湖南省地表高温遥感评估指标构建和特征分析

doi:10.11755/j.issn.1006-7639(2024)-03-0367

干旱气象 ›› 2024, Vol. 42 ›› Issue (3): 367-375.DOI: 10.11755/j.issn.1006-7639(2024)-03-0367

湖南省地表高温遥感评估指标构建和特征分析

韩沁哲¹^,²(), 刘海磊³, 范嘉智²^,⁴, 吴浩²^,⁵(), 陈磊士¹^,², 欧小锋¹^,², 韩沁真⁶

1.湖南省气象科学研究所，湖南长沙 410118
2.气象防灾减灾湖南省重点实验室，湖南长沙 410118
3.成都信息工程大学，四川成都 610225
4.中国气象局气象干部培训学院湖南分院，湖南长沙 410125
5.湖南省气候中心，湖南长沙 410118
6.湖南省长沙市气象局，湖南长沙 410205

收稿日期:2023-06-09 修回日期:2023-12-12 出版日期:2024-06-30 发布日期:2024-07-11
通讯作者: 吴浩（1988—），男，硕士，高级工程师，主要从事气候变化研究。E-mail：wuhaophy@163.com。
作者简介:韩沁哲（1980—），女，湖南长沙人，硕士，高级工程师，主要研究方向为生态遥感和防灾减灾。E-mail：6665599@qq.com。
基金资助:
湖南省自然科学联合基金项目(2023JJ60542);湖南省气象局重点项目(XQKJ18A003);国家自然科学基金项目(42005058);中国气象局气象能力提升联合研究专项重点项目(22NLTSZ003)

Surface high temperature remote sensing evaluation index construction and characteristic analysis in Hunan Province

HAN Qinzhe¹^,²(), LIU Hailei³, FAN Jiazhi²^,⁴, WU Hao²^,⁵(), CHEN Leishi¹^,², OU Xiaofeng¹^,², HAN Qinzhen⁶

1. Hunan Meteorological Research Institute， Changsha 410118， China
2. Hunan Key Laboratory of Meteorological Disaster Prevention and Reduction， Changsha 410118， China
3. Chengdu University of Information Technology， Chengdu 610225， China
4. China Meteorological Administration Training Centre Hunan Branch， Changsha 410125， China
5. Hunan Climate Center， Changsha 410118， China
6. Changsha Meteorological Bureau of Hunan Province， Changsha 410205， China

Received:2023-06-09 Revised:2023-12-12 Online:2024-06-30 Published:2024-07-11

摘要/Abstract

摘要：

基于长时序遥感产品构建地表高温评估指标，分析湖南省近20 a地表高温分布特征，可为农业生产和防灾减灾提供技术参考。首先利用2002—2021年的MYD11A1、MYD13A1、MYD09GA长时序数据回归计算日地表高温数据集，然后基于百分比法、百分位法和趋势比率法构建地表高温遥感评估指标，并分析其时空分布特征。结果表明，使用日地表温度大于等于45 ℃面积占比作为日尺度的地表高温等级阈值划分指标与气象预警指标一致性最好，湖南省地表高温年最大值以2013年为转折点增加显著；基于百分位法确定的湖南省年尺度的地表高温极端阈值（40.2~64.1 ℃），可作为高温强度的评价指标；利用湖南省地表高温趋势率来评价湖南省地表高温年增减趋势具有较好的应用价值，长株潭城市群和洞庭湖区的快速增温、衡邵干旱走廊的极端高温需要重点关注。

关键词: 地表高温, 评估指标, 高温等级, 卫星遥感

Abstract:

