基于GEE的桂林市主城区热环境变化定量遥感分析

2020-08-18娄佩卿付波霖何宏昌高二涛范冬林唐廷元林星辰

桂林理工大学学报 2020年2期

娄佩卿,付波霖,何宏昌,高二涛,范冬林,唐廷元,林星辰,闭璐

(桂林理工大学测绘地理信息学院，广西桂林 541006)

0 引言

城市化进程所伴随的土地利用类型变化对城市热环境动态变化的影响成为城市生态环境保护的重要问题之一。城市热环境是城市生态环境的一个重要参数,近年来城镇化进程不断改变下垫面形态及土地覆盖类型,对城市热环境产生了深刻影响[1-3]。卫星遥感可在短时间内提供对地观测数据,是获取地表温度的重要手段[4-7]。采用卫星遥感对城市热环境及其影响因素进行动态分析具有重要意义。

当前城市化进程导致的土地利用变化带来一系列生态环境问题,如植被覆盖面积大幅缩减[8]、河流湖泊大量消失[9]、热岛效应持续增强[10]等。针对这些问题,近年来国内外学者开展了关于土地利用变化对城区热环境变化影响的研究。MODIS及AVHRR地表温度产品多被用于地表温度反演,但其空间分辨率较低,仅适用于大区域研究[11-15]。2013年发射成功的Landsat 8卫星搭载热红外传感器(TIRS),提供大量较高空间分辨率数据,更适宜于城区范围的地表温度反演研究。基于Landsat 数据的地表温度反演算法很多,如辐射传输方程法、单窗算法、劈窗算法及多通道多角度算法等。Jiménez-Muoz等基于Landsat 数据对单窗算法和劈窗算法的反演精度进行对比,发现随着大气水汽含量增加,劈窗算法精度要略高于单通道算法[16];Yu等对辐射传输方程法、劈窗算法及单通道算法进行对比分析,结果表明辐射传输方程法精度最高[17]。美国地质调查局(USGS)指出TIRS 11波段存在定标不稳定性,不建议采用劈窗算法反演地表温度等[18]。虽然王修信等[19]和梁保平等[20]已对桂林市地表温度进行了反演研究,但未对土地利用变化与植被覆盖度及地表温度之间的影响机制进行分析,且亟需一套可实时快速进行地表温度反演的研究技术。

谷歌地球引擎(GEE)是用于卫星影像及其他空间数据解算的开源智能云平台[21]。GEE提供全球尺度的Landsat TM/OLI、Sentinel-1/2、MODIS和DMSP/OLS灯光数据等多空间尺度、多源的遥感数据,容量达到PB级别,且每天都在增加。GEE云平台打破了传统遥感软件下载数据、预处理、信息提取、分析应用从而获取专题信息的定式[22]。通过GEE进行JavaScript及Python语言编程,可不受时间和空间限制,快速、批量处理数据,为遥感工作者提供极大便利。

本文基于GEE采用多时相Landsat遥感数据对桂林市主城区热环境进行了动态分析,并探索土地利用类型、植被覆盖度及地表温度等主要影响因素之间的关系,以此作为城市生态环境优化的重要参考。研究结果对桂林市城镇化建设及绿地建设提供技术支撑,并为减缓城市热岛效应,建设宜居城市提出合理建议。

1 数据源和处理方法

1.1 研究区域概况

桂林市位于广西壮族自治区东北部,东经109°36′50″—111°29′30″,北纬24°15′23″—26°23′30″,市中心海拔154 m,具有典型的喀斯特(岩溶)地貌, 是世界著名的旅游城市, 东盟自由贸易区门户城市, 还是“一带一路”和黔粤湘桂交界的重要连接点[23]。本文以桂林市主城区(秀峰区、叠彩区、象山区、七星区)为研究区, 总面积约为286 km2(图1a)。主城区地处低纬, 属亚热带季风气候, 年平均气温近19.1 ℃, 7、 8月最热, 平均气温约为28 ℃, 1、 2月最冷, 平均气温约为9 ℃。

图1 研究区位置(a)与2018年11月17日Landsat 8全色影像(b)Fig.1 Location of the study area(a) and the full-color image of Landsat 8(b) on November 17, 2018

1.2 数据源

(1)Landsat影像:由GEE平台提供的2010年Landsat TM影像、2014与2018年Landsat OLI影像。基于GEE API编程,筛选成像区间为当年11月1日 —12月1日且云量小于8%的Landsat影像,最终选取的Landsat影像成像时间分别为2010年11月14日、2014年11月14日和2018年11月17日。

