基于Landsat影像的南京市城市扩张与热岛效应响应关系研究

李梦秋石含宁杨树文

(1.兰州交通大学测绘与地理信息学院，甘肃 兰州 730070；2.地理国情监测技术应用国家地方联合工程研究中心，甘肃 兰州 730070；3.甘肃省地理国情监测工程实验室，甘肃 兰州 730070)

引言

城市热岛效应(Urban Heat Island)，是在城市化的过程中产生的，是由人类生产生活和城市生态系统共同作用而造成的[1]。随着城市的扩张和人口的增加，城市热岛效应也会逐渐加剧，最明显的表征就是城市区域的表层平均气温相对于周边的温度明显升高，并且随着时间的推进，温度呈现出逐渐升高的趋势。中国自改革开放以来，各个地区的城市建设进入了高峰期，尤其是沿海地区，如珠江三角洲、长江三角洲、环渤海经济圈率先进入了城市化的进程当中。

热岛效应表现为城市上空的温度比城郊的温度要高，温度曲线表现为城市高、两端低的峰谷特征，温度曲线此时就像是隆起的一座小岛，因此被形象地称为热岛效应。城市热岛效应一年四季都会存在，但是在夏季尤为明显[2]。夏季气温相对较高，太阳辐射较高，由于城市的覆被类型大多为不透水面而且植被的覆盖相对于城郊较少，所以城市对于太阳辐射的削弱作用就比较差。因此，在相同的太阳辐射条件下，城郊的温度要比城市建成区低。另外，由于夏季天然的高温，加上人类活动消耗了大量的能源，产生大量的热能，这些热能汇聚到城市近地面上空，导致了城市温度的升高。

在城市热岛研究方面，早期研究的方式主要是利用气象站获取的气象数据进行温度的统计和计算。由于气象站分布数量较少且分布的不均匀，加上气象数据的处理工作较为繁琐，所以对于区域性的城市热岛研究较为困难。1972年，Rao等[3]发现，可以利用热红外遥感进行城市热岛效应的研究，从此，航空航天器搭载传感器进行城市温度检测称为主流方法。随着遥感技术和GPS、GIS技术的发展和成熟，遥感监测热岛效应更具有科学性。由于遥感具有宏观、连续、分辨率高的特点，相比较传统的方法能够更加快捷精确地获取温度信息，从多角度进行城市热岛的分析。

早期遥感监测城市热岛主要是利用NOAA和AVHRR数据，但是这2种数据的空间分辨率较低，不能精确区分析中小城市的城市热岛分布情况。而Landsat系列数据由于具有较高的空间分辨率，弥补了前2种数据低空间分辨率的缺陷，能检测中小尺度的城市热岛。

现阶段对于城市热岛效应的研究主要集中在城市热岛的影响因素和热岛强度以及分布情况。Wen等[4]使用归一化插值植被指数来研究城市热岛，发现热岛温度与NDVI的大小呈现负相关，Chen等[5]通过归一化处理裸露指数(NDBaI)和归一化植被指数、归一化水体指数、归一化建筑指数研究了广东地区的城市化和城市热岛的关系，发现除了NDVI在负值范围内与温度呈正相关，正值范围内呈负相关，其他指数与温度之间存在一定的相关性。Daniela Arnds等[6]通过研究分析了汉堡市夜间平均热岛的时空变化，观测了40个不同的气象站点后发现一年中4—9月为温度的最高时间，并且随着气候的变化，城市的高温情况会加剧。I N Kuznetsova等[7]发现，莫斯科的热状况主要受到人类活动的影响，并且温度比寒冷的郊区要高的原因是供暖系统热量的释放和损失。在没有积雪覆盖的情况下，城市表面的热辐射增强了这些热源的人为影响。

