长春市区土地利用变化对地表温度的影响

2020-09-14宋玉莲王明常王凤艳

世界地质 2020年3期

宋玉莲，王明常,2，王凤艳

1.吉林大学地球探测科学与技术学院，长春 130026；2. 自然资源部城市国土资源监测与仿真重点验室，广东深圳 518000

0 引言

城市化的快速发展最为直观的表现就是土地覆盖景观的转变。近年来，城市化建设的快速发展使城市地表温度升高十分明显，由此引起的城市高温会产生空气污染等很多城市问题。随着遥感技术的快速发展及卫星影像数据在各领域中广泛应用，利用热红外遥感技术监测地表温度成为现实。国内外众多学者对利用遥感数据进行地表温度反演的方法进行探索，同时对城市土地利用变化对地表温度的影响做了大量研究工作。林云杉等[1]以泉州市为例利用TM影像研究不透水面与地表温度的关系。乐通潮等[2]采用地面气象监测站实测气温分别对辐射传导方程法和普适性单通道算法反演得到的地表温度进行精度验证,给出城市应增加绿化面积的建议。戴晓燕等[3]利用Landsat7ETM+热波段数据反演上海地区地表温度，运用地统计学方法和决策树方法分析了上海城市热岛效应形成机制及其空间格局差异。潘辉等[4]引入地理权重回归模型对福州市土地利用与地表温度的空间关系模拟。Xu et al.[5-8]以厦门市为例多次进行热岛效应以及地表温度与不透水面关系研究。Liu et al.[9]利用TM和ASTER 数据针对香港地区进行热岛效应研究。研究者普遍认为建筑用地的增加对城市热岛效应作出贡献，水体、绿色植被等具有降温效应[10-12]。国内学者对于土地利用与地表温度空间关系方面的研究多以北京、厦门和上海等经济发达的地区为主[13-15]，对于小尺度现代化城市研究较少。随着经济快速发展，城镇化扩张问题日益凸显，结合遥感技术对二、三线城市进行城市化研究将对城市发展起到推动作用。

本研究以长春市城区为对象，利用2000年、2005年、2007年、2014年、2019年五期Landsat卫星遥感影像数据(行列号为118/29,118/30)，针对五期影像进行监督分类,根据辐射传导方程法反演地表温度，探讨长春市城区土地利用类型对城市地表温度影响。

1 研究区域与数据

本次研究数据采用长春市区2000年、2005年、2007年、2014年、2019年五期Landsat卫星遥感影像数据(行列号为118/29,118/30)，选取影像时间均控制在九月份，确定影像无云，质量较好以保证一定的反演精度。其中2000年卫星影像为Landsat7，2005年、2007年卫星影像为Landsat5，2014年、2019年卫星影像为Landsat8。

2 研究方法

2.1 土地利用类型变化

监督分类是遥感图像分类方法之一，根据不同的地物特点选取感兴趣区，依据训练样本的亮度特征使用不同的训练函数进行分类。对2000—2019年五期遥感影像进行镶嵌、裁剪等预处理，利用监督分类最大似然算法与人工解译相结合的方式进行分类。本文对研究区遥感影像中易于区分且占比较明显、地表温度差异明显的用地进行分类，主要分为五类，建筑用地、水域、林地、绿地和水田，得到不同时期分类结果图(图1)。总体分类精度分别为99.166 4%、97.974 7%、96.341 0%、91.511 0%、99.263 8%。

a. 2000；b. 2005；c. 2007；d. 2014；e. 2019。图1 不同时期长春市城区土地利用分类图Fig.1 Land use classification map of urban areas of Changchun in different periods

2.2 地表温度反演

Landsat 系列卫星影像数据的预处理包括：辐射定标，使用 ENVI软件的辐射定标工具进行辐射定标，将像元灰度值转换为辐射强度值；大气校正，多光谱波段数据使用FLAASH 模块进行大气校正，热红外数据使用Thermal Correction工具进行热红外数据的大气校正；研究区卫星影像数据镶嵌、裁剪。

辐射传输方程法(RTE)又称大气校正法，根据卫星热红外传感器接收到的热辐射能量的构成来推算地表温度，卫星传感器接收到的热辐射亮度值表达即辐射传输方程。卫星传感器接收到的热红外辐射亮度值Rλ由3部分组成：大气向上辐射亮度R↑、大气向下辐射亮度R↓以及地面辐射经大气传导后到达传感器的辐射亮度。表达式为：

