基于Landsat8數(shù)據(jù)的城市群熱島效應(yīng)分析
——長株潭城市群為例

劉冰冰,曾永年*

1.中南大學(xué)地球科學(xué)與信息物理學(xué)院,湖南 長沙 410093

2.中南大學(xué)空間信息技術(shù)與可持續(xù)發(fā)展研究中心,湖南 長沙 410083

近50年來，全球城市化進(jìn)入了空前發(fā)展階段，如今城市人口占全球的比重已經(jīng)超過50%，并仍在持續(xù)增長[1,2]。城市化水平的提高在促進(jìn)經(jīng)濟發(fā)展、社會進(jìn)步、提高人民生活水平的同時，由人類活動、城市規(guī)模擴張等引發(fā)的局地生態(tài)環(huán)境急劇變化，對區(qū)域和全球的氣候環(huán)境變化產(chǎn)生深遠(yuǎn)影響[3-5]。城市化對氣候影響的主要現(xiàn)象之一——城市熱島效應(yīng)，是指城市大氣和地表溫度高于周邊農(nóng)村的現(xiàn)象[6]。熱島效應(yīng)加大了電力消耗，加重了環(huán)境污染，對于水文系統(tǒng)、空氣質(zhì)量、居民健康存在潛在威脅，長期以來受到科學(xué)界與政府部門的高度重視[7,8]。

熱島效應(yīng)在城市不同層面上均有體現(xiàn)：反映大氣層增溫效應(yīng)的城市冠層熱島(CLHI)和邊界層熱島(BLHI)，以及反映城市地表層增溫效應(yīng)的城市地表熱島效應(yīng)(SUHI)。大氣層增溫效應(yīng)主要通過氣象站點觀測數(shù)據(jù)進(jìn)行評估，SUHI則主要利用遙感影像熱紅外波段數(shù)據(jù)評估。隨著近幾十年間遙感技術(shù)的發(fā)展，SUHI研究取得了重大進(jìn)展，研究內(nèi)容主要包括兩個方面，熱島效應(yīng)的演變及其形成機制。在熱島效應(yīng)監(jiān)測方面，一般利用遙感數(shù)據(jù)反演多時序的亮溫或地表溫度(LST)，分析熱島效應(yīng)的分布規(guī)律及變化情況[9-11]。在形成機理方面，土地利用/覆蓋類型的變化對城市增溫的影響一直是研究重點之一。一些學(xué)者通過將土地利用分類數(shù)據(jù)與地表溫度(LST)疊加分析，發(fā)現(xiàn)二者間有密切關(guān)系[12-17]。但土地利用分類數(shù)據(jù)中同一類型的地物仍存在較大的異質(zhì)性，而連續(xù)的地表生物物理覆蓋度能夠較為詳細(xì)地反映地表特征，有利于定量分析下墊面構(gòu)成對于熱島效應(yīng)的貢獻(xiàn)作用[18]。有學(xué)者分析表征地表覆蓋特征的指數(shù)(如NDVI、NDBI)與LST的關(guān)系，發(fā)現(xiàn)二者具有較穩(wěn)定的線性相關(guān)關(guān)系[19-23]，但是這類指數(shù)在表征地表覆蓋度時存在不確定性，如NDVI與植被覆蓋度之間呈非線性關(guān)系，NDBI則容易受稀疏植被、裸土等的影響。Yuan等[24]、Li等[25]利用混合像元分解技術(shù)提取的地表組分豐度，與LST之間的相關(guān)性分析表明，以地表組分豐度作為下墊面的連續(xù)地表覆蓋特征參量優(yōu)于一般的遙感指數(shù)。

