發(fā)布時(shí)間：2018-07-16 16:39

【摘要】：近年來(lái)隨著城市化進(jìn)程的加快,大量自然地表逐漸被人工不透水地表替代,地表覆蓋發(fā)生變化影響城市熱環(huán)境,產(chǎn)生越來(lái)越顯著的城市熱島現(xiàn)象等熱效應(yīng)。城市熱環(huán)境可用地表溫度來(lái)描述,不透水面、植被、水體等地表覆蓋類型是影響城市熱環(huán)境的主要因素,因此定量分析地表溫度影響因素對(duì)改善城市生態(tài)環(huán)境具有重要意義。傳統(tǒng)的實(shí)驗(yàn)觀測(cè)法很難獲取整個(gè)城市地表溫度的空間數(shù)據(jù),而遙感模型反演法提供了快速獲取城市大面積地面溫度唯一快速、有效的手段。為了滿足熱紅外遙感成像模擬的計(jì)算精度的需要,BP神經(jīng)網(wǎng)絡(luò)在估算子像元地表溫度時(shí),綜合不透水面、植被、水體等多種地表參量。實(shí)驗(yàn)證明：盡管估算值與實(shí)際反演或?qū)嵉販y(cè)量溫度存在差距,綜合多種地表參量的計(jì)算精度高。因此,通過(guò)遙感圖像和地表溫度的研究,就能夠?yàn)榫徑夤鹆质袩釐u效應(yīng)提供理論基礎(chǔ)和技術(shù)支持。針對(duì)桂林喀斯特城市的快速發(fā)展所引起日益嚴(yán)重的城市熱島現(xiàn)象,對(duì)覆蓋研究區(qū)的LandsatTM衛(wèi)星圖像利用支持向量機(jī)SVM提取土地利用信息,利用纓帽變換提取土壤亮度指數(shù)、綠度植被指數(shù)、濕度指數(shù)等地表參數(shù),利用模型提取歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、修改型土壤調(diào)整指數(shù)MSAVI等植被指數(shù)和水體指數(shù)MNDWI,利用Artis單窗算法估算熱紅外波段像元尺度地表溫度,將地表溫度的影響因素作為BP神經(jīng)網(wǎng)絡(luò)輸入估算30m空間分辨率的亞像元地表溫度,分析1989-2006年桂林城區(qū)土地利用變化、纓帽變換特征分量變化、植被參數(shù)變化、水體指數(shù)變化對(duì)地表溫度的影響機(jī)理。結(jié)果表明,SVM可提高喀斯特城市土地利用信息遙感分類的精度,可有效地動(dòng)態(tài)監(jiān)測(cè)喀斯特城市土地利用的變化；SVM的地物分類精度和Kappa系數(shù)最高,總體分類精度為91.7%,超過(guò)90%,Kappa系數(shù)為0.827,明顯高于人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)和最大似然法的分類結(jié)果；1989-2006年桂林城區(qū)土地利用類型發(fā)生了很大變化,建筑物面積大幅度增加,而農(nóng)業(yè)用地面積大幅度減少,較小水體的面積萎縮甚至完全消失。纓帽變換的綠度植被指數(shù)GVI與地表溫度的相關(guān)性最大,相關(guān)系數(shù)最高,為0.8907,可作為最優(yōu)植被參數(shù)來(lái)分析植被覆蓋狀況對(duì)地表溫度的影響；地表溫度與植被指數(shù)NDVI、RVI、MSAVI、GVI等均呈明顯的負(fù)相關(guān)關(guān)系。研究表明：地表溫度隨水體指數(shù)數(shù)值的增加而降低,即地表溫度與水體指數(shù)呈負(fù)相關(guān)關(guān)系。從1989年至2006年,桂林喀斯特城市規(guī)模的擴(kuò)展導(dǎo)致水體面積由占研究區(qū)總面積的4.6%降至4.4%,減少量占總面積的0.2%、占總水體面積的4.3%；研究數(shù)據(jù)表明：桂林市區(qū)的兩江四湖能有效改善中心城區(qū)的生態(tài)環(huán)境質(zhì)量、緩解城市熱島現(xiàn)象。
[Abstract]:In recent years, with the acceleration of urbanization, a large number of natural surface is gradually replaced by artificial impermeable surface. The change of surface cover affects the urban thermal environment and produces more and more obvious urban heat island phenomenon and other thermal effects. Urban thermal environment can be described by surface temperature. Surface cover types such as impermeable surface, vegetation and water body are the main factors affecting urban thermal environment. Therefore, quantitative analysis of the influencing factors of surface temperature is of great significance to the improvement of urban ecological environment. The traditional experimental observation method is very difficult to obtain the spatial data of the whole city surface temperature, but the remote sensing model inversion method provides the only fast and effective method to get the large area surface temperature of the city quickly. In order to satisfy the accuracy of thermal infrared remote sensing imaging simulation, BP neural network is used to estimate the surface temperature of sub-pixel, which includes impermeable surface, vegetation, water body and other surface parameters. The experimental results show that, although there is a gap between the estimated value and the actual temperature inversion or field