基于Landsat8 OLI/TIRS數(shù)據(jù)的重慶市不透水面與城市熱環(huán)境關(guān)系研究

鄧 睿，胡日查，劉 亮，王曉婷

(1.重慶交通大學(xué) 建筑與城市規(guī)劃學(xué)院，重慶 400074；2.重慶交通大學(xué) 水利水運工程教育部重點實驗室，重慶 400074)

基于Landsat8 OLI/TIRS數(shù)據(jù)的重慶市不透水面與城市熱環(huán)境關(guān)系研究

鄧 睿1，2，胡日查1，劉 亮1，王曉婷1

(1.重慶交通大學(xué) 建筑與城市規(guī)劃學(xué)院，重慶 400074；2.重慶交通大學(xué) 水利水運工程教育部重點實驗室，重慶 400074)

以2014年Landsat8 OLI/TIRS影像為研究數(shù)據(jù)，結(jié)合遙感與GIS技術(shù)，利用Carlson方法提取不透水面，采用Jiménez-Muoz等的劈窗算法反演地表溫度，分析了重慶市主城區(qū)不透水面與熱島效應(yīng)的分布格局，并對二者進行對比分析，研究了不透水面與熱島效應(yīng)之間的關(guān)系。研究結(jié)果表明：重慶市主城區(qū)不透水面與熱島區(qū)域分布較集中，大部分集中在建成區(qū)，不透水面與地表溫度呈正相關(guān)關(guān)系，對城市熱島具有顯著的影響。

環(huán)境工程；都市熱環(huán)境；不透水面；地表溫度；Landsat8 OLI/TIRS

0 引 言

城市熱島效應(yīng)是指城市中心氣溫明顯高于其周邊郊區(qū)環(huán)境氣溫的一種現(xiàn)象[1]。城市熱島效應(yīng)不單單意味著城市氣溫升高，更重要的是城市中心會形成一個低壓旋渦，導(dǎo)致人們生產(chǎn)生活所產(chǎn)生的污染氣體聚集在這個漩渦中，使城市氣候更加惡化，影響人類的健康生活[2]。城市不透水面是影響城市熱環(huán)境的重要因素，它通過改變城市表面和邊界層的顯熱和潛熱通量影響城市地表溫度[3]。熱環(huán)境是城市生態(tài)循環(huán)的重要環(huán)節(jié)，溫度異常會打亂城市的正常運作，影響人們的正常生活，阻礙經(jīng)濟發(fā)展。因此，對城市不透水面的研究是尋求緩解熱島效應(yīng)的有效措施之一。

目前，不透水面和熱島效應(yīng)已受到國內(nèi)外學(xué)者的廣泛關(guān)注。M.K.RIDD[4]于1995年提出城市地表覆蓋的V-I-S模型，認(rèn)為城市的地表覆蓋由植被、不透水面、水體和土壤組成；S.R.PHINN等[5]運用約束光譜分離方法成功估算了不透水面的空間分布；YUAN Fei等[6]研究了4個季節(jié)不透水面、植被與地表溫度的關(guān)系，結(jié)果表明地表溫度和不透水面面積在任何季節(jié)都存在明顯的正相關(guān)關(guān)系。國內(nèi)學(xué)者岳文澤等[7]從像元尺度與街鎮(zhèn)尺度兩方面，對上海市地表溫度與不透水面覆蓋度的關(guān)系進行了研究，結(jié)果表明，街鎮(zhèn)尺度上二者具有明確的線性關(guān)系；林云杉等[8]利用不透水面與植被覆蓋度二者間的負(fù)相關(guān)關(guān)系，提取了泉州市的不透水面信息，進而對不透水面與城市熱島效應(yīng)的關(guān)系進行了研究；邱建壯等[9]利用分類回歸樹方法對城市不透水面覆蓋度進行了估算，對不透水面覆蓋度(ISP)與地表溫度的正相關(guān)關(guān)系進行了驗證。

筆者針對Landsat8 OLI/TIRS影像數(shù)據(jù)的特點，選擇較佳的提取與反演算法，研究重慶市主城區(qū)不透水面與熱島效應(yīng)的分布格局，并利用數(shù)學(xué)方法分析了二者之間的關(guān)系。針對目前研究較少的Landsat8 OLI/TIRS影像的地表溫度反演方面，筆者參考了多種算法，采用了劈窗算法，利用TIRS 10，TIRS 11兩個波段消除大氣及時相差別導(dǎo)致的誤差，反演的結(jié)果合理，可用于熱島效應(yīng)研究。

1 研究區(qū)域與研究數(shù)據(jù)

