南昌市城市不透水面及其与城市热岛的关系分析

张静敏，汤江龙

(东华理工大学 测绘学院，江西 南昌 330013)



南昌市城市不透水面及其与城市热岛的关系分析

张静敏，汤江龙*

(东华理工大学 测绘学院，江西 南昌 330013)

通过分析南昌市不透水面和城市热岛的相关关系从而为缓解城市热岛效应提供技术指导.以南昌市2002年、2014年Landsat TM/TIRS遥感影像作为数据源.采用改进的归一化水体指数(modified normalized difference water index，MNDWI)进行水体的提取，结合归一化差值不透水面指数法(normalized difference impervious surface index，NDISI)对南昌市不透水面信息进行提取，然后采用单窗算法进行温度反演.分析比较2个时期的不透水面分布图和地表温度分布图，在2002-2014年间，南昌市不透水面面积与高温分布面积都明显增加，且主要是沿赣江两岸扩张.而从二者的线性回归方程式中可以看到，它们之间存在着显著的正相关性，这说明城市不透水面面积的增加会加剧城市热岛效应.

不透水面；城市热岛；NDIS；地表温度；单窗算法

随着不断地飞速发展，城市的面貌日新月异，而同时伴随着城市扩张带来的热岛效应更加突出.林云彬等[1]分析了泉州市不透水面和城市热岛的相关关系，宋毅等[2]通过分析滇池流域不透水面和城市热岛的空间布局发现两者存在一致性，毛文婷等[3]反演西安市地表温度定量研究下垫面和城市热岛的关系，可见城市热岛效应主要受自然和人为两大因素决定.自然因素主要指当地地理、气象等，人为因素主要包括下垫面、人为热源及大气污染、城市形态及景观格局.这些因素中下垫面是与人类活动联系最紧密的，故而其对地表温度和城市热岛效应影响最大.下垫面根据其透水性不同可以将其分成透水面及不透水面两种.不透水面，即是指那些相对于植被和土壤等渗水率较低的区域，如道路、停车场、广场及屋顶等建筑物.城市的发展必然伴随着道路、房屋等基础设施的建造，这就导致不透水面面积增加，从而导致地表的热容和导热率增加，城市热岛效应也越来越严重.南昌市也称为洪城，其原是百湖之城，而近年来城市建设速度加快，导致城市不透水面面积增加，城市热岛效应显著.所以，发现南昌市不透水面及其与城市热岛的关系，对于缓解城市热岛效应，提高居民生活质量具有重要的意义.

图1 南昌市遥感影像Fig.1 Nanchang remote sensing image

图2 整体流程示意图Fig.2 Schematic diagram of the whole process

1 数据源与数据处理流程

1.1 研究区及数据源

本文的研究区为江西省南昌市.南昌市位于东经E115′27′ ～116′35′ ，北纬N28′10′～29′11′之间.地处江西省中部偏北，全市主要以平原为主，平均海拔高程约为25 m.本文采用的数据为2002年10月的Landsat TM影像数据以及2014年10月的Landsat TIRS影像数据，其中，Landsat TM数据空间分辨率为30 m，Landsat TIRS数据空间分辨率为15 m(图1).

1.2 数据预处理

由于一副影像数据无法完全覆盖南昌市范围，因此需要采用两幅影像数据.首先采用三次卷积法对影像进行镶嵌，然后用行政区划数据对镶嵌影像进行裁剪.在提取不透水面的时候，需对裁剪后的遥感影像进行反射率定标，目的是将像元的灰度值转变传感器的反射率值.

另外，因为研究区存在水体，而水体和不透水面区域的灰度值都较低，会对研究区不透水面的提取造成影响.所以，在提取不透水面时需考虑水体对其影响.水体的提取主要选择MNDWI方法进行提取.数据处理整体流程如图2所示.

2 不透水面信息提取

NDISI指数法基本原理是利用归一化比值运算方法增加强辐射波段和弱反射波段二者之间的差距，以突出不透水面信息.该指数处理后，不透水面地物具有较高的反射度更亮，而植被因热辐射度相对较低故而表现的更暗[4]，从而达到突出不透水面的目的.不透水面在热红外波段与近红外波段之间的反射率相差较大.故而，以此构建指数.考虑到水体对不透水面信息的影响，因水体在可见光波段的反射率低于不透水面的反射率，在计算NDISI指数时将MNDWI指数插入其弱反射波段，可以达到增强不透水面信息的目的.其计算公式如下所示.

(1)

式中：TIR为多光谱影像中热红外波段的反射值；NIR为多光谱影像中近红外波段的反射值；MIR表示的是多光谱影像中红外波段的反射值；MNDWI表示改进的归一化水体指数，其计算公式如下.

(2)

式中:Green为多光谱影像中绿光波段的反射值.

