減化比值植被指數(shù)在城市熱環(huán)境研究中的應用

王偉，申雙和，趙小艷，楊沈斌

(南京信息工程大學1.江蘇省農(nóng)業(yè)氣象重點實驗室;2.應用氣象學院，江蘇南京210044)

0 引言

在全球氣候變暖和高速城市化背景下，城市生態(tài)環(huán)境日益惡化(肖榮波等，2005;鄭祚芳等，2006)，伴隨而生的城市熱島(urban heat island，UHI)突出，如何定量分析和有效緩解UHI已成為城市氣候研究的重要課題(岳文澤等，2010)。

植被覆蓋與地表溫度(land surface temperature，LST)間的關系一直是UHI研究的熱點，傳統(tǒng)上主要利用歸一化植被指數(shù)(normalized difference vegetation index，NDVI)作為城市熱環(huán)境指標來耦合兩者間的關系(Gavin and Owen，1999;Dousset and Gourmelon，2003;張佳華等，2005;王桂玲等，2007;倪敏莉等，2009)。而最新研究發(fā)現(xiàn)，不同土地利用類型上相同的植被覆蓋變化引起的地表溫度變化程度不同(岳文澤等，2006;Yue and Tan，2007;樊輝，2008;劉朝順等，2008;唐曦等，2008;王天星等，2008)，增加相同水平的植被，降溫程度在植被占優(yōu)勢的地區(qū)不及非植被或少植被區(qū)，若不進行土地利用分類，地表溫度和NDVI的線性關系無法揭示此現(xiàn)象?？梢姡琋DVI作為城市熱環(huán)境指標存在缺陷。

減化比值植被指數(shù)(reduced simple ratio，RSR)是綜合紅光、近紅外和短波紅外的三波段植被指數(shù)，其構(gòu)思源于Nemani et al.(1993)對NDVI的短波紅外修正，后由Brown et al.(2000)在反演加拿大北方森林葉面積指數(shù)(leaf area index，LAI)時正式提出，其在LAI反演(Nemani et al.，1993;Brown et al.，2000;Chen et al.，2002;Eklundh et al.，2003;Stenberg et al.，2004;駱知萌等，2005)、森林生態(tài)系統(tǒng)過程模擬(Nemani et al.，1993)、陸地景觀變化監(jiān)測(Chen et al.，2005)、地上生物量估算(Zheng et al.，2007)、全球氣候變化和碳循環(huán)(Zheng et al.，2007)研究中得到了廣泛應用。與近紅外高反射率相比，短波紅外反射率減小由其對水分的強吸收造成，短波紅外在表征植被冠層郁閉度、監(jiān)測下墊面含水量和區(qū)分植被方面的優(yōu)勢是近紅外和紅光波段無法比擬的(Nemani et al.，1993)。下墊面主要通過植被覆蓋和有效水分來控制地表溫度(Owen et al.，1998;Weng et al.，2004)，作為綜合植被、冠層結(jié)構(gòu)和濕度等信息的RSR在城市熱環(huán)境研究中適用性怎樣，RSR與地表溫度的定量關系如何，NDVI和RSR在城市熱環(huán)境中的應用結(jié)果有何差異，這些研究還未見報道。

本文基于陸地資源衛(wèi)星像元尺度，首次探討了RSR與地表溫度間的定量關系，與NDVI應用結(jié)果進行對比研究，并探討了可能原因，依據(jù)相同的技術方案分析了中國6個城市夏季地表溫度和植被覆蓋的關系特征，以期評價RSR在城市熱環(huán)境研究中的適用性，揭示植被降溫的普遍規(guī)律，為城市規(guī)劃和改善城市氣候提供參考。

1 資料與方法

1.1 研究區(qū)概況與資料

南京市位于118°22'～119°14'E、31°14'～32°36'N，屬亞熱帶季風氣候區(qū)，夏季高溫悶熱，是典型的“火爐”城市。長三角經(jīng)濟中心的確立和城市化進程的加快使南京土地利用、覆被發(fā)生了巨大變化，引發(fā)了一系列生態(tài)環(huán)境問題，UHI顯著(楊英寶和江南，2009)。

