基于Landsat 8卫星影像的南昌城市热岛效应研究

陈兴鹃，温新龙，郭 磊

(1.江西省气象科学研究所，江西 南昌 330096；2.江西省气象服务中心，江西 南昌 330096)

基于Landsat 8卫星影像的南昌城市热岛效应研究

陈兴鹃1，温新龙1，郭 磊2

(1.江西省气象科学研究所，江西 南昌 330096；2.江西省气象服务中心，江西 南昌 330096)

以2014年10月8日的Landsat 8 OLI/TIRS卫星数据作为主数据源，利用ENVI 5.1软件平台，对南昌市城市热岛效应进行了研究。根据大气校正法反演南昌市地表温度，并对其归一化得到南昌热岛强度分级图。在此基础上，对南昌城市热岛效应与归一化植被指数(NDVI)、改进的归一化水体指数(MNDWI)、裸土指数(BSI)、归一化差值裸地与建筑用地指数(NDBBI)进行统计分析，得到地表温度与4种指数间的定量关系。结果表明：(1)南昌市热岛效应明显，热岛强度由城区中心向近郊、远郊逐渐降低；(2)地表温度与NDVI呈负相关；(3)地表温度与MNDWI呈负相关；(4)地表温度与BSI呈正相关；(5)地表温度与NDBBI呈正相关。由此可知，增加城市植被覆盖率、扩大城市水域，同时合理利用城市裸地和布局城市建筑用地，可以缓解城市热岛效应。

南昌市；热岛效应；Landsat 8；归一化植被指数；改进的归一化水体指数；裸土指数；归一化差值裸地与建筑用地指数

城市化高速发展的同时，城市下垫面状况发生了极大改变，加之城市人口密集、工商业发达、人为热排放较多，这使得城市热力状况远较郊区复杂，进而导致城区温度普遍高于郊区，形成城市热岛，在一定程度上影响了城市气候[1]。城市热岛是一种城市公害，它加剧了城市高温出现的频率和高温灾害，并因此带来了巨大的经济损失。研究表明，城市化发展对气温有一定影响，城市化在近50 a中国气温变暖中贡献率为20%～30%，其对于城市热岛效应的影响应引起足够的重视[2]。

近年来，素有“火炉”之称的南昌市经历了飞速发展，城镇化率已达到70%以上，城区面积约为350 km2，城区常住人口达330万人左右。遥感(Remote Sensing，简称RS)可宏观、动态、精确地监测地表环境及其变化。不少学者利用RS技术对南昌市的城市热岛效应进行了研究。吴万友等[3]利用气象观测资料，分析了南昌市热岛效应的基本特征，并研究得出热岛效应与SO2浓度呈正相关。郑蕉等[4]利用Landsat ETM+数据，反演南昌市主城区地表温度，并对植被盖度、水体面积比例与地面温度的相互关系进行了研究。欧立业等[5]利用Landsat TM/ETM+数据，采用地表发射率对亮温进行订正，实现了南昌市城区及其周边区域城市热岛效应的评价。吴凡等[6]利用Landsat TM/ETM+数据进行南昌市地表温度反演，并结合下垫面土地覆盖类型图，选取样区对比分析了地表温度空间分布。

2013年2月11日Landsat 8在加州范德堡空军基地发射升空，其热红外波段由第10(10.6～11.19 μm)和第11(11.5～12.51 μm)2个波段组成，分辨率为100 m，这为获取地表温度提供了新的数据。本研究基于RS技术，选取最新的Landsat 8卫星数据，利用大气校正法反演地表温度进行南昌城市热岛的研究，并对南昌市地表温度与归一化植被指数、改进的归一化水体指数、裸土指数、归一化差值裸地与建筑用地指数之间的关系做定量分析，以期为缓解城市热岛效应、改善城市热环境提供科学依据，同时对相关部门进行城市规划和改善城市局地小气候具有指导意义。

1 研究区概述

南昌市地处江西省中部偏北，赣江、抚河下游，滨临我国第一大淡水湖鄱阳湖。地理位置在115°27′～116°35′ E，28°09′～29°11′ N之间。全市以平原为主，东南地势平坦，西北丘陵起伏。全市总面积7402.36 km2，南北长112.1 km，东西宽107.6 km。截至2015年，南昌市下辖东湖区、西湖区、青云谱区、青山湖区、湾里区、新建区6个市辖区，以及南昌县、进贤县、安义县3个县。南昌市属于亚热季风湿润气候区，最冷月为1月，最热月为7月，年平均温度为17.6 ℃。

