通过地表温度与多个植被指数的相互关系探索城市热岛外文翻译资料

 2022-12-25 14:11:23

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

通过地表温度与多个植被指数的相互关系探索城市热岛

Narayan Kayet bull; Khanindra Pathakbull; Abhisek Chakrabarty bull; Satiprasad Sahoo

Received: 28 May 2016 / Revised: 8 August 2016 / Accepted: 10 August 2016 / Published online: 23 August 2016

Korean Spatial Information Society 2016

摘要：地表温度（LST），土地利用/土地覆盖（LU / LC）和植被参数是相当重要的全球气候变化研究框架中的因素。基于GIS的城市热岛调查研究热遥感数据。热红外遥控器传感证明了其监测温度和温度的能力影响城市地区的小气候。在目前的研究中在多个植被指数之间有关系，土地利用/土地覆盖和LST利用遥感技术 - 在贾坎德邦的萨兰达森林州。归差异植被指数（NDVI），土壤调整植被指数指数（SAVI），比率植被指数（RVI）和归一化差异建立指（NDBI）用于这项研究。研究工作已经完成了相关性不同植被指数之间的关联性，土地利用/土地覆盖和地表温度。该结果表明外部温度受到影响自热（热点）区域的表面。关系LST与NDVI结果之间呈负相关关系，特征研。 NDVI提出，绿地可以解决 - 在我们的同时，也会对采矿，城市热岛效应产生影响表明LST和NDBI之间的正相关关系。这项研究表明，积极的增长采矿，工业区显着减少植被区，因此会增加地表温度。这个研究还表明，外部温度有一个

影响自热（热点）区域的表面。最后，提出的多指标的准确性是通过在研究中使用DGPS现场测量点进行评估区。这个分析证明了潜在的适用性气候建模框架的方法论。

关键词：热遥感；陆地表面温度；土地使用和土地覆盖；植被指数；统计相关性；热点

1.介绍

地表温度是地球的皮肤温度表面现象。这是多少热的感觉地球表面。这取决于不同的土地使用情况和土地覆盖类别。 LST与此完全相关表面能的物理过程。它提供信息随时间变化的地表能量变化。它是监测植被的基本要素，队友改变，以及建筑面积的变化。现在每天它成为严重的环境问题。这是因为全球的地球温度日益增加温室气体效应。科学家有更多

受到影响关于LST，因为这增加了温度对全球气候造成了非常不利的影响。然而，遥感数据可以提供未来的预测气候变化情景分析。城市热岛（UHI）是改变增加的温度现象的现象，

城市地区与乡村环境相比，英格斯。 UHIs在极端热点下加剧，这可以影响人类健康和气候变化。热点分析用矢量数据集进行识别的位置统计上是LST数据中显着的热点区域。一个方法论提出了两者之间的关系多种植被指数和基于热量的LST遥感数据。因此，这个领域的实验需要增加。几项研究已经完成了评估LST和植被相关性。许多作者调查使用Landsat 7 ETM？数据的发展一个地区的热绘图，现在这个方法很好成立。丰富的光谱指数已经被工业界认可，用于描述土地和植被覆盖率等比例植被指数，归一化差异植被指数（NDVI）和植被指数比值（RVI）[1]。城市植被灵感的物理环境城镇过分吸收和反思均匀传统和休眠和实用热量指令经文[2-6]。用Landsat数据进行热学研究新加坡森林分区不同的charac-特性[7]。建筑物的城市模块中的变迁，通常会在几个阶段认识到这种环境的特征，但在城市蔬菜 -它们不是直接的人类控制下的没有经常观察完成的大面积[8]。审查了使用Landsat TM数据的六段获取热量信息[9]。

LST和NDVI应该进行额外的校准并寻求合适的解决方案，充满活力和活力的植物充斥着取代的暴君NDVI在Vegetation-LST相关学习中应该是找到增加的压力[10]。方法来衡量内置up area热环境拥抱空气带的标本表面动力学温度在安全的地方，可移动从空气中采样空气和超表面动力学温度地面和机载车辆，以及远程维度来自机载和航天平台的辐射温度，形式[11]。研究过，利用沙漠遥感温度映射，并提出了一种方法论评估河道地表温度基于场地尺寸和Landsat的废物区域热数据[12]。明确的植被条件：归一化植被指数（NDVI），比值植被指数（RVI），绿色植被指数（GVI），土壤调整植被指数（SAVI）和归一化差异建立指数（NDBI）被广泛用于估算地表温度 - 植被共同 - tionship [13,14]。据报道，从Landsat系列热敏电阻中恢复LST使用水汽和空气温度[15]。该LST的数学计算及其研究目前的LU / LC和LST之间的相关性可以是a解决该领域许多麻烦的重要因素城乡气候变化和互动人与环境之间[16]。城市热量岛屿（UHI）是气候变化的一个重要因素一个城市人居环境的价值[17]。

