基于环境减灾小卫星HJ＿1B的济南市热力空间格局演变

王其新

（山东师范大学 地理与环境学院，山东 济南250000）

1 引言

近年来，随着城镇化进程不断深入，地表结构也同时发生着变化。城市生活问题日益凸显，其中，城市热环境就是其中之一。人造地表表面不断增加，建筑、道路等城市市政建设是主要城市结构变化，从而城市地表温度随之变化，对居民生活和城市火灾安全问题都有着巨大的影响。研究城市地表温度的变化对城市建设具有重要的意义。

本文采用2009年5月23日和2014年5月28日成像的减灾小卫星HJ＿1B影像，来源中国资源卫星应用中心。在ENVI中进行预处理，利用单窗算法，反演两期地表温度，在Fragstats软件的支持下，将分形几何学基本理论引入热力景观空间格局分析，借鉴景观生态学研究方法，对济南市热力空间格局进行定量研究分析。

2 单窗法及参数修正

QinZ等［1］针对Landsat TM／ETM＋给出了反演地表温度的单窗算法，在参数允许误差时，反演精度＜1.1℃，该方法具有所需反演参数少，精度高等特点。本文使用HJ＿1B的IRS第4波段（以下简称Band4波段），利用此算法反演济南市地表温度。根据单窗算法原理，对于 HJ＿1B的Band4波段，单窗算法公式表示为：

式中：a和b为系数；C＝ετ；D＝（1－τ）［1＋（1－ε）τ］，其中τ为大气透过率，ε为地表发射率；T4为HJ＿1B的Band4的星上亮度温度；T a为大气平均作用温度。

Landsat TM／ETM＋第6波段波长范围为10.45～12.50［2］，而 HJ＿1B的 Band4波段的波长范围为10.50～12.50［3］，两者有微小差别，同时两者成像的传感器不同，为保证反演算法的科学性，因此用HJ＿1B的Band4反演地表温度时，对公式（1）中的系数a和b进行修正，大气透过率的估算公式及地表发射率也需要重新确定。

2.1 系数a和b修正

单窗算法的理论推导过程中，a和b是对L与温度的关系进行线性模拟得到的系数，L有如下定于公式：

式中：B（T）温度为T时对应的热辐射强度。根据Planck方程可知，黑体的热辐射强度与温度之间的关系可表示为如下：

式中：C1＝1.19104×108W·μm4·m－2sr－1，C2＝1.43877×104μm·K，λ（μm）为有效波长。Jimenez－Munoz等给出的有效波长计算公式计算出Band4的有效波长，计算公式如下：

式中：f（λ）为Band4的波普响应函数，λ1和λ2分别为HJ＿1B的热红外波段的起始和终止波长。

根据HJ＿1B的热红外光谱响应文件（中国资源卫星应用中心网站查询），先在MATLAB中拟合出Band4的波普响应函数（如图1所示），结合式（4）计算出有效波长结果为11.4839μm，计算出的有效波长与Band4的中心11.50μm波长很接近。

利用计算出的有效中心波长，根据上述方程式（2）和方程式（3），在MATLAB中模拟出与温度的关系，根据模关系结果表明参数与温度有很好线性关系。根据这一特征，建立参数与温度的关系如下：

图1 HJ＿1B卫星热红外波段波普响应函数

最后，得到系数a和b修正结果。对于HJ＿1B卫星热红外波段范围内系数a和b修正结果详见表1。

表1 修正系数

2.2 大气透过率τ的估算

研究表明，大气透过率的变化主要取决于大气水汽含量的冬天变化，其他因素因其变化不大而对大气透过率的变化没有显著的影响。因此，大气水汽含量的是估算大气透过率的主要考虑因素。

段四波等［4］从TIGRS数据中选取1413条大气廓线数据，在MODTRAN4中模拟大气水汽含量与大气透过率之间的关系，建立相关方程进行大气透过率的估算，给出了HJ＿1B热红外波段的大气透过率近似估算方程式为：

其中：τ为大气透过率；ω为大气水汽含量。大气水汽含量可以用杨景梅等［5］〛给出的经验模型由地面水汽压强估算得到。

2.3 地表发射率的修正

在波段区间确定的情况下，比表比辐射率主要取决于地表物质结构，因此本文将多光谱影像数据结合监督分类以及波段运算，最终将地表分为自然表面、城镇、水体和裸地4种地表类型。同时为了确定各类地物在Band4波段的发射率，本文利用ENVI自带的约翰·霍普金斯大学光谱库，分别计算了水体、植被、裸地和人造表面在HJ＿1B卫星热红外波段范围的发射率均值，计算结果详见表2。

自然表面、城镇和裸地的地表反射率由覃志豪［6］等给出的算法结合表2计算而得。

2.4 大气平均作用温度的确定

在天气比较晴朗的情况下，没有明显的大气垂直旋涡作用条件下，可由近地面气温T0近似估算大气平均作用温度，谭志豪等［7］给出了大气平均温度与近地面气温T0在不同地域的关系，关系方程如下：

表2 HJ＿1B热红外波段范围各类地表类型发射率

热带平均大气：

中纬度夏季平均大气：

中纬度冬季平均大气：

本文利用济南市2009年5月23日和2014年5月28日，两期影像反演地表温度分析比较，研究济南市近几年来地表温度演变。根据济南市经纬度可知，本文将采用中纬度夏季平均大气公式（12）估算大气平均作用温度。

