基于卫星遥感的长江三角洲地表热环境人口暴露空间特征
发布时间：2021-03-20 05:48
研究城市地表热环境变化的时空演变规律对防灾减灾具有重要意义。本研究以卫星遥感的夜间灯光,植被指数,高程和坡度为自变量构建了适用于人口空间分布估算的随机森林模型,结合卫星遥感反演的地表温度数据,以2016年夏季为例,研究了1km分辨率的长江三角洲地区夏季地表热环境人口暴露分布特征。研究表明:（1）利用随机模型对长江三角洲2016年人口进行1000m格网空间化分布模拟,变量解释度达到80%,人口空间化结果接近实际。（2）人口密度高值区和夏季大部分月份内的地表热环境高温区和人口暴露高和极高风险区总体有较好的对应。6月皖北地区高温区面积增大导致地表热环境的人口暴露风险较高等级的面积比例高于其他月份。（3）在月和季节平均尺度上,地表高温热环境暴露极高和高风险区域面积极少,处于沿海地区、长江下游沿线以及各县区的中心城市;中等暴露风险区域主要分布在东部及中心城市周边地区;低暴露风险区分布在东北部内陆地区和东北部人口数量相对较少地区。
【文章来源】：气象科技. 2020,48(04)
【文章页数】：10 页
【部分图文】：
基于随机森林模型预测的2016年1km分辨率人口空间化分布
表4给出了2016年长江三角洲地区夏季各月人口加权均值与卫星实际反演的地表温度均值对比分布，可见，2016年四季长江三角洲地区人口加权后的地表温度分别为6月30.5℃，7月32.0℃，8月30.7℃，均高于各月的平均地温，说明存在人口集中分布在高温地区的空间特征，其中7月的差异度最高，达到2.3%。从4个重点城市的地表平均温度和人口加权平均温度的比较结果（表4）可以看出，6月和8月各城市地表平均温度与人口加权平均温度差异比较小，其中6月上海市的差异度为0.8%，可以忽略不计。7月的整体差异度都比较高，其中合肥市的差值最大，其人口加权平均温度（33.4℃）比地表平均温度（30.9℃），高出8.1%，说明7月合肥市存在比较突出的人口集中在高温区域的现象。而夏季上海市的人口加权平均温度均值与平均温度差异度很小，这说明夏季上海市地温空间差异性较小。从4个省的地表平均温度和人口加权平均温度对比结果可以看出，浙江省，江苏省地表平均温度与人口加权平均温度差异很小，人口加权地表平均温度小于地表平均温度，这表明江苏省人口大多集中在地表温度较低的区域，在计算人口加权地表平均温度时，得到的数值会小于地温均值。而安徽省的差值最大，说明存在人口集中分布在高温地区的空间特征。
本文主要使用的数据包括：(1)NPP/VIIRS夜间灯光遥感数据：2016年6月的月合成夜间灯光遥感影像的辐射率DNB(Day/Night Band）（图1），来源于美国国家海洋大气管理局，月数据由特定算法合成，剔除了云层反光和暂时性地物干扰，将空间数据投影变换至WGS＿1984坐标系，运用最近邻法重采样至1km×1km。(2)2016年1000m分辨率的归一化植被指数（Normalized Difference Vegetation Index,I NDVI）数据，见图1。(3)长江三角洲1000m分辨率数字高程模型数据（Digital Elevation Model,DEM）及根据地形计算得到的坡度（SLOPE）数据。(4)2016年普查人口数据来自于2017年长江三角洲各省统计年鉴中各区县的常住人口统计数据，并计算人口密度，即行政区内的总调查人口除以行政区面积。(5)上海市，江苏省，安徽省，浙江省1∶25万地理信息基础数据用于进行行政区划。(6)MODIS官方公布的MOD11A2地表温度数据：地表温度数据来自美国国家航天航天局NASA官方网站（http：//ladsweb.modaps.eosdis.nasa.gov/search），采用2016年6—8月MOD11A2合成白天地表温度（Land Surface Temperature,LST）数据，该数据传感器搭载在Terra卫星上，为8d合成数据，空间分辨率为1km×1km。1.2 人口预测的随机森林模型构建
【参考文献】：
期刊论文
[1]夜间灯光数据下的中国贫困县发展状况[J]. 王成力,周伟,袁涛. 遥感信息. 2018(06)
[2]南京市高温热浪时空分布研究[J]. 周洋,祝善友,华俊玮,刘祎,向嘉敏,丁文. 地球信息科学学报. 2018(11)
[3]长江中下游地区人口健康水平空间分异特征与地理影响因子[J]. 杨振,丁启燕,周晴雨,刘会敏. 地理与地理信息科学. 2018(06)
[4]基于NPP/VIIRS夜间灯光数据和土地利用数据的人口分布图绘制——以大连金普新区为例[J]. 李欣欣,王利,何飞. 遥感信息. 2018(04)
[5]全球变暖背景下长江三角洲夏季高温时空演变研究[J]. 杨涵洧,马悦,史军. 长江流域资源与环境. 2018(07)
[6]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
[7]随机森林模型判定热带气旋变性完成时间[J]. 刘吉敏,黄泓,吐莉尼沙. 气象科技. 2018(02)
