中小城市热岛效应及地表参数相关性研究

杨松勇， 刘士彪， 刘昭华

（江西理工大学建筑与测绘工程学院，江西 赣州341000）

0 引 言

城市化进程的加快，不透水面为主的人工景观逐渐取代城市周边的植被、水体等自然景观格局，在人工下垫面比例提高的同时，由于地表覆被的变化导致了地表热辐射、传递与存储的一系列改变，最终以城市热岛的形式表现出来[1].城市化进程的逐渐深入，城市热岛效应愈演愈烈，导致人类聚居地的气候环境、生态环境等遭到严重破坏，能源、健康乃至安全问题随之而来，对人类社会的可持续发展构成严重威胁.

随着空间信息技术的发展，高分辨率的卫星热红外遥感技术逐步发展并趋于完善，利用热红外数据获取地表信息、监测城市热场已成为现实，且该技术手段在城市热岛研究中发挥着越来越重要的作用[2].目前应用遥感技术在城市热岛研究方面主要包括地表温度解译方法的研究[3-6]、城市热岛空间格局与演化研究[7-9]以及城市热岛形成与驱动力研究[10-11]，除此之外，还有城市热环境与地表特征之间的关系研究[12]，主要包括城市热岛与土地利用变化[13-14]以及与不透水面之间[15-16]的关系研究.例如樊亚鹏等[17]利用四期Landsat影像对广州市的城市扩展及热环境效应进行研究，并讨论了城市热环境与建筑指数和植被指数之间的定量关系.Mathew A等[18]利用MODIS数据对印度的艾哈迈达巴德和斋浦尔的城市热岛效应进行了研究，得出虽白天观测到的温度较高，但城市热岛现象在夜间更明显这一结论，并在斋浦尔进行了24小时的温度监测，进行了地表温度测量研究，结果表明土壤具有快速升温的特性，植被覆盖区在整个观测期间的温度最低.

然而绝大多数研究主要集中于大型城市的热岛效应，对于中小城市的热岛变迁过程及格局研究较少.随着城市化进程的深入，中小城市扩张明显，地类演化剧烈，研究由此引起的热场分布变化无疑对城市的规划发展具有一定的指导作用，研究城市热岛效应与下垫面各参数之间的关系对提出减缓热岛效应非常具有价值.文中以2009年、2014年、2017年Landsat影像为数据源，ENVI5.3、ArcGIS为软件平台，以石城县县城总体规划方案（2013—2030）中的县城规划区域为研究区，采用辐射传输方程法对该地区进行地表温度反演，此基础上对该地区城市热岛效应与各地表参数进行定量化相关性研究.这对热岛效应的城市的合理规划、城市热岛效应的缓解具有重要的意义，为石城县创建森林城市、园林县城提供参考.

1 研究区概况及数据源

1.1 研究区概况

石城县位于江西省赣州市的东北部，石城县县城总体规划方案（2013—2030）中将石城县定为赣江源头生态宜居宜业城市、赣东南交通枢纽和商贸物流中心、赣州市新型工业城，有着“三区两片、一带两廊、三轴三心”的规划结构.石城县位于中亚热带季风湿润气候区，日照充足，降水充沛，四季分明，全年平均日照时长为1825.6 h，年平均温度和年降水量分别介于 15.5～19.1℃和 1400～1900 mm之间，两者均呈东高西低、南高北低的空间格局.石城县属东南丘陵低山地区，中部地势平坦，东北部群山包围，西南部丘陵连绵，是一片原生态的生命绿洲，生态环境基础良好.近些年来城市化扩张对资源具有严重的破坏，城市热岛效应越发显著.

1.2 数据源及数据处理

选用地理空间数据云网站(http：//www.gscloud.cn)下载的2009年10月26日、2014年10月8日和2017年11月1日的三期Landsat遥感数据作为主要数据源，云量较少，影响质量较好；影像空间分辨率为30 m，Landsat TM5第6波段（热红外波段）分辨率为120 m，Landsat 8第10波段 （热红外波段）分辨率为100 m；非遥感数据主要包括石城县航空影像数据和1∶500的地形图.

在ENVI5.3软件中，对遥感数据进行读取、辐射定标、大气校正等处理；利用石城县1∶500的规划图对各期影像进行几何校正；利用石城县城市矢量图裁剪出研究区域遥感影像.研究区概况（航拍图）如图1所示.

