基于Landsat-8影像的芜湖市城市热岛与土地利用/覆盖的关系

白洪伟, 吴满意, 葛　艳

(1. 宿州学院 安徽省煤矿勘探工程技术研究中心, 安徽 宿州　234000;

2. 国家测绘地理信息局 第一地形测量队, 陕西 西安　710054)



基于Landsat-8影像的芜湖市城市热岛与土地利用/覆盖的关系

白洪伟1, 吴满意2, 葛艳1

(1. 宿州学院 安徽省煤矿勘探工程技术研究中心, 安徽 宿州234000;

2. 国家测绘地理信息局 第一地形测量队, 陕西 西安710054)

摘要:利用2013年8月11日Landsat-8 OLI/TIRS影像数据,以安徽省芜湖市的鸠江区、镜湖区、弋江区和三山区为研究区,使用ENVI 5.1遥感图像处理软件,对Landsat-8影像的TIRS 10波段使用单窗算法进行地表亮度温度反演,再使用神经网络法对OLI多光谱影像进行土地利用/覆盖分类,并利用GIS空间分析和数理统计方法对芜湖市城市热岛效应与土地利用/覆盖的关系进行定量研究分析.研究结果表明:芜湖市城市中心区地表亮度温度明显高于市郊,强热岛区与热岛区面积共18.79 km2,占研究区总面积的1.69%,城市热岛效应存在但不显著;土地利用/覆盖类型不同,地表亮度温度差异明显;建设用地表面温度相对较高,是城市热岛效应强度增加的主要影响因素,而林地和水体面积的增加能有效缓解城市热岛效应的强度.

关键词:Landsat-8; 地表温度; 城市热岛效应; 土地利用/覆盖

城市热岛效应,是随着城市化进程的推进,因大量的人工发热、建筑物和道路等高蓄热体的增加,以及绿地减少等因素的影响而出现的城市温度明显高于城市外围郊区的现象[1].土地利用是人类对自然地理环境改变和干预活动的主要表现形式,其直接表征是土地覆盖状况的变化.城市热岛与土地覆盖关系密切.随着遥感技术的不断发展,使用热红外遥感数据进行城市热岛效应的研究已得到广泛开展,而进行土地利用/覆盖与城市地面温度关系的研究,既能从热岛现象产生的根源上深入分析土地利用/覆盖下城市热环境的空间特征,又能为合理利用土地资源、合理规划城市建设、减弱城市热岛现象提供理论依据[2].

近年来,很多学者对城市热岛效应与土地覆盖关系相关课题进行过研究,如Weng Qihao[3]等曾以美国印第安纳州为例,通过地表温度和覆盖度的变化进行城市化进程的研究;江山、查良松[4]曾以合肥市区为研究区,以Landsat TM影像为数据源,分析城市地域地表温度与土地覆盖的定量关系.本研究以2013年8月11日Landsat-8影像为数据源,以安徽省芜湖市为研究区,使用ENVI5.1遥感图像处理软件,进行地表亮度温度的反演和土地利用/覆盖的分类,并借助ArcGIS软件探讨芜湖市地表亮温空间分布特征及其与土地利用类型间的关系.

1研究区概况

芜湖市位于安徽省东南部的青弋江与长江汇合处,北纬30°38′～31°31′、东经117°58′～118°43′之间.该区地貌以平原、丘陵为主,类型多样;地势北低南高,地形呈不规则长条状.芜湖市属亚热带湿润季风气候,四季分明,雨量充沛,年平均气温15～16 ℃,年降雨量1 200 mm.辖四区(鸠江区、镜湖区、弋江区、三山区)、四县(芜湖县、繁昌县、南陵县、无为县).土地总面积5 988 km2,人口361.7万.作为安徽省域副中心城市,芜湖市与省会合肥市并称为安徽省“双核”城市,也是安徽省三大旅游中心城市之一、沿江重点开发城市、长江流域区域中心城市和重要港口城市.本研究主要以芜湖市四区为研究区.研究区总面积1 111.68 km2,其假彩色合成影像如图1所示.

2数据的收集与预处理

2.1数据的收集

本研究以地理空间数据云官网提供的Landsat-8 OLI/TIRS卫星影像为数据源,其成像时间为2013年8月11日,卫星轨道号为120-38,研究区内影像天气状况为无云.于2013年2月11日发射升空的Landsat-8卫星提供的影像由11个波段组成,其中Landsat-8 OLI传感器包括9个波段,主要用于土地利用/覆盖分类,TIRS传感器包含2个热红外波段,主要用于地表亮度温度的反演.辅以2011年国家测绘地理信息局提供的1∶230 000芜湖市行政区划矢量地图,用于研究区矢量文件的建立,从而裁剪得出研究区多光谱及热红外影像.

