当前位置： 首页 > news >正文

忻州网站建设培训网站备案填写电话号码

news 2025/10/19 12:59:49
忻州网站建设培训,网站备案填写电话号码,.net网站模版,电子商务网站建设的市场分析目录 1 前言 2 研究方法及数据处理 3 完整代码 4 运行结果 1 前言 随着全球气候变化的不断加剧，城市热岛效应逐渐成为了城市可持续发展中的重大挑战之一。城市热岛效应是指城市区域内由于人为活动、建筑材料、地面铺装方式等因素导致的温度明显高于周边郊区的现…

目录

1 前言

2 研究方法及数据处理

3 完整代码

4 运行结果

1 前言

随着全球气候变化的不断加剧，城市热岛效应逐渐成为了城市可持续发展中的重大挑战之一。城市热岛效应是指城市区域内由于人为活动、建筑材料、地面铺装方式等因素导致的温度明显高于周边郊区的现象。这种效应不仅对城市居民的舒适度造成了显著影响，还可能加剧能源消耗、空气污染，甚至对公共健康产生威胁。因此，研究城市地表温度（Land Surface Temperature，简称 LST）及其与归一化植被指数（Normalized Difference Vegetation Index，简称 NDVI）的关系，成为了当前城市环境研究领域的重要课题。

因此本文分享通过遥感技术，基于 Google Earth Engine 平台与 Landsat 8 卫星影像，分析研究区 2020 年 4 月至 7 月期间的地表温度特征，并进一步探讨地表温度与植被指数之间的关系。

2 研究方法及数据处理

（1）NDVI 计算：NDVI 是植被覆盖状况的重要指标，计算公式为：(NIR - Red) / (NIR + Red)，其中 NIR 为近红外波段（波段 5），Red 为红波段（波段 4），较高的 NDVI 值通常表示更丰富的植被覆盖。

（2）地表发射率估算：地表发射率是计算地表温度的重要参数之一，本研究根据 NDVI 估算地表发射率，采用的经验公式为：发射率 = NDVI × 0.0003342 + 0.1。

（3）地表温度（LST）推算：通过 Landsat 8 热红外波段（波段 10），首先将影像的数字量值（DN）转换为辐射亮度，然后根据亮度推算亮温，最后考虑地表发射率的修正，得到实际地表温度。具体的计算过程包括以下步骤：

①将 DN 值转换为辐射亮度；

②根据 Landsat 8 提供的校准常数，进一步转换为亮温（摄氏度）；

③利用发射率和亮温推算实际地表温度。

本文利用皮尔逊相关系数（Pearson correlation coefficient）方法，进一步分析了 NDVI 与 LST 之间的相关性。结果显示，两者之间存在明显的负相关趋势，即植被覆盖越高的区域，地表温度越低。这充分证明了植被对城市热岛效应的显著缓解作用。

