兰州市中心城区不透水面覆盖度的遥感估算

利用Landsat 7的ETM+影像,在线性光谱分解的技术上,提取了兰州市中心城区的不透水面分布状况,运用均方根、航片和随机采样对提取精度进行了检验,并对不透水面的空间特征进行了分析.结果显示,利用中等分辨率影像对兰州市中心城区不透水面分布提取的精度较高;植被、高反照度、低反照度和裸露的土壤4种最终光谱端元的线性组合,可以较好地模拟ETM+波谱特征;高反照度、低反照度两种最终光谱端元可以很好地表达城市不透水表面信息.     

玉溪不透水面与植被及地表温度的定量关系分析

玉溪市区为例,以Landsat 8卫星遥感影像为数据源,将定量遥感分析中的线性光谱分解技术用于提取不透水面信息,并利用土壤调节植被指数和大气校正法分别提取出植被、地表温度等要素信息,并分析他们的相关关系.实验分析表明,越靠近玉溪城市中心区域,不透水面盖度值越大;不透水面信息与植被要素呈现较为显著的负相关关系,相关系数为0.866 5;而不透水面与地表温度信息存在明显的线性正相关关系,相关系数达到0.859 8.     

不透水面时空变化及其对城市热环境影响的定量分析——以福州市建成区为例

城市空间的快速扩展使得大量的不透水面取代了以植被为主的自然地表景观,对城市生态系统造成了明显的负面影响.福州市经过近30年的城市扩展,城市建成区中的不透水面大幅增加,植被急剧减少,城市生态发生了明显变化,其中最显著的就是严重的城市热岛效应.为此,基于Landsat系列遥感影像获得福州1989和2014年2个时相影像的不透水面、水体、植被和地表温度信息,运用多元回归模型定量分析了1989～2014年间福州城市不透水面的时空变化对城市热环境产生的影响.结果表明:(1)1989～2014年间,研究区不透水面净增了87. 16km~2,增加了161%;(2)不透水面和地表温度呈指数函数关系,高不透水面比例地区升温明显快于低不透水面比例地区;(3)1989～2014年间增加的87. 16km~2不透水面及相应减少的70. 09km~2和14. 92km~2的植被和水体对研究区地表温度上升的综合贡献达16. 54℃.     

地表覆被与人口密度变化对城市地表温度的影响分析——以郑州市为例

以郑州市为例,基于多期Landsat遥感影像和夜间灯光数据分析了城市地表温度、不透水面、植被以及城市人口的时空变化特征,并从不透水面、植被和人口密度三个方面分析其对城市地表温度的影响.结果表明:郑州市明显存在地表温度中心城区高,郊区低的热岛效应,热岛斑块逐渐向东南部、西部和北部扩散且逐渐破碎化,热岛面积呈增长趋势;不透水面指数与地表温度呈显著的指数正相关关系,植被指数、人口密度与地表温度分别呈现出较显著的线性负相关和正相关关系.利用逐步回归的方法表明,不透水面是影响城市地表温度的主要原因,植被和人口密度也是影响城市地表温度的重要因素.     

昆明市主城区不透水面遥感监测及时空变化研究

基于LANDSAT 5TM和LANDSAT 8OLI影像数据,利用三种算法提取了昆明市主城区1994年至2015年不透水面,并对提取算法精度、不透水面数量时空变化和景观格局进行了分析.实验结果表明:相比于使用单一指数提取不透水面,采用基于土壤调节植被指数、祼土指数等的决策树分类结果精度较高;近20年来昆明市主城区的不透水面面积迅速增加,城市景观的聚集度较大,城市发展相对较为集中.     

典型喀斯特山地城市不透水面时空格局

以贵阳市主城区为研究区,利用基于植被覆盖度提取法和线性光谱混合分析法分别提取研究区不透水面信息;通过精度对比,选用最优方法提取研究区1996、 2007、 2017年的不透水面信息,并结合标准差椭圆法和相关扩展指标探讨不透水面的时空演变。结果表明:在喀斯特地区利用线性光谱混合分析法提取不透水面信息效果较好;1996—2017年间研究区不透水面的空间分布趋势经历了从西南—东北分布变化为正北—正南分布,再变化为西南—东北分布的过程;不透水面扩展模式前期主要以单级为核心向四周发散,随时间推移转变为多中心扩展,并伴随大量"飞地"的出现。     