長株潭城市群作為長江中游城市群的主體之一，是湖南省經(jīng)濟發(fā)展的重要增長極。隨著城市化進(jìn)程的快速推進(jìn)，城市環(huán)境問題日漸突出[26]。目前，針對長株潭城市群熱島效應(yīng)問題已開展了較多的研究[17,19-21]，但研究對象的空間分辨率有待提高，研究的內(nèi)容也有待深化。為此，本文以長株潭城市群核心區(qū)為研究區(qū)，采用多季相的Landsat8、MODIS數(shù)據(jù)定量反演地表溫度(LST)，利用混合像元分解技術(shù)提取地表覆蓋組分的豐度，在分析熱島效應(yīng)多季相時空格局變化的基礎(chǔ)上，定量分析熱島效應(yīng)形成機制，以便于深刻理解區(qū)域氣候變化，為城市規(guī)劃與環(huán)境治理提供參考與決策依據(jù)。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

長株潭城市群位于我國中南部湘江流域，包括長沙、株洲、湘潭三市，成“品”字形分布，結(jié)構(gòu)緊湊，有利于大規(guī)產(chǎn)業(yè)集聚。研究范圍劃定為長株潭核心區(qū)，包括長株潭三市轄區(qū)，以及長沙縣、望城縣、湘潭縣、株洲縣等4縣的矩形范圍(圖1)。

1.2 數(shù)據(jù)來源于預(yù)處理

為了對不同季節(jié)的長株潭城市群熱島效應(yīng)進(jìn)行分析，獲取了2013～2014年間四期清晰無云或少云的Landsat8影像，軌道號為123/40和123/41，以及同時期的MODIS大氣水汽產(chǎn)品，遙感數(shù)據(jù)的具體信息與來源見表1。

首先，利用Landsat8定標(biāo)參數(shù)進(jìn)行輻射定標(biāo)；然后，在ENVI的FLAASH模塊下對可見光波段進(jìn)行大氣校正。以研究區(qū)1:2000地形圖為基準(zhǔn)進(jìn)行幾何校正，校正誤差控制在半個像元以內(nèi)，符合本研究的精度要求。最后，對圖像進(jìn)行拼接與裁剪，獲得研究區(qū)的影像。

利用ENVI中既定的地理信息校正模塊，對MODIS數(shù)據(jù)進(jìn)行坐標(biāo)系轉(zhuǎn)換，轉(zhuǎn)換后的地圖投影方式與Landsat影像一致；并采用最鄰近算法進(jìn)行重采樣，重采樣后圖像分辨率為30 m，裁剪出研究區(qū)的影像。

圖1 研究區(qū)示意圖Fig.1 Diagram of the study area

表1 實驗數(shù)據(jù)Table 1 The experimental data

2 研究方法

2.1 地表溫度反演

由于Landsat8衛(wèi)星上搭載的TIRS傳感器可以探測兩個熱紅外波段(表示為TIRS10和TIRS11)，Rozenstein等[27]提出了適應(yīng)于Landsat8數(shù)據(jù)的劈窗算法參數(shù)，徐涵秋[28]將該模型與基于TIRS10波段的普適性單通道算法進(jìn)行了對比分析，發(fā)現(xiàn)普適性單通道算法的結(jié)果更為精確，因此本文中選擇其作為地表溫度的反演算法，公式如下：

Ts(K)為地表溫度；Lλ(W·m-2·sr-1·μm-1)是TIRS10波段輻射亮度；ε為地表比輻射率，根據(jù)式(2)計算，f為地表植被覆蓋度，εv=0.985，εs=0.968，dε取0，并利用譜間關(guān)系法提取水體[29]，將其比輻射率訂正為0.995；Tsat(K)是指傳感器觀測到的亮溫，根據(jù)式(3)計算，k1=774.89 W/(m2·sr·μm)，k2=1321.08 W/(m2·sr·μm)；式(4)中C1=1.19104×108W·μm4·m-2·sr-1，C2=14387.7 μm/K；TRIS10 波段的有效波長λ=10.90 μm；ω是大氣水汽含量(g/cm3)，可以利用MODIS大氣水汽產(chǎn)品直接獲取[30]。

