英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

探究土地利用覆盖变化与地表温度的关系

摘要

探索土地利用土地覆盖变化（LULC）以了解城市热岛（UHI）效应对于发展中国家城市社区和地方政府都是有价值的，发展中国家的城市化和工业化经常发生得很迅速，但是合适的规划和控制政策没有被很好地实施。本次研究旨在确定和分析城市化背景下LULC变化与地表温度（LST）模式之间的关系。我们首先探讨LST 与植被，人为土地和使用标准化植被的农田之间的关系，以及每种LULC类型中的建立指数。之后，我们使用热点分析（Getis-Ord Gi * 统计）和城市景观分析来评估城市热岛地区的LULC变化和城市化对城市热岛的影响。最后，我们提出了一个应用非参数回归的模型，用预测的土地覆盖和土地利用变化估计未来的城市气候模式。这项工作的结果为UHI表征提供了一种有效的方法，结果表明（a）LST取决于非线性LULC类型;（b）使用Getis Ord Gi *进行热点分析统计学允许分析LST模式随时间的变化;（c）城市热岛受城市景观和城市发展类型的影响;（d）LST模式预测和UHI效应检验可以通过所提出的模型使用非线性回归和模拟LULC变化情景来完成。我们选择了一个河内的内城区作为案例研究，这是一个小而平坦的平原地区，由于城市化和工业化，LULC变化很大。本文提出的方法可广泛应用于其他呈现类似动态增长的城市。我们的研究结果可为决策者和热心公益活动提供有用工具，为可持续城市规划和管理提供科学依据。

关键词

城市热岛；土地利用土地覆被变化；核岭回归；城市化

1.介绍

城市表面蓄热能力的增加产生了所谓的城市热岛（UHI），其中建成区比附近的农村地区更热（Oke，1982; Taha，1997; Rizwan等，2008 ）。这种局部的温度差异会对人类和环境造成负面影响，因为它会危害空气质量，增加能源消耗，失去生物控制，并影响人们的健康（Kikegawa等，2003; Grimmond，2007; Meineke等，2014; Plocoste等，2014 ）。热遥感，地理信息系统的进展（GIS）和统计方法使研究界能够描述和检测城市热岛与景观关系。大量有关UHI分析的研究已经开展，为决策者和研究人员提供了重要的反馈（Quattrochi和Luvall，1999; Yuan和Bauer，2007; Rizwan等，2008; Junxiang等，2011 ; Kumar等，2012; Radhi等，2013; Myint等，2013; Zhou等，2014; Adams和Smith，2014; Coseo和Larsen，2014; Song等，2014; Chun和Guldmann，2014; Rotem-Mindali等，2015; Kourtidis等，2015 ）。除了气温外，从遥感数据中获得的LST是唯一的用来定义地表城市热岛的信息来源，并且它已被广泛用作UHI研究的指标（翁等人，2004; 翁，2009; Imhoff等，2010 ）。通过引入热遥感，LST信息可从一系列广泛覆盖地球面积的卫星传感器（如Landsat，MODIS和ASTER）中获取。与从气象站收集的气温信息相比，热成像提供了不同时间尺度上的全空间覆盖（Myint等，2013）。此外，与从位于树木公园般的环境中（Nichol和To，2012 ）的城市气象站收集的温度相比，从遥感影像获得的LST可能会更好地显示最热和最冷的区域。地表温度也与LULC 特征有直接的相互作用（Quattrochi和Luvall，1999）。因此，分析LULC和LST之间的关系对于了解LULC对UHI的影响至关重要。

探索UHI的空间格局对于了解LULC的分布以及该分布变化如何影响LST非常重要。但是，使用绝对LST值是主要挑战。绝对LST可用于表征特定日期的UHI，但原则上不宜用它从时间尺度上来比较UHI空间模式。比较在不同大气条件下不同日期获取的绝对LST值不能从时空观点正确地量化UHI趋势。Walawender等人（2014）提出使用归一化LST来研究LST 空间分布与LULC的关系。这保证了从不同图像获取的LST值具有可比性。然而，位置/像素的LST值不是独立的，而是与其相邻像素的LST相关的（Song et al。，2014）。在这种情况下，归一化的LST不能处理空间自相关问题。因此，当通过时间比较UHI模式时，还必须考虑空间自相关的影响。