为了降低水体对不透水面的影响故而制作掩膜文件提取不透水面信息，此时得到不透水面分布图.结果如图3、图4所示.

从图3、图4看出，灰度值得不同可以表征不透水面信息的强弱，灰度值高的区域，不透水面信息较强，图像更亮；反之，就越弱.从上面不透水面图中可以看出，植被覆盖度较大的区域亮度较暗，这部分区域大多分布森林和农田，不透水面值较低大都0.4以下[5]；亮白色区域则是不透水面区域，其不透水面值在0.8以上，主要是城市建筑和道路为主；图像上灰色区域大都为植被和不透水面的混合区域，这部分区域不透水面的值介于0.4～0.8之间；图像上黑色的部分为水体.

图3 2002年南昌市不透水面分布图Fig.3 Distribution map of impervious surface in Nanchang city in 2002

图4 2014年南昌市不透水面分布图 Fig.4 Distribution map of impervious surface in Nanchang city in 2014

3 地表温度反演

地表温度反映的是地面的温度，地表温度会因为不同的地理环境而不同，其是地球表面和大气之间能量转换的重要因子.现在，通常是对热红外遥感数据进行反演得到地表温度，其反演算法主要包括：单通道算法、分裂窗算法以及多通道算法等[6-7].经过多次反演算法精度的比较得出最适合LandsatTM数据的方法为单窗算法.

王倩倩等[8]为了简化大气校正法，改进地表热辐射传导方程，提高了反演的精度.他将大气向下平均温度的辐射强度改为大气向上平均温度的辐射强度对地表热辐射方程进行修改.然后在此基础上，将Plank函数进行泰勒多项式展开并消元化简[9-10]，得到适用于LandsatTM数据热红外波段的地表温度反演方法.本文采用的方法为改进的单窗算法.

3.1 亮度温度

亮度温度是传感器在卫星高度上观测得到的物体自身辐射温度，同时亮度温度可以表示一个区域内辐射亮度的空间分布变化.求解星上亮温温度时采用Planck函数[11]，此时需采用定标系数将影像DN值转换成星上辐亮度值，计算公式如下：

Tsensor=K2/ln(1+K1/Ii)

(1)

式中：K2和K1为常数项，对于不同的LandsatTM/TIRS数据，其取值是不相同的.对于LandsatTM数据而言，K1=607.76(W·m-2·sr-1·μm-1)，K2=1 260.56(W·m-2·sr-1·μm-1)；而对于LandsatTIRS数据，K1=774.89(W·m-2·sr-1·μm-1)，K2=1 321.08(W·m-2·sr-1·μm-1).

3.2 NDVI与植被覆盖度

植被生长状况和空间分布可以通过NDVI指数来反映，该指数可以用来检测植被覆盖度.该指数为近红外波段与可见光红波段的反射值之差和两者之和之比，可通过以下的公式计算：

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

(2)

NIR表示的是传感器的近红外波段，R表达的是红光波段的反射值.

植被覆盖度显示了一个地区植被在空间的分布状况，其是反应地表植被覆盖状况的一个重要指标，而且可以作为生态环境评价的参数[12-13]，归一化植被指数NDVI用来计算植被覆盖度，公式如下：

FV=(NDVI-NDVIS)/(NDVIV-NDVIS)

(3)

式中：NDVIS为非植被像元的NDVI值；NDVIV为纯植被像元的NDVI值.本文研究区域内没有明显的完全植被或裸土覆盖的像元，故而NDVI值的置信区间取5%和95%，所以在进行植被覆盖度的估算时NDVIv取值 0.70，NDVIs取值0.05.即某个像元的NDVI>0.70时，FV取值为1；当NDVI<0.05时，FV取值为0.

3.3 地表比辐射率

地表温度反演的精度与地表比辐射率有直接关系[14].覃志豪在前人的基础上进行总结，提出将地表分成水体、自然表面以及城镇3类，再计算地表比辐射率[15].3类中，水体的比辐射率几乎等同于黑体，所以水体的辐射率值直接定为0.995.另外2类的比辐射率则由公式计算：

εsurface=0.962 5+0.061 4FV-0.046 1FV×FV

(4)

εbuilding=0.958 9+0.086FV-0.067 1FV×FV

(5)

式(4)、式(5)中，εsurface和εbuilding为自然表面和城镇的地表比辐射率；FV为植被覆盖度.

3.4 地表温度

本文以热红外波段对地表温度进行反演故而采用的是改进后的单窗算法.单窗算法公式如下：

(6)

式中：a和b为回归系数，是一个常数项，其中a=-67.355 351，b=0.458 606；τ表示大气透过率；ε为地表比辐射率；Tsensor是星上亮度温度值；Ta为大气向上平均作用温度，Ta计算方法如下：

Ta=16.011+0.926 21T0

(7)

式中:T0表示近地温度，可以从当地的气象资料中获取.本文将2002年10月与2014年10月的平均气温作为近地温度的取值.

