长江三角洲地区地表温度年内变化规律与气候因子的关系分析

doi:10.6046/gtzyyg.2010.01.10

全文: PDF(1142 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

以长江三角洲地区为研究区，利用2005年全年的MODIS地表温度产品和气象观测资料，定量分析了地表温度年内变化规律与气候因子之间的

时滞响应关系。首先，通过谐波分析方法（Harmonic Analysis of Time Series,HANTS)消除地表温度数据中云的影响，提取地表温度时间序列谐波

（即周期变化规律），重建地表温度无云时间序列；然后，利用DEM和纬度数据计算了研究区太阳辐射的空间分布，并将其与地表温度的年内变化

进行时滞相关分析。 0.991 6的相关系数表明：太阳辐射是地表温度年周期变化的主要控制因素，地表温度峰值出现的时间相对于太阳辐射时间而

言滞后20 d左右；时滞相关分析表明，地表温度和气温之间的年内变化规律呈极显著相关，气温的变化相对于地表温度存在约5 d左右的滞后响应

。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	林晓锋

关键词 ：小卫星, 遥感, 数字北京

Abstract：

With the Yangtze River delta as the study area, this paper quantitatively analyzed the temporal responses of land

surface temperature annual variability to climate factors based on MODIS LST products and meteorological observation data. First,

the Harmonic Analysis of Time Series (HANTS) algorithm was employed to distill LST harmonics (periodical fluctuation characters)

and reconstruct cloud-free LST time-series. The solar radiation of the study area was calculated and its impact on LST inter-

annual was investigated by time lag cross-correlation analysis. The high correlation coefficient (mean coefficient is 0.991 6)

indicates the sensitivity of LST seasonal variations to solar radiance, and lag days show that the peak time of LST is about 20

days later than solar radiance. The analysis between the inter-annual variations of land surface temperature and air temperature

shows that air temperature has significant correlations with LST and the air temperature delays about 5 days relative to LST

seasonal fluctuation.

Key words： Small satellite Remote sensing Cyber Beijing

出版日期: 2010-03-22

引用本文:

徐永明, 覃志豪, 沈艳. 长江三角洲地区地表温度年内变化规律与气候因子的关系分析[J]. 国土资源遥感, 2010, 22(1): 60-64.
XU Yong-Ming, QIN Zhi-Hao, SHEN Yan. The Relationship Between Inter-annual Variations of Land Surface
Temperature and Climate Factors in the Yangtze River Delta. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(1): 60-64.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.01.10 或 https://www.gtzyyg.com/CN/Y2010/V22/I1/60

[1]	刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2]	王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8]	丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9]	高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10]	孙一鸣, 张宝钢, 吴其重, 刘奥博, 高超, 牛静, 何平. 国产微景一号小卫星影像的城市裸地识别应用[J]. 自然资源遥感, 2022, 34(1): 189-197.
[11]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[12]	贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[13]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[14]	李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[15]	刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.