空间约束的城市地表温度降尺度模型研究
发布时间：2021-08-13 22:27
地表温度（Land Surface Temperature,LST）是描述地表-大气相互作用过程,反映地表状况的一个非常重要的参数。但是,由于受到热红外传感器成像条件的制约,获取的遥感图像存在时空分辨率的矛盾,这种矛盾现象导致LST数据无法得到充分利用。通过LST降尺度算法可以有效地解决遥感图像时空分辨率的矛盾,得到同时具有高时空分辨率的LST图像。本研究在归纳现有LST降尺度算法的基础上,充分考虑地表温度的空间特性,建立LST降尺度模型,将MODIS地表温度空间分辨率从1000 m降尺度到100 m,并对降尺度的结果进行验证与分析。首先,本研究充分考虑地表温度的空间非平稳性与空间自相关性,提出基于地理加权自回归（Geographically Weighted Autoregressive,GWAR）模型的LST降尺度算法;其次,本研究考虑到地表温度与辅助参数之间并不是严格的线性关系,对LST降尺度模型进行进一步的优化,提出了基于非线性的地理加权回归（NL-GWR）模型和非线性的地理加权自回归（NL-GWAR）模型的LST降尺度算法;再次,本研究选取平原城市北京和高原城市兰州作为研究区...
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
Landsat8数据生成的假彩色图像(R:band5,G:band4,B:band3)：(a)北京，(b)兰州其中，研究区域(a)位于华北地区的北京市，所选研究区域的范围为东经：116°0′18″至116°41′14″，北纬：39°45′01″至40°14′17″
重庆邮电大学硕士学位论文第3章地表温度空间特性分析18表3.4各地物地表比辐射率波段植被水体建筑裸地100.98170.99100.95510.9727110.98420.98530.96800.97663.1.2地表温度反演结果本文利用北京大学遥感所开发的Landsat8地表温度反演ENVI扩展的单窗算法插件对研究区域的地表温度进行反演。利用ENVI扩展软件进行单窗算法反演需要输入亮度温度、地表比辐射率、大气水汽含量以及大气平均温度四个参数。运用此程序进行地表温度反演不仅精确度高，而且运行效率极高，一景影像只需60秒左右，且数据处理简单。图3.1是利用单窗算法反演的100m空间分辨率的北京和兰州的地表温度空间分布图：图3.1地表温度空间分布图(a.北京，b.兰州)在100m空间分辨率的地表温度分布图中，北京区域的温度范围在19-47℃，兰州区域的温度在20-50℃，两个区域的地表温度图均是颜色由蓝色到红色温度逐渐增高，越接近红色表示温度越高，越接近蓝色表示温度越低。水体的温度最低，植被温度相对较高，城区建筑温度最高。
重庆邮电大学硕士学位论文第3章地表温度空间特性分析203.2.3地表温度空间自相关性分析地表温度作为典型的空间变量，地表温度会受到同一观测区域内其他位置温度的影响。下面将从定性与定量两个方面分析地表温度的空间自相关性。如图3.2是两个研究区域的地表温度分布图（a.北京，b.兰州），(1)，(2)，(3)和(4)是四副放大的细节图，更有利于看清局部细节分布。图3.2地表温度分布（a.北京，b.兰州）观察细节图(1)，(2)，(3)和(4)可以看出地表温度的空间分布细节，可以看出地表温度具有很强的空间依赖性。温度高的区域（红色）被较高的温度（橙色）区域包围；同样的温度低的区域（蓝色）被较低的温度（淡蓝色）区域包围；高温（红色）通过中等温度（黄色）与低温区域（蓝色）连接。通过观察温度的细节分布，可以分析得出：地表温度在空间上存在高温聚集和低温聚集，具有相同性质的地表温度聚集在一起，具有高度的空间聚集性。地表温度具有空间自相关性，并且通过观察可以看出地表温度是随着距离的减小其性质更加相似，则表明地表温度存在空间自相关性，并且是正的空间自相关性。一般通过P-value和Z-score两个指数对空间变量的特性进行分析，通过Moran’sI指数分析变量的空间自相关性。P-value代表的是概率，它反映某一事件发生的可能性。在空间相关性的分析中，P-value表示观测的空间变量是由某一随机过程创建而成的概率，根据所求事件的不同，P-value的计算方式不同，一般可以通过计算卡方(chi-aquare)然后通过查询卡方表获龋P-value的取值以0.05为界限，小于0.05说明此数据是随机产生的概率小于0.05，是可以接受的范围，认为此数据不是随机生成的，具有很强的研究意义。Z-score表示标准差的倍数，标准差是总体各单位标准