采用改进的单窗算法反演得到2002年与2014年南昌市地表温度，将反演温度结果图进行分级，温度分级图如图5、6所示.

图5 2002年地表温度分级图Fig.5 Surface temperature classification in 2002

图6 2014年地表温度分级图Fig.6 Surface temperature classification in 2014

表1 南昌市地表温度平均值与标准差的变化Tab.1 The change of the mean value and standard deviation of the surface temperature in Nanchang

4 结果与分析

4.1 城市不透水面表变化分析

采用NDISI指数法获取南昌市城市不透水面信息，从图3、图4中可以发现，从2002-2014年间，南昌市植被和水体的面积明显的减少，而不透水面面积则显著增加，且在空间分布上呈现一定的规律性.2002年不透水面主要集中在赣江一侧，而2014年不透水面则分布在赣江两侧，说明不透水面主要是沿着赣江两岸扩张.对图3与图4进行统计，得到南昌市不透水面变化信息.对以上两幅图中分析得出2002年的南昌市不透水面积约为南昌市面积的5.04%，而2014年南昌市不透水面积约为南昌市面积的11.94%，可见不透水面的面积增加约为2倍.

4.2 地表温度空间分布特征

用地表反演温度的标准差来表达城市热岛效应，标准差表达的是温度分布的离散度.热岛效应明显的区域，其离散度高，故而表示该地高温区与低温区之间的差异明显.利用软件的统计功能对温度反演结果图进行统计分析，得出南昌市2002年与2014年地表温度的平均值与标准差，如表1.

从表1可看出2002-2014年，平均温度值升高了约6℃，其标准差增加了1.157.随着温度的逐步升高，南昌市的热岛效应也明显加剧.

从温度反演图中可以看出，南昌市热岛效应日益突出.主要表现为市中心高温区集中分布，周边城郊为低温区，两者形成了鲜明的对比，表现出明显的城市热岛特征.

4.3 不透水面与热岛效应的关系分析

城市不透水面面积的增加，城市的温度也日益升高，热岛效应突出，分析不透水面分布图和温度反演结果图可以发现城镇二者在空间分布和变化上具有明显的一致性，二者相关性显著.为了探明两者之间的相关性，本文从不透水面分布图和温度反演结果图随机选取50个离散点，分别统计两幅图像的不透水面信息以及反演得到的地表温度.从而构建地表温度信息和不透水面信息的线性回归方程，定量分析二者之间的关系.图7为2014年二者之间的关系图，图8为2002年二者之间的关系图.

图7 2014年不透水面与地表温度的相关关系图Fig.7 Correlation between water surface temperature and surface temperature in 2014

图8 2002年不透水面与地表温度的相关关系图 Fig.8 Correlation between water surface temperature and surface temperature in 2002

从上面2幅图像中可以看出，R2都在0.85以上，表明二者之间相关性显著，且呈正相关关系.因二者呈现正相关关系，即表明不透水面覆盖率高的区域，地表温度也会升高.从二者建立的线性回归方程得出，南昌市在2002年，不透水面每增长0.1，地表温度相对的升高1.15℃；在2014年时，不透水面每增长0.1，地表温度升高1.58℃，二者相差0.43℃.从中可以得出，不透水面的大幅度增加会导致温度大幅度上升，其会直接加剧城市热岛效应.

4.4 分析结果

采用NDISI指数法对南昌市不透水面信息提取，结果表明从2002-2014年，这12a间，南昌市的不透水面面积共增加了6.9%，不透水面增加的区域与南昌市城市扩张区域一致，主要是分布在赣江两岸.这些现象都表明城市扩张会引起不透水面的增加.

不透水面的大幅度增加会导致温度大幅度上升，其会直接加剧城市热岛效应[16-17].通过对不透水面信息及地表温度信息进行相关性分析，发现二者的R2均在0.8以上，证明二者之间有着明显的正相关性.通过对南昌市进行分析发现不透水面面积每增加0.1，地表温度升高约1.6℃.

5 结论

通过不透水面分布图可以看出城市不透水面主要分布在赣江两岸其在赣江西面主要是向红谷滩发展，而在东面是向瑶湖发展，北面是向蒋巷镇和昌北发展，东面是向九龙湖和南昌县发展，其是和城市扩张一样的发散式增长，因城市不透水面和地表温度具有明显的正相关性，故而可以利用其来指导缓解城市热岛的相关建议：

1)增加修建生态公园，在赣江两岸建设时，可以在赣江的西边建设生态公园，这样既可以呼应西边红谷滩的发展，也可以缓解红谷滩所带来的城市热量.