選用南京市2002年8月21日10:30(北京時)過境的Landsat ETM+影像為數(shù)據(jù)源，研究區(qū)無云覆蓋，成像條件較好，適于地表特征參數(shù)反演。影像數(shù)據(jù)經(jīng)過幾何精校正，總體誤差控制在0.5個像元以內(nèi)，轉(zhuǎn)換投影坐標系統(tǒng)(地圖投影:UTM;投影分帶:50N;基準面:WGS-84)。TM和ETM+影像Band1—5、Band7的空間分辨率均為30 m，Band6空間分辨率分別為120 m和60 m，將熱紅外波段(Bnad6)空間分辨率重采樣至30 m。在ERDAS IMAGINE 9.1的ATCOR2模塊中，設置能見度、氣溶膠類型等參數(shù)，并參考標準地物光譜來調(diào)整參數(shù)以合理考慮像元鄰近效應，輻射定標系數(shù)由影像自帶文件計算生成，溫度和反射率輸出比例因子設為4，進行大氣校正，將像元亮度值DN(digital number)轉(zhuǎn)化為實際反射率。用1∶10萬矢量邊界圖(http://sedac.ciesin.org/china/econ/ybook/ybk90sources.html)裁剪南京城區(qū)作為研究區(qū)。文中氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享服務網(wǎng)(http://cdc.cma.gov.cn/)。

為探討RSR在典型城市熱環(huán)境研究中的適用性，本文獲取了中國6大城市夏季遙感影像(表1)，影像選擇兼顧地理、地貌和氣候等差異，運用相同的大氣校正和參數(shù)反演方案。

表1 獲取的Landsat TM/ETM+影像數(shù)據(jù)Table 1 Landsat TM/ETM+images

1.2 植被指數(shù)提取

NDVI計算公式(趙英時等，2003)如下:

RSR計算公式(Brown et al.，2000)如下:

式中:ρR、ρNIR和ρMIR分別是紅光、近紅外和短波紅外通道的反射率;ρMIR-min和ρMIR-max是完全郁閉冠層和完全開放冠層的短波紅外反射率。

1.3 地表溫度反演

將熱紅外波段像元亮度值DN轉(zhuǎn)化為熱輻射強度Lsensor。

式中:LQCA為DN;LQCA-max=255;LQCA-min=1;Lmax和Lmin為最大、最小光譜輻亮度，從頭文件中獲取。根據(jù)Plank函數(shù)求算亮溫的公式(Owen et al.，1998;Xiao et al.，2007)為

式中:K1、K2為定標系數(shù)，取值見表2。

通過地表比輻射率ε校正，將亮溫轉(zhuǎn)化為實際地表溫度(℃)(Artis and Carnahan，1982)。

式中:λ為熱紅外波段的中心波長(11.45 μm);ρ=1.438×10－2m·K;ε計算方法參考Sobrino et al.(2004)。

2 結(jié)果與分析

2.1 地表溫度反演結(jié)果驗證與分析

用南京小校場氣象觀測站(118.8°E，32°N)地表溫度實測值驗證發(fā)現(xiàn)，反演結(jié)果單點精度在1℃內(nèi)。使用成像時間相近的ASTER數(shù)據(jù)反演的地表溫度(趙小艷等，2009)對比發(fā)現(xiàn)，基于不同影像、不同算法反演的同一地區(qū)地表溫度空間分布十分吻合(圖1)，說明本文運用ATCOR2進行大氣校正后，利用基于影像反演方法得到的地表溫度進行城市熱環(huán)境分析可行。

2002年8月21日，研究區(qū)地表最高溫度達56℃，最低溫度約為23℃，從分布格局來看，南京市存在明顯的UHI。南京城區(qū)和工業(yè)園區(qū)是高溫區(qū)，地表溫度普遍在40℃以上，且高于45℃的地點較多，呈斑塊狀分布;紫金山等林地、玄武湖等水體和綠化較好的公園地表溫度相對較低，普遍低于35℃;長江水體表面溫度最低，均在30℃以下，水體對UHI有一定的緩解作用(朱焱和朱蓮芳，2009)。

