CN101866385A - 一种目标地块地表温度的模拟与优化方法 - Google Patents
一种目标地块地表温度的模拟与优化方法 Download PDFInfo
- Publication number
- CN101866385A CN101866385A CN 201010207940 CN201010207940A CN101866385A CN 101866385 A CN101866385 A CN 101866385A CN 201010207940 CN201010207940 CN 201010207940 CN 201010207940 A CN201010207940 A CN 201010207940A CN 101866385 A CN101866385 A CN 101866385A
- Authority
- CN
- China
- Prior art keywords
- surface temperature
- plot
- influence
- target
- ground surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种目标地块地表温度的模拟与优化方法,步骤为:相应地从不同建成地块遥感影像的遥感数据以及矢量数据中获其第一地表温度影响因子平均值、第二地表温度影响因子数据和地表温度平均值,建立地理数据库;利用地理数据库的属性数据建立建成地块的地表温度平均值与其第一地表温度影响因子平均值、第二地表温度影响因子数据之间的多元回归关系;由目标地块的第一、第二地表温度影响因子初始值及上述多元回归关系,得目标地块地表温度初始值,由上述多元回归关系,通过调整目标地块第一地表温度影响因子和/或第二地表温度影响因子初始值将该地表温度初始值调整至建成地块的地表温度优化参考值,获得目标地块优化后地表温度。
Description
技术领域
本发明涉及遥感图像分析处理与应用,特别涉及目标地块地表温度的模拟与优化方法,可用于促进城市热环境的改善。
背景技术
气温作为人类生存环境的基本要素,是衡量城市热环境的重要监测指标,由于传统地面观测等技术的缺陷,很难获取范围较大的气温栅格数据,并且获得的数据精度也并不理想。热红外卫星遥感技术的发展,为监测城市热场、获取城市大区域地表温度信息提供了基本手段,从而减少局部环境人为干扰,能够更加直观、定量地研究城市热环境,且通过遥感技术获取的观测资料时间同步性好,基本克服了传统地面观测方法的缺陷。地表温度代表下垫面的表面温度,与气温是不一样的概念,在晴空状态下,可以直接用地表温度表征城市热环境的分布特征。
国外学者早在19世纪初已经开始关注城市热环境问题的研究,然而受到技术方法的限制,进展不大。随着研究技术的进步,从20世纪80年代,国内外学者对城市热环境问题做了大量研究,大多数研究认为影响城市地表温度的主要因素是地表反照率和归一化植被指数(NDVI)。很少有学者引入城市规划学科研究城市热环境,更没有学者将人为收集的规划数据和提取的遥感数据结合,揭示城市热环境因子的影响程度,使规划设计工作缺少可行性。
城市的开发建设是以目标地块作为基本单位,而对目标地块的开发强度通常用规划指标如建筑密度、容积率、绿地率和建筑平均高度来衡量,研究规划指标与地表温度的关系,在城市规划阶段即考虑城市热环境的影响因素,这样既能够有效改善城市热环境,又增强了城市规划指标建立的科学性以及合理性。
发明内容
本发明的目的是提供一种目标地块地表温度的模拟与优化方法。
为实现上述目的,本发明所采取的技术方案是:该目标地块地表温度的模拟与优化方法主要包括如下步骤:
(1)从建成地块的遥感影像的遥感数据中获得建成地块的第一地表温度影响因子的平均值,从矢量数据中提取建成地块的第二地表温度影响因子数据,并从所述建成地块的具有热红外波段的遥感影像的遥感数据中获得建成地块的地表温度平均值;所述建成地块与目标地块具有同等的自然地理条件;
(2)利用所述建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据和地表温度平均值建立建成地块的地理数据库;
(3)利用所述建成地块的地理数据库中的属性数据建立建成地块的地表温度平均值与建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据之间的多元回归关系;
(4)利用所述目标地块的第一地表温度影响因子和第二地表温度影响因子的初始值,得到目标地块的地表温度初始值,所述目标地块的地表温度初始值与目标地块的第一地表温度影响因子和第二地表温度影响因子的初始值之间满足步骤(3)中所述的多元回归关系;
(5)将步骤(4)所得到的目标地块的地表温度初始值与所述建成地块的地表温度优化参考值进行比较,根据比较结果,通过修改所述目标地块的第一地表温度影响因子和/或第二地表温度影响因子的初始值,获得所述目标地块的优化后的地表温度,所述目标地块的优化后的地表温度为所述建成地块的地表温度优化参考值,且所述目标地块的优化后的地表温度与目标地块的第一地表温度影响因子和第二地表温度影响因子的修改后的数值之间满足步骤(3)中所述的多元回归关系。
进一步地,本发明所述多元回归关系为多元线性回归关系。
进一步地,本发明所述第一地表温度影响因子包括所述地块的地表反照率和归一化植被指数,第二地表温度影响因子包括所述地块的容积率、建筑密度和建筑平均高度。
与现有技术相比,本发明的有益效果是:
(1)由于建成地块的第一地表温度影响因子和地表温度平均值通过其遥感影像得到,实现建成地块的地表温度平均值及其影响因子的快速提取。
