近年来对城市热环境的研究大多集中在大尺度或城市区域尺度上, 基于街区尺度的热环境研究较少。本研究基于高空间分辨率的天宫一号热红外数据, 利用 JM&S(Jim.nez-Mu.oz & Sobrino)算法反演了南京部分地区地表温度, 进而揭示了南京地区夜间地表热环境空间分布规律并分析了其与地表覆盖类型的关系, 探讨了不同街区夜间地表温度的差异。研究结果表明, 天宫一号具有热异常检测能力, 能较好地体现街区尺度地表温度的空间异质性; 南京夜间存在明显的城市热岛效应, 热岛强度为 2.6 K, 局部热岛效应较为突出; 受土地覆盖类型、人口、建筑等因素的影响, 不同街区地表温度差异较为明显。

为了精准地估测荒漠化地区的稀疏植被信息, 选取内蒙古苏尼特右旗为研究区, 以天宫一号高光谱数据为数据源, 结合野外实地调查数据, 通过归一化植被指数(normalized difference vegetation index, NDVI)和土壤调节植被指数(soil adjusted vegetation index, SAVI)对研究区内的植被覆盖度和生物量进行反演, 并对比两种植被指数的优劣。 首先, 分析了每种波段组合下的植被指数与覆盖度、 生物量的相关性, 确定了最大相关的波段组合。 覆盖度和生物量与NDVI的最大相关系数可达07左右, 而与SAVI的最大相关系数可达08左右。 NDVI的最佳波段组合的红光波段中心波长为630 nm, 近红外波段的中心波长为910 nm, 而SAVI的组合为620和920 nm。 其次, 分别构建了两种植被指数与覆盖度、 生物量之间的线性回归模型, 所建模型的R2均能达到05以上。 SAVI所建模型R2要比NDVI略高, 其中植被覆盖度的反演模型R2高达059。 经留一交叉验证, SAVI所建模型的均方根误差RMSE也比基于NDVI的模型小。 结果表明: 天宫一号高光谱数据丰富的光谱信息能有效地反映地表植被的真实情况, 并且SAVI比NDVI更能较为精准地估测荒漠化地区的稀疏植被信息。