利用巴基斯坦费萨拉巴德的光学多时相卫星数据进行陆地表面温度和土地利用土地覆盖变化的CA-马尔可夫链分析外文翻译资料

 2023-03-15 15:21:41

利用巴基斯坦费萨拉巴德的光学多时相卫星数据进行陆地表面温度和土地利用土地覆盖变化的CA-马尔可夫链分析

摘要：元胞自动机模型用于模拟空间分布,马尔可夫链模型用于模拟时间变化。本研究的主要目的是考察城市增长对费萨拉巴德的影响。本研究旨在利用元胞自动机马尔可夫链( CA-Markov-chain )预测季节性地表温度( LST )以及土地利用和土地覆盖(LULC)。利用Landsat 5、7和8数据,绘制1990年、1998年、2004年、2008年、2013年和2018年5月和11月的LULC和LST季节分布。为了模拟2018-2048年10年时间的长期景观变化，开发了CA-马尔可夫链。此外,非植被指数Urban Index ( UI )较好地预测了夏、冬季地表温度,与反演的夏、冬季地表温度相关性最高,R2 = 0.8962,R2 = 0.9212。通过CA-Markov链分析,预计2018年和2048年高密度和低密度住宅小区将分别从22.23km2增长到24.52 km2和108.53 km2增长到122.61 km2。考虑UI作为季节性LST的预测因子,我们预测2018-2048年夏冬气温24-28℃和14-16℃及地区覆盖率将从10.75%下降到3.14%和8.81%下降到3.47%，而夏冬气温35-42℃和冬季26-32℃地区覆盖率将从城市的12.69%上升到24.17%和6.75-15.15%。

关键词：土地利用，地表温度，城市扩张，植被指数，CA-马尔可夫链分析

  1. 介绍

在全球范围内，土地利用和土地覆盖(LULC)项目启动后，土地利用监测项目已成为国际气候和环境科学不可或缺的一部分。城市化以吸热表面和房屋取代自然环境为标志，导致城市温度高于农村和郊区[1]。高温发生在中央商务区(CBD)和高密度住宅区(HDR)[2]。这些类型的温度变化可能对建成区产生负面的环境和社会经济影响，包括增加暖气和空调的消耗，从而提高能源价格和与污染相关的健康威胁[3,4]。尽管如此，由于随着城市的覆盖范围扩大和保护被削弱，不可渗透的表面和建筑物被替代。对于可再生城市化和制定计划，需要了解未来温度与LULC变化预测之间的关联，需要评估地表温度和局部LULC的影响，以提高城市地区的精确适应、预防、规则设计和执行能力。

一些实验针对LULC趋势和LST之间的相互作用，利用遥感数据而不是提供的可能的预测[5]。由于混合了低热辐射率、潜热传输弱和吸热能力强，这项研究说明，城市范围内的易感表面以较高的温度为特征。相反，低温也是湿地和植被区等自然景观的特征[6,7]。研究还着眼于与人口发展相关的自然和长期历史温度变化[5]。研究人员使用植被和城市指数来证明LST和LULC之间的可测量关联，而不是天气趋势的潜在影响[8]。例如[9]，描述了NDVI（标准化差异植被指数）与NDBI（标准化差异裸露指数）相结合的温度降低，而NDWI（标准化差异湿度指数）显示温度随着NDBI升高（归一化差异建立指数）。LST与LULC指数变异性之间的关联性很强，因此LULC指数的变异性，如FVG（Vegetation Fraction）和NDBI具有准确预测温度的能力。然而，关于使用LULC指数来预测城市LULC和LST趋势的潜在空间传播的文献还很缺乏。

