城市热岛效应卫星遥感分析
利用HJ-1B星热红外遥感图像研究城市热岛效应
利用HJ-1B星热红外遥感图像研究城市热岛效应随着城市化进程的加速，城市热岛效应成为日益引起人们关注的热点问题之一。
城市热岛效应通常表现为城市区域高于周围农村地区的温度，与此相关的环境问题也伴随而来。
因此，研究城市热岛效应对城市规划及环境保护具有重要的实际意义。
热红外遥感技术通过红外辐射测量被观测物体的表面温度来推断地表及其覆盖物的热状态，因此被广泛应用于城市热岛效应的研究中。
我国的HJ系列卫星拥有优越的热红外遥感能力，其中HJ-1B星通过搭载的三光谱扫描成像仪（IRS）可获得高分辨率的热红外遥感图像，为研究城市热岛效应提供了重要的数据来源。
本文选取了2017年7月上海市的HJ-1B星热红外遥感图像为研究样本，深入分析了城市热岛的地域分布规律以及与城市发展密切相关的空间特征。
首先，本文利用地理信息系统（GIS）软件将热红外遥感图像进行图像处理和分类，确定了上海市中心城区、郊区、农村以及水域等典型地物类型，并进一步计算出了每类地物的表面温度和温度统计特征。
其次，通过计算每类地物表面温度的平均值、标准差和梯度等统计参数，建立了城市热岛效应的空间分布模型，并探究了城市热岛效应和城市化进程、气候因素等因素之间的关系。
本文的实验结果表明，上海市中心城区表现出更为明显的热岛效应，平均表面温度高于周围农村区域约1-2摄氏度，且温度梯度较大。
此外，本文还发现城市规划的不合理性和城市化进程加剧了城市热岛效应的形成和蔓延。
最后，针对上海市的实际情况，本文提出了相应的环境保护建议，包括加强对城市绿化和水资源保护的重视，优化城市规划设计，减少建筑热损失等。
总之，利用HJ-1B星热红外遥感图像能够有效地研究城市热岛效应，探讨城市化进程和环境问题之间的相互影响。
通过本文的研究，为城市规划及环境保护提出了一些有益的建议。
除了以上所述的研究，利用HJ-1B星热红外遥感图像还可以深入探讨城市热岛效应和城市内部的人口和经济活动之间的关系。
沈阳城区热岛效应遥感信息提取与分析
沈阳城区热岛效应遥感信息提取与分析摘要：城市热岛效应是城市气温高于四周郊区的温差现象，能对环境生态系统和人类活动产生重大影响。
近年来以遥感、地理信息系统和全球定位系统(3s)为代表的空间信息技术，因其具有传统方法所不可比拟的宏观性、多波段性及多时相性等优点，而被广泛应用于城市热岛的研究，并成为环境科学的一个新热点。
本文利用遥感监测技术对不同年代沈阳城区热岛的空间分布特征进行分析。
选用1989年、2002年、2006年、2007年4个年份的美国陆地卫星数据，主要利用erdas软件实现图像处理、建模、计算和分析。
研究结果表明，1989年到2007年沈阳市植被覆盖有所上升，与之相对应的地区地表温度较低。
热岛现象多分布在植被覆盖较少地区，其中沈阳市大东区、沈河区、皇姑区、和平区和铁西区均存在不同程度的热岛效应。
由此可针对不同地区提出相应的热岛效应缓解策略。
关键词：遥感技术；城市热岛效应；地表亮温；植被覆盖指数（ndvi）abstract: urban heat island effect is a temperature phenomena that city temperature is higher than surrounding suburbs temperature. it can seriously affect environmental and ecological systems and human activities. in recent years, spatial information technology represented by remote sensing, geographic information system and global positioning system(called 3s).itis widely used on the study of urban heat island and becoming a new hot spot of environmental science, because it is broader and has more multi-band and temporal nature than traditional methods. satellite images from landsat system for four dates in 1989, 2002, 2006 and 2007 were used to analyze the spatial distribution characteristics over shenyang city. the image datas were mainly processed by software of erdas imagine in this study.the results show that the vegetation cover increasing in shenyang 1989 to 2007, corresponding to the region the surface temperature is lower. heat island phenomenon scattered in the areas with less vegetation cover. dadong district, shenhe district, huanggu district, heping district and the district of west in shenyang have different degrees of heat island effect. therefore we can propose appropriate tactics to help relieve heat island effect for different regions. keywords: remote sensing technology; urban heat island effect; surface brightness temperature; ndvi中图分类号：tp7 献标识码：文章编号：2095-2104（2013）1-0020-02由于城市化的速度加快，城市建筑群密集、柏油路和水泥路面比郊区的土壤、植被具有更大的热容量和吸热率，使得城区储存了较多的热量，并向四周和大气中幅射，造成了同一时间城区气温普遍高于周围的郊区气温，高温的城区处于低温的郊区包围之中，如同汪洋大海中的岛屿，人们把这种现象称之为城市热岛效应[1]。
遥感技术在城市热岛效应研究中的应用
遥感技术在城市热岛效应研究中的应用随着城市化进程的加速，城市热岛效应愈发严重。
城市热岛效应指的是城市区域温度高于周边非城市区域的现象。
这种现象会导致能量和水分的消耗，使城市环境质量恶化，造成一系列的气候、环境和健康问题。
为了有效地解决城市热岛效应问题，研究人员一直在探索更好地方式和方法。
在这个过程中，遥感技术得到广泛应用，成为了城市热岛效应研究中的重要工具。
一、遥感技术的基本原理遥感技术指的是通过对地球表面进行遥感观测，获取地面信息的一种技术。
它利用定量遥感图像处理方法和地面参考数据，在大范围尺度上对地球表面的形态、结构、属性和变化进行定量测量和分析，从而获取地面信息。
遥感技术的基本原理是：通过不同波段的光电信息，获取地球表面不同特征的信息。
不同波段的光电信息反映了地表上不同的物质组成和状态，包括地表覆盖类型、地形高度、植被状况、水文地质条件、气象环境条件等要素。
利用这些信息，可以进行逐时、逐日、逐季和逐年的遥感监测和分析，帮助我们更好地理解和管理地球表面。
