英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

评估城市内表面能量通量使用遥感ASTER图像和常规气象数据：案例研究美国印第安纳波利斯

摘要：表面热通量的季节和空间变异性对于了解城市热岛现象和动态至关重要。为了估算能量通量，源于生物物理变量的远程遥感需要整合在气象站中测量的或原位现场测量的表面大气参数。在本次研究中，通过组合使用多光谱ASTER图像和常规气象数据，我们应用双源能量平衡算法这种方法来估计表面能量通量，并将其应用于美国印第安纳波利斯市，目的在于深入理解能量通量的空间模式。通过计算土地利用和土地覆盖（LULC）类型的通量，我们进一步研究了热通量的空间变异性。结果表明能量通量具有强烈的季节性特点：夏季有最高的净辐射，其次是春季，秋季和冬季。显热通量通常随表面温度变化很大，而潜热大部分受到植被丰度和活力的变化及其伴随水分条件的控制。所有热通量的波动通常高在夏季和低在冬季月份。显热和潜热通量显示出更强的空间可变性比净辐射和地热通量。土地利用/覆盖类型中净辐射的变化主要归因于地表反照率和温度，而湍流热通量内的变异性更大程度上与植被、水体和其他地表因素等的变化相关。

关键字：城市遥感；地表能量通量；城市内变异；季节性；城市热岛

一.引言

大多数以前的城市热岛（UHI）研究已经使用在中尺度中进行的能量预算方法，这种方法将能量流分离成可测量的相关组件的仿真建模。 众多方法已经被提出并应用了，比如原位场的方法测量，单源表面能量平衡算法（SEBAL）和双源能量平衡（TSEB）算法^[1]-[5]。Oke等人^[4]获得的净辐射，明显的和潜热通量密度在屋顶水平直接测量。Bastiaanssen等人^[1]开发了SEBAL算法可以独立计算热通量。Kato和Yamaguchi^[2]开发了一种定量人类活动热排放作为能量平衡模型的残留物的方法，以及进一步应用该方法来估计存储热通量^[3]。Timmermans等人^[5]比较SEBAL和TSEB算法，发现了它们的优点和缺点。SEBAL和TSEB之间的主要区别在于土壤和植被是否分别处理。对于TSEB而言，土壤和植被的热通量是分别计算的，而对于SEBAL而言，它们作为合成物被计算。大部分的地球表面只有部分植被。因此，双源模型通常可以估计表面能平衡的精度高于单源模型，特别是当两个源显示了非常不同的辐射特性和大气耦合时^[5]。现有的文献表明，从观察^例如[6][7]和建模^[8]两方面评估城市表面能平衡已经下了很大功夫。然而，尽管存在一些有趣的研究^{例如[2][3][9][10]}，基于卫星的城市能源预算评估受到科学界的关注不及预期中的，特别是，在城市规模中的能量通量建模。

因为可以改变城市气候的城市地区的形态特征发生在微观尺度，所以这是一个伟大的挑战，即在没有充分了解城市形态情况下，进行能源预算的实地研究和完全理解UHI机制。众多遥感技术已经到可以发展支持有效的城市感知形态特征，检测监测离散土地利用/覆盖类型，以及估计生物物理变量^[11][12]。在城市气候研究中，遥感热红外（TIR）图像已被使用来测量陆地表面温度（LST）和发射率^[13]。这些测量提供了用于分析城市热景观模式和其与地表生物物理特性的关系的基本数据，可以评估UHI效应和相关的LST与表面热通量特征景观属性、模式和过程^[14]的关系。通过组合使用TIR和光学传感数据，遥感图像可用于估计关键表面参数，这对估计表面能通量是必须的，表面能量通量与土壤 - 植被系统和表面土壤水分，辐射强迫组分，以及对它们的表面响应指标有关（即LST）^[15]。以前的研究集中在用于估计与土壤-植被相关的系统和辐射强迫组成的变量的方法上，但较少的研究与地面气象或地面辐射仪器^[15]相关的证明。使用遥感的表面能通量估计已经用原位数据验证，但在大部分情况下，仅限于农业或森林景观相对较小的空间尺度。例如，Humes等人^[16]估计在俄克拉何马的两个小仪表流域与机载和卫星传播的数据的空间分布的表面能量通量。表面能量通量的模型估计与地面通量的地基测量可以进行很好地比较。在2000-2007年间产生于表面辐射预算网（SURFRAD）， Wang和Liang^[17]把MODIS和ASTER数据LST和发射率产品与长波辐射观测资料进行比较。他们发现ASTER LST的平均偏差为0.1C，而MODIS LST的平均偏差为-0.2°C。Czajkowski、Kustas ^[19]和French^[21]等人提供了与遥感表面 - 大气通量（主要是仪器化农业地点的蒸散量）相关的其他研究的例子^[18]。 然而，很少有研究相关的表面 - 大气通量的估计，其来自卫星在城市的地面常规气象数据。因此，迫切需要整合从遥感图像得到的信息和来自气象站网络和/或原地现场测量的信息，以模拟城市地表能量通量。城市热遥感文献正迅速增加，但城市表面能量估计的工作尚未得到扩展。大多数以前的工作^{[2][3][21] - [24]}结合卫星测量与气象数据，基于单源表面能量模型来估计和分析城市热通量的空间模式。

