昆明中心城區(qū)地表溫度反演及與土地覆蓋關(guān)系分析

章皖秋　袁　華　岳彩榮　鈕子鵬

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

?

昆明中心城區(qū)地表溫度反演及與土地覆蓋關(guān)系分析

章皖秋袁華岳彩榮鈕子鵬

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

結(jié)合MODIS大氣水汽3通道平均反演法與地表溫度劈窗反演法，用Landsat 8反演了昆明中心城區(qū)的地表溫度；應(yīng)用面向?qū)ο蠓ǚ殖叨忍崛〕龀鞘型恋馗采w類型，從可規(guī)劃控制角度出發(fā)，選擇各類土地覆蓋的多種特征，對(duì)不同土地覆蓋的特征與地表溫度之間建立逐步回歸模型。結(jié)果表明：昆明中心城區(qū)的地表溫度呈現(xiàn)高溫區(qū)與低溫區(qū)兩端分布特點(diǎn)，綠地分布不合理、道路和其他不滲水面比例過(guò)大是昆明城市高溫區(qū)多的主要原因；回歸模型顯示，植被覆蓋率、植被覆蓋的外形復(fù)雜度、水域面積、河流長(zhǎng)度、其他不滲水面內(nèi)的植被綠化率與地表溫度呈負(fù)相關(guān)，除道路之外的不滲水面的斑塊面積和周長(zhǎng)則與地表溫度呈正相關(guān)；各類型土地覆蓋的部分斑塊特征與地表溫度之間存在弱關(guān)聯(lián)。進(jìn)一步明確這些關(guān)系將有助于城市熱環(huán)境調(diào)控、城市規(guī)劃建設(shè)研究。

Landsat 8；劈窗算法；地表溫度；土地覆蓋類型；特征

當(dāng)前城市高溫現(xiàn)象頻發(fā)，高溫之下人體溫度調(diào)節(jié)紊亂、空氣污染物滯留、誘發(fā)各種疾??；同時(shí)也導(dǎo)致水、電供應(yīng)緊張?？刂瞥鞘袩岘h(huán)境、消除城市熱島已成為現(xiàn)代城市急需解決的生態(tài)問(wèn)題。地表溫度 (land surface temperature, LST) 是城市熱環(huán)境形成的主要因素，而土地覆蓋又與地表溫度緊密關(guān)聯(lián)。地表溫度與土地覆蓋間的關(guān)系已成為城市熱環(huán)境的一個(gè)重要研究?jī)?nèi)容。常見(jiàn)定性分析包括：土地覆蓋與LST的空間一致性比較[1]，剖面線分析[2-3]，土地覆蓋類型的熱場(chǎng)強(qiáng)度分析[4]等。定量分析則以統(tǒng)計(jì)模型為主，如土地覆被指數(shù)與熱場(chǎng)間的模型[2]；城市熱島面積比例與城市面積、城市發(fā)展區(qū)、人口密度、水域比例、平均NDVI之間的回歸方程[5]；LST與NDVI、硬化地表指數(shù)、道路密度等因子的主成份回歸模型[6]；LST與4個(gè)遙感指數(shù)的回歸方程[7]；不滲水面豐度指數(shù)與LST間的線性回歸方程[8]。這些研究均表明土地覆蓋類型是影響地表溫度的直接因子。

控制城市熱環(huán)境，難以從調(diào)節(jié)氣候、時(shí)間，或大面積更改土地覆蓋類型等方面實(shí)現(xiàn)；而遙感指數(shù)、道路密度、硬化地表指數(shù)等指標(biāo)，在城市建設(shè)中也不容易掌控。因此，找出能夠影響地表溫度、且人為可控的土地覆蓋特征，將對(duì)城市熱環(huán)境控制具有實(shí)用價(jià)值。已有研究發(fā)現(xiàn)，某些土地覆蓋特征能影響地表溫度，如佟華等[9]指出大型楔形綠地能降低周圍約1 km以內(nèi)的溫度；徐麗華等[10]發(fā)現(xiàn)公園景觀的周長(zhǎng)、形狀指數(shù)與周圍的地表溫度負(fù)相關(guān)；Connors J P等[11]的研究表明增加景觀斑塊復(fù)雜度，能微尺度降低地表溫度；陳朱等[12]的分析顯示市區(qū)公園的氣溫和冷島強(qiáng)度與公園面積之間存在顯著定量關(guān)系，公園面積增加，則公園氣溫增加、冷島強(qiáng)度降低；Li J X等[13]的研究顯示低層建筑群、植被覆蓋少的居住小區(qū)的地表溫度高于高層建筑群的小區(qū)；Chen A L等[14]發(fā)現(xiàn)各類型地物斑塊的不同特征與斑塊內(nèi)最低地溫UCI關(guān)系不同，綠地的大小、邊緣、連通性均與UCI呈負(fù)相關(guān)，河流、樹(shù)林的斑塊形狀與UCI存在關(guān)聯(lián)；Tan M H等[15]通過(guò)1 124個(gè)不同尺度的土地利用區(qū)發(fā)現(xiàn)，土地利用區(qū)的面積與城市熱島強(qiáng)度呈對(duì)數(shù)正相關(guān)。這些研究顯示，土地覆蓋斑塊的各種特征與地表溫度之間潛在著一定的關(guān)聯(lián)。