表2 地表溫度反演中參數(shù)值設定Table 2 Defined parameter values in land surface temperature retrieval

圖1 南京城區(qū)ETM+數(shù)據(jù)(a)和ASTER數(shù)據(jù)(b)地表溫度反演結(jié)果(單位:℃)Fig.1 Retrieved land surface temperature from(a)ETM+and(b)ASTER images in Nanjing City(units:℃)

2.2 兩種植被指數(shù)與地表溫度定量關系的比較

對整個研究區(qū)進行水體掩膜，圖2是地表溫度與NDVI、RSR的二維散點圖和回歸結(jié)果。結(jié)果顯示，地表溫度與NDVI呈顯著線性負相關，與RSR呈冪函數(shù)負相關，相關系數(shù)均通過0.01信度的顯著性檢驗，地表溫度和RSR擬合方程的判定系數(shù)為0.738 1，相關性更強，兩者的擬合誤差出現(xiàn)在植被稀疏且地表溫度較高的地區(qū)，這與城建區(qū)、工業(yè)區(qū)的人為熱源釋放和裸地的奇異高溫有關(肖榮波等，2007)?；貧w結(jié)果均表明，植被覆蓋度高的區(qū)域地表溫度明顯低于植被覆蓋度低的區(qū)域，加強綠化可有效改善城市熱環(huán)境。

由圖3可見，RSR與NDVI呈顯著指數(shù)關系，判定系數(shù)為0.947 1，擬合模型與張仁華(2009)通過高塔遙感試驗場觀測資料得出的NDVI與LAI非線性函數(shù)關系相似，并能體現(xiàn)NDVI“飽和”現(xiàn)象(Weng，2009)。

圖2 地表溫度與NDVI(a)和地表溫度與RSR(b)的擬合模型Fig.2 Scatter plot and regression models of(a)LST vs.NDVI and(b)LST vs.RSR

圖3 RSR與NDVI的擬合模型Fig.3 Scatter plot and regression model of RSR vs.NDVI

另外，從圖2中也可看出有別于傳統(tǒng)的線性關系，地表溫度與RSR之間呈現(xiàn)顯著的冪函數(shù)負相關，即隨著植被覆蓋增加，地表溫度遞減速率逐漸降低，而NDVI表征的植被降溫效率卻是恒定的。當INDV＞0.7時，可認為植被覆蓋度為1(Carlson and Ripley，1997)，以INDV=0.7代入擬合方程算得IRSR≈3.2，對LST與RSR的函數(shù)關系進行求導，導數(shù)值即為地表溫度隨RSR增加而降低的速率，當IRSR≈3.2時，降溫速率接近于1℃/IRSR。當IRSR＜3.2時，降溫速率超過1℃/IRSR，地表溫度隨著RSR的增加迅速降低;當IRSR＞3.2時，降溫速率低于1℃/IRSR，隨著RSR增加，其降低趨勢變緩，漸近于定值，呈現(xiàn)植被降溫效應的“飽和”現(xiàn)象。這表明在不同的植被覆蓋水平下，植被的降溫效果存在差別，地表溫度遞減速率依賴于植被覆蓋水平，即使在IRSR＜3.2時，植被降溫速率在不同的覆蓋水平下差異也較為明顯(圖2b)?？梢姡岣咧脖桓采w對裸地、建設用地等植被稀疏區(qū)域的降溫效果明顯，而進一步提高園地和林地等植被茂密區(qū)域的植被覆蓋度降溫效果甚微，這與前人研究得出的結(jié)論(岳文澤等，2006;Yue and Tan，2007;樊輝，2008;劉朝順等，2008;唐曦等，2008;王天星等，2008)一致，而NDVI與地表溫度的線性負相關關系無法揭示此現(xiàn)象。而且增加綠化程度較高區(qū)域的植被覆蓋，會限制通風條件，無法緩解城市高溫悶熱天氣(王喜全等，2008)。值得注意的是，RSR臨界值隨研究區(qū)的不同而改變。

