基于Landsat5 TM和Landsat8 OLI/TIRS數(shù)據(jù),利用輻射傳輸方程法反演南京市地表溫度,結(jié)合景觀格局指數(shù)進(jìn)行熱環(huán)境格局演變分析,并利用CA-Markov模型預(yù)測(cè)了2024年南京市熱環(huán)境變化。結(jié)果表明,2000～2017年南京市高溫區(qū)面積增加了456.55 km²,增幅為149.75%,中溫區(qū)、低溫區(qū)及次低溫區(qū)面積呈現(xiàn)持續(xù)減少的趨勢(shì);在斑塊類(lèi)型水平上,高溫區(qū)斑塊在熱力景觀格局中的優(yōu)勢(shì)度在迅速上升,2000～2010年熱島高溫區(qū)斑塊破碎度下降,斑塊復(fù)雜程度降低,而2010～2017年則與之相反。在景觀水平上,南京市熱力景觀格局破碎程度降低,各類(lèi)型斑塊面積趨于均勻化,斑塊間聚集程度增加。基于CA-Markov模型模擬的2017年南京市熱環(huán)境空間分布具有較高的精度,各熱島類(lèi)型平均誤差小于6%,模型總體Kappa系數(shù)為78.36%。2024年南京市熱環(huán)境的預(yù)測(cè)結(jié)果表明,2024年南京市熱島高溫區(qū)及次高溫區(qū)面積分別增加了94.96 km²、126.91km²,中溫區(qū)、次低溫區(qū)及低溫區(qū)面積延續(xù)了減少的趨勢(shì)。 

【文章來(lái)源】：大氣與環(huán)境光學(xué)學(xué)報(bào). 2020,15(02)

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖１三個(gè)時(shí)期的南京市熱島強(qiáng)度分級(jí)圖

１５０??大氣與環(huán)境光學(xué)學(xué)報(bào)??１５卷??用基于輻射傳輸方程法反演得到的２０：１７年熱島強(qiáng)度分級(jí)圖（圖２）驗(yàn)證模擬精度，利用ＩＤＲＩＳＩ的ＧＩＳ空間??分析模塊，分別統(tǒng)計(jì)熱環(huán)境反演圖和模擬圖的各熱島類(lèi)型的柵格數(shù)量，如表Ｇ所錄，２０１７年模擬結(jié)果相對(duì)??實(shí)際反演結(jié)果的各熱島類(lèi)型的平均誤差為５．３９％，其中次低溫區(qū)的模擬誤差最大，達(dá)到９．５２％，中溫區(qū)模擬??誤差最小，達(dá)到２．８３％，各熱島類(lèi)型的模擬精度均在９０％以上，說(shuō)明模擬結(jié)果精度較高，利用ＣＲＯＳＳＴＡＢ??模塊對(duì)２０１７年實(shí)際反演得到的熱島強(qiáng)度分級(jí)圖￣模擬圖進(jìn)行疊加分析，以獲取模擬結(jié)果的ＫａＰＰａ系數(shù)，??通常認(rèn)為，當(dāng)Ｋａｐｐａ系數(shù)小于４０％時(shí)，兩圖像間一致性較差，模擬精度較低；當(dāng)Ｋａｐｐａ系數(shù)介于４０％與??７５％之間時(shí)，表示兩圖像間一致性一般，誤差比較明顯，模擬效果不夠理想；當(dāng)Ｋａｐｐａ系數(shù)大于７５％時(shí)，??認(rèn)為兩圖像間一致性較高，誤差較小，模擬結(jié)果具有較高的可信度．本次模擬結(jié)果Ｋａｐｐａ系數(shù)為７８．３６％，；??模擬精度較高，表明基于ＣＡ－Ｍａｒｋｗ模型模擬熱環(huán)境分布具有可行性，可以用于熱環(huán)境空間格局變化的??模擬預(yù)測(cè)分析。??Ｗ?（ｂ）??圖２?２〇１７年南京市熱環(huán)境反演圖（左）與模擬圖（右）??Ｆｉｇ．２?Ｉｎｖｅｒｓｉｏｎ?ａｎｄ?ｓｉｍｕｌａｔｉｏｎ?ｔｈｅｒｍａｌ?ｅｎｖｉｒｏｎｍｅｎｔ?ｏｆ?Ｎａｎｊｉｎｇ?ｉｎ?２０１７??表６?２０１７年南京市熱環(huán)境模擬精度分析??Ｔａｂｌｅ?６?Ａｃｃｔｉｒａｒ．ｙ?ａｎａｌｙｓｉｓ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｔｈ＾ｒｎｉｒａｌ?ｅｎｖｉｒｏｎｍｅｎｔ；?ｏｆ?Ｎａｎｊｉｎｇ?ｉｎ?２０１７??Ｈｅａｔ?ｉｓ