(2)本发明利用建成地块的地表温度平均值与建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据之间的多元线性回归关系来模拟得到目标地块的地表温度初始值,并以建成地块的地表温度优化参考值为依据对目标地块的地表温度初始值进行优化。由于在建立所述多元线性回归关系时的数据以及建成地块的地表温度优化参考值均利用多个不同建成地块的实际数据,因而由该多元线性回归关系所模拟以及优化的结果可靠性高。
(3)由于本发明可通过调整目标地块的地表反照率、归一化植被指数、容积率、建筑密度和建筑平均高度等规划手段来实现目标地块的地表温度优化,因此对目标地块的热环境改善具有实际指导意义,在规划设计、建筑与小区节能设计中应用前景非常大。
附图说明
图1是本发明目标地块地表温度的模拟与优化方法的流程框图。
具体实施方式
本发明以多个不同建成地块的遥感图像的遥感数据和矢量数据作为基本数据。各建成地块与目标地块具有同等的自然地理条件。所谓同样的自然地理条件是指:建成地块与目标地块具有同等的影响地表温度的自然因素,此处所谓自然因素是指该地块所处的地理经纬度、气象条件和地形地貌条件。
作为本发明的具体实施方式,可以从建成地块的具有热红外波段的同一遥感图像的遥感数据中提取得到建成地块的第一地表温度影响因子的平均值和地表温度平均值;也可以是从建成地块的不具有热红外波段的遥感图像的遥感数据中提取建成地块的第一地表温度影响因子的平均值,而从同一建成地块的另一具有热红外波段的遥感图像中提取得到建成地块的地表温度平均值。各建成地块的遥感图像的遥感数据可从国家遥感中心购买得到。
本发明中,各建成地块的第二地表温度影响因子数据从矢量数据中提取。各建成地块的矢量数据可来源于当地规划局的历史数据库。
作为本发明的优选实施方式,第一地表温度影响因子包括该地块的地表反照率和归一化植被指数,第二地表温度影响因子包括该地块的容积率、建筑密度和建筑平均高度。
本发明中,建成地块的地表温度优化参考值可从气象部门的历年气象观测数据获得。
下面结合附图和具体实施例对本发明进行详细描述。
本实施例选择杭州为研究对象,在杭州城西选取90个建成地块(即地块1至地块90)作为采样点,各建成地块主要分布在杭州西湖区和拱墅区,它们具有同等的自然地理条件,地理经纬度、气象条件和地形地貌条件大致相同。
对目标地块地表温度的模拟与优化的具体步骤如下:
(1)本实施例中,各建成地块的遥感数据采用的是包含热波段的Landsat5TM遥感数据,其热红外波段第六波段分辨率为120m,其他波段为30m×30m,其影像成像时间为2008年7月5日。
从Landsat5TM遥感数据中获得90个建成地块(即地块1至地块90)的第一地表温度影响因子的平均值,从各建成地块的矢量数据中提取建成地块的第二地表温度影响因子数据,并从Landsat5TM遥感数据中获得各建成地块的地表温度平均值。
具体地说,本实施例中,各建成地块的第一地表温度影响因子包括地表反照率、归一化植被指数(NDVI),各建成地块的第二地表温度影响因子包括建筑密度、容积率、建筑平均高度。
1)首先,对包含地块1至地块90的Landsat5TM遥感影像进行图像辐射校正、几何粗校正以及几何精校正,从校正后的Landsat5TM遥感影像中按下述步骤反演包含各建成地块的遥感影像的第一地表温度影响因子和地表温度:
①地表反照率的计算:
采用Liang建立的大气辐射传输模型,Landsat5TM数据的反演公式为:
a=0.356a1+0.13a3+0.373a4+0.085a5+0.072a7-0.0018 (3)
式(3)中,α为地表反照率,α1,α3,α4,α5,α7分别为Landsat5TM数据中第一波段、第三波段、第四波段、第五波段、第七波段的表观反射率。
利用Landsat5TM热红外亮温计算模式,得到如式(4)所示的Landsat5TM图像数值和下垫面像元亮度温度定量关系:
L=Gain*DN+Bais (4)
式(4)中,L为下垫面辐射值(w·m-2·sr-1·μm-1),DN为Landsat5TM的像元灰度值,Gain、Bias分别为图像的增益和偏置(w·m-2·sr-1·μm-1),可从图像头文件中获得。
对各λ对应波段做辐射定标,得到各波段的光谱辐射亮度Lλ;在假设地表为朗伯体的条件下,利用下式(5)得到表观反射率αλ:
αλ=πLλd2/(ESUNλcosθ) (5)
式(5)中,d为日地平均距离参数,ESUNλ为太阳光谱在λ对应波段内的平均辐照度(w·m-2·μm-1),θ为太阳入射天顶角。
②归一化植被指数(NDVI)根据式(6)获得
NDVI=(DNNIR-DNR)/(DNNIR+DNR) (6)
式(6)中,DNNIR为近红外波段的计数值(灰度值)(第四波段)、DNR为红外段的计数值(灰度值)(第三波段)。
③地表温度计算
首先根据式(7)获得亮温温度:
T6=1260.56/ln[1+607.76/(1.2378+0.055158DN6)] (7)
式(7)中,T6为亮温值,单位为K。DN6为Landsat5TM数据第六波段的像元DN值,介于0和255之间。
其次,按照式(8),根据地物的比辐射率对T6作进一步校正,从而得到地表温度Ts:
式(8)中:T6为亮温温度(K);λ=11.5um,为热红外波段的中心波长;ρ=h×c/σ(1.438×10-2m K),其中,光速c=2.998×108m/s;普朗克常数h=6.626×10-34Js;波耳兹曼常数σ=1.38×10-23J/K;ε为地物的比辐射率。精确计算ε的方法如下:
首先将研究区域进行监督分类,将图像分为建筑区、自然表面和水体。然后根据分类结果,结合NDVI计算获取比辐射率ε。
对于水体:ε=0.995;
对于自然表面,计算公式为:
ε=Pvrvεv+(1-Pv)rsεs+dε (9)
式(9)中,Pv是植被占混合像元的比例,rv和rs分别是植被和裸土的温度比率,εv和εs分别是植被和裸土的比辐射率,取εv=0.986,εs=0.97215。rv、rs分别由公式(10)、(11)得到。
rv=0.9332+0.0585Pv (10)
