2007—2020年银川市地表温度反演及时空变化分析

2023-08-01薛永福刘炜郑晨键冯珂黄蕊

现代信息科技 2023年11期

薛永福　刘炜　郑晨键　冯珂　黄蕊

摘要：文章基于ENVI与Arcgis平台，以2007、2013、2020年三期银川市区的Landsat5 TM、Landsat8 OLI/TIRS遥感影像为基础数据，通过大气校正法反演地表温度，采用缓冲区分析法、象限方位法，分别从时间与空间层面分析地表温度变化情况。结果表明：在时间层面上，城区整体上以中温区为主，低温区和次低温区呈下降趋势；在空间层面上，银川市地表温度在高温区和低温区两大区域存在较为明显的方向性，其余区域无明显变化。总体来说，在社会经济快速发展与城市内部结构不断优化的同时，城市用地向外扩张，城市中心低温区面积增加，高温区面积减少，有效降低了热岛效应给城市带来的影响。

关键词：地表温度；时空变化；遥感影像

中图分类号：TP753 文献标识码：A 文章编号：2096-4706（2023）11-0111-05

Inversion and Spatial-temporal Variation Analysis of Surface Temperature in Yinchuan from 2007 to 2020

XUE Yongfu， LIU Wei， ZHENG Chenjian， FENG Ke， HUANG Rui

（Xizang Optical Information Processing and Visualization Technology Key Laboratory， Xizang Minzu University， Xianyang 712082， China）

Abstract： This paper is based on ENVI and Arcgis platform， using Landsat5 TM and Landsat8 OLI / TIRS remote sensing images of Yinchuan city in 2007，2013 and 2020， the surface temperature was reversed by atmospheric correction method， and the buffer zone analysis method and quadrant orientation method were used to analyze the surface temperature changes from the time and space level respectively. The results show that on the time level， the urban area is dominated by medium temperature area， the low temperature area and the secondary low temperature area， the surface temperature in Yinchuan area has obvious direction， with no obvious change in the other regions. In general， with the rapid development of social economy and the continuous optimization of the urban internal structure， the urban land expands outward， the area of the low temperature area of the urban center increases， and the area of the high temperature area decreases， which effectively reduces the impact of the heat island effect on the city.

Keywords： surface temperature; spatial-temporal variation; remote sensing image

0 引言

隨着社会的飞速发展，城市用地大幅度增加，城市中心作为城市优先发展的区域，大量建筑物拔地而起，这就使得城市热环境在多重因素的影响下快速变化，对大城市的影响尤为显著，一旦出现城市中心地带的气温远高于其周围城郊地区气温的情况，就会产生热岛效应[1-3]，致使生态环境问题越演越烈，对城市整体气候造成一定影响，甚至打乱了人们的日常生活。

地表温度是地表热环境发生变化的直接体现，也是我们探究城市热环境变化的重要突破口，地表温度的变化也直接影响着城市热环境的变化，对城市的生态环境具有显著影响[4-7]。地表温度的测量由人工测量逐渐发展为利用遥感影像数据进行反演，该技术主要是通过遥感影像的热红外波段构建反演模型。不同遥感卫星的热红外波段参数不一致，因此针对不同的遥感影像，多位学者提出了适用不同类型遥感影像的反演模型。现如今较为常用的地表温度反演模型有大气校正法[8]（辐射传输方程法）、单通道算法[9]、单窗算法[10]、劈窗算法[11]等。

本文选取银川市2007年、2013年、2020年三期Landsat 5 TM与Landsat 8 OLI/TIRS遥感影像数据，在ENVI与Arcgis平台上，利用大气校正法反演研究区域的地表温度，并从时间与空间层面探究银川市近十年来的地表温度变化情况，如图1、图2所示。

1 数据来源及预处理

1.1 数据来源

本文从地理空间数据云平台获取了银川市2007年一期landsat 5 TM影像与2013年、2020年两期landsat 8 TIRS/OLI影像作为数据源。银川市影像数据成像质量较好，影像无云覆盖，有利于进行地表温度反演。具体影像数据标识、日期与时间如表1所示。表中数据来源于地理空间数据云平台。

Landsat 5 TM与Landsat 8 TIRS/OLI卫星分别于1984年、2013年发射升空，其中Landsat 5 TM卫星于2011年停止运行。Landsat 5 TM卫星包括6个多光谱波段和1个热红外波段，Landsat 8 TIRS/OLI卫星在此基础上新增3个多光谱波段和1个热红外波段。Landsat 5 TM与Landsat 8 TIRS/OLI卫星的基本参数如表2、表3所示。

