地
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
温度与植被指数相关性的空间
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
特征as
地表温度与植被指数相关性的空间标准
特征as
地表温度与植被指数相关性的空间标准特征 2011年11月15日
摘 要:为了揭示植被改善城市热岛的量化关系,以重庆市主城区为例,在不同的尺度上
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
了地表温度与归一化植被指数之
间的相关性,分别从全局和局部出发分析了两者之间的线性关系。结果发现,在120m尺度上两者之间的相关性最强,空间相关
场表明相关性在空间上呈现较强的异质性;全局普通线性回归和地理加权回归分析发现,两者之间没有显著的线性关系,这说明
可能还存在其他多种因素的复杂影响。
关键 词:风景园林;地表温度;归一化植被指数;空间尺度推绎;空间相关场;地理加权回归;重庆市
地表温度是地—气系统相互作用过程中的一个重要物理参数[1]。地表
温度的变化改变了城市热环境,影响了区域天气、城市水文、空气质量、
城市土壤理化性质、城市生物的分布、行为以及诸多城市生态过程如物
质代谢、能量循环等,引发了一系列生态环境问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
[2]。植被叶面的遮阳和
蒸腾作用能降低气温、调节湿度、吸收太阳辐射,对改善城市小天气有
积极作用[3],其面积大小和数量是改善城市热力环境的重要因子[4]。基于
RS和GIS技术,早在1990年,Smith & Choudhury就分析了地表温度
和NDVI的关系[5],Hope & McDowell(1992)研究了牧区草地地表温度和
NDVI的关系[6],Shigeto(1994)用昼夜城郊的地表温度分别与不同下垫
面类型的NDVI做了线性回归分析[7]。Buyantuyev & Wu(2010)分析了地
温与包括植被在内的多个影响因素之间的复杂关系[8]。在国内,有学者分
别选择某种植被指数(NDVI、CVI、BVI)与亮温、TM6波段灰度值或地表
温度求相关系数,或建立回归模型[9-13];李延明等(2004)将NDVI转换为
实验区的绿地面积和覆盖率[14],并与区域热岛比例做了回归分析。已有的
研究均是从研究区全局(Global)的角度出发分析了两者之间有较强的负相
关性,并讨论了线性回归的显著性。然而,地表温度与植被指数是典型的
空间连续分布变量,两者之间的关系有怎样的空间尺度依赖性和空间异质
性,本文从局部(Local)角度出发,通过尺度推绎,利用空间相关场和地
理加权回归方法,分析两者之间的关系及其在空间上的变异性,试图揭示
两者之间的相关性的空间尺度依赖规律,及其空间变异特点,为合理规划
与建设城市绿地系统,减弱城市热岛效应,改善城市生态环境提供有意义
的参考。
1 数据与研究方法
1.1 研究区域
选择重庆市内环线以内的区域,即主城核心区及其周边快速扩展区作
园林生态 Landscape Ecology
Chinese Landscape Architecture 69
为研究靶区,介于106.43?E~106.60?E,
29.45?N~29.63?N,南北长约19km,东
西宽约16km,面积220.87km2。最大高程
392m,最低高程109m,均匀高程225m。
长江和嘉陵江分别从南北2个方向环抱渝中
区,在朝天门交汇,形成渝中半岛。除渝中区
外,还包括江北区、沙坪坝区、渝北区、大渡
口区、九龙坡区、南岸区和巴南区的一部分。
受地形和河流的自然分隔,形成分片的多中
心、组团式结构。该区域属于老城区,人口密
度大,建筑密度高,区内自然植被、次生植被
与人工植被共存,多样性丰富,快速城市化引
起的热岛效应十分突出。
1.2 数据来源与处理
1.2.1 数据来源与处理
使用TM5遥感影像(2007.9.20),空间分
辨率30m,行列号分别为p128r39和p128r40。首先借助ERDAS进行大
气矫正和辐射矫正,并利用30m分辨率的DEM进行地形校正,纠正诸如
地形阴影、图像扭曲等误差,再进行滤波去除雾,然后使用直方图匹配方
法调整2景图像色调至一致。然后,利用ERDAS/Mosaic工具进行镶嵌拼
接。以主城区1:5万地形数据为标准参考数据,在ArcGIS9.3中选取56个