Based on long-term remote sensing products, this paper constructs evaluation indicators for surface high temperatures and analyzes the distribution characteristics of surface high temperatures in Hunan Province over the past 20 years, aiming to provide technical references for agricultural production, disaster prevention and mitigation. Firstly, the daily surface high temperature dataset are calculated using long-term data regression of MYD11A1, MYD13A1 and MYD09GA from 2002 to 2021. The percentage method, percentile method and trend ratio method are used to construct remote sensing evaluation indicators for surface high temperatures, then the spatial and temporal distribution characteristics of surface high temperatures are analyzed. The results indicate that when using the proportion of areas with daily surface temperatures greater than or equal to 45 ℃ as the threshold for classifying surface high temperature levels on a daily scale, it aligns best with meteorological warning indicators. The annual maximum surface high temperature in Hunan Province showed a significant increase with 2013 as a turning point. The extreme threshold for annual surface high temperatures in Hunan Province (ranging from 40.2 to 64.1 ℃), determined using the percentile method, can serve as an evaluation metric for high temperature intensity. Additionally, using the trend rate of surface high temperatures in Hunan Province to evaluate the increase or decrease trends of annual surface high temperatures has good application value. Rapid warming in the Changsha-Zhuzhou-Xiangtan urban agglomeration and the Dongting Lake area, as well as extreme high temperatures in the Hengshao drought corridor, require special attention in the future.

Key words: surface high temperature, evaluation indicators, high temperature level, satellite remote sensing

中图分类号:

P423.3

韩沁哲, 刘海磊, 范嘉智, 吴浩, 陈磊士, 欧小锋, 韩沁真. 湖南省地表高温遥感评估指标构建和特征分析[J]. 干旱气象, 2024, 42(3): 367-375.

HAN Qinzhe, LIU Hailei, FAN Jiazhi, WU Hao, CHEN Leishi, OU Xiaofeng, HAN Qinzhen. Surface high temperature remote sensing evaluation index construction and characteristic analysis in Hunan Province[J]. Journal of Arid Meteorology, 2024, 42(3): 367-375.