昆明市自1999年以后進(jìn)入高度城市化，城市熱島問(wèn)題凸顯[16-17]。2001—2010年為昆明地區(qū)近60年來(lái)氣溫最高10年[18]。因此，對(duì)昆明城市熱環(huán)境的調(diào)控迫在眉睫。本研究基于Landsat 8數(shù)據(jù)，結(jié)合MODIS大氣含水量的3通道平均反演法，利用劈窗算法反演了昆明中心城區(qū)2015年5月28日的地表溫度，并用面向?qū)ο蠓◤挠跋裆汐@取土地覆蓋分布；在此基礎(chǔ)上，分析昆明城市地表溫度分布特征，用逐步回歸模型來(lái)明確土地覆蓋類型的各種特征與LST間的關(guān)聯(lián)程度，尋找能影響地表溫度且在城市建設(shè)中可控的土地覆蓋特征，探索用間接因素控制城市地表溫度的途徑。

1　研究方法

1.1基于劈窗算法的地表溫度反演

遙感影像地表溫度反演常包括單通道、單窗、劈窗3種算法。其中，覃志豪等的劈窗算法利用2個(gè)相鄰熱紅外通道測(cè)量值的組合來(lái)消除大氣影響，提高了反演精度[19-20]。該算法在NOAA、MODIS數(shù)據(jù)上得到了廣泛應(yīng)用[19,21-22]；Yang L、Rozenstein O將劈窗算法應(yīng)用于Landsat 8數(shù)據(jù)上，也得到精度較高的地表溫度[23-24]。因此，本研究采用劈窗算法反演昆明城市地表溫度，公式如下。

Ts=A0+A1T10-A12T11

(1)

A0=[a10D11(1-C10-D10)-a11D10(1-

C11-D11)]/(D11-C10-D10C11)

(2)

A1=1+[D10+b10D11(1-C10-D10)]/

(D11C10-D10C11)

(3)

A2=D10[1+b11(1-C11-D11)]/

(D11C10-D10C11)

(4)

Ci=εiτi

(5)

Di=[1-τi][1+(1-ε)τi]

(6)

式中：εi、τi為第i通道的地表比輻射率和大氣透過(guò)率，i=10或11；T10，T11是Landsat 8第10、11通道的亮度溫度，通過(guò)數(shù)據(jù)輻射定標(biāo)與Planck函數(shù)求出。昆明當(dāng)天氣溫為15～30 ℃，系數(shù)a，b取0～30 ℃區(qū)間：a10=-59.139、a11=-63.392、b10=0.421、b11=0.457[24]。

劈窗算法中估算地表比輻射率、大氣透過(guò)率是地表溫度反演的關(guān)鍵。

1) 地表比輻射率計(jì)算。本研究選擇了混合地表法來(lái)估算地表比輻射率[25]。首先將城市地表視為由自然表面、城鎮(zhèn)表面、裸地、植被、水體5大類組成；其中，自然表面是由不同比例的植被和裸地混合而成，城鎮(zhèn)表面是由建筑表面、植被綠化混合而成。本研究先對(duì)影像的歸一化植被指數(shù) (NDVI)、歸一化水指數(shù) (NDWI)、歸一化差值裸地與建筑 (NDBBI)[26]、裸土指數(shù) (BSI)[27]指數(shù)進(jìn)行回歸決策樹(shù)CART分類，將地表粗分為水體，植被，裸地，建筑4類。再用NDVI累積頻率為5%、95%時(shí)的值作為裸地、植被的NDVI臨界值，將NDVI大于0.8的植被視為純植被，NDVI小于0.09的裸土視為純裸土，將NDVI小于0.8的植被和NDVI大于0.09的裸地合并為自然表面，將建筑保留為城鎮(zhèn)表面，水體保持不變。

然后，計(jì)算出Carlson植被覆蓋率 (Pv)[28]，用混合地表法計(jì)算自然表面、城鎮(zhèn)表面在Landsat 8第10、11通道的地表比輻射率[25]；水體、植被、裸地的地表比輻射率則按照ε10w=0.996 83、ε11w=0.992 54、ε10v=0.986 72、ε11v=0.989 90、ε10s=0.967 67、ε11s=0.977 90取值[28]。