二、遥感技术在城市热岛效应研究中的应用1. 地表温度反演地表温度是城市热岛效应的重要指标。
利用遥感技术可以获取大范围地表温度分布，并进一步探究城市热岛效应的形成和发展规律。
研究者可以通过遥感技术获取高分辨率的热红外图像，结合气象数据分析地表温度的时空变化规律，高精度地捕捉城市热岛效应的热源和空间分布规律。
2. 建筑物热效应分析由于建筑物的高度、密度等因素，会对周围区域的微气候产生影响。
因此，建筑物热效应分析是城市热岛效应研究中的重要内容。
通过遥感技术获取高精度的建筑物高度和密度等信息，并结合地表温度、植被等多种要素，可以全面解析建筑物的热效应，为城市热岛效应的研究提供更加丰富的数据支持。
3. 植被覆盖分析植被覆盖与城市热岛效应密切相关。
通过遥感技术获取高精度的植被分布数据，可以更好地分析植被对城市热岛效应的影响。
研究表明，城市中绿化覆盖率高的区域明显低于周边非城市区域的温度，有效缓解了城市热岛效应的发展。
如何使用遥感数据进行热岛效应分析
如何使用遥感数据进行热岛效应分析遥感数据在当今社会发挥着越来越重要的作用，尤其在城市规划和环境保护方面，可以提供大量的热岛效应分析所需的信息。
热岛效应是指城市的热量积累和辐射不平衡现象，导致城市气温明显高于周边农田和郊区的现象。
本文将介绍如何使用遥感数据进行热岛效应分析的方法和步骤。
首先，进行热岛效应分析需要获取城市及周边地区的热红外遥感影像。
热红外影像可以直观地显示出地表的温度分布情况，是研究热岛效应的重要数据源。
通过使用无人机、卫星或其他遥感平台获取全面、高分辨率的热红外影像，可以提供详细的地表温度信息，进而分析城市热岛效应的空间分布和演变趋势。
其次，对获取的热红外影像进行预处理是热岛效应分析的关键一步。
预处理包括影像校正、大气校正和地表辐射亮温计算等。
影像校正是为了消除影像之间的几何和辐射差异，使得不同时间、不同影像的地表温度具有可比性。
大气校正是为了消除大气层对热红外辐射的吸收和散射影响，得到地表辐射亮温。
地表辐射亮温是地物表面辐射的一种物理量，它与地表温度之间存在一定的对应关系。
然后，进行热岛效应分析的核心内容是地表温度提取和分析。
地表温度提取可以通过遥感影像的数字图像处理和空间分析技术实现。
常用的方法包括阈值分割、光谱指数和机器学习等。
阈值分割是基于图像亮度分布的方法，通过设置适当的阈值将热红外影像分为不同的温度区域。
光谱指数是利用热红外波段和其他波段的比值关系来推测地表温度。
机器学习是一种将已知地表温度和遥感影像特征建立映射关系的统计模型方法。
最后，对提取的地表温度进行空间分析和统计分析，揭示城市热岛效应的特征和机理。
空间分析包括热岛效应的空间分布、规模和影响范围等。
统计分析包括热岛效应的时空变化趋势、关联因素和影响因素等。
通过空间分析和统计分析，可以深入了解城市热岛效应的形成机制和影响因素，为城市规划和环境保护提供科学依据。
综上所述，使用遥感数据进行热岛效应分析需要获取热红外影像，进行预处理，提取地表温度并进行分析。
西安市城市热岛效应卫星遥感分析
监 督 分 类 法 对 西 安 市 影 像 进 行 土 地 利 用 ／ 盖 变 化 分 类 ；在 此 基 础 上 对 西 安 市 城 市 热 岛 的 空 间 分 覆 布 特 征 及 城 市 热 岛 与 土 地 利 用 ／ 盖 变 化 的关 系 进 行 研 究 。 果 表 明 ： 安 市 城 区地 表 温度 明 显 比 覆 结 西 郊 区地 表 温 度 高 ，由市 中心 向外 呈 现地 表 温 度 逐 渐 降 低 的趋 势 。城 市 地 表 温 度 与 土地 利用 类 型 密 切 相关 ，不 同地 表 覆 盖 类 型 的地 表 温 度 差 异 显 著 ，城 市 用 地 和 裸 地 是 城 市 热 岛强 度 的 主要 贡 献 因 素 ，水 体 和 林 地 具 有 较 好 的 降 温 作 用 。 关 键 词 ：Ｌ ｎ ｓｔ Ｔ ａ ｄａ Ｍ ；城 市 热 岛 ；土 地 利 用 ／ 盖 变 化 ；亮 度 温 度 Ｅ 覆
一 ０ ０ ７ ０ ８ ８ ＋ ３ ２， ． ３ ５ Ｄ ． （） １
４ 结 果 与 分 析
４ １ 西安 市城 市热 岛空 间分布 特征 ．
由图 １可 以看 出 ，西安市 城 区亮 度 温度 明显
其 次 把辐 射亮 度值转 化为亮 度 温度
Ｔ—Ｋ２ （ｎ （ ｌ ＋ １ ） ／ Ｉ ／ ）。 （） ２
３ 亮 温 反 演 及 土 地 利 用 ／ 盖 的 关 系 研 究 覆 ３ １ 亮 温反 演 ．
计算得 到 西安市 夏 季城 区亮 温分 布结果 （ 见
图 １。 ）
ＴＭ／ Ｔ Ｅ Ｍ 的 热 红 外 波 段 接 收 的 是 与地 表
如何使用遥感数据进行热岛效应分析
如何使用遥感数据进行热岛效应分析热岛效应（Urban Heat Island, UHI）是指城市地区比周围农田或森林等自然环境温度更高的现象。
随着城市化进程的加速，热岛效应正逐渐成为影响城市气候与生态环境的重要问题。
为了深入了解和分析热岛效应，遥感数据成为一种非常有效的工具。
遥感数据是利用卫星、飞机等遥感平台获取的地球表面以及大气层的数据，其中包括热红外遥感数据。
热红外遥感数据可以通过测量地表温度来反映热岛效应的分布和强度。
因此，利用热红外遥感数据进行热岛效应分析具有重要的意义。
首先，我们可以利用遥感数据获取城市地区的热红外信息。
通过遥感仪器，我们可以获取城市地区不同位置的地表温度数据。
这些数据可以反映出城市内部不同区域的热环境差异。
例如，可以通过测量高楼大厦和绿地的地表温度，对比它们之间的差异，从而揭示城市的热岛效应分布。
其次，我们可以利用遥感数据对热岛效应进行空间分析。
遥感数据可以提供大范围地表温度数据，通过对这些数据进行空间分析，可以直观地看出城市中心和城市边缘的温度差异。
此外，还可以利用遥感数据构建城市地区的温度分布图，揭示热岛效应的空间特征和分布规律。
此外，遥感数据还可以提供时间序列的热岛效应变化信息。
通过不同时间获取的遥感数据，我们可以观察到热岛效应在不同季节、不同时段的变化情况。
例如，可以通过对比白天和夜晚的地表温度，分析城市的日变化和季节变化。
这些变化信息对深入研究热岛效应的形成机理、影响因素以及城市规划与设计具有重要的参考意义。
另外，结合地理信息系统（Geographic Information System, GIS）技术，我们还可以将遥感数据与其他环境数据进行叠加分析，深入研究热岛效应的影响因素。
例如，可以将遥感获取的地表温度数据与城市的土地利用数据相结合，探讨不同土地利用类型对热岛效应的影响。
还可以将遥感数据与气象数据相结合，分析气象条件对热岛效应的影响。
这种综合分析可以更加全面地了解热岛效应的形成和演变机制。
遥感技术在城市热岛效应监测中的应用
遥感技术在城市热岛效应监测中的应用随着城市化进程的加快，城市面积日益扩大，同时城市发展和人类活动也在不断增加，这导致城市环境问题日益严重，其中城市热岛效应影响最为显著。
城市热岛效应是指城市区域与周边农村或自然环境相比，温度普遍较高，尤其是城市中心地带的温度更高，从而产生的一系列环境问题。
以北京为例，热岛效应时常出现，导致城市热浪和大气污染等严重问题。
为了有效控制城市热岛效应，必须对城市热环境进行监测。
遥感技术是一种非常有效的城市热岛效应监测手段，也是应对城市环境问题的重要工具。
那么，遥感技术在城市热岛效应监测中的应用是怎样的呢？一、遥感技术提供了高分辨率的监测图像遥感技术利用卫星和无人机拍摄的遥感图像，可以提供高分辨率、高空间分辨力和时间序列的数据，从而全面、持续地监测城市环境变化。
通过对遥感图像的处理，可以获取城市热岛效应在空间、时间分布和强度方面的多个参数，如地表温度、表面覆盖和建筑密度等。
