延安市地表热环境与下垫面指数的关系研究

刘思煜，吴 焱，许 娟，张令达

(长安大学 建筑学院，陕西 西安 710064)

近年来城市化的快速发展导致城市建成区面积不断扩大，与之伴随而来的城市热环境问题也逐渐引起关注[1]。人群密集的社会生活以及厂矿的项目开发不断消耗现有资源，同时也引起城市下垫面的改变，越来越多的建筑、道路等不透水面影响了近地面水体和热量的自然交换，对城市热环境产生了众多不良影响，加剧了城市的热岛效应[2-3]。热岛效应会形成以城市为中心的局地环流变化，对人居环境和社会发展会产生众多威胁[4-6]。

城市地表的热环境与热岛效应密切相关，城市热岛的主要研究方法有：传统气象统计资料计算、布点观察以及遥感影像运算[7-10]。其中基于遥感影像进行地表温度反演是近年来使用较为频繁的方法之一，通过对遥感影像中中红外波段的运算可以获得区域范围内真实地表温度反演的空间分布数据，结合Arcgis分析进一步揭示区域内热环境的分布规律，进而分析其成因以及观察发展趋势[11-12]。政府间气候变化专门委员会(IPCC)[13]第六次评估报告第一工作组发布的报告指出从未来20 a的平均温度变化来看，全球温升将达到或超过1.5 ℃，热浪将增加，暖季将延长，气候变化正在给不同地区带来多种组合性变化。因此研究区域尺度的热环境变化以及影响因素的相关性更为重要以及直接。

延安市位于黄土高原地区，施雅风等[14]表明该地区属于全球气候变化响应的敏感区域之一，在全球温度变化的背景下，延安市温度也随之变化。马润年等[15]利用延安城市站与延长农村站的气温资料，分析了热岛效应对延安气温的影响，结果表明热岛效应增温与自然增温贡献率相等；田茜等[16]利用气象数据对延安市局地问题进行统计，结果表明“削山造城”工程可能导致延安市温度变化趋势与全球年均温度变化趋势相反。总体而言，目前有关延安城市热环境方面的研究主要是对气象站的数据资料进行分析统计，对区域上的时空演变规律以及空间分布特点的研究较为不足。因此本研究引入定量遥感对延安市进行地表温度反演，使用大气校正法反演地表温度，对延安市近10 a的地表热环境时空分布特征以及主要下垫面指数对热环境的影响进行研究，以期为当地生态规划发展提供参考。

1 材料与方法

1.1 研究区概况

延安市位于陕北南部黄土丘陵沟壑区(图1)，地处黄河中游。地理位置35°21′-37°31′N,107°41′-110°31′E。总面积3.7万km2，年均气温7.7～10.6 ℃，年均降水量500 mm，平均海拔1 200 m，年平均日照数2 300～2 700 h[17]。2010-2020年，延安市的建成区面积从20.0 km2增长到45.5 km2，年增长2.55 km2；城镇人口从105.73万到140.08万，年均增速3.43万；城镇化率由48.34%增长至61.37%，年均增长1.3%，这表明2010-2020年延安市城镇化率、建成区面积迅速增长，研究区域空间发生显著的变化，城市不透水面增多，进一步加剧了城市热岛效应，给生态环境带来了不利影响。

图1 研究区域位置

1.2 数据来源和预处理

研究数据包括遥感数据以及土地利用覆被数据。遥感数据来源于地理空间数据云平台(http://www.gscloud.cn/)。由于遥感影像的质量和可获取性不一，经过多次试验，将遥感影像获取时间统一集中于5-7月；遥感影像包括LandsatTM和OLI影像(2010年(TM5)、2015年(OLI)和2020年(OLI))，分辨率为30 m，每期由5景影像拼接而成，选取面积占85%以上的影像为一景。借助ENVI 5.3软件对下载的遥感影像进行辐射定标、大气校正等预处理，通过延安市矢量边界进行裁剪，从而得到研究范围。土地利用覆被数据来源于中国科学院遥感与数字地球研究所。由于该3期数据都是二级分类土地利用数据，土地利用类型众多，根据研究需要将其分类并重新编码，分别为林地、草地、耕地、水体、建设用地5个土地利用类型。