rs=0.9902+0.1068Pv (11)
dε是植被和裸土之间的热辐射相互作用对地表比辐射率的贡献,dε由如下经验公式(12)、(13)、(14)估计:
当Pv≤0.5时,
dε=0.0038Pv (12);
当Pv>0.5时,
dε=0.0038(1-Pv)(13);
当Pv=0.5时,dε最大,
dε=0.0019 (14);
Pv按公式(15)计算:
NDVImax,NDVImin分别是完全植被区和完全非植被区的NDVI值,NDV Imax近似取值为0.70,NDVImin近似取值为0.05。
如果NDVI>NDVImax 则取Pv=1
如果NDVI<NDVImin 则取Pv=0
对于建筑区,ε按公式(16)计算:
ε=Pvrvεv+(1-Pv)rmεm +dε(16)
其中,rm是建筑表面的温度比率,由公式(17)得到;εm是建筑表面的比辐射率,εm取0.970。
rm=0.9886+0.1287Pv (17)
2)在步骤(1)获取地表温度及其第一地表温度影响因子的基础上,为了直观显示建成地块的地理位置,构建城市市辖区和街道行政界线矢量图层数据,并与遥感影像数据进行叠加显示,将各建成地块作为基本单位分别计算各建成地块内所有像元的地表温度、地表反照率和NDVI平均值,从而获取各建成地块的第一地表温度影响因子的平均值和地表温度平均值,其中,第一地表温度影响因子的平均值包括每一建成地块的地表反照率的平均值和归一化植被指数的平均值。
3)利用规划部门获取的各建成地块的矢量数据,以遥感影像数据为参照,对矢量数据进行地理配准,并从规划矢量数据中获取各建成地块的建筑密度、容积率、建筑平均高度等规划指标。
(2)将各建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据和地表温度平均值汇总建立建成地块的地理数据库,地理数据库的属性数据包括地表温度平均值、地表反照率、NDVI、建筑密度、容积率和建筑平均高度;上述步骤(1)的步骤2)和步骤3)所获取的建成地块的地表温度平均值及其第一地表温度影响因子的平均值、第二地表温度影响因子数据的数据如表1。
(3)利用建成地块的地理数据库中的属性数据建立建成地块的地表温度平均值与第一地表温度影响因子的平均值、第二地表温度影响因子数据之间的多元线性回归关系,该多元线性回归关系如式(9)所示:
Y=35.1243-10.0083X1-6.74094X2+0.0274163X3-0.0718465X4-0.0242441X5(9)
其中,Y代表建成地块的地表温度平均值,X1代表建成地块的归一化植被指数,X2代表建成地块的反照率,X3代表建成地块的建筑密度,X4代表建成地块的容积率,X5代表建成地块的建筑平均高度。
表1建成地块的地理数据库
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块1 | 0.305 | 0.057 | 1.5 | 29.9 | 15.1 | 32.98 |
地块2 | 0.291 | 0.029 | 1.94 | 41.3 | 14.1 | 34.92 |
地块3 | 0.316 | 0.076 | 1.67 | 26.2 | 19.1 | 32.32 |
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块4 | 0.302 | 0.06 | 1.56 | 37.9 | 12.3 | 33.24 |
地块5 | 0.319 | 0.068 | 2.1 | 28.9 | 21.8 | 32.63 |
地块6 | 0.34 | 0.069 | 1.5 | 31.3 | 14.4 | 32.18 |
地块7 | 0.349 | 0.11 | 1.34 | 24.4 | 11.0 | 30.68 |
地块8 | 0.321 | 0.077 | 2.1 | 35.1 | 16.2 | 33.68 |
地块9 | 0.292 | 0.033 | 2.46 | 43.1 | 17.1 | 34.07 |
地块10 | 0.302 | 0.052 | 2.06 | 33.9 | 18.2 | 33.86 |
地块11 | 0.304 | 0.085 | 2.1 | 33.7 | 18.7 | 33.81 |
地块12 | 0.347 | 0.12 | 1.6 | 25.1 | 19.1 | 31.15 |
地块13 | 0.297 | 0.048 | 2.1 | 33.5 | 18.8 | 32.84 |
地块14 | 0.343 | 0.104 | 1.45 | 28.3 | 13.1 | 30.82 |
地块15 | 0.288 | 0.034 | 2 | 34.6 | 17.3 | 32.1 |
地块16 | 0.308 | 0.068 | 1.85 | 32.7 | 17.0 | 32.73 |
地块17 | 0.342 | 0.105 | 1.75 | 38.1 | 13.8 | 31.29 |
地块18 | 0.307 | 0.079 | 1.63 | 37.4 | 13.1 | 33.35 |
地块19 | 0.302 | 0.106 | 1.36 | 21.9 | 18.6 | 31.26 |
地块20 | 0.331 | 0.132 | 1.63 | 27.1 | 15.7 | 30.87 |
地块21 | 0.347 | 0.126 | 1.5 | 20.9 | 17.4 | 30.64 |
地块22 | 0.338 | 0.126 | 1.8 | 19.2 | 28.1 | 30.73 |
地块23 | 0.353 | 0.116 | 1.7 | 30.6 | 13.7 | 32.1 |
地块24 | 0.312 | 0.113 | 1.5 | 28.7 | 15.7 | 31.51 |