Rλ=[εP(TS)+(1-ε)R↓]τ+R↑

(1)

式中：ε为地表比辐射率；P(TS)为黑体热辐射强度(W·m-2sr-1·μm-1)；TS为地面真实温度(K)；τ为热红外波段在大气的透过率，则温度为T的黑体在热红外波段的辐射亮度P(TS)为：

(2)

式中：τ、R↑、R↓3个参数可以根据实时大气剖面探测数据用通过 NASA官网的模型计算生成，需要输入卫星过境时间、影像中心坐标等数据。

TS可以用普朗克公式的函数获取：

(3)

式中：K1、K2为常数，可由元数据MTL文件查询获得；Landsat5、Landsat7、Landsat8热红外波段分别为波段6、波段6、波段10；K1、K2分别为K1=607.76,K2=1 260.56;K1=666.09,K2=1 282.71;K1=774.885 3,K2=1321.078 9。

ε地表比辐射率可通过NDVI阈值法计算得到：

ε=0.004×PV+0.984 4

(4)

式中：PV为植被覆盖度，用以下公式计算：

PV= (NDVI-NDVIS)/(NDVIV-NDVIS)

(5)

式中：NDVI为归一化植被指数；NDVIV、NDVIS分别为完全被植被和裸地覆盖的像元的NDVI值，取经验值NDVIV=0.7和NDVIS=0.05，即当某个像元的NDVI>0.7时，PV取值为1；当<0.05时，PV取值为0。

经过实验，分别得到各期长春市区地表温度反演结果图(图2)。

a.2000；b.2005；c.2007；d.2014；e.2019。图2 不同时期长春市城区地表温度反演图Fig.2 Surface temperature inversion map of urban area of Changchun in different periods

3 结果与分析

3.1 土地分类统计

统计不同土地利用类型动态变化情况(表1)。

表1 长春市区土地利用类型占比统计Table 1 Land use type proportion statistics in Changchun urban area /%

由表1可知：长春市区建筑用地、绿地和水域面积都在不同程度地增加，其中建筑用地增加最为明显；而水田在减少；林地基本不变。

3.2 地表温度反演结果

利用辐射传输方程法反演得到各期地表温度相关数据(表2)。

表2 长春市区地表温度统计Table 2 Surface temperature statistics in Changchun urban area /℃

由表2可知：长春市区从2000年到2019年地表温度最大值和平均值均呈现逐年增高的趋势，2019年地表温度平均值为28.8℃，最高值达54.5℃，相比于2000年分别增长5.75℃和14.97℃。

3.3 土地分类与地表温度相关分析

为探究不同土地类型对地表温度的影响，将土地利用分类图与地表温度反演图进行叠置分析，统计不同时期各地类的地表温度(表3)。

表3 2000—2019年长春市区各地类平均地表温度Table 3 Average surface temperature of various land types in Changchun from 2000 to 2019 /℃

由表3可知，各土地利用类型的地表温度差异明显：①2000—2019年，各土地利用类型的平均地表温度均呈现逐年增长的趋势。水域从20.71℃增高到24.56℃；建筑用地从25.02℃增高到32.08℃；林地从18.89℃增高到23.78℃；绿地从22.47℃增高到27.07℃；水田从19.78℃增高到24.97℃；②各土地利用类型平均地表温度增长速度有所不同，其中建设用地明显高于其他用地类型，接着依次为林草地和水体；③建设用地的平均温度明显高于全区平均温度，2000—2019年分别高于全区平均温度1.97℃、2.86℃、4.78℃、2.59℃、3.28℃；而水体和林草地的平均温度则明显低于全区平均温度，水体低于全区平均分别为2.34℃、2.81℃、1.48℃、1.87℃、4.24℃；林地低于全区平均分别为4.16℃、2.46℃、2.42℃、3.75℃、4.02℃；绿地低于全区平均分别为0.58℃、0.98℃、1.07℃、0.88℃、0.73℃；水田低于全区平均分别为3.27℃、1.86℃、2.38℃、2.88℃、2.83℃。