美国大陆内不同生物群落的城市热岛效应遥感研究外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

美国大陆内不同生物群落的城市热岛效应遥感研究

Marc L. Imhoff a,⁎, Ping Zhang a,b, Robert E. Wolfe a, Lahouari Bounoua a.

摘要

利用基于Landsat TM的NLCD 2001数据集的不渗透表面积(ISA)和MODIS数据在三个年周期(2003-2005年)的平均地表温度(LST)进行空间分析。评估美国大陆38个人口最多的城市热岛(UHI)皮肤温度幅值及其发展强度、大小和生态环境的关系。以不渗透表面积为基础来研究的开发强度区，对于从城市核心向附近非城市农村地区的每个城市区域，均利用温度和NDVI指数来研究，并用于对土地进行分层抽样。因取样受到生物群落和海拔的限制，为确保区域间和不同生物群落中城市之间的客观比较，需要在不同的生态环境和不同的尺度下，划分城市地区之间的有序区域，使不同的生态环境和不同规模的城市地区保持一致。

研究发现，生态环境对夏昼UHI的幅值有显著影响，为以温带阔叶混交林生物群落为主的城市，温度差最大(平均8℃)。综合考虑所有城市，不渗透表面积是气温上升的主要驱动因素，解释了平均地表温度总变化的70%。按年平均计算，城市建成区比非城市边缘温暖2.9°C，但在干旱和半干旱气候的生物群落中的城市地区除外。在4.3°C时，UHI的平均振幅是显著不对称的。夏季温差为1.3°C，冬季仅为1.3°C。在干燥环境中，平均地表温度对不渗透表面积的响应呈现出一个非特征的“U形”水平梯度从城市中心开始下降，然后从郊区再增加到农村地区。这些为城市计算热辐射指数表明了可能的散热器效应。这些观测结果表明，城市热岛振幅随城市规模的增大而增大，且对大多数生物群落的大量城市来说是季节性不对称的。其含义是对于在森林生态系统中发展起来的城市地区来说，夏季的热岛比冬季的热岛要高得多，说明住宅能耗较高

作者：Elsevier Inc.

1. 介绍

2008年，世界上一半以上的人口是城市居民，预计到2030年城市人口将达到81%(人口基金，2007年)。随着全球城市化进程的加快，人们越来越有兴趣了解其对一系列广泛的环境因素的影响，包括净初级生产(Imhoff等人，2000年)，生物多样性 (Reid，1998年；Rickettsamp;Imhoff，2003年；Sisk等人，1994年和其他)，以及地方、区域和全球尺度上的气候和天气(Trenberth等人，2007年)。

城市变暖与城市热岛的形成是城市土地转化的一个重要属性，热岛信号具有广泛的科学意义。热岛效应（UHI）影响人类健康、生态系统功能、当地天气和可能影响气候的重要地表变化。UHI现象通常被认为是由潜热中的热量减少引起的。城市地区的感热随着植被和蒸发的土壤表面而增加，取而代之的是相对不透水、低反照率、道路和建筑材料。这在城市与周边非城市地区之间的温度。这个温差被曼利(1958年)称为城市热岛(第一次)，自那以后人们投入了大量的精力。利用气温和地表温度研究这一重要的城市现象(例如Grimmondamp;Oke，2002年；Quattrochiamp;Ridd，1994年，Shepherd amp; Burian，2003年；Rosenzweg等人，2005年) ).

许多观测研究通过比较城市和农村气象站地面观测到的气温来估计UHI的大小(例如，Oke，1973年)。一般情况下，空气温度 UHI具有较强的昼夜周期，在夜间更为重要。UHI对长期气温趋势分析的潜在影响是众所周知的，并作出了相当大的努力。 ECT在比较不同地区的UHI效应时的气温偏差(例如，Gallo等人，1993年；Hansen等人，2001年；Karl等人，1988年；Kukla等人，1986年)。

城市热现象也能以地表温度为特征。由于透射率tau;的复杂性，地表温度可能比同期气温更高，变化也更大。 城市环境中的表面类型和城市地形的变化(例如Nichol，1996年；Streutker，2002年)，它们更容易与地表条件本身相关(Nicholamp;Wong2005；欧文) 等人，1998年；Voogtamp;Oke，2003年)。由于表面温度和冷却速度比空气快，所以在中午和夜间气温最高的是表面温度(roth等人，1989).