福州城市扩张对地表温度影响及其空间分异分析

基于福州城区两时相 Landsat 影像,根据城市发展程度差异将研究区划分为 Zone 1、 Zone 2、Zone 3三个环形区域,在反演地表温度和获取不透水面覆盖度信息的基础上,计算各区域 各级不透水面覆盖度的热分布指数和热效应贡献度指数,分析2004—2021年福州市不同发展程度 区不透水面覆盖度与地表温度之间的定量关系,并运用地理探测器分析植被覆盖度、不透水面覆 盖度和海拔高度对地表温度（Land Surface Temperature,LST）空间异质性的影响。结果表明：2004— 2021年,Zone 1不透水面扩张较少,Zone 2和Zone 3不透水面扩张明显,增加最明显的为Zone 3内 不透水面覆盖度大于60%的区域;不透水面覆盖度大于60%的区域对城市高温面积贡献最大,不 透水面覆盖度为80% ~ 100%时热效应贡献度最大;2004年影响地表温度的主导因子为植被覆盖 度,2021年Zone 1中不透水面覆盖度为影响地表温度的主导因子,其余区域中海拔高度为影响地 表温度的主导因子;福州市地表温度空间分异受多因子共同影响且两因子交互q值均高于单因子q 值。研究结果可为城市规划和缓解城市热岛效应提供参考。     

快速城市化过程中石家庄市景观格局变化研究

城市化过程通过改变地表景观结构而改变城市环境质量,因此研究城市景观格局及其变化具有重要意义.以石家庄市为例,基于遥感、GIS和Fragstats软件分析景观类型特征及变化.结果表明,研究时段内除农田植被和低密度不透水面面积及比例减少外,其余景观类型呈扩张趋势,高密度不透水面扩展最快.低、中密度不透水面景观边界复杂化,内部复杂斑块比例减小;高密度不透水面边界简单、内部斑块复杂、连通性增强;未利用地边界复杂,斑块团聚;城市植被和水体形状变化不显著,聚集程度上升,但连通性变化相反.扩张景观类型的扩张指数大小顺序为:高密度不透水面,未利用地,城市植被,水体和中密度不透水面.     

北京市五环内不透水面变化研究

基于北京市2000年增强型专题制图仪和2010年专题绘图仪遥感影像,利用线性光谱混合分析模型对两幅影像实施亚像元分解,获取城市不透水面的空间较为精确的分布情况。在此基础上,结合研究区土地利用和实地资料,利用归一化建筑指数与混合光谱分析的方法,对北京市近10年来不透水面动态变化格局进行分析,研究城区不透水面的变化情况。研究结果表明:基于混合像元分析的不透水面变化信息提取方法是行之有效的。10年间北京五环内不透水面覆盖度总体上随着城市化进程呈现放射状扩张,城市建设是形成不透水面的重要驱动力之一。     

面向像元-对象双尺度的不透水面遥感检测

为了改善像元级遥感不透水面提取时存在的椒盐现象，提出了一种面向像元-对象双尺度的不透水面遥感检测方法.首先基于建筑、植被、水体等多种光谱指数，在像元尺度上提取不透水面的分布范围，然后对遥感图像进行多尺度分割，并通过设置高阈值和低阈值来处理图中的碎斑和空洞.利用双尺度不透水面检测方法对天津市精武镇多年的遥感图像进行不透水面检测，结果表明，该方法检测的正确率为80%左右，漏检率低于10%，检测精度高于光谱指数方法.     

2005～2017年快速城市化背景下洱海流域不透水表面时空格局分析

近年来随着我国经济建设的不断加快以及城市化的快速发展,工业和人口的大规模聚集造成了不透水表面的快速扩张,这对城市生态环境产生了严重的影响。作为城市化水平的关键指示因子,不透水表面已经被广泛应用在城市生态环境评估中。为了定量的分析洱海流域不透水表面拓展的时空动态特征规律,本文以大理市所在的洱海流域为研究对象,利用2005年至2017年的大理市Landsat 5、Landsat 8遥感影像,提取归一化水体指数(MNDWI)和归一化差值不透水表面指数(NDISI)对洱海流域的城市、道路进行空间分析并提取出不透水表面信息进行空间格局分析。研究结果表明：2005~2017年间,随着城市化的快速发展,洱海流域的植被覆盖率和水体等自然地物覆盖率处于下降状态,而不透水覆盖率从11.6%上升到19.8%,呈现快速持续上升趋势。由洱海水质和其流域内不透水覆盖率线性拟合结果可以得到两者具有一定的负相关性。可以预见洱海水质未来发展中随着不透水覆盖率的增长而下降。因此,在城市发展的同时,应该注重对洱海的综合治理,不能任水质自行调节。本研究结果为洱海流域内城市规划管理和流域(水)环境治理提供参考信息,具有重要的现实意义。     