2)在城市扩张的同时也应该以海绵城市等生态城市理念来建设，在选择基础建设材料时应选择透水性较好的材料，而且小区的房顶可以在上面铺设土层，种植植物，从而降低城市热量，这样既可以打造美丽生态城市，同时又可以减少有效缓解不透水面带来的城市热岛效应.

3)控制生态结果，在进行基础设施建设时，可以在建设路旁的人行道时采用格网建设，这样不仅可以减少不透水面的增加同时也美化了城市，而在生态保护红线之外也应该增加绿色植被和水面来调节热量的平衡.

[1] 林云杉,徐涵秋,周榕.城市不透水面及其与城市热岛的关系研究：以泉州市区为例[J].遥感技术与应用,2007,22(1):14-19.

[2] 宋毅,杨昆,赵旭东，等.基于ETM+/TM数据的滇池流域不透水面变化与城市热岛效应关系研究[J].科学技术与工程,2014,14(3):49-54.

[3] 毛文婷,王旭红,祝明英，等.城市地表温度反演及其与下垫面定量关系分析：以西安市为例[J].山东农业大学学报(自然科学版),2015,46(5):708-714.

[4] 葛壮,李苗.基于NDISI的七台河市不透水面信息提取[J].哈尔滨师范大学自然科学学报,2015,31(3):129-131.

[5] 孟宪磊.不透水面、植被、水体与城市热岛关系的多尺度研究[D].上海：华东师范大学,2010.

[6] 刘晓东.三江源区草地覆盖遥感信息提取方法及动态研究[D].兰州：甘肃农业大学,2010.

[7] 李玮娜.基于遥感技术的城市不透水面信息的提取应用[D].太原：中北大学,2013.

[8] 王倩倩，覃志豪，王斐.基于多源遥感数据反演地表温度的单窗算法[J].地理与地理信息科学,2012(3)：24-26，62，113.

[9] 贾维花,廉丽姝,吕宜平.基于TM数据的黄河三角洲地区植被覆盖度提取[J].地理信息世界,2012(6):62-66+74.

[10] 郑丽.基于SPOT影像的植被覆盖度遥感估算研究[J].河北北方学院学报(自然科学版),2014,30(3):13-16.

[11] 岳玉娟,周伟奇,钱雨果，等.大尺度不透水面遥感估算方法比较：以京津唐为例[J].生态学报,2015,35(13):4390-4397.

[12] 朝鲁门.气象卫星在地表温度反演及应用方面的综述[J].内蒙古科技与经济,2015(10):60-62.

[13] 张智,刘建涛,余晓松，等.基于多源多期遥感影像数据的榆林北六县植被覆盖度估算和分析[J].测绘技术装备,2013(3):5-7.

[14] 王春磊,晁晖,孙迪.基于比辐射率先验的热红外反演地表温度算法[J].河北联合大学学报(自然科学版),2014,36(3):86-91.

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

[16] 李艳芳,李小娟,孟丹.环境减灾卫星热红外数据的地表温度反演及LST分布分析：以北京市城八区为例[J].首都师范大学学报(自然科学版),2010,31(3):70-75.

[17] 林冬凤,徐涵秋.厦门城市不透水面及其热环境效应的遥感分析[J].亚热带资源与环境学报,2013,8(3):78-84.

责任编辑：高 山

Analysis on the Relationship between Impervious Surface Area and Urban Heat Island in Nanchang City

ZHANG Jingmin,TANG Jianglong*

(School of Surveying and Mapping Engineering,East China University of Technology,330013 Nanchang,China)

By analyzing the relationship between the impervious surface and urban heat island of Nanchang City so as to provide technical guidance for relieving urban heat island effect.Taking the Landsat TM/TIRS remote sensing image of Nanchang City in 2002 and 2014,as the data source.The modified normalized difference water index (MNDWI) was used to extracted water and normalized difference impervious surface index (NDISI) was used to extract the impervious surface information,then the single window algorithm was used for temperature inversion.The impervious surface distribution and surface temperature distribution of the two periods were analyzed and compared.The result shows that,the impervious surface area and high temperature area significantly increased during the period of 2002-2014 in Nanchang City,and they mainly expanded along the both sides of the Ganjiang River.It can be seen from the linear regression equations of the two distribution diagrams that there is a significant positive correlation between them,which indicates that the city impervious surface area increases will increase urban heat island effect.

impervious surface;urban heat island;NDISI;surface temperature;single window algorithm

2016-09-27.

张静敏(1991- )，女，硕士生，主要从事遥感图像处理与应用的研究;*

汤江龙(1964-)，男，教授，主要从事土地资源管理与应用的研究.

1008-8423(2016)04-0475-06

10.13501/j.cnki.42-1569/n.2016.12.024

TP753

A