标签：城市热岛 patches ee 城市 效应 GEE image 热岛
目录
一、问题描述：
如何使用GEE分析城市热岛效应？获取城市区域温度较高的区域，并获取该区域的面积？
分析区域，选取北京市城区进行分析：
二、热岛效应
- 热岛效应（Urban Heat Island Effect）是指一个地区的气温高于周围地区的现象。用两个代表性测点的气温差值（即热岛强度）表示。主要有城市热岛效应和青藏高原热岛效应两种。
- 热岛效应是由于人为原因，改变了城市地表的局部温度、湿度、空气对流等因素，进而引起的城市小气候变化现象。该现象，属于城市气候最明显的特征之一。
1、定义
由于城市建筑群密集、柏油路和水泥路面比郊区的土壤、植被具有更大的吸热率和更小的比热容，使得城市地区升温较快，并向四周和大气中大量辐射，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。
在近地面等温线图上，郊区气温相对较低，而市区则形成一个明显的高温区，如同出露水面的岛屿，被形象的称之为“城市热岛”。城市热岛中心，气温一般比周围郊区高1℃左右，最高可达6℃以上，大城市散发的热量可以达到所接收的太阳能的2/5，从而使城市的温度升高。在城市热岛作用下，近地面产生由郊区吹向城市的热岛环流。城市热岛增强空气对流，空气中的烟尘提供了充足的水汽凝结核，故城市降水比郊区多。对欧美许多大城市研究发现，城市降水量一般比郊区多5%~10%。
2、成因
城市热岛效应主要由以下因素影响：蒸发减少、城市下垫面反射率降低、能量输入，其强度影响为：蒸发减少0.05g/sm，热输入增加120.9w/m；城市下垫面反射率降低10%，热输入增加30w/m；人工能量输入10w/m，城市中总热输入增加160.9w/m，由于受空气对流的影响，实际热输入约20w/m，计算温升约3.5℃，这与实际比较相符。当夏季空气流通减缓时，热输入会急剧增加，由于城市蒸发系统适应性低，造成城市温度急剧上升，同时由于空调和火电厂的加速运转又会造成恶性循环，加剧城市大气温升。城市蒸发量减少也形成了城市干岛效应，造成城市上空大气稳定度升高，不易发生垂直对流，易形成近地表高温，产生严重的空气污染（例发灰霾和光化学烟雾）。
3、危害
城市热岛效应是城市气候中典型的特征之一。它是城市气温比郊区气温高的现象。城市热岛的形成一方面是在现代化大城市中，人们的日常生活所发出的热量；另一方面，城市中建筑群密集，沥青和水泥路面比郊区的土壤、植被具有更小的函授比热容（可吸收更多的热量），并且反射率小，吸收率大，使得城市白天吸收储存太阳能比郊区多，夜晚城市降温缓慢仍比郊区气温高。城市热岛是以市中心为热岛中心，有一股较强的暖气流在此上升，而郊外上空为相对冷的空气下沉，这样便形成了城郊环流，空气中的各种污染物在这种局地环流的作用下，聚集在城市上空，如果没有很强的冷空气，城市空气污染将加重，人类生存的环境被破坏，导致人类发生各种疾病，甚至造成死亡。
三、城区里温度较高的区域分析
1、分析步骤
分析步骤如下所示：
2、加载数据并显示
python代码如下：
image = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_123032_20210907')
# Map.addLayer(image, {'min':5000, 'max':15000, 'bands':['SR_B7', 'SR_B6', 'SR_B2']}, 'image')
image_clip = image.clip(roi)
# C02数据的标度转换
image_roi = image_clip.select('ST_B10').multiply(0.00341802).add(149)
# 转换为摄氏度(-273.5)，筛选出大于35℃的区域
hotspots = image_roi.subtract(273.5).gt(35).selfMask().rename('hotspots')
Map.add_basemap()
Map.addLayer(hotspots, {'palette':'gray'}, 'hotspots')
结果显示如下：
# 每个区域（斑块）中的像素数，按照周边最多100个像素数的斑块统计，8向连接
patchsize = hotspots.connectedPixelCount(100, True)
Map.addLayer(patchsize, {'palette':'yellow'}, 'patchsize')
Map
结果显示如下：
# 成片斑块区域
large_patches = patchsize.gt(20)
large_patches = large_patches.updateMask(large_patches)
Map.addLayer(large_patches, {'palette':'red'}, 'patches>4')
Map
结果显示如下：
四、城市热岛区域面积提取
- ee.Image.pixelArea()
生成一个图像，其中每个像素的值是该像素的面积，以平方米为单位。返回的图像有一个称为“区域”的带。
- ee.Image.connectedPixelCount()
生成一个图像，其中每个像素包含 4 或 8 个连接的邻居（包括其自身）的数量。
- ee.Image.connectedComponents()
查找与输入的第一个波段具有相同值的连通分量，并用全局唯一值标记它们。连通性由给定的内核指定。大于 maxSize 的对象被视为背景，并被屏蔽。
# 影像领域均值平滑处理
# 使用PixelArea()函数，Generate an image in which the
# value of each pixel is the area of that pixel in square meters.
# The returned image has a single band called "area."
pixelAreaAllPatches = hotspots.multiply(ee.Image.pixelArea())
pixelAreaLargePatches = large_patches.multiply(ee.Image.pixelArea())
AreaAllPatches = pixelAreaAllPatches.reduceRegion(**{
'reducer':ee.Reducer.sum(),
'geometry':roi
})
AreaLargePatches = pixelAreaLargePatches.reduceRegion(**{
'reducer':ee.Reducer.sum(),
'geometry':roi
})
# 获取面积
print('All the pathches area:', AreaAllPatches.getInfo())
print('The large patches area:', AreaLargePatches.getInfo())
结果显示如下：
All the pathches area are: {‘hotspots’: 78300179.11268622}
The large patches area are: {‘hotspots’: 73151637.55642593}
五、学习小结：
- 学习了区域成片斑块的分析方法。以城市热岛效应为例，对于城市热岛区域、集中连片的区域进行提取分析，获取其分布范围
- 掌握GEE中栅格影像空间区域面积的分析方法
参考：
- https://github.com/giswqs/earthengine-py-notebooks/blob/master/Image/image_patch_area.ipynb
- https://baike.baidu.com/item/%E7%83%AD%E5%B2%9B%E6%95%88%E5%BA%94/293720?fr=aladdin
- https://developers.google.com/earth-engine/apidocs/ee-image-connectedcomponents?hl=en
标签：城市热岛,patches,ee,城市,效应,GEE,image,热岛 来源： https://blog.csdn.net/qq_32497109/article/details/122775591
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。