核心内容摘要
智能交易系统：用AI投资分析重塑你的投资决策
本数据集提供了2001年至2024年中国主要城市逐月、夜间的热岛强度数据空间分辨率为1000米。
数据生产基于卫星遥感观测与气象站点数据采用通用的地表城市热岛强度计算方法即城市下垫面夜间地表温度与周边乡村背景参考区夜间地表温度的差值。
数据集覆盖中国大陆主要城市建成区时间序列完整格式规范并经过了一致性检验与异常值剔除等质量控制。
本数据集可为城市夜间热环境时空动态评估、城市规划与气候适应性政策制定提供重要的基础数据支撑。
关键词GEE;夜间城市热岛强度MCD12Q1;MOD11A2;1000米分辨率引言城市热岛效应是城市气候学与环境科学领域的核心议题之一其特征为城市区域的气温或地表温度显著高于周边乡村地区。
该现象主要由城市下垫面属性改变、人为热排放及城市结构导致。
随着全球城市化进程的加速UHI效应加剧了夜间高温热浪风险对城市能源消耗、居民健康及生态系统构成了严峻挑战。
因此精确量化夜间UHI强度的时空格局对于深入理解城市气候特征、推动可持续城市发展具有重要的数据科学意义。
长期以来遥感技术为大范围、长时间序列的UHI监测提供了有效手段。
基于MODIS、Landsat等卫星数据学者们已发展了多种夜间UHI强度计算方法并产出了一系列区域乃至全球尺度的夜间UHI数据集。
然而现有公开数据集在时间连续性、空间分辨率或夜间时间属性方面仍存在局限制约了对于中国城市夜间热环境长期演变规律的深入分析。
为填补这一数据空白本研究生产了一套
年中国主要城市全年夜间热岛强度数据集。
本数据集以1000米空间分辨率提供了覆盖中国大陆主要城市建成区的、长时间序列的逐日夜间UHI强度数据。
数据生产严格遵循了标准化的遥感反演与质量控制流程确保了数据在时间和空间上的一致性。
我们期望本数据集能够为城市夜间气候模拟验证、城市热环境评估、以及城市热岛减缓策略的制定提供可靠的数据支持并有望在气候变化、城市规划与公共健康等交叉学科研究中被广泛重用。
1数据采集和处理方法
1数据采集方法
1.
1土地覆盖数据本数据集依靠GEEGoogle Earth Engine平台使用MCD12Q1数据集。
结合使用Terra和Aqua的MODIS土地覆盖类型 (MCD12Q
版本
1 数据产品每年提供一次全球土地覆盖类型数据。
MCD12Q1版本
1 数据产品是使用MODIS Terra和Aqua反射率数据的监督分类派生的。
土地覆盖类型源自国际地球-生物圈计划 (IGBP)、马里兰大学 (UMD)、叶面积指数 (LAI)、BIOME-Biogeochemical Cycles (BGC)和植物功能类型 (PFT) 分类方案。
然后监督分类会进行额外的后处理以纳入先验知识和辅助信息进一步优化特定类别。
粮食及农业组织 (FAO) 土地覆盖分类系统 (LCCS) 提供了其他土地覆盖地图项评估图层用于表示土地覆盖、土地利用和地表水文。
1.
