研究城市地表熱環(huán)境變化的時(shí)空演變規(guī)律對(duì)防災(zāi)減災(zāi)具有重要意義。本研究以衛(wèi)星遙感的夜間燈光,植被指數(shù),高程和坡度為自變量構(gòu)建了適用于人口空間分布估算的隨機(jī)森林模型,結(jié)合衛(wèi)星遙感反演的地表溫度數(shù)據(jù),以2016年夏季為例,研究了1km分辨率的長(zhǎng)江三角洲地區(qū)夏季地表熱環(huán)境人口暴露分布特征。研究表明:（1）利用隨機(jī)模型對(duì)長(zhǎng)江三角洲2016年人口進(jìn)行1000m格網(wǎng)空間化分布模擬,變量解釋度達(dá)到80%,人口空間化結(jié)果接近實(shí)際。（2）人口密度高值區(qū)和夏季大部分月份內(nèi)的地表熱環(huán)境高溫區(qū)和人口暴露高和極高風(fēng)險(xiǎn)區(qū)總體有較好的對(duì)應(yīng)。6月皖北地區(qū)高溫區(qū)面積增大導(dǎo)致地表熱環(huán)境的人口暴露風(fēng)險(xiǎn)較高等級(jí)的面積比例高于其他月份。（3）在月和季節(jié)平均尺度上,地表高溫?zé)岘h(huán)境暴露極高和高風(fēng)險(xiǎn)區(qū)域面積極少,處于沿海地區(qū)、長(zhǎng)江下游沿線以及各縣區(qū)的中心城市;中等暴露風(fēng)險(xiǎn)區(qū)域主要分布在東部及中心城市周邊地區(qū);低暴露風(fēng)險(xiǎn)區(qū)分布在東北部?jī)?nèi)陸地區(qū)和東北部人口數(shù)量相對(duì)較少地區(qū)。 

【文章來(lái)源】：氣象科技. 2020,48(04)

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

基于隨機(jī)森林模型預(yù)測(cè)的2016年1km分辨率人口空間化分布

表4給出了2016年長(zhǎng)江三角洲地區(qū)夏季各月人口加權(quán)均值與衛(wèi)星實(shí)際反演的地表溫度均值對(duì)比分布，可見(jiàn)，2016年四季長(zhǎng)江三角洲地區(qū)人口加權(quán)后的地表溫度分別為6月30.5℃，7月32.0℃，8月30.7℃，均高于各月的平均地溫，說(shuō)明存在人口集中分布在高溫地區(qū)的空間特征，其中7月的差異度最高，達(dá)到2.3%。從4個(gè)重點(diǎn)城市的地表平均溫度和人口加權(quán)平均溫度的比較結(jié)果（表4）可以看出，6月和8月各城市地表平均溫度與人口加權(quán)平均溫度差異比較小，其中6月上海市的差異度為0.8%，可以忽略不計(jì)。7月的整體差異度都比較高，其中合肥市的差值最大，其人口加權(quán)平均溫度（33.4℃）比地表平均溫度（30.9℃），高出8.1%，說(shuō)明7月合肥市存在比較突出的人口集中在高溫區(qū)域的現(xiàn)象。而夏季上海市的人口加權(quán)平均溫度均值與平均溫度差異度很小，這說(shuō)明夏季上海市地溫空間差異性較小。從4個(gè)省的地表平均溫度和人口加權(quán)平均溫度對(duì)比結(jié)果可以看出，浙江省，江蘇省地表平均溫度與人口加權(quán)平均溫度差異很小，人口加權(quán)地表平均溫度小于地表平均溫度，這表明江蘇省人口大多集中在地表溫度較低的區(qū)域，在計(jì)算人口加權(quán)地表平均溫度時(shí)，得到的數(shù)值會(huì)小于地溫均值。而安徽省的差值最大，說(shuō)明存在人口集中分布在高溫地區(qū)的空間特征。

