城市扩展强度及其地表热特性遥感定量分析

曾永年,张璎璎,张鸿辉,黄 炜,郑文武

1.中南大学信息物理工程学院,湖南 长沙 410083;2.中南大学 空间信息技术与可持续发展研究中心,湖南 长沙410083

城市扩展强度及其地表热特性遥感定量分析

曾永年1,2,张璎璎1,2,张鸿辉1,2,黄 炜1,2,郑文武1,2

1.中南大学信息物理工程学院,湖南 长沙 410083;2.中南大学 空间信息技术与可持续发展研究中心,湖南 长沙410083

提出定量确定城市扩展范围及其发展强度的方法——地图密度指数。以中部城市长沙为例,利用Landsat TM/ ETM+数据定量评价城市扩张及其热环境特征的变化。首先,集成遥感光谱指数提取地表非渗透表面,然后利用移动窗口算法获得地图密度指数,再根据设定的阈值获得密度指数等级图,依此密度指数等级图识别城市扩展范围及其发展强度。再结合地表温度反演的数据,分析城市格局及其变化与地表热特性变化的定量关系。结果表明,自20世纪90年代以来,长沙市城市区域及其发展密度显著增加,城市发展的密度差异与地表温度相一致。地图密度指数能较好刻画城市扩展范围及其发展强度,并与地表温度空间分布存在较好的对应关系。

城市扩张;地表热特性;地图密度指数;遥感分析;长沙市

1 引 言

城市化将自然景观转变为不同土地利用的城市景观、改变了地表的物理特性。因此,掌握有关城市扩张及其对环境影响的准确信息对城市规划、城市水土资源管理、决策等是至关重要的[1-10]。已有许多研究致力于土地利用的遥感制图及监测[11-21]。城市建筑区域(非渗透表面)一般被认为是定量分析城市范围及其发展强度的主要指标[4],有许多量测城市建筑区域的方法,目前大多采用基于模式识别的遥感图像分类方法,如监督分类和非监督分类方法[8-9,11-15]。由于城市用地的空间异质性较高,利用传统的分类方法往往不能获得理想的结果。最近有学者致力于用混合光谱分解方法提取非渗透表面的研究。然而,利用混合像元分解方法定量提取城市范围及发展密度仍存在许多挑战[13-17]。另一方面,尽管许多城市遥感研究注重图像分类方法的研究,但缺乏对城市化过程的深入分析与理解。近年来,用于刻画景观格局的许多指数被用于城市形态的研究,而这些景观指数仅用数值描述景观的格局,而缺乏对空间过程的有效描述。因此,为深刻理解城市化过程,采用适宜的空间指标来刻画城市扩展过程是至关重要的问题。

许多研究通常采用土地利用/覆盖的专题数据,分析土地利用/覆盖类型与地表热特性的相关关系[6,8,10]。然而,这种简单分析尚未使与地表生物物理特征相关的城市地表温度场的变化得到全面的理解。另有学者证明了地表温度与植被指数(NDVI)存在线性负相关[27-29]。然而,城市化将自然景观转变包括建筑物、道路、停车场和其他敷面的非渗透表面,这些建筑区域(非渗透表面)是城市环境质量的重要指标[4]。因此,分析地表温度与非渗透表面的关系将会为城市化及其与热环境的关系研究提供新的途径[30]。

本文以遥感数据为依据,试图采用新的空间指数定量确定城市范围与发展强度法,并以中部城市——长沙为例,利用Landsat TM/ETM+数据采用新发展的空间指数定量评价城市扩张及其热环境特征的变化。首先集成遥感光谱指数提取地表非渗透表面,然后利用移动窗口算法获得地图密度指数,再根据设定的阈值获得密度指数等级图,依此密度指数等级图识别城市扩展范围及其发展强度。再结合地表温度反演的数据,分析了城市格局及其变化与地表热特性变化的定量关系。