1.1 研究區(qū)域概況

筆者以重慶主城9區(qū)為研究對象，包括渝中區(qū)、南岸區(qū)、江北區(qū)、九龍坡區(qū)、大渡口區(qū)、沙坪壩區(qū)、渝北區(qū)、巴南區(qū)和北碚區(qū)。其位置如圖1。

圖1 重慶市主城區(qū)位置Fig.1 Location map of the main city of Chongqing

重慶主城區(qū)面積有5 473 km2；據(jù)2014年的統(tǒng)計資料顯示，主城區(qū)常住人口為818.98×104人。主城區(qū)是人口密集區(qū)域，也是城市的經(jīng)濟中心。重慶市工業(yè)以化工業(yè)和重工業(yè)為主，大型企業(yè)和工廠相對集中，工業(yè)污染排放使主城區(qū)氣候受到嚴(yán)重影響，加之都市區(qū)相對郊區(qū)，不透水面比率高，熱島效應(yīng)較明顯。

1.2 研究數(shù)據(jù)

Landsat 8衛(wèi)星于2013年2月11號發(fā)射，其上攜帶有兩個主要載荷：OLI(全稱：operational land imager，陸地成像儀)和TIRS(全稱：thermal infrared sensor，熱紅外傳感器)。OLI陸地成像儀包括9個波段，空間分辨率為30 m。TIRS傳感器包含兩個分辨率為100 m的熱紅外波段。

筆者以2014年7月30日與8月6日的四景Landsat8 OLI/TIRS影像為研究數(shù)據(jù)。重慶主城區(qū)范圍Landsat8 OLI/TIRS影像由四景拼接而成。數(shù)據(jù)信息如表1。

表1 遙感影像信息

2 研究方法

采用T.N.CARLSON等[10]所提出的方法對重慶主城區(qū)的不透水面進行了提取。該方法主要思想是利用植被覆蓋度與不透水面率的負(fù)相關(guān)關(guān)系，先求得植被覆蓋度；再取相反，得到不透水面率。地表溫度反演受參數(shù)影響比較敏感，筆者采取J.C.JIMéNEZ-MUOZ等[11]的劈窗算法進行地表溫度反演，需要確定亮度溫度、地表比輻射率、大氣水汽含量幾個參數(shù)。最后利用線性回歸方法，定量分析不透水面率與地表溫度、植被覆蓋度與地表溫度之間的關(guān)系。

2.1 不透水面提取

根據(jù)“建成區(qū)內(nèi)，不透水面覆蓋度與植被覆蓋度呈顯著負(fù)相關(guān)”的理論，T.N.CARLSON等[10]提出了一種提取不透水面方法。該方法考慮了兩種地類的不同特性，根據(jù)植被覆蓋度求取不透水面覆蓋度，精度較高(圖2)。

圖2 不透水面提取流程Fig.2 Flow chart of extraction of impervious surface

由于水體反射率較低，且水中多含有泥沙，在提取不透水面時，會對提取效果有一定的干擾。所以，在進行不透水面提取時，首先要做的就是水體掩膜。

徐涵秋[12]提出一種改進的歸一化差異水體指數(shù)MNDWI(λMNDWI)，其精度較高，波段運算如式(1)：

λMNDWI=(λGreen-λMIR)/(λGreen+λMIR)

(1)

式中：λGreen代表綠光波段；λMIR代表中紅外波段。

筆者根據(jù)λMNDWI指數(shù)進行水體掩膜。

植被覆蓋度可定義為單位面積內(nèi)植被的垂直投影面積，它是衡量地表植被狀況的一個最重要的指標(biāo)。T.N.CARLSON等[10]通過研究，得出了植被覆蓋度Fr的計算公式：

(2)

(3)

歸一化植被指數(shù)NDVI(λNDVI)是檢測植被生長狀態(tài)、計算植被覆蓋度和消除部分輻射誤差的一個指數(shù)，它能反映出植物冠層的背景影響。Landsat TIRS影像數(shù)據(jù)的NDVI值利用4，5波段計算[13]，即紅光波段(λR)與近紅外波段(λNIR)。式中：λNDVI-veg和λNDVI-soil分別為完全植被覆蓋型像元的NDVI值和完全裸土覆蓋類型像元的NDVI值，即純植被像元與純裸圖像元的NDVI值，二者分別代表完全被植被覆蓋的區(qū)域和完全裸露的區(qū)域，一般情況下，可利用NDVI值的最大值與最小值代替λNDVI-veg和λNDVI-soil的取值。

