基于Landsat遙感影像的地表溫度分析

楊永健 李洪忠 鐘舒怡

摘 要：隨著城市擴張，不透水面增加，熱島現(xiàn)象日漸凸顯，對生產(chǎn)生活造成負面影響。以2002-2017年3期Landsat遙感影像反演泉州主城區(qū)地表溫度、植被指數(shù)、建筑物指數(shù)，通過均值-標準差法對地表溫度進行熱島分級，分析了熱島與植被指數(shù)、建筑用地的數(shù)量關系及發(fā)展趨勢。結果表明：①地表溫度與植被指數(shù)呈中等負相關關系，Pearson相關系數(shù)均值為-0.54，地表溫度與城市建筑物指數(shù)呈顯著線性關系，Pearson相關系數(shù)均值為0.82；②通過均值-標準差法對地表溫度分級，2個城區(qū)熱島面積均呈上升趨勢，鯉城區(qū)、豐澤區(qū)熱島區(qū)域面積分別上升30.33%、8.59%；③熱島區(qū)域與城區(qū)建設用地發(fā)展趨勢一致，鯉城區(qū)熱島區(qū)域受建筑物指數(shù)影響較大，豐澤區(qū)受植被覆蓋與水域影響，熱島效應減弱。

關鍵詞：熱島效應；遙感技術；城市熱島；線性擬合

DOI：10. 11907/rjdk. 191312

中圖分類號：TP317.4 文獻標識碼：A 文章編號：1672-7800（2019）005-0187-05

Abstract： As the city expands and the impervious surface increases， the heat island phenomenon becomes increasingly prominent， which has a negative impact on production and life. The Landsat remote sensing image of 2002-2017 was used to invert the surface temperature， vegetation index and building index of Quanzhou's main urban area. The mean-standard deviation method was used to classify the surface temperature of the heat island. The relationship among the heat island and the vegetation index and the construction land as well as development trends were analyzed. The results show that： ①The surface temperature has a moderately negative correlation with the vegetation index， and the Pearson correlation coefficient is -0.54； the surface temperature has a significant linear relationship with the urban building index， and the Pearson correlation coefficient has a mean value of 0.82. ②The surface temperature is graded by the mean-standard deviation method. The area of the heat islands in the two urban areas is increasing. The area of the heat islands in the Wucheng District and Fengze District increased by 30.33% and 8.59% respectively. ③ The development trend of the heat island area and the urban construction land is the same. The heat island area in the urban area is greatly affected by the building index. The Fengze area is affected by the vegetation cover and water area， and the heat island effect is weakened.

Key Words： heat island effect；remote sensing；urban heat island；linear fit

0 引言

城市熱島是一個具有水平、垂直和時間尺度的熱異常現(xiàn)象，幾乎在大多數(shù)定居點都可以觀察到[1]。在研究最多的中緯度地區(qū)，熱島特征與城市內(nèi)在規(guī)模、不透水面、土地利用分布有關，與城市外部因素如氣候、空氣污染及季節(jié)等也有關[2-6]。陳康林等[7]分析廣州市熱環(huán)境強度等級格局時，發(fā)現(xiàn)熱島強度空間可預測性高；彭少麟等[8]提出，城市熱量平衡與城市下墊面性質(zhì)改變有關；武鵬飛等[9]對空間剖面分析，揭示了北京市建筑與溫度相關性的空間分布規(guī)律；江振藍等[10]通過Moran's I指數(shù)和G系數(shù)法對熱島范圍進行界定；王宏博等[11]對沈陽市進行城市熱島特征分析，發(fā)現(xiàn)熱島與城區(qū)發(fā)展一致。因此，城市熱島與城區(qū)發(fā)展尤其是城市下墊面性質(zhì)有密切關系。