2 研究区域概况

本文选择长沙市为研究区域。长沙市是湖南省经济、文化、制造业与交通中心,是长株潭城市群的核心城市。随着中部崛起战略的实施,以及资源节约型、环境友好型社会建设试验区的建设和发展,城市化和工业化的进程将会进一步加快。城市发展和向周围农业区域扩展,将原有自然景观转变为以城市非渗透表面为主的城市景观,城市景观特征及格局的变化将在不同尺度上会影响区域生态环境、气候的变化。因此,有关城市扩张及其对环境影响的准确信息对长株潭城市规划、城市水土资源管理、决策制定是至关重要的。开展长沙市城市扩展及其对环境影响研究对城市环境、可持续发展具有非常重要的意义。

3 研究方法

3.1 图像预处理

选择1993-08-25和2001-09-24两个时相的Landsat TM/ETM+数据为城市环境变化研究的主要依据。为变化监测的需要,以1∶5 000地形图为基础,采用二次多项式将2001年的遥感图像校正到高斯-克吕格投影面上,并采用最邻近法将各波段图像重采样为30 m。1993年的图像则通过图像配准方法,以2001年的图像为基准进行校正,几何校正误差(RMS)均小于半个像元。利用ERDAS图像处理软件ACTO模块对除红外波段的所有其他波段进行了大气校正,获得各波段的地表反射率。

利用预处理后的Landsat TM/ETM+红、近红外和短波红外的反射率,计算了归一化植被指数(NDVI)、改进的归一化水体指数(MNDWI)[31]、归一化建筑指数(NDBI)[32],以及归一化裸土指数(NDBaL)[33]。计算公式为

式中,ρ2、ρ3、ρ4、ρ5和ρ7为Landsat TM/ETM+绿、红、近红外和短波红外波段的反射率。

3.2 地表亮温计算

Landsat热红外波段记录了星上热辐射值,这一辐射值受大气及地表特征的影响。尽管已发展了不少利用遥感记录的星上辐射值反演地表温度的算法[34-35],而这些算法需要大气参数和地表辐射率,由于获取实时大气参数和地表辐射率的难度较大,利用Landsat TM/ETM+热红外波段反演地表温度仍具有较大的不确定性。

相对于较小的研究区域,可以假定大气条件相对均一,大气对辐射温度的影响也就可以不考虑。在以上假定条件和不考虑地表辐射率变化的情况下,地面亮温虽不能代表真实的地表温度,但利用地面亮温基本可以反映地表温度场的空间分布。

首先,利用式(5),式(6)将 Landsat TM/ ETM+热红外波段的灰度值转变为光谱辐射值[8]

其次,利用式(7)将光谱辐射值转变为亮温

式中,TB为亮温(K);Lλ为光谱辐射值(mW cm-2sr-1μm-1);K1、K2校正常数,对于Landsat-5 TM数据,K1=607.76 mW cm-2sr-1μm-1,K2= 1 260.56 K。而对于Landsat-7 ETM+图像,K1=666.09 mW cm-2sr-1μm-1,K2=1 282.71 K。

利用式(7)计算获取的地面亮温,进行统计分析得到研究区域地表亮温的均值、标准差,并以亮温均值加减标准差的倍数为划分地表温度分布区域的阈值,依此分区阈值将地表温度的分布变化分为高温、常温、低温3个区域,地表温度分布如图1所示。

图1 长沙市地表温度分区(1993—2001年)Fig.1 Land surface temperature zone in Changsha

3.3 图像分类

有许多城市土地利用/覆盖的遥感分类方法,其中遥感图像的模式识别如监督和非监督的分类应用较广。由于城市景观的空间异质性较高,传统的分类方法通常不能获得满意的结果。近年来,一些学者致力于用混合光谱分析的方法获得城市表面的分量,由于这种方法的不确定性使定量提取城市范围及发展强度仍存在较大的挑战。因此,本文采用决策树分类方法对研究区域的土地利用/覆盖进行了分类。首先利用SPOT全色图像和多光谱图像进行图像融合获得高分辨率的多光谱遥感图像,该图像用于识别土地利用/覆盖类型的样区。其次,对每一种土地利用/覆盖类型,根据在高分辨率图像上确定的样点,在对应遥感指数图像上确定其最大值、最小值、均值及标准差作为决策树分类的阈值,最后建立了决策分类规则(图2),并用于整个图像的分类。1993年和2001年图像分类的总体精度分别达到85.8%和86%,Kappa系数为0.82。决策树分类结果精度能够满足城市景观分析与变化监测(图3)。

