不同土地利用类型的城市热环境效应研究——以广州市为例

孙芹芹，吴志峰，谭建军

(1．厦门大学海洋与环境学院，厦门 361005;2．中国科学院广州地球化学研究所，广州 510640;3．广东省生态环境与土壤研究所，广州 510650)

不同土地利用类型的城市热环境效应研究
——以广州市为例

孙芹芹1，2，吴志峰2，3，谭建军2

(1．厦门大学海洋与环境学院，厦门 361005;2．中国科学院广州地球化学研究所，广州 510640;3．广东省生态环境与土壤研究所，广州 510650)

利用2005年Landsat TM遥感卫星数据，对广州市不同土地利用类型与城市热环境之间的关系进行研究，发现不同土地利用类型对地表温度(LST)的影响具有明显的差异。草地、林地及耕地的LST与归一化植被覆盖指数(NDVI)呈现明显的负相关，水域的LST与归一化水体指数(MNDWI)之间呈现明显负相关，而城镇建设用地指数(NDBI)、未利用土地指数(NDBaI)则与LST呈现明显正相关。最后建立了LST与各土地利用类型表征指数及DEM之间的多元线性回归方程，可用来指示一个地区不同地表覆盖及地形差异导致的地表温度分布，为城市热环境的评价和分析提供依据。

土地利用类型;地表温度;多元线性回归;广州

0 引言

利用遥感技术研究土地利用类型(Land Use Class，LUC)与城市热环境之间的关系已受到国内外越来越多学者的关注［1－5］。Weng等利用 Landsat数据发现地表温度(LST)与归一化植被覆盖指数(NDVI)、植被覆盖度之间存在显著的负相关关系［6］;岳文泽等发现LST以及NDVI在不同土地利用类型上均具有明显的负线性关系［7］;徐涵秋发现LST与不透水面指数之间存在指数函数关系［8］;历华等发现城镇建设用地指数(NDBI)与LST间存在明显的线性关系，说明NDBI是地表城市热岛效应研究的有效指标［9］。大多数的研究主要集中在单一指标与LST的关系分析，对综合使用各土地利用类型的表征指数与LST之间进行定量评价的研究仍然较少。本研究在此基础上，利用 NDVI、NDBI、归一化水体指数(MNDWI)及未利用土地指数(NDBaI)等指标，建立地表温度与各土地利用类型指数以及海拔高度之间的多元线性回归方程，用来指示一个地区不同地表覆盖及地形差异导致的地表温度分布，为城市热环境形成的原因和结构分析提供依据。

1 研究区简介

广州市位于珠江三角洲北部，东经112°57'～114°03'，北纬 22°26'～ 23°56'之间，毗邻港澳，地理位置优越。改革开放以来经济高速发展，土地利用覆盖模式发生了根本性的变化。城市建设用地迅速扩张，大量自然覆盖面被侵占，城市热岛效应明显［10］。因此有必要对不同土地利用类型与城市热环境之间的具体关系做进一步研究，从而为城市热环境的改善和城市可持续发展提供依据。

2 数据处理

基于Landsat TM/ETM+进行土地利用类型分类和地表温度的反演已经得到了较为广泛和成功的应用［11，12］。本文选取2005年11月23日广州地区的Landsat TM影像，天气晴朗，卫星过境时的当地时间为上午10:40:20。

2．1 地表温度反演及分类

采用覃志豪的单窗算法［13］实现LST反演，利用ESRI的自然分类法(Jenks'natural breaks)将LST分为5类，如表1所示。

表1 LST分类范围及描述Tab．1 The classification and discription of LST

2．2 土地利用分类

按照2005年广东省国土部门的分类标准，将广州市土地类型分为6个土地利用一级类:耕地、林地、草地、水域、建设用地和未利用土地。采用Erdas软件的非监督分类配合后期人工校正的方法进行分类，Kappa系数均大于0．65，分类结果良好。

2．3 数据分析

为了探明不同土地利用类型的平均地表温度以及不同LST级别的土地利用类型分布情况，将土地利用类型分类图矢量化后使用ArcGIS软件进行区域统计分析，并构建土地利用类型百分比指数公式，即

式中，Alsti－lucj为第i类LST类型上j类土地类型的面积;Alucj为该种土地利用类型的总面积。

LST与各土地利用类型表征指数之间定量关系的研究则通过选取测试点提取其对应LST后在SPSS中进行统计分析来实现。测试点的选取需要考虑2方面的影响:一是地形高度的影响，根据低层大气对地表辐射的吸收作用，海拔每升高1 km，温度降低约6℃;二是太阳入射角的影响，广州市南北跨度较大，气温必然有所偏差。因此本研究中测试点均沿地势平坦的水平方向选取，研究中所使用的 NDVI、MNDWI、NDBI以及NDBaI分别用来表示植被覆盖地区、水域、建设用地、未利用土地［14－17］，即