2.2 地物組分豐度提取

城市地表復(fù)雜并緊密交錯，地物的類內(nèi)類間光譜異質(zhì)性較強，如果采用傳統(tǒng)混合像元分解方法，對一類地物采用一種端元光譜進(jìn)行模擬，會存在較大誤差。Roberts等提出的多端元混合像元分解技術(shù)[34]，對每一類地物建立包含多個端元的光譜庫，并針對每一個像元尋找最佳端元組合來模擬其混合的光譜響應(yīng)。

首先對已經(jīng)剔除水體的Landsat8(13.7.31日)數(shù)據(jù)的可見光波段進(jìn)行最小噪聲分離變換(MNF變換)提取圖像的主要信息。然后，計算圖像的純凈像元指數(shù)(PPI)，借助ENVI的n維可視化工具進(jìn)行各類端元的光譜收集。對端元光譜庫信息進(jìn)行統(tǒng)計分析得到計數(shù)指數(shù)(CoBI)[31]、端元均方根誤差(EAR)[32]和最小平均光譜角(MASA)[33]，按照CoBI較大且EAR和MASA較小的規(guī)則，挑選出最能反映該類地物波譜特征的端元，建立了不透水表面波譜庫(18條)、綠色植被波譜庫(31條)和裸土波譜庫(11條)。最后，運用Viper tools軟件模塊，生成6183個光譜分解模型，對原始圖像逐像元選擇最優(yōu)模型，求解端元豐度。

2.3 統(tǒng)計分析

為了更好地分析不同季節(jié)熱島效應(yīng)分布的變化情況，在對各期LST數(shù)據(jù)歸一化處理后，計算平均值m和標(biāo)準(zhǔn)差s，根據(jù)標(biāo)準(zhǔn)差分級法，將LST劃分為4個等級，作為評估熱島效應(yīng)強弱的指標(biāo)，具體分類準(zhǔn)則為：中低溫(小于m+0.5 s)，較高溫(m+0.5 s至m+1.5 s)，高溫(m+1.5 s至m+2.5 s)，極高溫(m+2.5 s至m+3.5 s)。然后統(tǒng)計各種級別的熱島效應(yīng)的面積百分比。

對于剔除水體后的圖像，以各地類豐度為橫軸，以LST為縱軸，生成散點圖；并利用分區(qū)統(tǒng)計的方法，對各種用地類型的豐度從0～1按照0.01的增量統(tǒng)計其范圍內(nèi)的LST的平均值，將其與豐度值進(jìn)行回歸分析。

3 結(jié)果與分析

3.1 熱島效應(yīng)的時空格局變化分析

生成長株潭城市群的地表溫度分布圖（圖2）和熱島強度等級分布圖（圖3），圖中白色部分為云掩膜，以及各溫度等級的面積比例（表2）。

在初夏(13.5.28)，區(qū)域LST平均值為304.6 K，標(biāo)準(zhǔn)差為2.61 K。圖2(a)中城市的LST明顯高于農(nóng)村，熱島效應(yīng)顯著，東南部農(nóng)村的溫度略高于西北部，這是由于西北部的主要植被類型是以水田為主的耕地，其蒸散降溫作用較東南部林地更為強烈。圖3(a)中城市主要為較高溫區(qū)、高溫區(qū)和極高溫區(qū)；極高溫區(qū)的面積比率為1.5%，主要分布在長沙市湘江以東的雨花區(qū)、天心區(qū)的高密度居民區(qū)、以及長沙縣東部的工業(yè)用地，湘潭市湘江東岸岳塘區(qū)的工業(yè)用地，株洲市湘江兩岸的工業(yè)及居民用地；高溫區(qū)和較高溫區(qū)主要圍繞極高溫區(qū)為核心的周邊分布，并且從城市中心向四周呈溫度等級漸降的趨勢。農(nóng)村地表溫度等級主要為中低溫和較高溫，中低溫區(qū)主要分布在西北部耕地，較高溫區(qū)主要分布在東南部林地。