这样，在热岛空间范围、热岛强度、温度分布等方面都能够更清晰的反映出城市热岛现象的变化趋势。
二、遥感技术可以监测城市地表温度城市地表温度是反映城市热岛效应最为重要的参数之一，也是遥感监测的重要内容。
卫星和无人机遥感技术能够获取城市地表温度信息，通过不同模型对地表温度进行分析，同时还可以检测出不同地区地表温度的变化情况。
这样，就可以及时监测城市热岛效应的变化趋势和程度，为政府和专家提供科学诊断和分析，制定科学合理的控制措施，进一步保护城市生态环境。
三、遥感技术有助于监测城市绿化覆盖率绿化是缓解城市热岛效应的重要手段，越来越多的城市正在大力发展城市绿化工程，因此对城市绿化覆盖率的监测越来越重视。
利用遥感技术可以高效监测城市绿化覆盖率，在大规模区域的监测中更加优势突出。
不同的遥感数据源（比如Landsat、GF等）都有各自的算法，并配合不同采光几何角度和时空分辨率的处理方法，可以获取不同精度与空间尺度下的城市绿化覆盖度数据。
遥感图像处理技术在城市热岛效应研究中的应用案例
遥感图像处理技术在城市热岛效应研究中的应用案例近年来，全球城市化进程加快，城市面积不断扩大，人口持续增长。
然而，随着城市化的不断推进，一个不容忽视的问题开始浮现：城市热岛效应。
在城市热岛效应中，城市地区的气温更高，相比周边乡村地区，这给城市居民的生活带来了一系列不适。
为了更好地理解和应对城市热岛效应，遥感图像处理技术被广泛应用于该领域的研究。
遥感技术可以通过获取大范围地表温度数据反映城市的热岛效应。
通过卫星遥感数据获取城市表面温度信息，可以提供有关城市及其周边地区的热景观图像。
这些图像可以帮助研究人员对城市热岛效应的形成机制进行深入分析。
首先，遥感图像处理技术可以帮助确定城市表面温度的空间分布特征。
研究人员可以利用遥感图像处理技术对卫星数据进行分析，计算得到城市中不同地区的表面温度。
通过比较城市中心区域和周边地区的温度分布情况，可以评估城市热岛效应的强度和范围。
通过这种方式，研究人员可以更好地了解城市各个部分对热岛效应的贡献程度。
其次，遥感图像处理技术可以帮助研究人员分析城市热岛效应的季节和时间变化。
利用遥感图像处理技术，可以获取大量城市表面温度数据，并进行长时间序列分析。
通过对这些数据的分析，研究人员可以揭示城市热岛效应在不同季节和时间尺度上的变化规律。
例如，他们可能会发现城市热岛效应在夏季比冬季更加明显，或者在白天比夜晚更加强烈。
这些分析结果有助于我们对城市热岛效应的动态变化有更深入的理解。
另外，遥感图像处理技术还可以与其他数据融合，进一步探索城市热岛效应的影响因素。
通过将遥感图像处理技术与地理信息系统（GIS）数据和人口统计数据等其他数据进行融合分析，可以更准确地评估城市热岛效应与城市空间规划、建筑类型和人口密度等因素的关联性。
这样一来，我们可以更好地理解城市热岛效应的形成机制，并提出有效的应对策略。
除了以上的应用案例，遥感图像处理技术还可以在城市热岛效应研究中发挥更多的作用。
例如，可以利用高分辨率遥感图像，对城市建筑物和植被类型进行分类，进一步探究它们与城市热岛效应之间的关系。
城市热岛效应的遥感监测及防治对策研究
城市热岛效应的遥感监测及防治对策研究城市热岛效应（Urban Heat Island，简称UHI）是指城市内部温度相对于周围乡村地区更高的现象。
它不仅是城市环境质量问题中的重要组成部分，对人们的生活、社会经济和环境都产生了深远的影响。
本文旨在探讨城市热岛效应的遥感监测及防治对策研究。
一、城市热岛效应的形成机制城市热岛效应是多种因素共同作用的结果，包括地表覆盖类型改变、建筑物的热辐射和建筑热量排放、城市人口密度增加等。
其中，地表覆盖类型改变是影响城市热岛效应形成的主要因素，它会改变能量平衡、影响城市气温和湿度等多个方面。
二、遥感监测城市热岛效应的方法城市热岛效应的监测一直是一个复杂的问题。
传统的监测方法主要是通过气象站点来观测和记录气温和湿度等数据。
但这种方法无法实现对城市微观环境的实时监测。
利用遥感技术监测城市热岛效应，具备实时、高空间分辨率、全面覆盖等优点。
目前常用的遥感监测城市热岛效应的方法主要有以下三种。
1. 利用卫星遥感数据卫星遥感数据是获取全球范围气象信息最主要的手段之一。
通过卫星热红外成像仪可以得到大气、洋面和陆地等表面的热红外图像。
美国国家航空航天局的MODIS（Moderate Resolution Imaging Spectroradiometer）C6产品提供了城市表面温度产品（MOD11C3）。
MODIS遥感数据还可以获取城市表面反照率等信息，补充城市热岛效应的形成机制。
2. 利用无人机遥感数据无人机比卫星更加灵活，对于城市微观环境的监测更加适用。
无人机可以携带多种遥感传感器，例如热红外传感器、高光谱传感器、雷达传感器等，可以实现对城市热岛效应和土地利用的准确探测。
但是，集成系统的无人机技术仍面临多方面的挑战，例如飞行自动化、数据实时处理等。
3. 利用地面观测和无线传感网络城市热岛效应的形成机制是多种因素共同作用的结果，对于低层大气环境变化的研究需要大量的地面观测。
在城市内使用无线传感网络的形式，可以大规模地实现对城市内各种区域的微观观测。
基于遥感技术的城市热岛效应研究
基于遥感技术的城市热岛效应研究随着城市化进程的加速，城市热岛效应日益成为人们关注的焦点。
城市热岛效应是指城市地区由于人口密集、建筑物密集、交通繁忙以及工业活动等因素，导致气温高于周边郊区的现象。
这种现象不仅影响着居民的生活舒适度，还对城市的生态环境、能源消耗以及气候变化等方面产生了深远的影响。
因此，深入研究城市热岛效应对于城市的可持续发展具有重要意义。
遥感技术作为一种能够快速、大面积获取地表信息的手段，为城市热岛效应的研究提供了有力的支持。
遥感技术可以通过卫星、飞机等平台搭载的传感器，获取城市地表的温度、植被覆盖、土地利用等信息，从而为分析城市热岛效应的形成机制、时空分布特征以及影响因素提供了数据基础。
一、城市热岛效应的形成机制城市热岛效应的形成主要归因于以下几个方面。
首先，城市中的建筑物和道路等人工表面具有较高的热容量和热导率，能够吸收和储存大量的太阳辐射热量，并在夜间缓慢释放，导致城市气温升高。
其次，城市中的人口密集和工业活动会产生大量的废热，这些废热排放到环境中，进一步增加了城市的温度。
此外，城市中的植被覆盖较少，水分蒸发量低，无法有效地通过蒸腾作用降低气温。
同时，城市中的大气污染物如二氧化碳、颗粒物等会吸收和散射太阳辐射，影响热量的传递和分布，从而加剧城市热岛效应。
二、遥感技术在城市热岛效应研究中的应用（一）地表温度反演地表温度是衡量城市热岛效应的重要指标之一。
遥感技术可以通过热红外波段获取地表的辐射能量，然后利用相关算法反演出地表温度。
常用的地表温度反演算法包括单窗算法、劈窗算法等。
这些算法能够根据遥感影像的辐射亮度值计算出地表温度，为研究城市热岛效应的空间分布提供了基础数据。
（二）植被覆盖监测植被在调节城市气候方面起着重要作用。
遥感技术可以通过可见光和近红外波段获取植被的光谱信息，然后利用植被指数如归一化植被指数（NDVI）、增强型植被指数（EVI）等来定量评估植被覆盖度。
通过分析植被覆盖度与城市热岛效应之间的关系，可以揭示植被在缓解城市热岛效应中的作用。
如何使用卫星遥感图像进行城市热岛效应分析与应对
如何使用卫星遥感图像进行城市热岛效应分析与应对随着城市化的加速发展，城市热岛效应成为一个日益严重的问题。
城市热岛效应是指城市内部温度明显高于周围农田和郊区的现象。
它涉及到城市空间结构、建筑设计和城市规划等多个方面的问题。
而卫星遥感图像作为现代科技的利器，可以提供大范围、高分辨率的地面温度信息，为城市热岛效应的分析与应对提供有力支持。
首先，卫星遥感图像的获取方式使得城市热岛效应的分析变得更加全面和便捷。