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块25 | 0.308 | 0.09 | 1.87 | 39.8 | 14.1 | 33.1 |
地块26 | 0.31 | 0.099 | 1.66 | 33.8 | 14.7 | 33.17 |
地块27 | 0.299 | 0.028 | 1.92 | 30.1 | 15.1 | 34.05 |
地块28 | 0.293 | 0.059 | 2.16 | 22.3 | 29.1 | 33.4 |
地块29 | 0.346 | 0.138 | 2.5 | 16.6 | 45.2 | 30.35 |
地块30 | 0.345 | 0.076 | 2 | 15.3 | 39.2 | 31.05 |
地块31 | 0.334 | 0.022 | 2.5 | 30 | 25.0 | 32.56 |
地块32 | 0.311 | 0.081 | 1.8 | 20.3 | 26.6 | 31.84 |
地块33 | 0.349 | 0.112 | 2.5 | 18.9 | 39.7 | 30.19 |
地块34 | 0.338 | 0.076 | 2.6 | 19.3 | 40.4 | 31.18 |
地块35 | 0.319 | 0.075 | 2.5 | 18.4 | 40.8 | 32.38 |
地块36 | 0.33 | 0.084 | 2.6 | 15.4 | 58.4 | 30.98 |
地块37 | 0.347 | 0.177 | 2.5 | 18.4 | 40.8 | 30.18 |
地块38 | 0.318 | 0.036 | 2.4 | 21.9 | 32.9 | 32.33 |
地块39 | 0.346 | 0.047 | 3.1 | 16.5 | 56.4 | 32.28 |
地块40 | 0.35 | 0.073 | 2.5 | 18.9 | 39.7 | 32.19 |
地块41 | 0.331 | 0.065 | 2.9 | 25.6 | 34.0 | 32.56 |
地块42 | 0.301 | 0.028 | 2.5 | 28.7 | 26.1 | 33.54 |
地块43 | 0.303 | 0.099 | 2.4 | 26.9 | 35.7 | 31.07 |
地块44 | 0.34 | 0.075 | 2.2 | 21.4 | 30.8 | 31.91 |
地块45 | 0.334 | 0.084 | 2.6 | 13.6 | 57.4 | 31.11 |
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块46 | 0.344 | 0.083 | 2.1 | 15.2 | 41.4 | 31.16 |
地块47 | 0.347 | 0.087 | 2.4 | 15.4 | 46.8 | 30.69 |
地块48 | 0.315 | 0.012 | 2.5 | 28.2 | 26.6 | 33.79 |
地块49 | 0.301 | 0.019 | 1.8 | 21.9 | 24.7 | 33.02 |
地块50 | 0.301 | 0.053 | 2.5 | 21.9 | 41.1 | 31.9 |
地块51 | 0.316 | 0.068 | 3.4 | 30.4 | 34.1 | 32.66 |
地块52 | 0.281 | 0.006 | 3.5 | 35.4 | 29.7 | 34.26 |
地块53 | 0.239 | 0.133 | 2.1 | 28.5 | 7.5 | 33.04 |
地块54 | 0.215 | 0.153 | 1.5 | 20.7 | 8.5 | 33.62 |
地块55 | 0.223 | 0.124 | 1.8 | 28.7 | 7.5 | 32.55 |
地块56 | 0.198 | 0.175 | 1.5 | 15.6 | 8.5 | 32.01 |
地块57 | 0.205 | 0.174 | 1.9 | 18.1 | 7.55 | 32.94 |
地块58 | 0.202 | 0.132 | 2.9 | 22.8 | 14.4 | 33.55 |
地块59 | 0.218 | 0.079 | 3.1 | 29.3 | 21.0 | 33.47 |
地块60 | 0.227 | 0.078 | 3.2 | 30 | 20.1 | 32.64 |
地块61 | 0.216 | 0.076 | 2.6 | 30.5 | 19.8 | 33.45 |
地块62 | 0.242 | 0.107 | 3.5 | 32.9 | 24.0 | 32.33 |
地块63 | 0.236 | 0.012 | 2.1 | 31.4 | 19.5 | 33.21 |
地块64 | 0.23 | 0.008 | 2.2 | 33 | 9.9 | 33.78 |
地块65 | 0.23 | 0.109 | 2.1 | 34.4 | 18.0 | 32.85 |
地块66 | 0.201 | 0.087 | 2.8 | 30.1 | 19.5 | 33.35 |
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块67 | 0.213 | 0.023 | 2.4 | 31.1 | 33.6 | 32.32 |
地块68 | 0.205 | 0.102 | 2.3 | 36.8 | 25.5 | 32.75 |
地块69 | 0.197 | 0.043 | 2.9 | 42.7 | 21.0 | 33.78 |
地块70 | 0.221 | 0.089 | 2.7 | 28.6 | 9.6 | 33.73 |