1.3 研究方法

1.3.1 大气校正法 由于Landsat8影像第11波段定标参数误差较大，因此利用劈窗算法进行地表温度反演会存在精度不高的问题，单独对TIRS10波段反演结果精度更高。因此本研究采用大气校正法对地表温度进行反演。其原理为估计大气对地表热辐射的影响，然后把这部分其大气影响从卫星传感器所观测到的热辐射总量中减去，从而得到地表热辐射强度，再将这部分热辐射强度转化为相应的地表温度。首先，根据Landsat数据中热红外波段的像元值计算对应的辐射亮度。其次，根据公式求得黑体辐射亮度(Ta)。最后，根据普朗克函数计算得到地表真实温度(LST，公式中用LST表示)。

LST=K2/ln(K1/Ta+1)

(1)

式中:LST为反演得到的地表真实温度；K1、K2为常量。对于TM影像，K1=607.76(W·m-2·s-1·μm-1)，K2=1 260.56 K；对于OLI影像，K1=774.89(W·m-2·s-1·μm-1)，K2=1 321.08 K。

1.3.2 地表温度等级划分 根据陈松林等[18]研究，均值-标准差法具有较高的准确度，因此采用均值-标准差的方法进行温度等级的划分，通过对研究区进行统计，计算均值和标准差从而获得分割点，进一步得到不同的温度等级(表1)。

表1 城市温度等级划分标准[16]

1.3.3 下垫面指数提取

1.3.3.1 归一化植被指数(NDVI) 归一化植被指数(normalized difference vegetation index,NDVI)是植被生长状态0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。其计算公式为

NDVI=(NIR-R)/(NIR+R)

(2)

式中:NIR为近红外波段的反射值，R为红光波段的反射值。

1.3.3.2 归一化水汽指数(NDMI) 归一化水汽指数(normalized difference moisture index，NDMI)是利用近红外与短波红外之间的差异来表达的，与近红外比较，短波红外反射率的减小是由于其具有对水分的吸收能力。其计算公式为

NDMI=(p(NIR)-p(MIR))/(p(NIR)+p(MIR))

(3)

式中:p(NIR)为近红外波段的反射值，p(MIR)为中红外波段的反射值。

1.3.3.3 归一化建筑指数(NDBI) 归一化建筑指数(normalized difference built-up index,NDBI)是在杨山[19]提出的仿归一化植被指数基础上提出的，可以较为准确地反映建筑用地信息，数值越大表明建筑用地比例越高，建筑密度越高。其计算公式为

NDBI=(p(MIR)-p(NIR))/(p(MIR)+p(NIR))

(4)

式中:p(MIR)为中红外波段的反射值，p(NIR)为近红外波段的反射值。

1.3.4 地表温度与下垫面指数分析处理 使用ENVI 5.3中波段计算(band math)工具，去除指数中的异常值。采用归一化公式，将指数统一量化到0～1，其公式为

N′=(N-Nmin)/(N+Nmin)

(5)

式中:N′为正规化处理后的数值，其值在0～1；N为初始值；Nmin为N值中的最小值，Nmax为N值中的最大值。

处理后的指数数据与地表反演结果一同导入ArcGIS中，在ArcGIS中基于延安市矢量边界生成500个随机点(图2)。提取各年份的地表温度值、NDVI指数、NDMI指数、NDBI指数、至随机点。将随机点属性表导出至SPSS25进行线性分析。

图2 延安市矢量边界创建随机点

2 结果与分析

2.1 地表温度反演结果及精度分析

2.1.1 地表温度反演结果 地表温度反演结果显示，延安市2010年平均地表温度最高(37.98 ℃)，2020年平均地表温度最低(29.53 ℃)，2015年地表温度的空间变异程度最大可达4.49 ℃(表2)。遥感影像选取以云量少为主，但在进行研究区裁剪后，仍有部分云量覆盖，会对温度反演结果造成一定影响，因此2020年温度反演结果的最小值仅为-2.14 ℃。