measurement, the calculation accuracy of synthesizing various surface parameters is high. Therefore, the study of remote sensing images and surface temperature can provide theoretical basis and technical support for alleviating the heat island effect in Guilin. In view of the increasingly serious urban heat island phenomenon caused by the rapid development of karst city in Guilin, the Landsat TM satellite image covering the study area is extracted from the land use information by support vector machine (SVM), and the soil luminance index is extracted by the tassel hat transform. Green vegetation index, humidity index and other surface parameters, The normalized vegetation index (NDVI), the ratio vegetation index (RVI), the modified soil adjustment index (MSAVI) and the water body index (MNDWI) were extracted by using the model. The Artis single window algorithm was used to estimate the thermal infrared band pixel surface temperature. The influence factors of land surface temperature were used as input of BP neural network to estimate the subpixel surface temperature of 30 m spatial resolution. The land use change, tassel transform characteristic component change and vegetation parameter change of Guilin urban area from 1989 to 2006 were analyzed. The influence mechanism of water index change on surface temperature. The results show that SVM can improve the accuracy of remote sensing classification of karst urban land use information, and can effectively dynamically monitor the changes of urban land use. The SVM has the highest classification accuracy and Kappa coefficient. The overall classification accuracy is 91.7, and the Kappa coefficient of more than 90 is 0.827, which is obviously higher than that of artificial neural network. The classification results of decision tree and maximum likelihood method have changed greatly from 1989 to 2006 in Guilin urban area, and the area of buildings has greatly increased. However, the area of agricultural land was greatly reduced, and the area of smaller water bodies shrank or even disappeared completely. The green vegetation index (GVI) of tasseled cap transform has the highest correlation with the surface temperature (0.8907), which can be used as the optimal vegetation parameter to analyze the effect of vegetation coverage on the surface temperature. There was a significant negative correlation between surface temperature and vegetation index (NDVI), RVI, MSAVI, GVI, etc. The results show that the surface temperature decreases with the increase of water body index, that is, there is a negative correlation between surface temperature and water body index. From 1989 to 2006, the expansion of karst city scale in Guilin resulted in the decrease of water body area from 4.6% to 4.44%, which accounted for 0.2% of the total area and 4.3% of the total water area. The data show that the two rivers and four lakes in Guilin can effectively improve the ecological environment quality and alleviate the phenomenon of urban heat island.
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP79

