基于定量遥感的湘潭市城区热岛时空格局分析

田鑫，钟玉林，李儒

(1.湘潭市勘测设计院，湖南 湘潭 411100； 2.中国科学院遥感与数字地球研究所，北京 100094)

基于定量遥感的湘潭市城区热岛时空格局分析

田鑫1*，钟玉林1，李儒2

(1.湘潭市勘测设计院，湖南 湘潭 411100； 2.中国科学院遥感与数字地球研究所，北京 100094)

利用2013年～2014年5个时相Landsat 8 OLI和TIRS数据，反演了夏季全程和冬季地表温度，反演结果绝大部分值在历史数据最高温度(日间)附近，反演结果具有一定的表征力；计算了反演区的热岛强度，分析了夏季湘潭城区地表温度的空间分布与随时间的变化情况，结果显示城市热效应空间分布格局不同时相表现出类似的模式，发现城市在夏季地表温度呈现“南高北低”和高温区沿湘江分布的情况；原先夏季高温区在冬季出了低温，表现出夏热冬冷的现象，这一定程度说明地表热效应对地表类型反应灵敏。同时分析植被指数、城市建筑物指数与城市地表温度等间关系，结果显示城市绿化对城市地表温度降低的确有一定的作用，地表温度对城市建筑物密集区敏感。这一成果对地方城市规划建设具有现实意义和借鉴价值。

热红外遥感；地表温度；热岛时空格局

1 引 言

我国城市热岛问题严重，受到较多的关注[1]。湘潭地处我国夏季高温区，城市热岛问题尤为突出，急待城市管理者解决。湘潭市是我国中部长株潭一体化区域规划中的核心城市之一，自“十八大”以来，随着一体化规划的落实与新城镇化推进，旧城改造与新城区建设同步迅速展开，城市地表覆盖类型发生大范围变化，导致地表下垫面长波辐射显著变化，产生了严重的城市热岛问题。针对湘潭市城区的热岛效应开展研究对城市建设具有很重要的现实意义，与建设“两型社会”的目标也保持一致。

针对我国城市热岛效应和热动态监测的研究较多，邬丹等基于RS与GIS开展了长沙市城市热岛影响因子分析和热岛时空效应分析[2]。张桂华等开展了北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析[3]；苏伟忠等开展了南京市热场分布特征及其土地利用/覆被关系研究[4]；吴志刚等以武汉市为例，开展了基于Landsat 8数据的地表温度反演及分析研究[5]。厉华等应用MODIS数据开展了长株潭地区地表温度与地表覆盖类型以及热岛时空分析研究，但该研究成果空间分辨率有限(1 000 m)[6]。孙华等应TM数据开展长株潭城市群地表温度反演，该研究重点关注于温度反演，但并未涉及更多的热岛时空格局分析[7]。针对湘潭市的较高时间、空间分辨率的热岛效应以及热空间动态研究处于空白状态，开展湘潭市的热岛效应以及热空间动态研究迫在眉睫，对城市规划与建设具有现实意义。

城市热岛研究多使用热红外遥感技术快速反演地表温度。国内外学者相应提出了多种基于遥感的温度反演技术，主要有辐射传导方程、单窗算法等[8，9]。

本文以湘潭市城区为研究区域，利用5个时相的Landsat 8遥感数据，采用辐射传导方程对研究区的地表温度进行定量反演，通过计算热岛强度、归一化的植被指数、归一化建筑指数，统计城市热岛与这些下垫面(用地类型)间的相关关系，开展城市热岛的时空分布强度与格局分析研究。

2 研究区域与数据

2.1 研究区域

本研究以湘潭市中心城区(雨湖区、岳塘区)为研究区(如图1所示)。湘潭位于湖南省的中部偏东地区，地跨东经111°58′～113°05′，北纬27°21′～28°05′。湘潭市总的地貌轮廓是北、西、南地势高，中部、东部地势低平，但地势起伏较为和缓，反差强度不大，近 80%的面积在海拔 150 m以下。2010年城市建成区面积达到 85 km2，中心城区集中了湘潭市大部分人口和工商业单位，尤其以沿湘江两岸形成了重要的人口聚集区。

图1 研究区域位置示意图(Landsat 8 OLI 9月17日-R(4)、G(3)、B(2)合成真彩色影像)

