基于遥感技术的城市下垫面参数与热环境关系的研究—以北京市朝阳区为例

李膨利 （巴基斯坦）穆罕默德·阿米尔·西迪基 刘东云

近20年来，随着快速城镇化的进程，北京市城市土地利用发生前所未有的变化。城市规模迅速扩大导致原有的农田、林地、水体等向城市建设用地转化，城市不透水面剧增，对城市热环境产生很大影响。已有一些学者对北京市城市热环境及其影响因素进行了一些研究，如宫阿都等[1]利用单窗算法，对北京市地表温度（Land Surface Temperature，简称LST）进行反演并发现北京市城市热岛效应与城市土地利用、覆盖类型密切相关。薛晓娟等[2]利用北京市2008—2011年热红外数据，对北京市城市热岛强度进行研究，并发现城市热岛效应与下垫面类型存在相关性。王靓等[3]通过计算城建区与边缘区平均温度差值，分析北京市主要城建区2005—2014年热岛强度时序变化，发现不透水面聚集密度对白天不同等级热岛强度出现频率影响显著。葛荣凤等[4]通过定义热岛强度与热岛容量指数对北京六环区域内近20年热岛效应的时空动态变化特征及演变规律进行了分析。但对北京市长时序城市热岛（Urban Heat Island，简称UHI）时空演变的定量研究较少，尤其是对城市热岛和与城市发展密切相关的下垫面参数动态变化之间的定量分析不够深入。

本研究以北京市朝阳区为研究对象，利用2002—2017年夏季4期Landsat 7 ETM+和Landsat 8 OLI及TIRS影像，跟踪研究朝阳区热环境时空演变特征，定量分析15年间朝阳区地表温度的变化及其与下垫面参数的关系，力求为城市规划和风景园林建设提供科学依据，以期在快速城市化进程中有效缓解城市热岛效应，改善城市生态环境。

1 研究区域概况

朝阳区位于北京市东部（图1），区域范围北纬 39°49'～40°5'，东经 116°21'～116°38'，平均海拔34 m。辖区面积479 km2（本研究区域不包括东北侧机场飞地），2017年常住人口达373.9万人，人口密度8 216人/km2[5]，是北京市最大、人口最密集的城区。2017年朝阳区生产总值为5 629.41亿元[6]，占北京市生产总值的21.02%。近年来，朝阳区社会经济发展态势良好、城市建设迅速，并伴随有大量人口活动，是北京市城市热岛效应比较突出的区域。

2 数据来源与研究方法

2.1 数据来源

研究所使用的遥感影像来自美国Landsat系 列 陆 地 卫 星，2002-06-07、2007-06-05及2012-05-17共3期影像来自Landsat 7 ETM+，2017-05-23期影像来自Landsat 8 OLI及TIRS。ETM+、OLI影像空间分辨率均为30 m，TIRS热红外波段影像空间分辨率为100 m。成像日期天气条件良好，影像云量小于5%，地物清晰无遮挡，满足研究精度要求。

所使用卫星影像已经过系统辐射校正和几何校正，并在ENVI中统一进行辐射定标及大气校正，以消除大气散射引起的误差。2007-06-05及2012-05-17期影像由于Landsat卫星传感器故障存在条带，在ENVI中采用SLC-off模型校正。将经过以上预处理的影像导入ArcGIS，利用朝阳区矢量边界进行裁剪以待进一步计算。

2.2 地表温度（LST）反演

热红外遥感记录的是地表物体的发射辐射、环境及大气的辐射之和。利用热红外遥感反演地表温度时综合考虑了大气和辐射面的多重影响，能够较好地反映城市地表热环境的分布情况，因而成为进行城市热岛研究最常用的方法[7]。地表温度反演算法主要有大气校正法、单通道算法、分裂窗算法等方法，本研究基于大气校正法[8]，利用Landsat 7 ETM+、Landsat 8 TIRS热红外影像反演地表温度。

1）计算卫星传感器接收到的热红外辐射亮度值Lλ：

式中，gain和bias为热红外波段的增益和偏置值，从影像的头文件中读取，DN为遥感影像像元亮度值，即遥感影像原始数据。

2）计算同温度下黑体辐射亮度B（TS）：

式中，ε为地表比辐射率，B（TS）为黑体热辐射亮度（K），其余3个参数τ（大气在热红外波段的透过率）、Lu↑（大气向上辐射亮度）、Ld↓ （大气向下辐射能量）为大气剖面信息，在美国气象局网站查询①。