2) 大氣透過(guò)率計(jì)算。大氣水汽含量對(duì)熱紅外波段大氣透過(guò)率的干擾是地表溫度反演的主要影響因素[30]。MODIS數(shù)據(jù)和Landsat數(shù)據(jù)在我國(guó)同一地區(qū)只有0.5～2.0 h的時(shí)間差，可用MODIS估計(jì)Landsat溫度反演中所需參數(shù)[31]。不同于常見(jiàn)的MODIS單通道水汽反演，本研究采用精度相對(duì)較高的MODIS 3通道平均法[32-33]來(lái)估計(jì)昆明當(dāng)天的大氣水汽含量，見(jiàn)式 (7)～(9)。

(7)

(8)

ω=f17ω17+f18ω18+f19ω19

(9)

式中：ρi、ωi、fi分別為MODIS第17, 18, 19通道的反射率、大氣水汽含量和水汽權(quán)重。

然后，用MODTRAN模擬大氣水汽含量與大氣透過(guò)率之間的關(guān)系，最終由MODIS數(shù)據(jù)反演出的水汽含量推算大氣透過(guò)率[25]。根據(jù)昆明的地理位置與當(dāng)日天氣，在MODTRAN中采用中緯度夏季大氣模式、大氣斜程路徑、中午時(shí)刻地面溫度27 ℃、Landsat 8衛(wèi)星3°天頂角的觀測(cè)角度、Landsat 8第10、11通道響應(yīng)函數(shù)，模擬了昆明當(dāng)日第10、11通道大氣透過(guò)率 (τ) 與大氣水汽含量的估算方程 (10)。將MODIS 3通道平均法求出的大氣水汽含量帶入式 (18)，即可得到當(dāng)日Landsat 8的第10、11通道的大氣透過(guò)率。

(10)

1.2城市土地覆蓋類型分類

根據(jù)實(shí)際調(diào)研，將昆明城市土地覆蓋分為植被、水域、主干河流、裸地、主干道、其他不滲水面6個(gè)大類。其中，水域指各種水潭、湖泊；其他不滲水面則是指除道路之外的建筑物、水泥地表、人工材料等地表表面。本研究采用NNDiffuse Pan Sharpening法融合Landsat 8的多光譜與全色波段，用面向?qū)ο蠓ń庾g出昆明城市土地覆蓋類型。首先在小尺度分割基礎(chǔ)上，用支持向量機(jī)分類法提取出成塊狀分布的植被、水域、裸地。然后在中尺度分割基礎(chǔ)上，根據(jù)長(zhǎng)寬比等指標(biāo)，用規(guī)則集提取河流與道路；根據(jù)光譜、形狀差異，將其他不滲水面分割為斑塊狀。最后對(duì)分類結(jié)果進(jìn)行人工糾錯(cuò)，提高土地覆蓋分類精度。由于地表溫度屬于邊界模糊的場(chǎng)效應(yīng)，小面積地物對(duì)溫度的影響較小，本研究將不考慮小面積地物斑塊，因此分類結(jié)果的空間尺度和精度能滿足研究需求。

1.3逐步回歸模型

本研究以斑塊平均地溫作為因變量，用逐步回歸模型分析土地覆蓋的各種特征對(duì)地表溫度的影響力。逐步回歸模型能剔除引起多重共線性的變量，保留顯著的解釋變量，因此能較好判斷各種土地覆蓋特征與地表溫度之間直接關(guān)聯(lián)的強(qiáng)弱性。

選擇可以控制的土地覆蓋特征，是探索利用土地覆蓋特征來(lái)控制城市熱環(huán)境的關(guān)鍵。景觀生態(tài)學(xué)表明斑塊大小、形狀會(huì)影響斑塊中能量的聚集，且外形特征在城市規(guī)劃建設(shè)中也相對(duì)容易控制。因此，選擇對(duì)稱性、圓匹配率、形狀指數(shù)、面積等11個(gè)斑塊外形特征作為自變量。根據(jù)以往研究，植被綠化是能有效控制城市熱環(huán)境的手段之一，因此選擇植被覆蓋率 (Pv) 作為土地覆蓋類型的綠化率，也加入回歸擬合中。最終，選擇了12個(gè)斑塊特征參與逐步回歸分析：Asymmetry、Elliptic_fit、Denity、Rectangula_fit、Length/width、Shape_index、 Compactness、 Roundness、 Area、 Length、Perimeter、Pv。

2　結(jié)果與分析

以昆明市外圍主要干道和不包括郊區(qū)農(nóng)田為標(biāo)準(zhǔn)，圈定昆明中心城區(qū)，進(jìn)行地表溫度與土地覆蓋特征關(guān)系分析。

