基于Landsat TM／ETM＋ 的天津地区地表温度时空分布特征研究

孙艳玲，郭 鹏，高晓燕

（天津师范大学 城市与环境科学学院，天津 300387）

基于Landsat TM／ETM＋ 的天津地区地表温度时空分布特征研究

孙艳玲，郭 鹏，高晓燕

（天津师范大学 城市与环境科学学院，天津 300387）

以天津地区为研究对象，利用单窗算法对1993年、2001年和2009年3景Landsat TM／ETM＋遥感影像数据进行地表温度反演，将反演结果进行标准差分类后得到地表温度等级图.通过对不同时期地表温度分布进行时空分析，得到天津地表温度高温区在1993年到2009年期间主要集中在中心城区、滨海新区以及两者之间道路沿线等区域，其中，中心城区高温区不断加剧，滨海新区高温区从无到有、由弱到强，变化非常明显.分析结果表明：天津地表温度的空间分布与城市空间结构基本吻合，变化趋势与城市发展基本一致.

地表温度；Landsat TM／ETM＋；天津；单窗算法

地表温度（Land Surface Temperature，LST）是研究地表与大气之间辐射和能量通量传输的重要参数.随着城市规模不断扩大和城市化进程不断加快，通过城市地表温度场了解城市热环境及其热岛效应的研究成为当前城市气候与环境研究中的热点问题之一［1－2］.研究城市地表温度分布可以揭示城市的空间结构和城市规模的发展变化，有助于引导城市可持续发展，提高人们的居住环境质量［3］.

近年来，国内外通过城市地表温度了解城市热环境的研究很多［4－5］，归纳起来，主要可以分为通过常规定点观测和通过卫星遥感反演2种实现途径其中定点观测难以满足大空间范围地表温度获取的需要，随着遥感技术的发展，卫星热红外传感器已成为获取地表温度空间分布的主要途径.目前，用于反演地表温度的数据源主要有NOAA／AVHRR的热通道数据、TM／ETM＋的第6波段和MODIS的热红外波段数据等.相比较而言，陆地卫星的遥感图像数据地面分辨率较高，其热红外波段可用来分析地表热辐射和温度区域差异.此外，Landsat陆地资源卫星已有20年的历史，积累了丰富的遥感图像数据资料，为研究地表温度的时间动态变化提供了有利条件.在利用Landsat TM／ETM＋ 数据反演地表温度的研究中，除了传统上采用的大气校正法之外，覃志豪等［6］提出了无需额外大气参数的单窗算法，Jimёnez－Muñoz等［7］提出了仅需单个热红外波段数据的普适性单通道算法.针对不同的具体实例，研究者们分别对大气校正法、单窗算法和单通道算法进行了比较分析，如黄妙芬等［8］利用北京地区5景Landsat／TM影像和实测探空数据，分别运用大气校正法、单窗算法和单通道算法反演了北京城区地表温度，结果表明单窗算法与大气校正法的结果具有较高的一致性，对只有一个热红外通道的Landsat／TM数据源利用单窗算法反演地表温度，精度是可以接受的；白洁等［9］基于TM／ETM＋数据利用3种算法反演北京地区地表温度，结果显示，与地面实测温度数据相比，单窗算法的结果与地面实测值一致性最好；杜嘉等［10］利用洪河湿地过境的Landsat／TM图像、实测地面数据和MODIS地表发射率数据，运用3种算法估算地表温度，结果同样表明单窗算法与实测地面数据估算结果一致.