植被、不透水面、水体对喀斯特城市地表热场影响

针对桂林喀斯特城市快速扩展所引发的热环境和热岛问题,对1989年和2006年TM卫星图像利用模型反演地表温度、植被指数NDVI、不透水面率ISA和水体指数MNDWI,分析植被、不透水面、水体等3个因素时间和空间变化对地表热场的影响机理。结果表明,地表温度与NDVI、MNDWI呈明显的负相关关系,与ISA呈明显的正相关关系;1989--2006年研究区NDVI大于0．4的中高植被覆盖区由76．89％大幅度降低到32．65％,NDVI低于0．2的无植被覆盖区由4．01％大幅度升高至17．15％,水体面积由3．87％降低到1．95％;ISA大于0．9的高不透水区域由12．1％大幅度升高至32．1％,导致地表温度高温区和次高温区由7．9％大幅度升高至15．9％,低温区和次低温区由61．8％大幅度降低到38．9％,热岛现象明显增强。连续大面积的不透水面是产生喀斯特城市热岛效应的直接原因,而喀斯特山峰植被、城市林地与行道树、城市中江湖等较大水体,对喀斯特城市热岛效应的缓解具有非常重要的作用。     

基于不透水表面模型的北京辖区水环境效应分析及控制目标

中国城市中建筑用地随着城市化的发展不断增多,不透水表面扩张的面积和速度逐年增加,造成了水土资源需求与供给的矛盾。基于不透水表面模型对北京市8个辖区不透水表面的水环境效应及控制目标进行了研究。结果表明:北京各时期各辖区不透水面积在不断升高;利用不透水表面模型分析,说明不透水表面的扩张是造成北运河流域水环境恶化的重要因素;为避免流域水质进一步恶化,基于8个辖区不透水表面的现状基数提出将流域不透水面积率控制在25%的目标值;并确定了各辖区不透水面积率的控制目标。建议至少需将42%的非屋顶城镇村及工矿用地面积转化为绿地、裸土或透水铺装,才能达到25%的流域不透水面积控制目标值。据此认为,合理规划和控制不透水表面应成为北京市推进海绵城市建设的重要方向。     

Seasonal Variation and Land-Use/Land-Cover Type Impacts on the Correlation of Urban Heat Island Intensity and Difference Vegetation Index with Satellite Data in Xi’an,China

Green coverage has pronounced influences on urban heat island (UHI) effect, while the impacts of seasonal variation and Land-Use/Land-Cover (LULC) types on this effect has not been implemented. This paper investigated the spatio-seasonal characteristics of urban thermal environment and the vegetation-soil mixed area, and then explored the effects of vegetation status on UHI intensity from the perspectives of seasons and regions in Xi’an using four Landsat 8 images. UHI intensity index was implemented to extract UHI intensity based on thermal infrared imagery, and difference vegetation index (DVI) was used to represent vegetation-soil mixed area. Results indicated that DVI has impacts on UHI intensity, and their relations vary with season and region. In the whole Xi’an, if UHI intensity is smaller than -0.1, DVI increases with the increase of UHI intensity; whereas for UHI intensity is greater than -0.1, DVI decreases with increases of the UHI intensity from early spring to autumn. The highest correlation level was discovered in the autumn map (R²=0.713). Results of correlation analysis further displayed that DVI positively correlated with UHI intensity at impervious surface, and that the main urban area possessed the best correlation with R²=0.564 5.     

基于空间光谱信息协同的城市不透水层提取方法比较研究

【目的】利用不同的端元提取方法及混合像元分解算法计算南京市2018年城市不透水层覆盖度,评估各方法的精度,为城市可持续发展提供可靠的基础数据支撑。【方法】采用Landsat 8 OLI遥感影像,基于像元纯度指数(pixel purity index,PPI)并考虑空间光谱信息协同提出空间像元纯度指数(spatial pixel purity index,SPPI),精炼提纯植被、裸土、高反照度不透水层及低反照度不透水层4种类型端元,利用线性混合光谱模型(linear mixed spectral model,LMM)、混合调制匹配滤波(mixture tuned matched filtering,MTMF)、双线性混合光谱模型(bilinear mixed spectral model,BMM)及BP神经网络(BP neural network,BPNN)算法提取南京城市不透水层,采用同年的Google Earth遥感影像目视解译结果对提取的不透水层丰度进行精度验证。【结果】SPPI能有效结合多光谱波段的光谱信息和全色波段的空间信息,提高端元提取精度并减少计算量;同时,基于SPPI的BP神经网络算法提取精度最高,为90.45%;而基于PPI的线性混合光谱模型精度最低,为80.62%。BP神经网络算法在复杂城市中的解混精度高于线性混合光谱模型、混合调制匹配滤波和双线性混合光谱模型。【结论】采用全色波段像元亮度空间异质性辅助提取端元的方法,用空间信息弥补多光谱波段光谱信息较少的缺点,对于改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的参考价值,将其与神经网络模型结合可以在城市不透水层提取中推广应用。     