盛夏季節(jié)（13.7.31），區(qū)域LST平均值為308.7 K，標(biāo)準(zhǔn)差為2.73 K，均達(dá)到所有季節(jié)的最高值，這個時期植被最為繁茂，地表地物多樣性達(dá)到峰值，因此圖2(b)中地表溫度的區(qū)域分布差異最為明顯，熱島效應(yīng)最為顯著。與初夏相比，圖3(b)中城市的高溫區(qū)和極高溫區(qū)范圍明顯向擴張，面積比率分別增長至4.5%、3%，特別是極高溫區(qū)面積達(dá)到在所有季節(jié)中的最大值；在農(nóng)村的鄉(xiāng)鎮(zhèn)出現(xiàn)了分散的小范圍熱島現(xiàn)象，東南部林地的溫度等級大范圍從初夏時期的較高溫降為中低溫，這主要與林地生長繁茂所帶來的蒸騰作用增大有關(guān)。

進(jìn)入夏末（13.9.17），區(qū)域LST平均值為305.8 K，標(biāo)準(zhǔn)差為2.54 K，較盛夏均有所回落。圖2(c)中城鄉(xiāng)LST差異顯著，但與盛夏相比，城市的高溫面積減小，東南部農(nóng)村的LST略微升高，這主要與植被生長停滯導(dǎo)致的蒸騰作用減弱有關(guān)。圖3(c)中與盛夏相比，城市的極高溫區(qū)大范圍縮減，其面積比率降低至2.15%，部分極高溫區(qū)溫度等級降為高溫和較低溫。農(nóng)村東南部的部分植被溫度等級從盛夏的中低溫上升為較高溫，農(nóng)村鄉(xiāng)鎮(zhèn)中仍存在小范圍熱島現(xiàn)象，但范圍相對盛夏有所減小。

圖2 地表溫度分布圖Fig.2 Spatial distribution of land surface temperature

圖3 熱島強度等級分布圖Fig.3 Intensity grade distribution of UHI

在冬季（14.1.23），區(qū)域LST平均值為287.7 K，標(biāo)準(zhǔn)差為1.51 K，均達(dá)到所有季節(jié)的最小值，這是由于冬季植被蕭條，地表裸露度變高，地表植被多樣性變少，因此LST的區(qū)域分布差異降低，圖2(d)中研究區(qū)的LST分布并無明顯的城鄉(xiāng)差異，熱島效應(yīng)與夏季相比較不顯著。圖3(d)中極高溫區(qū)面積比率在所有季節(jié)中達(dá)到最小的1.00%，散落分布在長株潭三市的部分工業(yè)用地區(qū)；東南角、東北部的林地出現(xiàn)異常高值，這可能是由于常綠闊葉林在冬季的植被覆蓋度較高，吸收太陽輻射的能力較強。

表2 各級熱島強度面積比例/%Table 2 Area percentage of UHI intensity at all levels

3.2 熱島效應(yīng)與下墊面組分豐度關(guān)系分析

綠色植被、不透水下墊面、裸土的豐度值分布圖如圖4，水體已被掩膜為0，分類結(jié)果的RMSE在0.025內(nèi)，滿足本實驗的精度要求。在農(nóng)村主要地表覆蓋地物為綠色植被，城市地表主要由不透水表面構(gòu)成，而裸土在區(qū)域內(nèi)面積較小，大多離散地分布在城市周邊。

圖4 地表組分豐度分布圖Fig.4 Surface component abundance distribution map

由于植被與不透水表面被認(rèn)為是VIS（Vegetation-Impervious-Soil）模型中最關(guān)鍵的兩個城市組分要素[25]，因此利用13.7.31日的LST（已剔除水體）與植被、不透水下墊面豐度建立散點圖（圖5），散點圖呈梯形。隨著綠色植被的像元豐度增大，同一豐度的LST最大和最小值降低；豐度越接近于0，散點分布越離散，這是由于綠色植被的分布越少，LST越容易受到土壤濕度等外界條件的影響，溫度波動范圍也越大，表明綠色植被覆蓋度較小時并不能明顯降低地表溫度，只有大范圍的綠色植被才能產(chǎn)生明顯的降溫作用。不透水表面豐度越高，LST的最大和最小值也越高。