2.2 时间序列数据

本研究使用Landsat 8数据，包括多光谱与热红外数据。在数据获取条件允许的前提下，构成了5时相时间序列以研究城市核心区一年内的地表温度/热岛的空间格局。时间序列数据包括：2013年6月13日、7月31日、9月17日、10月3日以及2014年1月23日。本项目中，使用landsat8数据的波段有：蓝波段(0.450 μm～0.515 μm)、绿波段(0.525 μm～0.600 μm)、红波段(0.630 μm～0.680 μm)、近红波段(0.845 μm～0.885 μm)、中红外波段(2.100 μm～2.300 μm)和热红外波段(10.6 μm～11.2 μm)，其中热红外波段空间分辨率 100 m，其他波段为 30 m。

由于研究区域集中在一景影像内，因此无须影像镶嵌操作。研究中所选用的这些数据云覆盖量小于10%，数据时相分别具有良好的代表性。数据来源于中国科学院遥感地球所数据共享网站和美国NASA，数据轨道号分别为(123，41)。数据已经系统辐射校正和几何精校正，几何校正精度小于0.5像元(15 m)。根据以往研究，该数据除热红外波段数据需要进行辐射定标外，其他数据可直接用于反演。热红外波段的辐射定标工作在ENVI5.1环境中Radiometric Correction->Radiometric Calibration模块中完成。

3 研究方法

3.1 遥感温度反演

本研究使用辐射传导方程发进行地表温度反演[9]。该方法目前比较成熟，反演精度较高，是主流方法之一。

依据辐射传输方程，可推导出温度为T的黑体在热红外波段的辐射亮度B(TS)为：

B(TS)=[Lλ-L↑-τ(1-ε)L↓]/τε

(1)

则依据普朗克公式，TS为：

TS=K2/ln[K1/B(TS)+1]

(2)

ε为地表比辐射率，TS为地表真实温度(K)，B(TS)为黑体热辐射亮度，τ为大气在热红外波段的透过率，L↑，L↓分别为大气上行、下行辐射亮度。对于Landsat8热红外波段(波段10)，K1=774.89W/(m2*μm*sr)，K2=1321.08K(在遥感数据头文件中可查询)。

因而完成地表温度TS计算需要获取大气剖面参数(L↑，L↓及τ)和地表比辐射率(ε)。大气剖面参数可在NASA提供的网站(http：//atmcorr.gsfc.nasa.gov/)中，输入成影时间以及中心经纬度可以获取。

地表比辐射率可使用NDVI阈值法计算。为了得到更精确的地表比辐射率数据，本文使用覃志豪等提出的先将地表分成水体、自然表面和城镇区，分别针对三种地表类型计算地表比辐射率[10]：

水体像元比辐射率：0.995

自然表面像元比辐射率：

εsurface=0.9625+0.0614Pv-0.0461Pv2

(3)

城镇区像元比辐射率：

εbuilding=0.9589+0.086Pv-0.0671Pv2

(4)

上式中，Pv为植被盖度：

Pv=[(NDVI-NDVISoil)/(NDVIVeg-NDVISoil)]

(5)

取经验值NDVIVeg=0.70和NDVISoil= 0.05，即当某个像元的NDVI大于0.70时，Pv取值为1；当NDVI小于0.05，Pv取值为0。

3.2 热岛强度

为了进行不同时相间城市热岛情况对比分析，将该时相内地表温度进行归一化处理，形成热岛强度指数(Heat Island Intensity Index，HIII)[11]。之后可将HIII按照一定标准，划分热岛强度等级，HIII其表达式为：

HIII=(Ti-Tmin)/(Tmin+max)

(6)

3.3 归一化指数计算

地表土地覆盖类型与地表温度密切相关，研究两者关系有利于弄清城市热岛形成的机制和空间格局关系[12]。因而，本文也计算了两类归一化的遥感指数，用以指示不同地表覆盖类型。

(1)归一化的植被指数(Normalized difference vegetation index，NDVI)该指数能够较好反映出地表植被覆盖和生长状况[13]，表达式为：

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(7)

式中ρNIR和ρR分别为近红外和红光波段反射率。

(2)归一化建筑指数(Normalized difference build-up index，NDBI)，该指数对城镇建筑覆盖去就有较好的专题识别能力，可作为建筑覆盖区的指示指标[14]，其表达式为：

NDBI=(ρMIR-ρNIR)/(ρNIR+ρMIR)

(8)