桥梁、道路交叉口、河流拐弯和交汇处等同名地物点作为控制点,进行2
次多项式几何精校正,输出像元大小仍保持为30m,精度小于一个像元。
1.2.2 LST与NDVI信息提取
1)地表温度。
大量的研究表明[15-17],TM数据是区域环境研究中最重要的遥感数据
之一[18],第6波段为热红外波段,空间分辨率为120m,很适适用来进行
城市尺度的热环境研究。运用单窗算法对TM第6波段进行定量反演[19],通
常包含3个过程:(1)将影像灰度值转化为行星反射值;(2)将行星反射值
转化为地表辐射亮温;(3)将地表辐射亮温转化为地表温度(Land Surface
Temperature, LST)。将反演结果减去273.15转化为摄氏温度。LST的
反演公式和参数取值,详见文献[16-19]和TM数据说明文档。反演得到
研究区地表温度LST分布如图2。
2)归一化植被指数(Normal Different Vegetation Index, NDVI)。
利用绿色植物在红光波段和近红外波段反射光谱的明显差异,计算归
一化值得到植被指数NDVI。NDVI增强了对植被的响应能力,常常被用
来研究区域和全球植被活动状态的重要指标。首先计算出波段对应的行星
反射值,然后计算NDVI = (LNIR-LR)/(LNIR+LR),LR、LNIR分别表
示红光波段Band3和近红外波段Band4的行星反射值。NDVI的值介于-1
和1之间,一般以为生长季节NDVI大于0表示有植被覆盖,其值增加表示
绿色植被的增加,超过0.5表明植被生长状态好,覆盖密度大。在研究区
内随机选取30个样方(30m×30m),对比样方内NDVI值与真实的地表植
被,发现其值大于0.1时,有较好的植被覆盖[20],总体精度为0.86,完全
可以满足分析的需要[21]。
1.3 研究方法
1.3.1 空间尺度推绎
地理学研究对象格局与过程的发生、时空分布、相互耦合等特性都是
尺度依存的(scale-dependent)[22]。也就是说,这些对象表现出来的特质
是具有时空尺度特征的,即地理事物内部的某种关系可能只在某种尺度上
才表现出来。为此,按照尺度上推,从原始分辨率开始,共设置30m、
60m、120m、250m、500m、1 000m、2 000m、4 000m、8 000m
9个空间尺度的网格,统计每个网格内的LST均匀值和NDVI平均值,求
取两者之间的Pearson相关性,并试图采用普通最小二乘法(Ordinary
Least Squares, OLS)进行线性回归分析,以探究LST与NDVI之间的相
关性的尺度依赖。
1.3.2 空间相关场
在9个不同的尺度上进行的相关分析,没有考虑到空间异质性对LST
与NDVI之间关系的影响。LST和NDVI的Global Moran's I指数分别为
0.91(p=0.01)和0.81(p=0.01),这表明两者在空间上是不均匀分布,属
于十分显著的聚集空间分布格局,加之样本点较多,对相关分析结果
产
生影响较大,两者之间的整体相关并不能表达局部特征。局部的差异往
往导致了两者相关程度的空间变化,反映了两者之间的相关程度在空间上
的异质性。连续变化的空间变量之间的相关程度表现为一个连续变化的空
间曲面[23-24],定义为空间相关场(Spatial Correlation Field,
SCF)。在具
体计算时,取5×5的移动窗口,即利用这25个样本对计算出一个相关系
数,将该相关系数赋予窗口中心的像元。窗口每次移动一个像元的距离
(120m),直到窗口中心覆盖所有像元为止。
1.3.3 地理加权回归
以上从全局和局部2个层面分析LST与NDVI的相关性,并在全局层
面上进行了线性回归关系,由于OLS模型只估算一个全域(Global)的
回
图1 研究区(内环线)位置示意图图2 研究区地表温度LST与500m×500m网格
70 中国园林
归系数,无法揭示局部(Local)范围内NDVI对LST的影响。本节从局部
出发,利用地理加权回归(GWR)分析空间异质性分布的变量之间的线
性关系。GWR模型是英国Fotheringham研究空间非平稳性时提出的
新方法[25],是对传统回归分析的扩展,允许局部而不是全局的参数估
计,通过附加表达空间对象本身相关性和异质性的变化参数,反映样本
对回归方程贡献在空间上的分异,使回归结果更加可信[26]。在传统的
标准OLS模型基础之上,引入地理位置,假定回归系数是观测点地理
位置的任意函数,将数据的空间特性纳入模型中。GWR在每一个点上
计算出一个局部的方程,局部样点对该方程的贡献是通过与回归点的