2.1昆明城市地表溫度

Landsat 8反演出的2015年5月28日昆明中心城區(qū)的地表溫度見(jiàn)圖1。鑒于MODIS溫度產(chǎn)品 (MOD11A1) 采用Wan-Dozier廣義劈窗算法，具有廣泛代表性，且許多LST反演均以其作為評(píng)價(jià)標(biāo)準(zhǔn)[34]，因此本研究也將Landsat 8的LST反演結(jié)果與同天MOD11A1進(jìn)行對(duì)比。Landsat 8反演的平均地溫為39.39 ℃，MOD11A1為40.61 ℃，平均絕對(duì)溫差1.84 ℃；2種溫度產(chǎn)品的相似系數(shù)則達(dá)到0.99，說(shuō)明Landsat 8的反演地溫與MOD11A1空間分布一致，且溫差不大，Landsat 8的地表溫度反演在合理范圍之內(nèi)；但Landsat 8的地表溫度的空間分辨率為100 m，遠(yuǎn)高于MOD11A1的1 km，更能表征城市熱環(huán)境。

圖1昆明中心城區(qū)地表溫度反演結(jié)果

Fig.1The distribution of heat intensity of the urban area of Kunming

Landsat 8反演地溫的最低溫為39.23 ℃，最高溫為48.13 ℃，平均溫為39.39 ℃，地表溫度估計(jì)值高于當(dāng)日的氣溫范圍 (17～30 ℃)。這是因?yàn)長(zhǎng)andsat 8于11：34過(guò)境，中午時(shí)刻地溫一般高于氣溫；且當(dāng)日無(wú)風(fēng)、之前連續(xù)7天晴朗無(wú)云，夏季下墊面干燥、容易升溫，因此地表溫估計(jì)高于氣溫。同時(shí)，地表溫度是指地表覆蓋的內(nèi)部溫度，而近地表氣溫由于受多方因素影響，其測(cè)量值變化性較大，因此城市下墊面的LST與近地表氣溫一般表現(xiàn)為正線性關(guān)系，有相似的空間分布[5,35]，在溫度絕對(duì)值上不會(huì)完全一致。而且LST是基于影像所有像元同時(shí)反演而得，具有一致的溫度基礎(chǔ)，因此溫度絕對(duì)值并不影響溫度與地表覆蓋之間的關(guān)系研究[36]。

采用式 (11) 計(jì)算熱場(chǎng)強(qiáng)度指數(shù) (HI)[37]，結(jié)果見(jiàn)表1，顯示昆明城市熱區(qū)的分布情況見(jiàn)圖2。

HI=(T-Tmean)/Tmean

(11)

表1　昆明中心城區(qū)熱場(chǎng)強(qiáng)度分級(jí)

圖2昆明中心城區(qū)熱場(chǎng)強(qiáng)度圖

Fig.2The landscape compositions of the urban area of Kunming

圖2顯示，城內(nèi)紅色熱島區(qū)分布廣，大部分區(qū)域的地溫高于平均溫度。表1顯示，昆明城市熱場(chǎng)呈兩端分布，無(wú)熱島區(qū)占了44.73%，而HI大于0.010的強(qiáng)熱區(qū)面積占了52.88%，說(shuō)明昆明當(dāng)日城市熱環(huán)境糟糕。

2.2昆明城市土地覆蓋及溫度特征

由面向?qū)ο蠓殖叨忍崛〉睦ッ髦行某菂^(qū)的土地覆蓋類型分布見(jiàn)圖3，總體精度為0.87，Kappa系數(shù)為0.82。各種土地覆蓋類型的地表溫度情況見(jiàn)表2。

表2　不同土地覆蓋類型的地表溫度

圖3昆明中心城區(qū)土地覆蓋類型

Fig.3The landscape compositions of the urban area of Kunming

對(duì)比圖2、圖3可發(fā)現(xiàn)，HI小的低溫區(qū)與市內(nèi)的植被、水域、河流的空間分布一致，而HI大的高溫區(qū)則與其他不滲水面、裸地分布一致。圖3顯示，昆明的植被覆蓋主要位于城市邊緣，中心地帶植被覆蓋較少；道路和其他不滲水面的面積占主要城區(qū)的74%。因此昆明市綠地分布不合理，其他不滲水面、道路比例過(guò)大是昆明城市高溫區(qū)多的主要原因。

表2中，植被、水域、河流的最低溫、最高溫、平均溫都低于道路、裸地、其他不滲水面的對(duì)應(yīng)值。水域的平均地溫最低，河流與植被次之，道路、裸地、其他不滲水面的平均溫均在40.15 ℃左右。從標(biāo)準(zhǔn)差來(lái)看，水域和河流的溫度變化性最大，然后是植被，而道路、裸地、其他不滲水面的地溫標(biāo)準(zhǔn)差都較小。各土地覆蓋類型在地溫平均值和標(biāo)準(zhǔn)差上的排序，恰好與地物含水量對(duì)應(yīng)，說(shuō)明含水量是影響城市地溫的關(guān)鍵因素之一。同時(shí)，道路形狀狹長(zhǎng)易受到周圍地物影響，其他不滲水面則包括較多地類，因此這2類土地覆蓋類型的最高溫與最低溫差距較大。

