植被指数与地表温度定量关系遥感分析——以北京市TM数据为例

马 伟，赵珍梅，刘 翔，闫东川

(1．中国冶金地质总局矿产资源研究院，北京 100025;2．北京东方泰坦科技股份有限公司，北京 100083)

植被指数与地表温度定量关系遥感分析
——以北京市TM数据为例

马 伟1，赵珍梅1，刘 翔2，闫东川1

(1．中国冶金地质总局矿产资源研究院，北京 100025;2．北京东方泰坦科技股份有限公司，北京 100083)

以北京市为研究区，在对Landsat－5 TM数据大气校正基础上，利用TM单窗算法定量反演地表温度，并估算了5种植被参数:归一化差值植被指数(NDVI)、比值植被指数(RVI)、绿度植被指数(GVI)、土壤调节植被指数(MSAVI)和植被覆盖度(fg)。结合地表温度(LST)空间分布，对比分析5种植被参数与地表温度的相关程度。分析结果显示，相对于上述4种植被指数，fg与地表温度有更好的负相关性，对地表温度空间分布的指示能力更佳。利用fg与地表温度关系定量分析了植被覆盖程度对热岛效应的影响，发现北京市区平均地表温度比近郊区和远郊区分别高 1．6 K 和5．3 K。

植被指数;地表温度;Landsat－5 TM;城市热岛

0 引言

绿色植被通过改变地气界面能量、水汽和碳的交换过程，从而改变地表能量平衡，影响地表温度。Oke［1］在城市热岛能量来源研究中发现植被密集区域有较高的潜热交换，而显热交换多发生在植被稀疏的城区，这一重要发现大大促进了地表温度与植被覆盖关系的研究［2，3］。Weng 等［4］研究发现，基于线性光谱混合分解模型估算的植被覆盖指数与地表温度呈负相关关系。在植被指数与地表温度关系的研究中，NDVI是应用最为广泛的指数之一:Boegh等［5］根据NDVI－LST关系研究地表蒸发散量;程承旗等［6］利用TM热红外数据计算了北京市地表的亮度温度，认为热岛效应强度与NDVI呈线性关系;然而，江樟焰等［7］研究发现，当 NDVI＜0．161时，NDVI与地表温度之间不存在相关关系;Small［8］的研究则指出，NDVI具有非线性和观测平台依赖性，并不适用于定量分析植被覆盖状况;而NDVI与地表温度的关系也还需进一步研究。因此，对比分析不同植被参数与地表温度间的关系，从中寻求更佳的植被参数模型，已成为城市热环境研究中值得探讨的重要问题。

本文利用遥感资料反演地表温度，着重分析评价了当前应用较广的5种植被参数与地表温度的关系，寻求对地表温度空间分布指示最佳的植被参数;同时，分析植被参数与地表温度关系，研究北京城市热环境的内在作用机制，对优化人居环境、改善公共健康条件、合理规划城市发展都具有重要的现实意义。

1 研究方法

1．1 研究区与数据源

以北京市区及部分郊区(六环路以内)为研究对象(图1)。研究区位于 39°28'N ～ 41°05'N，115°25'E～117°35'E，地处暖温带半湿润地区，属大陆性季风气候。区内植被覆盖度的变化梯度较大，市区和郊区植被覆盖度差异明显。

图1 研究区示意图Fig．1 Location of the study area

选用2004年7月6日获取的Landsat－5 TM影像为基本数据源，覆盖整个研究区，数据质量较好。同时收集了北京气象台提供的卫星过境时的常规气象观测资料。

1．2 数据处理

1．2．1 数据预处理

参考2004年获取的ASTER可见光/近红外影像，对TM影像进行几何纠正，均方根误差在0．5个像元内;采用最邻近法对TM第6波段数据进行重采样至30 m分辨率。

按式(1)计算各波段大气顶层的光谱辐亮度Lλ［9］，并利用6S模型对 TM1～5、7波段的大气顶层光谱辐亮度进行大气校正，得到各波段地表反射率，即

式中，Grescale、Brescale分别为定标的增益与偏移;Qcal为像元DN值。

对于第6波段，通过式(2)计算亮温TB［9］，即

式中，K1=607．76 W/(m2·sr·μm);K2=1 260．56 K。

地表温度反演过程中所使用的气象资料(气温、相对湿度)均以卫星影像获取时刻各气象站点记录值取平均值，并采用反距离权重法内插至与遥感数据相匹配的尺度。

1．2．2 地表温度反演

Qin等［10］针对TM6波段提出了地表温度(Ts)反演的单窗算法，即

式(3)～(5)中，a= －67．355 351;b=0．458 606;Ta为大气平均作用温度(K);ε为地表发射率，计算方法见文献［11］;τ为TM6波段大气透射率。

