基于遥感的三亚市不透水面及热环境效应分析开题报告

2022-01-12 22:26:24

全文总字数：6899字

1. 研究目的与意义及国内外研究现状

改革开放以来，我国进入了城市化快速发展阶段。随着城市地区的快速发展，由于人类活动造成的大量人工城市景观即不透水面开始逐渐取代自然植被以及水体，使地表覆盖物的类型发生变化，因此不透水面开始逐渐成为最主要的地表覆盖类型。不透水表面(impervious surface)主要是人造结构，例如建筑物、道路、车道、人行道和露天停车场，以及工业区，例如机场、港口等，这些都是由地表水难以穿透的材料覆盖的，例如砖、沥青、混凝土、石头和屋顶等。

作为城市主要地表覆盖面的城市不透水面的时空分布和变化，在很大程度上反映了城市的形态和扩展规律，能够对城市规划有重要的指导意义和参考价值。不仅如此，城市不透水面也是衡量城市生态环境好坏的重要指标之一，能够对城市水文，城市气候和城市环境产生较大的影响。同时，一方面由于城市中的水体的减少，另一方面由于绿地和农田的减少，共同作用使城市中的蒸散被迫减少，城市不能及时通过蒸散去缓解其产生的热量，反过来城市热岛效应就相应地被触发。

所以城市不透水信息的动态变化及其对城市热环境的影响，对于建设可持续发展、生态友好、美丽宜居的城市具有重要的研究意义。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 研究的基本内容

本文以海滨旅游休闲度假城市-三亚市作为研究区，采取Landsat-5 TM和Landsat-8 OLI_TIRS的三亚市1998、2011、2018年的卫星遥感影像作为数据源，利用NDISI指数对三亚市1998-2018年间的不透水面信息及其时空变化进行了提取。同时，还通过提取同一时期的水体，植被，地表温度，与不透水盖度之间进行了定量关系分析，利用线性、指数、多元回归等模型，对四个变量进行分析。

3. 实施方案、进度安排及预期效果

实行方案：

（1）下载遥感数据并对其进行预处理

（2）利用NDISI提取不透水面信息，并对水体，植被与地表温度进行提取（3）分析不透水面时空变化，以及利用线性、回归分析等方法分析不透水盖度，水体，植被对地表温度之间的关系。进度安排：（1）2018年1月，读文献，写开题报告（2）2018年2-3月，整理数据（3）2018年4-6月，提取不透水面信息及其对热环境效应的影响，并撰写论文，答辩预期效果：（1）得出研究区不透水面面积增长面积增长及速率；（2）得出研究区高不透水盖度区域及城市扩张趋势；（3）对不透水盖度、植被、水体与地表温度进行相关分析，得到各个因子对热环境效应的影响。

4. 参考文献

[1] Unite State.WorldUrbanizationProspectsThe2014Revision.(2014) [2015-11-15],

https://eb97cd6e0f4cc74d35c8cdbb28b06266.vpn.nuist.edu.cn/unpd/wup/Highlights/WUP2014-Highl ights.pdf.

[2] 吴梅. 陕西省城市化水平综合评价研究[D]. 西安工业大学, 2010.

[3] Lin D F, Han-Qiu X U, University F. Urban Impervious Surface and its Effects on Thermal Environments in Xiamen:An Analysis Based on Remote Sensing Technology[J]. Journal of Subtropical Resources Environment, 2013.

[4] Arnold C L, Gibbons C J. Impervious surface coverage: The emergence of a key environmental indication. Journal of the American Planning Association, 1996, 62 (2):243-258.

[5] Weng Q . Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J]. Remote Sensing of Environment, 2012, 117(2):34-49.

[6] Weng Q. Modeling urban growth effect on surface runoff with the integration of remote sensing and GIS. Environmental Management, 2001，28: 737-748

[7] Jr C L A , Gibbons C J . Impervious Surface Coverage: The Emergence of a Key Environmental Indicator[J]. Journal of the American Planning Association, 1996, 62(2):243-258.

[8] Weng Q, Lu D. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis, United States.International journal of applied earth observation and geoinformation, 2008, 10(1):68-83.

[9] Lu D S, Weng Q H. Use of impervious surface in urban land-use classification.Remote Sensing of Environment, 2006, 102: 146-160.