3.4 地图密度指数

通常城市景观格局的分析,基于土地利用/覆盖类型图采用景观指数进行分析。尽管已发展了许多刻画城市景观格局的指数,并用于城市景观的研究,然而,这些指数仅用数值来描述景观格局,无法直接利用这些指数刻画空间形态。为在空间上更加直观描述城市景观格局,本文提出地图密度指数用于分析空间现象的空间异质性分布。城市建筑用地的分布能够用于指示城市范围及空间发展强度,作者用地图密度指数分析城市建筑用地的空间分布及其密度。地图密度指数采用移动窗口法计算获得,其值等于移动窗口中建筑物所占像元数与窗口内全部像元数之比。对整个土地利用/覆盖图进行移动窗口的计算后就获得城市用地的空间密度图。根据城市用地空间密度分布水平,依据不同样区的密度值,将整个区域分为高、中、低三级。高密度的城市用地为城市用地集聚或紧凑分布的区域,中等密度则指相对较松散的区域,低密度指松散或较稀疏的区域。运用地图密度指数及其分区能较好地在空间上刻画城市扩展的空间格局(图4)。

图2 基于Landsat图像波段组合的决策分类树Fig.2 Decision tree based on combined bands from Landsat image

图3 长沙市土地利用/覆盖分类图(1993—2001年)Fig.3 Land use and land cover in Changsha from 1993 to 2001

图4 长沙市城市建筑用地密度分级图(1993—2001年)Fig.4 The built-up area(impervious)density level in Changsha city from 1993 to 2001

4 结果与分析

4.1 城市扩展格局

城市建筑用地分布指示了城市扩展(图3),城市建筑用地由1993年的14 762.97 ha增加到2001年的 21 415.21 ha(表1)。1993年到2001年的土地利用/覆盖变化矩阵(表1)揭示了城市的扩展导致了耕地与林地的减少,从1993年到2001年城市建筑用地增加了45%,而耕地和林地分别减少了24%和20%。快速的城市化过程将自然景观转变为人为城市景观,改变地表的物理特征,这将会对城市环境产生较大的影响。

用移动窗口法计算的城市用地密度分布及其变化如图4所示,1993年高、中、低密度区域所占比重分别为18.5%,45.4%,和36.1%,而2001年为17.5%,45.6%和36.9%。不同密度区域都在增加,城市区域发展以原建城区密度的增加以及城市向周边耕地和林地的扩展并存。图4显示大多数城市扩张区域发生在主要公路沿线和城市外围区域。

4.2 地表温度与城市扩展的关系

已有研究都提到城市化过程会改变地表温度分布格局,每一土地利用/覆盖类型的空间范围与占地面积都会影响到地表温度分布格局[4]。统计结果显示(表2)建筑用地和裸地呈现最高的地表温度,其次为耕地。而低温区位于林地和水体。这就意味着随着城市的发展,由于自然景观被人工建筑物所取代,可使得地表温度平均提高4°C,建筑用地区地表温度呈现出较大的标准差,说明由于建筑材料的差异、建筑物高度及空间结构的不同,使这一土地覆盖类型内部具有较大的地表温度差异。相对而言,由于裸地、林地、耕地和水体空间均一性较高,其地表温度标准差也较小。

表2 不同土地利用/覆盖类型的温度统计值Tab.2 Statistics of temperature of different LULC

为更好地理解城市化过程与地表温度分布变化的关系,将城市用地密度图(图4)与城市地表温度分区(图1)进行叠置分析,并统计获得不同温度区城市用地密度分布(图5)。分析结果表明,每一温度区受不同城市用地密度的影响。地表温度区域Ⅰ(低温区)与城市用地低、中密度区相联系,1993年低、中密度城市用地区分别占低温区面积的45%,49%,2001年低、中密度城市用地区分别占低温区面积的为50%,47%。地表温度区域Ⅱ(常温区)主要分布在中密度城市用地分布区,1993年,2001年中密度城市用地区分别占常温区面积的52%,56%。地表温度区域Ⅲ(高温区)主要为高密度城市用地分布区,1993年,2001年高密度城市用地区分别占高温区面积的54%,52%。以上结果说明城市化导致的地表自然覆盖向人工建筑覆盖的变化改变着地表温度场的格局,而且地表温度的变化与城市发展的强度密切相关,城市用地的密度差异与其热效应相关,较高的人工非渗透表面分布通常与地表高温区相联系。因此,地图密度指数结合地表温度能定量刻画城市发展强度及其与地表温度场的定量关系。