式中，d3、d4、d5、d6分别为 Landsat TM 影像第3、4、5、6 波段的 DN 值。

3 不同LUC的城市热环境效应

3．1 基于土地利用类型的LST区域统计

不同土地利用类型的LST统计见图1。

图1 各土地利用类型的平均LST及标准差Fig．1 The mean LST and standard deviation of each LUC

各土地利用类型的平均地表温度从高到低依次为:建设用地＞未利用土地＞耕地＞草地＞水域＞林地。建设用地和未利用土地LST均值较高;林地LST均值最低(290．38 K)，主要原因主要有2方面，一是因为林地生长区域海拔高度一般都较高，二是因为浓密的植被覆盖通过蒸发作用减少热储存，从而起到抑制温度升高的作用。水域的平均LST也较低(291．96 K)，这是由于水体的高比热可以在周围温度升高时起到蓄热的作用，而在周围温度降低时则起到释放热量的作用。草地和耕地的LST均值相对适中。

3．2 LUC－LST百分比指数计算

不同LST区间的土地利用类型百分比见图2。

图2 不同LST区间的土地利用类型百分比Fig．2 The LUC percentage in each LST type

由图2可知，水域主要集中在LST常温区和低温Ⅰ区，林地主要集中在低温Ⅰ区和低温Ⅱ区，说明这2种土地利用类型的LST相对不高，这可能跟二者的抑温作用有关。需要注意的是，不仅建设用地的最大百分比出现在高温Ⅰ区和高温Ⅱ区，耕地的最大百分比也出现在了高温Ⅰ区，并且有大于1/3的耕地位于高温Ⅱ区，未利用土地在主要分布于高温Ⅰ区。这说明当时的耕地跟城镇建设用地和未利用土地一样具有较高的LST。草地主要集中在常温区和高温Ⅰ区，可能与当时的土壤含水状况有关［18］。当时正值秋季，降水较少而气温较高，蒸发量大，作物蒸腾作用强，地表含水量较低，是秋旱的易发季节。

3．3 土地利用类型指数与LST的定量关系

3．3．1 LST 与 NDVI之间的关系

对2 000个独立测试点的LST与NDVI进行散点投图(图3)表明，LST与NDVI的关系为一个倒立的“V”形，LST在 NDVI=0．18时达到最高。NDVI低于0．18时，大部分为水域、建设用地以及未利用土地，此时LST随NDVI的上升而上升;NDVI高于0．18时，大部分为林地、耕地，LST随NDVI的上升而下降。由于不同的土地利用类型LST与NDVI的关系不同，因此有必要分别在不同的土地利用类型上计算NDVI与LST的定量关系。

图3 LST与NDVI的散点图Fig．3 Scatter plots of LST and NDVI

3．3．2 不同土地利用类型LST与NDVI相关性

对不同土地利用类型的LST与NDVI进行线性回归分析说明(表2)，草地、林地、耕地土地类用类型的LST与NDVI为正相关，且相关系数达到0．4以上;水域、未利用土地和建设用地的LST与NDVI呈微弱负相关，相关系数较小，说明此种土地利用类型的NDVI无法用来指征LST的变化。

表2 不同土地利用类型的NDVI和LST线性回归方程Tab．2 The linar regression equation of NDVI and LST for each LUC

3．3．3 LST与土地利用类型指数的线性回归分析

对LST与各土地利用类型表征指数及海拔高度(H，单位为km)之间进行相关性分析，结果见表3。表中＊＊表示在0．01水平相关性显著。

表3 LST与各土地利用类型表征指数及DEM之间的相关系数Tab．3 Correlations between LST，DEM and LUC indices

由表3可知，LST与H呈较强的负相关关系，说明地形对地表温度的分布起到很大的影响作用，且能在很大程度上降低LST;LST与NDBI呈明显正相关关系，代表城镇建设用地的增多对地表温度的促进升温作用明显;NDVI与LST呈现负相关，说明该种土地利用类型的植被覆盖度越高，越能对地表

为了鉴定模型的质量，建立回归模型以后，对模型的可信度进行检验，发现统计量F服从F分布，在置信水平α=0．01下该回归方程是显著的。这也说明，一个地区的地表温度可以通过该地区的归一化水体指数、城镇建设用地指数、植被覆盖指数、未利用土地指数以及该地区的地形等因素综合计算而得。

4 结论

基于遥感图像的土地利用与地表温度之间的关系研究发现，不同土地利用类型的LST与NDVI之间的关系具有明显的差异。耕地、林地以及草地的起到抑制升温的作用;NDBaI与LST呈现较强正相关，说明未利用土地的增多同样对地表起到促进温度升高的作用;MNDWI与LST呈显著负相关且系数较小，主要起到平衡地表温度的作用。