2.3地表溫度-土地覆蓋特征回歸模型

依據(jù)Landsat 8 TIRS的空間分辨率，選擇面積> 100 m × 100 m的各類土地覆蓋斑塊參與逐步回歸分析。由于各種特征變量量綱差異較大，因此采用了標(biāo)準(zhǔn)化回歸系數(shù)來(lái)分析入選模型的各種斑塊特征對(duì)地表溫度的影響，結(jié)果見(jiàn)表3。其中，Density代表斑塊的空間平鋪性，斑塊越細(xì)長(zhǎng)，Density值越小，見(jiàn)式 (12)；形狀指數(shù)Shape_Index描述了斑塊邊緣的平滑性，邊緣鋸齒狀越大，Shape_Index值越大，見(jiàn)式 (13)。裸地并無(wú)顯著變量入選，說(shuō)明各候選特征與裸地地溫沒(méi)有顯著關(guān)聯(lián)。

(12)

(13)

表3　各土地覆蓋類型的地表溫度回歸模型標(biāo)準(zhǔn)化系數(shù)

表3顯示，除水域的模型決定系數(shù)R為0.85，其他地物類型的R值不高，且各模型自變量的系數(shù)絕對(duì)值大都在1以下，說(shuō)明自變量對(duì)因變量的解釋力度并不大，僅為弱關(guān)聯(lián)；即這些斑塊特征并不是地表溫度高低的決定性因子。但是5個(gè)模型的sig值均小于0.001，說(shuō)明模型中所表示的弱關(guān)聯(lián)是顯著的，即這些斑塊特征雖然與地表溫度的關(guān)聯(lián)度偏低，但是這種弱關(guān)聯(lián)是確實(shí)存在的。結(jié)合R值、sig值和自變量系數(shù)，可判斷這些斑塊特征是地表溫度的一種微調(diào)因子，雖不能決定地表溫度的整體高低，但是依然對(duì)其有一定的影響作用。其中，系數(shù)為負(fù)的特征，說(shuō)明與地表溫度負(fù)相關(guān)，能一定程度降低地表溫度；系數(shù)為正的特征，說(shuō)明與地表溫度正相關(guān)，能帶來(lái)弱升溫作用。

植被模型的3個(gè)特征的系數(shù)均為負(fù)數(shù)，其中Pv、Shape_index的系數(shù)絕對(duì)值相對(duì)大些，說(shuō)明若植被斑塊內(nèi)植被濃密、斑塊外緣鋸齒狀多，更能減低斑塊內(nèi)的地表溫度。昆明城內(nèi)的植被覆蓋類型復(fù)雜，從總體上來(lái)說(shuō)，植被覆蓋率越高，植被的光合、蒸騰作用帶來(lái)的低溫就會(huì)相對(duì)明顯。

同為水體，但進(jìn)入水域和河流模型的斑塊特征并不一樣。水域模型的自變量為Density和Area，且系數(shù)為負(fù)，說(shuō)明水域面積越大，斑塊狀越明顯，地表溫度越低。昆明城內(nèi)有翠湖、蓮花池、世博園等公園水體，以及白沙河、水海子等水庫(kù)；它們的面積越大、則水容量越大，塊狀形狀下水體聚集，更容易體現(xiàn)水體高熱容的特點(diǎn)，形成水體的 ‘冷島’。河流模型的Shape_index的系數(shù)為1.08，而Length的系數(shù)為-0.89，說(shuō)明如果河流的細(xì)小支系過(guò)多，反而會(huì)增加河流的地表溫度，但是河道越長(zhǎng)，越促使河流的地溫偏低。除盤(pán)龍江、寶象河之外，昆明城區(qū)其他支系河流均較短、河面窄，因此水容量不高、水溫更容易受到周圍地物和上層空氣的影響，因此與面積相同的大河流相比，支流多的河流的形狀制約了水體的降溫作用。

道路模型中只有Shape_Index，系數(shù)為-0.07，說(shuō)明道路的網(wǎng)狀形狀與地溫為極弱的負(fù)關(guān)系，道路形狀狹長(zhǎng)易受到周圍地物影響，因此道路的斑塊特征幾乎發(fā)揮不了影響力。

其他不滲水面模型中的特征比較多，其中Area、Length的系數(shù)為正，并大于其他特征，說(shuō)明這些不滲水面斑塊的面積越大、周長(zhǎng)越大，其內(nèi)部地溫會(huì)有所升高；而Pv的系數(shù)為負(fù)，說(shuō)明若增大這些不滲水面內(nèi)的綠化率，能促使斑塊內(nèi)溫度降低。如地溫明顯高的昆明西北部輕機(jī)廠生活區(qū)附近、中部石虎關(guān)立交橋到朱家村立交橋區(qū)域，這些區(qū)域綠化率低，包括成片建筑和密集道路網(wǎng)，基本由容易升溫的水泥和混凝土覆蓋；同時(shí)，面積越大，則熱量越容易聚集，使地溫偏高。

