基于TM/OLI影像的西安城区热岛效应分析

岳 辉，王腾龙，王浩人，张 维，刘 英

（1. 西安科技大学 测绘科学与技术学院，陕西 西安710054）

基于TM/OLI影像的西安城区热岛效应分析

岳 辉1，王腾龙1，王浩人1，张 维1，刘 英1

（1. 西安科技大学 测绘科学与技术学院，陕西 西安710054）

以2002年Landsat5 TM和2014年Landsat8 OLI影像为数据源，分别反演了2002年和2014年西安市城区的地表温度，并对地温进行极值归一化处理，以此分析西安城区的热岛强度时空分布规律。结合归一化植被指数和城市热岛强度分布分析了植被覆盖对热岛效应的影响。结果表明：2002～2014年西安市热岛强度高温比例上升，热岛效应增强；较高的植被覆盖度能对城市热岛效应带来的高温影响起到缓解作用。

西安城区；热岛效应；地表温度；反演

城市热岛效应指在不同气候背景下，由城市化进程中人类活动所诱发的生态环境失调而形成的城市中心温度高于郊区的特殊气候[1]。Howard L[2]于1833年首次提出“热岛效应”一词，1958年Manley G[3]首次提出城市热岛的概念，而利用遥感技术进行热岛效应的研究始于20世纪70年代。1972年Rao P[4]利用热红外遥感研究了城市热岛。1977年Carlson T N[5]等借助AVHRR热红外数据对洛杉矶地区的地表温度分布模式进行了研究，认为昼夜温差在植被覆盖度高的郊区小于工业区和商业区。1988年，Balling R C[6]等利用AVHRR热红外数据对美国Phoenix地区的地表辐射进行了研究，发现土地覆盖类型会影响地表温度，空地地表温度比重工业区地表温度低5℃。国内对于热岛效应的研究，特别是对关中地区地表温度的遥感反演近几年多有报道。田武文[7]等利用近40 a的西安及周边地面监测站气象资料分析并建立了西安市城市热岛效应模型。董妍[8]等分析了近50 a西安市常规气象站及城区加密自动站气象资料认为，西安城市热岛效应逐年增加，在空间上存在热岛多中心，且有明显的季节变化特征。贾宝全[9]等利用2006年和2010年的TM影像，通过定量遥感反演和相对亮温分析方法反演了西安市城区相应时间点上的热场温度，结果表明5 a 间温度升高了1.86℃。对于城市热岛的遥感研究方法可概括为基于植被指数﹑基于热力景观和基于温度3种，在实际应用中基于温度的方法使用频率最高[10-11]。常用的地面温度反演算法有辐射传输方程法[12]﹑单波段单窗算法[13]﹑单通道算法[14]和多波段劈窗算法[15]等。

近年来，西安的经济发展迅猛﹑人口急剧增长﹑水资源储量短缺，导致城市热岛现象愈演愈烈，已严重威胁到城市生态系统平衡。卫星遥感数据具有时间同步性好﹑覆盖范围广的特点，克服了气象资料数据在空间上缺乏代表性的弊端，从而为缓解城市热岛效应的研究提供了更加科学可靠的依据[16]。因此，本文选取2002年Landsat5 TM影像和2014年Landsat8 OLI影像，利用辐射传输方程法反演了西安市地表温度，并分析其热岛效应，为我国西部其他城市研究热岛效应提供一定的借鉴。

1 研究区概况与研究方法

1.1 研究区概况

西安市位于关中盆地，北临渭河和黄土高原，南临秦岭（图1）。年均气温为13.0～13.7℃，1月最冷，平均气温为-1.2～0.0℃；7月最热，平均气温为26.3～26.6℃。年降水量为522.4～719.5 mm。西安市2002年的GDP为775.21亿元，2014年的GDP为4 884.13亿元。

1.2 数据来源与反演方法

遥感数据包括2002-10-01的Landsat5 TM和2014-10-02的Landsat8 OLI影像（USGS, glovis.usgs.gov/）。

对影像进行全波段辐射定标﹑热红外波段辐射定标﹑FLAASH 大气校正，再利用辐射传输方程法反演地表温度，即利用卫星传感器所监测到的辐射亮度来反演地表温度。

图1 西安市城区图

1.2.1 地表比辐射率的计算

地表比辐射率，即先通过可见光和近红外光谱信息计算植被覆盖度，再计算不同地面类型的比辐射率。

1）归一化植被指数（NDVI）。利用TM影像Band 3/ Band4或OLI影像Band4/Band5的像元DN值计算NDVI：

2）植被覆盖度（FV）。本文采用混合像元分解法计算FV，其公式为：

3）地表比辐射率（ε）。依照已有研究，将影像划分为水体﹑城镇和自然表面3种类型。本文计算西安城区的地表比辐射率的步骤为：先将0.995赋值给水体像元的比辐射率，再通过式（3）估算自然表面和城镇像元的比辐射率，最后综合求得地表比辐射率：