我国利用遥感技术进行热岛效应的监测开始于20世纪80年代，但是由于数据来源的问题，发展速度较慢，最近十几年才进入了快速发展的阶段。发展初期，大量学者对于成熟时热岛的研究主要集中在北京、上海、广州、深圳这些城市化程度比较高的区域。随着城市化的进程不断加快，一些二三线城市的城市热岛研究也逐渐增多。雷金睿等[8]利用1989年、1999年、2007年和2015年的4期Landat5 TM/8OLI-TIRS数据，通过景观生态学和统计分析的方法研究了海口市的城市热岛和景观格局的时空变化关系。孙永等[9]利用基于多层城市冠层方案BEP的建筑物能量模式BEM方案的WRF模式进行模拟研究重庆市的城市热岛的特征、形成原因和局部地区的热力环流对于城市热岛形成的影响。樊志宇等[10]利用辐射传输方程对武汉市2001年、2007年和2016年的Landsat系列影像数据进行LST反演，并利用MODIS数据进行精度验证，发现辐射传输方程目前依然适用于温度反演，并且武汉市的城市热岛有从单中心向多中心的变化趋势。魏冠军等[11]同样使用多期Landsat数据研究了兰州市1994—2015年的城市热岛的空间分布，通过热岛强度分级发现热岛的扩展方向和城镇用地的延伸方向一致，且强热岛对于城市下垫面的变化敏感程度最高。尹柯柯等[12]通过研究兰州市的城市热岛与土壤调节植被指数(MSAVI)、增强型水体指数(EWI)、土壤亮度指数(NDSI)、土壤湿度指数(NDMI)之间的关系，发现热岛强度与这些指数呈现正向的线性关系，与修改后的土壤调节植被指数呈负相关。

基于以上的研究内容，本文选取了南京市作为研究区，采用单窗算法对南京市的地表温度进行反演，并结合遥感影像计算出相关的指数，通过数学分析的方法来研究南京市的地表温度与各种指数之间存在的数学关系。

1 研究方法

地表温度的区域分布在研究城市气候变化、植被的生长于分布、环境监测方面具有十分重要的作用。在城市应用上，由于城市建成区的面积较大，通过地面实时的监测困难较大且工作强度高，因此利用遥感数据进行地表温度反演，将大大减少温度监测的工作量。遥感数据的多种尺度，可以适用于不同尺度的温度研究[13]。

热辐射在传递的过程中，需要穿过大气层才能被传感器接收，在穿过大气层的过程中，部分会被大气吸收而发生衰减；此外，大气自身也会向外发射一定强度的辐射，这部分热辐射会向上层移动而被传感器接收。向下的热辐射在到达地表后会被地表反射回大气层，经过大气层后衰减以后到达传感器。此外，地表本身也不是一个完全黑体，会向外产生热辐射，所以目前复杂的热场是进行热遥感的困难之处。

根据地表热辐射传到方程，覃志豪等[14]推导出简单且精度高的温度推演方法——单窗算法。该方法把大气和地表对热辐射的影响全部包括在了推演公式之中，所以不需要进行大气校正就能直接推算出地表的温度。由于这种方法在计算时只需要利用遥感数据的热红外波段，所以这种方法被称为单窗算法。相比于之前的温度反演方法，单窗算法仅仅需要地表比辐射率、大气透过率和大气等效温度这3个参数。

地表温度反演的技术流程如图1所示。

图1 技术流程图

图2 研究区缩略图

图4 2013—2016年城市温度分级图

图5 城市热岛面积散点及线性回归图

图6 NDVI与地表温度波谱对比图

图7 NDVI与温度线性回归图

图8 NDBI与温度线性回归图

图9 NDWI与温度线性回归图

1.1 地表亮温的计算

在进行地表温度反演之前，需要对数据进行预处理，包括辐射定标、大气校正、几何校正、图像增强、影像的镶嵌、裁剪等。而本文选取的是Googleearth的数据源，影像的空间分辨率为0.5m。

