基于Landsat 8遙感數(shù)據(jù)的天津市地表溫度反演

付 盈,國巧真,吳曉旭

1.天津城建大學(xué)地質(zhì)與測繪學(xué)院,天津 300384 2.北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院,北京 100875

近年來，快速的城市化進(jìn)程對生態(tài)環(huán)境產(chǎn)生了深刻的影響，城市熱島就是其中之一。地表溫度(LST)是一個(gè)反映地球表面環(huán)境的重要參數(shù)，并在氣候變化、農(nóng)業(yè)干旱監(jiān)測和城市熱島效應(yīng)等領(lǐng)域發(fā)揮重要作用[1]。衛(wèi)星遙感可在短時(shí)間內(nèi)不斷提供對地觀測數(shù)據(jù)，是獲得地表溫度的重要手段。中分辨率成像光譜儀MODIS和甚高分辨率掃描輻射計(jì)AVHRR可提供每天2次的全球熱數(shù)據(jù)[2]，空間分辨率分別為1 km和1.1 km，適用于較大區(qū)域的研究。Landsat 8衛(wèi)星于2013年發(fā)射成功，搭載有熱紅外傳感器(TIRS)，提供2個(gè)熱紅外波段，且空間分辨率為100 m，適用于城市范圍內(nèi)的地表溫度反演研究[3-5]。

針對Landsat 8的反演方法是一個(gè)研究熱點(diǎn)[6-7]，它滿足使用劈窗算法的條件，Rajeshwari等[8]使用劈窗算法進(jìn)行了地表溫度反演研究。關(guān)于算法的對比，JIMéNEZ-MUOZ等[9]的研究表明，單通道算法(SC)和劈窗算法均適用于基于Landsat 8數(shù)據(jù)的地表溫度反演，在增加大氣水汽含量的情況下，劈窗算法效果更好。孫靜等[10]以南京市為例，分別用SC算法和劈窗算法進(jìn)行Landsat 8數(shù)據(jù)的地表溫度反演，并進(jìn)行精度驗(yàn)證，結(jié)果表明SC算法的反演結(jié)果更可靠。吳志剛等[11]進(jìn)行單通道算法與輻射傳導(dǎo)方程法的對比，結(jié)果證明單通道算法精度優(yōu)于輻射傳導(dǎo)方程法。由于Landsat 8衛(wèi)星剛發(fā)射運(yùn)行不久，美國地質(zhì)勘探局建議只使用TIRS第10波段一個(gè)波段進(jìn)行地表溫度反演[12]。針對TIRS 10提出的單通道算法(TIRS 10_SC)，緊密結(jié)合Landsat 8 TIRS傳感器的特性，經(jīng)驗(yàn)證可較為準(zhǔn)確地估算出不同地表覆被類型的溫度[13]。

利用遙感數(shù)據(jù)，分析地表溫度與其他指數(shù)之間的擬合關(guān)系，對城市熱環(huán)境的改善、生態(tài)的可持續(xù)性研究具有重要意義。已有研究表明，地表溫度與歸一化植被指數(shù)NDVI呈負(fù)相關(guān)，與歸一化裸露指數(shù)NDBI呈正相關(guān)[14-15]，這些研究主要以MODIS、TM為數(shù)據(jù)源，且對改進(jìn)的歸一化裸露指數(shù)MNDBI等其他建筑指數(shù)與地表溫度擬合關(guān)系的相關(guān)研究較少。此外，在不同溫度等級、不同地物類型的條件下，地表溫度與各指數(shù)的擬合關(guān)系也不同。因此，本文以天津市為研究區(qū)，選取2016年5月Landsat 8遙感數(shù)據(jù)影像反演地表溫度，建立各行政區(qū)不同溫度等級面積比例與人口密度、人均GDP的擬合模型。然后從不同溫度等級、不同地物類型2個(gè)方面，分別建立地表溫度與各指數(shù)的擬合模型，從量化方面理解和分析城市熱環(huán)境的主要影響因素。

1 研究區(qū)與數(shù)據(jù)

