论文部分内容阅读
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。