图/表 11

参考文献 45

[1]	白彩全, 易行, 何晨, 2017. 夜间灯光遥感数据应用研究的文献计量分析——以美国国防气象卫星计划运行线扫描系统为例[J]. 测绘科学, 42(8): 116-123.
[2]	曹广真, 侯鹏, 毛显强, 2010. 北京市城市化对地表温度时空特征的影响[J]. 气象, 36(3): 19-26.
[3]	陈敏, 耿福海, 马雷鸣, 等, 2013. 近138年上海地区高温热浪事件分析[J]. 高原气象, 32(2): 597-607. DOI
[4]	陈岳, 寇卫利, 李莹, 等, 2022. 农作物遥感灾损评估研究进展[J]. 江苏农业科学, 50(16): 12-20.
[5]	程维明, 周成虎, 2014. 多尺度数字地貌等级分类方法[J]. 地理科学进展, 33(1): 23-33. DOI
[6]	程肖侠, 蔡新玲, 李明, 等, 2020. 陕西省高温时空变化特征及其定量化评估方法[J]. 干旱区研究, 37(4): 956-965.
[7]	戴泽军, 李易芝, 刘志雄, 等, 2014. 1961—2013年湖南夏季高温气候特征[J]. 干旱气象, 32(5): 706-711. DOI
[8]	邓甜甜, 耿广坡, 杨睿, 等, 2023. 1980—2020年渭河流域高温热浪时空变化特征[J]. 干旱区地理, 46(2): 211-221.
[9]	董春卿, 郭媛媛, 张磊, 等, 2021. 基于CLDAS的格点温度预报偏差订正方法[J]. 干旱气象, 39(5): 847-856. DOI
[10]	董思言, 徐影, 周波涛, 等, 2014. 基于CMIP5模式的中国地区未来高温灾害风险预估[J]. 气候变化研究进展, 10(5): 365-369.
[11]	封国林, 侯威, 支蓉, 等, 2012. 极端气候事件的检测、诊断与可预测性研究[M]. 北京: 科学出版社.
[12]	管延龙, 王让会, 李成, 等, 2015. 天山北麓1963—2010年0 cm最高与最低地表温度变化特征[J]. 干旱气象, 33(4): 587-594. DOI
[13]	国家气候中心, 2015. 极端高温监测指标(GX/T280—2015)[S]. 北京: 国家气候中心.
[14]	侯浩然, 丁凤, 黎勤生, 2018. 近20年来福州城市热环境变化遥感分析[J]. 地球信息科学学报, 20 (3): 385-395. DOI
[15]	侯威, 章大全, 钱忠华, 等, 2012. 基于随机重排去趋势波动分析的极端高温事件研究及其综合指标的建立[J]. 高原气象, 31(2): 329-341.
[16]	黄鹤楼, 丁烨毅, 姚日升, 等, 2020. 宁波城市化进程对夏季极端气温和高温热浪的影响[J]. 气象与环境科学, 43(2): 56-62.
[17]	黄卓禹, 王式功, 李晓坤, 等, 2016. 近35 a湖南夏季高温日数时空变化特征分析[J]. 贵州气象, 40(1): 35-39.
[18]	纪玲玲, 袭祝香, 陈卓, 等, 2020. 吉林省高温天气气候特征及其过程等级评估[J]. 气象与环境学报, 36(3): 49-54.
[19]	贾艳青, 张勃, 张耀宗, 等, 2017. 长江三角洲地区极端气温事件变化特征及其与ENSO的关系[J]. 生态学报, 37(19): 6 402-6 414.
[20]	李振林, 王晶, 2013. ASTER GDEM与实测数据精度对比及其影响因素分析[J]. 测绘与空间地理信息, 36(11): 150-153.
[21]	林爱兰, 谷德军, 彭冬冬, 等, 2021. 近60年我国东部区域性持续高温过程变化特征[J]. 应用气象学报, 32(3): 302-314.
[22]	刘琳, 徐宗学, 2014. 西南5省市极端气候指数时空分布规律研究[J]. 长江流域资源与环境, 23(2): 294-301.
[23]	刘强军, 梁赟, 宋军芳, 等, 2020. 近42年山西省晋城市地温与气温时空特征研究[J]. 江苏农业科学, 48(6): 240-245.
[24]	罗伯良, 李易芝, 2014. 2013 年夏季湖南严重高温干旱及其大气环流异常[J]. 干旱气象, 32(4): 593-598. DOI
[25]	罗伯良, 彭莉莉, 张超, 2010. 2009年盛夏湖南持续高温干旱及同期大气环流异常分析[J]. 干旱气象, 28(1): 20-25.
[26]	马诺, 唐冶, 常存, 等, 2020. 基于DEM的气温空间插值方法比较[J]. 干旱气象, 38(3): 465-471.
[27]	莫跃爽, 周秋文, 2019. 贵州省1960—2014年不同地貌类型的气温变化特征[J]. 水土保持研究, 26(4): 166-170.
[28]	王钊, 彭艳, 魏娜, 2016. 近52 a秦岭南北极端温度变化及其与区域增暖的关系[J]. 干旱气象, 34(2): 269-275. DOI
[29]	温晓培, 吴炜, 李昌义, 等, 2022. 土地利用资料的更新对四川盆地高温天气数值模拟的影响[J]. 干旱气象, 40(5): 868-878. DOI