[8]苏南地区高温特征[J]. 雷正翠,吴建秋,蒋薇,黄文彦,刘银峰,汪靖. 气象科技. 2018(01)
[9]长江三角洲地区高温热浪人群健康风险评价[J]. 陈倩,丁明军,杨续超,胡可嘉. 地球信息科学学报. 2017(11)
[10]长三角夏季热岛效应时空演变分析[J]. 方慧婷,杨英宝,汪子豪. 地理空间信息. 2017(08)
本文编号：3090525
【文章来源】：气象科技. 2020,48(04)
【文章页数】：10 页
【部分图文】：
基于随机森林模型预测的2016年1km分辨率人口空间化分布
表4给出了2016年长江三角洲地区夏季各月人口加权均值与卫星实际反演的地表温度均值对比分布，可见，2016年四季长江三角洲地区人口加权后的地表温度分别为6月30.5℃，7月32.0℃，8月30.7℃，均高于各月的平均地温，说明存在人口集中分布在高温地区的空间特征，其中7月的差异度最高，达到2.3%。从4个重点城市的地表平均温度和人口加权平均温度的比较结果（表4）可以看出，6月和8月各城市地表平均温度与人口加权平均温度差异比较小，其中6月上海市的差异度为0.8%，可以忽略不计。7月的整体差异度都比较高，其中合肥市的差值最大，其人口加权平均温度（33.4℃）比地表平均温度（30.9℃），高出8.1%，说明7月合肥市存在比较突出的人口集中在高温区域的现象。而夏季上海市的人口加权平均温度均值与平均温度差异度很小，这说明夏季上海市地温空间差异性较小。从4个省的地表平均温度和人口加权平均温度对比结果可以看出，浙江省，江苏省地表平均温度与人口加权平均温度差异很小，人口加权地表平均温度小于地表平均温度，这表明江苏省人口大多集中在地表温度较低的区域，在计算人口加权地表平均温度时，得到的数值会小于地温均值。而安徽省的差值最大，说明存在人口集中分布在高温地区的空间特征。
本文主要使用的数据包括：(1)NPP/VIIRS夜间灯光遥感数据：2016年6月的月合成夜间灯光遥感影像的辐射率DNB(Day/Night Band）（图1），来源于美国国家海洋大气管理局，月数据由特定算法合成，剔除了云层反光和暂时性地物干扰，将空间数据投影变换至WGS＿1984坐标系，运用最近邻法重采样至1km×1km。(2)2016年1000m分辨率的归一化植被指数（Normalized Difference Vegetation Index,I NDVI）数据，见图1。(3)长江三角洲1000m分辨率数字高程模型数据（Digital Elevation Model,DEM）及根据地形计算得到的坡度（SLOPE）数据。(4)2016年普查人口数据来自于2017年长江三角洲各省统计年鉴中各区县的常住人口统计数据，并计算人口密度，即行政区内的总调查人口除以行政区面积。(5)上海市，江苏省，安徽省，浙江省1∶25万地理信息基础数据用于进行行政区划。(6)MODIS官方公布的MOD11A2地表温度数据：地表温度数据来自美国国家航天航天局NASA官方网站（http：//ladsweb.modaps.eosdis.nasa.gov/search），采用2016年6—8月MOD11A2合成白天地表温度（Land Surface Temperature,LST）数据，该数据传感器搭载在Terra卫星上，为8d合成数据，空间分辨率为1km×1km。1.2 人口预测的随机森林模型构建
【参考文献】：
期刊论文
[1]夜间灯光数据下的中国贫困县发展状况[J]. 王成力,周伟,袁涛. 遥感信息. 2018(06)
[2]南京市高温热浪时空分布研究[J]. 周洋,祝善友,华俊玮,刘祎,向嘉敏,丁文. 地球信息科学学报. 2018(11)
[3]长江中下游地区人口健康水平空间分异特征与地理影响因子[J]. 杨振,丁启燕,周晴雨,刘会敏. 地理与地理信息科学. 2018(06)
[4]基于NPP/VIIRS夜间灯光数据和土地利用数据的人口分布图绘制——以大连金普新区为例[J]. 李欣欣,王利,何飞. 遥感信息. 2018(04)
[5]全球变暖背景下长江三角洲夏季高温时空演变研究[J]. 杨涵洧,马悦,史军. 长江流域资源与环境. 2018(07)
[6]基于POI数据的人口分布格网化方法研究[J]. 淳锦,张新长,黄健锋,张鹏程. 地理与地理信息科学. 2018(04)
[7]随机森林模型判定热带气旋变性完成时间[J]. 刘吉敏,黄泓,吐莉尼沙. 气象科技. 2018(02)
[8]苏南地区高温特征[J]. 雷正翠,吴建秋,蒋薇,黄文彦,刘银峰,汪靖. 气象科技. 2018(01)
[9]长江三角洲地区高温热浪人群健康风险评价[J]. 陈倩,丁明军,杨续超,胡可嘉. 地球信息科学学报. 2017(11)
[10]长三角夏季热岛效应时空演变分析[J]. 方慧婷,杨英宝,汪子豪. 地理空间信息. 2017(08)
本文编号：3090525
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3090525.html