尽管他们成功地预测了人口发展趋势，但只有一项分析使用土地覆盖指数来估计土壤表面温度的预测分布[10]。虽然[10]NDVI已被用于估计剩余城市正常生态系统和潜在的LST值，但归一化差异植被指数被认为浸泡在较大的植被部分，因此温度变化很小。先前的研究清楚地表明，归一化差异植被是比其他植被和非植被指数，即NDBI和ISA（不透水表面积）更弱的LST预测因子。此外[10]，使用单个卫星图像计算NDVI以表示完整的季节；考虑到季节可能因土地覆盖而有很大差异，这是一种受偶然因素影响的技术。因此，必须改变方法，例如包括土地覆盖指数的季节性估计。在另一项分析中，使用线性回归方法对各种指数计算LST，得出增强型建筑和裸露指数(EBBI)、NDBI、NDWI、NDVI、建筑指数(BI)、土壤调整植被指数(SAVI)和城市指数(UI)[11]。因此[10]，指出如果线性回归模型中包含许多变量，由于解释因素的共线性影响的咔嗒声，可能会影响获得的因变量的精度。环境预测既可靠又有价值，但暗示需要首先找到一种方法来正确估计LST，而不会因共线性影响而出错。

为了预测LULC和城市扩张的变化，已经使用了马尔可夫链模型[6,12]。例如，[9]，卡塔尔多哈的马尔可夫链分析表明，预计到2020年建成区将增加20%。全球和局部模型被广泛用于预测温度，排除城市趋势并考虑其影响[13,14]。这些模型不太适合理解区域现象，因为它们的分辨率很粗糙，因此需要进一步缩小[15]。此外，全球和区域模型强调温室气体引起的温度变化，尽管由于LULC变化的影响而导致温度变化。马尔可夫链相关建模提供了预测环境转变的能力，提供了对由于植被变化而导致的潜在热表面特征的洞察[10]。该研究非常适合在相同的时空分辨率下预测温度变化以及土地利用土地覆盖模式的季节性变化，因此能够模拟区域过程，例如城市地表动态。马尔可夫链模型为预测未来的LST提供了巨大的潜力，由于早期在测量土地利用土地覆盖变化相关影响、可用性、灵活性和简约性方面取得的成就，需要进一步探索。这项研究对于指导如何根据城市发展的历史模式将城市热环境预测到未来具有重要意义。来自全球各地的大量研究表明，城市化有助于LST的变化，但巴基斯坦仍然缺乏关于这个问题的文献。该国的气象研究基本上都采用大尺度气候模型和现场气象数据，集中降水和一般针对农业的影响[16-18]。然而，该地区基于遥感的气候研究仍然很少，特别是在城市小气候范围内。同时，基于遥感的城市发展估计主要集中在量化近期LULC的长期变化 [12]。

许多社区在全球核心市场中横向和纵向发展[19]。巴基斯坦，特别是费萨拉巴德，没有合适的LULC管理结构。最近通过多时相和光谱陆地卫星数据集将城市化与历史第一模式相关联，然后没有预测潜在的发展及其对费萨拉巴德小气候的影响。因此，据我们所知，巴基斯坦尚未产生基于RS（遥感）的潜在人口发展率、城市土地利用设计及其对LST的影响的预测。因此，利用中等分辨率的遥感数据集来预测城市发展及其对巴基斯坦城市热气候的影响非常重要。这有可能促进地方一级的适应过程，加强与温度相关的决策，促进结合LULC转换可能产生的微气候效应的平衡城市发展。

在巴基斯坦等发展中国家，环境增长是一个令人不安的问题。由于许多因素，巴基斯坦的城市转型并未顺利进行，其中之一是可持续性尚未得到考虑。因此，城市化、城市扩张和扩张率的研究对于费萨拉巴德的经济发展非常重要，也引起了全球众多政府部门、城市规划者和城市学者的极大兴趣。区域政策制定者和社区规划者可以从可持续扩张的工作中获得最佳收益。为了确定新开发项目的边界并了解费萨拉巴德地区的城市扩张，此类研究尤其必要。快速的城市化影响了农业用地和土地利用模式，在世界范围内产生了问题。