基于LULC的未来地表温度模拟对于减轻热岛效应具有重要作用。这种理解可以用来实施土地利用规划和城市设计中减少热岛效应的新战略和政策。线性回归在许多研究中被广泛用于深入了解景观- 热带气旋的关系（Yuan和Bauer，2007; Adams和Smith，2014; Rotem-Mindali等，2015），并已应用于未来LST预测（ Ahmed等人，2013）。然而，由于土地覆盖数据的季节变化（ Owen等，1998; Zhou等，2014 ），复杂的景观结构（Guo 等人，2015 ），和城市形态异质性（Guo 等人，2016），这种相关性是非线性的。在LST预测的案例中，非线性回归方法可能是了解LULC-UHI关系的更好的方法。

分析LULC变化对城市热岛效应的影响需要考虑城市化效应。城市化导致建筑物和不透水表面扩大，加剧了城市热岛现象（Chun和Guldmann，2014）。以往的研究采用不同的方法，如昼夜温差（DTR）（Wang 等人，2007; Mohan and Kandya，2015 ），土地利用变化轨迹（Feng 等人，2014）或地表城市热岛指数（Dihkan等，2015 ）来量化城市化对城市热岛效应的影响。这些研究成功描述了城市增长对城市热岛效应的贡献，也成功探究了城乡的热岛差异。但是，应用这些方法不能提供城市发展类型对城市热岛效应的洞察。城市增长可以以不同的方式发生，例如包括填充，扩展或跨越式发展（Angel 等人，2012）。研究UHI如何受不同的城市增长空间模式的影响是至关重要的。对于城市规划者来说，了解哪种城市扩张会加剧或减轻对城市热岛的影响可以为减轻城市热岛现象战略做出重大贡献。

目前的研究的主要贡献是针对为LST模式对城市热岛效应的影像进行可靠的分析，以及开发用于预测与LULC变化相关的城市气候模式的方法论，并探究LULC和LST之间的关系提供研究工具。因此，本次研究的目标是：（i）利用归一化植被和每个LULC类型内的积累指数，探讨LST与主要LULC类型（植被，人为改造地，农田）之间的关系，（ii）用热点分析（Getis-Ord Gi * 统计）评估LULC和城市景观变化对UHI的影响，以及（iii）实施非参数回归，应用核岭回归（KRR）利用预测的土地覆盖和土地利用变化估计未来的城市气候模式。选择越南首都河内的中心城区作为研究区域，因为它经历了快速LULC变化和城市化。这项研究的结果将显示这种方法在城市热岛特征描述中的有效性，并为决策者和城市规划人员制定城市热岛效应减缓战略提供重要反馈。

本文结构如下：第2节简要介绍研究区域；第3节解释了用于推断LST作为LULC空间分布的函数的方法和数据；第4节讨论了河内市的LULC-UHI关系，并对LST预测的主要结果进行了讨论；第5节给出了结论。

2.研究区域

研究区河内中心城区是一个小而平坦的平原，位于越南第二大三角洲红河三角洲的中心，研究区位置如图1。河内内城区覆盖大约304.3公里（HSO，2013a），并且平均海拔小于10。这个地区被选为研究区域，是因为它不仅正在经历快速的LULC变化和城市化，而且夏季极端炎热，这与热岛效应密切相关。

河内位于温暖湿润的亚热带气候区内，该市具有典型的越南北部气候特征，夏季炎热潮湿，冬季寒冷干燥。夏季从5月开始，到8月结束，平均气温为29℃（NCHMF，2015）。作为一个低海拔地区，加上Foeln（一种在山脉下风侧发生的干燥，温暖，下坡风）的影响，这座城市在夏季经常会经历几个炎热时期。在过去的几年里，这个地区遭受了不寻常的高温。2010年6月16日，全市平均气温达到34.6℃（夜间温度30.4℃，日温39.6℃），创1961年以来的最高值（NCHMF，2015）。2015年5月28日，气温超过40℃，这是自历史记录开始以来的最高温度（NCHMF，2015）。