3　結(jié)論與討論

Landsat 8 TIRS提供2個(gè)100 m空間分辨率的熱紅外通道，比Landsat 5、7數(shù)據(jù)的單通道反演、MODIS數(shù)據(jù)的1 km分辨率多通道反演，提供了精度更好的地表溫度反演渠道。采用劈窗算法，結(jié)合MODIS 3通道平均法估算大氣水汽參數(shù)，本研究反演了昆明中心城區(qū)地表溫度，反演結(jié)果與MOD11A1具有較好的一致性，更高的空間分辨率。

昆明中心城區(qū)的地表溫度呈現(xiàn)高溫區(qū)與低溫區(qū)兩端分布的特點(diǎn)。其中，面積占52.88%的高溫區(qū)基本都是城市中心部位的不滲水面類型，整個(gè)城市熱島情況嚴(yán)峻；低溫區(qū)的分布與城市邊緣的植被、水域、河流分布一致。這與其他研究的結(jié)論一致，即建筑、裸地等類型會(huì)提升城市溫度[12,17,38]，綠地、水體則容易形成 “冷島”[10,39-41]。各類土地覆蓋的地溫平均值和標(biāo)準(zhǔn)差排序表明，地表溫度與土地覆蓋的含水量關(guān)聯(lián)。地表溫度與各種土地覆蓋類型的關(guān)系分析表明，植被覆蓋率、斑塊外形特征雖然不是地表溫度形成的關(guān)鍵因素，但的確與地表溫度存在弱關(guān)聯(lián)。其中，植被覆蓋率，植被斑塊的形狀復(fù)雜度、水域斑塊面積、河流長(zhǎng)度與地表溫度呈負(fù)相關(guān)；其他不滲水面的面積和周長(zhǎng)與地表溫度呈正相關(guān)。其中，植被模型、不滲水面模型的分析結(jié)果與徐麗華等、Tan M H等的研究結(jié)論類似[10,15]。

研究表明，各類型土地覆蓋的植被覆蓋率、斑塊外形特征與地表溫度之間存在一定關(guān)系。在城市建設(shè)中，不可能大面積減少建筑、道路來(lái)控制地表溫度，而植被覆蓋率、斑塊外形特征則是城市建設(shè)中的2個(gè)容易操控因子。因此進(jìn)一步明確這些特征與地表溫度之間的關(guān)系，將有助于城市熱環(huán)境調(diào)控和城市規(guī)劃建設(shè)。但各土地覆蓋物質(zhì)的熱容量、熱交換才是制約地表溫度的關(guān)鍵因素，而土地覆蓋特征與熱容量之間的關(guān)系會(huì)受到物理機(jī)制、氣候等多種因素的影響。因此，進(jìn)一步研究還需更多的城市案例和物理機(jī)制分析。同時(shí)，城市熱環(huán)境應(yīng)關(guān)注的是近地表氣溫，用地表溫度代替氣溫有一定局限性；而改善城市熱生態(tài)環(huán)境，應(yīng)該是設(shè)法降低位于不滲水面上的人類活動(dòng)區(qū)的氣溫。因此，下一步的研究將把地表溫度與實(shí)地測(cè)量的近地表氣溫聯(lián)合起來(lái)，研究綠地、水體等低溫區(qū)對(duì)周圍區(qū)域的降溫作用。

[1]周紅妹, 周成虎, 葛偉強(qiáng), 等. 基于遙感和GIS的城市熱場(chǎng)分布規(guī)律研究[J]. 地理學(xué)報(bào), 2001, 56(2): 190-196.

[2]蘇偉忠, 楊英寶, 楊桂山. 南京市熱場(chǎng)分布特征及其與土地利用/覆被關(guān)系研究[J]. 地理科學(xué), 2005, 25(6): 697-703.

[3]徐麗華, 岳文澤, 徐建華. 城市熱場(chǎng)剖面的分形維數(shù)計(jì)算及其意義研究: 以上海中心城區(qū)為例[J]. 長(zhǎng)江流域資源與環(huán)境, 2007, 16(3): 385-394.

[4]夏叡, 李云梅, 王橋, 等. 無(wú)錫市城市擴(kuò)張與熱島響應(yīng)的遙感分析[J]. 地球信息科學(xué)學(xué)報(bào), 2009, 11(5): 677-675.

[5]Zhang J, Wang Y. Study of the relationships between the spatial extent of surface urban heat islands and urban characteristic factors based on Landsat ETM+Data[J]. Sensors, 2008, 8(11): 7453-7468.

[6]米金套, 王志石, 何平. 基于Landsat TM的澳門(mén)城市熱場(chǎng)影響因素分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào), 2009, 25(3): 94-98.