第２期?郭繼強(qiáng)，等：基于ＣＡ－Ｍａｒｋ〇ｖ模型的南京市熱環(huán)境格局演變及預(yù)測(cè)分析?１５１??Ｎ??ｈｉｇｈ?ｔｅｍｐｅｒａｔｕｒｅ?ｚｏｎｅ??ｓｕｂ－ｈｉｇｈ?ｔｅｍｐｅｒａｔｕｒｅ?ｚｏｎｅ??ｍｉｄ－ｔｅｍｐｅｒａｔｕｒｅ?ｚｏｎｅ??ｓｕｂ－ｌｏｗ?ｔｅｍｐｅｒａｔｕｒｅ?ｚｏｎｅ??ｌｏｗ?ｔｅｍｐｅｒａｔｕｒｅ?ｚｏｎｅ??圖３?２０２４年南京市熱環(huán)境模擬圖??Ｆｉｇ．３?Ｓｉｍｕｌａｔｉｏｎ?ｔｈｅｒｍａｌ?ｅｎｖｉｒｏｎｍｅｎｔ?ｏｆ?Ｎａｎｊｉｎｇ?ｉｎ?２０２４??根據(jù)２０２４年熱島強(qiáng)度分級(jí)面積統(tǒng)計(jì)結(jié)果（表７），各熱島等級(jí)面積比例順序?yàn)橹袦貐^(qū)?＞?高溫區(qū)?＞?次??高溫區(qū)＞？欠低溫區(qū)?＞?低溫區(qū)５與２ＣＨ７年相比，２〇２４■年的中溫區(qū)面積減少了?１２３．４１?ｋｍ％面積比例下降??了?３．７８％?，?２〇２４年高溫區(qū)面積延續(xù)了增長(zhǎng)的趨勢(shì)，共增加了?Ｍ．９６?ｋｍ２，面積比例由２〇１７年的２３．３３％上??升為２６．２３％，增幅相比２０１０？２０１７年有所下降，而次高溫區(qū)面積則Ｍ著增加＾＾由２０１７年的５０４?ｋｍ２增長(zhǎng)??到６３０．９１?ｋｍ＼其面積比例增加了?３．８６％，大于２０１０？２０１７年的增幅．２０１７？２０２４年低溫區(qū)及次低溫區(qū)面??積延續(xù)了減少的趨勢(shì)，低溫區(qū)面積減少了?６９．５２?ｋｍ＇次低溫區(qū)面積減少了?２８．８３?ｋｍ２?，綜合以上分析，??２ＣＵ７？２０２４年南京市熱島效應(yīng)呈現(xiàn)持續(xù)增強(qiáng)的趨勢(shì)，今后在保持經(jīng)濟(jì)建設(shè)快速發(fā)展的同時(shí)，有必要進(jìn)一步??采取相關(guān)措施以緩解日益嚴(yán)重的城市熱島效應(yīng)．??表７?２０２４年熱島強(qiáng)度分級(jí)面積統(tǒng)計(jì)??Ｔａｂｌｅ?７?Ａｒｅａ?ｏｆ?ｈｅａｔ?ｉｓｌａｎｄ

【參考文獻(xiàn)】：
期刊論文
[1]南京市熱島效應(yīng)與景觀格局的動(dòng)態(tài)研究[J]. 郭繼強(qiáng),潘潔.  林業(yè)資源管理. 2019(03)
[2]南京江北新區(qū)城市規(guī)劃對(duì)區(qū)域熱環(huán)境影響的WRF模擬研究[J]. 劉祎,祝善友,周洋,張海龍,丁文.  長(zhǎng)江流域資源與環(huán)境. 2019(02)
[3]景觀格局對(duì)杭州城市熱環(huán)境年內(nèi)變化的影響分析[J]. 盧惠敏,李飛,張美亮,楊剛,孫偉偉.  遙感技術(shù)與應(yīng)用. 2018(03)
[4]基于Landsat時(shí)間序列數(shù)據(jù)的重慶市熱力景觀格局演變分析[J]. 鄧睿,劉亮,徐二麗.  生態(tài)環(huán)境學(xué)報(bào). 2017(08)
[5]西安市景觀格局與城市熱島效應(yīng)的耦合關(guān)系[J]. 王耀斌,趙永華,韓磊,奧勇,蔡健.  應(yīng)用生態(tài)學(xué)報(bào). 2017(08)
[6]地理元胞自動(dòng)機(jī)模型研究進(jìn)展[J]. 趙莉,楊俊,李闖,葛雨婷,韓增林.  地理科學(xué). 2016(08)
[7]長(zhǎng)沙市熱力景觀空間格局演變分析[J]. 徐雙,李飛雪,張盧奔,周磊.  生態(tài)學(xué)報(bào). 2015(11)
[8]南京市市域熱場(chǎng)分布與景觀格局的關(guān)聯(lián)分析[J]. 周雅星,劉茂松,徐馳,方芳,鐘晶晶,張明娟.  生態(tài)學(xué)雜志. 2014(08)
[9]地表參數(shù)反演及城市熱島時(shí)空演變分析[J]. 王天星,陳松林,閻廣建.  地理科學(xué). 2009(05)
[10]上海城市熱島效應(yīng)形成機(jī)制及空間格局[J]. 戴曉燕,張利權(quán),過(guò)仲陽(yáng),吳健平,栗小東,朱燕玲.  生態(tài)學(xué)報(bào). 2009(07)

碩士論文
[1]Hadoop下基于CA-Markov模型的土地利用變化預(yù)測(cè)方法研究[D]. 李爽.江西理工大學(xué) 2018



本文編號(hào)：3016804