论文部分内容阅读
热环境是全球气候变化研究的重要对象,温度作为描述区域热环境的关键指标,同时也是全球变化研究的关键参数之一,其时空信息的定量、准确获取具有重要的科学价值。常用的温度类型有近地层气温和地表温度两种。目前,气温数据主要来源于气象台站的点上观测,通过空间插值获得面上的气温,但台站数量、分布、插值方法等均会对最终结果产生不确定性,尤其对于台站稀少的地区,气温插值的精度难以保证。热红外遥感可以通过定量反演获得区域尺度面上的地表温度信息。虽然地表温度与近地层气温之间存在着某种关系,可望通过遥感反演的地表温度来进一步获取近地层气温,但其计算方法和稳定性仍存在较多问题,值得进一步研究。此外,气温受陆地地表特征影响显著,不同下垫面类型是引起气温空间异质性的重要因素之一。因此,为了更好地分析区域热环境,有必要对下垫面类型与气温的关系进行比较分析。
本文以地形较复杂的安徽省为研究区,在区域热环境信息获取方面,针对近地面连续空间气温的获取,探讨了基于气象台站ANUSPLIN插值气温的生成算法和基于经验统计模型的气温遥感反演方法研究。同时,在下垫面与气温的关系分析方面,结合土地利用类型数据、人口格网数据、数字高程数据等多源空间化数据,实现了基于BP神经网络的城乡气象台站划分,并在此基础上比较和分析了不同下垫面类型象元的热岛效应。
本文的主要结论如下:
(1)建立了安徽省2001-2005年不同气温类型、不同时间尺度下的ANUSPLIN最优插值模型。分析表明,从时间尺度上看,随着时间尺度的增大,模型的验证精度先提高后降低,月尺度的验证精度最高;高程作为插值协变量对高温的影响大于对低温的影响;ANUSPLIN对年和月尺度的插值结果在空间上均呈现出明显的梯度变化,而日平均气温插值的空间差异较大。
(2)建立了不同时间尺度下的MODIS遥感反演地表温度估算近地层气温的经验统计模型。分析表明,不同时间尺度、不同类型气温指标下的最优参数组合不同;月尺度的回归精度高于日尺度;与使用AQUA数据产品集相比,使用TEERA数据产品集作为自变量的组合具有更高回归精度。
(3)以气象站点5 km缓冲区内不同土地利用类型的面积比为主要数据源,建立了基于BP人工神经网络的城乡气象台站划分方法。经验证,该方法可较好地避免直接采用行政单元统计人口数据可能存在的不足,更客观地反映下垫面土地利用类型对气象站点的影响,实现城市和乡村气象站点的准确划分。在此基础上建立了背景温度场,并进一步得出安徽省2005年各月平均气温、月平均最高气温和月平均最低气温的热岛强度均值分别为0.582℃、0.139℃、0.794℃。
(4)统计了不同下垫面类型像元的平均温度信息,比较分析了不同下垫面类型的热岛强度状况。研究表明,基于ANUSPLIN的气象台站插值算法、基于LST估算的近地层气温算法和基于城乡台站划分后的背景温度场算法三者得到的热岛强度变化趋势基本相同,但存在差异。
本论文的创新点主要包括:
(1)在城乡气象台站划分中,引入BP人工神经网络,建立了基于气象台站缓冲区内土地利用类型面积比与站点城乡类型之间的非线性模型,避免了人口数据空间化难度大、更新周期长的不足,为城乡站点的客观划分进行了有益的尝试。
(2)利用三套区域热环境气温数据--基于LST估算的区域气温数据、基于ANUSPLIN插值的区域气温数据和气象台站的气温数据,综合描述了城乡差异的热状况,并进行了三者之间的比较和分析。