图1 研究区概况

2 研究方法

2.1 地表温度反演

地表温度作为遥感影像反演结果，是影像在剔除大气以及传感器自身的各种影响后，考虑到不同地表比辐射率的情况下得到的地表辐射量所对应的温度[19].由于遥感影像的最小单元是像元，通常都是混合像元；大气作为一个复杂的系统，很难通过模型来进行参数估计，故而增加了遥感反演地表温度的难度.地表温度又称地面辐射温度，指的是与地表有相同辐射亮度的黑体温度，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.地表亮度温度与地表温度在数值上虽不相等，但二者相关性强，相比地表亮度温度，地表温度包含更多大气信息，在一定程度上能够模拟地表温度的空间分布，更有利于城市热岛效应的反演与评估[20].

常用的基于热红外数据的地表温度反演方法有：辐射传输方程算法、单窗算法和分裂窗算法等，一些学者对不同算法的反演精度进行了定量对比分析,结果表明辐射传输方程法精度最高[21-23].辐射传输方程法（也称大气校正法）是目前地表温度反演主要算法之一，主要使用大气模型模拟大气对地表热辐射的影响，包括估计大气对热辐射传导的吸收作用以及大气自身的向上和该方法主要是依靠MODTRAN辐射传输代码和整体算法获取特定点的透过率和大气上下辐射亮度，估计误差较小，仅有3%左右[24].测算过程主要包括：

1）计算归一化植被指数NDVI

式（1）中：ρNIR表示近红外波段，ρR表示红波段.

2）计算植被覆盖度

式（2）中：b1表示公式（1）计算的结果.

3）计算地表比辐射率

由于Landsat TM的第6波段与Landsat8 TIRS的第10波段波谱范围较为相近，处理过程中均可采用Sobrino[25]提出的NDVI阈值法计算地表比辐射率，如公式（3）所示：

式（3）中：Pv是植被覆盖度，用公式（2）计算的植被覆盖度结果.

4）计算同温度下黑体辐射亮度值

式（4）中：b1为地表比辐射率结果，b2为热红外波段经过辐射定标的图像，Lu为大气向上辐射亮度、Ld为大气向下辐射亮度、t为大气在热红外波段的透过率.

辐射传输方程法大气参数值包括大气上行辐射、大气下行辐射和大气透过率可以在NASA公布的网站查询（http：//atmcorr.gsfc.nasa.gov），以 2014 年Landsat遥感数据为例，输入成影时间：2014-10-08 02：45 和中心经纬度（Lat：26，Lon：115.8），以及其他相应的参数，得到大气剖面信息如图2所示.

图2 辐射传输方程法大气参数值

5）计算地表温度

根据普朗克公式的反函数，地表温度计算公式如式（5）所示：

式（5）中：b1为同温度黑体辐射亮度值，LST为真实的地表温度值，单位是℃，参数K1、K2为普朗克校正常量（表1），可从遥感影像元数据中获取.

表1 传感器参数设置

2.2 热岛效应等级划分

对地表温度进行归一化处理，使得处理后像元数据区间为[0，1]；按公差为0.2的等差级数将热岛效应密度分割为五个等级，其中，0.0～0.2表示强绿岛区，0.2～0.4表示绿岛区，0.4～0.6表示中等区，0.6～0.8表示热岛区，0.8～1.0表示强热岛区.归一化处理方法如公式（6）所示：

式（6）中：N表示热红外影像中第i个像元归一化地表温度值；Tmax、Tmin分别表示地表温度的最大值和最小值；Ti则表示第i个像元的地表温度值.

2.3 地表反演温度验证

对于地表温度遥感反演结果的验证，最普遍的方法就是将Landsat热红外影像反演的地表温度与卫星飞过该地区上空时刻的地面测量(对应像元尺度)温度值进行比较.但由于实测值不容易获取，这里选用MODIS地表温度合成产品（MODLT1F，精度为1 km）作为标准值来验证本文的亮温反演结果.以2014年数据为例，LST反演结果与同天MOD11A1进行对比，经过数据统计得出，Landsat反演结果显示研究区地表温度最高值为38.42℃，最低温度为19.51℃，MODIS地表温度的最高值为36.54℃，最低温度为18.82℃，空间分布整体一致性较高.由遥感物理知识可知，传感器在接收地表辐射值时，除地表辐射值外，还包括了大气辐射的地表反射以及大气散射等多来源辐射值，使得地表温度值普遍高于地表温度值.

为进一步验证反演结果，这里分别从建筑用地、水体、植被和裸地四类不同地表覆盖类型中各选取15个样本点，并统计各个样本点地表温度反演值与对应的MODIS地表温度值，用两者间差值的绝对值来表示两温度值的差异.通过统计分析可得，两者差异的平均值为0.94℃，反演总体精度较高.其中不同地表覆盖类型反演结果差异较大，其中温度差异最大值为2.02℃，出现在建筑用地覆盖类型样本中；最小值为0.45℃，出现在植被覆盖类型样本中，且整体上植被类型温度反演较好，样本差异绝对值均小于1℃.