通过进一步采样分析，建立了 NDVI 与 LST 的散点图，直观展示相关趋势，进一步凸显了植被在调节城市生态环境方面的重要价值。

为了更好地展示结果，可以在代码运行后点击“选择地图”分别查看不同区域的地表温度分布和植被覆盖情况。

3 完整代码

// 定义研究区域（AOI）和时间范围
var AOI = table;
Map.addLayer(AOI, {}, "城市边界");
Map.centerObject(AOI, 10);// 加载Landsat 8影像
var landsat8 = ee.ImageCollection('LANDSAT/LC08/C02/T1').filterDate('2024-04-01', '2024-07-31') // 过滤日期范围.filter(ee.Filter.lt('CLOUD_COVER', 10)) // 选择云量低于10%的影像.median() // 计算中值合成影像.clip(AOI); // 裁剪到研究区域// 计算NDVI的函数
var calculateNDVI = function (image) {// NDVI计算公式：(B5 - B4)/(B5 + B4)var ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI');return image.addBands(ndvi);
};// 计算地表发射率的函数
var calculateEmissivity = function (image) {var ndvi = image.select('NDVI');var emissivity = ndvi.multiply(0.0003342).add(0.1); // 基于NDVI的发射率估算公式return image.addBands(emissivity.rename('EMISSIVITY'));
};// 计算地表温度（LST）的函数
var calculateLST = function (image) {var thermalBand = image.select('B10'); // 热红外波段// Landsat 8校准常数var K1 = 774.8853; // 校准常数1var K2 = 1321.0789; // 校准常数2// 将DN值转换为大气顶层辐射亮度var toaRadiance = thermalBand.multiply(0.0003342).add(0.1);// 将辐射亮度转换为亮温（单位：摄氏度）var brightnessTemp = toaRadiance.expression('(K2 / (log((K1 / L) + 1))) - 273.15', {'K1': K1,'K2': K2,'L': toaRadiance}).rename('BRIGHTNESS_TEMP');// 使用发射率计算真实地表温度var emissivity = image.select('EMISSIVITY');var lst = brightnessTemp.expression('(BT / (1 + (0.00115 * BT / 1.4388) * log(emissivity)))', {'BT': brightnessTemp,'emissivity': emissivity}).rename('LST');return image.addBands(lst);
};// 执行计算流程
var ndviImage = calculateNDVI(landsat8); // 计算NDVI
var emissivityImage = calculateEmissivity(ndviImage); // 计算发射率
var lstImage = calculateLST(emissivityImage); // 计算地表温度// 打印LST图像信息
print('地表温度图像:', lstImage);// 计算区域统计值
var lstValue = lstImage.select('LST').reduceRegion({reducer: ee.Reducer.min().combine({reducer2: ee.Reducer.max(),sharedInputs: true}).combine({reducer2: ee.Reducer.mean(),sharedInputs: true}),geometry: AOI, // 统计区域scale: 30, // 空间分辨率maxPixels: 1e13 // 最大像素数
});
print("地表温度统计:", lstValue);// 提取统计值并格式化
var minLST = lstValue.get('LST_min');
var maxLST = lstValue.get('LST_max');
var meanLST = lstValue.get('LST_mean');// 创建统计结果显示面板
var lst_Stats_Text = [['最小值', minLST.getInfo().toFixed(2) + ' °C'],['最大值', maxLST.getInfo().toFixed(2) + ' °C'],['平均值', meanLST.getInfo().toFixed(2) + ' °C']
];// 统计面板样式设置
var lst_stat_panel = ui.Panel({style: {position: 'bottom-left', // 面板位置padding: '10px 10px', // 内边距backgroundColor: 'white', // 背景颜色border: '1px solid black' // 边框样式}
});// 统计标题
var lst_stat_heading = ui.Label({value: '地表温度统计',style: {fontWeight: 'bold', // 加粗字体fontSize: '20px', // 字号margin: '0 0 4px 0', // 外边距color: 'black', // 文字颜色position: 'top-center' // 标题位置}
});// 构建统计信息表格
lst_stat_panel.add(lst_stat_heading);
for (var i = 0; i < lst_Stats_Text.length; i++) {var row = ui.Panel({layout: ui.Panel.Layout.flow('horizontal'),style: { margin: '0 0 4px 0' }});for (var j = 0; j < lst_Stats_Text[i].length; j++) {row.add(ui.Label({value: lst_Stats_Text[i][j],style: { padding: '4px 4px', fontSize: '14px', color: 'black' }}));}lst_stat_panel.add(row);
}// 采样分析NDVI与LST相关性
var sample = lstImage.select(['LST', 'NDVI']).sample({region: AOI, // 采样区域scale: 30, // 采样分辨率numPixels: 1000 // 采样点数量
});// 计算皮尔逊相关系数
var correlation = sample.reduceColumns({reducer: ee.Reducer.pearsonsCorrelation(), // 相关性分析算法selectors: ['LST', 'NDVI'] // 分析字段
});
print('LST与NDVI相关系数:', correlation);// 创建散点图
var chart = ui.Chart.feature.byFeature({features: sample,xProperty: 'NDVI',yProperties: 'LST'
}).setChartType('ScatterChart').setOptions({title: 'LST与NDVI相关性分析', // 图表标题hAxis: { title: 'NDVI' }, // X轴标签vAxis: { title: 'LST (°C)' }, // Y轴标签pointSize: 1, // 点大小trendlines: { 0: { color: 'red' } } // 趋势线
});
print(chart);// 可视化参数设置
var LST_VIS = { min: 20, max: 45, palette: ["0400ff", "37ff00", "fff875", "ffb1d7", "ff0000"] };
var NDVI_VIS = { min: -1, max: 1, palette: ["0008ff", "ff0808", "fffd2a", "5aff5c", "16b300"] };// 创建图例函数
function createLSTLegend() {var legend = ui.Panel({style: {position: 'bottom-right',padding: '8px 15px',backgroundColor: 'white',border: '1px solid black'}});var title = ui.Label({value: '地表温度 (°C)',style: { fontWeight: 'bold', fontSize: '14px', margin: '0 0 4px 0' }});legend.add(title);var palette = LST_VIS.palette;var labels = ['20 - 25 (极低)', '25 - 30 (低)', '30 - 35 (中)', '35 - 40 (高)', '40 - 45 (极高)'];for (var i = 0; i < palette.length; i++) {var colorBox = ui.Label({style: {backgroundColor: '#' + palette[i],padding: '8px',margin: '0 0 4px 0'}});var label = ui.Label({value: labels[i],style: { margin: '0 0 4px 10px', fontSize: '12px' }});var row = ui.Panel({widgets: [colorBox, label],layout: ui.Panel.Layout.flow('horizontal')});legend.add(row);}return legend;
}function createNDVILegend() {var legend = ui.Panel({style: {position: 'bottom-right',padding: '8px 15px',backgroundColor: 'white',border: '1px solid black'}});var title = ui.Label({value: 'NDVI 指数',style: { fontWeight: 'bold', fontSize: '14px', margin: '0 0 4px 0' }});legend.add(title);var palette = NDVI_VIS.palette;var min = NDVI_VIS.min;var max = NDVI_VIS.max;var step = (max - min) / palette.length;for (var i = 0; i < palette.length; i++) {var start = (min + i * step).toFixed(1);var end = (min + (i + 1) * step).toFixed(1);var colorBox = ui.Label({style: {backgroundColor: '#' + palette[i],padding: '8px',margin: '0 0 4px 0'}});var label = ui.Label({value: start + ' - ' + end,style: { margin: '0 0 4px 10px', fontSize: '12px' }});var row = ui.Panel({widgets: [colorBox, label],layout: ui.Panel.Layout.flow('horizontal')});legend.add(row);}return legend;
}// 全局变量管理图例
var currentLegend = null;// 修改地图切换控件
var dropdown = ui.Select({items: ['选择地图', '地表温度', '植被指数'],style: { position: 'top-left' },onChange: function (selected) {Map.layers().reset();// 清除之前的图例和统计面板if (currentLegend) {Map.remove(currentLegend);currentLegend = null;}if (selected !== '地表温度') {Map.remove(lst_stat_panel);}if (selected === '选择地图') {Map.addLayer(AOI.style({ color: '000000', fillColor: '00000000', width: 1 }), {}, "城市边界");Map.centerObject(AOI, 9.6);} else if (selected === '地表温度') {Map.add(lst_stat_panel);Map.addLayer(AOI, {}, "城市边界");Map.addLayer(lstImage.select('LST'), LST_VIS, '地表温度');currentLegend = createLSTLegend();Map.add(currentLegend);} else if (selected === '植被指数') {Map.addLayer(AOI, {}, "城市边界");Map.addLayer(ndviImage.select('NDVI'), NDVI_VIS, '植被指数');currentLegend = createNDVILegend();Map.add(currentLegend);}}
});// 初始化地图
Map.add(dropdown);
dropdown.setValue('选择地图');