城市土地利用的热环境效应研究——以宁波城区为例

选取宁波城区为研究对象,利用高分辨率的QUICKBIRD多光谱影像数据与Landsat ETM 热红外波段数据探求城市地区土地利用类型的热环境效应。采用剖面分析方法表征宁波城区的热环境空间分异状况;通过热环境效应总体贡献指数与面积加权贡献指数定量分析各种土地利用类型对城市热环境的正负效应。结果表明宁波城区存在热岛效应,建设用地内部地表温度差异明显;工矿仓储用地、平房住宅、交通运输用地、未利用地与公共建筑用地对宁波城区热环境效应具有正向贡献,其中工矿仓储用地最为明显;水域、农用地、生活居住用地和城市绿地对于城市热环境效应具有减缓作用,其中水域最为显著。     

高原地区城市不透水面与地表温度时空分布研究

拉萨市作为高原地区的重要城市之一，其城市不透水面的变化及由此而产生的地表温度变化对脆弱地区的生态影响非常显著，因此，选取该市城区及周边郊区作为实验区，利用线性光谱解混和大气校正算法获得该地区2009—2018年城市不透水面盖度(Impervious Surface Coverage, ISC)和地表温度数据，同时结合温度贡献指数(Contribution Index, CI)讨论了高原地区城市不透水面与地表温度时空分布的关系，拟为长期监控高原地区的基础生态变化提供帮助.研究结果表明:(1)由于季节因素的影响，城市热环境对ISC的响应存在2种不同的模式:①冬季，ISC < 0.1的区域对城市热环境的贡献为正；ISC≥0.1的区域的贡献为负. ②夏季，ISC < 0.1的区域对城市热环境的贡献为负；ISC≥0.1的区域的贡献为正. (2)冬季，CI与ISC呈现负相关关系.夏季，当ISC < 0.5时，CI呈现下降的趋势；当ISC≥0.5时，CI呈现上升的趋势. (3)冬季，地表温度随着ISC的增加而缓慢下降；夏季，ISC对地表温度的影响表现为“V”形状.     

基于遥感的城市化进程监测方法及其应用

【目的】利用不同分类精度的指数模型分析南京2001—2015年的城市化进程。【方法】借助2001年Landsat7 ETM+,2006、2010年Landsat5 TM及2015年Landsat8 OLI南京地区遥感影像数据,首先通过归一化差异水体指数(the modified normalized difference water index,MNDWI)提取水体信息,随后利用城市指数(the urban index,UI)、归一化建筑指数(the normalized difference built-up index,NDBI)、建筑指数(the index-based built-up index,IBI)、基于红光的建筑指数(the visible red-based built-up index,VrNIR-BI)、基于绿光的建筑指数(the visible green-based built-up index,VgNIR-BI)模型提取不透水层,结合最大类间差分法将影像分为建成区和非建成区两类,最后融合分类结果形成南京地区城市化专题地图。【结果】从验证结果来看,所有模型的总体精度均高于64.33%,其中UI、NDBI模型具有总体最高精度。UI模型精度最低69.67%(2001年),最高85%(2010年); NDBI模型精度最低72.00%(2001年),最高82.60%(2010年)。在UI模型和NDBI模型下城市化发展水平,分别从2001年的11.55%和17.66%攀升至2015年的20.50%和25.60%。【结论】在精度最高的UI指数和NDBI指数模型下,南京市除高淳区和溧水区之外的各个行政区的建成区增量前4名分别是江宁区、六合区、浦口区和栖霞区。     

山地城市热环境及其聚落特征的关联分析

以重庆主城区为研究对象,利用Landsat 8传感器OLI和TIRS获取的遥感影像为数据源,进行城市聚落特征包括地形特征、土地利用等与地表温度的差异性分析。结果表明:城市的热环境空间分布差异较大,海拔高度对温度的影响强于地形起伏度;(NDVI、NDBI、MNDWI等)和地表温度的相关关系呈分段线性关系;不同土地利用类型的热强度和热变异程度差异明显,建设用地的温度最高且斑块温度间的变异性最强,虽然水体的平均温度最低,但斑块温度间的变异性却较高;从格网分析的结果可以看出,格网内部水体的"冷岛效应"明显、建设用地的"热岛效应"显著,耕地与自然植被面积的增加使得各空间格网温度更趋向于稳定。