2地表温度数据LST本数据集依靠GEEGoogle Earth Engine平台使用MOD11A2数据集。
MOD11A2中的每个像素值都是在 8 天内收集的所有相应MOD11A1 LST像素的简单平均值。
MOD11A2会对所有每日LST值进行简单的平均处理而不会对特定质量检查位进行任何过滤。
每个MOD11A2质量检查值均根据任何给定像素的大多数输入每日质量检查值而设置。
之所以选择 8 天的合成周期是因为Terra和Aqua平台的确切地面轨道重复周期是该周期的两倍。
此产品中包含日间和夜间地表温度波段及其质量指标 (QC) 图层以及MODIS波段 31 和 32 以及 8 个观测图层。
2 数据处理数据集使用了MODIS土地覆盖数据MCD12Q1的LC_Type1波段具体分类如下表表1LC_Type1序号说明1常绿针叶林以常绿针叶乔木为主树冠 2 米。
树木覆盖率 60%。
2常绿阔叶林以常绿阔叶树和掌状树为主树冠 2 米。
树木覆盖率 60%。
3落叶针叶林以落叶针叶树落叶松为主树冠 2 米。
树木覆盖率 60%。
4落叶阔叶林以落叶阔叶树为主树冠 2 米。
树木覆盖率 60%。
5混交林以落叶树和常绿树为主各占
%的树种树冠 2 米。
树木覆盖率 60%。
6密灌丛以木本多年生植物高度
米为主覆盖率 60%。
7开阔的灌木丛以木本多年生植物高度
米为主覆盖率
%。
8多树稀树草原树木覆盖率
%树冠 2 米。
9热带草原树木覆盖率
%树冠 2 米。
10草原以草本一年生植物高度 2 米为主。
11永久性湿地永久性淹没的土地水面覆盖率
%植被覆盖率 10%。
12耕地。
13城市和建成区至少 30% 的不透水表面积包括建筑材料、沥青和车辆。
14农田/天然植被镶嵌小规模耕作占
% 的镶嵌其余为天然树木、灌木或草本植被。
15永久性冰雪至少 60% 的区域全年至少有 10 个月被冰雪覆盖。
16植被覆盖率低于 10% 的区域沙地、岩石地、土壤地。
17水体至少 60% 的面积被永久性水体覆盖。
取分类13视为城市建成区, 把相连不透水面面积大于3 km2的区域定义为城市建成区。
根据城市的大小不同按面积排序自动设置梯度距离城市建成区外围10—30 km范围内建立缓冲区得到乡村边界。
将城市热岛强度(UHII)定义为城市建成区和乡村地区地表温度差值本数据集使用了MOD11A2地表温度据数采用平均值合成。
热岛强度计算公式如下UHII Turban -Trural式中UHII表示城市热岛强度Turban表示城镇平均地表温度Trural表示乡村平均地表温度。
2数据样本描述本数据集包含
共24年的1000米分辨率的逐月夜间城市热岛强度的TIFF影像全国影像命名格式例如热岛强度
tif。
由于MODIS提供的地表温度LST数据逐月的质量不一个别月份会存在部分地区缺少温度数据造成无法计算该区域的热岛强度。
图11000米分辨率城市夜间热岛强度示例图3数据质量控制和评估为确保本数据集
年中国城市逐月夜间热岛强度数据集的可靠性与准确性我们实施了一套系统的数据质量控制流程并对其精度进行了定量评估。
地表温度数据MOD11A2我们仅采用夜间地表温度数据中质量控制标识QC Layer为“高质量”的像元。
剔除了受云、云影、冰雪覆盖或数据获取错误影响的像元确保用于计算UHI强度的夜间地表温度数据具有最高的可信度。
土地利用数据MCD12Q1采用MCD12Q1数据集的IGBP全球植被分类方案。
为构建稳定可靠的城乡掩模我们将“城市与建成区”类型直接定义为城市区域。
乡村背景区的选择则排除了该类型以及水体、永久湿地等非典型下垫面确保参考区域的地表覆盖在气候学意义上具有代表性和均质性。
城市与乡村掩模优化基于MCD12Q1数据我们生成了逐年城市建成区掩模。
为避免边缘混合像元的干扰对城市边界进行了缓冲区分析。
乡村背景区被定义为城市边界外围一定范围内连续多年如5年以上均未被划分为城市或上述非典型下垫面的像元集合以此保证乡村参考区在时间上的稳定性。
异常值剔除对于计算得到的初始夜间热岛强度值我们采用统计方法进行过滤。
具体而言剔除了当日每个城市内超出其所有像元平均值±3倍标准差的极端值此类异常值通常由云污染残余、传感器瞬时故障或其他瞬时干扰导致。
时间序列一致性检查利用长期序列
的夜间数据我们生成了每个城市像元的夜间UHI强度时间序列曲线并采用滑动窗口法检测并标记可能存在的不连续点或异常波动对其进行人工复核与修正保证了夜间热岛强度数据在时间维度上的一致性与合理性。
参考文献[1]刘宸瑄, 王丽群, 许行, 张守红, 张志强. 2001—2021年中国植被覆盖对夏季城市热岛效应的影响. 生态学报, 2024, 44(
: 11020-
[2]王美雅, 徐涵秋. 中国大城市的城市组成对城市热岛强度的影响研究[J]. 地球信息科学学报, 2018, 20(
:
https://doi.org/
1
12082/dqxxkx.
2
180257[3]寿亦萱, 张大林. 城市热岛效应的研究进展与展望[J]. 气象学报, 2012, 70(
: 338-
[4]胡楠林, 任志彬, 董禹麟, 等. 中国城市群热岛效应时空演变及其影响因素分析[J]. Scientia Geographica Sinica,
2022.