2 地表温度反演与热岛强度分级

2.1 数据来源及处理

选用美国USGS网站(http://glovis.usgs.gov/)下载的2014年10月8日Landsat 8 OLI/TIRS卫星数据作为主数据源，轨道号为121/40，GMT时刻为02:44:32，云量为0，影像质量良好。产品为Level 1T级，已经过系统辐射校正、地面控制点几何校正和DEM地形校正，可直接使用[7-8]。

2.2 大气校正法反演地表温度

利用大气校正法(也称辐射传输方程，Radiative Transfer Equation,RTE)反演地表温度，首先估计大气对地表热辐射的影响，然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去，从而得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度[9]。

卫星传感器接收到的热红外辐射亮度值Lλ由3个部分组成：大气向上辐射亮度L↑；地面的真实辐射亮度经过大气之后到达卫星遥感器的能量；大气向下辐射到达地面后反射的能量L↓。卫星传感器接收到的热红外辐射亮度值的表达式可写为(辐射传输方程)：

Lλ=[εB(TS)+(1-ε)L↓]τ+L

(1)

式中，ε为地表比辐射率；TS为地表真实温度；B(TS)为黑体热辐射亮度；τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(TS)为：

B(TS)=[Lλ-L-τ(1-ε)L↓]/τε

(2)

最后利用普朗克公式的函数即可获取地表温度TS：

TS=K2/ln[K1/B(TS)+1]

(3)

根据USGS的建议，目前Landsat 8第11波段存在不稳定性，建议用户把第10波段作为单波段热红外数据进行使用[10-11]。对于TIRS Band10数据，K1=774.89 W/(m2·μm·sr)，K2=1321.08 K。K1和K2可从“*_MTL.txt”元数据文件中获取。

可见，此算法主要需要2个参数：大气剖面参数和地表比辐射率。

2.2.1 图像辐射定标 利用ENVI 5.1辐射定标工具“Radiometric Calibration”，将2014年10月8日Landsat 8第10波段热红外数据定标为辐射亮度值，得到Band 10辐射亮度图像，即Lλ。

2.2.2 大气剖面参数的获取 可通过NASA公布的网址(http://atmcorr.gsfc.nasa.gov)获取。输入研究所用Landsat 8卫星数据的成影时间(2014-10-08 02:44)和中心经纬度(Lat：28.9°，Lon：116.5°)，可得到大气剖面信息为：大气在热红外波段的透过率τ=0.83；大气向上辐射亮度L=1.37 W/(m2·sr·m)；大气向下辐射亮度L↓=2.27 W/(m2·sr·μm)。此结果是基于模型计算得出的。

2.2.3 地表比辐射率计算 由于TIRS的Band 10热红外波段与TM/ETM+6热红外波段波谱范围相近，本文使用Sobrino等[12]提出的NDVI阈值法计算地表比辐射率：

ε=0.004Pv+0.986

(4)

式中，Pv是植被覆盖度，计算公式为：

Pv=[(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)]

(5)

其中，NDVI为归一化植被指数，可通过ENVI 5.1软件工具箱中的“NDVI”计算工具获取；NDVIsoil为完全被裸土或无植被覆盖区域的NDVI值，NDVIveg代表完全被植被覆盖像元的NDVI值，即纯植被像元的NDVI值。取经验值NDVIveg=0.70和NDVIsoil=0.05，即当某个像元的NDVI>0.70时，Pv取值为1,；当NDVI<0.05时，Pv取值为0。

使用ENVI 5.1工具箱中的波段运算工具“Band Math”，将以上获取的大气剖面参数和计算得出的地表比辐射率等数据代入公式(2)，可计算得到黑体辐射亮度影像B(TS)。最后由公式(3)计算可获取南昌市地表温度影像TS。

2.3 热岛强度分级

利用ENVI 5.1软件对地表温度进行归一化处理，使其值处于0～1之间，并对其进行密度分割，得到南昌市强绿岛区、绿岛区、正常区、热岛区、强热岛区。南昌市热岛强度分级图见图1。