式中，εsurface为自然表面像元的比辐射率；εbuilding为城镇像元的比辐射率。

1.2.2 相同温度下黑体的辐射亮度值计算

卫星传感器接收到的热红外辐射亮度值Lλ由3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层后到达卫星传感器的能量﹑以及大气向下辐射到达地面后反射的能量。地面的真实辐射亮度为同温度黑体的辐射亮度值LT与ε的乘积，其表达式为：

式中，T为地表的真实温度；τ为大气在热红外波段的透过率。在热红外波段，黑体温度为T的辐射亮度LT的计算公式为：

在NASA官网（http://atmcorr.gsfc.nasa.gov/）中输入遥感影像的成影时间和中心经纬度，选择搭载的卫星类型和大气模型参数后将会提供上述参数。

1.2.3 地表温度的反演

由普朗克公式的反函数计算所取得的热红外波段中温度为TS的黑体辐射亮度，推算地表真实温度TS：

2 研究结果与分析

2.1 西安市热岛时空分布

为了提高研究的可比性与精确度，本文对地表反演温度进行极值归一化处理，即LST′=(LST-LSTmin)/ (LSTmax-LSTmin)，其中LST′为像元归一化后的温度值；LSTmin为温度最小值；LSTmax为温度最大值。然后在ArcMap中利用掩膜提取裁剪得到城区的归一化值图像，并对处理后的值进行等级分类，将地表温度划分为低温﹑较低温﹑次中温﹑中温﹑次高温﹑高温6个等级，其中中温﹑次高温和高温3级主要分布在城区，构成主要的热岛斑块。不同年份各等级的热岛效应强度比例见表1﹑图2。

图2 2002年和2014年西安市城区热岛强度分布图

表1 2002年和2014年西安市城区热岛效应强度等级比例/%

由图2可知，西安市城区热岛效应随着城市的发展有逐年增强的趋势，覆盖区域逐渐扩大。2002年西安市热岛效应集中在灞桥区﹑碑林区和莲湖区，其中热岛效应最强的区域位于灞桥区和碑林区，呈斑点状分布；莲湖区﹑未央区和新城区的热岛效应分布呈散点状，且未央区的热岛效应最弱。而2014年西安市热岛效应几乎覆盖整个城区，呈片状分布，新城区﹑碑林区的热岛效应尤为明显；其中热岛效应最强的区域位于灞桥区﹑新城区和未央区，最强热岛面积相对其他区域较大。除低温外，2002年其他温度等级比例相差不大，温度集中在中温附近，高温和较低温比例相近；而2014年各温度等级比例差异明显，高温等级比例达46.27%。

2.2 NDVI与热岛效应

NDVI是通过遥感传感器接收的地表物体光谱信息计算得到的反映地表植被情况的定量值，是反映植被生长空间分布密度及其状态的指示因子。对比图3a和图3b可知，雁塔区NDVI值比莲湖区﹑碑林区和新城区高，而雁塔区的热岛强度相较于另外3区偏低；灞桥区NDVI值明显高于另外5区，而2014年的热岛强度最弱的是灞桥区。结合图2分析，2002年灞桥区靠近雁塔区附近的NDVI值明显小于2014年，对应的2002年该区域的温度等级为次高温，而2014年为中温。据此认为NDVI值高的区域热岛强度较低，而NDVI值低的区域热岛强度较高，说明高植被覆盖能有效缓解由城市热岛效应引起的气温升高现象。然而灞桥区靠近未央区的区域，热岛强度并没有与NDVI值呈现较好的负相关关系，分析认为灞桥区集中了印染纺织﹑航空航天等产业，导致该区域人为热加剧，而使NDVI值与热岛强度的相关性无法得到合理反映。

图3 2002和2014年西安市城区NDVI分布图

3 结 语

本文以西安市城区为例，利用 Landsat TM/OLI数据进行地表温度的反演，分析了热岛效应在西安市城区的时空分布特征，主要结论为：

1）2014年的热岛强度比2002年显著增强，高温比例成倍增长，且温度从城市中心（强热岛区域）向郊区逐渐降低，热岛中心呈多极分布，主要在市中心﹑人口聚集的商业区和工业园区。

2）2014年相对于2002年的植被指数上升，NDVI值高的区域热岛强度较低，而NDVI值低的区域热岛强度较高，说明地表植被能在一定程度上调节地表温度。因此，增加城市绿地面积，提高FV，将会缓解西安市的热岛效应。