1.2 数据预处理

本文从地理空间数据云下载的2007年一期Landsat 5 TM影像与2013年、2020年两期Landsat 8 TIRS/OLI影像格式为Level 1T级别，仅需实施以下三个预处理步骤即可（以下预处理步骤均通过ENVI软件实现）。卫星图像经过辐射定标，能够更加准确地提取遥感信息，有助于提高实验的准确性；大气校正是为了减少大气层中多种化学成分对传感器成像的干扰，使其更接近于真实数据，保证了温度反演的准确性；影像裁剪的目的是在减少计算量的同时避免对其他区域造成影响。对影像数据进行预处理，将银川市三环路设为裁剪范围，得到最终研究区域。

2 研究方法

2.1 大气校正法

本研究主要使用大气校正法（辐射传输方程法），考虑到地表和大气的影响，通过计算地表比辐射率、大气透射率、大气平均作用温度三个参数来构建大气校正反演模型，该模型在一定的误差下可以满足大多数实验的要求。具体步骤如下：

1）计算地表比辐射率。由于研究区域主要是城市地表，因此利用Sobrino等基于Van Hove经验公式提出的NDVI阈值法来计算ε值，该算法在城市使用时具有较好的准确性。其计算公式为：

植被覆盖度Pv是在混合像元分解法基础上推导而来的，该方法将整景影像的地类大致分为水体、植被和建筑。NDVI表示归一化植被指数，NIR表示近红外波段，Red表示红波段。NDVIs表示区域内无植被或者为裸地，NDVIv表示区域内被植被高度覆盖。当某区域完全被植被覆盖时，NDVI的值大于NDVIv，Pv取值为1；当某区域不存在植被时，NDVI的值小于NDVIs，Pv取值为0。

2）计算黑体辐射亮度值。黑体辐射计算公式为：

其中，b1表示地表比辐射率图像，b2表示辐射亮度图像，L↑表示大气向上辐射亮度，L↓表示大气向下辐射亮度，ζ表示大气在热红外波段的透过率。在NASA官网中输入成影时间以及中心经纬度，则会得到上式中所需的参数。不同时期影像的L↑、L↓、ζ数值如表4所示。

3）进行地表温度反演。最后根据普朗克公式的反函数得到地表温度模型计算结果，计算公式为：

其中，T表示黑体辐射亮度，K1与K2表示常数，不同卫星的K1与K2数值不同，具体数值如表5所示。

不同时期因受当天气温、环境等因素的影响而导致地表温度数值不同，仅靠单一的数值变化无法准确地描述地表温度的时空变化特征，且不同时期的数值也不具备可比较性。因此，为了更好地描述银川市地表温度时空变化情况，本文采用均值标准差法对地表温度反演结果进行规范化处理，分别对五个温度等级进行分析，具体的划分标准如表6所示。

2.3 空间分析方法

空间分析法[12]是地表温度分析中较为常用的分析方法，本文主要基于缓冲区和象限方位法在空间层面进行分析，具体分析结果如图3、图4所示。基于缓冲区的分析是指以某个点为圆心在其周围建立一定大小的圆环区域，以分析不同层次区域上的变化情况。象限方位法是指以某个点为圆心在其周围建立一定半径大小的圆，将圆等距离分割后作为传统的八个方位，主要用于分析方向性。

3 研究结果

3.1 地表温度反演结果

由于受实验条件所限，无法通过仪器实地测量得到地表温度结果以对实验进行验证，但已有大量文献[13]证实可以通过当天气象站的气温资料进行对比。通过查询银川市气象站资料可知，2020年6月26日当天银川市气温为19～30 ℃，本文的反演结果经统计有80%研究区域的温度集中在28.3～47.5 ℃之間，整体平均温度为39.9 ℃。由于气象站的温度为大气温度，而地表温度一般情况下是远高于大气温度的，且银川市海拔较高，紫外线比低海拔城市更强，地表吸收热量能力更强。因此，反演结果具有一定的参考价值。最终通过均值标准差法对模型结果进行规范化处理，得到如图5所示的地表温度反演结果。

3.2 地表温度时间变化

如表7所示，通过每个时期五个温度级别所占面积比例可知，银川市整体上以中温区为主，占比达到30%，其余四个地表温度级别分布较为均匀。随着时间的推移，低温区和次低温区两个区域均呈下降趋势，原因在于随着社会进程的加快，城市呈现扩张趋势，这就导致城市用地增多，低温区域逐渐转化为中高温区域；政府在大力发展经济的同时，也不断地对城市结果进行优化调整，通过合理的城市规划和加大绿化等措施使高温区呈现下降趋势。总的来说，在社会经济快速发展的同时，城市低温区和次低温区的面积因城市用地的增加而呈下降趋势。随着城市内部结构的不断优化，极端高温区区域面积呈下降趋势。在未来的十几年内，银川市整体仍将表现为以中温区为主，其余温度区域均匀分布的格局。

3.2.1 基于缓冲区分析

如表8所示，由2007年各地表温度级别面积比例统计结果可知，城市整体以中温区为主，中温区面积比例变化不大。随着与城市中心距离的拉远，次低温区和低温区面积比例呈上升趋势，地表温度随之降低；随着与城市中心距离的拉近，次高温区和高温区面积比例呈下滑趋势，地表温度随之升高。