在計算得到植被覆蓋度Fr后，利用Carlson方法計算不透水面率ISA(λISA)。具體計算方法如式(4)：

λISA=(1-Fr)dev

(4)

式中：λISA為不透水面率；Fr為植被覆蓋度；dev代表只適用于建成區(qū)。

得到不透水面率后，采用多種閾值分離影像，并同監(jiān)督分類的結(jié)果作比較，確定不透水面的最佳分離閾值，進而分離出不透水面。

2.2 地表溫度反演

地面除了反射掉太陽光，會吸收一部分熱量，而地面的實測溫度就是地表溫度。地表溫度反演方法有很多種，針對Landsat8 OLI/TIRS影像，可利用USGS官網(wǎng)提供的光譜輻射值和定標(biāo)參數(shù)等波段參數(shù)進行地表溫度反演(圖3)。徐涵秋[14]曾對比研究了基于Landsat8 OLI/TIRS影像多種算法，結(jié)果表明利用單通道算法要優(yōu)于其他算法。但筆者經(jīng)過多次試驗發(fā)現(xiàn)，由于四景影像在時間上稍有差異，加之單通道算法只對一個波段進行運算，導(dǎo)致單通道算法反演出的溫度對兩期影像的效果明顯不同：7月30日的兩景影像的溫度明顯偏低，且對比起來，同一地物的溫度存在較大差異。而Landsat OLI有兩個熱紅外波段，非常適合利用劈窗算法，可以利用兩個熱紅外波段的不同吸收作用差值消除大氣影響。

圖3 地表溫度反演流程Fig.3 Flow chart of inverse calculation of surface temperature

輻射定標(biāo)是將記錄的原始DN值轉(zhuǎn)換為大氣外層表面反射率，目的是消除傳感器本身產(chǎn)生的誤差。這樣可以統(tǒng)一對不同傳感器、不同日期影像進行定量比較。其輻射定標(biāo)公式如式(5)：

Lλ=MLQcal+AL

(5)

式中：Lλ為λ波段的大氣頂部光譜輻射值；ML為λ波段的調(diào)整因子，可從影像數(shù)據(jù)的頭文件中得到，如10波段的調(diào)整因子值為頭文件中語句“RADIANCE_MULT_BAND_10”后的值，具體值為3.342 0E-04；AL為λ波段的調(diào)整參數(shù)，也可從頭文件中得到，如10波段的調(diào)整參數(shù)為語句“RADIANCE_ADD_BAND_ 10”后的值，具體值為0.100 00；Qcal為影像的灰度值即DN值。

亮度溫度是遙感器所觀測到的熱輻射強度所對應(yīng)的溫度，該值結(jié)果受大氣以及地表對熱輻射傳導(dǎo)的影響，雖不能代表地表溫度值，但它是溫度反演的重要參數(shù)。其計算量溫如式(6)。

(6)

式中：Lλ是輻射亮度；K1和K2是元數(shù)據(jù)熱轉(zhuǎn)換常數(shù)，可從影像頭文件中得到，為語句“K1_CONSTANT_BAND_x”和“K2_CONSTANT _BA ND_x”后的數(shù)值，x表示波段。對10波段，K1=774.89，K2=1 321.08；對11波段，K1=480.89，K2=1 201.14。K1單位為W/(m2·srad·μm),K2單位為K。

在劈窗算法中，大氣水汽含量是一個非常重要的參數(shù)。其反演公式考慮到大氣對輻射的影響，利用當(dāng)時的大氣水汽含量進行校正。大氣水汽含量值可以利用當(dāng)時的氣溫和相對濕度進行推算，但這樣推算的結(jié)果比較粗糙，劈窗算法對參數(shù)的準(zhǔn)確性比較敏感。楊槐[15]在研究中利用MODTRAD模型模擬了大氣水汽含量與大氣透過率的關(guān)系，并得到了二者的線性轉(zhuǎn)換公式。而NASA官網(wǎng)提供了Landsat OLI影像10波段的實時大氣透過率，根據(jù)其推算出來的值比較準(zhǔn)確。所以筆者利用此方法計算了四景影像的大氣水汽含量。大氣水汽含量與10波段大氣透過率的轉(zhuǎn)換公式為

w=-(τ10-1.040 2)/0.106 7

(7)

式中：τ10為10波段的大氣透過率；w為大氣水汽含量，g/cm2。

將四景影像的成像時間和中心經(jīng)緯度輸入網(wǎng)站的輸入框中，即可查詢當(dāng)時10波段對應(yīng)的大氣透過率。127/39，127/40，128/39，128/40四景影像的查詢結(jié)果分別是：0.49，0.56，0.44，0.47；計算得到大氣水汽含量分別是：5.18，4.53，5.65，5.37。