3）普朗克公式计算地表温度TS：

式中，K1和K2为校准常数，ETM+传感器影像，K1=666.09 W/(m2µm sr)，K2=1 282.71K；TIRS传感器影像，K1=774.89 W/（m2µm sr），K2=1 321.08K。

2.3 城市热岛强度的计算

4期遥感影像的获取时间季节相同、日期相近，但各日气象条件仍存在差异，无法直接比较。需要对地表温度进行归一化处理[9]130，得到将各年份地表温度统一至[0，1]范围内的温度等级分布，计算公式为：

1 研究范围The range of the study

式中，Ni为第i个像元正规化后的值，TSi为第i个像元的绝对温度值；TSmin表示地表绝对温度的最小值；TSmax表示地表绝对温度的最大值。由此得到的各年温度等级数据排除时相差异引起的误差，可用于进行对比分析。

进一步引入城市热岛比例指数（Urban-Heat-Island Radio Index，简称URI），对朝阳区城市热岛变化进行定量研究。城市热岛比例指数通过计算城市热岛面积与建成区面积的比例，并赋予权重来表征热岛在城市建成区的发育程度。指数值越大，热岛现象越严重[9]131。

式中，m为温度归一化等级指数，本研究中取7（分别为低温、较低温、次中温、中温、较高温、高温和特高温7个等级）；i为城市温度高于郊区的等级，通过对朝阳区城市热岛分布情况的观察，特高温区和高温区的分布明显集中于中心城区，与城郊区域差异明显，故研究中i取2，即高温、特高温2个等级；Wi为该级的极值，Pi为该级的百分比。

2.4 下垫面参数提取方法

2.4.1 归一化植被指数（NDVI）计算方法

归一化植被指数（Normalized Difference Vegetation Index，简称NDVI指数）是描述植被生长状态及植被分布密度的参数，常被用来对植被生长状况、植被覆盖度等进行评估，是目前已有的40多种植被指数中应用最广的一种[10]。其计算公式为：

其中，ρNIR和ρRED分别为遥感影像近红外波段和红光波段的地表反射率。

其计算原理基于植被的光谱特征：叶片对蓝光和红光吸收强烈，对绿光尤其是近红外则强烈反射。植被覆盖越高，红光反射越小，近红外反射越大，表现为NDVI指数数值的增大[11]。

2.4.2 归一化建筑指数（NDBI）计算方法

分析各类不透水材料发现，其普遍共性是在中红外波段的辐射率明显高于在近红外波段的反射率。城市建筑及基础设施建设多使用沥青、花岗岩、混凝土、玻璃及金属等不透水材料，也即城市建设用地多为不透水面，所以利用归一化建筑指数（Normalized Difference Built-up Index，简称NDBI指数）提取城市建筑用地信息，是对城市不透水面信息的有效描述。基于此原理提出NDBI指数的计算方法[12]：

其中，ρMIR1是中红外波段1的地表反射率，ρNIR是近红外波段的地表反射率。

NDBI指数在[-1，+1]之间变化，>0的区域为城镇范围，其数值大小表明建筑密度的大小。

2.4.3 地表温度（LST）与下垫面参数相关性分析

在ENVI中利用波段计算命令，去除NDVI、NDBI指数的异常值后，与地表温度反演结果一同导入ArcGIS。在ArcGIS中基于朝阳区矢量边界生成随机点，为使随机点尽量分散、覆盖区域更大，限定最小点间距为200 m（图2）。提取各年地表温度值、NDVI指数、NDBI指数至随机点，人工检查剔除位于边界上的取值异常点，最终获得798个有效随机点信息。将随机点属性表导出至SPSS进行相关性分析。

2 随机点分布Random point distribution

3 结果与分析

3.1 朝阳区城市热岛时空变化特征

为验证本研究所得地表温度的准确性，查询计算地表温度所用的遥感影像获取当日当时的气象温度与之对比。在“世界天气查询网”（ForeCast.io）查询北京市朝阳区研究日气象温度数据；同时查询研究日前后3日共一周内气温，获取更为准确的气温变化情况（表1）。

比较气温数据资料与研究所得地表温度可发现，基于大气反演法所得地表温度与当日当时气温存在一定差别，这是由于气温和地表温度测量对象差异而存在的不同，且气温的日变化规律与地表温度的日变化规律也存在区别。

为降低误差，求取一周平均气温。将其与反演所得地表温度进行比较发现，平均地表温度与一周平均气温变化趋势相同，求取二者的皮尔逊相关系数为0.908 9，表明二者存在较强的相关性。因此，本研究所得地表温度能够较好地描述朝阳区城市热环境。