针对不同的大气廓线，Qin等［10］建立了4种基于近地层空气温度T0估算Ta的关系式。本文利用中纬度夏季模式模拟2004年7月6日卫星过境时刻的 Ta。

中纬度夏季模式为

采用式(7)计算大气透射率，即

式中，w为整层大气可降水量(g/cm2)。先根据饱和水汽压与相对湿度计算地面实际水汽压(hPa)［12］，再根据地面实际水汽压与整层大气可降水量间的关系计算 w［13］，即

式中，e为地面实际水汽压(hPa)。

参数敏感性分析表明，单窗算法对地表发射率并不敏感，但受大气透射率影响较大;在地表发射率、大气透射率等基本参数估计误差在一定范围内时，地表温度反演的平均误差约为1．1 K［14］。

1．2．3 植被参数计算

本文选用5种应用较广的植被参数:归一化差值植被指数(NDVI)、比值植被指数(RVI)、绿度植被指数(GVI)、土壤调节植被指数(MSAVI)和植被覆盖度(fg)。这5种植被参数均可由TM相应波段的反射率计算得到(表1)。

表1 5种植被参数模型Tab．1 Five parameters of vegetation

1．3 数据分析方法

为分析上述5种植被参数与地表温度的相关程度，本文采用剖面线法进行相关分析。考虑到研究区的特点以及剖面线所经过区域的典型性，选择东西方向起始，每顺时针方向旋转45°作一条剖面线，共4条剖面线(如图1中 A、B、C、D所示)。为进一步定量分析植被覆盖度对城市热环境的影响，对植被覆盖度和地表温度进行城乡对比研究。结合北京城市发展现状，以北京市四环和五环路为界，将研究区划分为市区、近郊和远郊3个区域，并对其植被覆盖度和地表温度进行统计分析。

2 结果分析

2．1 城市地表温度空间分布特征

地表温度反演结果表明:研究区地表温度范围在295．8 ～339．2 K 之间，平均地表温度为309．7 K，标准差为5．7 K。地表温度空间分布如图2所示，按均值±整数倍标准差将温度分割为5个等级。

图2 地表温度空间分布Fig．2 Geographical distribution of land surface temperature

图2中，北京市区地表温度在310 K以上(不包括市内水体)，而郊区地表温度多在300～310 K之间，城乡地表温度差异较为明显。这是因为在相同的太阳辐射条件下，相对于自然地表，城市不透水层吸收的太阳辐射能量绝大部分用于加热地表和近地面大气，地表潜热蒸发散失的能量较少，地表温度较高;而郊区植被覆盖状况好，土壤湿度大，蒸发散失量大，显热存储和传输的能量降低，地表温度较低。

整个研究区内，有4个较大的高温区域:石景山区、市区的东南角(京津塘高速公路与四环路相交处)、市中心前门附近的老城区(南二环路内)和卢沟桥南边的大片裸土区域。形成这些高温区域的主要原因是区域内植被覆盖度极低;此外，还受人为热排放、建筑物屏蔽效应等因素影响。低温区域主要集中在郊区、市区内水体和植被较多的公园。城市中的水体和植被有效地隔断了片状高温区域，增加了城市地表温度场的破碎度，对于缓解城市热岛效应、改善城市热环境具有重要的作用。另外，香山附近有3块区域地表温度最低(＜295．80 K)，对照遥感图像发现是由于云遮挡所致。

2．2 不同植被参数与地表温度关系对比

对5种植被参数与LST进行相关分析，显著性水平均为0．01，结果如表2所示。

表2 各剖面线上地表温度与5种植被参数的相关系数Tab．2 Correlation coefficients between LST and five parameters of vegetation on various profiles

从表2可以看出，5种植被参数与地表温度的相关系数在－0．672～－0．798之间，均为负相关关系。分析结果表明:①fg与LST的平均相关系数最大，其次是 NDVI和MSAVI，RVI为最小;②5种参数与LST的相关系数的标准差在0．016～0．040之间，其中 fg的最小，而 NDVI的最大，这是因为剖面线通过的地表覆盖类型差异较大，而NDVI易受土壤背景、植被类型、叶面积等变化因素的影响，导致NDVI与LST的相关关系不稳定，表明NDVI具有非线性及易受干扰等缺点;③变异系数表征了相关系数的相对波动程度，fg与LST相关系数的变异系数最小，而MSAVI、RVI、NDVI和GVI的变异系数都较大。