2.2数据的预处理

首先, 利用ENVI 5.1软件分别对Landsat-8热红外波段和多光谱波段影像进行大气校正和辐射定标. 其次, 以2013年芜湖市遥感影像为基准, 将1∶230 000行政区划图进行配准, 在基准影像上满幅均匀选取28个特征明显的控制点, 在配准图像上找出与其对应的点, 分别选取二次多项式和双线性内插法进行几何校正和灰度值重采样, 最小均方误差满足校正要求. 最后, 利用配准过的行政区划图进行研究区矢量文件的建立, 进而分别对多光谱波段影像及经大气校正和辐射定标过的热红外影像进行掩膜得到裁剪后的影像.

3研究方法

3.1地表亮度温度的反演

地表亮度温度又称地面辐射温度,指与地表有相同辐射亮度的黑体的温度,是与传感器在卫星高度所观测到的热辐射强度相对应的温度[4].地表亮度温度与地表温度在数值上虽不相等,但相关性强,相比地表温度,地表亮度温度包含更多大气信息,在一定程度上也能拟合地表温度的空间分布情况,且更有利于城市热岛效应的反应[5].Landsat-8卫星的热红外传感器TIRS包含2个波段,分别为TIRS10波段和TIRS11波段,本研究采用第10波段进行地表亮温的反演.

3.1.1热辐射强度(Lλ)计算

将像元灰度值(DN)转换为相应热辐射强度值(Lλ)[6],公式如下:

(1)

式中:Qcal表示像元灰度值DN,其值已知;参数ML和AL分别表示增益和偏移,其数值可直接从2013年8月11日芜湖市影像头文件中获取,获取的参数分别为RADIANCE_MULT_BAND_10=3.3420×10-4,RADIANCE_ADD_BAND_10=0.10000,辐射亮度值Lλ的单位为W/(m2·sr·μm).

3.1.2亮度温度反演

根据普朗克定律将热辐射强度值转换为相应的亮度温度[7],并将单位为K的亮度温度用摄氏温度(单位℃)表示,计算公式如下:

(2)

式中:辐射亮度值Lλ为已知,单位℃;从影像头文件中获取的TIRS 10波段的参数亮温反演常数k1、k2分别为K1_CONSTANT_BAND_10=774.89,K2_CONSTANT_BAND_10=1 321.08,W/(m2·sr·μm).反演结果如图2所示.

图2　研究区地表亮度温度分布图

由2013年08月11日芜湖市地表亮度温度反演结果(图2)可知,芜湖市当日地表亮温范围为26～43 ℃,地表亮温空间分布存在明显差异,城市高温区主要集中分布在人口密度较大、工业分布较为密集、商业较为繁华的鸠江中心建成区,城市低温区则主要位于郊区,城市中心区地表亮度温度明显高于周边郊区,而以长江为主的水体分布区亮度温度最低,因而芜湖市城市热岛效应的确存在,且城市热岛的空间分布特征基本与城市规划建设的轮廓相吻合,呈现地表温度由城市中心建成区向郊区逐渐降低的态势.

3.1.3热岛效应分级

将城市热岛效应分为五级:强热岛区、热岛区、正常区、绿岛区和强绿岛区.即使用ENVI 5.1软件,将地表亮度温度值按照公式(3)进行归一化处理,使最大值为1,最小值为0,并按公差为0.2的等差级数将研究区城市热岛效应密度分割为五级,其中,0～0.2表示强绿岛区,0.2～0.4表示绿岛区,0.4～0.6表示正常区,0.6～0.8表示热岛区,0.8～1.0表示强热岛区.归一化处理公式如下:

(3)

式中:N表示热红外影像中第i个像元经地表温度归一化处理过后的值;Tmax、Tmin分别表示地表亮度温度的最大值和最小值;Ti则表示第i个像元的地表亮度温度值[8].热岛效应等级分布经处理如图3所示.

图3　研究区热岛效应等级分布图

由表1可知,绿岛区面积701.19km2,所占面积最大,占总面积的63.07%;其次为正常区,面积为307.18km2,所占面积的27.63%;强绿岛区面积84.58km2,占总面积的7.61%;热岛区面积相对较小,为17.85km2,占总面积的1.61%;强热岛区面积最小是0.94km2,仅占总面积的0.08%.与芜湖市地表亮度温度空间分布相一致,强热岛区主要分布于芜湖市东北部鸠江区中心的城市建设密集区域,部分零星分布于镜湖区、弋江区和三山区,芜湖市区西北部江心洲也有分布,因洲上裸地面积较大,裸地与城市建设用地表面有相似的热辐射特性,因而对地表亮温贡献最大;正常区、绿岛区与强绿岛区共占研究区总面积的98.31%,其主要原因是市区的神山公园、汀棠公园、银湖公园等地水体和植被分布较为集中,对城市中心的高温起到一定的缓解作用,周边市郊城市建设用地及农村居民地布局较为分散,且耕地、林业用地面积较大,植被覆盖度高,降温效果显著;以长江为主的水体是强绿岛区的主要组成部分,水体比热容大,热传导率较小,温度下降快,因而温度最低.