空间邻近程度的加权函数来度量的。利用ArcGIS9.3/Spatial/GWR工
具,以LST为因变量,NDVI为解释变量(自变量)。权重函数的校准采
用自适应方法(Adaptive),采用最小AICc方法确定带宽,权重函数为„„
2 结果与分析
2.1 LST与NDVI的整体相关性随尺度的变化
用9个尺寸的矢量网格覆盖研究区,分别统计网格内LST与NDVI的
平均值,制作两者的散点图。剔除NDVI<0的网格后,计算得到两者的
相
关性系数,并进行显著性检验。9种空间尺度水平上的统计量见表1,随
着尺度的变化,地表温度与植被指数之间的关系呈现出了特有尺度依赖
性。从原始尺度30m开始,随着粒度尺度的增加,两者之间的相关关系从
显著的负相关性变化至不显著的正相关性。其中,在粒度为120m时,两
者之间的负相关性达到最强;当粒度大于1km后,两者之间变为了正相关
关系,并且随粒度进一步增大,正相关系数不断增大,但是相关性是不显
著的。
在9种推绎尺度上,无论是正相关还是负相关,无论相关性是显著还
是不显著,两者的散点图均表现出了十分稳定的“三角形”[27-28]。在相关
系数检验为显著的5个尺度水平上,利用OLS回归分析,发现两者之间并
没有显著的简单线性或非线性关系,可能是更复杂的非线性关系。这足以
说明,植被虽然能通过蒸腾和蒸散作用起到降温的作用,而且植被指数越
大即表明植被生长越旺盛,郁闭度高,降温调节作用越强,但是还受到了
其他要素的强烈影响。
以相关性最强的120m尺度为例,网格统计得到的散点图(图3)发现,
在“三角形”的3个方向上,分别代表了水域、绿地、建设用地。1)其
中,水域的LST较低,同时NDVI为负值,水域恰好被清晰地区分为长江
和嘉陵江2个点簇,究其原因,2007年内环线区域嘉陵江两岸的滨江路已
经开通,同时两岸有大量的工业企业,半数以上已经新建或正在改建为沿
江的住宅,而长江两岸的滨江路和新建或改建还处于起步阶段,导致嘉陵
江及其两岸的NDVI值相比长江更低。2)“三角形”的另外一个方向代表
绿地,其NDVI值最大,对应的LST较低,内环线区域的绿地集中分布
几
个公园及其周边区域。3)“三角形”的第3个方向代表建设用地,
NDVI小
而LST高,内环线区域的建设用面积占绝对优势,对应的散点数量也
是最
多的。
空间尺度
30m
60m
120m
250m
500m
1 000m
2 000m
4 000m
8 000m
样本数量(NDVI>0)
40 079
20 034
11 199
2 810
767
221
69
22
8
Pearson相关系数
-0.344 4
-0.344 6
-0.372 8
-0.337 5
-0.303 6
-0.137 2
0.031 5
0.118 4
0.309 7
显著性
显著(p<0.01)
显著(p<0.01)
显著(p<0.01)
显著(p<0.01)
显著(p<0.01)
不显著
不显著
不显著
不显著
表1 不同粒度水平上LST与NDVI之间的相关性
2.2 LST与NDVI的空间相关场
在相关性最强的120m空间尺度上,计算空间相关场(图4),结果
发现两者之间的相关性在空间上有显著的异质性分布特征。除内环线沿
线因计算过程中产生的边缘效应外,整个内环线之内,相关系数r介于
[-0.9855,0.9866],正、负相关系数在空间上的分布差异十分明显。
0.25,r?0.5面积最大,占总面积的18.2%;其次为0.5,r?0.75占
15.91%;0,r?0.25占总面积的15.2%;相关性小于-0.75的具有较强
负相关的地区,其面积仅占5.19%。在绿地或公园较集中的地区,例如龙
头寺以北,东环立交桥周边绿地、洪恩寺公园、平顶山公园、九龙坡区桥
梓塘村及其周边等区域,呈现较强的负相关性,绿地面积越大越集中,相
关性就越强。相反,呈现正相关关系的地区占总面积的45.51%。其中,
在典型的非植被覆盖区域,例如长江和嘉陵江水面,LST与NDVI之间有
较强的正相关性,面积较大,占总面积的15.04%。
除以上这种“极端”的较单一、简单的地表覆盖外,其他大部分地
区均为植被与非植被覆盖的混杂布局,在TM影像上表现为混合像元,
其
NDVI值也部分地反映了植被的面积、盖度和生长活力等综合信息,绝大
部分地区的NDVI与LST之间也存在负相关性。
图3 120m空间尺度上LST与NDVI之间的散点图
0.50
0.40
0.30
0.20
0.10
0.00
-0.10
-0.20
-0.30
LST/?