随着天津滨海新区的快速发展，天津市区与滨海新区的建设布局不断完善，同时也带动了沿线地区的城市化进程，这些均对天津市的热环境造成了一定影响.目前，对天津地区城市热环境的研究主要基于地面观测数据，如郭军等［11］利用天津市区、塘沽、宁河和蓟县4个台站1964—2006年的气象观测资料，分析了天津地区近40年气温变化的特征及其与城市化的关系，得出天津市年平均气温呈显著升高趋势、市区年平均气温变化幅度明显高于其他各区的结论.韩素芹等［12］和程晨等［13］利用 TM／ETM＋热红外波段数据分析了天津城市热岛效应，但主要是直接利用遥感数据计算地表亮温进行分析，而亮温（辐射温度）仅是衡量物体温度的一个指标，不代表物体的真实温度，两者虽然密切相关，但是差异很大，所以存在一定局限性［14］.随着热红外遥感基础理论研究的深入，通过反演地表真实温度来研究城市热环境变化成为当前研究的主流［15－16］.因此本研究利用Landsat TM／ETM＋遥感数据，运用地理信息系统（Geographic Information Systems GIS）技术，针对天津市的实际情况，选用单窗算法对天津市的地表温度进行反演，分析了地表温度的时间和空间分布特征，希望可以为天津城市建设与绿化规划提供参考.

1 研究方法与数据

1.1 研究区域

本研究主要针对天津市快速城市化的地区进行地表温度反演，即选取天津市中心城区和滨海新区作为研究区域，如图1所示.

图1 天津市中心城区及滨海新区示意图Fig.1 Location of central city and Binhai new area of Tianjin

研究区域中，中心城区包括市内6区（河北区、红桥区、南开区、和平区、河东区和河西区）和近郊4区（东丽区、津南区、西青区和北辰区）；滨海新区包括3个区，即塘沽区、汉沽区和大港区.滨海新区位于天津市中心城区的东部沿海地区，距离市中心50 km，是继深圳经济特区和上海浦东新区后，带动我国区域经济增长的又一重大战略部署区域，对环渤海经济圈的快速发展具有巨大的带动作用.

1.2 数据来源及预处理

本研究选取1993年6月15日、2001年9月1日和2009年8月30日获取的轨道号为122／33的3景Landsat TM／ETM＋遥感第6波段数据（数据来源于中国科学院计算机网络信息中心国际科学数据服务平台）反演地表温度，其中2001年9月1日的遥感数据为ETM＋影像，分辨率为60 m，其余两景均为TM影像，分辨率为120 m.这3景遥感影像均包含了除北部蓟县外的天津市大部分地区，由于本研究的研究区域主要为天津市区和滨海新区，因此数据可以满足研究要求.研究所用其他资料包括天津市1∶50 000地形图和天津市行政区划图.

首先，在ArcGIS9.3支持下参照地形图，对3景遥感影像进行几何校正，将其地理坐标统一转换为WGS 1984 UTM Zone 50 N，中央经线为117°E，遥感数据格式由原始的＊.tiff格式统一转换为＊.grid格式，以便进行栅格运算.然后，利用ArcGIS9.3中的Extract by mask工具，根据天津市行政区划图，对经过校正的3景影像进行裁切，提取出研究区域内的遥感影像数据，后续工作将仅对研究区域进行研究.

1.3 地表温度反演算法

覃志豪等［6］通过引进大气平均温度，提出根据TM6波段数据反演地表温度的单窗算法：

式（1）中：Ts是地表温度（K）；a和b为常量，a＝－67.355 351，b＝0.458 606；Ta是大气平均作用温度，中纬度地区夏季的Ta＝16.011 0＋0.926 21T0，T0为近地面气温（K）；C＝τε，τ是大气透射率，ε是地表比辐射率；D＝ （1－τ）［1＋ （1－ε）τ］.

τ可以根据大气总水汽含量w（g／cm2）来估算，夏季的w如果落在0.4～1.6 g／cm2之间，则

如果w落在1.6～3.0 g／cm2之间，则

ε可以通过植被指数来估计，采用覃志豪等［17提出的算法，首先对遥感影像进行分类，将地表分为不同的覆盖类型，然后计算各地表类型的植被指数和植被覆盖度，从而估算出地表比辐射率值，具体算法请详见参考文献［17］.

Tsensor是卫星传感器所测的像元亮度温度（K）亮温计算分为2步：首先将由灰度值表示的TM／ETM＋数据转换成相应的热辐射强度，然后根据热辐射强度推算出相应的地表亮度温度值.对于TM／ETM＋数据，所接收到的辐射强度与其灰度值存在如下关系：

式（2）中：L（λ）为传感器所接收到的辐射强度，单位为 mW·cm－2·sr－1·μm－1；QDN是像元的灰度值Qmax＝255为最大灰度值；Lmin（λ）和Lmax（λ）分别为传感器所接收到的最大和最小辐射强度，可从Landsat TM／ETM＋ 数据头文件中获取.