[7]Sun Q, Wu Z, Tan J. The relationship between land surface temperature and land use/land cover in Guangzhou, China[J]. Environmental Earth Science, 2012, 65: 1687-1694.

[8]楊可明, 周玉潔, 齊建偉, 等. 城市不透水面及地表溫度的遙感估算[J]. 國(guó)土資源遙感, 2014, 26(2): 134-139.

[9]佟華, 劉輝志, 李延明, 等. 北京夏季城市熱島現(xiàn)狀及楔形綠地規(guī)劃[J]. 應(yīng)用氣象學(xué)報(bào), 2005, 16(3): 357-366.

[10]徐麗華, 岳文澤. 城市公園景觀的熱環(huán)境效應(yīng)[J]. 生態(tài)學(xué)報(bào), 2008, 28(4): 1702-1710.

[11]Connors J P, Galletti C S, Chow W T L. Landscape configuration and urban heat island effects: assessing the relationship between landscape characteristics and land surface temperature in Phoenix, Arizona[J]. Landscape Ecol, 2013, 28: 271-283.

[12]陳朱, 陳方敏, 朱飛鴿, 等. 面積與植物群落結(jié)構(gòu)對(duì)城市公園氣溫的影響[J]. 生態(tài)學(xué)雜志, 2011, 30(11): 2590-2596.

[13]Li Junxiang, Song Conghe, Cao Lu, et al. Impacts of landscape structure on surface urban heat islands: A case study of Shanghai, China[J]. Remote Sensing of Environment, 2011, 115(12): 3249-3263.

[14]Chen A, Yao X A, Sun R, et al. Effect of urban green patterns on surface urban cool islands and its seasonal variations[J]. Urban Forestry & Urban Greening, 2014, 13(4): 646-654.

[15]Tan M, Li X. Quantifying the effects of settlement size on urban heat islands in fairly uniform geographic areas[J]. Habitat International, 2015, 49(4): 100-106.

[16]劉鑫, 甘淑. 基于單窗算法的昆明地表溫度反演及熱格局分析[J]. 昆明理工大學(xué)學(xué)報(bào) (自然科學(xué)版), 2011, 36(5): 8-13.

[17]劉鑫, 甘淑. 基于Landsat數(shù)據(jù)的昆明地區(qū)熱島效應(yīng)分析[J]. 科學(xué)技術(shù)與工程, 2011, 11(13): 3009-

3013.

[18]何云玲, 魯枝海. 近60年昆明市氣候變化特征分析[J]. 地理科學(xué), 2012, 32(9): 1119-1124.

[19]覃志豪, Zhang Minhua, Arnon Karnieli. 用NOAA-AVHRR熱通道數(shù)據(jù)演算地表溫度的劈窗算法[J]. 國(guó)土資源遙感, 2001, 48(2): 33-42.

[20]Qin Z H, Olmo G D, Karnieli A. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J]. Journal of Geophysical Research, 2001, 106(19): 22655-22670.

[21]丁莉東, 覃志豪, 毛克彪. 基于MODIS影像數(shù)據(jù)的劈窗算法研究及其參數(shù)確定[J]. 遙感技術(shù)與應(yīng)用, 2005, 20(2): 284-289.

[22]歷華, 柳欽火, 鄒杰. 基于MODIS數(shù)據(jù)的長(zhǎng)株潭地區(qū)NDBI和NDVI與地表溫度的關(guān)系研究[J]. 地理科學(xué), 2009, 29(3): 262-267.

[23]Yang L, Cao Y G, Zhu X H, et al. Land surface temperature retrieval for arid regions based on Landsat-8 TIRS data: a case study in Shihezi, Northwest China[J]. Journal of Arid Land, 2014, 6(6): 704-716.

[24]Rozenstein O, Qin Z, Derimian Y, et al. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm.[J]. Sensors, 2014, 14(4): 5768-5780.

[25]覃志豪, 李文娟, 徐斌, 等. 陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J]. 國(guó)土資源遙感, 2004, 16(3): 28-32.

[26]吳志杰, 趙書(shū)河. 基于TM圖像的 “增強(qiáng)的指數(shù)型建筑用地指數(shù)” 研究[J]. 國(guó)土資源遙感, 2012, 23(2): 50-55.

[27]Rikimaru A. Landsat TM data processing guide for forest canopy density mapping and monitoring model[C]// ITTO Workshop on Utilization of Remote Sensing in Site Assessement and Planning for Rehabilitation of Logged-over Forest, Bangkok, Thailand, 1996.

[28]Carlson T N, Ripley D A. On the relation between NDVI, fractional vegetation cover, and leaf area index ☆[J]. Remote Sensing of Environment, 1998, 62(3): 241-252.

[29]李瑤, 潘竟虎. 基于Landsat8劈窗算法與混合光譜分解的城市熱島空間格局分析: 以蘭州市中心城區(qū)為例[J]. 干旱區(qū)地理, 2015, 38(1): 111-119.