式中ρNIR和ρMIR分别为近红外和中红外波段反射率。

3.4 反演结果与制图说明

本研究中所用的地表温度、热岛强度以及遥感指数都是在ENVI5.1软件环境中完成。由于遥感影像本身因素影响，直接反演或计算结果中存在一些异常点(极端大或极端小)，如选用全部数值制图造成分类区间过多，将这些点排除在外，将结果值限定在一定范围，不影响制图效果。在制图时，考虑图面效果，扩大取值范围(具体取值范围见表1)，该取值集中了99%以上的有效反演值(去除占总反演值数量0.015%以下的极端值)。

制图取值范围与实测数据 表1

由于地面同步数据缺乏，因此使用历史天气数据，数据来源于天气预报网(http：//www.tianqihoubao.com/)。经过数据统计，反演结果中，各时相76%以上的反演结果集中在历史气温±5℃范围内(具体比例见表1)，考虑遥感影像获取方式及时间(北京时间当日11时前后)与历史数据采集间的正常差异，反演结果在一定精度范围内，具有表征力。虽然由于缺乏地面实测数据，未能对反演温度做出精度评定，但考虑到反演实现和数据情况，该反演温度及相互间差异用于相对量上的参考和定性分析仍然具有意义。

4 结果与分析

4.1 不同时相间地表温度空间格局

本项目使用2013年6月～10月4时相遥感数据，该数据反映了湘潭地区夏季热-最热阶段间的地表地物的光谱综合状况。6月，湘潭地区初步进入夏季，气温开始快速上升。从6月13日反演结果看，地表温度主要集中在30℃～40℃之间。在城区中湘江的两侧存在一定面积超过40℃的地区，尤其在湘江的东南侧地区，部分地区地表温度达到了45℃以上，6月13日的地表温度极高处就集中在该区域内，达到50℃以上。该区域也是湘潭的中心城区和工厂区，与之形成对比的是城北地区，地表温度主要集中在30℃～35℃之间，零星出现40℃～45℃区域，该高温区域主要是建筑聚集区。7月31日反演结果显示，40℃以上高温区域面积迅速扩大，并连接成片，在该片区内，又有近一半以上区域温度达到45℃～50℃，原先(6月13日)个别极高温点连成了极高温片，城市高温问题已经非常严重。此时，城北地区虽然地表温度较城南相对较低(低约5℃～10℃)，但依然高达35℃以上，并有40℃以上高温区穿插分布。9月17日反演结果显示，大面积高温区域(40℃以上)面积大幅减小区域出现了不连续的星状分布，自北向南，分散在城市中，但是高温区域相对聚集去还是在城市的南部湘江拐弯处两侧。与7月比，城市核心区(城市南部)地表温度下降非常明显，但城北地区温度相对保持稳定。在10月3日，城区地表温度下降迅速，城市地表温度下降到了25℃～40℃之间，城市内大部分地区地表温度在20℃～25℃之间，原先的高温地区温度在25℃～30℃，在该区域内的极高温区温度也不超过40℃。极高温区与其他月份相比，有向东南移动的趋势。

图2 4时相湘潭市城区遥感反演地表温度

从4个时相的地表温度反演结果看，如图2所示，整个湘潭城区地表温度空间分布具有一定的规律性，呈现“北低南高”的现象，南北区域地表温度相差5℃以上，最大可达15℃。城市高温区同时呈现沿江高温与城南高温区并存的情况。沿着湘江，自北而下两岸附近地表温度多高于同纬度城市其他位置，时常出现低温区内的高温点(面)。而城南高温区表现出了稳定的状态，在不同季节高温区有所不同，但高温区位置(包含极高温区)保持了相对不变。通过地面实地调查以及真彩色影像分析，发现这些现象与城市地表覆盖类型有明显的关系。湘潭地区夏季地表温度自6月开始逐渐攀升，经过7月达到较高值，到9月即开始逐渐下降，到10月初极热情况有效缓解。

4.2 不同时相间热岛强度空间格局

地表温度反映了地面温度的绝对值，依据公式(3)划分热岛强度，定量的分析热岛效应的空间分布状况，该指标反应的是该区域内部的相对情况[15]。热岛强度分级依据表2所列指标进行，共分5级。通过热岛强度排除冗余数据干扰，更直观的显示出城市的热岛强度和空间分布情况。