2.4 地表参数的计算与提取

地表参数是导致城市热环境发生变化的主要因素，比如归一化建筑用地指数、土壤调节植被指数、改进归一化水体指数及裸土指数等几个主要的相关指数.城市热岛效应的形成与建筑用地、水体、植被及裸地之间相互转换紧密相关[26]，根据石城县城区地表覆盖情况，主要覆盖类型包括建筑用地、水体、植被以及部分裸地.为进一步研究该区域地表参数的变化和地表参数对城市热岛的影响，选用石城县2014年影像数据及热岛反演结果 （云量更少（0.18），能够更准确的反应热岛效应与各地表参数之间的相关性），选取能够反应建筑用地、水体、植被及裸地的相关指数进行研究.

1）归一化建筑用地指数NDBI

建筑用地指数 （Normalized Difference Buiding Index，NDBI）是基于归一植被指数提出的，根据不同地物光谱特征差异准确反应建筑用地信息，在地表植被覆盖较高地区可提高提取精度，其数值越大表明建筑用地比例越高.

式（7）中：NDBI表示建筑用地指数；ρSWIR2表示短波红外波段反射率；ρNIR表示近红外波段反射率.

2）土壤调节植被指数SAVI

土壤调节植被指数 （Soil Adjusted Vegetation Index，SAVI）是在NDVI公式基础上引入土壤调节因子，以此来消除土壤背景对植被光谱信号的影响.同时SAVI是最适合于研究城市建成区，其植被覆盖率降低至15%.

式（8）中：SAVI表示土壤调节植被指数；ρNIR表示近红外波段反射率；ρR表示红光波段反射率；L表示土壤调节因子，相关研究表明，当L=0.5时，可以将土壤的亮度差异降到最低，故这里取L=0.5.

3）改进归一化水体指数MNDWI

改进归一化差异水体指数 （Modified Normalized Difference Water Index，MNDWI） 采用了归一化的比值运算，能够去除地形等外界环境的影响，在抑制植被噪音信息的同时能够较好的抑制土壤和建筑用地信息，从而有利于水体信息的提取，特别是提取城镇范围的水体；另外，MNDWI容易区分阴影和水体，解决了水体提取中难消除阴影的难题.

式（9）中：MNDWI表示改进的归一化水体指数；ρG表示绿光波段反射率；ρSWIR1表示短波热红外波段反射率.

4）裸土指数BSI

在裸土指数（Bare Soil Index，BSI）图像上，裸地亮度最高，能够用于某地区裸地信息的提取.表达式如公式（10）所示.

式（10）中：BSI表示裸土指数；ρSWIR1表示短波热红外波段反射率；ρR示红光波段反射率；ρNIR表示近红外波段反射率.

通过公式（7）到公式（10），在 ENVI5.3 软件中依次进行Landsat 8波段运算命令，分别提取到4种指数分布图（图 3），建设用地和裸土的 NDBI、BSI指数值较高，SAVI、MNDWI指数值较低；植被的NDBI、MNDWI 指数值较低，SAVI、BSI 指 数 值 较高； 水体的 MNDWI指数值高，NDBI、SAVI、BSI指数值均较低.

图3 2014年石城县4种指数分布

3 结果与分析

3.1 热岛效应等级时空分布

由于3幅影像获取的时相不完全一致，不能直接将绝对地表温度值进行对比，月份及季节的差异只影响绝对温度值，不影响温度的分布规律，故对各年份影像的地表温度进行正规化；利用密度分割技术将正规化以后的数据密度分割成强绿岛区、绿岛区、中等区、热岛区和强热岛区5个等级（图4），提取各等级分区面积（表2），进一步分析石城县城市热岛时空分布变化.

图4 石城县城市热岛效应等级影像分布

表2 热岛等级区面积及所占比例

由图4可知，各年研究区绿岛区及中等区分布较广，由县城中心到郊区热岛强度逐渐减弱，其中城市热岛主要位于琴江西岸琴江镇的城西片区以及县城南部.强绿岛区分布较少，主要集中在植被覆盖度较高的区域，如东城郊野生态主题公园以及西南部花园森林公园局部；热岛区主要分布于琴江两岸地区，近年来还集中于县城南部及东南部地区.由于县城中心坐落于此，具有密集的城市建筑群，且工业企业相对较多，土地利用以建设用地为主，包括行政、文化、教育、商业、体育、工业、居住等用地；随着城市的扩张及发展，琴江两岸、县城南部建筑群落不断增加，县城南部桥村周边分布了工业基地、物流仓储基地、商务设施及各级居民地，热岛区面积有所覆盖，呈现放射状由热岛中心向周边环境递减；强热岛区范围较小但分布集中，主要位于琴江西岸的城西片区，以老城区和工业区为主，尤以石城县工业园区之一的古樟工业园为主，众多工业企业集中于此，加之流动人口较多，故而该区热岛强度较为严重.