在SPSS中对因变量 LST与自变量 MNDWI、NDBI、NDBa I、NDVI、H 做多元线性回归方程，即NDVI与LST呈现明显的负相关关系，说明植被覆盖率越高，抑温作用越明显。而NDVI与LST在低密度植被覆盖地区相关性差，主要是因为低密度植被覆盖区对 NDVI反映并不敏感，因此引入 NDBI、NDBaI、MNDWI分别用来表征城镇建设用地、未利用土地和水体，并结合海拔高度因子与LST之间进行相关性分析发现，LST与各土地利用类型指数和海拔高度之间均具有较强的相关性。将LST与各土地利用类型指数和海拔高度之间建立的多元线性回归方程置信水平高，证明综合使用各土地利用类型指数和海拔高度进行该地区LST分布的估算是可行的。

需要说明的是，虽然本研究综合考虑了NDBI、MNDWI以及海拔高度等因素对LST的影响，但是仍然无法避免区域、季节变化等产生的差异，因此在今后的研究中应该选取更多区域和时间段的影像数据，以验证该关系的普适性。

［1］Goetz S J．Multi－ Sensor Analysis of NDVI，Surface Temperature and Biophysical Variables at a Mixed Grassland Site［J］．International Journal of Remote Sensing，1997，18(1):71 －94．

［2］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．

［3］Chen X，Zhao H，Li P，et al．Remote Sensing Image－Based Analysis of the Relationship Between Urban Heat Island and Land Use/Cover Changes［J］．Remote Sensing of Environment，2006，104:133－146．

［4］历 华，曾永年，柳钦火．基于遥感的长沙市城市热岛与土地利用/覆盖变化研究［J］．国土资源遥感，2008(4):47－52．

［5］刘 宇，匡耀求，吴志峰，等．不同土地利用类型对城市地表温度的影响——以广东东莞为例［J］．地理科学，2006，26(5):597－601．

［6］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．

［7］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［J］．生态学报，2006，26(5):1450－1460．

［8］徐涵秋．城市不透水面与相关城市生态要素关系的定量分析［J］．生态学报，2009，29(5):2456－2462．

［9］历 华，柳钦火，邹 杰．基于MODIS数据的长株潭地区NDBI和NDVI与地表温度的关系研究［J］．地理科学，2009，29(2):262－267．

［10］钱乐祥，丁圣彦．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．

［11］Sobrino JA，Jiménez－Munoz JC，Paolini L．Land Surface Temperature Retrieval from Landsat TM 5［J］．Remote Sensing of Environment，2004，90(4):434 －440．

［12］Zhang J，Wang Y，Li Y．A C++Program for Retrieving Land Surface Temperature from the Data of Landsat TM/ETM+Band6［J］．Computers and Geosciences，2006，32(10):1796 －1805．

［13］覃志豪，Zhang M，Karnieli A，等．用陆地卫星TM6数据演算地表温度的单窗算法［J］．地理学报，2001，56(4):456－466．

［14］Purevdorj T S，Tateishi R，Ishiyama T，et al．Relationships Between Percent Vegetation Cover and Vegetation Indices［J］．International Journal of Remote Sensing，1998，19(18):3519 －3535．

［15］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．

［16］徐涵秋．利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究［J］．遥感学报，2005，9(5):589－595．

［17］Zhao H，Chen X．Use of Normalized Difference Bareness Index in Quickly Mapping Bare Areas from TM/ETM+［J］．Geoscience and Remote Sensing Symposium，2005，3(25－29):1666－1668．

［18］Carson TN，Gillies R R，Perry E M．A Method to Make Use of Thermal Infrared Temperature and NDVI Measurements to Infer Surface Soil Water Content and Fractional Vegetation Cover［J］．Remote Sensing Reviews，1994(9):161 －173．

(责任编辑:李 瑜)

The Relationship Between Urban Heat Island and Land Use/Cover Changes in Guangzhou City

SUN Qin － qin1，2，WU Zhi－ feng2，3，TAN Jian － jun2
(1．College of Oceanography and Environmental Science，Xiamen University，Xiamen 361005，China;2．Guangzhou Institute of Geochemistry，Chinese Academy of Sciences，Guangzhou 510640，China;3．Guangdong Institute of Eco － environment and Soil Sciences，Guangzhou 510650，China)

In this paper，the land surface temperature(LST)was retrieved from Landsat TM image using the Mono－Window algorithm．To study the relationship between LST and different land use classes(LUC)，the authors used several indices，which included Normalized Difference Vegetation Index(NDVI)，Modified Normalized Difference Water Index(MNDWI)，Normalized Difference Build－up Index(NDBI)，and Normalized Difference Barren Index(NDBaI)．It is found that the correlation between NDVI and LST is negative when NDVI is limited in range，and that there exist positive correlations between NDBI，NDBaI，MNDWI and LST．The multiple linear regression equation was established between LST，DEM and the above indices．Both qualitative and quantitative analytical results show that LUC can influence urban temperature．Therefore，with appropriate land use planning，the urban heat island(UHI)could be mitigated．

LUC;LST;Multiple linear regression;Guangzhou

孙芹芹(1983－)，女，博士后，主要研究方向为环境遥感和GIS应用。

TP 79

A

1001－070X(2010)04－0067－04

2009－11－30;

2010－03－02

国家自然科学基金项目(编号:40571164)。