2.3 原因分析

研究(Nemani et al.，1993;Brown et al.，2000;Chen et al.，2002;Eklundh et al.，2003;Stenberg et al.，2004;駱知萌等，2005)表明，RSR對植被覆蓋類型變化的敏感性小，與LAI的定量關系更好，短波紅外的引入可抑制一定的背景影響，故對于混合像元和本研究中的針闊葉混交林，RSR比NDVI更有效。而NDVI不僅受植物種類、葉面積大小、土壤背景和陰影的影響較大，且易“飽和”(Weng et al.，2004;Weng，2009)，這可能是兩者擬合誤差出現(xiàn)在高植被區(qū)的主要原因。排除人為熱源釋放等因素，地表溫度的形成主要受植被覆蓋和有效水分的影響(Owen et al.，1998;Weng et al.，2004)，RSR引入的短波紅外波段位于水分吸收帶之間，可敏感地反映植物和土壤水分含量(趙英時等，2003)。

與NDVI相比，RSR與其波段組合有兩點差異。RSR類似于比值植被指數(shù)(ratio vegetation index，RVI)，是近紅外和紅光比值的線性拉伸;RSR引進了短波紅外，變成三波段植被指數(shù)。為此，在城市熱環(huán)境研究中引入RVI(IRV)，與NDVI相比，RVI是近紅外和紅光的線性拉伸，與RSR相比，RVI沒有短波紅外波段。以相同樣點提取RVI，繪制RSR、地表溫度與RVI的散點圖(圖4)，擬合發(fā)現(xiàn)，RSR和RVI呈顯著的線性關系，擬合方程斜率小于1，佐證了“減化比值植被指數(shù)”的含義。與RSR和地表溫度的關系相似，RVI能直觀體現(xiàn)植被降溫效率依賴于下墊面性質(zhì)的特點和植被降溫“飽和”現(xiàn)象，擬合方程判定系數(shù)為0.689 2，介于NDVI、RSR與地表溫度擬合方程判定系數(shù)之間?？梢?，近紅外和紅光的比值線性拉伸是造成RSR、NDVI與地表溫度關系不同的主要原因。RVI和RSR擬合誤差主要出現(xiàn)在高植被覆蓋區(qū)，且RVI和地表溫度的相關性不如RSR與地表溫度的相關性強，可能與短波紅外可減少背景影響和反映冠層郁閉度有關，此外水分也是重要因素。

圖4 RSR與RVI(a)和地表溫度與RVI(b)的擬合模型Fig.4 Scatter plot and regression models of(a)RSR vs.RVI and(b)LST vs.RVI

圖5 6個城市LST與NDVI的線性關系(左)、LST與RSR的冪函數(shù)關系(中)以及NDVI與RSR的指數(shù)關系(右)(N:散點數(shù)目)Fig.5 (left)The linear relationship between LST and NDVI，(middle)the power function relationship between LST and RSR，and(right)the exponential relationship between NDVI and RSR in six cities(N:the number of scattered points)

2.4 RSR在城市熱環(huán)境研究中的適用性

由圖5可見，在6個城市熱環(huán)境研究中，地表溫度與NDVI的線性關系穩(wěn)定，地表溫度和RSR關系能直觀體現(xiàn)植被降溫效率的差異性和“飽和”效應。蘭州市RSR與地表溫度的關系較分散，可能與其干旱氣候特征有關(徐全芝等，2003)。除重慶外，NDVI和RSR的指數(shù)關系較穩(wěn)定，且NDVI在高植被區(qū)的“飽和”現(xiàn)象明顯。說明RSR在中國城市熱環(huán)境研究中具有一定的適用性，相比NDVI而言，RSR是一種可互補的、甚至更適用的城市熱環(huán)境評價指標，植被降溫效率隨著植被覆蓋增加而降低，高植被覆蓋區(qū)植被降溫的“飽和”效應是較普適的結(jié)論。

3 結(jié)論

1)使用ETM+和ASTER數(shù)據(jù)對南京市地表溫度進行同步反演，所得結(jié)果空間分布較吻合，用小校場地表溫度實測值驗證，單點精度在1℃之內(nèi)，說明本文大氣校正和地表溫度反演方法適用可行。