亮度温度是传感器在卫星运行的轨道高度上观测到的热辐射强度所对应的温度，这个温度包括了大气和地球表面对热辐射传导的影响。在推算影像的地表亮度温度时，需要以下2步：将原始影像的DN值转换为对应的热辐射亮度值；根据热辐射强度推算出对应的亮度温度。

求算热辐射强度的公式：

L(λ)=Lmin(λ)+[Lmax(λ)-Lmin(λ)]Qdn/Qmax

(1)

式中，L(λ)为辐射强度，W·m-2·sr-1·μm-1；Qmax为最大DN值(255)；Qdn为像元灰度值；Lmax(λ)和Lmin(λ)为最大和最小辐射强度值。在计算出L(λ)以后，利用L(λ)可以计算出像元的亮度温度：

T6=K2/Ln(1+K1/L(λ))-273

(2)

式中，T6为热红外影像的像元亮度温度，℃；K1和K2均为常量。Landsat8 TIRS(band10)的K1为774.89，K2为1321.08，band11的K1为480.89，K2为1201.14。

1.2 植被覆盖度的计算

在计算植被覆盖度之前，需要计算出归一化植被指数(NDVI)。使用经过大气校正后的Landsat8全色波段数据进行NDVI的计算：

NDVI=(B5-B4)/(B5+B4)

(3)

式中，B5和B4分别代表了全色波段的近红外和红波段。

在求得了NDVI的结果以后，对NDVI进行重分类。当NDVI≤0.05时，可以将这些像元视为完全裸土覆盖表面；当NDVI≥0.7时，可以将这些像元视为完全植被覆盖表面；当0.05≤NDVI≤0.7时，像元视为植被与裸土按一定比例存在，可利用植被覆盖度公式来计算这些像元的植被覆盖度：

Pv=(NDVI-NDVIS)/(NDVIV-NDVIS)2

(4)

式中，NDVIS和NDVIV分别为完全裸土和完全植被时像元的NDVI值；Pv为影像中植被占据像元的比例。在计算时，根据重分类时的阈值，将NDVIS取值为0.05，NDVI取值为0.7。因此在使用ENVI计算Pv时，按照0.05和0.7对植被覆盖度进行计算：

(b1gt0.7)×1+(b1lt0.05)×0+(b1ge0.05andb1le0.7)×[(b1-0.05)/(0.7-0.05)2]

(5)

由于Landsat8的热红外波段空间分辨率为400m，所以需要对计算出来的NDVI结果进行重采样到400m。在得到NDVI计算结果以后，对其进行重分类。

1.3 地表比辐射率的计算

在计算地表比辐射率之前，需要对遥感影像进行地表覆被类型分类。本文按照计算所需利用监督分类将地表类型分成了3大类5个小类，分别是自然表面(林地、耕地、裸地)、水体和城镇。

对于不同的地表覆被类型，求算比辐射率的方式也不同。

自然表面：

ε=-0.0462Pv2+0.0613Pv+0.9626

(6)

城镇：

ε=-0.06712Pv2+0.086Pv+0.9589

(7)

水体：

ε=0.995

(8)

1.4 大气等效温度估计

影响大气等效温度的因素主要有大气剖面的气温分布和大气的状态，在不同的温度或区域，由于气候条件的不同，在估算时也采用不同的估算模型。

夏季平均大气：

Ta=16.0110+0.92621T0(2.4a)

(9)

冬季平均大气：

Ta=19.2704+0.91118T0(2.4b)

(10)

热带平均大气：

Ta=17.9769+0.91715T0(2.4c)

(11)

式中，T0是卫星过境时近地面附近的温度，式中所有的参数的单位均为开尔文(K)。

1.5 大气透射率估计

地表热辐射在大气中传输的过程中，大气透射率会对其产生重要的影响，因此在地表温度反演的过程中，大气透射率是不可或缺的参数之一。研究发现，大气透射率的大小收到了大气中水分含量的影响，而其他大气条件对大气透射率的影响微乎其微。所以大气水分含量是计算大气透射率的关键参数。