本文编号：3341234
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
Landsat8数据生成的假彩色图像(R:band5,G:band4,B:band3)：(a)北京，(b)兰州其中，研究区域(a)位于华北地区的北京市，所选研究区域的范围为东经：116°0′18″至116°41′14″，北纬：39°45′01″至40°14′17″
重庆邮电大学硕士学位论文第3章地表温度空间特性分析18表3.4各地物地表比辐射率波段植被水体建筑裸地100.98170.99100.95510.9727110.98420.98530.96800.97663.1.2地表温度反演结果本文利用北京大学遥感所开发的Landsat8地表温度反演ENVI扩展的单窗算法插件对研究区域的地表温度进行反演。利用ENVI扩展软件进行单窗算法反演需要输入亮度温度、地表比辐射率、大气水汽含量以及大气平均温度四个参数。运用此程序进行地表温度反演不仅精确度高，而且运行效率极高，一景影像只需60秒左右，且数据处理简单。图3.1是利用单窗算法反演的100m空间分辨率的北京和兰州的地表温度空间分布图：图3.1地表温度空间分布图(a.北京，b.兰州)在100m空间分辨率的地表温度分布图中，北京区域的温度范围在19-47℃，兰州区域的温度在20-50℃，两个区域的地表温度图均是颜色由蓝色到红色温度逐渐增高，越接近红色表示温度越高，越接近蓝色表示温度越低。水体的温度最低，植被温度相对较高，城区建筑温度最高。
重庆邮电大学硕士学位论文第3章地表温度空间特性分析203.2.3地表温度空间自相关性分析地表温度作为典型的空间变量，地表温度会受到同一观测区域内其他位置温度的影响。下面将从定性与定量两个方面分析地表温度的空间自相关性。如图3.2是两个研究区域的地表温度分布图（a.北京，b.兰州），(1)，(2)，(3)和(4)是四副放大的细节图，更有利于看清局部细节分布。图3.2地表温度分布（a.北京，b.兰州）观察细节图(1)，(2)，(3)和(4)可以看出地表温度的空间分布细节，可以看出地表温度具有很强的空间依赖性。温度高的区域（红色）被较高的温度（橙色）区域包围；同样的温度低的区域（蓝色）被较低的温度（淡蓝色）区域包围；高温（红色）通过中等温度（黄色）与低温区域（蓝色）连接。通过观察温度的细节分布，可以分析得出：地表温度在空间上存在高温聚集和低温聚集，具有相同性质的地表温度聚集在一起，具有高度的空间聚集性。地表温度具有空间自相关性，并且通过观察可以看出地表温度是随着距离的减小其性质更加相似，则表明地表温度存在空间自相关性，并且是正的空间自相关性。一般通过P-value和Z-score两个指数对空间变量的特性进行分析，通过Moran’sI指数分析变量的空间自相关性。P-value代表的是概率，它反映某一事件发生的可能性。在空间相关性的分析中，P-value表示观测的空间变量是由某一随机过程创建而成的概率，根据所求事件的不同，P-value的计算方式不同，一般可以通过计算卡方(chi-aquare)然后通过查询卡方表获龋P-value的取值以0.05为界限，小于0.05说明此数据是随机产生的概率小于0.05，是可以接受的范围，认为此数据不是随机生成的，具有很强的研究意义。Z-score表示标准差的倍数，标准差是总体各单位标准
本文编号：3341234
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3341234.html