将各年地表温度进行归一化处理后，得到北京市朝阳区2002—2017年地表温度等级分布图（图3），并对各年份各温度等级面积占比进行统计。

对各年份不同地表温度等级的分布情况及面积占比（图4）进行研究发现，朝阳区城市热岛效应呈逐年加重的态势。低温和较低温区域面积占比逐年下降，次高温、高温和特高温区域面积占比不断增加，其中，高温和特高温区域增幅明显。

表1 2002—2017年朝阳区研究日地表温度与气温Tab.1 Chaoyang District daily Land Surface Temperature and air temperature (2002—2017)

低温和较低温区域面积占比在2002—2007年间下降了4.42%，2007—2012年间有3.75%的小幅增长，然而2012—2017年，低温区域和较低温区域面积占比锐减至1.85%，2017年的低温和较低温面积区域仅为2012年相同温度区间面积的9%。与此同时，高温、特高温区域面积除2007—2012年间有小幅减少外，均呈现增加态势，且在2012—2017年间，年平均增幅高达1.96%，至2017年高温、特高温区域面积占全区面积比例已达13.35%。

综合朝阳区地表温度反演、气象数据、地表温度等级分布情况与统计分析，以及各年城市热岛比例指数（图5），从时间变化和空间分布上对朝阳区城市热岛效应的时空变化特征进行分析表明：北京市朝阳区自2002年起城市热岛效应逐年加重，在2007—2012年间由于大规模绿地建设出现短暂的缓解；但2012—2017年，城市热岛效应再次剧增，城市热环境深受影响。

2002年全区范围内仅孙河乡西部和劲松、双井街道与十八里店乡及小红门乡等地温度较高，且中心温度与平均地表温度差值较小，城市热岛比例指数为0.016 5。2007年，城市热岛区域扩展至望和桥周边、五元桥及798艺术区周边、远通桥至小郊亭桥、分钟寺桥至十八里店桥周边，形成分散的多个城市热岛中心，中心温度与平均地表温度差值加大。城市热岛比例指数上升为0.042 1。2012年，城市热岛效应较2007年有所缓解，特高温和次高温区域面积有明显减少，城市热岛中心出现在崔各庄乡西北、北小河与坝河交汇处西侧和潘家园街道、十八里店乡、小红门乡，城市热岛比例指数略有下降，为0.030 8。然而2012—2017年，城市热岛效应剧烈增加，不再出现单一的城市热岛中心，全区范围内以多中心、复杂嵌套的模式存在大量城市热岛中心，城市热岛比例指数上升至0.115 6。

3 各年份地表温度等级分布图Annual Land Surface Temperature grade distribution map

4 各年份地表温度等级占比示意图Annual Land Surface Temperature grade proportion diagram

5 城市热岛比例指数变化Urban-Heat-Island Ratio Index changes

6 各年地表温度与NDVI指数散点图及拟合Annual Land Surface Temperature and NDVI scatter plots and fittings

3.2 地表温度（LST）与下垫面参数相关性分析

3.2.1 地表温度（LST）与归一化植被指数（NDVI）的相关性分析

NDVI指数的回归分析（图6）：在4个观察年份，地表温度均与NDVI指数均呈负相关关系，即区域内NDVI指数越高，则该区域地表温度越低。2002、2007、2012及2017年回归方程均通过了p<0.01显著性检验，即在99%的显著性水平下显著。回归方程R2分别为 0.326、0.394、0.453、0.330。

各年回归方程的斜率分别为-17.31、-14.31、-14.72、-12.41，这是由于各年气候、下垫面整体情况不同存在的一定差异。由斜率范围可以推断，NDVI指数每升高0.1，朝阳区地表温度将降低1.2～1.7℃。

3.2.2 地表温度（LST）与归一化建筑指数（NDBI）的相关性分析

各年地表温度与NDBI指数的回归分析（图7）：在4个观察年份，地表温度均与NDBI指数呈正相关关系，即区域内地表温度随NDBI指数的升高而升高，随NDBI指数的降低而降低。2002、2007、2012及2017年回归方程均通过了p<0.01显著性检验，R2分别为 0.461、0.516、0.488、0.321。

各年回归方程的斜率分别为20.64、29.21、20.98、16.26，由于各年气候、下垫面整体情况不同存在一定差异。由斜率范围可以得出，NDBI指数每升高0.1，朝阳区地表温度随之升高1.6℃以上。

