[发明专利]一种多时空尺度下城市热环境形成发展主导因素识别方法

权利要求书

1.一种多时空尺度下城市热环境形成发展主导因素识别方法，其特征在于，包括以下步骤：

步骤1、利用Landsat遥感影像数据反演地表温度，并结合MODIS地表温度产品，采用时-空数据融合算法获得不同时间序列的城市地表温度数据集：

步骤1.1、利用Landsat遥感影像数据和单通道反演算法获取城市地表温度：

步骤1.1.1、将获取的Landsat遥感影像进行预处理，所述预处理为辐射定标、大气校正和裁剪；

步骤1.1.2、将Landsat遥感影像数据热红外波段的原始亮度值转化为星上亮温T_sensor：

L_λ＝Gain_λ·DN_λ+Bias_λ (1)

上式中，L_λ为云顶辐射亮度，单位为W/(m²srμm)；Gain_λ为转换函数的斜率系数，Bias_λ为转换函数的截距系数；T_sensor为所述遥感影像的星上亮温，单位为K；K₁和K₂为定标常数；DN_λ为亮度值；

步骤1.1.3、利用单通道算法将星上亮温T_sensor转换为真实地表温度：

上式中，LST为地表温度；λ为辐射波段的波长；α＝h×c/σ，斯特藩—玻尔兹曼常数σ＝1.38×10^-23J/K，普朗克常数h＝6.262×10^-34Js，光速c＝2.998×10⁸m/s，α＝1.438×10^-2mK；ε为地表发射率；

步骤1.2、基于步骤1.1所获取的Landsat遥感影像数据的反演结果，结合MODIS地表温度产品，采用FSDAF时空数据融合算法获得月序列、季节序列和年序列的城市地表温度数据集Landsat-like LST；

步骤1.2.1、对T₁时刻Landsat LST数据进行分类；

步骤1.2.2、估算T₁时刻与T₂时刻MODIS LST数据对应各类别的时间差异；

步骤1.2.3、基于T₁时刻与T₂时刻MODIS LST数据对应各类别的时间差异，预测T₂时刻具有Landsat数据空间分辨率的地表温度数据，并计算预测的T₂时刻具有Landsat数据空间分辨率的地表温度数据与同时刻MODIS LST之间的残差；

步骤1.2.4、根据T₂时刻MODIS LST数据，使用薄板样条插值函数预测具有Landsat数据空间分辨率的地表温度数据；

步骤1.2.5、基于薄板样条插值函数将预测的T₂时刻具有Landsat数据空间分辨率的地表温度数据与同时刻MODIS LST之间的残差分配给T₂时刻预测的具有Landsat数据空间分辨率的地表温度数据，并进行精度校正；

步骤1.2.6、基于移动窗口结合像元邻域信息赋予权重，融合生成T₂时刻Landsat-likeLST数据；

步骤1.2.7、采用最大值合成法MVC处理步骤1.2.6融合生成的Landsat-like LST，生成月序列、季节序列和年序列的城市地表温度数据集Landsat-like LST；

步骤2、基于机载LiDAR点云数据和ZY-3遥感影像数据，提取城市数字地表模型DSM和土地覆被信息，进而获取城市三维空间形态信息；得到以下城市三维空间形态指标组合：建筑高度、乔木高度、建筑容积、乔木容积、建筑高度方差、建筑体形系数、建筑集聚度、容积率、天空开阔度、迎风面指数、粗糙度指数、城市植被指数和植被建筑容积比；

步骤2.1、基于机载LiDAR点云数据，提取城市数字地表模型DSM：先将获取的原始机载LiDAR点云数据进行预处理，所述预处理包括去噪和滤波；再利用线性插值法对机载LiDAR点云数据进行规则格网化处理，生成数字地表模型DSM；

步骤2.2、基于ZY-3遥感影像数据，采用面向对象分类方法提取城市建筑物、乔木、灌木或草地的土地覆被信息；

步骤2.2.1、以生成的数字地表模型DSM数据为基准，将ZY-3遥感影像的多光谱波段数据与全色波段数据进行预处理；所述预处理为正射校正、配准、大气校正、影像融合和镶嵌裁剪；

步骤2.2.2、利用面向对象分类方法提取城市建筑物、乔木、灌木或草地的土地覆被信息：

a)分割影像：设置分割参数，所述分割参数为分割尺度、形状因子和紧致度；设置近红外波段、红光波段、蓝光波段、绿光波段、形态学建筑物指数MBI和形态学阴影指数MSI的权重；

b)选取特征建立规则：利用归一化植被指数NDVI将分割后的影像划分为植被区和非植被区；在植被区中选取NDVI，选取影像对象的均值、标准差和亮度值特征，提取出乔木、灌木或草地；所使用的分类特征如下：

所述的归一化植被指数为：

上式中，NIR、RED分别代表影像的近红外波段和红光波段；

所述影像对象的均值由构成影像对象的全部像元的亮度值计算得到：

上式中，C_L为影像对象的均值，C_Li为第i个像元的亮度值，n为像元的数目；

所述影像对象的标准差表示图层像元的集散程度，由影像对象的每个像元在L层上的亮度值与该层的均值计算得到：

上式中，C_Li为第i个像元的亮度值，n为像元的数目，为该层影像对象的均值

所述影像对象的亮度值由包含光谱信息图层均值的总和与影像对象的图层数量的比值得到：

上式中，为光谱信息图层均值，n为影像对象的图层数量；

在非植被区中使用形态学建筑物指数MBI、形态学阴影指数MSI、归一化水体指数NDWI、形状指数、长宽比和面积特征提取出建筑物、水体与其他地类信息；所使用的分类特征如下：