(2)其他数据:SRTM DEM数据空间分辨率为30 m,由NASA提供,在GEE中可以直接调用;MODIS L1B Calibrated Reflectance产品同样可以在GEE中直接调用,其主要用于估算研究区内大气水汽含量,成像时间分别为2010年11月14日、2014年11月14日和2018年11月17日,与Landsat影像保持对应一致;训练样本数据及精度验证数据自Google Earth Pro中目视解译选取;地表温度数据源于中国气象数据网(http://data.cma.cn/)提供的国家级气象站点地面气象资料日值数据集,获取时间与Landsat 一致,主要用于单窗算法的地表温度反演。

1.3 数据预处理

基于GEE平台的API编程筛选出已进行过辐射定标及大气校正的Landsat大气表观反射率(TOA)影像, 调用GEE平台中的SRTM DEM数据并计算归一化植被指数(NDVI)及归一化水体指数(NDWI)作为进行随机森林分类时的特征变量以提高分类精度。

于Google Earth Pro中对2010、2014及2018年研究区高分辨率影像进行目视解译,进而选取样本。将桂林市全城土地利用类型划分为建设用地、植被、未利用土地及水体4类,按照各种土地利用类型在研究区内的面积占比选取适量样本点(表1)。

表1 土地利用类型及样本数Table 1 Types of land use and numbers

将样本点以*.kml格式从Google Earth Pro中导出, 在ArcMap 10.2中转化为*.shp格式, 导入GEE API中进行调用, 将其中70%作为训练样本, 30%作为验证样本。

2 研究方法

2.1 基于GEE的随机森林土地利用分类

随机森林算法是由多棵决策树构成的一种灵活且使用方便的机器学习算法, 即使未进行参数调优, 也可获得较好的分类精度[23]。其基本原理为: ①采用Bootstrap方法自原始数据有放回的抽取N组训练集, 抽取的每组训练集约为整体的2/3; ②利用这N组训练集构建决策树,进而产生由N棵决策树构成的森林,每棵决策树生长过程中均会从全部的M个特征变量中选取m个(m

在GEE中调用随机森林分类器,以土地利用类型为目标变量,并以Landsat影像的各波段加上SRTM DEM数据和NDVI及NDWI作为训练过程中输入的特征变量,将决策树的数量(ntree)设置为500,变量默认数量(mtry)为特征变量总数的平方根[24],进而对桂林市主城区进行土地利用分类。

2.2 基于GEE的地表温度反演

2.2.1 植被覆盖度及地表比辐射率在GEE中计算得到3个时期研究区内的NDVI,再根据NDVI推算出研究区内植被覆盖度PV,最后采用由Sobrino提出的NDVI阈值法[25-26]计算地表比辐射率ε

(1)

式中:NIR、R为的近红外、红光波段的反射值；NDVISoil为裸土或无植被覆盖区域的NDVI值;NDVIVeg为植被完全覆盖的像元的NDVI值, 即纯植被像元的NDVI值。选取经验值即NDVISoil=0.05、NDVIVeg=0.70(当不足0.70时即为最大像元值)。当某个像元NDVI>0.70时,PV取值为1; 而当NDVI<0.05时,PV取值为0。

2.2.2 地表温度地表温度指大气与地表交界处的温度,除入射太阳辐射强度外,还与地物的发射辐射和反射辐射有关,但这三者都受植被覆盖度的影响,因而都与植被覆盖度密切相关。本文选用精度较高的由传统辐射方程改进的单窗算法(mono-window algorithm)于GEE 中进行对桂林市主城区地表温度(land surface temperature,LST)进行反演[27-28],USGS指出TIRS 11波段存在定标不稳定性[18],故本文将原始算法中所用的Landsat TM/ETM+第6波段改进为Landsat 8影像的第10波段,并对参数a、b进行修正[29]，则实际地表温度T为

T={a(1-C-D)+[b(1-C-D)+C+D]T10-DTa}/C,

(2)

式中:a=-62.735 657,b=0.434 036[28];C=ετ, 其中,τ为大气透射率;D=(1-τ)[1+(1-τ)τ];T10为Landsat 8的热红外波段10的像元亮度温度, K。冬季(11月—次年1月)桂林市主城区所在位置(中纬度)的大气平均作用温度(Ta)与接近地面处(2 m左右)气温(T0)存在线性关系[29]

Ta=19.270 4+0.911 18T0,

(4)

T10=K2/ln(1+K1/Lλ)。

(5)

式中:K1、K2均可从Landsat 8数据的MTL头文件中获取(K1=774.89,K2=1 321.08);Lλ为波段10的像元亮温。

综上, 采用单窗算法进行地表温度反演需要大气平均作用温度、大气透过率及地表比辐射率3个参数。大气平均作用温度可通过式(4)求得，大气透过率可通过大气水汽含量计算,而Landsat 8数据则可在NASA公布的网站(http://atmcorr.gsfc.nasa.gov)查询，地表辐射率可通过式(1)求得。