利用热辐射强度求算亮度温度值可用如下近似计算式：

2 结果与分析

2.1 地表温度分布结果

利用单窗算法，在ArcGIS9.3支持下，反演出研究区域1993年6月15日、2001年9月1日和2009年8月30日的地表温度，图2为转为摄氏温度后的反演结果.针对反演得到的地表温度分布图（图2），对结果进行标准差法（Standard Deviation分类，这种分类方法首先计算栅格影像LST的平均值和标准差，然后根据这2个参数通过一系列计算将研究区的LST分为7个等级，按照温度由低到高的顺序，将分类结果依次命名为极低温区、低温区较低温区、中温区、较高温区、高温区和极高温区.由于不同时期地表温度分布不同，3个年份温度区分级对应的地表温度范围也不同，结果如表1所示.

图2 不同时期天津地区地表温度分布图Fig.2 Distribution of land surface temperature in three dates of Tianjin area

表1 标准差法分类表Tab.1 Standard deviation classification ℃

根据标准差法分类结果，对LST影像进行重采样（Reclassify），得到各温度区的分布状况，如图3所示，并由此分别计算不同时期7类温度区所占的面积比例，统计结果如表2所示.

图3 研究区不同时期的各温度区分布图Fig.3 Distribution of temperature classes in three dates of study area

表2 天津地区3个时期的温度区面积比例表Tab.2 Proportion of temperature areas in three dates of study area %

2.2 地表温度空间分布特征

对比天津城区不同时期的地表温度分布图可以发现，随着天津城市化进程的不断加快和天津滨海新区的快速发展，地表温度空间分布发生了明显变化，本研究对研究区域不同时期的地表温度区分布图（图3）和不同温度区面积比例（表2）进行分析.

从1993年的地表温度分布图可以看出，研究区域中代表高温的高温区和极高温区主要分布在天津市中心城区海河两侧的沿河一带，且主要集中在红桥区、河北区、南开区、和平区和河东区相接壤的地区，这些区域主要为天津的老城区，在20世纪90年代人口密度较大.塘沽区沿海河下游处LST略高，但是面积较小，而且比中心城区温度要低.同时，从图3中可以看出，代表低温的低温区和极低温区主要分布在汉沽区和塘沽区.研究区域的大部分地区在1993年属于较低温区、中温区和较高温区，这3类区域的面积达到总面积的85.06%，代表高温的高温区和极高温区的面积比例只有6.69%，代表低温的低温区和极低温区比例为8.24%.此外，从1993年的地表温度分布中还可以发现，中心城区的西北部（主要是北辰区范围内）和滨海新区的大港区范围内地表温度也较高，这两地在1993年属于郊区，土地类型以农业为主，地表温度本应较低，但反演温度却与市内六区相接近，这是因为6月份正值天津冬小麦收获季节，地表植被覆盖条件较差，大部分地区在这个时期主要为裸地，而且北辰区、西青区和大港区是天津主要的冬小麦种植区域，因此，1993年6月15日反演所得的这些区域的地表温度也较高.

从2001年的地表温度分布图可以看出，研究区的高温区主要分布在中心城区的市内六区和滨海新区的塘沽一带.其中，市内六区极高温区的范围较1993年明显变大，且呈辐射状向周围发展.同时，从图3中可以发现，在市内六区中河西区和南开区范围内存在非常明显的低温区域，这些区域主要是公园绿地，如水上公园的水域面积较大，植被覆盖率高，因此成为中心城区中的低温区.滨海新区中塘沽区、大港城区和汉沽城区的地表温度均呈升高趋势温度区分布图显示塘沽区中的极高温区主要分布在海河入海口处，且塘沽区高温区的面积大于大港区和汉沽区.与1993年相比，汉沽区也出现了明显的高温区.此外，在市内六区与塘沽区之间出现了带状高温带.统计结果显示，2001年研究区域内代表高温的高温区和极高温区的面积比例为8.49%，较1993年有所增加.