2)RSR和NDVI均與地表溫度呈顯著負相關，植被覆蓋度越高，對應的地表溫度越低。相比NDVI與地表溫度的單一線性負相關，RSR與地表溫度的冪函數(shù)負相關關系能科學解釋不同下墊面植被降溫效率的差異性和高植被區(qū)降溫效應的“飽和”現(xiàn)象。

3)紅光和近紅外比值的線性拉伸是造成RSR和NDVI在城市熱環(huán)境研究中差異性的主要原因，RSR波段全面、對水分敏感及NDVI易“飽和”也是重要影響因素。中國6大城市的案例研究表明，本文結(jié)論具有一定的普適性，RSR在城市熱環(huán)境研究中優(yōu)勢明顯。在城市規(guī)劃中，應根據(jù)不同下墊面植被降溫效果的差異，提出綠地規(guī)劃新對策，在提高植被覆蓋率和綠化限制城市通風的矛盾中尋求平衡，增加分布于城鎮(zhèn)、居民區(qū)和工業(yè)區(qū)等稀疏植被區(qū)的集中綠地，可有效減緩UHI、改善城市氣候。

因植被冠層結(jié)構(gòu)、土壤濕度和真實葉面積難以獲取，RSR與葉面積的定量關系以及冠層結(jié)構(gòu)、水分對地表溫度的影響機制有待進一步研究。

致謝:加拿大多倫多大學陳鏡明院士提供RSR有關文獻信息，江蘇省農(nóng)業(yè)科學院農(nóng)業(yè)資源與環(huán)境研究所農(nóng)業(yè)遙感項目組提供ETM+影像，南京師范大學地理科學學院提供影像大氣校正方法，審稿專家提出了寶貴意見，謹致謝忱。

樊輝.2008.基于Landsat TM的城市熱島效應與地表特征參數(shù)穩(wěn)健關系模型［J］.國土資源遙感，19(3):45-51.

劉朝順，高煒，高志強，等.2008.基于ETM+遙感影像反演不同土地利用類型地表溫度的研究［J］.南京氣象學院學報，31(4):503-510.

駱知萌，田慶久，惠鳳鳴.2005.用遙感技術計算森林葉面積指數(shù)—以江西省興國縣為例［J］.南京大學學報:自然科學，41(3):253-258.

倪敏莉，申雙和，張佳華.2009.長江三角洲城市群熱環(huán)境研究［J］.大氣科學學報，32(5):711-715.

唐曦，束炯，樂群.2008.基于遙感的上海城市熱島效應與植被的關系研究［J］.華東師范大學學報:自然科學版，2008(1):119-128.

王桂玲，蔣維楣，魏鳴.2007.城市熱島效應的衛(wèi)星遙感分析［J］.南京氣象學院學報，30(3):298-304.

王天星，陳松林，馬婭.2008.基于ASTER數(shù)據(jù)源的地表參數(shù)關系分析——以福州市為例［J］.資源科學，30(8):1275-1281.

王喜全，王自發(fā)，郭虎，等.2008.北京集中綠化區(qū)氣溫對夏季高溫天氣的響應［J］.氣候與環(huán)境研究，13(1):39-44.

肖榮波，歐陽志云，李偉峰，等.2005.城市熱島的生態(tài)環(huán)境效應［J］.生態(tài)學報，25(8):2055-2060.

肖榮波，歐陽志云，李偉峰，等.2007.城市熱島時空特征及其影響因素［J］.氣象科學，27(2):230-236.

徐全芝，張萬昌，劉三超，等.2003.黑河流域葉面積指數(shù)的遙感反演［J］.干旱區(qū)研究，20(4):281-285.

楊英寶，江南.2009.近50 a南京市氣溫和熱島效應變化特征［J］.氣象科學，29(1):88-91.

岳文澤，徐建華，徐麗華.2006.基于遙感影像的城市土地利用生態(tài)環(huán)境效應研究—以城市熱環(huán)境和植被指數(shù)為例［J］.生態(tài)學報，26(5):1450-1460.

