原名：Analysis of surface urban heat islands based on local climate zones via spatiotemporally enhanced land surface temperature
译文：基于局部气候区时空增强地表温度的地表热岛分析
期刊：Remote Sensing of Environment
发表时间：2022.3
作者：Haiping Xia,Yunhao Chen*, Conghe Song, Junxiang Li, Jinling Quan, Guomo Zhou
DOI: 10.1016/j.rse.2022.112972
1.研究背景
城市热岛影响人们的生产生活，建成区面积增加和人为释放热源增多是城市热岛加剧的主要原因，因此，准确监测城市热岛效应对城市规划具有重要意义。卫星的热红外(TIR)遥感数据是研究城市热岛效应的主要途径，但TIR传感器的空间分辨率和时间分辨率之间的权衡限制了SUHI在空间和时间领域的研究，且缺少夜间观测数据，因此数据分辨率及数据类型亟待提升。
地表城市热岛（SUHI）的测量方法影响SUHI的可靠性。目前主要包括3种常用的测量方法：第一使用LST来测量SUHI变化量；第二使用统计模型推导SUHI的空间异质性；第三利用城市和郊区的LST差异来量化SUHI，第三种是目前使用最为广泛的方法。该种方法中，城市及郊区等参考区域的定义是重中之重，不同参考区域的选择会使得实测SUHI存在较大差异。局地气气候区(LCZ)可以很好地解决上述问题，该体系考虑了地表结构和性质，将在水平尺度上跨越数百米到数公里的均匀地表覆盖、结构、材料和人类活动的区域划分为10种建筑类型和7种土地覆盖类型。诸多学者已证明LCZ分类体系在SUHI研究中的适用性。
本研究旨在协同使用粗分辨率和细空间分辨率TIR数据获得的时空增强地表温度(LST)进行UHI分析。本文结合空间降尺度和时间插值技术，分别生成白天和夜间100 m分辨率的LST数据，并结合局部气候区分析北京市的SUHI。
2.研究方法
图1 研究区域
2.1 LCZ分类
LCZ分类体系包括17种类型，其中10种是建筑类型，7种是土地覆盖类型，涉及其建筑、覆盖和材料属性（详见表1）。本研究使用WUDAPT工具获得LCZ，其总体精度达到0.79，主要的分类过程在SAGA平台上实现，其流程图如图2所示。
表1 LCZ分类方案
图2 LCZ分类流程图
2.2 100m分辨率的LST生成
由于空间降尺度和时间插值在原理和目的上的不同，本文将这两种技术结合起来生成100 × 100 m分辨率的LST数据，总体流程如图3所示。
本研究使用Landsat 8 LST来验证白天时空增强LST的精度，而夜间LST则通过9个气象站点的LST进行精度评价(见图3 (b))，评价指标包括均方根误差(RMSE)、平均绝对误差(MAE)和Pearson相关系数(r).
图3生成100 × 100 m分辨率LST的流程图。(a)对VIIRS LST进行预处理;(b)地表LST的空间降尺度过程;(c)降尺度LST的时间插值过程。
2.3 SUHII的量化
特定LCZ的SUHI定义为给定LCZ X类型与LCZ D的LST差值，计算公式如下：
其中SUHIILCZx表示LCZX类型的SUHII,LSTLCZx为LCZ X类型的平均LST, LSTLCZD为LCZD类型的平均LST。
除了分析基于LCZ的SUHIIs外，本文还估算了基于城市-郊区分类的SUHI，其强度由城市与郊区的平均LST差计算，具体可描述为:
城市和郊区的划分由MODIS土地覆盖产品(MCD12Q1)获得，其中城市像元直接取自分类产品，郊区像元取自城市像元周围的农田像元(见图1(a))。此外，将海拔高于100m的像元剔除，以避免海拔因素对实验结果的影响。
3.研究结果
3.1 LCZ分类结果
图4LCZ分类结果.(a): 100米;(b): 1000米。
LCZ分类图如图4所示。北京的LCZ呈围绕市中心的圆形。LCZ 1和LCZ 2位于中心，周围是LCZ 8和LCZ D，其中LCZ 8占比最大，占32.2%。经过滤波后，几乎所有LCZ类型的有效像素都有所下降。因此，本文用于SUHI分析的LCZ类型包括LCZ 1、LCZ 2、LCZ 4、LCZ 5、LCZ 6、LCZ 8、LCZ D，其比例见表2。LCZ 3、LCZ 7、LCZ 9和LCZ 10类型由于所占比例低，本文将其排除在外，因为LCZ分类错误可能影响SUHI分析。
表2 研究区每个LCZ类型有效像素比例。
3.2 基于单日LST的SUHIII分析
本节利用单日数据获取SUHII，将降尺度LST的SUHII特征与Landsat 8、ASTER、VIIRS和MODIS LST进行比较。包括采集于2017年7月10日和9月12日的Landsat 8和VIIRS日间LST数据和采集于2019年1月13日和9月1日的ASTER和MODIS夜间LST数据。结果表明，无论是日间还是夜间，降尺度LST捕捉LCZs的SUHII差异能力与Landsat 8/ASTER的LST数据一致。如图5所示，降尺度LST的SUHI等级排序与Landsat 8/ASTER LS的SUHI等级排序高度相似。