传统的城市热岛效应研究通常借助于地面气象站点来获取温度数据，但这种方式存在着空间覆盖范围有限和数据稀疏等问题。
而卫星遥感图像可以提供遥感像元的温度信息，能够实现对整个城市的全面监测。
同时，由于卫星的轨道高度较高，它可以在短时间内获取大量的数据，使得分析更加迅速高效。
其次，卫星遥感图像可以使用不同的波段进行多尺度和多维度的城市热岛效应分析。
卫星遥感图像通常包括可见光、红外波段等多个波段的图像。
可见光波段能够提供物体表面温度的直接信息，而红外波段则可以反映物体的热辐射情况。
通过结合不同波段的图像，可以更准确地估算城市表面的温度分布，并进一步分析城市热岛效应的形成机制和影响因素。
此外，卫星遥感图像还能够帮助研究人员进行城市热岛效应的动态监测和趋势预测。
通过对不同时间点的卫星遥感图像进行比较和分析，可以了解城市热岛效应在不同季节、不同气象条件下的变化情况，并从中探索热岛效应的演化规律。
同时，通过建立城市热岛效应模型，结合卫星遥感数据和气象数据，可以预测城市热岛效应的未来趋势，为城市规划和气候调控提供科学依据。
基于卫星遥感图像的城市热岛效应分析，还可以为城市热岛效应的应对提供可行的解决方案。
首先，通过比较不同地区的热岛效应强度，可以发现城市规模、建筑密度等因素对热岛效应的影响，从而制定合理的城市规划和土地利用政策，优化城市结构。
其次，通过分析城市表面温度的空间分布，可以发现城市中的“热岛岛”，即温度较高的区域，可以采取相应措施，如增加绿化植被覆盖、改善建筑热环境等，以降低局部热岛效应。
遥感技术在城市热岛效应监测中的应用
遥感技术在城市热岛效应监测中的应用城市热岛效应是城市发展过程中不可避免的问题。
随着城市化的快速发展，城市热岛效应对人类居住环境和生态系统产生了严重的影响。
因此，对城市热岛效应进行有效监测和控制，成为了城市规划与管理的关键任务之一。
而在城市热岛效应的监测中，遥感技术具有独特的优势和应用价值。
首先，遥感技术能够提供高分辨率、全局视角的遥感影像数据。
这种数据可以精确地反映城市的表面温度分布情况，并在不同时间段进行比较和分析。
利用这些数据，可以对城市热岛效应的形成机制进行深入研究，为城市规划和生态环境保护提供科学依据。
在实际应用中，遥感影像数据还可以通过图像处理和数据挖掘等技术手段，提取出城市热岛效应的相关特征参数，为城市规划和管理提供具体的指导。
其次，遥感技术还能够实现城市热岛效应的动态监测。
通过连续获取的遥感影像数据，可以对城市热岛效应的时空变化进行跟踪和分析。
这对于了解城市热岛效应的季节性、年际性变化规律，以及城市化进程对热岛效应的影响具有重要意义。
同时，通过遥感技术可以实现对不同尺度下城市热岛效应的监测，从而为城市规划和生态环境管理提供精细化的数据支持。
此外，遥感技术在城市热岛效应监测中还具有较强的实时性和快速性。
传统的地面监测方法需要耗费大量的人力和物力，无法满足对大范围城市的实时监测需求。
而遥感技术可以通过卫星、飞机等遥感平台获取大面积的遥感数据，不受地理条件限制，能够在较短时间内实现对城市热岛效应的快速监测。
此外，遥感技术还可以与气象、气候模型等其他技术手段相结合，实现对城市热岛效应的预测和预警，为城市规划和灾害防控提供决策依据。
然而，尽管遥感技术在城市热岛效应监测中具有广泛的应用前景，但也面临一些挑战。
首先是数据处理和分析的问题。
遥感影像数据的获取和处理需要较高的技术和设备支持，且数据量庞大，对数据存储和处理能力提出了较高要求。
其次是数据的精度和可靠性问题。
虽然遥感技术在获取城市热岛效应数据方面具有优势，但由于遥感数据受地表特征、大气状况等因素的影响，存在一定的误差。
如何利用卫星遥感测绘数据进行城市热岛建模
如何利用卫星遥感测绘数据进行城市热岛建模随着全球城市化进程的加速，城市的热岛效应对人们的生活和环境产生了越来越大的影响。
热岛效应指的是城市相对于周围农田或郊区在温度上升的现象，这是由于城市建筑物、道路和人口的集中导致的。
热岛效应对城市空气质量、能源消耗和人们的健康都带来了负面影响。
因此，了解城市热岛效应的形成机制和空间分布对城市规划和管理至关重要。
卫星遥感成为了获取城市热岛效应的重要数据源之一。
通过使用卫星遥感仪器记录的地表温度数据，研究人员可以在全球范围内对城市的热岛效应进行研究和分析。
而进行城市热岛建模则是在此基础上，通过数学和统计模型来模拟和预测城市热岛效应的时空分布。
首先，利用卫星遥感测绘数据进行城市热岛建模的第一步是获取高质量的地表温度数据。
卫星遥感仪器可以通过红外辐射测量地表温度，并将这些数据记录在图像中。
然而，由于卫星对地表温度的测量是通过红外传感器来实现的，所以在地表上有人工物体（如建筑物和道路）的城市地区容易产生高温的干扰。
因此，在获取地表温度数据时，需要对这些干扰因素进行校正，以确保数据的准确性。
同时，还需要考虑到卫星轨道和观测周期对地表温度的影响，以克服数据不连续性带来的挑战。
其次，利用卫星遥感测绘数据进行城市热岛建模的第二步是选择适当的模型和方法来分析数据。
常见的城市热岛建模方法包括统计回归、机器学习和地理加权回归等。
统计回归方法通过分析地表温度和其他环境因素之间的关系，来揭示城市热岛效应的成因和空间分布规律。
机器学习方法则通过训练算法来预测城市热岛效应的发展趋势和未来变化。
而地理加权回归方法则结合了地理空间信息和统计回归分析的优势，能够更准确地描述城市热岛效应的时空变化。
选择适当的模型和方法可以更好地揭示城市热岛效应的细节和复杂性。
最后，利用卫星遥感测绘数据进行城市热岛建模的第三步是解释和应用模型结果。
通过对模型结果的解释和分析，研究人员可以更好地理解城市热岛效应的形成机制和空间分布规律。
城市热岛的遥感研究进展
参考内容
随着全球城市化进程的加速，城市热岛效应成为研究热点。本次演示将综述 城市热岛效应的研究进展，包括定义、成因、研究方法和未来研究方向。
一、城市热岛效应的定义及成因
城市热岛效应是指城市中心的气温高于周边地区的现象。主要成因包括：城 市化进程中大量硬质地面取代了自然地表，导致地表热传导能力降低；城市建筑 群、道路等设施释放的大量热量；以及城市生产生活产生的温室气体导致大气污 染等。这些因素共同作用，使得城市中心的气温高于周边地区，形成了城市热岛 效应。
城市热岛效应演变与成因遥感研 究现状
城市热岛效应的起源可以追溯到20世纪初，为了满足日益增长的能源需求， 城市快速发展，大量工业和交通排放的温室气体增加，导致城市气温升高。此外， 城市地表材料的改变，如混凝土和沥青的大量使用，以及城市规划的不合理，如 绿地和水体面积的减少，也是城市热岛效应的重要原因。
遥感技术在城市热岛效应研究中发挥了重要作用。通过遥感技术可以获取大 范围、实时、动态的城市地表信息，包括温度、辐射率、反射率等参数，从而揭 示城市热岛效应的演变过程和影响因素。目前，国内外研究者已利用遥感技术对 不同城市的热岛效应进行了广泛研究。
城市热岛效应演变与成因遥感研 究方法
城市热岛效应演变与成因遥感研究方法主要包括数据采集、处理和数据分析 三个步骤。
结论与展望
本次演示对城市热岛效应演变与成因遥感研究进行了综述，探讨了遥感技术 在城市热岛效应研究中的应用和价值。通过遥感技术，研究者可以获取大范围、 实时、动态的城市地表信息，揭示城市热岛效应的演变过程和影响因素，为城市 规划和环境管理提供科学依据。然而，目前的研究还存在一些不足之处，例如数 据精度、空间分辨率的限制，以及模型复杂度和预测精度的提高等问题。
遥感图像中的城市热岛效应检测方法研究
遥感图像中的城市热岛效应检测方法研究随着全球城市化进程不断加速，城市热岛（Urban Heat Island, UHI）现象也越来越严重。
UHI指的是城市中心区域温度高于周边乡村地区的现象。
热岛效应的形成根源在于城市化进程所带来的能量过剩，大量建筑物和交通工具等废气的产生，以及城市颜色和材料的影响等多种因素。