由表2可知，各阶段性县城热岛等级分布差异明显.2009—2014年，中等区面积变化最大，覆盖面积减少了9.19 km2；强热岛区面积增量最大，东部植被面积增加的同时，县城西南部的花园森林公园范围强绿岛区面积也有所增加；2014—2017年，强绿岛区面积变化最大，减少了4.36 km2，中等区变化量次之，面积增加了3.97 km2，强热岛区面积变化量最小.石城县2009—2017年近10年中，中等区面积变化量最大，范围减少了5.22 km2；绿岛区面积增量最大，增加了4.30 km2，近年来随着石城县生态县建设强度的不断增加，东、西城郊野生态公园、通天寨等各公园景区生态范围不断增加；强热岛区范围由2009年的0.23 km2增加到0.37 km2，面积增加了0.14 km2.

3.2 热岛效应与各参数指数关系的建立

为进一步定量分析地表温度与各指数之间的关系，确保统计分析的客观性,结合研究区域面积的大小，对2014年的各指数图像及热岛温度反演图进行随机采集40个样本点，并对样本点做统计和回归分析（图5）.

图5 地表温度与各指数相关性分析

地表温度与四种指数回归分析结果与散点图结果保持一致，地表温度与SAVI、MNDWI、NDBI和BSI指数之间存在显著相关性.石城县地表温度LST与NDBI呈正相关，相关系数r为0.86，NDBI数值每增加0.1，地表温度增加2.63℃（图5（a）），说明城市建筑用地面积的增加对地表温度具有增强作用.地表温度LST与SAVI呈负相关，相关系数为0.92，SAVI数值每增加0.1，地表温度减少2.48℃（图5（b）），可以提高城市绿地覆盖率，对热岛效应具有缓解作用.地表温度LST与MNDWI呈负相关，相关系数为0.77，MNDWI数值每增加0.1，地表温度减少 4.26℃（图 5（c）），说明地表水体含量以及植被含水量也是影响温度变化的重要因素.地表温度LST与BSI呈正相关，相关系数为0.87，BSI数值每增加0.1，地表温度增加3.24℃（图5（d）），说明城市裸土面积等不透水下垫面的增长会使城市温度增高,热岛效应加剧.

4 结 论

地表温度作为地表物理过程中的一个重要参数，是全球物质能量循环、能量平衡、气候变化的重要因素，是自然科学研究的一个重要领域.随着遥感技术的快速发展，目前利用单一的热红外通道数据反演地表温度研究较多，通过获取过境时刻的热红外辐射量，利用一定的反演算法估算地表温度，进而反应地表温度.

文中选用多时相Landsat遥感数据，通过对石城县城市热岛效应的测算以及相关地表参数的计算，分析了石城县2009年、2014年及2017年城市热岛效应各等级时空分布变化，及其与相关参数指数之间的相关性，得出如下结论：

1）石城县城市热岛效应等级空间分布分区显著，热岛效应强度由县城中心向周边郊区逐渐降低；绿岛区及中等区分布较广，强绿岛区主要分布于县城的东城郊野生态公园及西南部的花园森林公园等植被覆盖较多的地区；热岛区主要集中于中心县城的琴江两岸地区以及县城南部地区；强热岛区主要分布于琴江镇琴江西岸的老城区及工业区.

2）2009—2017年近10年中，研究区热岛强度等级空间分布变化显著.随着石城县生态县建设的实施，绿岛区面积持续增加，强绿岛区范围也有所扩大；热岛区面积持续减少，但空间分布区域集中化；同时强热岛区面积也有所增加，以工业区和住宅地为主.

3）城市地表温度与SAVI和MNDWI指数呈明显的线性负相关关系，与NDBI和BSI指数呈明显的正相关关系.为定量化分析地表参数之间的关系，通过回归分析拟合地表温度与四种地表参数指数之间的相关性函数，求解相关系数，表明适当提高绿地覆盖率、增加水域面积，合理规划城市道路及建筑物有助于减缓热岛效应.