福建省泉州市2016年GDP為6 646.63億元，比2002年相比多4倍，其中鯉城區(qū)、豐澤區(qū)約占全市總量的14%[12]。經(jīng)濟發(fā)展的同時，城區(qū)擴張帶來的熱島效應在所難免。因此，本文就城市熱島與土地覆被情況進行分析，利用遙感圖像處理軟件ENVI5.3平臺提取相關指數(shù)，通過回歸模型分析泉州2個主城區(qū)熱島效應相關指標的數(shù)學關系。

1 研究區(qū)概況與數(shù)據(jù)處理

1.1 研究區(qū)概況

泉州（東經(jīng)117°34′ ～119°05′ 、北緯24°22′ ～25°56′ ）位于福建省東南部，屬于亞熱帶海洋性季風氣候，夏季高溫多雨，冬夏干濕差別不大；地勢西北高東南低，山地丘陵占土地總面積80%左右。泉州轄3市、4區(qū)、5縣，是海上絲綢之路起點，國家“一帶一路”戰(zhàn)略的21世紀海上絲綢之路先行區(qū)。本文以鯉城、豐澤2區(qū)作為研究對象，研究區(qū)面積約157.9km2，研究區(qū)位置如圖1所示。

1.2 數(shù)據(jù)來源及預處理

本文通過美國地質(zhì)勘探局（https：//landsatlook.usgs.gov）獲取Landsat-5 TM、Landsat-8 OLI/TIRS數(shù)據(jù)，數(shù)據(jù)行列號為119/43。為避免云量對溫度反演的影響，盡量選取少云或無云影像作為研究對象，在時間序列上，選取相近時相遙感影像，獲取日期分別為2002年7月5日、2009年6月6日、2016年7月27日。大氣修正數(shù)據(jù)通過美國國家航空航天局（https：//atmcorr.gsfc.nasa.gov/）獲取。

本文輔助數(shù)據(jù)為2002年、2009年、2016年土地利用分類圖，借助易康平臺對土地覆被情況進行面向?qū)ο蠓诸?，按照?guī)則分類后，在谷歌高清影像上進行人工目視校正。

遙感圖像預處理分別進行輻射定標、大氣校正、重投影，最后利用矢量邊界進行裁剪。

2 指數(shù)計算方法

2.1 歸一化差異植被指數(shù)

由上述IBI-LST線性方程結果進一步得出，在夏季，IBI值每上升0.1個單位，地表溫度上升約0.9～1.3℃。因此，隨著城市的發(fā)展，改進城市下墊面材料及建筑屋頂能有效降低IBI值，從而減緩城市熱島效應。同樣，有關研究表明，建立城市綠島，擴大城市綠地面積，以提高城市NDVI值，也能有效降低城市地表溫度[17]。

3.2 地表溫度變化分析

目前，熱島分級方法有等間距斷點法、極差標準化法、均值—標準差法等[18-20]。均值—標準差分級優(yōu)勢在于不同時間、不同傳感器的影像每期溫度區(qū)間范圍不同，該方法充分利用統(tǒng)計學概念，充分利用均值、標準差等數(shù)據(jù)。通過多次試驗對比，參考陳松林等[21]對均值—標準差法的論述，最終采用均值—標準差法對泉州市區(qū)地表溫度進行等級劃分，獲得熱島空間分布，劃分標準如表1所示。

其中，min、max、μ、σ分別代表研究區(qū)像元溫度最小值、最大值、平均值及標準差。

將陸地地表溫度進行熱島等級劃分，1～5級分別對應低溫區(qū)、次低溫區(qū)、中溫區(qū)、次高溫區(qū)、高溫區(qū)，其中次高溫區(qū)及高溫區(qū)為熱島區(qū)，其余為非熱島區(qū)。各等級面積統(tǒng)計如表2所示。

從整體看，2002-2016年主城區(qū)熱島面積逐年上升，由2002年的51.64km2增長至2016年的60.62km2，復合增長率為1.15%，即在這14年內(nèi)，主城區(qū)熱島面積以每年1.15%的速率增長。從分區(qū)看，鯉城區(qū)熱島面積逐年上升，從2002年的20.90km2增長至2016年的27.24km2，呈逐年增長趨勢；豐澤區(qū)2002-2009年保持在30.70km2左右，最后增長至33.38km2，呈先保持后增長趨勢。各年份熱島空間分布如圖4所示，各年土地利用空間分布如圖5所示（見封二彩圖）。