τ=0.974290-0.08007w(2.5a)

(12)

τ=1.031412-0.11536w(2.5b)

(13)

τ=0.982007-0.09611w(2.5c)

(14)

τ=1.053710-0.14142w(2.5d)

(15)

其中，式(12)和式(13)式分别计算大气水分含量在0.4～1.6时夏季和冬季的大气透射率；式(14)和式(15)则是分别计算当大气水分含量在1.6～3时夏季和冬季的大气透射率。式中，w值卫星过境时近地面的大气水分含量，g·cm-2。

2 研究区概况

本文选择以南京市主城区作为研究对象。南京位于中国东部，长江下游地区，是江苏省的省会，位于N31°14′～32°37′，E118°22′～119°14′。南京市总面积为6587km2，其中建成区面积为1398.69km2。截至2018年12月，南京市下辖11个区，其中南京主城区为鼓楼区、秦淮区、玄武区、建邺区、雨花台区、浦口区和栖霞区。目前，南京市常住人口为843.62万人，户籍人口为696.94万人，城镇常住人口为695.99万人，城镇化率为82.5%，南京主城区已经达到了完全城镇化的水平。因此，选择南京进行城市热岛效应的研究具有代表意义。

3 结果与分析

根据2013—2016年的地表覆被类型图，在南京主城区，建设用地占据了大部分区域，且呈现出逐年增加的趋势。水体以长江、秦淮河、玄武湖等大型水体和其他中小型湖泊为主。裸地随着城市的建设逐渐减少，根据裸地的变化显示，2013年开始，南京市江北地区开始开发建设，原先只在长江大桥两侧的建筑开始沿江向西南和东北地区延伸，并逐渐向北部发展。到2015年，江北地区的城市格局基本形成。而江南区域，由于南京青奥会的举办，奥体周围大量的裸地开始出现，随着建设进程的推进，奥体周边的建筑开始出现并逐渐加密，到2016年，基本形成以奥体为中心的建筑群落。

主城辖区的林地比较固定，主要分为3块，分别为浦口区的老山国家森林公园、栖霞区的钟山风景区和雨花台的将军山风景区、牛首山文化旅游区。另外，辖区内还有很多规模较小的林地，如仙林地区和长江大桥北侧的长江观音景区。总体来看，南京市的城市绿地覆盖面积较大，分布均匀，建筑密度较高的区域均有绿地分布，是比较宜居的城市环境。

耕地主要分布在八卦洲、江心洲和栖霞区与镇江相邻的沿江地带，这些地区的耕地面积相对固定没有出现明显的下降和升高。而江北地区由于城市的建设导致一些耕地被侵占破坏，耕地面积下降，并存在不断减少的趋势。可以预见的是，随着城市的不断扩张，位于城市边缘的耕地将会进一步缩减，被建设用地替代。

3.1 地表温度分析

从南京市2013—2016年的温度反演图中看出，无论在哪一年，水体的反演温度始终最低。在南京主城区的水体中，玄武湖的温度最低，贯穿城区的长江温度与玄武湖相比，相近或者更高一些。由于成像时间均为冬季，农田尚处于休耕时期，地表植被覆盖情况不如耕种期理想，为裸地和耕地的混合覆被类型，所以温度会略高。而南京市建成区域，大多为不透水面，所以温度最高。

3.2 覆被类型温度

通过温度与用地类型的叠加分析，按照耕地、林地、裸地、水体、建设用地这5种类型对4期的温度数据进行提取，结果发现，检核用地的温度是5种类型中最高的，裸地次之，林地和耕地的温度相近，水体最低。

3.3 热岛面积分析

根据统计出的各覆被类型的温度，提出相交的温度区域，通过设置阈值提取出建设用地中温度较高的区域，将这些区域定义为城市高温热岛区域。利用Arcgis空间分析计算异常值的面积，从而获取不同年份的城市热岛面积大小。根据统计信息发现，城市高温热岛面积呈现出逐年增长的趋势，通过线性拟合发现，时间与热岛面积存在正相关的关系。