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李薇,張宏升,康凌,張靄琛;OS530系列紅外輻射溫度表測(cè)量地表溫度的應(yīng)用[J];氣象水文海洋儀器;2003年01期

2 高懋芳;覃志豪;高明文;張彩枝;色布力馬;;MODIS數(shù)據(jù)反演地表溫度的傳感器視角校正研究[J];遙感技術(shù)與應(yīng)用;2007年03期

3 喻素芳;范文義;秦武明;吳英;陸道調(diào);;地表溫度估測(cè)土壤含水量[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S1期

4 肖斌;沙晉明;;基于MODIS數(shù)據(jù)的水熱指數(shù)及其DEM訂正[J];遙感信息;2007年05期

5 李天宏;莫獻(xiàn)坤;韓鵬;;基于組合不同裂窗算法反演黃河流域地表溫度研究[J];測(cè)試技術(shù)學(xué)報(bào);2008年04期

6 陳公德;徐建華;戴曉燕;董山;;運(yùn)用遙感數(shù)據(jù)挖掘解析城市地表溫度的空間變異規(guī)律[J];遙感技術(shù)與應(yīng)用;2008年04期

7 馬延輝;林輝;孫華;;基于MODIS的湖南省地表溫度動(dòng)態(tài)變化研究[J];水土保持研究;2008年06期

8 孟凡影;劉志明;王曉娟;;地表溫度反演方法[J];地理空間信息;2010年01期

9 徐永明;覃志豪;沈艷;;長(zhǎng)江三角洲地區(qū)地表溫度年內(nèi)變化規(guī)律與氣候因子的關(guān)系分析[J];國(guó)土資源遙感;2010年01期

10 阿古達(dá)木;;基于MODIS影像和單通道算法的阿拉善盟地表溫度空間分布研究[J];內(nèi)蒙古氣象;2010年01期

相關(guān)會(huì)議論文 前10條

1 許軍強(qiáng);白朝軍;孫珂;王明常;;基于TES算法的地表溫度反演應(yīng)用研究[A];河南地球科學(xué)通報(bào)2009年卷（上冊(cè)）[C];2009年

2 覃志豪;;用Landsat TM6反演地表溫度所需地表輻射率參數(shù)的估計(jì)方法[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

3 崔月菊;杜建國(guó);陳志;李靜;謝超;周曉成;劉雷;;與2010年玉樹(shù)M_S 7.1地震有關(guān)的地表溫度、濕度變化[A];中國(guó)地球物理2010——中國(guó)地球物理學(xué)會(huì)第二十六屆年會(huì)、中國(guó)地震學(xué)會(huì)第十三次學(xué)術(shù)大會(huì)論文集[C];2010年

4 穆西晗;李召良;閻廣建;任華忠;;利用連續(xù)觀測(cè)分離地表溫度和比輻射率的初步嘗試[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

5 彭建;劉元波;趙曉松;葉春;宋平;趙東波;;一種計(jì)算水分脅迫指數(shù)的新方法[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

6 周偉;李萬(wàn)彪;方圓圓;;利用GMS-5衛(wèi)星紅外資料反演地表溫度[A];推進(jìn)氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國(guó)氣象學(xué)會(huì)2004年年會(huì)論文集（下冊(cè)）[C];2004年

7 王帥;丁圣彥;梁國(guó)付;;黃河中下游典型地區(qū)農(nóng)業(yè)景觀格局的熱環(huán)境效應(yīng)——以中牟縣為例[A];發(fā)揮資源科技優(yōu)勢(shì) 保障西部創(chuàng)新發(fā)展——中國(guó)自然資源學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2011年

8 張杰;張強(qiáng);李俊;;邊界層溫度廓線遙感反演的本地化改進(jìn)研究[A];第七屆全國(guó)優(yōu)秀青年氣象科技工作者學(xué)術(shù)研討會(huì)論文集[C];2010年

9 陳水森;陳修治;陳偉琦;蘇泳嫻;李丹;;基于AMSR-E的LST簡(jiǎn)單提取方法——以2008南方雪災(zāi)廣東區(qū)域?yàn)槔齕A];遙感定量反演算法研討會(huì)摘要集[C];2010年

10 李秀霞;南穎;;基于遙感技術(shù)的延吉市地表溫度現(xiàn)狀分析[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 ;苗木夏季管理五措施[N];山東科技報(bào);2008年