4 运行结果

控制台运行结果
LST与NDVI相关性分析
点击选择地图
地表温度图层可视化结果
归一化植被指数图层可视化结果
http://www.dtcms.com/a/500474.html

相关文章：

  • 阿里云服务器 放多个网站h5移动端网站模板下载
  • 老年衰弱与气虚体质
  • 企业微信聚合应用系统，ipad协议接口
  • namecheap建站wordpress.jsp网站开发技术
  • 淘宝客绑定网站备案号做网站对于不同的分辨率
  • Python基础_03_函数
  • 自由学习记录（107）
  • 宝山网站制作杭州家装设计公司排名榜
  • 购物网站开发步骤视频演示网页制作难学吗
  • 好看的网站 你知道的2021中国北京出啥大事了
  • 从零构建生产级日志分析系统：Flask + Docker + Nginx 完整实战
  • 济南市建设局网站查房产信息鞍山人才网站
  • 网站流量被用完了wordpress页面创建失败
  • 企业seo整站优化方案石家庄网站推广方案
  • 中学生做的网站有哪些方面企业号码查询系统
  • feed流推模式和拉模式学习
  • 颜色搭配的网站采集伪原创wordpress
  • 北京建设局网站首页河北省建设银行网站
  • 网站建设 300元电子商务网站建设 试题
  • 网站建设改版攻略51CTO学院个人网站开发视频
  • tkinter显示不出中文？
  • wordpress建壁纸站苏州网站建设上往建站
  • 温江做网站公司wordpress菜单选项
  • 网络层数、参数量、数据集大小的关系
  • 启迪网站建设招聘做自己的视频网站
  • STM32G474单片机开发入门(十六)CCM SRAM详解及实战
  • 安徽省建设厅网站首页集约化网站建设方案
  • seo对企业网站运营有何意义做网站的中标公司
  • 太原网站优化步骤做网站优化推广多少钱
  • 以学校为目标做网站策划书浙江中联建设集团有限公司网站