地表温度归一化处理公式为[13]：

N=(Ti-Tmin)/(Tmax-Tmin)

(6)

式中，N代表第i个像元地表温度归一化后的值，Ti代表第i个像元的地表温度值，Tmin代表地表温度的最小值，Tmax代表地表温度的最大值。其中Tmin和Tmax可由ENVI 5.1软件统计工具“Compute Statistics”获取。

利用ENVI 5.1软件分类统计工具“Class Statistics”，可统计出各级分区面积分布情况。由表1可知，强绿岛区面积为2639.34 km2，占研究区总面积的35.63%；绿岛区面积为1576.48 km2，占研究区总面积的21.28%；正常区面积为2355.64 km2，占研究区总面积的31.80%；热岛区面积为736.68 km2，占研究区总面积的9.95%；强热岛区面积为99.33 km2，占研究区总面积的1.34%。

结合南昌市热岛强度分级图可知，研究区热岛效应明显，热岛强度由城区中心向近郊、远郊逐渐降低，强热岛区和热岛区主要分布在市区建成区及一部分裸地，正常区主要分布在城区与郊区交界处，绿岛区和强绿岛区主要分布在郊区和农村，包括水体(鄱阳湖等水域)和山区林地(梅岭等山区)等。

3 热岛效应与各指数的关系

3.1 指数模型选择与构建

Landsat 8影像各波段基本特征见表2[14-15]。为构建各指数模型，统一规定ρBlue表示蓝色波段(Blue)的反射率，ρGreen表示绿色波段(Green)的反射率，ρRed表示红色波段(Red)的反射率，ρNIR表示近红外波段(NIR)的反射率，ρSWIR1表示短波红外波段(SWIR1)的反射率，ρSWIR2表示短波红外波段(SWIR2)的反射率。

图1 南昌市热岛强度分级图

热岛等级面积/km2所占比例/%强绿岛区2639.3435.63绿岛区1576.4821.28正常区2355.6431.80热岛区736.689.95强热岛区99.331.34

表2 Landsat 8影像各波段基本特征表

3.1.1 归一化植被指数 归一化植被指数(Normalized Difference Vegetation Index，NDVI)是遥感领域用来表征地表植被覆盖、植被生长状况的应用最为广泛的度量参数，可以检测植被生长状态，其值随植被覆盖度增大而增大，计算公式如下[16]：

NDVI=(ρNIR-ρRed)/(ρNIR+ρRed)

(7)

3.1.2 改进的归一化水体指数 改进的归一化水体指数(Modified Normalized Difference Water Index，MNDWI)除可用于植被区的水体提取之外，还可以用于准确提取城镇范围内的水体信息[17]，计算公式如下：

MNDWI=(ρGreen-ρSWIR1)/(ρGreen+ρSWIR1)

(8)

3.1.3 裸土指数 裸土指数(Bare Soil Index，BSI)是Rikimaru等[18]在1996年提出的，计算公式如下：

BSI=[(ρSWIR1+ρRed)-(ρNIR+ρBlue)]/[(ρSWIR1+ρRed)+(ρNIR+ρBlue)]

(9)

3.1.4 归一化差值裸地与建筑用地指数 归一化差值裸地与建筑用地指数(Normalized Difference Bareness and Built-up Index，NDBBI)可以直接剔除水体和植被信息，提取出含有裸地的建筑用地信息[19],计算公式如下：

NDBBI=[1.5ρSWIR2-(ρNIR+ρGreen)/2]/[ 1.5ρSWIR2+(ρNIR+ρGreen)/2]

(10)

利用上述公式，在ENVI 5.1软件中对Landsat 8数据进行波段提取与计算，得到南昌市4种不同指数(NDVI、MNDWI、BSI、NDBBI)图，具体见图2。

从图2可知，建筑用地和裸土的BSI、NDBBI值高，NDVI、MNDWI值低；水体的MNDWI值高，NDVI、BSI、NDBBI值低；植被的NDVI、MNDWI值高，BSI、NDBBI值低。