地块71 | 0.189 | 0.046 | 2.7 | 29.7 | 19.5 | 33.68 |
地块72 | 0.201 | 0.081 | 2.5 | 27.5 | 27.6 | 32.04 |
地块73 | 0.205 | 0.111 | 2.4 | 36.5 | 15.0 | 31.35 |
地块74 | 0.226 | 0.112 | 2.7 | 21.1 | 18.0 | 31.06 |
地块75 | 0.249 | -0.016 | 4.8 | 40.7 | 12.0 | 34.51 |
地块76 | 0.222 | 0.113 | 3.7 | 25.2 | 15.0 | 32.95 |
地块77 | 0.228 | 0.009 | 2.7 | 29.1 | 19.8 | 33.35 |
地块78 | 0.222 | 0.122 | 2.6 | 24.8 | 18.6 | 32.87 |
地块79 | 0.211 | -0.004 | 3.9 | 27 | 22.5 | 33.79 |
地块80 | 0.212 | 0.062 | 3.7 | 28.8 | 14.4 | 32.64 |
地块81 | 0.235 | -0.02 | 3.9 | 49 | 9.0 | 33.79 |
地块82 | 0.197 | -0.003 | 3.1 | 47.9 | 9.0 | 34.37 |
地块83 | 0.211 | 0.013 | 2.4 | 49.5 | 15.0 | 33.8 |
地块84 | 0.254 | 0.12 | 2.2 | 30.1 | 7.5 | 32.72 |
地块85 | 0.199 | -0.03 | 2.9 | 33.6 | 6.6 | 34.54 |
地块86 | 0.273 | 0.079 | 1.9 | 27.9 | 6.9 | 33.62 |
地块87 | 0.228 | -0.033 | 3.1 | 41.3 | 15 | 34.67 |
编号 | 地表反照率平均值 | NDVI平均值 | 容积率 | 建筑密度(%) | 建筑平均高度(米) | 地表温度平均值(℃) |
地块88 | 0.231 | -0.085 | 4.2 | 29.5 | 36 | 32.49 |
地块89 | 0.323 | -0.037 | 4.1 | 33.9 | 13.2 | 32.81 |
地块90 | 0.239 | -0.026 | 4.1 | 26.3 | 50 | 32.18 |
(4)先设定目标地块的第一地表温度影响因子初始值和第二地表温度影响因子初始值,例如,分别设定归一化植被指数X1=0.08,地表反照率X2=0.3,建筑密度X3=45,容积率X4=1.5,建筑平均高度X5=21;利用公式(9)的多元线性回归关系,模拟得到目标地块的地表温度初始值Y=32.92。
(5)将步骤(4)所得到的目标地块的地表温度初始值Y=32.92与从气象部门的历年气象观测数据获得的建成地块的地表温度优化参考值Y’=30.29进行比较,比较结果发现目标地块的地表温度初始值偏高,因此,通过调整目标地块的第一地表温度影响因子和/或第二地表温度影响因子的初始值,应用公式(9)的多元线性回归关系,来优化目标地块的地表温度,使目标地块的优化后的地表温度与目标地块的第一地表温度影响因子和第二地表温度影响因子的调整后的数值之间满足步骤(3)中所述的多元线性回归关系。在本发明优选实施方案中,可以通过增加目标地块的归一化植被指数、提高地表反照率、降低建筑密度、提升容积率和增加建筑平均高度的综合手段,对目标地块地表温度的各影响因子的初始值进行修改,以使优化后得到的目标地块的地表温度达到Y=30.29。例如,在第一方案中,对目标地块的各影响因子作如下调整:归一化植被指数X1=0.12,反照率X2=0.5,建筑密度X3=35,容积率X4=3.5,平均高度X5=40,由此得到目标地块优化后的地表温度Y=30.29;得出动态模拟优化前后,目标地块的地表温度差值ΔT=32.92-30.29=2.63,目标地块的各影响因子初始值的修改还可以采取第二和第三方案(参见表2)。
表2目标地块的地表温度模拟优化的多个因子改变组合方案举例
本发明所述的地表温度影响因子的选取,除了包括地表反照率、容积率、建筑密度、归一化植被指数、建筑平均高度之外,其他的气象因素,例如太阳辐射、风速、空气湿度等也可以在进行多元线性回归时加以考虑,能不同程度地完善目标地块的地表温度的模拟和优化结果。
以上所述仅为本发明的较佳实施例,不是用来限定本发明所实施的范围,凡依本发明权利要求所作的均等变化与修饰,皆应仍属于本发明的保护范围内。
Claims (3)
1.一种目标地块地表温度的模拟与优化方法,其特征在于包括如下步骤:
(1)从不同建成地块的遥感影像的遥感数据中获得建成地块的第一地表温度影响因子的平均值,从所述各建成地块的矢量数据中提取建成地块的第二地表温度影响因子数据,并从所述建成地块的具有热红外波段的遥感影像的遥感数据中获得建成地块的地表温度平均值;
(2)利用所述建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据和地表温度平均值建立建成地块的地理数据库;
(3)利用所述建成地块的地理数据库中的属性数据建立建成地块的地表温度平均值与建成地块的第一地表温度影响因子的平均值、第二地表温度影响因子数据之间的多元回归关系;
(4)利用所述目标地块的第一地表温度影响因子和第二地表温度影响因子的初始值,得到目标地块的地表温度初始值,所述目标地块的地表温度初始值与目标地块的第一地表温度影响因子和第二地表温度影响因子的初始值之间满足步骤(3)中所述的多元回归关系;