2009年的地表温度分布图显示，研究区域内高温区的分布范围进一步扩大.除了水体覆盖和密度较高的绿地外，市内六区基本都属于高温区和极高温区，且向四周扩散的范围和强度较大，中心城区中4个近郊区高温区和极高温区的面积有所增大，滨海新区高温区的范围和强度也都明显变大，特别是塘沽区内，高温区的范围明显扩大.同时，塘沽区与中心城区间的高温带也更加显著，范围逐渐变宽，这表明随着中心城区和滨海新区之间各种交通设施的快速发展，沿途地区的城市化过程加快，城镇建设用地面积增加，导致地表温度逐渐增加.在高温区面积不断增加的同时，研究区域中低温区和极低温区的面积进一步减少.统计结果显示，2009年研究区域内高温区和极高温区的面积比例为11.38%，低温区和极低温区的比例为1.58%.

2.3 地表温度时间分布特征

为了进一步分析天津城区和滨海新区1993年至2009年地表温度的变化规律，分别对中心城区塘沽区、大港区和汉沽区的地表温度等级进行了面积统计，结果如表3所示.

表3 不同地区不同时期各温度区面积比例Tab.3 Proportion of temperature areas in three dates of different areas %

由表3可以看出，中心城区中低温区和极低温区的面积比例由1993年的1.86%下降到2001年的1.41%，2009年则下降到0.8%，可见中心城区低温范围在这17年中呈减小趋势，并且2001年至2009年间的减小趋势更为显著.同时，高温区和极高温区的面积比例在1993年为9.04%，2001年增加达到10.18%，之后仍然逐年增加，在2009年达到17.39%，增幅十分明显.其中极高温区从无到有，面积从小到大，变化也十分明显，这表明天津中心城区的地表温度在不断增加.

滨海新区中，塘沽区地表温度增加显著.由表3可知，1993年极低温区和低温区的面积比例为26.87%，极高温区的面积比例为0.00%，高温区的面积比例也仅为0.06%；2001年该区极低温区和低温区的面积比例有所下降，同时高温区和极高温区的面积大幅增加，面积比例达到9.19%；2009年塘沽区高温区和极高温区的面积比例继续增加，同时低温区和极低温区的面积比例迅速下降.汉沽区从1993年到2009年也呈现出高温区面积比例逐渐增加，低温区面积比例逐渐减小的趋势，同时还表现出极高温区从无到有的特征.大港区相对于其他区域，情况有所不同，如1993年6月15日的遥感影像中，LST分布异常，这对该区1993年的各温度区分布比例具有直接影响.

3 结论

本研究根据1993年到2009年的遥感影像数据，利用单窗算法反演出不同时期天津地区的地表温度分布图，并借助ArcGIS的空间分析功能对研究结果进行标准差分类，计算出不同时期各温度区所占面积的百分比，从而对LST的空间分布及其变化趋势进行分析.研究结果表明：1993年到2009年期间，地表温度相对较高的区域由以市内六区为中心逐渐发展成以市内六区及塘沽区为中心.这种分布格局的变化同时也带动了市内六区和塘沽区之间地区的地表温度变化，且影响范围逐渐扩大，强度逐渐增强.虽然受天津市地理位置、气候条件和农作物成熟收割等因素的影响，一些地区存在地表温度异常区，但通过3年的地表温度等级图和温度等级统计表可以看出，天津中心城区和滨海新区高温区强度从弱到强，范围从小到大.地表温度分布格局的变化反映了天津市空间布局的调整，即由最初的“一条扁担挑两头”到以中心城区和滨海新区核心区为主副中心构建的“一主一副”双中心布局，再到“双港双城”的中心城市布局结构［18］.

［1］ 赵静，宫阿都，徐捷.国内外城市热岛研究进展［J］.自然灾害学报，2008，17（6）：64－67.