[30]代強(qiáng)玲, 劉良明, 文雄飛. 基于MODIS數(shù)據(jù)的大氣水汽反演算法研究[J]. 遙感技術(shù)與應(yīng)用, 2008, 23(3): 333-335.

[31]鄭文武, 曾永年. 地表溫度的多源遙感數(shù)據(jù)反演算法對(duì)比分析[J]. 地球信息科學(xué)學(xué)報(bào), 2011, 13(6): 840-847.

[32]Kaufman Y J, Gao B C. Remote sensing of water vapour in the near IR from EOS/MODIS[J]. IEEE Transactions on Geoscience & Remote Sensing, 1992, 30(5): 871-884.

[33]King M D, Kaufman Y J, Menzel W P, et al. Remote sensing of cloud, aerosol, and water vapor properties from the moderate resolution imaging spectrometer (MODIS) [J]. IEEE Transactions on Geoscience & Remote Sensing, 1992, 30(1): 2-27.

[34]陳瀚閱, 錚牛, 畢海波. MODIS數(shù)據(jù)地表溫度反演劈窗算法比較[J]. 遙感技術(shù)與應(yīng)用, 2013, 28(2): 174-181.

[35]Xu H, Chen B. Remote sensing of the urban heat island and its changes in Xiamen city of SE China[J]. Journal of Environmental Science, 2004, 16(2): 276-281.

[36]Song J, Du S, Feng X, et al. The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spatial regression models[J]. Landscape & Urban Planning, 2014, 123(1): 145-157.

[37]張勇, 余濤, 顧行發(fā), 等. CBERS-02 IRMSS熱紅外數(shù)據(jù)地表溫度反演及其在城市熱島效應(yīng)定量化分析中的應(yīng)用[J]. 遙感學(xué)報(bào), 2006, 10(5): 789-

797.

[38]張靜. 北京西城區(qū)下墊面與城市熱島的關(guān)系研究[J]. 北京測(cè)繪, 2013(4): 73-78.

[39]岳文澤, 徐麗華. 城市典型水域景觀的熱環(huán)境效應(yīng)[J]. 生態(tài)學(xué)報(bào), 2013, 33(6): 1852-1859.

[40]Mackey C W, Lee X, Smith R B. Remotely sensing the cooling effects of city scale efforts to reduce urban heat island[J]. Fuel & Energy Abstracts, 2012, 49(3): 348-358.

[41]Qiu G Y, Hong-Yong L I, Zhang Q T, et al. Effects of evapotranspiration on mitigation of urban temperature by vegetation and urban agriculture[J]. Journal of Integrative Agriculture, 2013, 12(8): 1307-1315.

(責(zé)任編輯曹龍)

The Retrieval of Land Surface Temperature of Kunming Urban Area and its Relationships with Landscape Compositions

Zhang Wanqiu, Yuan Hua, Yue Cairong, Niu Zipeng

(College of Forestry, Southwest Forestry University, Kunming Yunnan 650224, China)

Taking the average water content of atmosphere derived from MODIS 3 bands as a parameter, the split-window algorithm was employed on Landsat 8 to retrieve the land surface temperature (LST) of the central urban area of Kunming City. Then, the landscape compositions were identified by objected-based hierarchical classification. After selecting controllable-features of landscape composition, stepwise regression fitting was applied to analyze the relationship between LST and these features. The research showed the central parts of Kunming tend to have either high LST or low LST, and the major reason for numerous urban heat islands of Kunming is due to the uneven distribution of vegetation coverage and the high percentage of impervious surface and roads. Regression models indicated that the coverage percentage of vegetation, the shape index of vegetation patches, the size of pool, the length of river and the green rate in impervious surface have negative correlations with LST, while the size and perimeter of impervious surface have positive correlations with LST. It was concluded that there are some weak correlations between LST and some features of landscape compositions. Therefore, further research will be meaningful for the control of city thermal environment and the city planning.

Landsat 8, Split-window algorithm, land surface temperature, land cover type, feature

10. 11929/j. issn. 2095-1914. 2016. 05. 022

2015-11-20

云南省教育廳基金一般項(xiàng)目 (2014Y333) 資助；國(guó)家自然科學(xué)基金項(xiàng)目 (31260156) 資助；西南林業(yè)大學(xué)云南省省級(jí)重點(diǎn)學(xué)科 (林學(xué)) 資助。

袁華 (1978—)，男，高級(jí)實(shí)驗(yàn)師。研究方向：林業(yè)遙感、GIS技術(shù)開(kāi)發(fā)。Email: gisyuan@qq.com。

S771.8

A

2095-1914(2016)05-0130-08

第1作者：章皖秋 (1979—)，女，講師。研究方向：林業(yè)遙感。Email: wanqiu_mou@hotmail.com。