城市热岛对城市环境和公共安全的影响是不可忽视的，它会影响城市的气候、生态环境、城市布局和空气质量等。
因此，研究城市热岛现象的发展趋势和影响机制非常重要。
而借助遥感技术来对城市热岛现象进行检测，已经成为研究人员关注的热点之一。
遥感图像是通过卫星或飞机在空中拍摄的照片，可以捕捉到地球表面的细节信息。
利用遥感图像来检测城市的热岛现象，可以大大提高检测效率和准确性。
下面介绍目前常用的三种遥感图像检测方法。
1. 温度卫星数据法利用热红外卫星获取城市界面地表温度数据，然后根据所获取的数据进行城市热岛效应的分析。
这种方法能够精准地检测城市热岛现象，但需要获取大量数据，并且成本较高，且在不同时间和天气条件下所获取的数据可能存在误差。
2. 地面温度数据法通过地面测温仪器在城市地表进行数据采集，然后对所获取的数据进行分析。
这种方法需要大量的人力和物力，且常常会因为城市布局、天气变化等因素而导致数据误差。
3. 热红外遥感数据法利用全球定位系统和热红外成像仪获取遥感图像，然后对所获取的数据进行分析。
这种方法能够覆盖范围广，且成本相对较低，且能够在不同时间和天气条件下进行准确的数据处理，但其在城市热岛现象的检测上存在一些局限性。
需要注意的是，城市热岛现象的检测并不是简单的热度检测，诸如植被覆盖率、建筑物高度、风速等因素都可能影响城市热岛效应的检测，因此在进行城市热岛检测时需要考虑多种因素的影响和相互协调的因素。
总之，城市热岛现象的检测是一个复杂而又精准的工作，需要依靠遥感技术和地表测量等方法进行。
释放城市热岛对环境造成的影响，需要从源头进行调控，加强城市规划和管理，大力推广低碳生活和绿色发展理念，保护和改善城市环境，为人类谋取可持续发展的美好未来。
遥感技术在城市热岛效应研究中的应用与案例分析
遥感技术在城市热岛效应研究中的应用与案例分析遥感技术是一种以无需直接接触物体的方式获取目标物体信息的技术，它通过接收、记录和解释从航空器、卫星、无人机等载体所获取的电磁辐射能量，获得地表和大气的信息。
城市热岛效应是指城市地区相对于周边农村地区在夜间或冬季等特定条件下产生的热量积聚现象。
本文将探讨遥感技术在城市热岛效应研究中的应用，并通过案例分析来进一步说明其价值和优势。
一、遥感技术在城市热岛效应研究中的应用城市热岛效应的形成与城市化进程密切相关，通过遥感技术可以全方位、全天候地获取城市地区的地表温度、植被覆盖、建筑结构等信息，从而为城市热岛效应的研究提供重要的数据支持。
具体而言，遥感技术在城市热岛效应研究中的应用主要包括以下几个方面：1. 地表温度监测：通过遥感技术获取城市地表温度的空间分布信息，可以帮助研究人员分析城市热岛效应的形成机制和影响因素。
通过对不同季节、不同时间段的地表温度变化进行监测分析，可以揭示城市发展对热岛效应的影响程度。
2. 植被覆盖分析：城市中的建筑和人工地表热导率较高，热储量大，容易导致热岛效应加剧。
而植被覆盖能够减少太阳辐射直接作用于地表，从而降低地表温度。
通过遥感技术获取植被覆盖的信息，可以定量评估城市热岛效应与植被覆盖之间的关系，并为城市规划和生态环境改善提供科学依据。
3. 建筑结构监测：城市中建筑物密度高、材料吸热性能不同，对热岛效应影响较大。
遥感技术可以获取城市地区建筑结构的信息，包括建筑物高度、形状、材料等，以及城市中的热点区域分布情况。
这些数据有助于研究人员分析建筑结构对热岛效应的影响机理，为城市规划和建筑设计提供指导。
4. 空气质量研究：城市热岛效应与空气污染之间存在着密切的关系。
遥感技术可以获得城市大气中臭氧、颗粒物等污染物的分布情况，同时结合地表温度、植被覆盖等信息，可以揭示城市热岛效应对空气质量的影响，并为城市环境管理提供科学依据。
二、遥感技术在城市热岛效应研究中的案例分析为了更好地说明遥感技术在城市热岛效应研究中的应用价值，以下将介绍一个具体的案例分析。
基于遥感的城市热岛效应分析
基于遥感的城市热岛效应分析随着城市化进程的加速，城市热岛效应日益显著，对城市居民的生活质量、生态环境和能源消耗等方面产生了诸多不利影响。
遥感技术作为一种能够快速、大面积获取地表信息的手段，为城市热岛效应的研究提供了有力的支持。
城市热岛效应指的是城市地区的温度高于周边郊区和农村地区的现象。
这一现象的形成原因是多方面的。
城市中密集的建筑物、道路等不透水面大量吸收太阳辐射，并储存热量。
城市中的人口密集、工业活动和交通排放等导致了大量的人为热量释放。
此外，城市的下垫面特性和大气环流状况也对热岛效应的形成和发展起到了重要作用。
遥感技术通过搭载在卫星、飞机等平台上的传感器，能够获取不同波段的电磁波信息，进而反演地表温度等参数。
常用的遥感数据包括热红外遥感数据、多光谱遥感数据等。
热红外遥感数据可以直接反映地表的热辐射信息，从而计算出地表温度。
多光谱遥感数据则可以通过构建相关的指数，间接反映地表的温度状况。
在利用遥感技术分析城市热岛效应时，首先需要对遥感数据进行预处理。
这包括辐射定标、几何校正、大气校正等步骤，以消除数据中的误差和干扰，提高数据的质量和准确性。
接下来，通过特定的算法和模型，对预处理后的遥感数据进行地表温度反演。
常用的地表温度反演算法有单窗算法、劈窗算法等。
获得地表温度数据后，可以进一步分析城市热岛的空间分布特征。
通过绘制温度等值线图、热岛强度分布图等，直观地展示城市热岛的范围和强度。
研究发现，城市中心区域往往是热岛效应最显著的地方，温度从城市中心向郊区逐渐降低。
而且，城市中的商业区、工业区、高密度住宅区等地通常温度较高，而公园、绿地、水体等区域则相对较凉爽。
除了空间分布，还可以利用遥感数据研究城市热岛效应的时间变化特征。
通过对不同时间获取的遥感数据进行分析，可以了解城市热岛在一天内、季节内以及年际间的变化规律。
例如，在一天中，城市热岛强度通常在夜间达到最大值；在夏季，热岛效应往往比冬季更为明显。
城市热岛效应的观测与影响因素分析
城市热岛效应的观测与影响因素分析城市热岛效应是指城市地表温度高于周围农村地区的现象。
这个现象在大城市中尤为明显，主要是由于城市的人为建筑、交通、工业等活动引发的能量消耗和排放所致。
在各种研究中，科学家们已经证实了城市化导致的热岛效应对人类健康、气候变化和生态系统产生的影响。
本文将从观测城市热岛效应的方法和影响因素的分析两个方面，对城市热岛效应进行深入探讨。
一、观测城市热岛效应的方法观测城市热岛效应可以通过许多方法来进行，其中最常用的就是遥感技术。
遥感技术能够通过卫星、无人机或者其他设备获取地表温度数据，从而反映出城市与农村地区的温度差异。
这种方法具有高时空分辨率，可以全面准确地观测城市热岛效应的变化趋势和空间分布。
另外，地面观测也是观测城市热岛效应的重要手段之一。
地面观测可以通过设置温度计和湿度计等仪器来实时监测城市与农村地区的温湿度差异。
同时，还可以借助气象站等设施来获取其他气象参数，为分析城市热岛效应提供更多的数据支持。
二、城市热岛效应的影响因素分析城市热岛效应的形成与许多因素相关，主要包括以下几个方面：1. 建筑和道路结构：城市的高楼大厦、水泥路面等构成了城市热岛效应形成的物理基础。
这些结构能够吸收并储存大量的太阳辐射热量，导致城市地表温度升高。
2. 人为热源：城市中的工业生产、交通运输等活动会产生大量的热能，并通过烟囱、尾气等方式释放到环境中。
这些人为热源是城市热岛效应的重要原因之一。
3. 植被覆盖变化：城市化进程中，大量的绿地被建筑所代替，导致植被覆盖率下降。
植被具有调节温度的作用，其减少会导致城市热岛效应的加剧。
4. 风速和湿度：城市中高楼大厦的集中排列和人为建筑物的阻挡使得风速降低，湿度则相对较低。
这会限制城市热岛效应的散热，导致城市地表温度升高。
