APP下载

基于Landsat遥感影像的地表温度分析

2019-05-24杨永健李洪忠钟舒怡

软件导刊 2019年5期
关键词:城市热岛遥感技术

杨永健 李洪忠 钟舒怡

摘 要:随着城市扩张,不透水面增加,热岛现象日渐凸显,对生产生活造成负面影响。以2002-2017年3期Landsat遥感影像反演泉州主城区地表温度、植被指数、建筑物指数,通过均值-标准差法对地表温度进行热岛分级,分析了热岛与植被指数、建筑用地的数量关系及发展趋势。结果表明:①地表温度与植被指数呈中等负相关关系,Pearson相关系数均值为-0.54,地表温度与城市建筑物指数呈显著线性关系,Pearson相关系数均值为0.82;②通过均值-标准差法对地表温度分级,2个城区热岛面积均呈上升趋势,鲤城区、丰泽区热岛区域面积分别上升30.33%、8.59%;③热岛区域与城区建设用地发展趋势一致,鲤城区热岛区域受建筑物指数影响较大,丰泽区受植被覆盖与水域影响,热岛效应减弱。

关键词:热岛效应;遥感技术;城市热岛;线性拟合

DOI:10. 11907/rjdk. 191312

中图分类号:TP317.4 文献标识码:A 文章编号:1672-7800(2019)005-0187-05

Abstract: As the city expands and the impervious surface increases, the heat island phenomenon becomes increasingly prominent, which has a negative impact on production and life. The Landsat remote sensing image of 2002-2017 was used to invert the surface temperature, vegetation index and building index of Quanzhou's main urban area. The mean-standard deviation method was used to classify the surface temperature of the heat island. The relationship among the heat island and the vegetation index and the construction land as well as development trends were analyzed. The results show that: ①The surface temperature has a moderately negative correlation with the vegetation index, and the Pearson correlation coefficient is -0.54; the surface temperature has a significant linear relationship with the urban building index, and the Pearson correlation coefficient has a mean value of 0.82. ②The surface temperature is graded by the mean-standard deviation method. The area of the heat islands in the two urban areas is increasing. The area of the heat islands in the Wucheng District and Fengze District increased by 30.33% and 8.59% respectively. ③ The development trend of the heat island area and the urban construction land is the same. The heat island area in the urban area is greatly affected by the building index. The Fengze area is affected by the vegetation cover and water area, and the heat island effect is weakened.

Key Words: heat island effect;remote sensing;urban heat island;linear fit

0 引言

城市热岛是一个具有水平、垂直和时间尺度的热异常现象,几乎在大多数定居点都可以观察到[1]。在研究最多的中纬度地区,热岛特征与城市内在规模、不透水面、土地利用分布有关,与城市外部因素如气候、空气污染及季节等也有关[2-6]。陈康林等[7]分析广州市热环境强度等级格局时,发现热岛强度空间可预测性高;彭少麟等[8]提出,城市热量平衡与城市下垫面性质改变有关;武鹏飞等[9]对空间剖面分析,揭示了北京市建筑與温度相关性的空间分布规律;江振蓝等[10]通过Moran's I指数和G系数法对热岛范围进行界定;王宏博等[11]对沈阳市进行城市热岛特征分析,发现热岛与城区发展一致。因此,城市热岛与城区发展尤其是城市下垫面性质有密切关系。

福建省泉州市2016年GDP为6 646.63亿元,比2002年相比多4倍,其中鲤城区、丰泽区约占全市总量的14%[12]。经济发展的同时,城区扩张带来的热岛效应在所难免。因此,本文就城市热岛与土地覆被情况进行分析,利用遥感图像处理软件ENVI5.3平台提取相关指数,通过回归模型分析泉州2个主城区热岛效应相关指标的数学关系。

1 研究区概况与数据处理

1.1 研究区概况

泉州(东经117°34′ ~119°05′ 、北纬24°22′ ~25°56′ )位于福建省东南部,属于亚热带海洋性季风气候,夏季高温多雨,冬夏干湿差别不大;地势西北高东南低,山地丘陵占土地总面积80%左右。泉州辖3市、4区、5县,是海上丝绸之路起点,国家“一带一路”战略的21世纪海上丝绸之路先行区。本文以鲤城、丰泽2区作为研究对象,研究区面积约157.9km2,研究区位置如图1所示。

1.2 数据来源及预处理

本文通过美国地质勘探局(https://landsatlook.usgs.gov)获取Landsat-5 TM、Landsat-8 OLI/TIRS数据,数据行列号为119/43。为避免云量对温度反演的影响,尽量选取少云或无云影像作为研究对象,在时间序列上,选取相近时相遥感影像,获取日期分别为2002年7月5日、2009年6月6日、2016年7月27日。大气修正数据通过美国国家航空航天局(https://atmcorr.gsfc.nasa.gov/)获取。