(5)将步骤(4)所得到的目标地块的地表温度初始值与所述建成地块的地表温度优化参考值进行比较,根据比较结果,通过调整所述目标地块的第一地表温度影响因子和/或第二地表温度影响因子的初始值,获得所述目标地块的优化后的地表温度,所述目标地块的优化后的地表温度为所述建成地块的地表温度优化参考值,且所述目标地块的优化后的地表温度与目标地块的第一地表温度影响因子和第二地表温度影响因子的调整后的数值之间满足步骤(3)中所述的多元回归关系。
2.根据权利要求1的一种目标地块地表温度的模拟与优化方法,其特征在于:所述多元回归关系为多元线性回归关系。
3.根据权利要求1或2的一种目标地块地表温度的模拟与优化方法,其特征在于:所述第一地表温度影响因子包括所述地块的地表反照率和归一化植被指数,第二地表温度影响因子包括所述地块的容积率、建筑密度和建筑平均高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010207940XA CN101866385B (zh) | 2010-06-24 | 2010-06-24 | 一种目标地块地表温度的模拟与优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010207940XA CN101866385B (zh) | 2010-06-24 | 2010-06-24 | 一种目标地块地表温度的模拟与优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101866385A true CN101866385A (zh) | 2010-10-20 |
CN101866385B CN101866385B (zh) | 2012-01-25 |
Family
ID=42958109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010207940XA Expired - Fee Related CN101866385B (zh) | 2010-06-24 | 2010-06-24 | 一种目标地块地表温度的模拟与优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101866385B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073791A (zh) * | 2011-01-12 | 2011-05-25 | 东南大学 | 用于光伏电站设计的地区太阳能资源丰富程度评估系统 |
CN105300880A (zh) * | 2015-09-08 | 2016-02-03 | 中国科学院遥感与数字地球研究所 | 一种Landsat 8热红外数据大气水汽含量反演方法 |
CN106056591A (zh) * | 2016-05-25 | 2016-10-26 | 哈尔滨工业大学 | 一种融合光谱图像和激光雷达数据进行城市密度估计方法 |
CN107421644A (zh) * | 2017-08-28 | 2017-12-01 | 南京大学 | 城市完全表面温度的航空遥感估算方法 |
CN109086524A (zh) * | 2018-08-03 | 2018-12-25 | 南京大学 | 一种稳健的遥感地表温度年变化模拟方法 |
CN109115995A (zh) * | 2018-08-30 | 2019-01-01 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN110208878A (zh) * | 2019-06-14 | 2019-09-06 | 广西海佩智能科技有限公司 | 绿色屋顶气象监测与热岛效应影响评估方法 |
CN112199837A (zh) * | 2020-09-30 | 2021-01-08 | 中国科学院地理科学与资源研究所 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
CN113218493A (zh) * | 2021-04-08 | 2021-08-06 | 中国人民解放军国防科技大学 | 一种基于经验正交函数法的声速剖面反演方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5719795A (en) * | 1995-07-26 | 1998-02-17 | Westvaco Corporation | Method to provide consistent estimated growth and yield values for loblolly pine plantations |
DE19708326A1 (de) * | 1997-03-03 | 1998-09-10 | Rene Dipl Ing Kummer | Meßmethode zur Ermittlung des Wärmestroms (K-Wertes) bei Vorort-Datenaufnahmen für Wärmeschutzberechnungen nach der Wärmeschutzverordnung |
CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
-
2010
- 2010-06-24 CN CN201010207940XA patent/CN101866385B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5719795A (en) * | 1995-07-26 | 1998-02-17 | Westvaco Corporation | Method to provide consistent estimated growth and yield values for loblolly pine plantations |
