徐州市区不透水面时空演变及其热环境效应研究
发布时间：2021-01-21 06:32
不透水面是衡量城市化发展的有效指标,在城市规划和生态保护中发挥着重要作用。因此,研究不透水面的时空演变特征对于城市发展及其热环境分析具有重要意义。徐州作为淮海经济区中心城市,在经历了快速城市化进程后不断加强生态城市建设,其城市化历程受到越来越多的关注。本文基于1995年、2003年、2010年和2018年Landsat遥感影像,以徐州市区为研究对象,研究了不透水面的时空动态变化及其与城市地表温度的关系。通过线性光谱混合分析（LSMA）方法及判别分类处理,提取像元级别和亚像元级别的多时相不透水面信息。在像元级别,通过差值计算分析不透水面的总体扩张变化,采用中位数中心和标准差椭圆分析不透水面的扩张方向,计算引力模型、洛伦兹曲线及基尼系数来反映不透水面的空间集聚差异,将扩张速度指数与空间自相关模型相结合探讨不透水面的扩张速率。在亚像元级别,通过变化轨迹和剖面线分析不透水面丰度在总体和局地的增长情况,测算转移矩阵及单一/综合动态度揭示不透水面的等级转移特征,融入景观指数描述不透水面的景观格局变化。此外,基于反演的多时相地表温度,通过景观指数和差值统计表征城市热环境的时空变化,并在多格网空间尺度...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：119 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图：（a）研究区在江苏省的地理位置；（b）由68个乡镇（街道）
3不透水面遥感信息提取23图3-21995、2003、2010、2018年各端元标准化反射率响应曲线Figure3-2Normalizedreflectancecurveofeachendmemberin1995,2003,2010,and20183.3线性光谱混合分析（LinearSpectralMixtureAnalysis）线性光谱混合分析（LinearSpectralMixtureAnalysis,LSMA）是有效处理混合像元问题的常用方法。该方法的理论前提是基于像元的光谱反射值是各组分端元反射值的线性组合[148]，也就是混合像元中包含多个组分端元，像元的光谱信号与其所包含的端元比例直接相关，像元的反射亮度是以各个端元在像元中所占的面积比例为权重而组成的线性函数。在计算混合像元中各端元的占比时，通常应用最小二乘法。使用该算法进行线性光谱混合分解必须同时满足两个约束条件：一是每个混合像元中全部端元的丰度总和是1；二是所有组分端元的丰度值均是非负的[148]。该模型及约束条件的数学表达如下：R=fR,+e(3-3)f=1 , f≥0(3-4)式中， R是像元在第b波段的光谱反射率；f是像元中第i端元的丰度值，即第i端元在像元中所占比例（i=1、2、3、4，分别表示植被、裸土、高反照率不透水面、低反照率不透水面）； R,是像元中第i端元在第b波段上的反射率值；e是在第b波段的残差值。此外，模型的拟合精度由通过e计算出的均方根值RMS
硕士学位论文24来评价，RMS计算公式如下[28]：RMS=∑eN.(3-5)式中，N是进行混合像元分解的所有波段总数。RMS值越小，则模型的拟合精度越高。研究表明，当RMS值在0.02范围内时，认为LSMA的拟合结果符合精度要求[28]。3.4不透水面提取及精度验证（ExtractionandValidationofImperviousSurfaces）3.4.1不透水面丰度提取及验证（1）多时相不透水面丰度提取采用线性光谱混合分析（LSMA）模型进行混合像元分解，通过低反照率不透水面丰度值和高反照率不透水面丰度值的加和，在亚像元级别计算得到多时相的不透水面丰度结果，如图3-3。图3-31995、2003、2010、2018年不透水面丰度结果图Figure3-3Impervioussurfacefractionmapsin1995,2003,2010,and2018在图3-3中，亮的区域表示不透水面丰度值高，暗的区域则表示不透水面丰度值低。1995–2018年研究区的不透水面丰度总体上呈上升趋势。在市中心及
本文编号：2990656
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：119 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图：（a）研究区在江苏省的地理位置；（b）由68个乡镇（街道）
3不透水面遥感信息提取23图3-21995、2003、2010、2018年各端元标准化反射率响应曲线Figure3-2Normalizedreflectancecurveofeachendmemberin1995,2003,2010,and20183.3线性光谱混合分析（LinearSpectralMixtureAnalysis）线性光谱混合分析（LinearSpectralMixtureAnalysis,LSMA）是有效处理混合像元问题的常用方法。该方法的理论前提是基于像元的光谱反射值是各组分端元反射值的线性组合[148]，也就是混合像元中包含多个组分端元，像元的光谱信号与其所包含的端元比例直接相关，像元的反射亮度是以各个端元在像元中所占的面积比例为权重而组成的线性函数。在计算混合像元中各端元的占比时，通常应用最小二乘法。使用该算法进行线性光谱混合分解必须同时满足两个约束条件：一是每个混合像元中全部端元的丰度总和是1；二是所有组分端元的丰度值均是非负的[148]。该模型及约束条件的数学表达如下：R=fR,+e(3-3)f=1 , f≥0(3-4)式中， R是像元在第b波段的光谱反射率；f是像元中第i端元的丰度值，即第i端元在像元中所占比例（i=1、2、3、4，分别表示植被、裸土、高反照率不透水面、低反照率不透水面）； R,是像元中第i端元在第b波段上的反射率值；e是在第b波段的残差值。此外，模型的拟合精度由通过e计算出的均方根值RMS
硕士学位论文24来评价，RMS计算公式如下[28]：RMS=∑eN.(3-5)式中，N是进行混合像元分解的所有波段总数。RMS值越小，则模型的拟合精度越高。研究表明，当RMS值在0.02范围内时，认为LSMA的拟合结果符合精度要求[28]。3.4不透水面提取及精度验证（ExtractionandValidationofImperviousSurfaces）3.4.1不透水面丰度提取及验证（1）多时相不透水面丰度提取采用线性光谱混合分析（LSMA）模型进行混合像元分解，通过低反照率不透水面丰度值和高反照率不透水面丰度值的加和，在亚像元级别计算得到多时相的不透水面丰度结果，如图3-3。图3-31995、2003、2010、2018年不透水面丰度结果图Figure3-3Impervioussurfacefractionmapsin1995,2003,2010,and2018在图3-3中，亮的区域表示不透水面丰度值高，暗的区域则表示不透水面丰度值低。1995–2018年研究区的不透水面丰度总体上呈上升趋势。在市中心及
本文编号：2990656
本文链接：https://www.wllwen.com/wenyilunwen/huanjingshejilunwen/2990656.html
