基于多时相数据的土地覆盖变化与热环境影响研究方法技术

本发明专利技术公开了一种基于多时相数据的土地覆盖变化与热环境影响研究方法，实施步骤如下：获取待监测区域的多时相遥感图像，对待监测区域不同时相的遥感数据进行土地覆盖分类制图研究，并统计各土地覆盖类型的面积；对待监测区域不同时相的遥感数据进行地表温度反演，对温度进行分级，分析不同温度等级的时空变化情况；在探究土地覆盖及其变化对地表温度的影响方面：首先，分析不同土地覆盖类型的地表温度在不同季节的温度响应；其次，通过引入地表特征参数半定量研究其与地表温度之间的关系；接着研究土地覆盖类型变化后对地表温度的贡献占比；最后，通过引入分布函数，研究不同土地覆盖类型的热源区信息，此研究方法具有分类精度高等优点。类精度高等优点。类精度高等优点。

【技术实现步骤摘要】
基于多时相数据的土地覆盖变化与热环境影响研究方法


[0001]本专利技术涉及土地覆盖变化与热环境影响评估领域，具体涉及一种基LUCC的土地利用/覆盖变化对地表热环境影响的研究方法。

技术介绍

[0002]“土地利用/覆盖变化”是全球环境变化与可持续发展的重要研究内容，在“国际地圈与生物圈计划”和“国际全球变化的人文因素计划”的共同推动下，LUCC研究已成为当前全球环境变化研究的核心内容之一。土地利用/覆盖类型在热力学性质上的差异一直被认为是影响陆地表面温度的根本原因，因而随着土地利用/覆盖类型的变化陆地表面温度也会随之改变，继而影响地表热环境。因此，了解土地利用/覆盖变化对地表热环境的影响对于评估陆地景观规划的热效应配置十分重要。近年来，随着我国城市化进程的加快，以及人类对地表改造能力的不断增强，使得土地利用/覆盖特征在时间和空间上发生了很大变化。其中城市化进程加快，造成的城市建设用地面积显著增加，城市绿地面积减少，城市热岛效应加剧，城市环境质量和宜居程度下降等。这些问题引起广泛关注，其中，叶笃正院士在第21届国际科技联盟理事会上提出应同等重视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多时相数据的土地覆盖变化与热环境影响研究方法，其特征在于步骤如下：1）获取待监测区域的多时相遥感图像，对待监测区域不同时相的遥感数据进行土地覆盖分类制图研究，并统计各土地覆盖类型的面积；对待监测区域不同时相的土地覆盖类型的变化速度进行研究，并设立研究节点，对比待监测区域设立前后，不同土地覆盖类型的单一土地覆盖动态度和综合土地覆盖动态度两种不同的动态度的变化；2）对待监测区域不同时相的遥感数据进行地表温度反演，对地表温度进行分级，分析待监测区域不同温度等级下的时空变化情况；3）在探究土地覆盖及其变化对地表温度的影响方面；首先，分析不同土地覆盖类型的地表温度在不同季节的温度响应；其次，通过引入地表特征参数半定量研究其与地表温度之间的关系；接着利用不透水面信息部分消除地表温度的季节影响后，定量分析土地覆盖类型变化后对地表温度的贡献占比；最后，通过引入分布函数，定量分析待监测区域不同土地覆盖类型的热源区信息，通过重心移动轨迹进一步探究土地覆盖类型变化对热源区的影响。2.根据权利要求1所述的基于多时相数据的土地覆盖变化与热环境影响研究方法，其特征在于：所述步骤1）中对待监测区域不同时相的遥感数据进行土地覆盖分类制图研究，并统计各土地覆盖类型的面积的详细步骤包括：A1）根据美国地质调查局的土地利用/覆盖分类系统和中国科学院土地资源分类系统这两种分类系统，并结合用于解译的图像特征和待监测区域的实际土地覆盖情况，构建待监测区域的土地利用/覆盖分类标准，综合考虑待监测区域数据空间分辨率及季节差异因素，制定待监测区域的土地覆盖分类体系；A2）选择训练样本，训练样本的选择应满足以下几方面要求：选择每种地物类型的训练样本数量必须要适当，太少的训练样本不具有代表性且难以保证准确性，而太多的样本会增加计算量；训练样本的面积应该足够大，且尽量不选择位于不同地物类别之间的边界附近，保证所选像元的纯净度；选择的训练样本均匀分布在研究区内；A3）建立解译标志，根据遥感图像上目标及周围的影像特征——纹理、大小、色调、形状、图型以及影像上目标的空间排列组合规律，并通过地物间的相互关系，经过综合推理、深入分析来识别目标，建立待监测区域的解译标志；A4）选择分类方法，在对比最小距离法、最大似然法、神经网络分类法、马氏距离法、支持向量机分类方法、随机森林分类法后，选择分类效果表现较好的随机森林方法进行分类；通过选取训练样本，随机构建决策树模型、对决策树分类结果进行综合分析，投票得到最终分类结果；A5）进行分类精度评价，对图像分类结果进行精度分析，利用混淆矩阵对分类结果进行定量评价；所述步骤A5）中对图像分类结果进行精度分析，利用混淆矩阵对分类结果进行定量评价的详细步骤包括：A51）计算总体精度，所述的总体精度，指被正确分类的像元总和除总像元数，其中，被正确分类的像元总和为混淆矩阵的主对角线数值之和，总像元数等于所有真实参考源的像
元总和，根据得到总体精度，其中表示i行i列上的值，n表示分类后的误差矩阵的行数，M表示的是进行分类时所有需要检测地物分类样本的总数；A52）计算生产者精度，根据得到生产者精度，其中表示i行i列上的值， 表示第i行的和；A53）计算使用者精度，根据得到使用者精度，其中表示i行i列上的值， 表示第i列的和；A54）计算Kappa 系数，所述的Kappa 系数，作为评价精度的一个重要指标，它综合运用了混淆矩阵的所有参数，根据得到Kappa系数，其中和分别表示i列的和与i行的和，表示i行i列上的值，n表示分类后的误差矩阵的行数，M表示的是进行分类时所有需要检测地物分类样本的总数；所述步骤1）中对待监测区域不同时相的土地覆盖类型的变化速度进行研究，并设立研究节点，对比待监测区域设立前后，不同土地覆盖类型的单一土地覆盖动态度和综合土地覆盖动态度两种不同的动态度的变化的详细步骤包括：B1）计算单一土地覆盖类型变化动态度，单一土地覆盖动态度的意义在于能清晰地反映出每种土地覆盖类型变化幅度与速度，也能通过类型间的比较反映出变化的类型差异，为以后的驱动力分析提供依据，根据得到监测时段内某种土地覆盖类型的动态度，其中K为监测时段内某种土地覆盖类型的动态度；为监测初期某种土地覆盖类型的数量；为监测期末某种土地覆盖类型的数量；T为研究时段长，当T的时段设定为年时，K的值就是该研究区某种土地覆盖类型年变化率；B2) 计算待监测区域的综合土地覆盖动态度，根据得到综合土地覆盖动态度，其中为监测起始时间第i类土地覆盖类型的面积；为监测时段内第i类土地覆盖类型转为非i类土地覆盖类型的面积和非第i类土地覆盖类型转为i...

【专利技术属性】
技术研发人员：李小梅，沙晋明，周正龙，吴龙滨，王金亮，包忠聪，沙昱，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：