本文以天津市為研究區(qū)(如圖1所示)，天津市位于東經(jīng)116°43′～118°04′，北緯38°34′～40°15′，地勢以平原為主，北部有低山丘陵。天津作為中國的直轄市之一，與北京市和河北省接壤，東臨渤海。受京津冀協(xié)同發(fā)展政策和環(huán)渤海經(jīng)濟(jì)圈影響，發(fā)展迅速。天津市目前包含16個(gè)市轄區(qū)，可分為中心城區(qū)(和平區(qū)、南開區(qū)、河?xùn)|區(qū)、河西區(qū)、河北區(qū)、紅橋區(qū))、環(huán)城區(qū)(西青區(qū)、北辰區(qū)、東麗區(qū)、津南區(qū))、濱海新區(qū)和郊區(qū)(薊州區(qū)、武清區(qū)、寶坻區(qū)、寧河區(qū)、靜海區(qū))。為反演天津市地表溫度，本文選用2016年5月的3景Landsat 8遙感數(shù)據(jù)，各波段相關(guān)參數(shù)如表1所示。其中用于計(jì)算指數(shù)的是OLI數(shù)據(jù)，用于反演地表溫度的是TIRS 10波段，當(dāng)天大氣透過率為0.91。

圖1 研究區(qū)位置示意圖Fig.1 Location of study area

傳感器波段空間分辨率/mOLIBand 1-Band 7、Band 930OLIBand 815TIRSBand 10、Band 11100

2 研究方法和結(jié)果分析

2.1 地表溫度反演

目前，單通道算法對Landsat 8遙感數(shù)據(jù)是較為有效的地表溫度反演方法[16]。單通道算法的提出是針對TM數(shù)據(jù)，應(yīng)用到Landsat 8的TIRS 10波段上還需要參數(shù)調(diào)整，具體的計(jì)算方法如式(1)所示[17]。

Ts=[K2×(C+D)×T10+(1-C-D)×

T102-K2×D×Ta]/(K2×C)

(1)

式中：Ts為地表溫度；T10為TIRS 10的亮溫，如式(2)所示，對TIRS 10，常數(shù)K1=774.89，常數(shù)K2=1 321.08；Ta為大氣平均作用溫度，可區(qū)分為熱帶地區(qū)、中緯度夏季、中緯度冬季，分別采用式(3)～式(5)計(jì)算[18]，其中T0為近地表溫度，本文采用中緯度夏季計(jì)算；參數(shù)C和D的計(jì)算公式分別如式(6)和式(7)所示，其中t為大氣透過率，ε為地表輻射率。

T10=K2/ln(1+K1/L10)

(2)

熱帶地區(qū)Ta=17.976 9+0.9171 5×T0

(3)

中緯度夏季Ta=16.011 0+0.9262 1×T0

(4)

中緯度冬季Ta=19.270 4+0.9111 8×T0

(5)

C=ε×t

(6)

D=(1-t)×[1+(1-ε)]×t

(7)

2.2 地表溫度分級

經(jīng)過和氣象局提供的天津氣象數(shù)據(jù)比對(區(qū)站號54527，117°3′E/39°5′8″N)，濃密植被處的溫度(約26 ℃左右)和當(dāng)天氣溫(約24.3 ℃)相差不大，表明溫度反演結(jié)果較精確。利用均值標(biāo)準(zhǔn)差法[19]，根據(jù)地表反演溫度的平均值μ和標(biāo)準(zhǔn)差SD將地表溫度分為低、次低、中等、次高、高5個(gè)等級，分級依據(jù)和不同溫度級別對應(yīng)的溫度區(qū)間如表2所示。

表2 溫度分級依據(jù)及對應(yīng)溫度區(qū)間Table 2 Temperature grading basisand temperature intervals