所述形态学建筑物指数MBI为：

上式中，S＝((s_max-s_min)/Δs)+1；D为计算建筑物剖面时的方向数，DMP_W-TH为微分形态学剖面；

所述形态学阴影指数MSI为：

上式中，S＝((s_max-s_min)/Δs)+1；D为计算建筑物剖面时的方向数，DMP_B-TH是微分形态学剖面；

所述的归一化水体指数为：

上式中，Green、NIR分别代表影像的绿光波段和近红外波段；

所述形状指数用于描述每个对象边界的平滑度：边界越平滑，其形状指数越低，计算公式为：

上式中，A为每个对象包含像元的总面积；

所述长宽比通常用对象的最小外接矩形来近似表示，属于对象集合特征，计算公式为：

上式中，l是长度，w是宽度；

所述面积为每个对象包含像元的总面积，面积的计算公式为：

上式中，a_i是第i个像元的面积；

c)自动化提取及人工解译：建立好决策树，将分类规则写入软件进行自动化提取，最终由人工检验并修改；

步骤2.3、基于步骤2.1和步骤2.2所提取的城市数字地表模型DSM和建筑物、乔木、灌木或草地的土地覆被信息，将二者进行空间叠加分析，计算城市三维空间形态指标；所述城市三维空间形态指标的计算方式如下：

上式中，BH为建筑高度，反映城市建筑高度的整体水平；H_i为第i个建筑物的高度；n为建筑物的数量；

上式中，TH为乔木高度，反映城市乔木高度的整体水平；H_i为第i棵乔木的高度；n为乔木的数量；

上式中，BV为建筑容积，反映城市建筑三维形态的整体情况；A_i为第i个建筑物的筑基面积；H_i为第i个建筑物的高度；n为建筑物的数量；

上式中，TV为乔木容积，反映城市乔木三维形态的整体情况；A_i为第i棵乔木的冠层面积；H_i为第i棵乔木的高度；n为乔木的数量；

上式中，BHV为建筑高度方差，反映城市街区建筑高度的变异情况，H_i为第i个建筑物的高度；MH为建筑平均高度；n为建筑物的数量；

上式中，SC为建筑体形系数，反映城市建筑物与周围环境的热交换能力，S_i为第i个建筑物的外表面积；V_i为第i个建筑物外表面所包的体积；

上式中，BA为建筑集聚度，反映城市街区建筑物的集聚程度；BD为城市街区的建筑密度；D_b为某建筑与其最邻近建筑之间的距离；iFAR为街区容积率的倒数；n为建筑物的数量，Median()是中值函数；

上式中，FAR为容积率，反映城市街区的开发强度和人居舒适度；A_i为第i个建筑物的筑基面积；F_i为第i个建筑物的楼层数；P_a代表街区占地面积；

上式(22)至式(23)中，SVF为天空开阔度，反映周围地形地物对太阳辐射和视线在半球范围内的遮蔽影响；Ω为天空可视立体角；γ_i为第i个方位角时的影响地形高度角；n为计算的方位角数目；

上式中，FAI为迎风面指数，反映城市街区阻碍风能力；λ_f(θ)为单一风向建筑迎风面指数；P_θ为特定风向的频率；

上式中，Z_o为粗糙度指数，反映城市下垫面的风环境特性和城市肌理的粗糙情况；为粗糙单元的平均高度；λ_f为迎风面密度；Z_d为零平面位移；K为常数；β为阻力系数修正因子；C_D为阻力系数；

上式(26)至式(27)中，UVI为城市植被指数，反映城市三维立体绿化的整体情况；TV为乔木容积；BV为建筑容积；VA为乔木、灌木或草地的植被面积；BA为建筑面积；TA为乔木种植面积；

上式中，VV2BV为植被建筑容积比，反映城市植被与建筑物三维空间相对比例；TV为乔木容积；BV为建筑容积；

步骤3、将不同时间序列城市地表温度数据集和城市三维空间形态信息采样至不同观测尺度的地理格网单元中，利用多元原型回归分析方法构建不同时空观测尺度下城市地表温度的预测模型；

步骤3.1、分别利用120m，240m，360m，…，1200m的地理格网单元叠合不同时间序列城市地表温度和城市三维空间形态指标，进行分区统计；

步骤3.2、以不同时间序列城市地表温度作为因变量，城市三维空间形态指标作为自变量，将所有变量归一化到0至1之间，输入多元原型回归分析模型中；所述多元原型回归分析模型中涉及的参数采用十折交叉验证策略来确定；

步骤3.3、随机选取20％的样本作为测试组来评估多元原型回归分析模型性能，剩余样本作为训练组来构建多元原型回归分析模型，最终获得多时空尺度下城市地表温度的预测模型；

步骤4、根据多元原型回归分析方法构建的不同时空观测尺度下城市地表温度预测模型，进行整理和空间可视化，得到多时空尺度下城市热环境主导因素的空间分布和具体区域内热环境的成因机理。

2.根据权利要求1所述多时空尺度下城市热环境形成发展主导因素识别方法，其特征在于：所述步骤1.2充分结合Landsat遥感影像中等空间分辨率特性和MODIS地表温度产品高时间分辨率特性，将其融合为空间尺度最优的月序列、季节序列和年序列的城市地表温度数据集。