[30]	徐伟燕, 孙睿, 周爽, 等, 2017. 基于遥感和GIS的日最高最低气温估算[J]. 北京师范大学学报, 53(3): 344-350.
[31]	余卫国, 房世波, 齐月, 等, 2019. ASTER卫星数据地表温度产品精度评价[J]. 干旱气象, 37(6): 987-992.
[32]	张超, 彭莉莉, 黄晚华, 等, 2012. 1961—2010年湖南气候变化特征及其对烟草种植的影响[J]. 湖南农业大学学报, 38(5): 482-486.
[33]	张富荣, 刘志鹏, 冯淑霞, 等, 2015. 朝阳地区近30年地表温度的变化特征[J]. 贵州农业科学, 43(5): 220-222.
[34]	郑嘉雯, 髙丽, 任宏利, 等, 2019. 基于T639集合预报的我国2016年极端温度预报检验[J]. 气象, 45(4): 469-482.
[35]	周成虎, 程维明, 钱金凯, 等, 2009. 中国陆地1:100万数字地貌分类体系研究[J]. 地球信息科学学报, 11(6):707-724.
[36]	朱怀松, 刘晓锰, 裴欢, 2007. 热红外遥感反演地表温度研究现状[J]. 干旱气象, 25(2): 17-21.
[37]	邹德全, 邹承立, 田洪进, 等, 2021. 遵义市极端气温指数的时空变化特征[J]. 贵州农业科学, 49(2): 146-153.
[38]	GOOD E, 2015. Daily minimum and maximum surface air temperatures from geostationary satellite data[J]. Journal of Geophysical Research: Atmospheres, 120(6): 2 306-2 324.
[39]	GEORGY V M, ROGER L K, RAJA R, et al, 2014. Statistical estimation of daily maximum and minimum air temperatures from MODIS LST data over the State of Mississippi[J]. GIScience Remote Sensing, 43(1): 78-110.
[40]	JONES P, JEDLOVEC C, SUGGS R, et al, 2004. Using MODIS LST to estimate minimum air temperatures at night[C]// the 13th Conference on Satellite Meteorology and Oceanography, American Meteorological Society, Norfolk: 13-18.
[41]	KAWASHIMA S, ISHIDA T, MINOMURA M, et al, 2000. Relations between surface temperature and air temperature on a local scale during winter nights[J]. Journal of Applied Meteorology, 39(9): 1 570-1 579.
[42]	LIANG S L, 2001. Narrowband to broadband conversions of land surface albedo: I.algorithms[J]. Remote Sensing of Environment, 76(2): 213-238.
[43]	SHENG P L, NATHAN J M, JOSEPH P M, et al, 2012. Evaluation of estimating daily maximum air temperature with MODIS data in east Africa[J]. International Journal of Applied Earth Observation and Geoinformation, 18: 128-140.
[44]	SUN Y, ZHANG X, ZWIERS F W, et al, 2014. Rapid increase in the risk of extreme summer heat in Eastern China[J]. Nature Climate Change, 4(12): 1 082-1 085.
[45]	TANG R, LI Z L, LIU M, et al, 2022. A moisture-based triangle approach for estimating surface evaporative fraction with time-series of remotely sensed data[J]. Remote Sensing of Environment:An Interdisciplinary Journal, 280, 113212. DOI:10.1016/j.rse.2022.113212.