由天津市地表溫度分級圖(圖2)可見，天津市地表溫度整體上西北部較低、東南部較高。位于天津市西北部的薊州區(qū)山林較多，寶坻區(qū)和武清區(qū)人口密度、人工構(gòu)筑物等密度相對其他區(qū)少，因此地表溫度相對較低。根據(jù)溫度分級的結(jié)果，對天津市各區(qū)不同溫度等級面積分別進(jìn)行統(tǒng)計(jì)，并計(jì)算各區(qū)不同溫度等級區(qū)域面積比例(表3)?？梢姼邷貐^(qū)面積所占比例從大到小依此為中心城區(qū)、濱海新區(qū)、環(huán)城區(qū)、郊區(qū)。除濱海新區(qū)外，呈現(xiàn)從內(nèi)到外依次變小的規(guī)律。濱海新區(qū)近年來發(fā)展迅速，人口聚集，因此高溫區(qū)域比重僅次于中心城區(qū)，位于第二。低溫區(qū)面積所占比例從大到小依次為濱海新區(qū)、郊區(qū)、環(huán)城區(qū)、中心城區(qū)，呈現(xiàn)沿海地區(qū)低溫面積比重大，其他地區(qū)從外到內(nèi)依次變小的規(guī)律。就每個(gè)區(qū)的高溫區(qū)面積比例而言，靜海區(qū)和津南區(qū)2個(gè)區(qū)比較特殊，高溫面積所占比重大于6個(gè)中心城區(qū)。分析原因，靜海區(qū)的高溫可能是由豐富的地?zé)豳Y源導(dǎo)致，該區(qū)的地?zé)豳Y源和高溫地區(qū)同樣集中分布在東南部[20]，津南區(qū)的高溫可能與豐富的地礦資源和地?zé)岙惓^(qū)有關(guān)[21]。

圖2 天津市溫度分級圖Fig.2 Temperature grading map of Tianjin

Table 3 Area proportions of different temperaturelevels in each district of Tianjin%

2.3 各區(qū)不同溫度等級面積比例與人口密度、人均GDP的擬合

人口密度和人均GDP與各區(qū)的建筑群密集程度、人類活動集中程度、車輛排熱等都存在一定關(guān)聯(lián)，這些都是影響城市熱環(huán)境的因素。因此與各區(qū)的不同溫度等級面積比例存在相關(guān)性。擬合的決定系數(shù)(R2)越高，可認(rèn)為相關(guān)性越大。本文分別采用不同模型(線性、對數(shù)、二次項(xiàng)、立方、復(fù)合、冪、指數(shù))，將天津市各行政區(qū)位于不同溫度等級的面積百分比與人口密度和人均GDP進(jìn)行擬合，并對比不同擬合模型的R2(表4)。由表4可知，天津市各區(qū)低溫、次低溫、次高溫區(qū)域面積比例與該區(qū)人口密度的R2較高(R2≥0.6)，說明存在擬合關(guān)系；而中等溫度區(qū)域和高溫區(qū)域與人口密度的R2較低(R2<0.6)，不存在擬合關(guān)系。而人均GDP僅與次高溫面積比例存在擬合關(guān)系。可見，人口密度對不同溫度等級面積比例的影響比人均GDP更顯著。同時(shí)，次高溫面積比例和次低溫面積比例擬合的R2為0.949，呈明顯負(fù)相關(guān)。而低溫和高溫面積比例之間不存在這樣的關(guān)系，這2個(gè)溫度等級處于兩極，它們的形成原因更復(fù)雜，因此不存在擬合關(guān)系。

R2較高的4組擬合曲線如圖3所示。其中次高溫區(qū)域面積比例與人均GDP的立方模型雖具有較高的R2，但它的擬合曲線有一部分出現(xiàn)負(fù)值，明顯與實(shí)際情況不符，因此選擇對數(shù)模型。由圖3(a)和圖3(b)可見，各區(qū)低溫、次低溫區(qū)域面積比例與人口密度的擬合曲線相似，總體上隨人口密度增大而變小，先快速變小，后趨于平穩(wěn)。由圖3(c)和圖3(d)可見，各區(qū)次高溫面積所占比例并不總是隨人口密度或人均GDP的增大而增大，而是到達(dá)一定值后進(jìn)入較平穩(wěn)的狀態(tài)。

表4 不同溫度等級區(qū)域面積比例與人口密度、人均GDP的擬合R2對比Table 4 The R2 of the area proportion of different temperature-level and population density,per capita GDP