讨论了他们用于威慑的详细方法 - 挖掘地表土地利用变化的活力温度为肯尼亚一个特定的案例研究[18]。水稻种植制图基于中等Resolu-成像光谱仪（MODIS）陆地表面温度和植被数据在中国东北部[19]。基于地表温度的燃烧严重性指数，温度和植被指数的遥感数据[20]。一个基于vege-使用Landsat图像测量地表温度在西班牙东北部的苏埃拉山脉[21]。随着额外的研究UHI，人们发现LST和能量平衡可受植被参数的影响改变空气和水之间的能量和水的替代陆地表面。本文有助于后验方向研究的方面：（1）初步审查植被参数与植被参数的关系地表温度。 （2）空间分布的分析LST的分布及其与LU / LC的关系（3）分析是用来评估相关性的LST和这些地区的这些植被参数基于。 （4）通过植被参数描述LST的分配对中国城市热岛的定量调查采矿工业区。 （5）从中找出热点整体研究领域。拟议的方法适用于印度贾坎德邦的萨兰达森林州。在本文中，利用Landsat分析城市热岛效应2015年的ETM？数据作为萨兰达森林的案例研究。在此外，LST与归一化之间的相关性差异植被指数（NDVI），归一化dif-（NDBI）进行分析探讨绿地和建设用地对绿地的影响城市热岛通过计算热点地区。

2.材料和方法

贾坎德邦的萨兰达森林被赋予了一个富铁矿床的数量。森林位于Jharkhand的West Singhbhum区（图1）

市区的增长。在命令欣赏法律的UHI增长，审查在设置对协会 - 植被指标与LST之间的系是实质性的更多的考虑。

2.1使用的数据

本研究中使用的遥感数据包括：Landsat7 ETM？ （增强专题图）图像（路径/行

140/45）于2015年5月1日收购，包含城市并出城市区，被收回处理LST和植被参数。 Landsat增强专题地图 - 每加（ETM）图像由八个光谱带组成1-8的波段的空间分辨率为30米。六数谱带是热的。 （表格1）。数据获得约会有一个辉煌的大气障碍。透射电镜传统的气候学数据实验在Landsat ETM的时候？经过研究区域Kiriburu的气象站也被试过整合，但没有数据提供。 DGPS调查和拍摄照片以收集地面实况数据在2015年5月，显示在研究区域的位置图。

2.2方法

Landsat 7 ETM数据是最常用的数据之一用于环境和气候的遥感数据类型

研究[22]。 ETM数据由8个波段组成可见光，近红外和短波红外区域（ETM1-ETM 5）和六段热红外区域。在安排估计地表温度，卫星通过Landsat TM传感器在显示日期获取图像

在Landsat-5卫星上使用[23,24]。热量红外波段（Landsat Band 6）记录反射率从地球表面的波长（微米）介于10.4 lm和12.5 lm之间。在一个电子磁谱，这个频段被称为热量带。 LST在非常详细的方面起着重要作用程序。它可以提供表面上的主要信息大量的财产和环境。例如，TM热红外数据被有效地用于跟踪中国城乡之间的温差印度[25]。为了验证结果，我们正在努力收集天气数据由IMD（印度气象部门）部门）仍然没有提供DGPS调查和拍摄照片以收集地面实况数据在大多数研究中，LST使用的是生成的数字图像处理（DIP）技术及其后续技术在GIS平台中进行处理。

2.2.1遥感数据的预处理

Landsat Thematic Mapper（TM）和Enhanced专题Mapper Plus（ETM？）传感器获取温度 - ature数据并将此信息存储为数字号码（DN）在0和255之间的范围内。这是可行的使用两步将这些DN转换为开氏度处理。不同土地利用类型的热能响应，形式表明表面温度的变化不同的表面。陆地表面温度有从Landsat的热带6和6.1中提取TM / ETM？数据。数字号码是手动转换的到传感器辐射亮度，然后通过亮度温度从热遥感数据中依次提取[26]。地表温度过应用地表温度计算接受的公式。根据[27]，两步过程是接着从Lands获得亮度温度。每个Landsat图像带的DN值已经缩放从总辐射计算到字节值之前媒体输出使用给定的增益和偏移（偏移）值为每个组。 DN值可以转换回辐射单位使用以下公式