由空間分布可以看出，熱島區(qū)域由主城區(qū)中部逐漸向四周擴散，尤其鯉城區(qū)擴散區(qū)域較多，結合表2，2002年鯉城區(qū)熱島面積約20.90km2，2016年達到27.24km2，增幅為30.33%。2002年、2016年建設用地分別為18.00km2和28.41km2，鯉城區(qū)熱島面積與建設用地面積基本一致，面積精度在85%以上，說明熱島面積增長與城區(qū)擴張面積一致。豐澤區(qū)精確度較低，熱島面積與建設用地面積的誤差度在23%～45%，主要原因在于2016年鯉城區(qū)植被覆蓋度占該區(qū)面積的35.47%，豐澤區(qū)占38.69%，且豐澤區(qū)東側與南側有大片水域，在一定程度上減弱了豐澤區(qū)的熱島效應，故建設用地面積與實際熱島面積一致性較弱。綜上，NDVI和IBI對LST均產(chǎn)生影響，植被覆蓋與水域減弱了建筑物對熱島的影響。

3.3 NDVI、IBI與LST相關度分析

對3期各指數(shù)進行相同位置取點，作三維散點圖，如圖6所示。由圖6可知，隨著NDVI上升，IBI和LST下降；反之NDVI下降，IBI和LST上升。隨機抽樣數(shù)據(jù)表明，NDVI值與IBI、LST的增長趨勢相反。值得注意的是，NDVI大致在[-0.4，-0.1]區(qū)間內(nèi)，有部分樣點的IBI值處于[-0.4，-0.1]，LST處于26～29℃，即圖6中隨機點較分散處，整體趨勢未出現(xiàn)較明顯上升或下降，這是由于該部分地物為水體，包括河流、湖泊等。

水體影響三者之間的相關性，因此對3期遙感影像作水掩模處理，并取相同點位置各指數(shù)值，對指數(shù)歸一化，進行多元線性擬合，得到三者之間的線性關系。

4 結果與討論

本文通過反演2002年、2009年、2016年3景Landsat衛(wèi)星遙感影像，反演出地表溫度、城市建筑指數(shù)、歸一化植被指數(shù)等數(shù)據(jù)，分析了泉州市2個轄區(qū)城市熱島時空變化數(shù)量關系，得到如下結論：

（1）LST與NDVI、NDVI均呈線性相關，其中LST與NDVI為中等負相關，與IBI為較強正相關。通過LST與NDVI、IBI的線性擬合關系得出，LST與NDVI、IBI的Pearson相關系數(shù)均值為-0.54、0.82，LST與IBI的正相關性強于LST與NDVI的負相關性。多元線性擬合同樣驗證了該關系，決定系數(shù)R2在0.9以上。

（2）熱島發(fā)展趨勢與城區(qū)發(fā)展趨勢一致。通過均值—標準差法熱島分級，2002-2016年熱島面積整體呈上升趨勢，主城區(qū)熱島面積以每年1.15%的速率增長。熱島區(qū)域由研究區(qū)中部逐漸向四周擴散，鯉城區(qū)共計增長6.34km2，豐澤區(qū)共計增長2.64km2，增長率分別為30.33%、8.59%。

（3）對建設用地占比較高區(qū)域，用均值—標準差分級法確定熱島區(qū)域效果更好。通過對比熱島區(qū)域與土地利用圖，鯉城區(qū)受建筑用地影響較大，熱島面積與建設用地面積匹配度在85%以上，而豐澤區(qū)匹配度較低，主要原因是豐澤區(qū)受植被水體影響，一定程度上緩解了建筑用地的熱島效應。

本文通過對泉州市區(qū)3期遙感影像溫度反演，并通過均值—標準差法對熱島區(qū)域進行分級，一定程度上反映了泉州近14年的城區(qū)發(fā)展，通過對比土地利用圖，鯉城區(qū)熱島分級效果良好，豐澤區(qū)稍差。然而，由于分級方法較單一，定義熱島邊界也存在一定局限性。

參考文獻：

[1] OKE T R. The energetic basis of the urban heat island[J]. Quarterly Journal of the Royal Meteorological Society， 1982，108（455）：1-24.