圖3 不同溫度等級區(qū)域面積比例與人口密度、人均GDP的擬合曲線Fig.3 Fitting curve of the area proportion of different temperature-level and population density,per capita GDP

經(jīng)對比分別得到低溫、次低溫、次高溫面積比例估算模型如式(8)～式(10)所示。經(jīng)驗(yàn)證，以人口密度估算次高溫區(qū)域面積比例比以人均GDP估算次高溫區(qū)域面積比例效果更好，因此選擇以人口密度為自變量的估算模型。并以中心城區(qū)、環(huán)城區(qū)、郊區(qū)作為3個(gè)新的區(qū)，利用這3組數(shù)據(jù)驗(yàn)證估算模型的有效性(表5)。由表5可見，估算值與實(shí)際值接近，此估算模型可用于定量估算區(qū)域內(nèi)人口密度增長對低溫、次低溫、次高溫面積比例的影響。

P1=5 684.32×X-0.92

(8)

P2=421.01×X-0.57

(9)

P3=13.79+0.0063×X-3.03×10-7×X2+

4.13×10-12×X3

(10)

式中：X為區(qū)域內(nèi)人口密度，P1、P2、P3依次為區(qū)域內(nèi)低溫、次低溫、次高溫區(qū)域面積比例。

表5 低溫、次低溫、次高溫面積比例估算模型驗(yàn)證Table 5 Verification of the estimating models of the area proportionof low,sub-low and sub-high temperature-level %

2.4 地表溫度與不同指數(shù)的相關(guān)性分析

2.4.1 植被、建筑指數(shù)計(jì)算

選擇NDVI、MNDBI、BAEM 3種指數(shù)進(jìn)行計(jì)算，NDVI可反映植被的生長狀況，NDVI>0時(shí)，與地表溫度呈負(fù)相關(guān)。MNDBI通過NDBI和(1-NDVI)雙重作用，可更加突出居民地信息，針對Landsat 8提出的居民地提取指數(shù)BAEM[22]，用于和MNDBI進(jìn)行對比實(shí)驗(yàn)，這3種指數(shù)可間接分析地表反演溫度與植被和居民地之間的相關(guān)性。對于不同的遙感數(shù)據(jù)，用于計(jì)算指數(shù)的波段各不相同，針對Landsat 8 OLI數(shù)據(jù)的各指數(shù)計(jì)算公式如式(11)～式(15)所示[23-24]。

NDVI=(b5-b4)/(b5+b4)

(11)

MNDBI=NDBI+(1-NDVI)

(12)

BAEM=NDBI-NDVI-MNDWI

(13)

NDBI=(b6-b5)/(b6+b5)

(14)

MNDWI=(b3-b7)/(b3+b7)

(15)

式中b3、b4、b5、b7分別代表OLI影像的第3、4、5、7波段的DN值；MNDWI為改進(jìn)的歸一化水體指數(shù)。

2.4.2 樣點(diǎn)土地類型統(tǒng)計(jì)

在影像中隨機(jī)選取250個(gè)樣點(diǎn)，統(tǒng)計(jì)每個(gè)樣點(diǎn)所在像元對應(yīng)的地表溫度及相應(yīng)的NDVI、MNDBI、BAEM值。分別統(tǒng)計(jì)處于不同溫度等級樣點(diǎn)的土地利用類型。地物類型主要被分為耕地、居民地、未利用地(包括裸地、灘涂等)、水域(包括河流、湖泊、鹽田、坑塘等)、植被5類進(jìn)行采樣點(diǎn)地物類型的統(tǒng)計(jì)。不同溫度等級及地物類型對應(yīng)樣點(diǎn)個(gè)數(shù)如表6所示。從表6可見，總體上低溫和次低溫點(diǎn)以水域?yàn)橹?，次高溫和高溫點(diǎn)以居民地為主，中等溫度點(diǎn)最多的是耕地，其次為居民地。植被地區(qū)溫度等級以次低為主，未利用地以中等溫度為主。從不同地物類型樣點(diǎn)的平均地表溫度來看，從高到低依次為居民地、耕地、未利用地、植被、水域。

