基于无人机高精度热成像的城市三维地表热动态与景观格局日尺度关系研究

本研究针对城市热岛效应(UHI)的精细化监测难题，利用无人机热成像技术(UAV)结合改进的DDWT算法，首次实现了24小时连续高分辨率三维地表温度(LST)动态监测。通过CatBoost模型解析86.0%的温度变异，发现树木5米、水体20米、建筑20-50米的距离阈值对缓解UHI具有关键作用，为街区尺度热环境调控提供了量化依据。

　　

随着全球城市化进程加速，超过56%的人口生活在城市区域，城市热岛效应(UHI)已成为威胁公共健康和环境可持续性的突出问题。传统卫星遥感受限于70米的空间分辨率和1-2天的时间分辨率，难以捕捉城市微尺度热环境的动态变化。尤其在高密度建成区，三维建筑形态与绿地水体的交互作用会显著改变局地热循环，但现有研究对24小时连续尺度的三维热力耦合机制仍缺乏系统认知。

针对这一科学难题，吉林大学地质探测科学与技术学院的研究团队创新性地采用无人机载热红外成像仪(UAV-TIR)，在长春市住宅街区开展了0.3米分辨率的三维地表温度(LST)连续24小时观测。研究通过改进的数字信号概率密度拟合结合离散小波变换(DDWT)算法，成功校正了环形航线下62.5%的温度漂移误差，构建了首个街区尺度的高时空分辨率热环境动态数据集。相关成果发表在《Sustainable Cities and Society》期刊，为理解城市微气候形成机制提供了新范式。

研究团队主要运用了四项关键技术：(1)基于Daubechies6基函数的8层离散小波变换，消除热成像传感器的非线性漂移；(2)Getis-Ord Gi^*空间统计识别UHI/UCI热点；(3)Kruskal-Wallis H检验筛选温度活跃像素；(4)CatBoost多变量回归模型整合静态(反照率、dist2building等)与动态(太阳高度角、阴影等)三维景观指标，解析其对温度变化的贡献度。

研究结果揭示：

1. 热成像标准化：DDWT方法将植被覆盖区(TDF)的温度标准差从1.4°C降至0.5°C，匹配点RMSE在18:00从3.1°C优化至1.2°C(表2)，解决了环形航线导致的影像拼接畸变问题(图4)。

2. 三维热动态时空演化：水平方向UHI在10:00-14:00集中于硬化地表，18:00后转移至水体；垂直方向建筑立面温度变化幅度达12.1°C/h，西立面在14:00因太阳方位角变化形成显著热聚集(图5)。阴影持续时间4-6小时的立面区域呈现高温活跃性(图8)。

3. 景观指标关联性：皮尔逊相关性显示dist2tree(r>0.3)、反照率(r=0.19)对温度影响最显著(图9)。SHAP分析表明树木贡献度最高(图11)，ALE曲线量化出5米距离内树木降温效果衰减率达60%(图13)。

4. 机器学习建模：CatBoost模型对温度(R²=0.86)和温度变化率(TCR,R²=0.635)的预测优于XGBoost和LightGBM，证实建筑间距40-60米可优化通风散热(图14)。

这项研究创新性地建立了"景观格局-三维热过程"的日尺度响应框架，其科学价值体现在：(1)发展DDWT算法突破无人机热影像时空标准化瓶颈；(2)揭示水体20米辐射范围与树木5米荫蔽带的精确调控阈值；(3)证实高反照率(0.14-0.19)硬化地表会加剧昼夜温差。实践层面，研究提出的"分散水体+密植乔木+开放建筑布局"策略(图15)，为社区级热缓解规划提供了量化设计依据，对实现联合国可持续发展目标(SDG11)中的气候适应性城市建设具有重要指导意义。