B 嘉陵江
A 长江
C 绿地
D 建设用地
NDVI
Chinese Landscape Architecture 71
2.3 GWR分析
在120m粒度水平上,普通最小二乘法回归(OLS)的效果较差,回归系数和截距均不能通
过检验。对比AIC 、R2、调整R2等检验值,GWR相比OLS效果明显提高。
2.3.1 GWR残差分布
对于每个观测点,均对应一个回归方程,LST为因变量,NDVI为解释变量或自变量,相
应地得到一个回归残差(图5)。由于GWR分析是假设模型的随机扰动项是独立、互不相关的,
而且具有相同的方差。经过地理加权回归分析后,残差是否还存在空间自相关,如果残差存在
空间自相关,就会像全局OLS模型那样对分析结果产生严重的影响。为此,利用空间自相关
Moran's I 指数来检验残差的空间相关程度。经计算,Moran's I=0.48(p=0.01),说明NDVI与
LST之间的关系受到空间异质性影响十分强烈,对回归模型产生显著的影响,导致回归模型得
到的回归系数的
机械加工工艺规程详解 :
,4579180a.html 可信度大大降低,甚至是失败的。
2.3.2 自变量NDVI对因变量LST的解释程度
每一个局部的回归模型对应一个拟合优度Local R2,表达自变量对因变量的解释程度。从
空间部分(图6)上看,Local R2最小为0,最大为0.904 7,较大值主要分布在3类区域。第一类
区域是长江和嘉陵江水面;第二类区域是植被覆盖度较高的公园和某些孤立的山体,例如洪恩
寺公园、斧头岩、平顶山、南山山体植被等;第三类区域是工业集中区域,例如九龙坡区的陈
家坪和杨家坪地区,以及上桥和桥梓塘村等地区。这3类区域的混合像元相对较少,而其他区域
的Local R2则非常小。对Local R2的统计可以发现,小于0.1的占38.88%,即超过1/3的回归
方程,其自变量NDVI解释因变量的LST能力小于10%,也就是说NDVI几乎没有解释LST的能
力。Local R2小于0.5的回归方程个数共占总数的79.51%,即绝大部分的回归方程,其自变量
NDVI解释LST的能力小于50%。
Local R2大于0.5的回归方程仅占总数的20.49%。这些方程中,NDVI能解释LST的50%
以上的信息,再进一步分析这些回归方程,选择观测值与模型模拟值之差(Residual)在(-1?,
1?)之间的方程,在空间上集中在水面、公园绿地和工业集中区的内部,即地表覆盖相对单一
的区域。
从Local R2的分布和统计的总体趋势上看,NDVI对LST的解释程度较低,而且空间异质性
较强,说明除了NDVI影响LST外,还有其他因素对LST有较大的影响。事实上,在城市中,
LST与地表覆盖类型有着直接的密切关系,不同的地表类型其物理结构不同,热容量和热辐射
有较大差异,直接导致了LST有较大差异,而植被只是其中一种地表覆盖类型,因其显然与潜
热的交换功能,致使出现相对较低的LST。虽然NDVI是度量植被的一个很好的指标,但是它是
一个综合性的指标,主要体现在3个方面的度量能力。首先,表达了植被的“覆盖量”,在城市
地表覆盖复杂,在30m分辨率的TM影像上混合像元是普遍存在的,NDVI值越高,表达了该混
合像元内植被的覆盖比例越大,必然会出现较低的LST。其次,NDVI表达了植被的郁闭度,郁
闭度越高,枝叶间隙越小,叶面积越大,植被的潜热与显热交换能力越强,LST越小。再次,
NDVI值越高,表明了植被生长越旺盛,大部分植物在夏季有较充足的光、热、水条件,通常枝
繁叶茂,植物叶绿素含量较高,生长活力较高,导致了LST较低。
3 结论与讨论
3.1 结论
1)植被热辐射能力明显小于建筑表面,而且热容量相对较大,潜热存储能力大于感热。
绿化植被降低温度,无疑对改善城市热环境具有积极的作用,其调节局部小气候的生态功能
是明显的,是毋庸置疑的。然而,基于30m分辨率的TM遥感影像上,在不同的空间尺度上
(Global),除了集中大面积分布的植被区域会出现“纯净”的植被像元外,绝大部分是“混
图4 LST与NDVI的空间相关场
图5 GWR残差分布
图6 Local R2空间分布
72 中国园林
合”像元,即一个像元实际上包含了几种地表覆盖物,从而形成了一个
“综合”的地表辐射灰度值。虽然LST像元大小为120m,但是NDVI
分辨率为30m,通过网格取平均值的方法,LST与NDVI之间的关系在
120m的空间尺度上,负相关性达到最强, 即降低地表温度的生态功能
是