热岛强度等级划分 表2

4个时相的热岛强度图明显反映出城区内不同区域的热岛效应空间分布状况。城市热岛高等级区主要集中于城南湘江两岸地区，而且极值区也出现相对固定的位置。城市热岛强度的空间分布格局表现出一定的规律性，具体地表温度的情况类似。但结合地表温度绝对值，发现在高温区内又有明显的极高高温区，这导致了7月31日、9月17日极高温区面积减小的假象，但实际上只是该区域内部由分裂出了更高温度等级区，而不是区域内地表温度下降，这说明该区域内随时相变化的地表热效应仍然有着显著的差异。但如果扣除一定数量等级上的差异(合并部分相近等级的差异)，城市热效应空间分布格局在不同时相上仍然表现出类似的模式。

图3 4时相湘潭市城区遥感热岛强度及空间分布

在冬季(图4，2014年1月23日反演结果)，较夏季，地表温度具有一定分布特点，即12℃～15℃与15℃～18℃空间分布交替出现并呈均匀分布，温差值小，而不像上四时相(夏季)明显出现大温差、等温范围大面积聚集状态。结合实地地面覆盖类型(图1、6)，这一定程度上说明，不同的地表覆盖类型在冬季(气温较低时相)，对地表温度的影响有限。本时相的热岛强度结果实际上是对不同位置地表温度之间的差异进行了放大处理，因而在强度图上表现处理板块林立的效果，显示出不同等级热强度的空间分布斑驳复杂，这也反映出不同地区的地表温度的细微差别。在冬季，城区地表温度高值区分布位置与前四时相相似，仍然在城市南部地区(工厂区见图5)出现。但同时，原先夏季高温区在冬季出了低温，表现出夏热冬冷的现象。这一定程度说明这些地表类型对地表热效应反应灵敏。该区域以密集的城市建筑为主。

图4 冬季湘潭城区地表温度及热场强度空间格局

在夏季4个时相反演结果中，城区高温区都集中在湘潭城区南靠近湘江处，该处也集中了地表温度极值区。在冬季，该区域也表现地表温度高于其他区域的现象，温度极值区也与前4时相中位置重合。通过实地调查与高空间分辨率影像对比解译，发现此处为雪花屋场、上屋场、麻园岭所在地，为湘潭钢铁厂所在地。以7月31日反演结果为例，从Google Earth上查询到2013年7月29日高清影像，显示了该区域的地面覆盖类型，以工业厂房为主，极大值点如图5所示。

图5 2013年7月28日湘潭市区高温区域地表覆盖情况

4.3 地表温度与典型地表覆盖类型关系

通过对4个时相地表温度反演结果进行分析，发现地表温度与地面覆盖类型有着明显的关联性，因而本研究计算了湘潭中心城区的两类遥感指数，从植被与地面建筑物覆盖情况来分析地面温度热岛强度与地面覆盖类型间的关系。

NDVI指数表征地面植被覆盖的情况，该值越小表面地面植被覆盖率越低，反之越高。从图6图上可以看出，湘潭城北区域植被覆盖明显高于城南地区，而且在城北地区零星分布这NDVI小值区域。结合图2～图4，NDVI小值区，反演出的地表温度都相对较高，反之较低。这说明NDVI与地表温度密切相关，但在温度较低或较高时，NDVI对地表温度的影响能力下降。NDBI反映地面建筑物的覆盖(密集)情况，该值越大，地面建筑物覆盖越多，该值越大，地表反演温度值越大。城市绿化对城市地表温度降低的确有一定的作用，城市建筑物密集区对地表温度敏感。通过这两个指数能够一定程度上解释湘潭城区内的热空间分布情况。

图6 湘潭城区NDVI与NDBI指数

5 结 论

本项目利用landsat8 OLI和TIRS数据，反演了湘潭主城区4个相近时相的地表温度，并计算了相应的热岛强度，分析了该区6月～10月地表温度值和温度的空间分布和演变情况，同时计算了热岛强度并将热岛等级划分为5等级，分析了区域内等级的空间分布，①发现湘潭城区内夏季地表温度自6月起开始逐渐上升到7月达到一定的高潮，整个城区都处于高温极高温环境中，到9月开始下降，至10月时城市极端高温情况等到一定缓解；②结合地表覆盖情况(NDVI和NDBI指数)分析，发现城市北部地区植被覆盖相对较高，地表温度相对较低，但建筑物集中区出现高温情况，城市地表温度南高北低，南部地区高温区稳定，且高温区内部区域地表热效应仍有差异，局部地区仍然有极高温情况；③城市热岛强度分析结果与地表温度分析结果一致，尤其是对高温区内的极高温现象反映更加明确；④对冬季湘潭城市地表温度反演结果发现该城市在冬季地表温度差异明显缩小，地表温度小温度差范围内相对均匀交替分布，同时该结果也显示了一些地区(地表以建筑物为主)地表温度变化剧烈，出现明显的“夏热冬冷”现象。这些成果对湘潭市城市的规划与建设，尤其是城市不同用地类型的布局具有一定的指导意义。

[1] 乔治，田光进. 基于MODIS的2001年—2012年北京热岛足迹及容量动态监测[J].遥感学报，2015(3)：476～484.