對LST與植被、不透水表面進(jìn)行分區(qū)統(tǒng)計及回歸分析（圖6），發(fā)現(xiàn)植被豐度與LST呈強烈負(fù)相關(guān)，相關(guān)系數(shù)為-0.97，不透水表面豐度與LST呈強烈正相關(guān)，相關(guān)系數(shù)為0.95。表明植被的蒸騰作用具有降低LST的作用，不透水表面的分布越密集對LST的增溫效應(yīng)越顯著，植被與不透水表面的地表構(gòu)成比率對熱島效應(yīng)的空間分布有重要影響。

不透水表面豐度通常被認(rèn)為是不變量[35]，因此將其他季節(jié)的LST與不透水表面豐度進(jìn)行了分區(qū)統(tǒng)計及回歸分析發(fā)現(xiàn)，在所有季節(jié)，不透水表面豐度與LST都存在較強的線性相關(guān)關(guān)系，夏季的相關(guān)系數(shù)較高。不同季節(jié)的回歸方程斜率分別是6.21、10.06、8.41、0.82，在盛夏達(dá)到最高，在冬季降到最低，表明當(dāng)外部氣候條件越炎熱時，不透水表面的增加對于地表增溫效應(yīng)的影響越大（表3）。

圖5 2013.7.31日地表組分豐度與地表溫度散點圖Fig.5 Scatter diagram of surface component abundance and temperature on Jul.31,2013

圖6 2013.7.31日平均地表溫度與地表組分豐度的相關(guān)關(guān)系Fig.6 Correlation between average land surface temperature and component abundance on Jul.31,2013

表3 各季節(jié)不透水表面豐度與地表溫度的相關(guān)關(guān)系Table 3 Correlation between surface abundance of impervious water and surface temperature in different seasons

4 結(jié) 論

本文利用Landsat8數(shù)據(jù)和MODIS數(shù)據(jù)，反演了長株潭城市群在2013～2014年間多個季相地表溫度(LST)，評估了城市熱島效應(yīng)的時空格局及其變化，并分析了地表覆蓋組分豐度與熱島效應(yīng)的關(guān)系及形成機制，并獲得如下的結(jié)論：

(1)城市熱島效應(yīng)在夏季顯著，在冬季較為不明顯。在夏季，城市區(qū)域主要為高溫區(qū)和極高溫區(qū)；極高值區(qū)面積從初夏到夏末先擴張后縮減，在盛夏面積比率達(dá)到最高的3.00%，熱島效應(yīng)程度最為嚴(yán)重且影響范圍最廣；農(nóng)村主要為中低溫區(qū)，LST分布特征變化與植被覆蓋類型和生長狀況有關(guān)。

(2)在盛夏植被的組分豐度與LST呈負(fù)相關(guān)關(guān)系，植被地表覆蓋度增加有助于減緩熱島效應(yīng)；所有季節(jié)不透水表面豐度與LST均呈強烈的正相關(guān)關(guān)系，相關(guān)系數(shù)在0.87以上，不透水表面的地表覆蓋度增加將導(dǎo)致熱島效應(yīng)增強，特別在盛夏這種作用最為顯著。

城市化驅(qū)使下的以不透水面為主的人工地表擴張，改變了地表的熱力學(xué)性質(zhì)，導(dǎo)致了地表增溫，是熱島效應(yīng)形成的重要因素之一。在城市未來規(guī)劃中，需要綜合考慮植被的降溫效應(yīng)與不透水表面增溫效應(yīng)，控制不透水表面的建設(shè)密度，有利于緩解熱島效應(yīng)。進(jìn)一步的研究中需要對連續(xù)時序的長株潭城市群熱島效應(yīng)進(jìn)行分析，探究城市發(fā)展過程中景觀結(jié)構(gòu)變化對于城市增溫的作用機制。