[2] 樊智宇，詹慶明，劉慧民，等. 武漢市夏季城市熱島與不透水面增溫強度時空分布[J]. 地球信息科學學報，2019，21（2）：226-235.

[3] 裴志方，文艷，楊武年. 城市化下城市熱環(huán)境與下墊面關系研究——以鄭州市為例[J]. 云南師范大學學報：自然科學版，2019，39（1）：66-71.

[4] 周夢宇. 土地利用/覆蓋變化與熱島效應關系的研究[D]. 南昌：東華理工大學， 2017.

[5] 丁海勇， 史恒暢. 基于Landsat數(shù)據(jù)的城市熱島變化分析——以南京市為例[J]. 安全與環(huán)境學報，2018，18（5）：2033-2044.

[6] 王建凱，王開存，王普才. 基于MODIS地表溫度產(chǎn)品的北京城市熱島（冷島）強度分析[J]. 遙感學報，2007，11（3）：330-339.

[7] 陳康林，龔建周，陳曉越. 廣州市熱島強度的空間格局及其分異特征[J]. 生態(tài)學雜志， 2017，36（3）：792-799.

[8] 彭少麟，周凱，葉有華，等. 城市熱島效應研究進展[J]. 生態(tài)環(huán)境， 2005，14（4）：574-579.

[9] 武鵬飛，王茂軍，張學霞. 基于歸一化建筑指數(shù)的北京市城市熱島效應分布特征[J]. 生態(tài)環(huán)境學報，2009，18（4）：1325-1331.

[10] 江振藍，龔振彬，潘輝，等. 空間自相關局部指標在城市熱島界定中的應用[J]. 國土資源遙感，2018，30（3）：136-142.

[11] 王宏博，李麗光，趙梓淇，等. 基于TM/ETM+數(shù)據(jù)的沈陽市各區(qū)城市熱島特征[J]. 生態(tài)學雜志，2015，34（1）：219-226.

[12] 泉州市統(tǒng)計局.泉州統(tǒng)計年鑒2017[EB/OL].http：//tjj.quanzhou.gov.cn/tjzl/tjsj/ndsj/201709/t20170925_541618.htm.

[13] 查勇，倪紹祥，楊山. 一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J]. 遙感學報，2003，7（1）：37-40.

[14] XU H Q. Extraction of urban built-up land features from landsat imagery using a thematic-oriented index combination technique[J]. Photogrammetric Engineering & Remote Sensing，2007，73（12）：1381-1391.

[15] XU H Q. A new index for delineating built-up land features in satellite imagery[J].International Journal of Remote Sensing，2008，29（14）：4269-4276.

[16] 鄧書斌，陳秋錦，杜會建，等. ENVI遙感圖像處理方法[M]. 北京：高等教育出版社， 2015.

[17] 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.

[18] 徐涵秋，陳本清. 不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J]. 遙感技術與應用，2003（3）：129-133.

[19] 張兆明，何國金，肖榮波，等. 北京市熱島演變遙感研究[J]. 遙感信息，2005（6）：46-48.

[20] 張金區(qū). 珠江三角洲地區(qū)地表熱環(huán)境的遙感探測及時空演化研究[D]. 廣州：中國科學院研究生院（廣州地球化學研究所），2006.

[21] 陳松林，王天星. 等間距法和均值標準差法界定城市熱島的對比研究[J]. 地球信息科學學報，2009，11（2）：145-150.

（責任編輯：何 麗）