表1 5种用地类型温度表

表2 2013—2016年覆被类型转移矩阵

综合几年的土地利用动态变化影像和转移矩阵分析可以得出，2013—2016年，由于老旧城区的拆迁和重建，使得裸地的面积没有发生太大变化，耕地从230.9508km2减少到97.0407km2，林地从107.2692km2增长到297.8667km2，建设用地从517.6808km2减少到了464.7726km2，水体面积基本保持不变。结合2013年和2016年的土地利用分类影像，发现城市建设用地减少，可能的因素是2013年待开发的区域较多，且有许多地区已经开始了城市的基础建设，而到了2016年，这些区域大多已经建设完成，且城市绿地规划也已完成，所以从分类结果中可以看到，城市的面积相比2013年明显减少，城市中的绿地面积明显增加。

3.4 温度与相关指数关系分析

3.4.1 温度与NDVI关系

通过地表温度与NDVI的结果对比发现，NDVI值高的地方，地表温度低，而NDVI值低的地方，地表温度较高。同时，从空间分布来看，NDVI值高的区域主要集中在钟山风景区和城市建成区以外的地方，城市区域内的NDVI值相对较低。阈值相反的是，对于地表反演温度而言，城市建成区的值要高，而城市边缘区域的值较低。此外比较特殊的是水体，无论是NDVI值还是地表温度值，都较低。

为了更加直观的展示这一特点，将地表温度和NDVI的波谱曲线进行对比，通过对比发现，两者之间的特性跟图上反映规律一致。为了进一步研究各个像元的NDVI值和地表温度之间的数学关系，以2013年的NDVI和温度反演结果为例，在研究区内选择了较小的一块区域，区域内包括了自然水体、建设用地、利林地、裸地、耕地等地表类型，将区域内的像元对应的NDVI和温度值进行提取，进行进一步的回归分析。

经过线性回归分析发现，地表温度与NDVI值之间存在明显的线性关系，且R2为0.410，即当NDVI值越大时，地表温度越低。这与先前的影像和波谱曲线的对比结果一致。但由于进行拟合的值中没有提出水体这部分的异常结果，导致R2的值并不理想。于是将提取到的NDVI值与地表温度数据进行二次筛选，提出其中的水体对应值，再次进行回归分析。

经过二次回归分析，R2有了明显的提升，表明抛开水体的特殊情况后，NDVI值与地表温度之间的确存在明显的线性负相关关系。进一步验证了对比结果。

3.4.2 地表温度与归一化建筑指数的关系

从上文的NDVI与温度之间的波谱关系，粗略的发现建设用地与温度之间存在正相关的关系，为了进一步证明两者之间存在的具体相关性，在此引入了归一化建筑指数(NDBI)进行建筑物的指数计算。

归一化建筑指数的原理与NDVI相似，但使用的波段是中红外波波段和近红外波段，具体的求算公式：

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

(16)

在获取了NDBI的结果之后，同样选取相同的区域，对温度和NDBI结果进行分析。

分析发现，NDBI与温度之间的确存在正相关的线性关系，拟合出的线性表达式：

y=2.92+19.18×x

(17)

式中，y表示地表温度；x表示NDBI。由此表明，当建筑物的面积不断增加时，城市的温度将会出现明显的上升，城市热岛效应的影响也会增大。

3.4.3 地表温度与归一化水体指数的关系

上文水体与反演处的温度之间没有明显的正相关的关系，也没有明显的负相关的关系，为了从理论方面揭示水体与温度之间的关系，引入改进型的归一化水体指数：

NDWI=(b2-b4)/(b2+b4)

(18)