图5 不同城市地表温度区城市发展密度区分布(1993—2001年)Fig.5 The statistics of urban density categories by temperature zone from 1993 to 2001

5 结 论

本文以长沙为例,利用Landsat TM/ETM+数据定量分析评价了城市扩张及其热环境特征的变化。提出利用移动窗口算法定量确定城市范围及其发展强度的地图密度指数方法,结合反演的地表温度分区数据,客观地揭示城市格局及其变化与地表热特性变化的定量关系。结果表明,自20世纪90年代以来,长沙市城市区域及其发展密度显著增加,城市化导致的地表自然覆盖向人工建筑覆盖的变化改变着地表温度场的格局,而且地表温度的变化与城市发展的强度有关,城市用地的密度差异与其热效应相关,较高的人工非渗透表面分布通常与地表高温区相联系。利用本文提出的地图密度指数结合地表温度场的分布能定量表示城市发展强度及其与地表温度场的关系。

[1] KALNAY E,CAI M.Impact of Urbanization and Landuse Change on Climate[J].Nature,2003,423:528-531.

[2] ROTH M.Effects of Cities on Local Climates[C/CD]∥Proceedings of Workshop of Institute for Global Environment Studies/Asia-Pacific Network(IGES/APN)Megacity Project.Kitakyushu:[s.n.],2002.

[3] TANG Z X,ENGEL B A,LIM KJ,et al.Minimizing the Impact of Urbanization on Long Term Runoff[J].Journal of the American Water Resources Association,2005,41 (6):1347-1359.

[4] WENG Q.A Remote Sensing-GIS Evaluation of Urban Expansion and its Impact on Surface Temperature in the Zhujiang Delta,China[J].International Journal of Remote Sensing,2001,22:1999-2014.

[5] ZHOU L,DICKINSON R,TIAN Y,et al.Evidence for a Significant Urbanization Effect on Climate in China[C]∥Proceedings of the National Academy of Sciences of the United States of America.New York:PNAS,2004,101 (26):9540-9544.

[6] 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]. Global and Planetary Changes,2000,25:49-65

[7] HE Chunyang,SHI Peijun,CHEN Jin,et al.A Study on Land Use/Cover Change in Beijing Area[J].Geographic Research,2001,20(6):679-688.(何春阳,史培军,陈晋,等.北京地区土地利用/覆盖变化研究[J].地理研究, 2001,20(6):679-688.)

[8] QIAN Lexiang,DING Shengyan.Influence of Land Cover Change on Land Surface Temperature in Zhujiang Delta[J]. Acta Geographica Sinica,2005,60(5):761-770.(钱乐祥,丁圣颜.珠江三角洲土地覆盖变化对地表温度的影响[J].地理学报,2005,60(5):761-770.)

[9] WU Hongan,JIANG Jianjun,ZHANG Hailong,et al. Urban Expansion and Its Effects on Eco-environment in Xi’an Region Based on Landsat TM Data[J].Journal of Natural Resources,2006,21(2):311-318.(吴宏安,蒋建军,张海龙,等.西安地区城镇扩展及其生态环境效应研究[J].自然资源学报,2006,21(2):311-318.)

[10] YUE Wenze,XU Jianhua,XU Lihua.An Analysis on Eco-environmental Effect of Urban Land Use Based on Remote Sensing Images:A Case Study of Urban Thermal Environment and NDVI[J].Acta Ecologica Sinica,2006, 26(5):1450-1460.(岳文泽,徐建华,徐丽华.基于遥感影像的城市土地利用生态环境效应研究:以城市热环境和植被指数为例[J].生态学报,2006,26(5): 1450-1460.)

