南昌市城市热岛效应遥感分析

刘耀宇，汤江龙，2*，欧立业，3

(1.东华理工大学测绘工程学院，330013，南昌;2.江西省数字国土重点实验室，330013，南昌;3.江西省地理国情监测遥感院，330209，南昌)

0 引言

城市热岛效应(Urban Heat Island)是指城市发展到一定规模，由于城市下垫面性质的改变、大气污染以及人工废热的排放等使城市温度明显高于郊区，形成类似高温孤岛的现象[1]。近年来，南昌市快速发展，城市化率由2003年的43.36%增长到了2018年的55.23%[2]，城市热岛效应不断加重。城市热岛效应有很多危害，不仅危害人类健康增加患病风险，而且加重空气污染，还会间接引发自然灾害，导致气候和物候异常[3]。

早期通过气象观测站采集温度数据来研究城市热岛效应，但由于气象站点分布不均匀和观测条件的限制，很难全面反映整个区域的温度变化。随着遥感技术在各个领域内广泛的应用，热红外遥感的进步，使得快速获取大范围地面温度数据成为可能。国内外学者对基于遥感数据反演地表温度的理论和方法进行了很多研究，比较有代表性的有毛克彪、何迎东等的辐射传输方程法[4－5]，覃志豪等人的单窗算法[6－8]，Jimenez－Munoz和Sobrino的普适性单窗算法[9]，毛克彪等人的劈窗算法[10－12]。利用不同的温度反演方法，国内外学者对城市热岛问题做了很多研究，并取得了很多的成果。Gallo[13]等使用归一化植被指数NDVI估测城市热岛对城郊气温差异影响，结果发现植被指数与城郊气温有着明显的线性关系，可更好地解释平均最低气温的空间变换。陈云浩[14]等基于景观生态学，建立了一套研究城市热环境格局和过程的方法并建立了评价体系。赵小艳[15]等利用MODIS数据分析了北京市冬夏两季城市热岛的空间分布特征，发现夏季热岛效应明显，冬季出现冷岛现象。

本文以南昌市为研究对象，使用Landsat 8数据，采用单窗算法对南昌市及周边区县的地表温度进行反演，建立了不同行政区温度等级面积比例与人口密度和人均GDP的拟合模型，探讨南昌市2018年春季城市热岛效应的空间分布以及人类活动对热岛效应的影响。

1 研究区与数据

1.1 研究区概况

本文以南昌市为研究区，南昌市位置如图1。南昌市位于东经E115°27'～116°35'，北纬N28°10'～29°11'之间，地势以平原为主，东南相对平坦，西北丘陵起伏，水网密布。全境属于亚热带温润季风气候，年平均气温为17～17.7℃，是中国“四大火炉”之一。

目前南昌市下辖6个市辖区(东湖区、西湖区、青云谱区、湾里区、青山湖区、新建区)及3个县(南昌县、进贤县、安义县)。

图1 研究区位置和Landsat8影像

根据李伯祥[16]等人的研究结果，2007年南昌市建成区面积为235 km2，2016年建成区面积为366 km2，建成区扩张了130.47 km2，每年以14.50 km2速率扩张。扩张方向主要集中在东西南3个方向，北边扩张不明显，发展趋于饱和状态。

1.2 数据选择及预处理

查找最新的Landsat8数据，发现大部分影像的云覆盖度很高，无法使用。而2018年4月17日和2018年4月10日这2期数据含云量较低，可满足实验要求。由图2可知南昌市有2景影像覆盖，框线左边的影像为第1景，右边为第2景，南昌市大部分区域都在第2景影像下。虽然2景影像的获取时间不同，但获取时间相近，可把2景影像当作同期数据处理。

图2 研究区影像分布图

因此，选取了2018年4月2景Landst8 OLI遥感影像为研究数据，数据来源于地理空间数据云(http://www.gscloud.cn/)，研究区数据介绍见表1。

表1 研究区遥感影像数据介绍

对Landsat 8影像预处理，包括:辐射定标，使用ENVI辐射定标工具对多光谱数据和热红外波段进行辐射定标，将影像的亮度灰度值转化为辐射亮度值;对定标后的数据进行大气校正，消除大气层对地物辐射亮度的影响;镶嵌和裁剪，使用最邻近像元法对2景影像进行镶嵌，然后再用研究区行政区划数据对镶嵌后的影像裁剪。

2 研究方法

2.1 单窗算法

单窗算法主要是覃志豪[6]等人针对TM影像提出，使用了大气平均作用温度、比辐射率和大气透过率这3个重要参数，反演地表温度。对于Landsat 8 OLI具体计算公式如下:

式中:a10和b10为经验常量，取a10=－67.355 355 1，b10=0.458 60;T10为Landsat－8第10波段的亮度温度，Ta为大气平均作用温度，C10和D10是算法的中间变量。

中间变量的计算公式如下:

式中:ε10是10波段的地表比辐射率。τ10是10波段大气透过率，可通过NASA网站输入时间和经纬度查询，得到2018年4月10日大气透过率为0.85。

2.2 星上亮度温度

亮度温度是指在一个物体的辐射亮度和黑体的辐射亮度相同时，该黑体的物理温度称为该物体的亮度温度。亮度温度只具有温度的量纲，没有温度的物理意义。先将影像的灰度值定标为表现反射率，进而计算研究区的亮度温度，具体计算公式见式(4):

式中，T10为Landsat－8第10波段的亮度温度(℃)，K1、K2为常数，Lλ为表现反射率。对于TIRS影像，K1=－774.89 W/(m2μm·sr)，K2=1 321.08 K。

2.3 大气平均作用温度的估计

大气平均作用温度使用以下公式[17]计算:

式中，Ta为大气平均作用温度，T0为近地面(2 m)气温，本文取T0=18.4℃。

2.4 地表比辐射率

比辐射率又称发射率，使用覃志豪[18]提出的混合模型来计算。混合模型认为遥感影像的像元可分为水体、城镇和自然地表3种类型，可分别求出各类像元的比辐射率，计算公式如下:

式中，εwater表示水体像元的比辐射率，εsurface表示自然地表的比辐射率，εbuilding表示城镇的比辐射率。PV是植被覆盖度，用以下公式计算:

式中，NDVI是归一化植被指数，NDVISoil和NDVIVeg分别为裸地和植被的NDVI值。NDVISoil和NDVIVeg的值取经验值，分别为0.05和0.70。当NDVI小于0.05时，植被覆盖度PV等于0;当NDVI大于0.70时，植被覆盖度PV等于1。

3 结果与分析

3.1 地表温度反演结果验证

为验证地表温度反演的结果是否可靠，使用同期的MODIS温度产品进行相关性分析。利用ARCGIS软件在验证数据和反演结果上生成500个随机样点，提取样本点处的温度值，然后对两组温度值做相关性分析，得到相关系数为0.802 0，相关性较强表明温度反演的结果较为准确。

3.2 地表温度分级

反演结果表明，2010年4月10日南昌市地表平均温度u为22.3℃，标准差SD为2.54。使用均值－标准差法[19]将南昌市地表温度分为低、次低、中等、次高和高5个等级，各温度等级与相应的温度区间如表2所示。

由图3可知，南昌市地表温度整体上以中温区面积分布最广，低温、次低温区主要分布在东北部的鄱阳湖生态湿地，湾里区的梅岭国家生态公园以及东南部的军山湖和青岚湖附近;高温区和次高温区主要分布在除湾里以外的市区，新建区西部，安义县北部，南昌县西部以及进贤县北部等区域，这些区域人口密集，商业中心众多，这与南昌市“西进、东拓、北扩、南延”发展战略相吻合。根据南昌市地表温度分级的结果，分别对不同等级温度的面积进行统计，并计算南昌市各区县不同等级温度面积所占比例(表3)。

表2 温度等级与对应的温度区间

表3 南昌市各区县不同等级温度面积比例%

高温区和次高温区为城市热岛区，由表3可知，安义县热岛强度最低，为22.67%，青云谱区热岛强度最高，为78.68%。热岛效应的强度由高到低依次为:青云谱区＞西湖区＞青山湖区＞东湖区＞进贤县＞南昌县＞湾里区＞新建区＞安义县。低温区域面积比例进贤县最高，西湖区和青云谱区没有低温区域。

3.3 不同温度等级面积比例与人口密度和人均GDP拟合

人口密度和人均GDP与建筑密度、人类活动集中程度以及汽车尾气排放有关，这些都是影响城市热环境的因素，因此与各区域不同温度等级的面积比例存在相关性。本文采用多种拟合模型，分别对南昌市各行政区不同温度等级的面积比例与人口密度和人均GDP进行拟合，并对不同拟合模型的决定系数R2进行了比较(表4)。

表4 不同温度等级的面积比例与人口密度、人均GDP拟合R2对比

当拟合决定系数R2＞0.6时，认为存在拟合关系。由表4可知，南昌市各区县中温区域面积比例与人口密度的R2较高，说明存在拟合关系;同理，低温区域面积比例与人均GDP也存在拟合关系;而次高温和高温区域面积比例与人口密度和人均GDP都具有拟合关系，选取R2较大的那个模型作为拟合模型。

4组R2较高的拟合曲线如图4所示。由图4(b)和图4(c)可见，次高温区域和高温区域面积比例与人口密度的拟合曲线相似，总体上随人口密度的增大而增加，先快速增大，后缓慢减少。由图4(a)可见，中温区域面积比例与人口密度呈负相关，先快速降低，后缓慢变小。由图4(d)可见，次低温区域面积比例与人均GDP的拟合关系呈现M型。在人均GDP达到5.4万元和10.8万元时，次低温区域面积比例到达了高峰期;人均GDP低于5.4万元时，拟合曲线表现为M型的上升阶段;人均GDP超过5.4万元以后，次低温区域面积比例轻微下降，后快速抬升;人均GDP到达10.8万元后，次低温区域面积比例呈现快速下降趋势。

图4 不同温度等级区域面积比例与人口密度的拟合曲线

得到次低温、中温、次高温和高温面积比例估算模型如式(8)～(11)所示:

式中:X为人均GDP，Y为区域内人口密度，P1、P2、P3、P4依次为次低温、中温、次高温和高温面积比例。

以中心城区(东湖区和西湖区)、环城区(青云谱区和青山湖区)和郊区(安义县、新建区和南昌县)作为3个新的区，并用这3组数据验证模型的有效性。由表5可见，估算值和实际值接近，可用于定量估算次低温、中温、次高温和高温区域面积比例。

表5 次低温、中温、次高温和高温面积比例估算模型验证/%

4 结论

本研究对反演了南昌市2018年4月份的地表温度，根据反演的结果发现南昌市春季热岛效应明显，受热岛效应影响的区域约占18.02%。根据地表温度分级的结果，可知青云谱区的热岛强度最高，安义县的热岛强度最低;高温区域主要分布在市区，人口密度较高的商业中心;低温区域主要分布在河流湖泊以及植被覆盖较高的梅岭森林公园。通过各区不同温度等级面积比例和人口密度、人均GDP拟合曲线，发现人类活动越集中，温度越高。中温区域面积比例与人口密度呈负相关，次高温和高温区域面积比例与人口密度呈正相关，次低温区域面积比例人均GDP的拟合关系较为复杂。因此，在城市化建设中，应控制人口密度和建筑密度，同时保证植被和水体一定比例，从而改善城市的热环境。