如表9所示，通过统计2020年地表温度各级别面积比例可知，城市整体以中温区为主，且所占比例相对于2007年有所增加，中温区面积比例随着距离的增加变化不大。与2007年不同的是，在城市中心区域，高温区面积比例逐渐减小，而城市中心区域低温区则明显扩张，由2007年的1.61%上升至2020年的11.45%。

在2007—2020年间，地表温度分布发生巨大变化。2007年，高温区主要集中在城市中心9 km以内且占比达到80%，而到了2020年，在远离城市中心的区域依然存在高温区并呈现均匀分布。这是由于随着经济的发展，城市用地增加，城市向外快速扩张，使得高温区不仅仅局限在城市中心；而低温区最大的变化是，随着城市内部结构的合理优化，在城市中心区域低温区大量增加，能有效缓解城市中心的热岛效应。总的来说，随着经济的快速发展，城市用地向外扩张，导致远离城市中心区域的地表温度上升；随着城市内部结构的不断优化，城市中心高温区区域减少，低温区区域增多，这就能有效减缓热岛效应给环境带来的影响，同时也能保证经济均衡发展。

利用象限方位法对2007年和2020年的五个温度级别进行统计，结果分别如图6、图7、图8、图9、图10所示。

对于高温区，在方向性上由东-西走向逐渐改变为东北-西南方向，高温区范围逐渐向南北方向扩张，在东西方向上则存在收缩现象；对于次高温区，整体范围有所减小，但其在方向性上无明显变化；对于中温区，整体方向略微向东移动，在范围上变化不明显；对于次低温区，整体方向略微向东南方向移动，在范围上无明显变化；对于低温区，范围无明显变化，在方向上由东北方向往西北方向移动，变化较为明显。总体来说，银川市地表温度主要在高温区和低温区两大区域存在较为明显的方向性，这也是银川市主要发生变化的区域。

4 结论

本研究运用大气校正反演模型，利用Landsat系列影像数据得到了银川市的地表温度，并将实际反演结果与气象站的温度资料进行对比，利用均值标准差法对反演结果进行规范化处理，并从时间与空间层面对地表温度进行分析。研究表明，由于银川市地处高海拔地区，吸收热量能力较强，导致反演结果略高于气象站资料，反演结果可信；在时间层面上，银川市整体上以中温区为主，其余四个温度级别分布较为均匀，在低温区和次低温区两个区域均呈现下降趋势；在空间层面上，银川市地表温度主要在高温区和低温区两大区域存在较为明显的方向性，其余区域无明显变化。

总的来说，随着社会经济的飞速发展，城市用地向外扩张，导致远离城市中心区域地表温度上升，城市低温区和次低温区覆盖面积由于城市用地增加而呈下降趋势。随着城市内部结构的不断优化，城市中心高温区区域面积呈下降趋势，低温区域增多，这就能降低热岛效应给城市中心带来的影响，同时也保证了经济的均衡发展。希望在未来的研究中，从城市地表景观出发，探究城市分布对地表温度的影响，进一步研究地表温度的变化情况。

参考文献：

[1] 王林申，付佳，贾琦，等.济南市地表参数变化及其热岛效应响应 [J].干旱区资源与环境，2019，33（1）：148-152.

[2] 王琳，徐涵秋.快速城市化下福州市的热环境变迁 [J].同济大学学报：自然科学版，2017，45（9）：1336-1344.

[3] 马玉翎.粤港澳大湾区城市群不透水面空间結构时空变化对地表热环境影响的研究 [D].昆明：云南师范大学，2020.

[4] 余红娇.干旱区城市不透水面的遥感估算及其气候效应分析 [D].乌鲁木齐：新疆大学，2018.

[5] 卢惠敏，李飞，张美亮，等.景观格局对杭州城市热环境年内变化的影响分析 [J].遥感技术与应用，2018，33（3）：398-407.

[6] 王莹.沈阳市城市热环境时空变化遥感研究 [D].长春：吉林大学，2013.

[7] 陈云生.郑州市主城区不透水面时空变化及其与热环境的关系研究 [D].郑州：河南大学，2017.

[8] 刘小平，余前，蔡槿.一种实用大气校正法及其在TM影像中的应用 [J].中山大学学报论丛，2004（3）：297-300.

[9] 覃志豪，李文娟，徐斌，等.陆地卫星TM6波段范围内地表比辐射率的估计 [J].国土资源遥感，2004（3）：28-32+36-41+74.

[10] 赵阳，亓进磊，黎慧.基于Landsat 8和MODIS Terra卫星数据的多种单通道反演算法对比 [J].宿州学院学报，2021，36（9）：6-12+17.

[11] 孙洋，隋淞蔓.Landsat 8劈窗算法精度评价及适用性分析 [J].北京测绘，2021，35（6）：746-749.