综上分析，在5种植被参数中，fg与LST的相关性最好，且受地表覆盖类型变化的影响最小，相关关系最为稳健。因此，fg是5种植被参数中反映地表温度空间变化的最佳植被参数。

2．3 植被覆盖度与地表温度定量关系分析

陈云浩等［20］将植被覆盖划分为无植被覆盖(fg=0)、低植被覆盖(0 ＜fg≤0．25)、中植被覆盖(0．25＜fg≤0．50)、高植被覆盖(0．50 ＜ fg≤0．95)和全植被覆盖(fg＞0．95)5个等级。根据该定义可将植被覆盖度换算成植被覆盖等级(图3)。对比图2和图3可以看出，植被覆盖度与地表温度空间分布呈明显相反趋势。

图3 植被覆盖度等级图Fig．3 The distribution of vegetation coverage grade

分别对市区、近郊和远郊3个区域的LST和fg进行统计分析，结果见表3。

表3 市区、近郊和远郊LST和f g统计结果Tab．3 Descriptive statistics of LST and f g of urban，suburban and outer suburban

分析结果表明:市区平均地表温度最高(315．1 K)，近 郊 次 之 (313．5 K)，远 郊 最 低(309．8 K)，市区平均地表温度比近郊和远郊分别高1．6 K和5．3 K，因此，北京市区呈现较强的热岛效应。与地表温度空间分布特征相反，平均植被覆盖度在市区表现出最低值，比近郊和远郊的平均植被覆盖度分别低0．06和0．18;远郊大量的森林和农作物使得远郊的平均覆盖程度最高。较高的植被覆盖有效地保持了自然下垫面土壤湿度，改变地表能量平衡在潜热和显热的能量分配，降低波文比，从而降低地表温度。同时，植被覆盖也增大了热惯量，在相同太阳辐射条件下，能有效地阻止地表温度的上升。图4为地表温度和植被覆盖度散点图。

如图4所示，LST－fg散点图呈三角形分布，这与NDVI－Ts特征空间三角形较为相似。在相同植被覆盖条件下，地表温度在一定范围内波动;但随着植被覆盖度的增加，地表温度呈整体逐渐下降趋势。

图4 地表温度与植被覆盖度关系Fig．4 LST －f g relationship

3 结论

(1)利用Landsat－5 TM遥感资料定量反演了北京市区及部分郊区地表真实温度以及NDVI、RVI、GVI、MSAVI和fg共5种不同植被参数，并对比分析了它们与地表温度的相关程度。

(2)在5种植被指数中，fg与LST之间的相关性最好，相关关系最为稳健，不易受空间位置和地表覆盖类型变化的影响，是城市热环境研究中分析植被与地表温度关系和地表温度空间分布的最佳参数。

(3)LST－fg散点图的特征空间呈三角形，这与NDVI－Ts特征空间三角关系相似。LST与fg间有较强的负相关关系。绿色植被能够有效地降低地表温度，对减缓城市热岛效应有重要意义。

(4)北京市城市热岛效应显著。高温区域主要集中在植被覆盖率偏低的市中心地带、市区西部和东南部以及郊区大片裸土区域;而低温区域主要位于郊区的植被浓密地带、市区中的水体和绿化较好的公园等区域。由市中心向外，地表温度与植被覆盖度呈相反变化趋势。城区的平均地表温度比近郊和远郊分别高出1．6 K和5．3 K，而城区的平均植被覆盖度比近郊和远郊分别低0．06和0．18。

［1］Oke TR．The Energetic Basis of the Urban Heat Island［J］．Quarterly Journal of the Royal Meteorological Society，1982，108:1 －24．

［2］Carson T N，Gillies R R，Perry E M．A Method to Make Use of Thermal Infrared Temperature and NDVI Measurements to Infer Surface Soil Water Content and Fractional Vegetation Cover［J］．Remote Sensing Reviews，1994，9:161 －173．

［3］Goward S N，Xue Y，Czajkowski K P．Evaluating Land Surface Moisture Conditions from the Remotely Sensed Temperature/Vegetation Index Measurements:An Exploration with the Simplified Simple Biosphere Model［J］．Remote Sensing of Environment，2002，79:225 －242．

［4］Weng Q H，Lu D S，Schubring J．Estimation of Land Surface Temperature－Vegetation Abundance Relationship for Urban Heat Island Studies［J］．Remote Sensing of Environment，2004，89:467 －483．