表6 不同溫度等級樣點(diǎn)對應(yīng)土地類型統(tǒng)計(jì)Table 6 Land-cover type statistics of differenttemperature-level sampling points

2.4.3 地表溫度與不同指數(shù)擬合分析

為比較不同溫度區(qū)間、不同地物類型的樣點(diǎn)和總樣點(diǎn)與各指數(shù)之間擬合關(guān)系的不同，先用總樣點(diǎn)與不同指數(shù)進(jìn)行擬合分析，再從不同溫度等級、不同土地利用類型2個(gè)方面，將不同溫度區(qū)間、不同地物類型的樣點(diǎn)分別作為樣本，進(jìn)行不同類樣點(diǎn)的地表溫度與各指數(shù)的擬合分析，對比不同擬合模型(單一變量的線性、對數(shù)、二次項(xiàng)、立方、復(fù)合、冪、指數(shù)模型及雙變量的二元線性回歸)的決定系數(shù)R2，得出不同類樣點(diǎn)與各指數(shù)擬合的最高R2及對應(yīng)擬合模型類型(如表7所示)。

表7 不同類型樣點(diǎn)地表溫度與各指數(shù)擬合的最高R2Table 7 The highest R2 between different typesampling points and each index

由表7可見，對總樣點(diǎn)來說，地表溫度與植被指數(shù)和建筑指數(shù)是相關(guān)的，就建筑指數(shù)來說，與BAEM的相關(guān)性比MNDBI大。與NDVI、BAEM的二元線性擬合高于與單獨(dú)一種指數(shù)擬合的R2。就不同溫度等級的點(diǎn)而言，并不是各個(gè)溫度區(qū)間的點(diǎn)都與植被和建筑指數(shù)相關(guān)，其中低溫區(qū)間的點(diǎn)與MNDBI相關(guān)性較高。就不同地物類別而言，水域和植被2類地物與NDVI的相關(guān)性較高，高于總樣點(diǎn)。而低溫點(diǎn)又以水域居多，因此低溫樣點(diǎn)比其他溫度等級呈現(xiàn)更高的R2。

3 結(jié)論

基于Landsat 8數(shù)據(jù)進(jìn)行天津市地表溫度反演，進(jìn)行溫度分級，分區(qū)進(jìn)行不同溫度等級面積比例統(tǒng)計(jì)，結(jié)合各區(qū)人口密度和人均GDP數(shù)據(jù)進(jìn)行分析。用采樣法，分別統(tǒng)計(jì)樣點(diǎn)對應(yīng)像元的地表溫度、NDVI、MNDBI、BAEM指數(shù)值進(jìn)行擬合分析。得出結(jié)論：①低溫、次低溫、次高溫面積比例與該區(qū)的人口密度存在擬合關(guān)系，R2較高；次高溫面積比例與該區(qū)人均GDP存在擬合關(guān)系。②低溫和次低溫地區(qū)以水域?yàn)橹?，次高溫和高溫區(qū)域以居民地為主。樣點(diǎn)平均溫度從高到低順序依次為居民地>耕地>未利用地>植被>水域。③地表溫度與各指數(shù)之間的相關(guān)性會因不同溫度等級和不同地物覆蓋類型而不同。總樣點(diǎn)與NDVI、BAEM的二元線性擬合R2高于與單一指數(shù)擬合的R2；分類后的樣點(diǎn)低溫樣點(diǎn)與MNDBI的R2高于其他溫度等級樣點(diǎn)；水域和植被樣點(diǎn)與各指數(shù)的R2高于其他地物類別的樣點(diǎn)。以上結(jié)論表明，地表溫度與人口密度和人均GDP存在較高的相關(guān)性，因?yàn)槿丝诿芏扔绊懗鞘兄腥斯?gòu)筑物、人工熱源的多少。人均GDP與人從事各種生產(chǎn)、社會活動的強(qiáng)度存在間接聯(lián)系，這些都是城市熱島的成因。水域和植被是改善城市熱環(huán)境的關(guān)鍵。因此，控制城市人口密度和建筑密度，保證城市的綠化及水域空間比例，對改善城市熱環(huán)境具有重要意義。