DE19708326A1 (de) * | 1997-03-03 | 1998-09-10 | Rene Dipl Ing Kummer | Meßmethode zur Ermittlung des Wärmestroms (K-Wertes) bei Vorort-Datenaufnahmen für Wärmeschutzberechnungen nach der Wärmeschutzverordnung |
CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
Non-Patent Citations (3)
Title |
---|
《中国科学D辑》 20051231 张佳华等 北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析 , 2 * |
《气候与环境研究》 20011220 延昊等 利用遥感和常规资料对比研究中国地面温度变化 , 第04期 2 * |
《遥感技术与应用》 20070330 武佳卫等 上海城市热场与植被覆盖的关系研究 , 第01期 2 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073791A (zh) * | 2011-01-12 | 2011-05-25 | 东南大学 | 用于光伏电站设计的地区太阳能资源丰富程度评估系统 |
CN105300880A (zh) * | 2015-09-08 | 2016-02-03 | 中国科学院遥感与数字地球研究所 | 一种Landsat 8热红外数据大气水汽含量反演方法 |
CN105300880B (zh) * | 2015-09-08 | 2020-08-18 | 中国科学院遥感与数字地球研究所 | 一种Landsat8热红外数据大气水汽含量反演方法 |
CN106056591A (zh) * | 2016-05-25 | 2016-10-26 | 哈尔滨工业大学 | 一种融合光谱图像和激光雷达数据进行城市密度估计方法 |
CN107421644A (zh) * | 2017-08-28 | 2017-12-01 | 南京大学 | 城市完全表面温度的航空遥感估算方法 |
CN109086524B (zh) * | 2018-08-03 | 2023-05-16 | 南京大学 | 一种稳健的遥感地表温度年变化模拟方法 |
CN109086524A (zh) * | 2018-08-03 | 2018-12-25 | 南京大学 | 一种稳健的遥感地表温度年变化模拟方法 |
CN109115995A (zh) * | 2018-08-30 | 2019-01-01 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN109115995B (zh) * | 2018-08-30 | 2019-10-18 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
CN110208878A (zh) * | 2019-06-14 | 2019-09-06 | 广西海佩智能科技有限公司 | 绿色屋顶气象监测与热岛效应影响评估方法 |
CN112199837B (zh) * | 2020-09-30 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
CN112199837A (zh) * | 2020-09-30 | 2021-01-08 | 中国科学院地理科学与资源研究所 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
CN113218493A (zh) * | 2021-04-08 | 2021-08-06 | 中国人民解放军国防科技大学 | 一种基于经验正交函数法的声速剖面反演方法 |
CN113218493B (zh) * | 2021-04-08 | 2023-12-08 | 中国人民解放军国防科技大学 | 一种基于经验正交函数法的声速剖面反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101866385B (zh) | 2012-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101866385B (zh) | 一种目标地块地表温度的模拟与优化方法 | |
Qiu et al. | The roles of landscape both inside the park and the surroundings in park cooling effect | |
Yang et al. | The impact of spatial form of urban architecture on the urban thermal environment: A case study of the Zhongshan district, Dalian, China | |
Yuping et al. | Monitoring winter wheat growth in North China by combining a crop model and remote sensing data | |
Zhong et al. | Estimation of hourly land surface heat fluxes over the Tibetan Plateau by the combined use of geostationary and polar-orbiting satellites | |