3 结果与分析

3.1 土地利用动态变化特征

为初步验证在GEE平台中基于随机森林算法的分类结果,导出误差矩阵精度评价结果,精度评价标准分为总体精度与Kappa系数。3个时期的总体精度分别为86.27%、90.78%及91.45%,Kappa系数分别为0.79、0.88及0.89。为进一步验证分类结果准确性,在Google Earth Pro中的高分辨率影像选取验证点(每个时期选择60个验证点,每类别15个),目视解译判断验证点地物类别,导入GEE 中开展分类精度验证及空间一致性分析。结果表明，2010、2014、2018年的验证精度分别为83.3%、81.6%和88.3%，分类精度均高于80%,满足本文需求,混淆矩阵见表2。

表2 2010—2018年桂林市主城区土地利用精度验证混淆矩阵Table 2 Land use accuracy verification confusion matrix of the main urban districts in Guilin from 2010 to 2018

在对桂林市主城区3个时期的Landsat影像进行土地利用分类时发现，桂林市某机场的地类属性并不一致,主要有两个原因:①未利用土地与建设用地易发生混淆;②该机场在2010—2018年期间不断建设,水泥地面必然逐渐发生变化。

由图2、 3可知, 桂林市主城区2010年植被覆盖面积为184.76 km2, 2018年为129.47 km2, 较2010年缩减55.29 km2, 面积占比变化为-19.74%, 出现负增长; 2010年建设用地面积为50.98 km2, 2018年为135.49 km2, 较2010年增长84.51 km2, 面积占比变化为30.19%, 面积正增长; 2010年未利用土地面积为21.23 km2, 2018年为6.38 km2, 较2010年减少14.85 km2, 面积占比变化为-4.49%, 呈现负增长; 2010年水体面积为23.03 km2, 2018年为6.38 km2, 较2010年缩减16.65 km2, 面积占比变化为-5.94%, 出现负增长。随着城市发展, 人类伐林用以造房及造路(建设用地及未利用土地面积增长迅速), 占用河流、池塘进行围湖造田(水体面积大大缩减)等活动严重破坏了桂林市主城区的生态环境。

图2 桂林市主城区3个时期土地利用类型Fig.2 Land use types of three periods in the main districts of Guilin

3.2 植被覆盖动态变化特征

将2010、 2014及2018年的植被覆盖采用密度分割划分为高覆盖度、较高覆盖度、中等覆盖度、较低覆盖度及低覆盖度5个等级。由图4、 5可知, 2010年桂林市主城区以高植被覆盖度为主, 面积为140.64 km2; 较高覆盖度45.34 km2、中等覆盖度39.52 km2及较低覆盖度35.64 km2相差不足5 km2; 而所占面积最少的为低覆盖度, 面积18.86 km2。

图3 土地利用类型占地面积(a)和面积占比变化(b)Fig.3 Coverage by land use type(a) and land change in area percentage(b)

图4 桂林市主城区3个时期植被覆盖度分级Fig.4 Vegetation coverage classification in three periods in the main districts of Guilin

2018年桂林市主城区以中等植被覆盖度69.47 km2及较高覆盖度69.38 km2为主, 相比2010年中等植被覆盖度面积扩张10.52%, 较高植被覆盖度面积扩张8.48%; 较低覆盖度58.34 km2及高覆盖度56.97 km2相差不足5 km2, 相比2010年较低覆盖度面积扩张8.10%, 高覆盖度缩减29.89%; 而所占面积最少的为低覆盖度, 面积31.80 km2, 相比2010年扩张4.59%。随着城市化进程的发展,高植被覆盖度面积大幅缩减, 其余4个植被覆盖度分级均有所增长, 植被覆盖状况持续恶化。

3.3 热环境动态变化特征

将2010、2014及2018年的地表温度采用密度分割划分为高温区、较高温区、中等温区、较低温区及低温区5个等级,其中低温区及较低温区主要分布于植被覆盖度较高的地区及水体周围,而中等温区、较高温区及高温区主要分布于建筑区及未利用土地等植被覆盖度低的地区。由图6、7可知,2010年桂林市主城区以较低温区为主,面积为96.48 km2,其次为中等温区(80.39 km2)、低温区(48.74 km2)及较高温区(45.12 km2), 而所占面积最少的为高温区, 面积10.27 km2。 2018年桂林市主城区以较低温区为主, 面积为86.20 km2, 其次为中等温区(72.84 km2)、较高温区(66.70 km2)及低温区(35.92 km2), 而所占面积最少的为高温区, 面积24.37 km2, 相比2010年，较低温区(缩减3.67%)、中等温区(缩减2.70%)及低温区(缩减4.58%)面积缩减, 而较高温区(扩张7.71%)及高温区(扩张5.04%)面积扩张。随着城市化进程的发展及植被覆盖度状况的严重恶化, 桂林市主城区地表温度变化显著, 平均温度由2010年的29.24 ℃及2014年的29.67 ℃升高为2018年的30.53 ℃。