表2 2010-2020年延安市温度变化

2.1.2 地表温度反演验证 相关研究表明年平均地表温度和气温的差值很小，在获取不到地表温度的情况下，有学者利用气温验证地表温度反演精度。以各年份的主景为天气参考数据，查阅延安市当时的天气数据，平均气温分别为22、17、14 ℃，结果发现采用大气校正法反演得到的2010-2020年的平均地表温度与气象站测得的平均气温变化趋势基本一致(图3)。因此本研究采用大气校正法反演地表温度具有可行性。

图3 2010-2020年地表温度反演验证

2.2 延安市地表温度时空变化特征

根据均值-标准差法得到延安2010-2020年温度等级分区(表3)，由于不同年份的地表温度均值和标准差并非一致，所以温度等级分割点也存在差异。同时各热岛面积占比变化如图4所示，2010-2020年，中温区和次高温区面积占比总体呈先降后升的变化趋势，均在2015年达到最低值(32.08%和15.47%)；高温区和低温区面积占比变化趋势与之相反，在2015年达到最高值(17.9%和19.66%)；次中温区面积占比无明显变化。在选取的研究期间，中温区面积占比最高，均在30%以上，2020年最高达39.30%。2010-2015年，高温区面积占比由15.65%升至17.92%，而2015-2020年，由17.92%降至12.81%，次高温区面积占比与高温区区相反，2010-2015年由16.76%降至15.47%，而后又升至16.74%(表4)。综上，2010-2015年，研究区高温区和次高温区区面积逐渐增加；2015-2020年，高温区和次高温区区面积逐渐减少，中温区的面积显著增加，低温区面积占比减少，次中温区无显著变化。

表4 2010-2020年温度分区面积及所占比例

图4 2010-2020年地表温度等级面积分布比例

从图5可以看出，2010-2020年研究区的高温区的分布呈小区域集中到整体范围的斑点状均匀分布特点，并且具有沿主要河流分布的趋势，2010-2015年高温区、次高温区主要沿延河分布，2015-2020年则主要由洛河的支流特点进行分布，这与延安地区人口生活环境分布具有一定关系。

图5 不同年份延安市温度等级分布

2.3 地表温度与下垫面覆盖类型变化分析

利用2010年、2015年和2020年土地利用分类与这3个年份的地表温度反演图，在ArcGIS软件的分区计算统计模块中进行计算，分别得到各年份不同下垫面覆盖类型的平均地表温度(表5)。

表5 2010-2020年土地覆盖类型平均温度统计

延安市2010-2020年3期各下垫面覆盖类型的地表温度呈现为林地<水<草<耕地<建设用地，因此增加林地面积能够有效地降低研究区热岛现象。延安市北部以黄土梁峁、沟壑为主，下垫面覆盖类型以建设用地为主，同时由于地貌以及气候干旱的原因，高温区、次高温区多集中于研究区北部。南部以黄土塬沟壑为主，下垫面覆盖类型以林地为主，因此低温区多分布区延安市南部。中温区以及次中温区集中在耕地以及草地的覆盖类型。

2.4 地表温度与下垫面指数相关性分析

2.4.1 下垫面指数分布时空特征 本研究中分别提取2005-2020年归一化植被指数(NDVI)、归一化水汽指数(NDMI)、归一化建筑指数(NDBI)，结果如图6-图8所示。