［5］Boegh E，Soegaard H，Hanan N，et al．A Remote Sensing Study of the NDVI－Ts Relationship and the Transpiration from Sparse Vegetation in the Sahel Based on High Resolution Satellite Data［J］．Remote sensing of Environment，1998，69:224 － 240．

［6］程承旗，吴 宁，郭仕德，等．城市热岛效应强度与植被覆盖关系研究的理论技术路线和北京案例分析［J］．水土保持研究，2004，11(3):172 －174．

［7］江樟焰，陈云浩，李 京．基于Landsat TM数据的北京城市热岛研究［J］．武汉大学学报，2006，31(2):120－123．

［8］Small C．Estimation of Urban Vegetation Abundance by Spectral Mixture Analysis［J］．International Journal of Remote Sensing，2001，22，1305 －1334．

［9］Chander G，Markham B．Revised Landsat－5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges［J］．IEEE Transactions on Geoscience and Remote Sensing，2003，41(11):2674－2677．

［10］Qin Z H，Karnieli A，Berliner P．A Mono－window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel－Egypt Border Region［J］．International Journal of Remote Sensing，2001，22(18):3719 －3746．

［11］Sobrino JA，Jime'nez－ Mun～oz JC，Paolini L．Land Surface Temperature Retrieval from LANDSAT TM5［J］．Remote Sensing of Environment．2004，90:434 －440．

［12］周淑贞．气象学与气候学［M］．北京:高等教育出版社，1996．

［13］杨景梅，邱金桓．用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究［J］．大气科学，2002，26(1):9－22．

［14］覃志豪，Zhang M H，Karnieli A，等．用陆地卫星TM6数据演算地表温度的单窗算法［J］．地理学报，2001，56(4):456－466．

［15］Rouse JW，Haas R H，Schell J A，et al．Monitoring Vegetation Systems in the Great Plain with ERTS［C］∥Proceedings of the Third Earth Resource Technology Satellite－1 Symposium．Greenbelt:NASA SP －351，1974:3010 －317．

［16］Jordan C F．Derivation of Leaf Area Index from Quality of Lighton the Forest Floor［J］．Ecology，1969，50:663 －666．

［17］Crist E P，Cicone R C．Application of the Tasseled Cap Concept to Simulated Thematic Mapper Data［J］．Photogrammetric Engineering and Remote Sensing，1984，50:343 －352．

［18］Qi J，Chehbouni A，Huete A R，et al．A Modified Soil Adjusted Vegetation Index(MSAVI)［J］．Remote Sensing of Environment，1994，48:119 －126．

［19］Gutman G，Ignatov A．The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models［J］．International Journal of Remote sensing，1998，19:1533 －1543．

［20］陈云浩，李晓兵，史培军，等．北京海淀区植被覆盖的遥感动态研究［J］．植物生态学报，2001，25(5):588 －593．

(责任编辑:刘心季)

A Quantitative Analysis of the Relationship Between Vegetation Indices and Land Surface Temperature Based on Remote Sensing:a Case Study of TM Data for Beijing

MAWei1，ZHAO Zhen －mei1，LIU Xiang2，YAN Dong－chuan1
(1．Institute of Mineral Resources Research，China Metallurgical Geology Bureau，Beijing 100025，China;2．Beijing Oriental TITAN Technology Co，Ltd，Beijing 100083，China)

Through correcting the Landsat－5 TM image of atmospheric effects and employing the calculation method ofmono －window algorithm，the LST in Beijing was calculated by inversion．On such a basis，five vegetation parameters were computed respectively，i．e．，Normalized Difference Vegetation Index(NDVI)，Ratio Vegetation Index(RVI)，Greenness Vegetation Index(GVI)，Modified Soil－ Adjusted Vegetation Index(MSAVI)and vegetation fraction(fg)．Combined with the spatial distribution of LST in Beijing，this paper compared and analyzed the relevance between LST and the five vegetation parameters．Quantitative analysis of vegetation effect on the Urban Heat Island(UHI)was also carried out．The results show that，of the five parameters of vegetation，fghas the strongest negative correlation with LST．The average urban LST is 1．6 K and 5．3 K higher than that of the suburban and outer suburban respectively．

Vegetation index;Land surface temperature;Landsat－5 TM;Urban heat island

马 伟(1984－)，男，硕士，主要从事资源环境遥感研究。

TP 79

A

1001－070X(2010)04－0108－05

2009－11－20;

2010－01－04

国家高技术研究发展计划(863计划)项目“遥感动态监测与管理信息系统”课题(编号:2006AA120107)资助。