[11] SHA Jinming,GAN Shu,WANG Renchao,et al.Using Remote Sensing Techniques to Monitor the Land use Expending in Shaoxing City[J].Remote Sensing for Land& Resources,1998,3(37):51-55.(沙晋明,甘淑,王人潮,等.绍兴市城镇用地扩展的遥感监测[J].国土资源遥感,1998,3(37):51-55.)

[12] TIAN Guangjin,LIU Jiyuan,ZHUANG Dafang,et al. The Temporal-spatial Characteristics of Urban Land in China in 1990s by Remote Sensing and GIS[J].Quaternary Sciences,2003,23(4):421-427.(田光进,刘纪远,庄大方,等.基于遥感与GIS的20世纪90年代中国城镇用地时空特征[J].第四纪研究,2003,23(4) : 421-427.)

[13] WU Hongan,JIANGJianjun,ZHOU Jie,et al.Dynamics of Urban Expansion in Xi’an City Using Landsat TM/ ETM+Data[J].Acta Geographica Sinica,2005,60(1): 143-150.(吴宏安,蒋建军,周杰,等.西安城市扩展及其驱动力分析[J].地理学报,2005,60(1):143-150.)

[14] WU Xiaoqing,HU Yuanman,HE Hongshi,et al.Spatiotemporal Pattern and Its Driving Forces of Urban Growth in Shenyang City[J].Chinese Journal of Applied Ecology, 2007,18(10):2282-2288.(吴晓青,胡远满,贺红士,等.沈阳市城镇扩展时空格局及其驱动力[J].应用生态学报,2007,18(10):2282-2288.)

[15] HUANG Chengyi,DENG Liangji,FANG Conggang. SatelliteRemote Sensing and Dynamic Variation of Urban Land Use Changes—Taking Chengdu City as an Example[J].Geo-Information Science,2007,9(2):118-123.(黄成毅,邓良基,方从刚.城市用地遥感监测与动态变化分析:以成都市土地利用为例[J].地球信息科学,2007,9(2):118-123.)

[16] HEROLD M,GOLDSTEIN N,CLARKE K.The Spatiotemporal Form of Urban Growth:Measurement,Analysis and Modeling[J].Remote Sensing of Environment,2003, 86:286-302.

[17] MAKTAV D,ERBEK F S,JURGENS C.Remote Sensing of Urban Areas[J].International Journal of Remote Sensing,2005,26(4):655-659.

[18] MESEV V.Remote Sensing of Urban Systems:Hierarchical Integration with GIS[J].Computers,Environment,and Urban Systems,1998,21(3/4):175-302.

[19] WARD D,PHINN S R,MURRAY A T.Monitoring Growth in Rapidly Urbanization Areas Using Remotely Sensed Data[J].The Professional Geographer,2000,52 (3):371-385.

[20] YANG X.Remote Sensing for Urban Analysis:An Introduction[J].Computers,Environment and Urban Systems,2005,29:497-500.

[21] YEH A G O,LI X.Urban Growth Management in the Pearl River Delta:An Integrated Remote Sensing and GIS Approach[J].ITC Journal,1996,(1):77-86.

[22] RASH T,WEEKS J R,ROBERTS D,et al.Measuring the Physical Composition of Urban Morphology Using Multiple Endmember Spectral Mixture Models[J].Photogrammetric Engineering and Remote Sensing,2003,69: 1011-1020.

[23] LU D,WENG Q.Spectral Mixture Analysis of the Urban Landscape in Indianapolis with Landsat ETM+Imagery[J]. Photogrammetric Engineering&Remote Sensing,2004, 70(9):1053-1062.

[24] LU D,WENG Q.Use of Impervious Surface in Urban Land-use Classification[J].Remote Sensing of Environment,2006,102:146-160.

[25] WU C,MURRAY T.Estimating Impervious Surface Distribution by Spectral Mixture Analysis[J].Remote Sensing of Environment,2003,84:493-505.

[26] WU C.Normalized Spectral Mixture Analysis for Monitoring Urban Composition Using ETM+Image[J].Remote Sensing of Environment,2004,89:467-483.

[27] WENG Q,LU D,SCHUBRING J.Estimation of Land Surface Temperature-vegetation Abundance Relationship for Urban Heat Island Studies[J].Remote Sensing of Environment,2004,89:467-483.