3 基于修正模型下的济南市地表温度反演

3.1 研究区概况

济南市四季分明，日照充分，年平均气温14℃，最高气温记录为42.7℃，最低气温约为27℃。年平均降水量达665.7 mm，无霜期可达220 d左右。

济南市地势起伏，南高北低，南部为山区地区，山脉多为东西走向，中部为前平原地区，北部为临黄平原地区。市区内有河湖众多，河流主要包括小清河、黄河、玉符河、南北大沙河等水系；湖泊主要有白云湖、大明湖和东平湖等湖泊；此外还有卧虎山、锦绣川等大型水库。包括市中区、历下区、章丘市、长清区、平阴县等十个县级地区。

3.2 济南市地表温度反演

本文利用2009年5月23日和2014年5月28日两期减灾环境卫星HJ＿1B影像数据，反演济南市地表温度。从中国气象网（http：／／data.cma.cn）查询卫星当天过境时间济南市的水汽压，结合大气水汽含量经验模型，估算出大气水汽含量，利用卫星过境时间的近地面温度作为地面温度，再由公式（6）、公式（12）分别计算大气透过率和大气平均作用温度，水汽压、地面温度、大气透过率及大气平均作用温度详见表3。

表3 大气透过率与大气平均作用温度值

利用上述参数及公式（1），最终反演得到济南市2009年5月23和2014年5月28两期地表温度，如图2、图3所示。

3.3 精度验证

图2 2009年反演地表温度结果

图3 2014年地表温度反演结果

由于缺乏过境时的济南市地表实测温度，因此本采用模拟数据对修改后的单窗算法进行进度的验证评价。基于MODTRAN模型模拟地表温度分别为20℃、30℃和40℃，大气水汽含量分别为1.0、1.5、2.0和2.5 g·cm－2时卫星传感器接受到的辐射值，通过Planck函数计算得到亮度温度，然后再根据修正模型反演得到地表温度，将该温度与模拟地表温度数据的绝对值作为反演误差。模拟结果如表4所示。

表4 模拟验证结果

从表4中可以看出，对于本文假定的模拟方法，最小误差为0.05℃，最大误差为2.34℃。平均误差为0.86℃，说明理论上修正的单穿算法有较好的精度。

4 济南市热力空间格局演变分析

4.1 温度区间划分及热力景观参数

将两期反演地表温度的结果（分别记为）按取整后每隔5℃的划分方式对温度差进行温度区间划分，按照温度区间划分对温度差进行重分类。然后将两期反演地表温度做温度差，即（温度差区间为－4.23～14.56℃），同样利用上述温度划分方法（图4）。

利用Fragstats软件对重分类结果分析，提取斑块信息，包括斑块数、斑块面积，再表5评价指标［8］。

4.2 热力景观演变分析

热力景观指数详见表5～表7。表5为将2009年和2014年对比，比较2014年出现局部高于45℃的高温地区，这也可从破碎度升高可以反应，济南市热力景观类型增加。2009年大部分地区温度集中在25～35℃，比例高达91.74%，而到了2014年主要集中在30～40℃。可从表6中看出，济南市2009年至2014年绝大部分地区温度为上升趋势，温度增加在0～10℃范围内，商河县地区为下降趋势，这与近几年来商河县大规模植树造林有关。少数地区温度上升在10℃以上，由图4可以看出，主要集中在山区地区，这是山地植被覆盖减少的原因。

图4 地表温差分类图

温度差优势度为0.2949，这与0～10℃之间的两类斑块占据优势的热力景观类型有关。

表5 景观格局指数

结合图2与图3对比可知，济南市植被覆盖大面积减少、城市扩区、人造地表建筑增加、山区开矿，再加上近几年来温室效应结果，是导致济南市地表温度普遍升高的主要原因。

表6 热力景观斑块统计及景观指数

表7 温度差热力景观斑块统计及景观指数

5 结语

从2009年至2014年5年间，济南市建成区向东、南扩展，地表类型的改变致使热力景观类型发生较大的改变。无论从斑块的数据上还是指数上，这都与城市化扩展具有一致性，因此从热力景观研究分析的层面，对于直接分析城市温度变化研究和间接研究城市结构有一定的有效性。

HJ＿1B环境小卫星热红外波段分辨率为150 m，可见光也只有30 m，进行的空间重采样，精度上有一定的影响。对于热力景观分析研究不够充分深入，在以后的研究将继续改进和深入。

［1］Qin Z，Karnieli A，Berliner P，A Mono－window Algorithm for Retrieving Land Surface Temperature from Landsat TM Date and Its Application to the Israce－Egypt Border Region［J］.In－ternation－al Journal of Remoto Sensing，2001，22（18）：3719～3746.

［2］USGS.Landsat（LDCM）History［EB／OL］.http：／／usgs.gov／about＿ldcm.php，2015－8－5.

［3］CASC.Instraction of HJ－1－A、B［EB／OL］.http：www.cresda.com，2015－8－25.

［4］段四波，阎广建，钱永刚.利用HJ＿1B模拟数据反演地表温度的两种单通道算法［J］.自然科学进展，2008，9（18）：1001～1008.

［5］杨景梅，邱金桓.利用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究［J］.大气科学，2002，1（26）：9～22.

［6］覃志豪，李文娟，徐 斌.陆地卫星TM6波段范围内地表比辐射量的估计［J］.国土资源遥感，2002（3）：29～37.

［7］覃志豪，李文娟，张明华，等.单窗算法的大气参数估计方法［J］.国土资源遥感，2003，15（2）：37～43.

［8］邬建国.景观生态学—格局、过程、尺度与等级［M］.北京：高等教育出版社，2011：107～116.