图6 不同年份归一化植被指数变化

图7 不同年份归一化水汽指数变化

图8 不同年份归一化建筑指数变化

首先归一化植被指数方面，研究区总体植被覆盖类型以低覆盖为主，2010-2020年低覆盖区面积均达到30%以上，林地类型具有较高的植被指数。其次归一化水汽指数方面，该指数整体呈现北低南高的空间分布特征，研究区南部虽然覆盖有大量林地面积，但由于当地气候原因以及退耕还林后的管理问题，多处地区的林地有干旱的现象，所以2015-2020年，研究区域西南部的水汽指数呈现降低的趋势，东南部的林地覆盖密度较高，因此含有较高的水分含量，同时也存在一定的遥感数据处理误差，导致东南部的指数表现明显。最后是归一化建筑指数，研究期间建筑中低覆盖区面积占比呈上升趋势，建筑低覆盖区和中覆盖区面积占比呈先升后降的趋势，建筑高覆盖区无明显变化。

2.4.2 地表温度与下垫面指数的回归关系 借助ArcGIS软件，将2010-2020年下垫面各指数与地表温度反演图进行叠加，利用SPSS软件进行各指数与温度的线性回归方程分析，结果如图9-图11所示。通过回归方程分析，定量得出温度与植被指数、水体指数、建筑指数之间的关系。从图可知，地表温度与归一化植被指数、归一化水汽指数具有负相关关系，地表温度与归一化建筑指数具有正相关关系。植被指数每上升0.1，将产生1.1～2.0 ℃的地表降温作用，水汽指数每上升0.1,将产生2.8～4.1 ℃的地表降温作用，建筑指数每上升0.1，将产生1.4～2.3 ℃的地表升温作用。延安市地表温度变化与城市下垫面变化存在着显著的相关性，建筑面积的增加，导致城市温度逐渐增高，而植被和水体对地表温度有一定的降温作用，缓解城市热岛的强度。

图9 2010-2020年延安市地表温度-归一化植被指数散点图及回归关系

图10 2010-2020年延安市地表温度-归一化水汽指数散点图及回归关系

图11 2010-2020年延安市地表温度-归一化建筑指数散点图及回归关系

3 结论与讨论

3.1 结论

2010-2020年延安市的高温区面积总体呈先升后降的变化趋势，中温区的面积显著增加，低温区面积占比减少，次中温区无显著变化。温度反演结果表明近10 a最高地温、最低地温和平均低温呈下降趋势。

延安市的热岛区分布呈小区域集中到整体范围的斑点状均匀分布特点，并且具有沿黄河一级支流延河以及二级支流洛河下游分布的趋势。2010-2015年强热岛区、次热岛区主要沿延河分布，2015-2020年则主要沿洛河下游的方向进行分布，这可能与延安地区的聚落分布有一定的联系。

植被指数每上升0.1，将产生1.1～2.0 ℃的地表降温作用，水汽指数每上升0.1,将产生2.8～4.1 ℃的地表降温作用，建筑指数每上升0.1，将产生1.4～2.3 ℃的地表升温作用。延安市地表温度变化与城市下垫面变化存在着显著的相关性，建筑面积的增加，导致城市温度逐渐增高，而植被和水体对地表温度有一定的降温作用，缓解城市热岛的强度。

3.2 讨论

根据下垫面覆盖类型平均温度可知，林地和水域都能有效降低研究区热岛，但研究区处于易旱气候区，水资源也并非充裕，若是增加水域面积，不利于长期的管理以及发展，因此对于研究区而言，增加林地的面积是降低热岛更为合理的一种方式。通过对比地表温度反演结果和下垫面指数的空间分布，可以看到2020年宝塔区南部、宜川县西北部以及黄龙县北部地区虽然有较高的建筑密度，但温度并非高温区。该部分地区的地貌为黄土塬沟壑区，建设环境多分布于塬面、沟坡和沟谷之中，居民会在塬面上开辟山田，在山腰修建梯田，同时人们对一些低丘缓坡和荒山沟壑等资源进行有序的种植，使得建设部分带来的不利影响得到了一定的改善，在接下来的研究中也会对影响该部分地区温度变化的其他因素进行探讨。此外在2010年的地表温度反演图中，研究区北部有3处明显的低温区，经过对每幅遥感影像的检查，是由于云量覆盖对温度反演结果造成了误差。