表1　热岛效应等级区面积及所占比例

3.2土地利用/覆盖分类

为研究城市热岛效应与土地利用/覆盖类型间的关系,需使用监督分类法对研究区的Landsat-8 OLI影像数据进行土地利用/覆盖分类.将OLI传感器提供的分波段单独存储的多光谱数据叠合成一个多波段图像文件,选择Landsat-8 OLI的第 6、5、4波段赋予R、G、B进行波段合成,参考全国遥感监测土地利用分类体系,结合研究区实际情况和研究目的,将土地利用/覆盖类型分为林业用地(包括林地、园地和草地)、耕地、水体(包括河流、湖泊和池塘)以及建设用地,利用ENVI 5.1遥感图像处理软件,使用神经网络法对影像进行监督分类,利用“Class Statistics”功能统计出各地类面积及比例,分类结果经处理如图4所示,各类型土地利用覆盖度经统计如表2所示.

表2　土地利用/覆盖度

图4　土地利用/覆盖分类图

3.3城市热岛与土地利用/覆盖类型的关系

为定量研究芜湖市城市热岛效应与不同土地利用/覆盖类型的关系,使用ArcGIS软件分别将反演的芜湖市地表亮度温度分布图、芜湖市热岛效应等级分布图与土地利用/覆盖分类图进行叠加处理,利用ArcGIS软件的图像分析功能和数理统计方法定量研究在不同热岛效应等级下,各类型土地利用的覆盖情况,各热岛效应等级下不同土地利用/覆盖类型的面积和面积比经统计如表3、表4所示,关系图如图5所示.

表3　不同土地利用/覆盖类型面积

表4　不同土地利用/覆盖类型面积百分比

图5　土地利用/覆盖类型面积百分比统计图

结合表3、表4可知,芜湖市强热岛区土地利用/覆盖类型是城市建设用地,面积为0.94 km2.在热岛区,城市建设用地的面积比例为99.89%,同样占有绝对优势.城市建设用地因下垫面非常复杂,由大量混凝土、柏油马路等组成的人工构筑物因吸热快而热容量小,改变了下垫面的热力属性.在相同太阳辐射条件下,建设用地的下垫面比由绿地、水面等组成的自然下垫面升温快,且当建设用地覆盖的人工构筑物高大密集时,不利于空气的流通,地表蒸散能力较低而热传导率、扩散率大,表面温度明显很高,因而是城市强热岛区、热岛区的主要覆盖类型.在正常区,建设用地、林地面积比分别为80.37%、18.54%,建设用地所占面积比有所降低,而林地面积比明显增加.芜湖市热岛区附近分布着一些如汀棠公园、神山公园、镜湖公园等公园和风景区,林地面积较大,植被覆盖度高,因而能较好地缓解附近以水泥等结构为主的居住区、商业区和工业区的高温情况.在绿岛区,耕地面积比为43.83%,林地为39.77%,相比正常区,耕地和林地所占份额明显增加,而建设用地仅占绿岛区面积的6.54%,说明耕地和林地有利于城市地表温度的降低.在强绿岛区,水体占总面积的74.17%,占有绝对优势,说明水体对于地表温度的降低、城市热岛效应的缓解发挥着更为显著而独特的作用.

4结论

(1) 芜湖市城市中心区地表亮度温度明显高于市郊,基本呈现由中心向研究区边缘逐渐降低的趋势.研究区总面积1 111.68 km2,其中强热岛区与热岛区面积共计18.79 km2,占研究区总面积的1.69%,芜湖市城市热岛现象存在.因长江自北向南穿过以芜湖市的鸠江区、镜湖区、弋江区、三山区为主的研究区域,城市中心建成区紧邻长江分布,故研究区城市热岛效应存在但不显著.

(2) 芜湖市城市热岛效应的空间分布特征基本与研究区不同类型土地利用/覆盖的轮廓相吻合,热岛区与强热岛区的土地利用/覆盖类型几乎全为建设用地,即以混凝土、沥青等非渗透性表面为主要下垫面构成的建设用地是城市热岛的主要贡献因素.绿岛区与强绿岛区占研究区总面积的70.68%,其中耕地和林地是绿岛区的主要土地覆盖类型,水体则是强绿岛区占有绝对优势的土地类型,因而水体和植被覆盖度高的林地可有效降低城市地表温度,从而减弱城市热岛的强度.

(3) 为了有效缓解城市热岛的强度,减小城市强热岛区与热岛区面积,应做到合理规划和利用土地,合理调整产业结构,降低工业污染物的排放以及人工热的释放,提高城市植被绿化覆盖度,尽量保持现有水体面积稳定甚至可通过人工湖、人工河的合理规划与开挖增加水体的面积.