本文辅助数据为2002年、2009年、2016年土地利用分类图,借助易康平台对土地覆被情况进行面向对象分类,按照规则分类后,在谷歌高清影像上进行人工目视校正。

遥感图像预处理分别进行辐射定标、大气校正、重投影,最后利用矢量邊界进行裁剪。

2 指数计算方法

2.1 归一化差异植被指数

由上述IBI-LST线性方程结果进一步得出,在夏季,IBI值每上升0.1个单位,地表温度上升约0.9~1.3℃。因此,随着城市的发展,改进城市下垫面材料及建筑屋顶能有效降低IBI值,从而减缓城市热岛效应。同样,有关研究表明,建立城市绿岛,扩大城市绿地面积,以提高城市NDVI值,也能有效降低城市地表温度[17]。

3.2 地表温度变化分析

目前,热岛分级方法有等间距断点法、极差标准化法、均值—标准差法等[18-20]。均值—标准差分级优势在于不同时间、不同传感器的影像每期温度区间范围不同,该方法充分利用统计学概念,充分利用均值、标准差等数据。通过多次试验对比,参考陈松林等[21]对均值—标准差法的论述,最终采用均值—标准差法对泉州市区地表温度进行等级划分,获得热岛空间分布,划分标准如表1所示。

其中,min、max、μ、σ分别代表研究区像元温度最小值、最大值、平均值及标准差。

将陆地地表温度进行热岛等级划分,1~5级分别对应低温区、次低温区、中温区、次高温区、高温区,其中次高温区及高温区为热岛区,其余为非热岛区。各等级面积统计如表2所示。

从整体看,2002-2016年主城区热岛面积逐年上升,由2002年的51.64km2增长至2016年的60.62km2,复合增长率为1.15%,即在这14年内,主城区热岛面积以每年1.15%的速率增长。从分区看,鲤城区热岛面积逐年上升,从2002年的20.90km2增长至2016年的27.24km2,呈逐年增长趋势;丰泽区2002-2009年保持在30.70km2左右,最后增长至33.38km2,呈先保持后增长趋势。各年份热岛空间分布如图4所示,各年土地利用空间分布如图5所示(见封二彩图)。

由空间分布可以看出,热岛区域由主城区中部逐渐向四周扩散,尤其鲤城区扩散区域较多,结合表2,2002年鲤城区热岛面积约20.90km2,2016年达到27.24km2,增幅为30.33%。2002年、2016年建设用地分别为18.00km2和28.41km2,鲤城区热岛面积与建设用地面积基本一致,面积精度在85%以上,说明热岛面积增长与城区扩张面积一致。丰泽区精确度较低,热岛面积与建设用地面积的误差度在23%~45%,主要原因在于2016年鲤城区植被覆盖度占该区面积的35.47%,丰泽区占38.69%,且丰泽区东侧与南侧有大片水域,在一定程度上减弱了丰泽区的热岛效应,故建设用地面积与实际热岛面积一致性较弱。综上,NDVI和IBI对LST均产生影响,植被覆盖与水域减弱了建筑物对热岛的影响。

3.3 NDVI、IBI与LST相关度分析

对3期各指数进行相同位置取点,作三维散点图,如图6所示。由图6可知,随着NDVI上升,IBI和LST下降;反之NDVI下降,IBI和LST上升。随机抽样数据表明,NDVI值与IBI、LST的增长趋势相反。值得注意的是,NDVI大致在[-0.4,-0.1]区间内,有部分样点的IBI值处于[-0.4,-0.1],LST处于26~29℃,即图6中随机点较分散处,整体趋势未出现较明显上升或下降,这是由于该部分地物为水体,包括河流、湖泊等。

水体影响三者之间的相关性,因此对3期遥感影像作水掩模处理,并取相同点位置各指数值,对指数归一化,进行多元线性拟合,得到三者之间的线性关系。

4 结果与讨论

本文通过反演2002年、2009年、2016年3景Landsat卫星遥感影像,反演出地表温度、城市建筑指数、归一化植被指数等数据,分析了泉州市2个辖区城市热岛时空变化数量关系,得到如下结论:

(1)LST与NDVI、NDVI均呈线性相关,其中LST与NDVI为中等负相关,与IBI为较强正相关。通过LST与NDVI、IBI的线性拟合关系得出,LST与NDVI、IBI的Pearson相关系数均值为-0.54、0.82,LST与IBI的正相关性强于LST与NDVI的负相关性。多元线性拟合同样验证了该关系,决定系数R2在0.9以上。

(2)热岛发展趋势与城区发展趋势一致。通过均值—标准差法热岛分级,2002-2016年热岛面积整体呈上升趋势,主城区热岛面积以每年1.15%的速率增长。热岛区域由研究区中部逐渐向四周扩散,鲤城区共计增长6.34km2,丰泽区共计增长2.64km2,增长率分别为30.33%、8.59%。