岳文澤，徐麗華，徐建華.2010.20世紀90年代上海市熱環(huán)境變化及其社會經(jīng)濟驅(qū)動力［J］.生態(tài)學報，30(1):155-164.

張佳華，侯英雨，李貴才，等.2005.北京城市及周邊熱島日變化及季節(jié)特征的衛(wèi)星遙感研究與影響因子分析［J］.中國科學D輯:地球科學，35(增刊I):187-194.

張仁華.2009.定量熱紅外遙感模型及地面實驗基礎［M］.北京:科學出版社.

趙小艷，申雙和，楊沈斌.2009.利用ASTER數(shù)據(jù)反演南京城市地表溫度［J］.南京氣象學院學報，32(1):128-133.

趙英時，陳冬梅，楊立明，等.2003.遙感應用分析原理與方法［M］.北京:科學出版社.

鄭祚芳，劉偉東，王迎春.2006.北京地區(qū)城市熱島的時空分布特征［J］.南京氣象學院學報，29(5):694-699.

朱焱，朱蓮芳.2009.應用衛(wèi)星資料分析蘇州夏季城市熱島效應［J］.氣象科學，29(1):77-83.

Artis D A，Carnahan WH.1982.Survey of emissivity variability in thermography of urban areas［J］.Remote Sens Environ，12:313-329.

Brown L，Chen J M，Leblanc S G，et al.2000.A shortwave infrared modification to the simple ratio for LAI retrieval in boreal forest:An image and model analysis［J］.Remote Sens Environ，71:16-25.

Carlson T N，Ripley D A.1997.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sens Environ，62:241-252.

Chen J M，Pavlic G，Brown L，et al.2002.Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements［J］.Remote Sens Environ，80:165-184.

Chen X，Vierling L，Deering D.2005.A simple and effective radiometric correction method to improve landscape change detection across sensors and across time［J］.Remote Sens Environ，98:63-79.

Dousset B，Gourmelon F.2003.Satellite multi-sensor data analysis of urban surface temperature and land cover［J］.ISPRS Journal of Photogrammetry＆Remote Sensing，58:43-54.

Eklundh L，Hall K，Eriksson H，et al.2003.Investigation the use of Landsat thematic mapper data for estimation of forest leaf area index in southern Sweden［J］.Canadian Journal of Remote Sensing of Environment，29(3):349-362.

Gavin K P，Owen T W.1999.Satellite-based adjustments for the urban heat island temperature bias［J］.Journal of Applied Meteorology，38:806-813.

Nemani R，Pierce L，Running S，Band L.1993.Forest ecosystem processes at the watershed scale:Sensitivity to remotely-sensed leaf area index estimates［J］.Int J Remote Sens，14:2519-2534.

Owen T W，Carlson T N，Gillies R R.1998.An assessment of satellite remotely-sensed land cover parameters in quantitatively describing the climatic effect of urbanization［J］.Int J Remote Sens，19(9):1663-1681.

Sobrino J A，Jimenez-Munoz J C，Paolini L.2004.Land surface temperature retrieval from LANDSAT TM5［J］.Remote Sens Environ，90(4):434-440.

Stenberg P，Rautiainen M，Manninen T，et al.2004.Reduced simple ratio better than NDVI for estimating LAI in Finnish pine and spruce stands［J］.Sliva Fennica，38(1):3-14.

Weng Q H.2009.Thermal infrared remote sensing for urban climate and environmental studies:Method，applications，and trends［J］.ISPRS Journal of Photogram metry and Remote Sensing，64:335-344.

Weng Q H，Lu D S，Schubring J.2004.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies［J］.Remote Sens Environ，89:467-483.

Xiao R B，Ouyang Z Y，Zheng H，et al.2007.Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing，China［J］.Journal of Environmental Sciences，19:250-256.

Yue W，Tan W.2007.The relationship between land surface temperature and NDVI with remote sensing:Application to Shanghai in Landsat7 ETM+data［J］.Int J Remote Sens，19:3024-3226.

Zheng G，Chen J M，Tian Q J，et al.2007.Combining remote sensing imagery and forest age inventory for biomass mapping［J］.Journal of Environmental Management，85:616-623.