覃志豪等[16]提出的地表比輻射率的經(jīng)驗計算公式是基于NDVI指數(shù)計算各項參數(shù)的，植被覆蓋度計算公式為

(8)

利用Carlson方法提取不透水面時，根據(jù)不透水面與植被覆蓋區(qū)的負(fù)相關(guān)性，在λNDVI-veg和λNDVI-soil的取值上大多取最大值和最小值兩個極端值；而在利用覃志豪等[16]經(jīng)驗公式時，有些研究者通常取經(jīng)驗值0.7和0.05。而筆者考慮到四景影像的不同時相問題，分別對四景影像算取了植被覆蓋度，一概取經(jīng)驗值會造成一定的誤差，所以在λNDVI-veg和λNDVI-soil二者的取值上，結(jié)合目視判斷，取NDVI累計百分比的95%和5%所在的值，當(dāng)λNDVI≥λNDVI-veg時，植被覆蓋度Pv=1，即視為完全植被覆蓋區(qū)域；λNDVI≤λNDVI-soil時，植被覆蓋度Pv=0，視為完全裸露區(qū)域。

計算地表比輻射率時需要植被溫度比Rv、裸土溫度比Rs和熱輻射校正項dε這3個參數(shù)。這3項參數(shù)均由植被覆蓋度計算而得，如式(9)、式(10)。

Rv=0.933 2+0.058 5Pv

(9)

Rs=0.990 2+0.106 8Pv

(10)

式中：Rv為植被溫度比；Rs為裸土溫度比；dε為熱輻射校正項，根據(jù)植被覆蓋度的不同取值范圍賦值為：當(dāng)Pv=0或1時，dε=0；當(dāng)0

根據(jù)以上各項參數(shù)，即可利用覃志豪等[16]提出的地表比輻射率的經(jīng)驗計算公式計算地表比輻射率，計算如式(11)：

εi=PvRvεi，v+(1-Pv)RSεi，s+dε

(11)

式中：εi為i波段的地表比輻射率；εi, v為混合像元中植被的i波段地表比輻射率；εi，s為混合像元中裸土的i波段地表比輻射率。

在利用覃志豪等[16]經(jīng)驗公式計算比輻射率時，根據(jù)常用地物比輻射率光譜以及Landsat8OLI/TIRS數(shù)據(jù)特點，對10，11波段的取值：ε10，v=0.986 72，ε10，s=0.967 67，ε11，v=0.989 90，ε10，s=0.977 90[17]。另外，計算結(jié)果要在這二者的取值之間，即εi≥εi, v時，令εi=εi, v，εi≤εi, s時，令εi=εi, s。

將以上計算的各項參數(shù)，帶入劈窗算法中，即可求出地表溫度，具體計算如式(12)：

TS=T10+c1(T10-T11)+c2(T10-T11)2+cO+(c3+c4w)(1-ε)+(c5+c6w)Δε

(12)

式中：Ts為地表溫度，WK；T10和T11為10，11波段的亮度溫度；w為大氣水汽含量，g/cm2；ε和Δε是平均比輻射率和比輻射率差值；常數(shù)參數(shù)c0，c1，c2，c3，c4，c5，c6的值分別是：-0.268，1.378，0.183，54.3，-2.238，-129.2，16.4。

3 結(jié)果與分析

3.1 不透水面分布格局及其特征

為從不透水面率數(shù)據(jù)中得到不透水面分離閾值，筆者利用監(jiān)督分類方法將研究區(qū)影像分為“不透水面”與“其他”兩類，將分類結(jié)果作為對比數(shù)據(jù)確定閾值。監(jiān)督分類即利用確定的樣本類型識別未知類別的像元過程[18]。選取25個樣本區(qū)，利用最大似然法進行監(jiān)督分類，在經(jīng)多次分類和ROI調(diào)整后，選取精度較高的一次作為分類結(jié)果。監(jiān)督分類影像只是作為確定不透水面閾值的參考，所以只需要將建成區(qū)直觀的不透水面，即可直接判斷的建筑物、道路等明顯的不透水面區(qū)域進行分離即可。表2為主城區(qū)范圍內(nèi)直觀不透水面監(jiān)督分類精度。