[2] 邬丹，邹凯，杨波. 基于RS与GIS的长沙市城市热岛影响因子分析[J]. 地理空间信息，2015(1)：65～68.

[3] 张佳华，侯英雨，李贵才等. 北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析[J]. 中国科学·地球科学，2005(S1)：187～194.

[4] 苏伟忠，杨英宝，杨桂山. 南京市热场分布特征及其与土地利用/覆被关系研究[J]. 地理科学，2005(6)：6697～6703.

[5] 吴志刚，江滔，樊艳磊，陈联君. 基于Landsat8数据的地表温度反演及分析研究——以武汉市为例[J]. 工程地球物理学报，2016(1)：135～142.

[6] 历华，柳钦火，邹杰. 基于MODIS数据的长株潭地区NDBI和NDVI与地表温度的关系研究[J]. 地理科学，2009(2)：262～267.

[7] 孙华，林辉，熊育久. 基于Landsat TM图像的长株潭城市群地表温度遥感反演[J]. 中南林业科技大学学报，2008(2)：85～90.

[8] 樊辉. 基于Landsat TM热红外波段反演地表温度的算法对比分析[J]. 遥感信息，2009(1)：36～40+48.

[9] 覃志豪，Arnon Karnieli. 用NOAA-AVHRR热通道数据演算地表温度的劈窗算法[J]. 国土资源遥感，2001(2)：33～42.

[10] 高懋芳，覃志豪，徐斌. 用MODIS数据反演地表温度的基本参数估计方法[J]. 干旱区研究，2007(1)：113～119.

[11] 叶彩华，刘勇洪，刘伟东，刘诚，权维俊. 城市地表热环境遥感监测指标研究及应用[J]. 气象科技，2011(1)：95～101.

[12] 李昕瑜，杜培军，阿里木·赛买提. 南京市地表参数变化与热岛效应时空分析[J]. 国土资源遥感，2014(2)：177～183.

[13] Rouse J W，Haas R H，Schell J A et al. Monitoring Vegetation Systems in the Great Plains with ERTS[C]//NASA. Goddard Space Flight Center 3d ERTS-1 Symp，1974，1 ：309～317.

[14] Zha，Y.，Gao，J.，Ni，S.，Use of Normalized Difference Built-up Index in Automatically Mapping Urban Areas From TM Imagery，International Journal of Remote Sensing，2003，24(3)：583～594.

[15] 史超，王学平，程诚. 基于定量遥感的武汉城市热岛强度时空格局演变分析[J]. 测绘与空间地理信息，2014，12：113～117.

Spatio-Temporal Pattern Analysis on the Urban Heat Island of Xiangtan City

Tian Xin1，Zhong Yulin1，Li Ru2

(1.Xiangtan Geotechnical Engineering and Surveying Institute，Xiangtan 411100，China； 2.China Institute of Remote Sensing and Digital Earth，CAS，Beijing 100094，China)

Landsat 8 OLI and TIRS data，acquired in 5 date during 2013 and 2014，were used to retrieve the land surface temperature in summer and winter. The retrieval temperature close to the highest recorded one in daytime，indicated that the result was reliable. Also the heat island index was calculated to analyze the temperature pattern in different place and time. The result indicated that there was a similar mode in the spatial distribution pattern of urban heat island effect. That mode was “high in south while low in north” and the high temperature alongside the Xiangjiang River in summer，and the place where the temperature was high in summer had a low temperature in winter，which was so called the phenomenon of heat in summer while cold in winter. To some extent，this phenomenon indicated that the heat island effect was sensitive to the land cover type. At last，the relationship between the vegetation index and urban building index and the land surface temperature was analyzed and showed the urban greening played a role in reducing the urban heat island effect and the land surface temperature was sensitive to the area of dense urban building. This result is of practical significance for and reference to the urban planning and construction of local cities.

thermal infrared remote sensing；land surface temperature；spatio-temporal pattern of heat island

1672-8262(2017)03-97-07

P231.1

A

2016—10—28

田鑫(1981—)，男，工程师，注册测绘师，硕士，主要从事城市测绘及遥感应用研究。