三、城市热岛效应的影响1. 人类健康影响：城市热岛效应会导致城市中气温升高，使人们更容易受到热波和高温的威胁，增加了中暑和其他热相关疾病的风险。
利用遥感技术评估城市热岛效应
利用遥感技术评估城市热岛效应随着城市化进程的不断加速，城市热岛效应也成为影响城市生态环境和城市人们生活质量的一个重要问题。
城市热岛效应指的是城市相对于周边地区温度更高的现象，其对人们的生活和健康都产生了不良的影响。
因此，为了更加了解城市热岛现象，科学研究和利用现代技术对城市热岛现象进行监测和防治已成为当务之急。
遥感技术发展至今，大大提高了对城市热岛效应的探测能力和分析精度，可以对城市热岛效应的演变进行更为全面、准确的探测和分析。
遥感技术的应用有效地降低了人力、物力、财力成本，并且可以不受地域限制，具有空间解析度高、时间连续性强、数据获取高效等优点。
因此，利用遥感技术评估城市热岛效应具有一定的优势。
1. 遥感技术评估城市热岛效应的原理遥感技术是利用遥感卫星对城市逐级进行观测分析，了解城市热岛效应变化趋势及其分布的一种技术手段。
遥感技术的遥感卫星使用的感应器，主要是搭载红外线探测器、回波雷达及激光雷达的卫星感应器，普遍具有较高的温度分辨率和空间分辨率，可以反映出地面温度的空间分布，从而提供精细化的空间温度分布图。
并且遥感技术所获得的数据分布图，可以提供某个时间段内城市空气温度分布的历史信息资料，从而帮助科学工作者对城市热岛效应的变化趋势进行深入研究。
2. 遥感技术评估城市热岛效应的优势（1）数据的时序性和连续性遥感技术不受时间、地域位置的限制，通过对城市地表温度变化大规模瞬态监测，充分利用其时序性和联续性，提供持久、稳定、广泛、连续、多维并存的温度变化特征数据，量测了城市热岛效应的产生和消散的时间轨迹，并以此填补了设计时材料缺陷信息的连续性、网络监测时间和区域图的空间分布的空白。
（2）提供多维准确的温度分布遥感技术通过对地表反射率和温度的观测分析，提供大量的高空间分辨率和高温度分辨率的数据，提供细粒度温度差异信息，新增温度变化幅度和分布的某些位置，以提供温度的稳定性、持续且开放的信息所需，在温度分布方面提供了很多便利。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
An Assessment of Urban Heat Island Effect using RemoteSensing DataWANG Guiling1, JIANG Weimei2, WEI Ming31. Institute of Meteorology, PLAUST, Nanjing 211101, Jiangsu, China;2. Department of Atmospheric Sciences, Nanjing University, Nanjing 210093, Jiangsu, China;3. Sino-American Cooperative Remote Sensing Center, NUIST, Nanjing 210044, Jiangsu, China Abstract: Characteristics of urban heat island (UHI) effect and its cause are investigated by using MODIS data in April 2004. Surface parameters from the MODIS data have surface temperature (ts),albedo(α), and normalized difference vegetation index (NDVI). Their heterogeneities over urban and rural area are analyzed based on land cover classification, and their relations are also presented in order to explain the UHI effect. The results show that there exists obvious the UHI effect. Ts over urban areas are by 10.83 % higher than those over rural area，and NDVI and α over urban area are by 62 % and 18.75 % less than those over rural area, respectively. Surface temperature has significantly negative correlation with NDVI and their correlation coefficient is-0.73. Correlation between NDVI and albedo is determined by the spectrum of light. Difference in vegetation cover is the primary cause of the UHI effect.Keywords: remote sensing; MODIS; urban heat island; surface temperature; NDVI; albedo IntroductionUrban development usually gives rise to a dramatic change of the Earth’s surface, as natural vegetation is removed and replaced by non-evaporating and non-transpiring surfaces such as metal, asphalt, and concrete. This alteration inevitably results in the redistribution of incoming solar radiation, and induces the urban-rural contrast in surface radiance and air temperatures. The difference in ambient air temperature between an urban area and its surrounding rural area is known as the effect of UHI. It is a meteorological phenomenon developing with the growth of urbanized areas, are increasingly affecting citizen’s lives and health. The study will help us to better understand the UHI aspects and its causes, providing an important addition to conventional methods of monitoring the urban environment. It is important to urban expand and layout in order to lessen the UHI.Studies on UHI phenomenon using satellite remote sensing data have been conducted for more than ten years. The methods are