我们感兴趣的是表面UHI效应，因为表面的转换更直接地联系到与强度和强度相关的一系列更广泛的物理和生物物理过程的改变。除土地覆被变化外，我们对城市土地转换的强度和生态环境的变化都很感兴趣。

陆地表面温度、植被指数和其他地表特征的遥感数据被广泛用于描述UHI现象(Galloamp;Owen，1999；Gallo等人，1993年；Weng et.) 但不同城市地区之间的比较由于缺乏客观的定量值和普遍商定的关于城市密度定量值，以及城市与非城市地区之间的差异而受到阻碍。开发30米分辨率陆地卫星ETM和IKONOS图像的不渗透表面积(Yang等人，2002年；荷马等人，2004年)是提供全大陆范围数据的合理解决办法。ISA数据估计了不透水的表面积的相对数量，例如道路和停车场的人行道和聚集在一起的材料。被定义作为城市土地利用和水质的关键环境指标(Arnoldamp;Gibbons，1996年)。ISA数据已成功地与其他类似的解决方案结合使用。遥感地表温度和植被指数数据，以表征温差(塞安和克兰，2005年；袁和鲍尔，2007年)。

虽然这些详细的研究为理解城市尺度热环境过程提供了一个极好的基础，但生态环境的更广泛的作用却常常被忽视。城市土地流转的流动力作为驱动因素或强迫变化的形成取决于其生态环境(即相对于更广泛的景观功能群正在改变的地表类型)、程度。改变了以前的土地生态系统，改变了其表面的范围和分布。而总的来说，城市热岛的振幅是肯定与城市密度相关的，是一个相对测度(城乡温度)。这意味着生态环境在强度上和范围上都具有一致性。农村地区的热特性，例如，在半干旱和干旱的气候(农村地区是沙漠灌木)中，观察到城市热岛或城市热沉现象（Bououa等人，2009年；Brazel等人，2000年；Lugeay等人，1996年；Pena，2008年；Shepherd，2006年）。

此外，作为景观层面的驱动过程，城市基础设施的非随机布局也产生了一定的影响。改变相对较小但自然资源丰富的区域。景观热力角度对某些过程的影响大于对功能上不太重要的过程。当然，这在很大程度上取决于感兴趣区(Imhoff等人，2000年)。 例如，2001年的情况表明，由于美国的城市化是在最自然生产的土壤上进行的，因此它对大陆的影响过大(Nizeyaimana等人，1997年)。CAL潜力净初级生产力(NPP)。例如，城市化的土地面积不足3%，就足以抵消29%的地表转化为农业所带来的NPP收益。 因为城市土地转换是在最好的土壤上进行的。类似的情况是“评估城市化对生物多样性的风险”(Reid，1998年；Ricketts amp;Imhoff，2003年；Sisk等人，1994年)。

本文利用卫星和生态地图数据相结合的方法，对美国大陆不同生物群落的UHI响应进行了表征和相互比较，考察了它们之间的关系。计算那些类似生态环境下城市的季节UHI，并比较主要生物群落的UHI幅度。

2.方法和数据

2.1陆地生态区域

我们的主要目标之一是研究不同城市密度下生态环境对UHI振幅的影响。由于城市化改变生态系统功能或状态的程度是相对于以前的情况，为过程中发生的生态环境为量化变化建立了基线条件。允许比较城市内部和我们使用Olson等人开发的陆地生态区域地图。(2001)根据各城区的生物群落，对其进行分层分析和约束。生态区地图将美国大陆划分为10个生物群落，每个生物群落代表着生物物理、气候、植物学和动物生境特征的组合，这是一个独特的地理区域。我们选择分层抽样，美国城市使用这一观点，因为它们中包含了气候因素，以及理解生态过程所处的动态环境所需的其他生物地理信息。而城市化中人类活动的交互作用最为强烈。

表1

在美国大陆人口最多的38个城市地区使用了按生物群落分类的研究。

我们将温带阔叶林和混交林分为北方组(FE)和南方组(FA)，所有其他生物群都是由奥尔森人绘制的生态区域地图(Olson等人，2001年)。

在这项研究中，我们分析了美国大陆38个人口最稠密的城市地区的数据，这些地区分布在6个最大的生物群落中。我们进一步细分了两个较大的生物群落(温带阔叶林、混交林和温带草地、草原和荒原)区分东北和中大西洋森林以及北部和南部中西部草原( 表1)。在这项研究中，每个城市地区收集到的所有温度和NDVI数据只有处于优势生物群落的情况下才会被纳入分析。这就消除了对定量值的交叉操作的影响。恶劣的生物气候环境是城市区域内观测到的温差的潜在污染物，并利用通过生物群落对UHI效应进行分组和