Gao et al. | A coupled remote sensing and the Surface Energy Balance with Topography Algorithm (SEBTA) to estimate actual evapotranspiration over heterogeneous terrain | |
Kuang et al. | Examining the impacts of urbanization on surface radiation using Landsat imagery | |
CN108168710A (zh) | 一种基于遥感技术的城区热岛效应评估方法 | |
CN115204691B (zh) | 基于机器学习和遥感技术的城市人为热排放量估算方法 | |
Feng et al. | A UAV-derived thermal infrared remote sensing three-temperature model and estimation of various vegetation evapotranspiration in urban micro-environments | |
Zhang et al. | Attribution of local land surface temperature variations response to irrigation over the North China Plain | |
Du et al. | Global mapping of urban thermal anisotropy reveals substantial potential biases for remotely sensed urban climates | |
He et al. | Direct estimation of land surface albedo from simultaneous MISR data | |
Ma et al. | Estimation of evapotranspiration using all-weather land surface temperature and variational trends with warming temperatures for the River Source Region in Southwest China | |
Ruehr et al. | A mechanistic investigation of the oasis effect in the Zhangye cropland in semiarid western China | |
Si et al. | An artificial neuron network with parameterization scheme for estimating net surface shortwave radiation from satellite data under clear sky—Application to simulated GF-5 data set | |
CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
CN115269549A (zh) | 一种耦合物理-统计-深度学习的大气水汽反演方法 | |
Akdeniz | Spatio-temporal analysis of the effects of urban growth on urban heat island: Case of Konya, Turkiye | |
Yin et al. | Estimation of evapotranspiration through an improved daily global solar radiation in SEBAL model: a case study of the middle Heihe River Basin | |
Zhang et al. | Effects of land-surface heterogeneity on numerical simulations of mesoscale atmospheric boundary layer processes | |
Zhuge et al. | Dependence of simulation biases at AHI surface-sensitive channels on land surface emissivity over China | |
He et al. | Retrieval of Rugged Mountainous Areas Land Surface Temperature from High-spatial-resolution Thermal Infrared Remote Sensing Data | |
Zhang et al. | Applying multi-source remote sensing data on estimating ecological water requirement of grassland in ungauged region | |
Jin et al. | Validation of global land surface satellite (GLASS) downward shortwave radiation product in the rugged surface |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120125 Termination date: 20180624 |