表2 監(jiān)督分類精度

不透水面的提取需要根據(jù)不透水面率確定閾值，進而提取區(qū)域，一般建成區(qū)內(nèi)的經(jīng)驗值為70%。筆者考慮到能夠準(zhǔn)確提取研究區(qū)域內(nèi)的不透水面信息，以精度評價的方法，在經(jīng)驗值附近選取兩個值，以70%，72.5%，75%分別為閾值，將提取的不透水面與不透水面監(jiān)督分類圖進行對比。以3幅不同分類閾值的影像為待檢驗數(shù)據(jù)，以監(jiān)督分類影像為檢驗數(shù)據(jù)，進行精度評價(表3)。

表3 不同閾值分類精度對比Table 3 Comparison of different thresholds classification accuracy /%

綜合考慮表3中3個閾值分類的各項精度評價指數(shù)，最終選取72.5%為分離閾值，從所得的不透水面率影像中，提取出研究區(qū)域不透水面，如表4和圖4。

表4 主城區(qū)不透水面面積及百分比

圖4 不透水面率Fig.4 Impervious surfaces percentage

由表4和圖4可以看出：主城區(qū)不透水面在空間分布上大概分為東、中、西這3個部分。東部大部分不透水面集中在沙坪壩區(qū)南部和九龍坡區(qū)北部；中部不透水面面積最大，也最集中，主要分布在渝北區(qū)南部、渝中區(qū)、大渡口區(qū)北部，巴南區(qū)和南岸區(qū)分布較少；東部大部分集中在江北區(qū)。渝北、沙坪壩、九龍坡等區(qū)不透水面面積較高，渝北區(qū)不透水面面積最高，為221.80 km2，而不透水面所占面積百分比最高的區(qū)是渝中區(qū)，高達(dá)65.17%。因為面積大，植被覆蓋度高，巴南區(qū)不透水面所占百分比最低，只占總面積的5.42%。

3.2 熱島分布格局及其特征

檢索中國氣象數(shù)據(jù)網(wǎng)中國地面國際交換站氣候資料日值數(shù)據(jù)得知，2014年8月6日重慶沙坪壩氣象臺站(站臺號：57516)監(jiān)測地面0 cm溫度數(shù)據(jù)顯示：當(dāng)日最高地表溫度68.7 ℃，最低27.7 ℃，平均地表溫度41.7 ℃。查詢沙坪壩氣象站位置反演數(shù)據(jù)為36.9 ℃，衛(wèi)星于凌晨03：27分過境，此時地表溫度尚未達(dá)到較高值，反演結(jié)果在監(jiān)測數(shù)據(jù)最高值與最低值之間，并接近平均值。

水體表現(xiàn)為最低溫在25～30 ℃；植被溫度略高于水體，絕大部分城區(qū)溫度分布在35～45 ℃；兩江溫度有較小差異，長江溫度較嘉陵江低1～2 ℃；最高溫出現(xiàn)在江北、渝北、沙坪壩和九龍坡等區(qū)(表5)。兩期影像溫度差異在1～3 ℃不等，為使兩期影像溫度數(shù)值能盡量相同，筆者將四景影像的地表溫度標(biāo)準(zhǔn)化，并拉伸到25～45 ℃范圍內(nèi)。

表5 主城區(qū)平均地溫統(tǒng)計

(13)

式中：Tmin為地表溫度最小值；Tmax為最大值。

計算結(jié)果即歸一化并拉伸后的結(jié)果，對結(jié)果進行影像鑲嵌和掩膜工作，得到最終的地表溫度影像(圖5)。

圖5 重慶市地表溫度Fig.5 Surface temperature of Chongqing

將地表溫度的歸一化值均分為6個等級，從高到低依次為高溫區(qū)、亞高溫區(qū)、中溫區(qū)、弱低溫區(qū)、亞低溫區(qū)、低溫區(qū)，并統(tǒng)計各區(qū)各溫度級別的面積百分比，如表6。

表6 主城區(qū)各溫度級別面積所占百分比統(tǒng)計

九龍坡區(qū)高溫區(qū)面積最大，為6.2 km2；渝中區(qū)高溫區(qū)面積及其所占百分比最低，為0。但渝中區(qū)平均溫度較高，因為其低溫區(qū)百分比較低，溫度多集中在中溫區(qū)，導(dǎo)致其平均溫度較高。巴南區(qū)弱低溫區(qū)與亞低溫區(qū)面積較大，所以其平均溫度最低；而大渡口區(qū)中溫區(qū)與亞高溫區(qū)面積百分比較高，所以，其平均溫度最高。中心城區(qū)并非溫度最高的區(qū)域，經(jīng)過查詢地圖得知，高溫區(qū)大多出現(xiàn)在在大型工業(yè)園區(qū)，工業(yè)園區(qū)內(nèi)的生產(chǎn)設(shè)施散熱及工業(yè)排放均會造成高溫，而城市區(qū)溫度處于中溫區(qū)以上等級，植被覆蓋區(qū)與水域均在較低等級。