在本研究中，基于TSEB算法，我们应用了城市地表热通量分析方法，组合使用遥感（光学和TIR）数据和气象站的常规测量。这个方法被应用于四个Terra的美国印第安纳州马德里县的在不同季节获得的ASTER图像（印第安纳波利斯市），以评估空间模式及其在表面能平衡中的变化。通过计算土地利用和土地覆盖（LULC）类型的热通量，我们进一步探讨了城市内部的能量通量的变异性。最后，我们研究了非表面因素如风速和空气动力参数，受影响的热通量的估计。

二.数据和方法

1.研究区域和气象数据

印第安纳波利斯是全国第十二大城市，位于中西部的一个平原。快速发展的城市化通过侵入相邻的农业，森林和其他非城市土地来增加其建成区。印第安纳波利斯属于大陆性气候，七月平均高温是30℃，低温为16℃；1月高温平均值为1°C，低温度-8℃。湿度变化取决于天气前锋和盛行风的位置。冬天可能是漫长而寒冷，伴随来自大湖地区吹来的大量的暴风雪。风寒可以达到-30ordm;C，没有自然特色如由于北极加拿大空气冲击的山地保护区。春天和秋天则空气温度舒适且有许多雷暴发生。该市的年平均降雨量为41英寸（1,040mm），而每年的降雪量变化在约20至30英寸之间（500-760mm）。（https://climate.agry.purdue.edu/climate/index.asp）

计算热量通量所需的地面气象数据包括太阳辐射，空气温度，相对湿度，空气压力和风速。太阳辐射数据从国家气候数据中心（NCDC）获得，其提供每小时模拟的太阳辐射数据，还有来自国家太阳辐射数据库（NSRDB）在1991年和2005年之间的每小时气象数据。早些版本的数据库也可用于印第安纳波利斯机场站覆盖1961-1990年间的。由于短波辐射随日期和时间的变化，我们选择了同一天建模的在NSRDB测量和卫星立交之间的图像采集日期和最接近的匹配时间作为短波辐射值。空气温度，相对湿度，空气压力，和风速数据获自印第安纳州气候办公室和NCDC。向国家气候数据中心报告的这些气象站提供每小时测量的常规参数，还有降水等其他气候条件。在最接近每个卫星立交的时间所测量的气象数据被用于本研究中。这些气象参数假定在整个研究区域是恒定的。由于研究区域是平坦的，空气温度没有因高程差异而校正。在每个卫星立交之前了解陆地表面的水分条件，核查降水记录。气象研究中使用的数据显示在表1中。

表格 1在估算热量通量中使用的气象数据

2.遥感数据采集和预处理

马萨诸塞州、印第安纳州的ASTER图像从2000年10月3日（12:00:51东部标准时间，秋天图片），2001年6月16日（11:55:29，夏天图片），2004年4月05日，（11:46:39，春季图片）和2006年2月06日（11:45:36，冬季图像）获得，用于研究季节性表面热通量的变化。此外，一个2006年10月13日（11:40:01）的ASTER图像与2000年10月3日的图像进行比较目的为了检验非表面因素对热通量的估计的影响。 ASTER数据产品包括表面动力学温度，表面光谱发射率，VNIR（可见光和近红外）和SWIR（短波红外）表面光谱辐射，这些产品来自NASA。Gillespie等人^[25]报道了把ASTER红外转化为陆地表面温度（LST）的测量的方法。我们使用了VNIR和SWIR光谱辐射的ASTER数据产品来计算光谱反射率。根据Liang ^[26]和Ogawa 等人^[27]各自研究，把表面光谱反射率和光谱发射率数据转换成地表反照率和宽带发射率。 所有ASTER图像被重新采样到90米分辨率以对应于它们的TIR频带的空间分辨率。通过从15米到90米重新取样，原始的辐射度反射带将被保留，而过程不会在结果数据中引入自相关。 使用大气校正的表面近IR波段和TM数据红光波段的反射率计算NDVI。应用线性光谱混合分析（LSMA）进行推导分数图像。有关终端成员选择的详细信息和植被分数的估计（在本研究中表示为）由Weng等人^[28]讨论。非植被分数（表示为）计算为：1-。

使用ASTER VNIR和SWIR波段，六种LULC类型通过采用非监督分类算法来识别，即迭代自组织数据分析^[29]。图1示出了结果分类的LULC图。分别实现^[29]的整体分类精度为92％（2004年4月5日，图像），88.33％（2001年6月16日，图像），87％（2002年10月3日，图像），87.33％（2006年2月6日，图像），89％（2006年10月13日，图像）。五个分类图像之间的比较表明了每类的幅度和空间格局彼此对应，也反映季节和时间差异^[29]。

图1.美国印第安纳波利斯的土地利用和覆盖分类图

五个日期（由左上至右下：（a）2004年4月5日;（b）2001年6月16日（c）2000年10月3日; （d）2006年2月6日;和（e）2006年10月13日）

3.估算地表热通量

3.1净辐射（）

净辐射计算如下：

其中是净辐射，（= 5.67 * W/（* ））是Stefan-Boltzmann常数，是大气发射率，是宽带反照率，是短波辐射，是地表宽带反照率（假定与向下的长波辐射吸收率相等），是大气温度，是地表温度^[5]。

大气发射率（）计算如下：

其中是大气水蒸汽压力，它是基于对饱和水蒸气压e *和相对湿度的估计^[30]。

表面反射率可以使用如下公式计算：

其中：是表面反射率，是传感器辐射率，d是地球 - 太阳距离，是

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28012]，资料为PDF文档或Word文档，PDF文档可免费转换为Word