3.2.3 地表温度（LST）与归一化植被指数（NDVI）、归一化建筑指数（NDBI）的多元回归分析

为进一步探明并比较绿地及不透水面对地表温度的影响效果，在SPSS中对地表温度与NDVI指数、NDBI指数进行多元线性回归分析[13]。

将地表温度与NDVI指数、NDBI指数的多元回归线性分析的R2和地表温度与NDVI指数线性回归的R2以及地表温度与NDBI指数线性回归的R2进行比较（表2），发现多元回归的拟合度均高于各单因素分析的拟合度，说明相比较单因素而言，绿地和不透水面参数共同描述地表温度的变化更为准确。单因素分析的局限性在于，在实际情况中，地表下垫面参数受到诸多因素的影响，单因素分析忽略了这些因素及其对地表温度的共同影响作用，仅关注其中的一部分参数，其结果较为片面。

7 各年地表温度与NDBI指数散点图及拟合Annual Land Surface Temperature and NDBI scatter diagram and fittings

表2 单因素分析与多元线性回归R2比较Tab.2 R2 comparison of single factor analysis and multiple linear regression

表3 各年份多元线性回归方程Tab.3 Annual multiple linear regression equations

从多元回归方程（表3）可以看出，NDVI指数、NDBI指数是影响地表温度的重要因素，也即绿地和不透水面与地表温度相关。多元线性回归拟合方程的结果显示，地表温度与NDBI指数正相关；与NDVI指数负相关，这与单因素回归的结果一致。但NDBI指数及NDVI指数的系数与单因素回归分析相比差别较大。在多元线性回归分析中，NDBI指数每上升0.1，将对地表温度造成0.79～2.37℃的升温；而NDVI指数每上升0.1，地表降温0.4～0.77℃。

4 结论与讨论

本研究利用Landsat系列遥感影像对北京市朝阳区2002—2017年地表温度及下垫面参数信息进行提取，从而对朝阳区15年间热环境变化及城市热岛效应进行定量研究，并深入分析了下垫面参数与地表温度的关系。研究表明。

1）2002—2017年，朝阳区地表温度呈不断上升的趋势，城市热岛效应逐年加重。城市热岛比例指数由2002年的0.016 5上升至2017年的0.115 6，上升幅度超6倍。城市热岛中心呈复杂的嵌套多中心结构。

2）城市地表温度与城市下垫面参数密切相关：地表温度与NDVI指数呈负相关，与NDBI指数为正相关。NDBI指数每上升0.1，将对地表温度造成0.79～2.37℃的升温；而NDVI指数每上升0.1，将对地表产生0.4～0.77℃的降温作用。

3）多元线性回归分析表明地表温度受NDVI指数与NDBI指数的共同影响，但NDBI指数对地表的升温作用大于NDVI指数对地表的降温作用。这表明人为热对城市地表热平衡、显热、潜热通量以及净辐射变化的影响更为显著。因此，如何精确获取人为热数据，将其纳入到城市地表热环境的研究范畴需进一步探讨。

4）在现有城市发展模式下，以城市绿地、森林和水体为主导的“冷岛效应”可以有效削弱城市热岛效应、改善城市热环境，但同时也应该注意严控建筑密度和合理进行城市空间布局。微观层面上，深入探讨高密度城市空间发展对近地表温度的时空影响机理，从而发现亟待改善的城市问题和敏感区域，并有针对性地提出高密度城市空间格局优化的策略，城市近地空间的设计导则将成为研究的重点。

5）由于目前遥感数据源条件限制，特别是当前缺乏星载高分辨率热红外遥感数据，给不同尺度上定量化开展城市地表热环境研究带来了一定的限制。这需要在开发利用空间遥感技术的同时，结合传统监测手段，局地加密对地气象观测点进行实地测量试验，形成多平台、多时段、多空间尺度的综合研究方法。

注释：

① 登录美国气象局网站（http://atmcorr.gsfc.nasa.gov）输入遥感影像的成影时间、中心经纬度获取大气剖面信息。

② 图1～7 均为作者自绘，其中图1底图来自谷歌全色卫星影像2017年5月，图1和图2的行政边界来源均为国家基础地理信息中心（National Geomatics Center of China），图4 基于对图3 进行统计分析的数据绘制。图5基于城市热岛比例指数计算数据绘制；表1～3 均为作者自绘，其中表1 气温数据来自世界天气查询网（ForeCast.io）。