比较。

2.2城市密度的阳离子

在基于地理信息系统的空间分析中，我们使用陆地卫星的陆地大尺度土地覆被图(NLCD)的不透水表面积(ISA)数据来识别单个城市区域，根据ISA密度将其内部分层，并估计它们的大小。利用Landsat 7 ETM和IKONOS对人造卫星进行了分区防渗面数据的推导。自然或植物表面的表面(见Yang等人，2002年)。虽然此参数不包含有关反照率或三维结构的可检索信息，但它以定量的形式获取开发强度。基于ISA的转换强度可能与地表生物物理学的变化有关。 通过与其他空间共登记数据的比较，包括城市表层和边界层的感热和潜热定值。最近，Yuan and Bauer (2007)and Xian amp;Crane(2005) )证明从ETM 和NLCD发展而来的ISA数据可以用来在局部尺度上对城市密度和表面温度进行严格的比较，这表明了更广泛的应用有适当的温度数据是可能的。

我们使用25%的ISA阈值来处理基于大地卫星的专题数据中的多边形25%的阈值，定义城市和低强度住宅用地之间的合理边界(Lu和Weng，2006)。提供合理的空间相干城市分组(图1)。因此，我们这里的多边形与命名城市重叠，但不一定与合并或地籍(行政)辖区相匹配。然而，最重要的是25%ISA阈值的区域与城市建设用地分类的MODIS陆地覆盖图(图1D)之间的密切匹配。MODIS LST检索算法 THMS依靠这张地图来估算表面发射率(wan等人，2004年)，因此这里的紧密匹配确保城市多边形内的温度比较是基于使用相同pa值的检索结果。定义单个城市，地方，城市多边形后，我们进一步分层的景观内部和周围使用基于ISA和距离的类。在本文中，我们基于类定义了良好的区域。从城市中最高的ISA到最低的同心圆环中的%ISA：1)城市核心=具有75%至100%ISA的像素(这些是城市，2)Urban1=像素在75%到50%之间(75%gt;ISAge;50%)；3)Urban2=像素具有50%~25%的

图1.使用NLCD 2001数据集上的不渗透表面积阈值的城市区域。图A显示一个不间断的城市多边形，25%ISA等高线；图B显示676个城市的内部50%的不透水水轮廓；图C显示5300多边形的内部75%的不透水轮廓。我们使用25%的ISA等高线来描述城市-郊区边界。图D显示关闭城市和建设用地25%ISA等高线与MODIS土地覆盖等级的空间匹配。紧密的空间重叠确保分配给MODIS LST拆分窗口的发射腔。三个城市区域(城市核心、城市1和城市2)的温度反演算法是相同的。

ISA(50%gt;ISAge;25%)-这是最后一个城市区域，其外部边界定义为25%的阈值；4)郊区=位于25%ISA等高线附近和外部0-5公里的缓冲区内的像素(像素小于25%ISA)；5)农村(或非城市)=位于5公里宽环内的像素。距离25%ISA等高线45至50公里之间，其ISA小于5%(图2A，b)。这个乡村圈被选在离城市中心足够远的最佳距离上，以代表一个偏远地区。农村地区还不至于太远，影响了25%的周边城市或其他生物群落的轮廓。像素落在重叠的生物群落、其他城市地区或地形图海拔plusmn;50米处。 分析不包括城市核心的平均高程。

2.3地表温度(LST)与NDVI

为了表征ISA区的地表温度和植被的存在，我们使用MODIS-Aqua版本5，8天的复合材料(MOD11A2)LST进行高质量控制(wan等人，2004年)和 16天综合NDVI(Huete等人，1994、1997年)，分辨率1公里times;1公里(均涵盖2003年至2005年)。来自MOD11A2的LST是在下午1：30和1：3从晴空观测到的(99%的可信度)。 0AM使用广义分割窗口算法(wanamp;Dozier，1996)。通过对一组多维查找表进行插值，给出了分割窗口算法中的fi算法。 VED采用线性回归的MODIS模拟数据，从辐射传输计算得到的地表和大气条件范围较宽。这些查阅表已不断更新(wan等人，2004年)和MODIS LST多个试验场现场测量结果的比较表明，该方法的准确度优于1K，均方根小于0.5K。 (wan,2008;Wang等人,2008年)。

利用LST数据描述城市地区的水平温度梯度，用NDVI描述各城区植被密度的时间变化。如前所述以前，城市地区每个区域的温度和NDVI数据只有在城市的主导生物群落中才能被收集。这消除了交叉进入不同的生物气候环境。环境作为一种潜在的影响，观测到的温度差异在城市地区，并允许分组和比较的UHI效应通过生物群落。

2.4地形和人口数据

地形数据被用作过滤器，从分析中排除因海拔和阴影而产生的温差。我们使用925 m SRTM 30(Farramp;Kobrick，2000年)数据集，用于确定城市地区的平均海拔，并从分析中排除所有其海拔在plusmn;50m窗口之外的像素与平均海拔。

图2.图A和B展示了每个城市的fi区域典型布局示例。城市核心、城市1和城市2基于每个像素的ISA百分比。郊区由小于25%ISA的像素发生在与2

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17875]，资料为PDF文档或Word文档，PDF文档可免费转换为Word