式中，b2为绿波段；b4为红波段。

通过对相同区域的NDWI和温度之间进行散点的拟合，发现两者之间的确不存在明确的线性关系。

4 缓解热岛效应的措施

在城市热岛效应越发严重的今天，如何有效的预防和治理是必须认真考虑的问题。结合研究成果和分析，本文认为可以从以下方面入手。

城市的扩张和人口的增长是导致热岛效应加剧的重要因素之一，在城市的建设过程中，前期应当进行合理的规划，可以将城市进行功能区的划定。如，在规划住宅区与附属的功能区时，应将人口密度与功能区的完备情况、便捷程度进行综合考虑。

在城市建设的进程中，自然表面的破坏是不可避免的，但是自然表面对于还曾会热岛效应又具有抑制作用，所以在城市建设中，应当有所取舍，有些会不可避免的破坏原有的自然表面，而有些区域可以避免对这些地表覆盖的破坏。在人口密集度比较高的区域，应当建设城市人工绿地，绿地的光合作用将有效改善城市的空气质量，也能一定程度降低城市近地面的温度，对改善城市热岛效应效果明显。

另外，人类活动是影响城市热岛效应的最为重要的因素。以本文研究区南京为例，在南京城区，尤其在长江沿岸和栖霞山地区，分布着许多造船厂和工矿码头，这些地区大多是24h满负荷运转，这些企业在给城市带来了GDP的同时，也在消耗着大量的热能。由于这些企业大多是老旧企业，生产方式相对比较落后，大多位高耗能产业，在消耗了大量的能源的同时，却不能提高资源利用率，所以在生产的过程中向外排出了大量的未利用热能，导致区域性的地表航空的温度激增。目前，改善这一问题的方法可以是进行产能升级，关停高耗能企业，改善生产工艺，有效提高资源利用率，在生产的过程中严格落实环保措施，杜绝废气废水的直接排放。

5 结论与讨论

通过对南京市进行覆被类型提取和地表温度反演，得到了南京市2013—2016年的覆被类型图和土地利用转移矩阵和地表温度分级图，通过对这些数据的研究得出以下结论。

南京主城区的地表覆被类型从2013—2016年变化明显，其中建设用地的面积出现先增后减的情况，究其原因是老城区的拆迁改造。水体面积基本保持不变，以长江、秦淮河、玄武湖等水系为主。耕地主要集中于江心洲和栖霞区东北部，并且随着时间的推进逐渐缩减。绿地由于城市建设的完善，面积不断增加。

在提取的5种覆被类型中，建设用地和裸地的温度始终较高。对于林地和耕地，由于两者具有相似的波谱信息，所以反演出的温度相近，而水体的温度始终最低。异常高温的面积随着时间的推进而不断增加，通过时间和面积的线性回归分析发现，两者之间存在显著的正向线性关系。

通过温度与NDVI、NDWI、NDBI的线性回归分析，得出地表温度与NDVI值呈现较为显著的线性负相关关系，与NDBI值呈现显著的线性正相关关系。而地表温度和NDWI之间则没有明显的线性关系，存在随机性。

经过地表温度和各种指数之间的回归分析，可以明确在城市的扩张过程中，城市热岛效应是不断加剧的。建筑物的不断增加，导致城市不透水面积的增加，无法削弱太阳辐射，进而导致了城市近地表温度的上升。缓解城市热岛问题，从抑制城市的建设来说是不科学的，如何做到城市的扩张和热岛效应的不加剧是一个比较矛盾的问题。在有限的空间里尽可能充分利用去进行绿化建设，是比较切实可行的方法。

目前的城市热岛研究已经到了比较成熟的地步，结合地表温度进行各种指数的计算也有很多学者进行研究。本文选取了较小的样区进行温度和各类指数的线性回归分析，相较于权研究区的指数回归分析，其说服力还不够强。此外，通过反演出地表温度，与景观生态学的各种指标结合进行研究，给城市的发展建设作出指导性的意见也是后面需要进行研究的方向。