[28] ZHANG Xiaofei,WANG Yanglin,WU Jiansheng,et al. Study on Land Surface Temperature Vegetation Cover Relationship in Urban Region:A Case in Shenzhen City[J]. Geographical Research,2006,25(3):369-378.(张小飞,王仰麟,吴健生,等,城市地域地表温度-植被覆盖定量关系分析:以深圳市为例[J].地理研究,2006,25(3):369-378.)

[29] GUO Hong,GONG Wenfeng,LI Yan,et al.Relationship between Heat Island Effect and Vegetation in Harbin City:RS and GIS Based Quantitative Study[J].Journal of Natural Disasters,2007,16(2):22-26.(郭红,龚文峰,李雁,等,哈尔滨市热岛效应与植被的关系:基于RS和GIS的定量研究[J].自然灾害学报,2007,16(2):22-26.)

[30] YUAN F,BAUER M E.Comparison of Impervious Surface Area and Normalized Difference Vegetation Index as Indicators of Surface Urban Heat Island Effects in Landsat Imagery[J].Remote Sensing of Environment,2007,106: 375-386.

[31] XU H Q.Modification of the Normalized Difference Water Index(MNDWI)to Enhance Open Water Features in Remotely Sensed Imagery[J].International Journal of Remote Sensing,2006,27(14):3025-3033.

[32] ZHA Y,GAO J,NI S.Use of Normalized Difference Built-up Index in Automatically Mapping Urban Areas from TM Imagery[J].International Journal of Remote Sensing,2003,24(3):583-594.

[33] ZHAO H M,CHEN X L.Use of Normalized Difference Bareness Index in Quickly Mapping Bare Areas from TM/ ETM+[C]∥IEEE International Geoscience and Remote Sensing Symposium:3[S.l.]:IEEE,2005:1666-1668.

[34] QIN Z H,KARNIELI A,BERLINER P.A Mono-window Algorithm for Retrieval Land Surface Temperature from Landsat TM Data and Its Application to the Israel-E-gypt Border Region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.

[35] SOBRINO J A,J IMÉNEZ-MU n′OZ J C,PAOLINI L. Land Surface Temperature Retrievalfrom Landsar TM5[J].Remote Sensing of Environment,2004,90(4): 434-440.

A Quantitative Analysis of Urban Growth and Associated Thermal Characteristics Using Remote Sensing Data

ZENG Yongnian1,2,ZHANG Yingying1,2,ZHANG Honghui1,2,HUANG Wei1,2,ZHENG Wenwu1,2
1.School of Info-Physics and Geomatics Engineering,Central South University,Changsha 410083,China;2.Center for Geomatics and Regional Sustainable Development Research,Central South University,Changsha 410083,China

This study utilized remote sensing data of Landsat TM/ETM+to assess urban sprawl and its thermal characteristics in Changsha of central China.A new approach was proposed for quantitatively determining urban land use extents and development densities.Firstly,impervious surface areas were mapped by integrating spectral index derived from remotely sensed data.Then,map density index were derived by using moving window calculation and selecting certain threshold values.Based on the map density index,the urban land extents and development densities were identified.The urban surface thermal patterns were investigated using Landsat thermal band. Analysis results suggest that urban extent and development density and surface thermal characteristics and patterns can be identified through qualitatively based on map density index and land surface temperature.Results show the built-up area and urban development densities have increased significantly in Changsha since 1990s.The differences of urban development densities correspond to thermal effects where higher percent imperviousness is usually associated with higher surface temperature.Map density index and land surface temperature are demonstrated to be very useful sources in quantifying urban land use extent,development intensity,and urban thermal patterns.

urban growth;thermal characteristics;map density index;remote sensing analysis;Changsha

ZENG Y ongnian(1959—),PhD,professor,majors in remote sensing geo-analysis,GIS application,environmental changes and modeling.

1001-1595(2010)01-0065-06

P237

A

国家自然科学基金(40771198);湖南省自然科学基金(08JJ6023)

(责任编辑:丛树平)

2008-12-16

2009-03-02

曾永年(1959—),博士,教授,主要从事遥感与地理信息系统及其应用研究,环境变化研究。

E-mail:ynzeng@mail.csu.edu.cn