［2］ 周志民.城市热岛遥感研究进展［J］.安徽农业科学，2011，39（1）：606－607，614.

［3］ 陈云浩，李京，李晓兵.城市空间热环境遥感分析—格局、过程、模拟与影响［M］.北京：科学出版社，2003.

［4］ 段金龙，宋轩，张学雷.基于RS的郑州市城市热岛效应时空演变［J］.应用生态学报，2011，22（1）：165－170.

［5］ 董妍，李星敏，杨艳超，等.西安城市热岛的时空分布特征［J］干旱区资源与环境，2011，25（8）：107－112.

［6］ 覃志豪，ZHANG M H，ARNON K，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

［7］ JIMËNEZ－MUÑOZ J C，SOBRINO J A.A generalized single channel method for retrieving land surface temperature from remote sensing data［J］.Journal of Geophysical Research 2003，108（22）：4688－4695.

［8］ 黄妙芬，邢旭峰，王培娟，等.利用LANDSAT／TM热红外通道反演地表温度的三种方法比较［J］.干旱区地理，2006，29（1）：132－137.

［9］ 白洁，刘绍民，扈光.针对TM／ETM＋遥感数据的地表温度反演与验证［J］.农业工程学报，2008，24（9）：148－154.

［10］ 杜嘉，张柏，宋开山，等.基于Landsat－5 TM的洪河湿地地表温度估算方法对比研究［J］.遥感技术与应用，2009，24（3）：312－319.

［11］ 郭军，李明财，刘德义.近40年来城市化对天津地区气温的影响［J］.生态环境学报，2009，18（1）：29－34.

［12］ 韩素芹，郭军，黄岁樑，等.天津城市热岛效应演变特征研究［J］.生态环境，2007，16（2）：280－284.

［13］ 程晨，蔡喆，闫维，等.基于Landsat TM／ETM＋的天津城区及滨海新区热岛效应时空变化研究［J］.自然资源学报2010，25（10）：1727－1737.

［14］ 申双和，赵小艳，杨沈斌，等.利用ASTER数据分析南京城市地表温度分布［J］.应用气象学报，2009，20（4）：458－464

［15］ 岳文泽，徐丽华，徐建华.20世纪90年代上海市热环境变化及其社会经济驱动力［J］.生态学报，2010，30（1）：155－164

［16］ 梁益同，陈正洪，夏智宏.基于RS和GIS的武汉城市热岛效应年代演变及其机理分析［J］.长江流域资源与环境2010，19（8）：914－918.

［17］ 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）：28－42.

［18］ 尹海林.国家战略背景下的天津市空间发展战略规划［J］.时代建筑，2010（5）：6－9.

Study on temporal and spatial variation of land surface temperature based on Landsat TM／ETM＋in Tianjin

SUNYan－ling，GUOPeng，GAOXiao－yan

（College of Urban and Environmental Science，Tianjin Normal University，Tianjin 300387，China）

The spatial and temporal variation of land surface temperature（LST）in central city and Binhai new area of Tianjin was studied with Landsat TM／ETM＋.Using mono－window algorithm，the LST was retrieved from Landsat TM／ETM＋thermal band data from three dates in 1993，2001 and 2009.Then the LST was classified into distribution maps by means of standard deviation，and the proportion of temperature class was also calculated and plotted.The results of analysis of maps and plots showed that high temperature area mainly focused in central city，Binhai new area and areas along the roads between the two areas.From 1993 to 2009，high temperature area was becoming larger and harder.The effect of high LST on central city was aggravated，and the effect of high LST on Binhai new area started from scratch，from less to more and experienced obvious changes.The results showed that in some kind of degree，the change of LST distribution reflected the adjustment of urban layout structure made by government.

land surface temperature；Landsat TM／ETM＋；Tianjin；mono－window algorithm

P463.3

A

1671－1114（2012）01－0048－06

2011－10－08

国家自然科学基金资助项目（41001022）；中国科学院知识创新工程重要方向资助项目（KZCX2－EW－202）

孙艳玲（1977—），女，讲师，主要从事全球变化、资源环境和3S应用方面的研究.

（责任编校 纪翠荣）