图2 南昌市4种指数图

3.2 热岛效应与各指数的关系

利用ENVI 5.1软件分别制作南昌市地表温度与上述4种指数的散点图，研究地表温度(TS)与NDVI、MNDWI、BSI、NDBBI之间的关系(图3)。

Carlson[20]和Price[21]等研究表明，利用热红外波段遥感影像反演得到的城市地表温度与NDVI之间的散点图呈三角形，并把这种三角形称为NDVI-TS特征空间。从图3可以看到，南昌市地表温度与NDVI散点图主体呈现三角形，与前人研究成果一致。同时可以看到，地表温度与NDVI、MNDWI呈负相关关系，与BSI、NDBBI呈正相关。

图3 地表温度与4种指数散点图

为找出地表温度与4种指数之间的定量关系，对南昌市地表温度分别与NDVI、MNDWI、BSI、NDBBI指数图进行多次随机采样并做统计分析，其中与NDVI做统计分析时已去除水体值[22-23]，回归分析结果见图4。

图4 南昌市地表温度与4种指数相关性分析图

由图4可知，南昌市地表温度与NDVI、MNDWI、BSI、NDBBI回归分析得到的相关关系与前述散点图分析结果一致。可近似反映南昌城市热岛效应与4种指数间的定量关系：(1)南昌城市热岛效应与NDVI呈负相关，相关系数为0.78，NDVI值每增加0.1，地表温度减少2.78 ℃，可见随着NDVI值逐渐增加，地表温度逐渐减小，植被覆盖度的增加可有效缓解南昌城市热岛效应，这是由于植被能大量反射太阳辐射的近红外部分，并将吸收的可见光部分通过蒸腾作用和光合作用转化为化学能，致使周围环境温度大大降低；(2)南昌城市热岛效应与MNDWI呈负相关，相关系数为0.65，MNDWI值每增加0.1，地表温度减少1.66 ℃，可见随着MNDWI值逐渐增加，地表温度逐渐减小，水体面积的增加可使南昌城市热岛效应减弱，这是由于水的比热容大，吸收同等热量的升温值最小，水面蒸发吸热也带走一部分热量；(3)南昌城市热岛效应与BSI呈正相关，相关系数为0.90，BSI值每增加0.1，地表温度增加3.38 ℃，可见裸地对城市热岛效应起增强作用，应合理利用城市裸地，有效抑制热岛效应；(4)南昌城市热岛效应与NDBBI呈正相关，相关系数为0.88，NDBBI值每增加0.1，地表温度增加1.34 ℃，城市建筑用地以砖石、水泥、混凝土为主，能吸收大量太阳辐射并有较高的蓄热能力，可见城市建筑用地对城市热岛效应起增强作用，应合理控制城市建筑用地面积，最大限度减弱城市热岛效应。

4 结论与讨论

(1)南昌市热岛效应明显，热岛强度由城区中心向近郊、远郊逐渐降低。

(2)南昌市地表温度与NDVI、MNDWI呈负相关关系，与BSI、NDBBI呈正相关关系。

(3)南昌市地表温度与NDVI散点图主体呈现三角形，与前人研究成果一致；地表温度与NDVI、MNDWI、BSI、NDBBI回归分析得到的相关关系与散点图分析结果一致。

(4)南昌市相关部门可通过增加城市植被覆盖率、扩大城市水域，同时合理利用城市裸地和布局城市建筑用地，以缓解城市热岛效应。

对于南昌市热岛效应，本文只选取了一景数据进行研究。后续可利用多时相Landsat 8遥感数据，研究城市热岛的季节[24]和年际变化特征，并验证地表温度与4种指数之间关系的普遍性。

[1] 白杨,孟浩,王敏,等.上海市城市热岛景观格局演变特征研究[J].环境科学与技术,2013,36(3):196-201.

[2] 白杨,王晓云,蒋海梅,等.城市热岛效应研究进展[J].气象与环境学报,2013,29(2):101-106.

[3] 吴万友,吕小明.南昌市热岛效应及其与SO2浓度关系研究[J].江西气象科技,1998,21(4):44-47.

[4] 郑蕉,陈文波,乐新贵.基于Landsat ETM+图像的南昌市地表温度反演与分析[J].江西农业大学学报,2007,29(3):490-494.

[5] 欧立业,郑海金.基于卫星遥感影像的南昌市城市热岛效应研究[J].测绘信息与工程,2009,34(4):28-30.

[6] 吴凡,景元书.基于Landsat TM/ETM+数据的南昌城市热岛效应研究[J].南京信息工程大学学报:自然科学版,2013,5(4):326-330.