城市热岛的形成原因很多，城市下垫面性质，特别是“水泥森林”模式的发展使得地表更易吸收大量热辐射，并在建筑物间反复吸收；土地利用结构的转变，尤其是城区周边大量耕地转变为建筑用地和工业用地，这类释放热量大﹑温度高的土地类型也造成城市热岛的增加；经济发展﹑能源消耗﹑人口增长﹑高层建筑数量和建筑容积率等其他因素都会影响城市热岛强度的变化。越来越多的大中城市面临着热岛效应的困扰，有学者也提出了应对措施，如提高城市的绿地覆盖率，减少人为热源的排放，预防和治理大气污染，在城区保留一定面积的水域，用高反射率的地表材料降低吸收率等[17-18]。西安市在未来的城市建设中应从上述方面综合考虑，建设绿色城市和低碳城市，降低城市热岛效应。

参考文献

[1] 陈爱莲,孙然好,陈利顶.基于景观格局的城市热岛研究进展[J].生态学报,2012,32(14):4 553-4 565

[2] Howard L. Climate of London Deduced from Metrological Observations(Vol.1)[M].3rd Edition, London: Harvey and Dorton Press,1833:348

[3] Manley G. On the Frequency of Snowfall in Metropolitan England[J]. Quarterly Journal of the Royal Meteorological Society,2010,84(359):70-72

[4] Rao P. Remote Sensing of Urban Heat Islands from an Environmental Satellite[J]. Bulletin of the American Meteorological Society,1972(53):647-648

[5] Carlson T N, Augustin J A, Boland F E. Potential Application of Satellite Temperatures Measurements in the Analysis of Land Use over Urban Areas[J]. Bulletin of the American Meteorological Society,1977(58):1 301-1 303

[6] Balling R C, Brazell S W. High Resolution Surface Temperature Patterns in a Compels Urban Terrain[J]. Photogrammetric Engineering and Remote Sensing,1988,54(9):1 289-1 293

[7] 田武文,黄祖英,胡春娟.西安市气候变暖与城市热岛效应问题研究[J].应用气象学报,2006,17(4):438-443

[8] 董妍,李星敏,杨艳超,等.西安城市热岛的时空分布特征[J].干旱区资源与环境,2011,25(8):107-112

[9] 贾宝全,邱尔发.基于TM卫星遥感影像的西安市城市热岛效应变化分析[J].干旱区研究,2013,30(2):347-355

[10] 郭振华.基于Landsat TM/ETM+数据的成都市城市热岛效应研究[D].成都:成都理工大学,2012:13-14

[11] 冯晓刚.城市热岛效应演变与成因遥感研究:以西安都市圈为例[D].西安:陕西师范大学,2011:15-18

[12] 覃志豪,ZHANG M H, Karnieli A B.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

[13] QIN Z H, Karnieli A, Berliner P . A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region[J]. International Journal of Remote Sensing,2012,22(18):3 719-3 746

[14] WENG Q, LU D. Estimation of Land Surface Temperaturevegetation Abundance Relationship for Urban Heat Island Studies[J]. Remote Sensing of Environment,2004,89(4):467-483

[15] 毛克彪,覃志豪,施建成,等.针对MODIS影像的劈窗算法研究[J].武汉大学学报(信息科学版),2005,30(8):703-707

[16] 胡嘉骢,朱启疆.城市热岛研究进展[J].北京师范大学学报(自然科学版),2010,46(2):186-193

[17] 温娟,包景岭,张征云.缓解城市热岛效应的生态措施分析[J].生态经济,2008,24(2):151-153

[18] 唐罗忠,李职奇,严春风,等.不同类型绿地对南京热岛效应的缓解作用[J].生态环境学报,2009,18(1):23-28

本 刊 声 明

为适应我国信息化建设，扩大本刊及作者知识信息交流渠道，本刊数据已被《中国核心期刊（遴选）数据库》《CNKI 中国期刊全文数据库》和《中文科技期刊数据库（全文版）》等收录。在《地理空间信息》发表的论文均默认将其在著作权保护期内的复制权﹑发行权﹑汇编权﹑翻译权以及网络传播权授权给《地理空间信息》编辑部，编辑部可将上述权利转授给第三方使用。作者不再许可他人以任何形式使用该篇论文，但可以在其后续作品中引用（或翻译）该论文中部分内容或将其汇编在作者的非期刊类文集中。如不同意，请事先声明，本刊另作处理。其文章的著作权使用费与本刊稿酬一次性给付（已在收取发表费时折减和换算为杂志赠阅）。

（本刊编辑部）

P237

B

1672-4623（2017）09-0111-04

10.3969/j.issn.1672-4623.2017.09.034

2016-06-03。

项目来源：国家自然科学基金资助项目（41401496）；陕西省教育厅2014年科学研究计划资助项目（14JK1471）；陕西省科技统筹创新工程资助项目（2011KTZB01-02-04）。

岳辉，博士，讲师，主要从事矿区环境遥感监测研究。