地表溫度作為城市熱環(huán)境監(jiān)測與研究的重要參數(shù)之一，可以利用其有效的模擬城市熱島的格局分布，并對熱島效應(yīng)的分布特征進行分析。熱島強度是反應(yīng)城市溫度差異的一個指數(shù)，以地表溫度計算出熱島強度指數(shù)，并對其進行閾值分類，可以得到不同強度城市熱島的分布[19]，如式(14)。

THI=(T-Tmean)/Tmean

(14)

式中：T為地表溫度；Tmean為研究區(qū)域地表溫度平均值；THI為熱島強度。

利用ENVI軟件中的Density Slice(密度分割)工具將熱島強度值等分6個等級，計算得到的熱島強度：強綠島、中綠島、弱綠島、弱熱島、中熱島、強熱島(圖6)。

圖6 熱島強度分級Fig.6 Heat island intensity levels

主城區(qū)范圍內(nèi)，茂密植被覆蓋區(qū)域為高等級綠島，城市居住區(qū)為中級熱島。總體看來，熱島分布比較集中，絕大部分集中在建成區(qū)內(nèi)，向外熱島等級逐漸降低，南北部最低，若以長江為分界線，長江以北熱島面積較高，長江以南部分熱島面積非常低，而且，熱島多在以江岸向外延伸。

熱島總面積為1 567.60 km2，占研究區(qū)域總面積的29.16%，強熱島面積為131.07 km2，占研究區(qū)域總面積的2.35%(表7)。渝中區(qū)與巴南區(qū)的熱島百分比分別為最高與最低值為79.55%和13.46%。渝中區(qū)位于主城九區(qū)的中心，在兩江交匯處，其面積較小，植被覆蓋度較低，多為建筑區(qū)域，所以其熱島百分比最高；而巴南區(qū)南部大多為植被覆蓋區(qū)域，只有北部沿江熱島集中，加之區(qū)域面積很大，所以熱島百分比較低?？傮w而言，沿江的幾個城區(qū)熱島百分比較高，南北幾個區(qū)由于其植被覆蓋面積較大，熱島百分比較低(表8)。

表7 各強度熱島面積及所占百分比統(tǒng)計

表8 主城各區(qū)各熱島級別面積所占百分比統(tǒng)計

3.3 熱島與地表參數(shù)的關(guān)系分析

不透水面提高了城市地表溫度，同時影響著熱量散發(fā)，對熱環(huán)境有較大負(fù)面影響；而植被平衡著城市熱環(huán)境，隨著城市擴張與經(jīng)濟發(fā)展，城市植被覆蓋逐漸減少，對熱環(huán)境造成了一定的負(fù)面影響。為研究不透水面與熱島效應(yīng)的關(guān)系，筆者對不透水面率與地表溫度以及植被覆蓋度與地表溫度進行了相關(guān)性分析與回歸分析(圖7)。

二者的線性回歸方程為：

y=0.102x1+26.902，R2=0.436

(15)

y=-0.055x2+35.658，R2=0.421

(16)

式中：y為不透水面率；x1為地表溫度；x2為植被覆蓋度。

不透水面率與地表溫度呈正相關(guān)關(guān)系，決定系數(shù)為0.436，相關(guān)系數(shù)為0.661，相關(guān)性顯著。由式(15)可知：不透水面率越高，地表溫度越高，不透水面率每升高10%，地表溫度升高1.02 ℃；植被覆蓋度與地表溫度呈負(fù)相關(guān)關(guān)系，決定系數(shù)為0.421，相關(guān)系數(shù)為0.649，相關(guān)性較強。由式(16)可知，植被覆蓋度越高，地表溫度越低，植被覆蓋度每升高10%，地表溫度下降0.55 ℃。

圖7 不透水面率和植被覆蓋度與地表溫度散點圖Fig.7 Scatter diagram of impervious surfaces percentage and vegetation coverage with surface temperature

4 結(jié) 論

1)重慶主城區(qū)熱島效應(yīng)比較明顯，尤其是高人口密度與高建筑物密度區(qū)域與工業(yè)區(qū)尤為明顯，人類活動、城市擴張和工業(yè)排熱是造成熱島效應(yīng)的主要原因。不透水面與城市熱島區(qū)域在空間分布上也具有顯著的一致性，可見，不透水面是影響城市熱環(huán)境的重要因素之一。而植被與水域溫度普遍較低，對于緩解熱島效應(yīng)具有明顯的作用。