参考文献:

[1] 陈云. 基于Landsat-8的城市热岛效应研究初探----以厦门市为例[J]. 测绘与空间地理信息, 2014,37(2):123-128.

(CHEN Y. A preliminary study on the urban heat island effect based on Landsat8:Case of Xiamen City[J]. Geomatics &Spatial Information Technology, 2014,37(2):123-128.)

[2] 季青,贺伶俐,余明,等. 基于Landsat ETM+数据的福州市土地利用/覆被与城市热岛的关系研究[J]. 福建师范大学学报(自然科学版), 2009,25(6):106-113.

(JI Q, HE L L,YU M. Study on relationship between land use/cover and urban heat island based on Landsat ETM+remote sensing data[J]. Journal of Fujian Normal University(Natural Science Edition), 2009,25(6):106-113.)

[3] 夏俊士,杜培军,张海荣,等. 基于遥感数据的城市地表温度与土地覆盖定量研究[J]. 遥感技术与应用, 2010(1):15-23.

(XIA J S, DU P J, ZHANG H R. The quantitative relationship between land surface temperature and land cover types based on remotely sensed data[J]. Remote Sensing Technology and Application, 2010(1):15-23.)

[4] 江山,查良松. 城市地域地表温度与土地覆盖定量关系分析[J]. 安徽师范大学学报(自然科学版), 2012,35(3):252-257.

(JIANG S, ZHA L S. The quantitative relationship between land surface temperature and land cover types based on remotely sensed data in Hefei City[J]. Journal of Anhui Normal University(Natural Science), 2012,35(3):252-257.)

[5] 曾黎,李春. 影响我国省域第三产业发展因素的实证分析[J]. 沈阳大学学报(自然科学版), 2012,24(6):80-84.

(ZENG L, LI C. Empirical analysis of factors that affect China’s provincial tertiary industry development[J]. Journal of Shenyang University(Natural Science), 2012,24(6):80-84.)

[6] 徐涵秋. 新型Landsat-8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015,58(3):741-747.

(XU H Q. Retrieval of the reflectance and land surface temperature of the newly-launched Landsat8 satellite[J]. Chinese Journal of Geophysics, 2015,58(3):741-747.)

[7] 杨槐. 从Landsat-8影像反演地表温度的劈窗算法研究[J]. 测绘地理信息, 2014,39(4):73-77.

(YANG H. Research of split window algorithm for retrieval of land surface temperature from Landsat8[J]. Journal of Geomatics, 2014,39(4):73-77.)

[8] 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):47-52,108,112.

(LI H, ZENG Y N, LIU Q H. A remote sensing image-based study of the relationship between urban heat island and land use/cover changes in Changsha City[J]. Remote Sensing for Land & Resources, 2008(4):47-52,108,112.)

【责任编辑: 祝颖】

Relationship between Urban Heat Island and Land Use/Cover in Wuhu Based on Landsat-8 Image

BaiHongwei1,WuManyi2,GeYan1

(1. Anhui Province Coal Mine Exploration Engineering Technology Research Center, Suzhou University, Suzhou 234000, China; 2. The First Topographic Surveying Brigade of SBSM, Xi’an 710054, China)

Abstract:Taking Landsat-8 OLI/TIRS image data of four districts in Wuhu City of Anhui Province on August 11, 2013, as the research area, using ENVI 5.1 remote sensing image processing software, land surface brightness temperature retrieval is done for band TIRS10 of landsat8 images using mono window algorithm, and neural network method is used for land use/cover classification of OLI multispectral images, and the GIS spatial analysis and mathematical statistics method are used for quantitative study of the relationship between the urban heat island effect of Wuhu City and land use/coverage. The results show that: the surface brightness temperature of the center area of Wuhu City is obviously higher than that of the suburb, and the strong heat island area and heat island area is 18.79 km2, which accounted for 1.69% of the total area of the study area, the urban heat island effect exists but is not significant; the types of land use/covering are different, the land surface brightness temperature difference is obvious; the surface temperature of construction land is relatively high, and it is the main influence factor of the increase of the intensity of urban heat island effect, and the increase of woodland and water area can effectively alleviate the intensity of the urban heat island effect.

Key words:Landsat-8; land surface temperature; urban heat island effect; land use/cover

中图分类号:P 237

文献标志码:A

文章编号:2095-5456(2016)01-0023-07

作者简介:白洪伟(1987-),男,安徽宿州人,宿州学院助教,硕士.

基金项目:卫星测绘技术与应用国家测绘地理信息局重点实验室经费资助项目(KLSMTA-201304); 宿州学院安徽省煤矿勘探工程技术研究中心开放课题资助项目(2013YKF04).

收稿日期:2015-08-10