2 魏曉瑜;地?zé)岬匕灞ｐB(yǎng)的特殊之道[N];中國(guó)建設(shè)報(bào);2006年

3 實(shí)習(xí)生 幸倩;柏油路溫度高達(dá)65℃[N];北京日?qǐng)?bào);2010年

4 采訪人 本報(bào)通訊員 秦振　卓靜;世園綠島貢獻(xiàn)率達(dá)2.4%[N];中國(guó)氣象報(bào);2011年

5 李釗;本世紀(jì)末可能出現(xiàn)極端炎熱天氣[N];科技日?qǐng)?bào);2008年

6 ;夏季炎熱苗木要保濕[N];吉林農(nóng)村報(bào);2008年

7 本報(bào)記者 張軍;北京標(biāo)準(zhǔn)氣溫為何在大興[N];北京日?qǐng)?bào);2009年

8 本報(bào)記者 黃芍　王湖錄;在烈日和高溫下[N];欽州日?qǐng)?bào);2009年

9 ;地?zé)岬匕寮訙睾捅竦淖⒁馐马?xiàng)[N];中華建筑報(bào);2007年

10 方祥生;由極端天氣增多說(shuō)起[N];光明日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 甘霖;面向地表熱環(huán)境效應(yīng)改善的北京綠隔規(guī)劃策略[D];清華大學(xué);2011年

2 謝啟姣;城市熱島演變及其影響因素研究[D];華中農(nóng)業(yè)大學(xué);2011年

3 馮曉剛;城市熱島效應(yīng)演變與成因遙感研究[D];陜西師范大學(xué);2011年

4 楊紅娟;遙感騰發(fā)模型研究及其在干旱區(qū)平原綠洲的應(yīng)用[D];清華大學(xué);2009年

5 付曉;北京城市綠色空間時(shí)空變化及其生態(tài)服務(wù)功能響應(yīng)[D];北京林業(yè)大學(xué);2013年

6 張金區(qū);珠江三角洲地區(qū)地表熱環(huán)境的遙感探測(cè)及時(shí)空演化研究[D];中國(guó)科學(xué)院研究生院（廣州地球化學(xué)研究所）;2006年

7 潘竟虎;蘭州市景觀生態(tài)格局熱環(huán)境效應(yīng)研究[D];蘭州大學(xué);2011年

8 吳文淵;從熱紅外遙感獲取斷裂相關(guān)信息的分析方法研究[D];浙江大學(xué);2011年

9 蔡國(guó)印;基于MODIS數(shù)據(jù)的地表溫度、熱慣量反演研究及其在土壤水分、地氣間熱交換方面的應(yīng)用[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

10 王偉武;地表演變對(duì)城市熱環(huán)境影響的定量研究[D];浙江大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 海貝貝;農(nóng)區(qū)地表溫度及其與農(nóng)村工業(yè)發(fā)展關(guān)系研究[D];河南大學(xué);2011年

2 錢建軍;伊通河流域地表溫度時(shí)空分布特征與景觀格局關(guān)系研究[D];東北師范大學(xué);2012年

3 吳曉娜;歐亞大陸夏季地表溫度的變化特征及其與東亞夏季風(fēng)的關(guān)系[D];南京信息工程大學(xué);2013年

4 秦瑞;基于數(shù)據(jù)同化的地表溫度時(shí)間序列重構(gòu)[D];中南大學(xué);2013年

5 喻素芳;荒漠化地區(qū)土壤含水量遙感信息模型的研究[D];東北林業(yè)大學(xué);2005年

6 馮文峰;基于TM/ETM數(shù)據(jù)的城市地表溫度研究[D];河南大學(xué);2008年

7 曹璐;城市地表溫度熱島遙感定量反演及其時(shí)空格局[D];華東師范大學(xué);2011年

8 李秀霞;長(zhǎng)白山地區(qū)地表溫度反演及其與土地利用/覆蓋的關(guān)系研究[D];延邊大學(xué);2011年

9 瑪麗艷姑麗·阿西穆;干旱區(qū)典型綠洲地表溫度遙感反演和空間分異研究[D];新疆大學(xué);2013年

10 江麗莎;喀斯特城市地表溫度影響因素的遙感反演與分析[D];廣西師范大學(xué);2014年

，

本文編號(hào)：2126986