2)重慶主城區(qū)不透水面主要分布在建成區(qū)，其分布與城市擴張緊密相關(guān)。從各區(qū)地表溫度來看，地表溫度與下墊面類型關(guān)系密切，不透水面區(qū)域地表溫度明顯較高，且不透水面率與地表溫度呈正相關(guān)關(guān)系，植被覆蓋度與地表溫度呈負(fù)相關(guān)關(guān)系。

3)筆者針對Landsat8 OLI/TIRS影像數(shù)據(jù)的特點以JIMéNEZ-MUOZ等的劈窗算法，通過計算亮度溫度、比輻射率，大氣水汽含量反演地表溫度，與監(jiān)測站監(jiān)測數(shù)據(jù)對比，反演精度可分析熱島效應(yīng)，對重慶市規(guī)劃建設(shè)有一定參考意義。

[1] 郭儀南，張宏超，王健，等.城市熱島效應(yīng)對瀝青路面溫度場及其力學(xué)性能的影響[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版)，2010，29(4)：548-551. GUO Yinan, ZHANG Hongchao, WANG Jian, et al. Effect of urban heat island on temperature fields and performance of asphalt concrete pavement[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2010，29(4)：548-551.

[2] 貢璐，呂光輝.綠洲城市熱島效應(yīng)研究[M].烏魯木齊：新疆人民出版社，2010. GONG Lu, LV Guanghui.TheUrbanHeatIslandStudyofOasis[M]. Urrmqi: Xinjiang People’s Publishing House, 2010.

[3] 孫立軍.基于城市地表覆被類型變化的城市熱島效應(yīng)研究[D].杭州：浙江農(nóng)林大學(xué)，2011. SUN Lijun.AnalysisonUrbanHeatIslandEffectBasedontheDynamicalChangeofUrbanSurfaceBiophysicalDescriptors[D].Hangzhou: Zhejiang A & F University, 2011.

[4] RIDD M K. Exploring a V-I-S(Vegetation-Impervious Surface-Soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities[J].InternationalJournalofRemoteSensing, 1995，16(12)：2165-2185.

[5] PHINN S R, STANFORD M，SCARTH P F, et al. Monitoring the composition and form of urban environments based on the vegetation-impervious surface-soil (VIS) model by sub-pixel analysis techniques[J].InternationalJournalofRemoteSensing, 2002，23(20)：4131-4153.

[6] YUAN Fei, BAUER M E. Comparison of impervious surface area and normalized difference vegetation index as indcators of surface urban heat island effects in Landsat imagery[J].RemoteSensingofEnvironment, 2007，106(3)：375-386.

[7] 岳文澤，吳次芳.基于混合光譜分解的城市不透水面分布估算[J].遙感學(xué)報，2007，11(6)：914-922. YUE Wenze, WU Cifang. Urban impervious surface distribution estimation by spectral mixture analysis[J].JournalofRemoteSensing, 2007，11(6)：914-922.

[8] 林云杉，徐涵秋，周榕.城市不透水面及其與城市熱島的關(guān)系研究——以泉州市區(qū)為例[J].遙感技術(shù)與應(yīng)用，2007，22(1)：14-19. LIN Yunshan, XU Hanqiu, ZHOU Rong. A study on urban impervious surface area and its relation with urban heat island: Quanzhou City, China[J].RemoteSensingTechnologyandApplication, 2007，22(1)：14-19.

[9] 邱健壯，桑峰勇，高志宏.城市不透水面覆蓋度與地面溫度遙感估算與分析[J].測繪科學(xué)，2011，36(4)：211-213. QIU Jianzhuang, SANG Fengyong, GAO Zhihong. RS estimating and analysis of urban impervious surface percentage and land surface temperature[J].ScienceofSurveyingandMapping, 2011，36(4)：211-213.

[10] CARLSON T N, ARTHUR S T. The impact of land use—land cover changes due to urbanization on surface microclimate and hydrology: a satellite perspective[J].GlobalandPlanetaryChange, 2000，25(1/2)：49-65

[11] JIMéNEZ-MUOZ J C, SOBRINO J A，SKOKOVIC D，et al. Land surface temperature retrieval methods from landsat-8 thermal infrared sensor data[J].IEEEGeoscience&RemoteSensingLetters, 2014，11(10)：1840-1843.

[12] 徐涵秋.利用改進的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報，2005，9(5)：589-595. XU Hanqiu. A study on information extraction of water body with the modified normalized difference water index(MNDWI)[J].JournalofRemoteSensing, 2005，9(5)：589-595.