河内中心城区及周边地区的城市化速度比其他周边地区快。尽管这一研究区占地面积只有河内市总面积的9％，这个小区域包含了超过40％的城市人口（2.9亿人），以及20％左右（140公里）的城市市区土地）（HSO， 2013a，b ）。城市化侵蚀了农业用地，这反过来又导致了土地使用的变化，从而增加了建成面积。与城市扩张相关的不同的LULC类型之间的转换将对LST模式和UHI效应的规模产生重大影响。根据越南政府的社会经济规划，2030年城市地区将占据60％以上的城市土地使用结构（VGP，2016）。根据负面气候变化的影响（Niem et al。，2013），城市热岛将成为城市发展面临的主要挑战之一。

图1. 越南、河内及河内中心城区示意图

3.数据来源与方法

3.1．使用的数据

采用2003年5月5日、2008年5月24日和2015年6月1日的Landsat 5（TM）， Landsat 7 ETM 及Landsat 8OLI等产品图像作为本研究的主要数据来源（表1）。这些可以免费获取的的影像由美国国家航空和宇宙航行局（NASA）进行处理，已经经过了辐射校准和大气校正算法（level-1productshttp://earthexplorer.usgs.gov/）。卫星图像被用来推导LULC分类和LST反演。这个图像数据集的一个局限性是图像是在河内时间上午10:00左右采集的。那时，LST值较低（比最大LST低约3〜6°C，而一天内的最高温一般发生在下午1:00）。然而，这个问题并没有显著地影响结果，因为研究集中在UHI模式而不是其绝对值。

表1.使用的遥感影像数据

除了卫星影像之外，这项研究还收集了越南政府机构和组织的信息，包括统计总局（GSO），河内统计局（HSO），自然资源和环境部（MONRE）以及国家水文气象预报中心（NCHMF）。

3.2． 研究方法

3.2.1． LULC分类和土地利用变化预测

本次研究采用高斯分类方法的混合（具有最大似然方法的最终决策策略）（Tempfli等，2009）来获得研究区域的LULC分布。Landsat 5 TM和Landsat 7 ETM 中的Landsat 8（7,5,3）中带有假彩色波段（7,6,4）的复合图像用于获得更好的城市环境可视化。通过比较假彩色组合图像，Google Earth信息和原位信息，确定每种LULC类型的训练样本。分类分为6种11小类：植被，农业（高密度农田，低密度农田和湿地），城市（高住宅区，低住宅区，工商业用地，不透水面），空地，水和沙洲。

为了改善分类结果，实施了两阶段分类策略：（1）应用多数滤波器去除错误分类的像素; （2）将更精确的水和沙洲数据（通过其他方法获取）集成到滤波后的图像中。特别是用标准化水指数（NDWI; Xu，2006）确定水域面积，而沙洲是手动确定的。每个分类的准确性通过从每张分类图像上传350个点到谷歌地球专业版来比较它们的相似性来评估。Google地球专业版中的“查看历史图像”工具用于查找每年最佳参考图像。基于此，总体准确度（所有类别采样的所有像素中正确分类像素的百分比），生产者准确度（地面上特定LULC类型的

全文共16167字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[13126]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• GIS矢量地图的鲁棒水印方案外文翻译资料
• 中国相似地理位置发达地区房价影响因素的差异——以西安高新区和沣渭新区为例外文翻译资料
• 集成数据在城市土地利用变化时空动态监测的应用——以印度金奈都市为例外文翻译资料
• 全球地表水及其长期变化的高分辨率制图外文翻译资料
• 造成沿海大型城市内涝灾害的主要因素识别——以中国广州为例外文翻译资料
• 基于SFPHD框架的中国快速城市化地区城市生态系统健康综合评价方法外文翻译资料
• 基于绿地演变的未来城市地表热岛强度的多情景模拟预测外文翻译资料
• 中国大陆272个城市地面和冠层城市热岛强度的长期趋势外文翻译资料
• 与孟加拉湾热带气旋有关的中国低纬度高原远距离降雨事件外文翻译资料
• 新丰江水库流域GPM IMERG降水产品评价及水文效用研究外文翻译资料