最显著的。
2)从局部(Local)相关的角度出发,利用空间相关场和地理加权回归
方法,对地表温度和植被指数的关系进行了分析。结果发现,两者之间均
有显著的负相关性,然而,两者之间不存在简单的线性关系,可能是较复
杂的非线性关系。实际上,植被在进行潜热与显热交换过程中,除了受到
植被面积、植物郁闭度、植被生长活力、植物高度、树种配置、树冠类型
等自身因素影响外,还要受到周围环境的较大影响,例如周围地表覆盖
类型、离道路的距离、道路材质、离周围建筑物的距离、周围建筑物的高
度、密度和材质等多种因素的影响。
3.2 讨论
在快速城市化过程中,自然植被破碎化,被大量的开发建设活动所
清除或蚕食,丧失殆尽,残存的少量自然植被仅仅集中分布在公园,以及
坡度较大的难以利用的陡坡区域。城市中更多的是大量的人工化植被,例
如道路绿化、街头绿地、广场绿地、居住地、高校、研究机构、大型企
业工厂内部附属绿地,这些绿化植被在物种结构和种植方式等方面具有
较高的人工化,空间上分散分布,往往面积较小,破碎程度高。特征
在
城市中大面积集中分布的绿地或林地是十分罕见的,而且在城市的公园或
者林地中,也夹杂分布着建筑物或构筑物,使得绿地实际上并非纯绿地或
林地。城市中的绿地不可能无穷大,也很少有不包含建筑物的“纯净”绿
地或林地。在城市绿地规划建设中,针对绿地降低热岛效应的生态功能,
120m×120m 即1.44hm2是否就是一个合理的参考尺度,还需要使用不
同的分辨率的遥感影像数据和大量的实际工作来验证。
[22] 李双成,蔡运龙.地理尺度转换若干问题的初步
探讨[J].地理研究,2005,24(1):11-18.
[23] 郭仁忠.空间分析(第二版).北京:高等教育出
版社,2001:246-248.
[ 2 4 ] 韩贵锋.中国东部地区植被覆盖的时空变化及
其人为因素的影响研究[D].上海:华东师范大学,
2007:95-97.
[25] Fotheringham A S, Brunsdon C, Charlton M.
Geographically weighted regression:the analysis of
spatially varying relationships . West Sussex: John
Wiley & Sons Ltd, 2002: 28-30.
[26] 邵一希,李满春,陈振杰,等.地理加权回归在
区域土地利用格局模拟中的应用:以常州市孟河镇
为例[J].地理科学,2010,30(1):92-95.
[27] Owen T W, Carlson T N, Gillies R R. An
assessment of satellite remotely-sensed land cover
parameters in quantitatively describing the climatic
effect of urbanization[J]. International Journal of
Remote Sensing , 1998, 19(9): 1663-1681.
[28] Yuan F, Bauer M E. Comparison of impervious
surface area and normalized difference vegetation index
as indicators of surface urban heat island effects in
Landsat imagery[J]. Remote Sensing of Environment ,
2007, 106(3): 375-386.
(编辑/王媛媛)
作者简介:
韩贵锋/1975年生/男/陕西西乡人/博士/重庆大学
建筑城规学院、山地城镇建设与新技术教育部重点
实验室
17025实验室iso17025实验室认可实验室检查项目微生物实验室标识重点实验室计划
副教授/研究方向为植被生态遥感与GIS在城
市规划中的应用(重庆 )
梁保平/1975年生/男/陕西西安人/硕士/广西师范
大学环境与资源学院讲师/研究方向为城市生态环境
保护(桂林 )
参考文献:
[1] 历华,曾永年,OO培东,? 利用多源遥感数?br />
> 反演城市地表温祢J]..遥感学报?0077?1(6))?91-
> ?98.
> ?2] 肖荣波,欧阳志云,李伟峰,?.城市热岛的生?br />
> 环境效览J]..生态学报?0055?5(8))?055-2060.