[13] 張風(fēng)霖，緱變彩，李靖琳.Landsat7 ETM+與Landsat8 OLI植被和非植被定量研究[J].山西建筑，2014，40(11)：240-241. ZHANG Fenglin, GOU Biancai, LI Jinglin. Quantitative study of vegetation and non-vegetation Landsat7 ETM+ with Landsat8 OLI[J].ShanxiArchitecture, 2014，40(11)：240-241.

[14] 徐涵秋.新型Landsat 8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報，2015，58(3)：741-747. XU Hanqiu. Retrieval of the reflectance and land surface temperature of the newly-launched Landsat 8 satellite[J].ChineseJournalofGeophysics, 2015，58(3)：741-747.

[15] 楊槐.從Landsat 8影像反演地表溫度的劈窗算法研究[J].測繪地理信息，2014，39(4)：73-77. YANG Huai. Research of split-window algorithm for retrieval of land surface temperature from Landsat8[J].JournalofGeomatics, 2014，39(4)：73-77.

[16] 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[J].國土資源遙感，2004(3)：28-32. QIN Zhihao, LI Wenjuan, XU Bin, et al. The estimation of land surface emissivity for Landsat TM6[J].RemoteSensingforLand&Resources，2004(3)：28-32.

[17] 李瑤，潘竟虎.基于Landsat8劈窗算法與混合光譜分解的城市熱島效應(yīng)空間格局分析——以蘭州中心城區(qū)為例[J].干旱區(qū)地理，2015，38(1)：111-119. LI Yao, PAN Jinghu. Spatial pattern on urban heat environment using split window algorithm and spectral mixture analysis based on Landsat 8 images: a case of Lanzhou City[J].AridLandGeography, 2015，38(1)：111-119.

[18] 牟鳳云，羅丹，官冬杰，等.面向?qū)ο蟮耐恋馗采w信息提取方法研究及應(yīng)用[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版)，2014，33(6)：104-108. MU Fengyun, LUO Dan, GUAN Dongjie, et al. Research on object-oriented land cover information extraction[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014，33(6)：104-108.

[19] 沈德才，楊燕瓊，吳振彪，等.基于Landsat 8的東莞市熱島效應(yīng)研究[J].廣東林業(yè)科技，2014，30(6)：20-24. SHEN Decai, YANG Yanqiong, WU Zhenbiao, et al. Research on urban heat island effect of Dongguan based on Landsat 8[J].GuangdongForestryScienceandTechnology, 2014，30(6)：20-24.

(責(zé)任編輯 劉 韜)

Study on the Relationship between the Impervious Surface and the Urban Thermal Environment in Chongqing Based on Landsat8 OLI/TIRS Image

DENG Rui1，2，HU Richa1，LIU Liang1，WANG Xiaoting1

(1. College of Architecture and Urban Planning, Chongqing Jiaotong University, Chongqing 400074，P.R.China；2.Key Laboratory of Waterway Engineering, Chongqing Jiaotong University, Chongqing 400074，P.R.China)

In this paper, On in combinatiom with remote sensing methods and GIS technology and used the Carlson methods Jiménez-Muoz split window algorithms wasused to extract impervious surface and inverse surface temperature based on Landsat-8 image data in 2014. Then analyzed the distribution pattern of impervious surface and thermal island and the correlation of them was analyzed to study the relationship between impervious surface and heat island effect on the main city of Chongqing. The results show that the impervious surface area and the heat island in main city of Chongqing? are more concentrated and mostly in built-up areas. Impervious surface and surface temperature has a positive correlation and it has a significant effect on the urban heat island.

environment engineering; urban thermal environment; impervious surfaces; surface temperature; Landsat8 OLI/TIRS

10.3969/j.issn.1674-0696.2017.01.13

2015-10-14；

2015-12-22

國家自然科學(xué)基金項目(51208531)；重慶市教委科學(xué)技術(shù)研究項目(KJ 120405)；國土資源部地學(xué)空間信息技術(shù)重點實驗室開放基金項目(KLGSIT 2015-07)；重慶交通大學(xué)國家內(nèi)河航道整治工程技術(shù)研究中心暨水利水運工程教育部重點實驗室開放基金項目(SLK2014B04)

鄧 睿(1983—)，女，重慶人，講師，博士，主要從事地理信息系統(tǒng)、遙感技術(shù)等方面的研究。E-mail: trdeng@sina.com。

胡日查(1993—)，男(蒙古族)，內(nèi)蒙古興安人，本科生，主要從事地理信息系統(tǒng)方面的學(xué)習(xí)。E-mail：1412943469@qq.com。

X87

A

1674-0696(2017)01-068-09