[10] Ridd M K. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities?[J]. International Journal of Remote Sensing, 1995, 16(12):2165-2185.

[11] Carlson T N, Arthur S T. The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology: a satellite perspective. Global and Planetary Change.2000, 25(1):49-65.

[12] Hodgson M E, Jensen J R, Tullis J, Riordan K, Archer R. Synergistic Use of L1DAR and Color Aerial Photography for Mapping Urban Parcel Imperviousness. Photogrammetric Engineering and Remote Sensing, 2003, 69(9): 973-980.

[13] Braun M, Herold M.Mapping impervious surface using NDVI and linear spectral unmixing of ASTER data in the Cologne-Bonn region. Proceedings of SPIE, 2004, 5239:274-284.

[14] Xian G, Homer C . Updating the 2001 National Land Cover Database Impervious Surface Products to 2006 using Landsat Imagery Change Detection Methods[J]. Remote Sensing of Environment, 2010, 114(8):1676-1686.

[15] 顾海燕, 李海涛, 杨景辉. 基于最小噪声分离变换的遥感影像融合方法[J]. 国土资源遥感, 2007(2).

[16] Xue-Mei M A, Xiu-Li L, Xi-Feng L I , et al. Extracting Valley Impervious Surfaces and It’s Change Information Based on the Technology of Data Mining[J]. Bulletin of Surveying Mapping, 2007:i,133-268.

[17] 徐涵秋, 王美雅. 地表不透水面信息遥感的主要方法分析[J]. 遥感学报, 2016, 20(5):1270-1289.

[18] Supporting Global Environmental Change Research: A Review of Trends and Knowledge Gaps in Urban Remote Sensing[J]. Remote Sensing, 2014, 6(5):3879-3905.

[19] Liu C, Shao Z, Chen M, et al. MNDISI: a multi-source composition index for impervious surface area estimation at the individual city scale.Remote Sensing Letters, 2013, 4(8):803-812.

[20] Deng Y, Wu C, Li M, et al. RNDSI: A ratio normalized difference soil index for remote sensing ofurban/suburban environments. International Journal of Applied Earth Observation and Geoinfonnation, 2015, 39: 40-48.

[21] 李霞. 基于多尺度遥感影像的不透水面信息提取[D]. 2015.

[22] Liu C, Shao Z, Chen M, et al. MNDISI: a multi-source composition index for impervious surface area estimation at the individual city scale.Remote Sensing Letters, 2013, 4(8):803-812.

[23] 徐涵秋, 唐菲. 新一代Landsat系列卫星：Landsat 8遥感影像新增特征及其生态环境意义[J]. 生态学报, 2013, 33(11):3249-3257.

[24] 赵英时等编著.遥感应用分析原理与方法.北京:科学出版社，2003.173-173.

[25] Hanqiu XU. Analysis of Impervious Surface and its Impact on Urban Heat Environment using the Normalized Difference Impervious Surface Index (NDISI)[J]. Photogrammetric Engineering Remote Sensing, 2010, 76(5):557–565.

[26] 李霞, 徐涵秋, 李晶,等. 基于NDSI和NDISI指数的SPOT-5影像裸土信息提取[J]. 地球信息科学学报, 2016(1):117-123.

[27] 徐涵秋．一种快速提取不透水面的新型遥感指数［J］．武汉大学学报( 信息科学版) ，2008，33( 11) : 1150 － 1153．

[28] 徐涵秋. 利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J]. 遥感学报, 2005, 9(5).

[29]Defries R S, Townshend J R G. NDVI-derived land cover classifications at a global scale[J]. International Journal of Remote Sensing, 1994, 15(17):3567-3586.

[30]丁凤, 徐涵秋. TM热波段图像的地表温度反演算法与实验分析[J]. 地球信息科学学报, 2006, 8(3):125-130.

[31]Landsat 8数据地表温度反演算法对比[J]. 遥感学报, 2015, 19(3):451-464.

[32]高分五号热红外数据地表温度反演算法研究[D]. 中国农业科学院, 2017.

剩余内容已隐藏，您需要先支付 5元才能查看该篇文章全部内容！立即支付

注册

找回密码