本研究使用 Landsat 5、7 和 8 数据确定季节性土地覆盖指数，这些数据代表旁遮普省费萨拉巴德的季节性（夏季和冬季）地表温度(LST)和季节性（夏季和冬季）土地利用土地覆盖(LULC)变化之间的相关性，巴基斯坦从1990年到2018年。该研究还确定了最适合使用CA-Markov-Chain预测土地利用土地覆盖和LST季节性分布的特定指数。另一个目标是在土地覆盖指数中使用夏季（5月）和冬季（11月）的季节性图像，而不是早期研究中使用的单一季节，在将土地覆盖的季节性模式建模为元胞自动机马尔可夫模型的输入时。

  1. 数据与方法
    1. 研究区

这项研究是在巴基斯坦工业城市费萨拉巴德进行的。它位于31°25′15Prime;N到 73°5′21Prime;E（图1）。费萨拉巴德的平原地区大部分位于旁遮普省的上东侧，海拔高度为604英尺（184m）。该市适当地扩展了大约52,142英亩的土地，而该地区大约占地1,443,703英亩。1901年，费萨拉巴德的人口为9171人，1941年增加到70,000人，1951 年由于穆斯林难民的迁移而分裂后增加到179,000人。十年后，这个数字已经达到了425,000。根据1998年的人口普查，人口增加到约200.9万，2018年超过356万。下切纳布沟是负责灌溉80%耕地的基本水源基础设施。费萨拉巴德位于具有钙质特征的冲积黄土上，使该地区的生产力极高。Chenab河在西北部流动约30公里，而Ravi河在距该地区约40公里的东南部流动。市区最高气温夏季45℃至冬季15℃。夏季的日平均最高和最低温度分别为39℃和27℃。冬季降至约17℃和6℃[20,21]。

图 1.研究区的地理位置和点用于统计探索植被指数与温度之间的关系

    1. 数据采集和图像处理

Landsat 5 TM、7 ETM 和 8 OLI/TIRS中分辨率图像用于计算LULC和LST。费萨拉巴德的条列带为149/38的图像来自美国地质调查局地球资源观测与科学中心(USGS-EROS)（HTTP：// earthexplorer.usgs.gov /）的两个季节，夏季（5月）和冬季（11月）。在1990，1998年，2004年，2008年，2013年和2018年所有这些图像有不到10％的云层（表1）。选择Landsat数据是因为它们易于访问并广泛用于LULC和LST分析中的分类。我们使用无云图像进行分析，如表1和表2所示。对于大气校正，我们使用了ENVI 5.4（美国哈里斯地理空间解决方案公司）[22]。图像预处理从图层叠加开始，在组合必要的波段后创建多光谱图像。图像也经过校准以去除噪声[23]。该技术对于帮助在数据收集时提供有关数据的任何有用详细信息非常重要，即传感器尺寸、太阳高度和大气状态。在ENVI中扩展，使用三角形方法从 Landsat 7(ETM )中消除了2004年和2008年的扫描线。扫描每个波段的线后，两个波段都在ArcMap 10.6中打开，并以与 Landsat 7(ETM ) 相同的分辨率（空间和辐射测量）导出波段。所有地图都使用45个地面控制点(GCP)、地形图(1:50,000)和航空图像进行了几何修改，所有GCP都是在不变特征和道路交叉点的卫星图像上获得的。城市边界是从城市单元遥感和地理信息系统(GIS)实验室获得的。

1990年、2004年和2018年的季节性卫星图像用于开发模型并评估预测地表变化的准确性，而1990年、1998 年、2004年、2008年、2013年和2018年的数据（表1）用于构建真实的季节性预测。为了检查该模型的性能，更改了卫星图像的10年间隔（1998、2008 和 2018）。表一说明了1990年、1998年、2004年、2008年、2013年和2018年的夏季（所有图像来自 5 月）和冬季（所有图像来自11月）季节的开始。每年使用每个季节的一张卫星图像来计算地表温度以及用于预测季节性LULC和季节 LST分布的植被和非植被指数。使用季节性平均值消除了随机性的影响。

    1. 土地利用土地覆盖分类 (LULC) 准确性评估和制图

lt;

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596049]，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