included the following types. Firstly, UHI actuality and its dynamic change are analyzed using long term meteorological record over urban andsuburban area. Secondly, the causes of UHI characteristics are explained by the remote sensing or aerial photos. Thirdly, the numerical model is used to simulate the UHI effect. Fourthly, some stations are set to measure UHI. The recent increasing availability of remote sensing technique is an efficient way to survey UHI periodically for long time. Roth (1989) and Gallo (1993) used remote sensing techniques to compare the UHI effect to vegetation index [1,2].Owen(1998) used fractional vegetation cover and surface moisture availability to study the impact of urbanization in and around State College, PA [3]. Streutker (2003) analyzed the growth of UHI and successfully quantified the UHI of Houston, TX taken 12 years apart [4]. All the above studies used National Oceanic and Atmospheric Administration (NOAA) AVHRR data. The 1.1 km spatial resolution of these data was found suitable for the surface temperature mapping over urban area and used to study the surface UHI. UHI has been also studied with more fine resolution satellite data such as Landsat TM, SPOT in many cities such as the Zhujiang Delta in China, Lόdź in Poland, Granada in Spain over the past few years. But such remote sensing data have low temporal resolution and a shorter data record [5-8].MODIS is a key instrument aboard the Terra (EOS AM) and Aqua (EOS PM) satellites. Terra MODIS and Aqua MODIS are viewing the entire Earth's surface every 1 to 2 days, acquiring data in 36 spectral bands. These data will improve our understanding of global dynamics and processes occurring on the land, in the oceans, and in the lower atmosphere. MODIS is playing a vital role in the development of validated, global, interactive Earth system models able to predict global change accurately enough to assist policy makers in making sound decisions concerning the protection of our environment. Most recent researches were about the regional or global scale climatic and environmental changes and seldom on the UHI using MODIS data [9-13].Surface temperatures derived from satellite are believed to correspond more closely with the canopy layer heat island, although a precise transfer function between the surface temperature and the near ground air temperature is not yet available. Satellite information is the only source for determing of the surface temperature (ts) at macro level over a region. In this study, we use the MODIS and other supplementary data to study the characteristics of the UHI and its causes.Longitude/ 0EFig.1 Land cover classification from MODIS in 2004 and locations of automatic weather stationMODIS data are pretreated firstly by the method of overlapped mobile window in Geo-statistics to eliminate abnormal values due to cloud [14,15]. MODIS land surface temperature products are compared with monthly mean ts from seven Automatic Weather Stations (AWSs) to validate them. Then, the parameters in three broadbands (0.3 - 0.7 μm, 0.7 - 5.0 μm, and 0.3 - 5.0 μm) are used to compute the surface albedos in the broadbands with BRDF model. Finally, the difference and correlation analysis of ts, NDVI and albedos between the urban and rural area are performed depending on land