数据类型	数据来源	预处理过程
LST	MYD11A1	通过质量控制字段把云区和异常值赋为NaN空值，由于MYD11A1的1×1格对应的MYD13A1和MYD09GA的2×2格，因此通过1格复制为4格的方法，得到同空间尺度数据
NDVI	MYD13A1	MYD13A1 时间分辨率为16 d，因此一个数据对应当天至16 d内的MYD11A1和MYD09GA数据
地表反射率	MYD09GA	利用Liang的方法（Liang，2001）计算地表反射率，时间分辨率为1 d

数据类型	数据来源	预处理过程
LST	MYD11A1	通过质量控制字段把云区和异常值赋为NaN空值，由于MYD11A1的1×1格对应的MYD13A1和MYD09GA的2×2格，因此通过1格复制为4格的方法，得到同空间尺度数据
NDVI	MYD13A1	MYD13A1 时间分辨率为16 d，因此一个数据对应当天至16 d内的MYD11A1和MYD09GA数据
地表反射率	MYD09GA	利用Liang的方法（Liang，2001）计算地表反射率，时间分辨率为1 d

产品类型	R		RMSE/℃		R		RMSE/℃
产品类型	过境同时次气温	过境同时次地温	过境同时次气温	过境同时次地温	日最高气温	日最高地表温度	日最高气温	日最高地表温度
MYD11A1	0.95	0.93	4.33	3.43	0.95	0.93	13.87	16.37
回归方程计算结果					0.94	0.94	1.99	2.51

产品类型	R		RMSE/℃		R		RMSE/℃
产品类型	过境同时次气温	过境同时次地温	过境同时次气温	过境同时次地温	日最高气温	日最高地表温度	日最高气温	日最高地表温度
MYD11A1	0.95	0.93	4.33	3.43	0.95	0.93	13.87	16.37
回归方程计算结果					0.94	0.94	1.99	2.51

高温等级	像元数百分比
黄色	[35%，55%）
橙色	[55%，80%）
红色	≥80%

湖南省地表高温遥感评估指标构建和特征分析

Surface high temperature remote sensing evaluation index construction and characteristic analysis in Hunan Province

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 45

相关文章 6

编辑推荐

Metrics

海拔高度/m	极端高温阈值/℃	海拔高度/m	极端高温阈值/℃	海拔高度/m	极端高温阈值/℃	海拔高度/m	极端高温阈值/℃
0~100	42.6~64.0	>500~600	44.4~60.7	>1 000~1 100	40.4~52.1	>1 500~1 600	40.8~50.7
>100~200	46.1~64.1	>600~700	42.1~58.2	>1 100~1 200	41.7~52.0	>1 600~1 700	40.5~50.3
>200~300	44.0~62.8	>700~800	42.9~57.6	>1 200~1 300	41.1~51.2	>1 700~1 800	40.4~50.9
>300~400	45.3~62.4	>800~900	42.0~54.8	>1 300~1 400	40.5~51.4	>1 800~1 900	40.2~47.5
>400~500	45.6~62.4	>900~1 000	41.9~52.9	>1 400~1 500	40.4~50.5	>1 900~2 000	40.6~47.1

类型	趋势率	类型	趋势率	类型	趋势率	类型	趋势率
林地	0.002 6	中覆盖草地	0.017 6	城镇	0.121 8	平原水田	0.076 4
灌木林	0.012 2	河	0.055 1	农村居民点	0.072 9	山地旱地	0.007 4
疏林地	0.022 6	湖	0.088 6	其他建设用地	0.128 8	丘陵旱地	0.032 3
其他林地	0.021 3	水塘	0.064 1	山地水田	0.014 8	平原旱地	0.076 4
高覆盖草地	0.003 9	湿地	0.091 7	丘陵水田	0.039 6

类型	趋势率	类型	趋势率	类型	趋势率
冲积平原	0.079 9	洪积平原	0.097 5	湖泊	0.096 9
低海拔山地	0.019 1	剥蚀台地	0.036 7	中海拔山地	-0.006 8

[1]	王研峰，张婕，张弘毅，谢巍，阿如哈斯，吴妮晏. MODIS气溶胶光学厚度产品在西南地区林火检测中的应用[J]. 干旱气象, 2018, 36(5): 820-827.
[2]	崔洋，常倬林，左河疆，孙银川. 西北通用机场选址气候论证关键评估指标研究[J]. 干旱气象, 2014, 32(5): 727-732.
[3]	丁晓东,黄建平，李积明，王天河，黄忠伟. 基于主动卫星遥感研究西北地区云层垂直结构特征及其对人工增雨的影响[J]. 干旱气象, 2012, 30(4): 529-538.
[4]	李晓岚, 张宏升. 我国沙尘天气微气象学和湍流输送特征研究进展[J]. J4, 2010, 28(3): 256-264.
[5]	王清川, 寿绍文, 田晓飞, 许　敏. 廊坊市雷电灾害易损性分析、评估及易损度区划[J]. J4, 2009, 27(4): 402-409.
[6]	马耀明, 李茂善, 马伟强, 王介民. 西北干旱区及高原上卫星遥感非均匀地表区域能量通量研究[J]. J4, 2003, 21(3): 34-42.