> ?3] 杨士? 城市绿化树木的降温增湿效应研綶J]. ?br />
> 理研究?9944?3(4): 74-80.
> ?4] Donkyu Y. Evaluation of vegetation of urban area
> ?y numerical simulation of heat balance[J]. Journal of
> ?rchitecture. Planning and Environmental Engineering ,
> ?999, 6(520): 69-75.
> ?5] Smith R C G, Choudhury B J. On the correlation
> ?f indices of vegetation and surface temperature over
> ?outh-eastern Australia[J]. International Journal of
> ?emote Sensing , 1990, 11(11): 2113-2120.
> ?6] Hope A S, McDowell T P. The relationship
> ?etween surface temperature and a spectral vegetation
> ?ndex of a tallgrass prairie: effects of burning and other
> ?andscape controls[J]. International Journal of Remote
> ?ensing , 1992, 13(15), 2849-2863.
> ? 7 ] S h i g e t o K . R e l a t i o n b e t w e e n v e g
e t a t i o n ,
> ?urface temperature, and surface composition in the
> ?okyo region during winter[J]. Remote Sensing of
> ?nvironment , 1994, 50: 52-60.
> ? 8 ] B u y a n t u y e v A , Wu. U r b a n h e a t i s l a
n d s a n d
> ? a n d s c a p e h e t e r o g e n e i t y : l i n k i n g
s p a t i o t e m p o r a l
> ?ariations in surface temperatures to land-cover and
> ?ocioeconomic patterns[J]. Landscape Ecology , 2010,
> ?5(1): 17-33.
> ?9] 肖胜,廖福霖,倪志荣,?.应用遥感技术研究?br />
> 门市热岛效应与植被覆盖的关蟍J]..东北林业大学?br />
> 报?0022?0(3))?41-143.
> ?10] 沈涛,袁春琼,刘玉?.乌鲁木齐市热岛强度?br />
> 布与植被覆盖相互关系的遥感研綶J]..新疆气象?br />
> ?0044?7(1) ?8-30.
> ?11] 程承旗,吴宁,郭仕德,?.城市热岛强度与?br />
> 被覆盖关系研究的理论技术路线和北京案例分蝃J].
> 水土保持研究?0044?1(3))?72-174.
> ? 1 2 ] 延昊,邓莲?.利用遥感地表参数分析上海?br />
> 的热岛效应及治理对眯 J ] ..热带气象学报? 0 0 4 ?br />
> ?0(5))?79-585.
> ?13] 王勇,李发斌,李何超,? RSS覩ISS支持?br />
> 城市热岛效应与绿地空间相关性研綶J]..环境科学?br />
> 究?0088?1(4))?1-87.
> ?14] 李延明,张济和,古润?.北京城市绿化与热?br />
> 效应的关系研綶J]..中国园林?004(1))?2-75.
> ?15] 岳文泽,徐建?.上海市人类活动对热环境的?br />
> 蟍J]..地理学报?0088?3(3))?47-256.
> ?16] Weng Q, Lu D, Schubring J. Estimation of land
> ?urface temperature:vegetation abundance relationship
> ?or urban heat island studies[J]. Remote Sensing of
> ?nvironment , 2004, 89: 467-483.
> ?17] Weng Q. Fractal analysis of satellite:detected urban
> ?eat island effect[J]. Photogrammetric engineering &
> ?emote sensing , 2003, 69(5): 555-565.
> ?18] Sobrino J A, Jimenez-Munoz JC, Paolini L. Land
> ?urface temperature retrieval from Landsat TM5[J].
> ?emote Sensing of Environment , 2004, 90(4): 434-440.
> ?19] Qin Z, Kanieli A. A mono-window algorithm
> ?or retrieving land surface temperature from Landsat
> ?M data and its application to the Israel-Egypt border
> ?egion[J]. International of Remote Sensing , 2001,
> ?2(18): 3719-3746.
> ?20] 韩贵锋,徐建华,袁兴中,? 19888?0011年?br />
> 庆市主城区植被的时空变籁J]..生态学杂志?0077?br />
> ?6(9))?412-1417.
> ?21] Foody G. Status of land cover classification accuracy
> ?ssessment[J]. Remote Sensing of Environment , 2002, 80:
> ?85-201.
特别声明:
1:资料来源于互联网,版权归属原作者
2:资料内容属于网络意见,与本账号立场无关
3:如有侵权,请告知,立即删除。