[7] USGS. Frequently asked questions about the Landsat Missions[EB/OL].(2014-06-19)http:\landsat.usgs.gov/band_designations_landsat_satellites. php.

[8] 黎良材,Deng-sheng,张晓丽,等.基于Landsat 8卫星影像的重工业城市热岛效应研究：以柳州市为例[J].中南林业科技大学学报,2015,35(7):74-80.

[9] 邓书斌,陈秋锦,杜会建,等.ENVI遥感图像处理方法[M].北京:高等教育出版社,2014:419-424.

[10] USGS. Landsat8 (L8) operational land imager(OLI)and thermal infrared sensor(TIRS)[EB/OL]. (2014-01-29)http://landsat.usgs.gov/calibration_notices.php.

[11] 蒋大林,匡鸿海,曹晓峰,等.基于Landsat 8的地表温度反演算法研究:以滇池流域为例[J].遥感技术与应用,2015,30(3):448-454.

[12] Sobrino J A, Jiménez-Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440.

[13] 盛辉,万红,崔建勇,等.基于TM影像的城市热岛效应监测与预测分析[J].遥感技术与应用,2010,25(1):8-14.

[14] USGS. Landsat Missions[EB/OL]. (2013-04-18)http://landsat.usgs.gov/index.php.

[15] 徐涵秋,唐菲.新一代Landsat系列卫星:Landsat 8 遥感影像新增特征及其生态环境意义[J].生态学报,2013,33(11):3249-3257.

[16] 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.

[17] 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.

[18] Rikimaru A. Landsat T M data processing guide for forest canopy density mapping and monitoring model[C]//ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest. Bangkok, Thailand, 1996: 1-8.

[19] 吴志杰,赵书河.基于TM图像的“增强的指数型建筑用地指数”研究[J].国土资源遥感,2012(2):50-55.

[20] Carlson T N, Gilliies 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(1): 161-173.

[21] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience & Remote Sensing, 1990, 28(5): 940-948.

[22] 方刚.基于Landdat 8卫星影像和地表参数的宿州市城市热岛效应分析[J].土壤通报,2014,45(5): 1241-1246.

[23] 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.

[24] 但尚铭,但玻,杨秀蓉,等.卫星遥感成都平原城市热岛效应的动态特征[J].环境科学与技术,2009,32(7):10-13.

(责任编辑：曾小军)

Study on Urban Heat Island Effect in Nanchang Based on Landsat 8 Satellite Images

CHEN Xing-juan1, WEN Xin-long1, GUO Lei2

(1. Meteorological Science Research Institute of Jiangxi Province, Nanchang 330096, China;2. Meteorological Service Center of Jiangxi Province, Nanchang 330096, China)

The urban heat island effect in Nanchang was studied by using Landsat 8 OLI/TIRS satellite images on October 8th, 2014 as main data source and ENVI 5.1 software as platform. According to radiative transfer equation, the surface temperature of Nanchang city was calculated and normalized, and a classification map of Nanchang municipal heat island intensity was obtained. On this basis, through conducting the statistical analysis of Nanchang municipal urban heat island effect, normalized difference vegetation index (NDVI), modified normalized difference water index (MNDWI), bare soil index (BSI), and normalized difference bareness and built-up index (NDBBI), the quantitative relationships between the surface temperature of Nanchang and the above 4 indexes were acquired. The results showed that: (1) The urban heat island effect in Nanchang was obvious, and the heat island intensity gradually decreased from city center to suburb; (2) There was a negative correlation between the surface temperature andNDVI; (3) There was a negative correlation between the surface temperature andMNDWI; (4) The surface temperature was positively correlated toBSI; (5) The surface temperature was positively correlated toNDBBI. Thus, increasing the urban vegetation coverage, enlarging the urban water area, reasonably using urban bare land, and rationally distributing urban construction land can relieve the urban heat island in Nanchang.

Nanchang city; Urban heat island effect; Landsat 8;NDVI;MNDWI;BSI;NDBBI

2016-10-28

2015年江西省气象局青年人才培养项目(赣气发[2015]111号)。

陈兴鹃(1986─)，女，吉林人，工程师，研究生，研究方向：卫星遥感技术与应用。

X87；TP79

A

1001-8581(2017)03-0103-06