本文主要使用的數(shù)據(jù)包括：(1)NPP/VIIRS夜間燈光遙感數(shù)據(jù)：2016年6月的月合成夜間燈光遙感影像的輻射率DNB(Day/Night Band）（圖1），來(lái)源于美國(guó)國(guó)家海洋大氣管理局，月數(shù)據(jù)由特定算法合成，剔除了云層反光和暫時(shí)性地物干擾，將空間數(shù)據(jù)投影變換至WGS＿1984坐標(biāo)系，運(yùn)用最近鄰法重采樣至1km×1km。(2)2016年1000m分辨率的歸一化植被指數(shù)（Normalized Difference Vegetation Index,I NDVI）數(shù)據(jù)，見(jiàn)圖1。(3)長(zhǎng)江三角洲1000m分辨率數(shù)字高程模型數(shù)據(jù)（Digital Elevation Model,DEM）及根據(jù)地形計(jì)算得到的坡度（SLOPE）數(shù)據(jù)。(4)2016年普查人口數(shù)據(jù)來(lái)自于2017年長(zhǎng)江三角洲各省統(tǒng)計(jì)年鑒中各區(qū)縣的常住人口統(tǒng)計(jì)數(shù)據(jù)，并計(jì)算人口密度，即行政區(qū)內(nèi)的總調(diào)查人口除以行政區(qū)面積。(5)上海市，江蘇省，安徽省，浙江省1∶25萬(wàn)地理信息基礎(chǔ)數(shù)據(jù)用于進(jìn)行行政區(qū)劃。(6)MODIS官方公布的MOD11A2地表溫度數(shù)據(jù)：地表溫度數(shù)據(jù)來(lái)自美國(guó)國(guó)家航天航天局NASA官方網(wǎng)站（http：//ladsweb.modaps.eosdis.nasa.gov/search），采用2016年6—8月MOD11A2合成白天地表溫度（Land Surface Temperature,LST）數(shù)據(jù)，該數(shù)據(jù)傳感器搭載在Terra衛(wèi)星上，為8d合成數(shù)據(jù)，空間分辨率為1km×1km。1.2 人口預(yù)測(cè)的隨機(jī)森林模型構(gòu)建

【參考文獻(xiàn)】：
期刊論文
[1]夜間燈光數(shù)據(jù)下的中國(guó)貧困縣發(fā)展?fàn)顩r[J]. 王成力,周偉,袁濤.  遙感信息. 2018(06)
[2]南京市高溫?zé)崂藭r(shí)空分布研究[J]. 周洋,祝善友,華俊瑋,劉祎,向嘉敏,丁文.  地球信息科學(xué)學(xué)報(bào). 2018(11)
[3]長(zhǎng)江中下游地區(qū)人口健康水平空間分異特征與地理影響因子[J]. 楊振,丁啟燕,周晴雨,劉會(huì)敏.  地理與地理信息科學(xué). 2018(06)
[4]基于NPP/VIIRS夜間燈光數(shù)據(jù)和土地利用數(shù)據(jù)的人口分布圖繪制——以大連金普新區(qū)為例[J]. 李欣欣,王利,何飛.  遙感信息. 2018(04)
[5]全球變暖背景下長(zhǎng)江三角洲夏季高溫時(shí)空演變研究[J]. 楊涵洧,馬悅,史軍.  長(zhǎng)江流域資源與環(huán)境. 2018(07)
[6]基于POI數(shù)據(jù)的人口分布格網(wǎng)化方法研究[J]. 淳錦,張新長(zhǎng),黃健鋒,張鵬程.  地理與地理信息科學(xué). 2018(04)
[7]隨機(jī)森林模型判定熱帶氣旋變性完成時(shí)間[J]. 劉吉敏,黃泓,吐莉尼沙.  氣象科技. 2018(02)
[8]蘇南地區(qū)高溫特征[J]. 雷正翠,吳建秋,蔣薇,黃文彥,劉銀峰,汪靖.  氣象科技. 2018(01)
[9]長(zhǎng)江三角洲地區(qū)高溫?zé)崂巳巳航】碉L(fēng)險(xiǎn)評(píng)價(jià)[J]. 陳倩,丁明軍,楊續(xù)超,胡可嘉.  地球信息科學(xué)學(xué)報(bào). 2017(11)
[10]長(zhǎng)三角夏季熱島效應(yīng)時(shí)空演變分析[J]. 方慧婷,楊英寶,汪子豪.  地理空間信息. 2017(08)



本文編號(hào)：3090525