use pattern. The urban heat island in the study area is synthetically analyzed by comparing the distribution of ts, NDVI and albedos over urban areas and non-urban areas.1 Study areaThe study area considered in this paper encompasses an area of 83 × 83 km2 centered at coordinates 118.8ºE, 32.0ºN (Nanjing, China). This area includes Nanjing urban area and its suburban counties. Most of the terrain heights are very low in the region and mountainsare distributed mainly in the east and southwest areas.The study area is very heterogeneous, comprising of water, cropland, and forest as well as urban and built-up. Fig. 1 shows the land cover classification map in study area (2004) and the locations of seven AWSs. From Fig. 1 it is easily seen that the Yangtze River runs across the urban zone, and the Xuanwu Lake and the Purple Mountains locate in the central part of the area, with large green cover of semi-natural forest. A transect crossing the centre of the area (AB) is chosen from west to east.2 Data set description2.1 Satellite remote sensing dataSatellite remote sensing has potential utility for this landscape scale characteristic analysis because of the global continuity of observation. Here we choose MODIS satellite data. A series of high-level land surface products have been generated by the MODIS land science team, which are all operational and can be downloaded from the following web site: /pub/imswelcome/.Tab.1 Selected MODIS products of 2004 and their spatial and temporal resolutionsThe selected products are listed in Tab.1. ESDT is the short name for Earth science data type. DOY means Julian day of the year. Temporally, these data cover April 2004 (spring season). We have included MODIS data from the period March 21th (DOY 81) to May 8th (DOY 121). The time period covers 40 days (five 8-day periods and three 16-day periods). The 96-day land cover product included here does not specifically overlap with the spring season. The product “MOD11A2” in the MODIS Land Discipline is defined as the “land surface temperature (LST)” over the gl obal land surface every 8 days with 1 km-resolution. Other products used include the land cover product “MOD12Q1” and NDVI product“MOD13A2”.The accuracy specification for MODIS LST is 1K at 1 km resolution under the clear sky conditions. It can be validated by field measurements over flat uniform land surfaces. The accuracy specification for land-surface emissivity retrieved from MODIS data is 0.02 forbands 29, 31 and 32, and 0.05 for bands 20,22, and 23. The MOD13A2 are standard products designed to be fully operational at launch. The MOD12Q1 product provides a suite of land covers with the primary classification in the IGBP (International Geosphere Biosphere Programme) scheme. Each of these classification schemes is accompanied by the assessments of its quality or confidence. More information about the MODIS products can be found from the web site /data.All data are in HDF (Hierarchical Data Format) format and are provided in ISG (an Integerized Sinusoidal Grid) projection. While the projection becomes increasingly sheared with distance from the Greenwich meridian, the data are converted to Lambert conformal projection and the format from original HDF to a flat binary format by the MODIS Reprojection Tool (MRT v2.4 Beta).。