其中Lk指代数字编号的光谱辐射度（DN）值，LMin = 1.238是DN值的光谱辐射度1为每个频带，Lmax = 15.303是DN的光谱辐射度值255。一旦热带的DN已经转换为光芒值，这只是一个抹黑的问题通过普朗克函数来引发温度值。 Landsat ETM？ 乐队六影像也可以从光谱辐射转变为物理附加物有用的可调[31]。 转换方程是

其中K1 =校准常数1（666.09），K2 = Cali-常数2（1282.71），Tb =表面温度（K），Lk = W m-2 ster-1 lm-1中的光谱辐射度）。Landsat ETM？ 热常数和常数值单位可以表示为

数学中的ENVI公式ETM看起来像

在Band配对对话框B1中，将atmo-球面校正的辐射带创建。

开尔文到摄氏度的转换通过方程

2.3土地覆盖分类

土地使用指的是人的方式和他们的栖息地，通常与功能上的口音土地对经济活动的作用。土地覆盖指的是被捕获的地球表面的物理特征植被，水分，土壤等的分布土地的物理特征，包括单独建立的特征由人类活动[33]。数字图像分类技术是分组像素代表土地覆盖/土地使用功能。土地利用/土地覆盖类是典型的自数字遥感数据得出结论一个监督图像分类过程[34]和整体图像分类是自动分类全部图像中的像素自动转换为土地覆盖/土地利用类[35]。这个区域被分为六类：茂密的森林，开阔的森林，农地，水体湿地和建成（采矿区）使用监督分类方法和最大似然算法。分类过程的准确性通常是评估 - 通过比较分类结果和男性 - 来自现场考察的重要数据，高空间分辨率图像

Dii是被分类的像素的数量cor-直方图，N表示矩阵错误中的所有像素。该分类像素的生产者精度与之相比地面实况[37]通过使用方程式。

其中; r =错误矩阵中的行数，xii =第i行和列中的观测数量，X i =第i列中的观测总数，N =观测总数。

2.4植被指数的计算

植被指数是一个包括两个频谱变换或更多乐队。植被指数是逆相关 - 红色和近红外波段。植被指数与标准化差值植被相当指数（NDVI），土壤调整植被指数（SAVI），比率植被指数（RVI）和归一化差异建立指数（NDBI）是计算植被的有用措施来自遥感数据[38]。这是比较直接用这些数据来计算这些指数Landsat传感器和遥感软件。归一化差异植被指数（NDVI）为a数字指示器使用可见光和近红外电磁频谱的波段并被选择分析遥感测量并评估是否

物理生物体验包含活的绿色植被。 NDVI归一化绿叶散射近红外波长和叶绿素结合在红色波长。理论上，NDVI值是表示为从-1到1的值范围内的比率[39]。NDVI地图已经在ERDAS Imagine软件中生成。NDVI可以计算为

健康的情况下，NDVI的值范围为-1到1植被一般在0.20到0.80之间[40]。SAVI与NDVI类似，但试图说明这一点背景土壤条件[37]。 SAVI是可以计算的如

TOA反射率用于每个频带，L是a土壤亮度修正系数。 从[41]，L = 0.5是在大多数情况下使用。

植被指数比例，除以近红外几乎可以肯定是第一个指数定义和最普遍使用[42]。 如果你cal-确定一个简单的NIR /红色比例自从直接的植被指数（SVI）之后厚厚的植物表面创造出比稀疏更高的值或非植物表面。 RVI可以被计算为

RVI的范围从0扩展到无限。 比例值小于1.0的值作为植被值大于1.0被认为是非植被区域。这个指数旅游景点市区哪里有其特点是在短波中反射率更高红外（SWIR）区域相比，近红外（NIR）地区。 应用程序包括取出建成区和土地利用规划[43]。 NDBI可以计算为

206/5000NDBI最初是为使用而开发的Landsat TM乐队5和4.然而，它将与任何多光谱传感器的SWIR波段介于1.55和1.75 lm和0.76至0.9 lm之间的NIR波段。

2.5热点标识

使用该软件的热点分析工具进行计算Getis-OrdGi *统计量（发音为G-i-star）功能在数据集中。 根据得到的z分数和p值，可以说随着z分数的增加，p值会增加减少一个功能，这是显着的迹象热点。 周围的表面温度是

lt;

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24645]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章