區(qū)域熱環(huán)境信息獲取及其與下墊面關(guān)系分析——以安徽省為例.pdf

1、熱環(huán)境是全球氣候變化研究的重要對(duì)象，溫度作為描述區(qū)域熱環(huán)境的關(guān)鍵指標(biāo)，同時(shí)也是全球變化研究的關(guān)鍵參數(shù)之一，其時(shí)空信息的定量、準(zhǔn)確獲取具有重要的科學(xué)價(jià)值。常用的溫度類型有近地層氣溫和地表溫度兩種。目前，氣溫?cái)?shù)據(jù)主要來源于氣象臺(tái)站的點(diǎn)上觀測(cè)，通過空間插值獲得面上的氣溫，但臺(tái)站數(shù)量、分布、插值方法等均會(huì)對(duì)最終結(jié)果產(chǎn)生不確定性，尤其對(duì)于臺(tái)站稀少的地區(qū)，氣溫插值的精度難以保證。熱紅外遙感可以通過定量反演獲得區(qū)域尺度面上的地表溫度信息。雖然地表溫度

2、與近地層氣溫之間存在著某種關(guān)系，可望通過遙感反演的地表溫度來進(jìn)一步獲取近地層氣溫，但其計(jì)算方法和穩(wěn)定性仍存在較多問題，值得進(jìn)一步研究。此外，氣溫受陸地地表特征影響顯著，不同下墊面類型是引起氣溫空間異質(zhì)性的重要因素之一。因此，為了更好地分析區(qū)域熱環(huán)境，有必要對(duì)下墊面類型與氣溫的關(guān)系進(jìn)行比較分析。
　　 本文以地形較復(fù)雜的安徽省為研究區(qū)，在區(qū)域熱環(huán)境信息獲取方面，針對(duì)近地面連續(xù)空間氣溫的獲取，探討了基于氣象臺(tái)站ANUSPLIN插值氣

3、溫的生成算法和基于經(jīng)驗(yàn)統(tǒng)計(jì)模型的氣溫遙感反演方法研究。同時(shí)，在下墊面與氣溫的關(guān)系分析方面，結(jié)合土地利用類型數(shù)據(jù)、人口格網(wǎng)數(shù)據(jù)、數(shù)字高程數(shù)據(jù)等多源空間化數(shù)據(jù)，實(shí)現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的城鄉(xiāng)氣象臺(tái)站劃分，并在此基礎(chǔ)上比較和分析了不同下墊面類型象元的熱島效應(yīng)。
　　 本文的主要結(jié)論如下：
　　 (1)建立了安徽省2001-2005年不同氣溫類型、不同時(shí)間尺度下的ANUSPLIN最優(yōu)插值模型。分析表明，從時(shí)間尺度上看，隨著時(shí)間尺度

4、的增大，模型的驗(yàn)證精度先提高后降低，月尺度的驗(yàn)證精度最高；高程作為插值協(xié)變量對(duì)高溫的影響大于對(duì)低溫的影響；ANUSPLIN對(duì)年和月尺度的插值結(jié)果在空間上均呈現(xiàn)出明顯的梯度變化，而日平均氣溫插值的空間差異較大。
　　 (2)建立了不同時(shí)間尺度下的MODIS遙感反演地表溫度估算近地層氣溫的經(jīng)驗(yàn)統(tǒng)計(jì)模型。分析表明，不同時(shí)間尺度、不同類型氣溫指標(biāo)下的最優(yōu)參數(shù)組合不同；月尺度的回歸精度高于日尺度；與使用AQUA數(shù)據(jù)產(chǎn)品集相比，使用TEER

5、A數(shù)據(jù)產(chǎn)品集作為自變量的組合具有更高回歸精度。
　　 (3)以氣象站點(diǎn)5 km緩沖區(qū)內(nèi)不同土地利用類型的面積比為主要數(shù)據(jù)源，建立了基于BP人工神經(jīng)網(wǎng)絡(luò)的城鄉(xiāng)氣象臺(tái)站劃分方法。經(jīng)驗(yàn)證，該方法可較好地避免直接采用行政單元統(tǒng)計(jì)人口數(shù)據(jù)可能存在的不足，更客觀地反映下墊面土地利用類型對(duì)氣象站點(diǎn)的影響，實(shí)現(xiàn)城市和鄉(xiāng)村氣象站點(diǎn)的準(zhǔn)確劃分。在此基礎(chǔ)上建立了背景溫度場(chǎng)，并進(jìn)一步得出安徽省2005年各月平均氣溫、月平均最高氣溫和月平均最低氣溫的熱島

6、強(qiáng)度均值分別為0.582℃、0.139℃、0.794℃。
　　 (4)統(tǒng)計(jì)了不同下墊面類型像元的平均溫度信息，比較分析了不同下墊面類型的熱島強(qiáng)度狀況。研究表明，基于ANUSPLIN的氣象臺(tái)站插值算法、基于LST估算的近地層氣溫算法和基于城鄉(xiāng)臺(tái)站劃分后的背景溫度場(chǎng)算法三者得到的熱島強(qiáng)度變化趨勢(shì)基本相同，但存在差異。
　　 本論文的創(chuàng)新點(diǎn)主要包括：
　　 (1)在城鄉(xiāng)氣象臺(tái)站劃分中，引入BP人工神經(jīng)網(wǎng)絡(luò)，建立了基于氣