(3)对建设用地占比较高区域,用均值—标准差分级法确定热岛区域效果更好。通过对比热岛区域与土地利用图,鲤城区受建筑用地影响较大,热岛面积与建设用地面积匹配度在85%以上,而丰泽区匹配度较低,主要原因是丰泽区受植被水体影响,一定程度上缓解了建筑用地的热岛效应。

本文通过对泉州市区3期遥感影像温度反演,并通过均值—标准差法对热岛区域进行分级,一定程度上反映了泉州近14年的城区发展,通过对比土地利用图,鲤城区热岛分级效果良好,丰泽区稍差。然而,由于分级方法较单一,定义热岛边界也存在一定局限性。

参考文献:

[1] OKE T R. The energetic basis of the urban heat island[J]. Quarterly Journal of the Royal Meteorological Society, 1982,108(455):1-24.

[2] 樊智宇,詹庆明,刘慧民,等. 武汉市夏季城市热岛与不透水面增温强度时空分布[J]. 地球信息科学学报,2019,21(2):226-235.

[3] 裴志方,文艳,杨武年. 城市化下城市热環境与下垫面关系研究——以郑州市为例[J]. 云南师范大学学报:自然科学版,2019,39(1):66-71.

[4] 周梦宇. 土地利用/覆盖变化与热岛效应关系的研究[D]. 南昌:东华理工大学, 2017.

[5] 丁海勇, 史恒畅. 基于Landsat数据的城市热岛变化分析——以南京市为例[J]. 安全与环境学报,2018,18(5):2033-2044.

[6] 王建凯,王开存,王普才. 基于MODIS地表温度产品的北京城市热岛(冷岛)强度分析[J]. 遥感学报,2007,11(3):330-339.

[7] 陈康林,龚建周,陈晓越. 广州市热岛强度的空间格局及其分异特征[J]. 生态学杂志, 2017,36(3):792-799.

[8] 彭少麟,周凯,叶有华,等. 城市热岛效应研究进展[J]. 生态环境, 2005,14(4):574-579.

[9] 武鹏飞,王茂军,张学霞. 基于归一化建筑指数的北京市城市热岛效应分布特征[J]. 生态环境学报,2009,18(4):1325-1331.

[10] 江振蓝,龚振彬,潘辉,等. 空间自相关局部指标在城市热岛界定中的应用[J]. 国土资源遥感,2018,30(3):136-142.

[11] 王宏博,李丽光,赵梓淇,等. 基于TM/ETM+数据的沈阳市各区城市热岛特征[J]. 生态学杂志,2015,34(1):219-226.

[12] 泉州市统计局.泉州统计年鉴2017[EB/OL].http://tjj.quanzhou.gov.cn/tjzl/tjsj/ndsj/201709/t20170925_541618.htm.

[13] 查勇,倪绍祥,杨山. 一种利用TM图像自动提取城镇用地信息的有效方法[J]. 遥感学报,2003,7(1):37-40.

[14] XU H Q. Extraction of urban built-up land features from landsat imagery using a thematic-oriented index combination technique[J]. Photogrammetric Engineering & Remote Sensing,2007,73(12):1381-1391.

[15] XU H Q. A new index for delineating built-up land features in satellite imagery[J].International Journal of Remote Sensing,2008,29(14):4269-4276.

[16] 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, 2015.

[17] 覃志豪,李文娟,徐斌,等. 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感, 2004(3):28-32.

[18] 徐涵秋,陈本清. 不同时相的遥感热红外图像在研究城市热岛变化中的处理方法[J]. 遥感技术与应用,2003(3):129-133.

[19] 张兆明,何国金,肖荣波,等. 北京市热岛演变遥感研究[J]. 遥感信息,2005(6):46-48.

[20] 张金区. 珠江三角洲地区地表热环境的遥感探测及时空演化研究[D]. 广州:中国科学院研究生院(广州地球化学研究所),2006.

[21] 陈松林,王天星. 等间距法和均值标准差法界定城市热岛的对比研究[J]. 地球信息科学学报,2009,11(2):145-150.

(责任编辑:何 丽)

猜你喜欢

城市热岛遥感技术
典型气象条件下城市热岛效应逐时变化特征
基于CiteSpace的城市热岛研究进展与热点分析
基于Modis数据的山东省夏季城市热岛效应时空变化分析
死海不“死”等
无人机遥感技术在水土保持监测中的应用
遥感技术在林业中的应用
遥感技术在农村土地承包经营权确权登记中的应用
基于遥感技术监测的湖南省农田动态变化
遥感技术与数字国土
夏季城市热岛效应的空间变异研究方案探讨