算,反演得到北京市近地表日最高气温,对两种模型的计算结果进行分析,选取效果较好的随机森林模型所反演的近地表气温进行城市热岛效应分析。利用随机森林模型反演出的近地表气温开展城市热岛的研究,并与基于地表温度计算的热岛指数作对比。同时对不同下垫面类型对城市热岛效应的影响做出探讨。主要结论如下:(1)创新性的引入随机森林模型对近地表气温进行估算,得到精度较高的面状近地表气温数据。其2004年的近地表气温平均绝对误差(MAE)为1.11℃、均方根误差(RMSE)为2.02℃; 2011年的近地表气温MAE为0.82℃、RMSE为1.09℃。将其与多元回归统计方法进行对比,多元回归统计方法2004年的MAE为1.18℃,RMSE为1.82℃,2011 年 MAE 为 0.87℃, RMSE 为 1.17℃,随机森林模型的整体精度优于多元回归统计方法的精度,随机森林更具有优势。并对各个因子的对近地表气温反演模型重要性进行分析,结果表明,LST对近地表气温最为重要,对模型影响最大,Altitude次之。(2)利用随机森林模型得到的近地表气温数据进行城市热岛效应分析,北京市城市热岛效应显著,整个城市呈现出中心城区气温高,四周郊区气温较低的分布,与实测资料分布结果一致。并2011年7月26日的城市热岛效应较之2004年9月8日的城市热岛效应有加剧。除中心城区外,海淀区、朝阳区、丰台区这三个城市功能拓展区大部分已变成高温区和次高温区,并且房山区、大兴区以及平谷区也都出现了高温及次高温现象。低温区分布在城市边缘以及延庆区和门头沟区中的山地。(3)研究区城市热岛强度与下垫面的关系呈现出:城镇的城市热岛强度最高,裸地次之,林地最低的分布特点。进一步探究植被与不透水面对城市热岛效应的影响,NDVI与热岛强度之间存在明显的负相关性,随着NDVI的升高,热岛强度效应逐渐减弱,热岛强度与城市不透水面盖度(ISC)之间存在一定的正相关性,随着不透水面盖度的不断升高,热岛强度效应逐渐增强。