图5 研究区的SUHII和平均LST。(a)-(b):日间SUHII;(c)-(d): 夜间SUHII。“DLST”为柱状图中LST降尺度后的SUHII。
3.3 基于日LST的SUHII分析
本节基于日LST分析SUHII特征，探讨不同数据用于SUHII分析的差异。由于在夜间没有可用的高分辨率LST，本文使用7张白天收集的Landsat 8 LST数据评估时空增强LST的准确性，而夜间LST则通过9个天气站点的LST进行评估。日间LST的时空增强精度如表3所示。
表3 日间LST的时空增强精度。
在日间，所有数据中所有LCZ的SUHII在夏季较高，在冬季较低(见图6)。与时间插值的粗分辨率LST相比，时空增强LST在夏季的SUHII较大，冬季的SUHII较小。
图6 各LCZ类型在日间的SUHI。(a): LCZ 1;(b): LCZ 2;(c): LCZ 4;(d): LCZ 5;(e): LCZ 6;(f): LCZ 8。“DLST”和“PATC”分别表示时空增强LST (100 m)和时间插值VIIRS LST (1000 m)的SUHIIs;“VNP”和“CKFM”分别表示原VIIRS LST (1000 m)和经CKFM降尺度LST (100 m)的SUHII;DLST-PATC表示时空增强LST的SUHII减去插值VIIRS LST的SUHII。
在夜间，各LCZ的SUHII在冬季较高，在夏季较低(见图7)，与日间SUHI的变化不同。与时间插值LST相比，通过时空增强LST获得的SUHII数值在一年中大部分时间都更高。这主要是因为在冬季，夜间总存在一个热岛，而白天总存在一个冷岛。
图7 各LCZ类型在夜间的SUHI。(a): LCZ 1;(b): LCZ 2;(c): LCZ 4;(d): LCZ 5;(e): LCZ 6;(f): LCZ 8。“DLST”和“PATC”分别表示时空增强LST (100 m)和时间插值VIIRS LST (1000 m)的SUHII;“VNP”和“CKFM”分别表示原VIIRS LST (1000 m)和经CKFM降尺度LST (100 m)的SUHII;DLST-PATC表示时空增强LST的SUHII减去插值VIIRS LST的SUHII。
3.4 LCZ在白天和夜晚不同时刻的热行为
本节使用月平均LST数据进行分析，比较时空增强的LST的SUHI与时间插值的VIIRS LST和原始VIIRS LST的SUHI。本文将日LST合并为月平均产品，对三种合并后的LST进行比较。
从图8可以看出，各LST的SUHII在一年内的变化基本一致，日间SUHII夏季高冬季低，夜间SUHII夏季低冬季高。不同LST的SUHIIs之间的差异主要存在于达到最大值的幅度和时间上。白天，时空增强LST和时间插值LST中各LCZ最大的SUHII出现在7月，而原始VIIRS LST表明各LCZ最大的SUHII出现在8月。与原始VIIRS LST相比，更准确地显示了最大SUHII发生的时间。此外，时空增强LST的最大日间SUHII高于时间插值LST和VIIRS LST，尤其是在紧密型建筑类型中。
图8 月度SUHII。“urban”表示通过城市-郊区分类得到的SUHII，“Mean”表示SUHII的年平均值，“LCZ1-4”表示LCZ1与LCZ 4的SUHII差值，“LCZ2-5”表示LCZ2与LCZ 5的SUHII差值。(a)-(b):通过时空增强LSTs (100 m)分别获得日间和夜间SUHII;(c)-(d):分别由白天和夜间的LST (1000 m)插值得到的SUHII;(e)-(f):分别在白天和夜间通过VIIRS LST (1000 m)获得的SUHII;(g)-(h):每月参考地区的平均最低地表水位及可供VIIRS使用的最低地表水位的百分比。
4.结论
本文结合空间降尺度方法(CKFM)和时间插值技术(PATC模型)，生成了北京市城市局部气候区SUHII的日100 m分辨率LST。结果表明，本文的研究结果与以往的研究结果高度一致，支持时空增强的LST在表征基于LCZ的SUHII方面的可靠性。在不同时间尺度上的SUHI分析建议在基于日和月LCZ的SUHI分析中使用时空增强的LST。这些发现为时空增强LST在基于LCZ的SUHI研究应用提供了新的思路。未来建议在城市热环境研究中采用更可靠的LST时空增强技术和LCZ分类技术,LCZ分类方案在用于城市规划前，需要在更多城市进行测试。
5.引用格式
XIA H, CHEN Y, SONG C, et al. 2022. Analysis of surface urban heat islands based on local climate zones via spatiotemporally enhanced land surface temperature.[J] Remote Sensing of Environment, 273.
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
