基于Landsat-8 OLI/TIRS影像的长沙市城市热环境效应研究

何炳伟 韩沁哲

摘要：基于长沙市2016年7月23日的Landsat8 OLI/TIRS数据，利用覃志豪单窗算法反演地表温度，分析了长沙市城市热环境空间分布特征以及主要地表生态环境参数与城市热环境效应的关系。结果表明，（1）长沙市主城区地表温度均较高，高温区域主要分布在建筑用地密集、功能单一以及周边植被覆盖少的地区;（2）长沙市热岛区范围与城市建成区范围基本一致，构成热岛区面积较大的特高温区和高温区主要分布在中心城区和长沙县，城市热岛比例指数达0.712，反映出城市热环境形势较为严峻;（3）建筑用地对地表起着升温的作用，植被则相反，且前者升温效果明显强于后者的降温效果。长沙市在未来的城市规划中应在控制建筑用地扩张的同时增加植被覆盖，这样才能有效缓解城市热岛效应。

关键词：Landsat8 OLI/TIRS;城市热环境;URI;长沙市

Abstract： Based on Landsat 8 OLI/TIRS data of Changsha on July 23th of 2016， the surface temperature was retrieved by using Qin Zhihao single window algorithm. The spatial distribution characteristics of urban thermal environment and the influence of main surface ecological environment parameters on urban thermal environment effect were analyzed. The results show are as follows： （1） The surface temperature of the main urban area of Changsha is relatively higher， and the high temperature areas are mainly distributed in areas with high density urban construction， single function of urban construction and less vegetation coverage; （2） the range of heat island area of Changsha is basically the same as the built-up area of the city， the super-high temperature area and the high temperature area which constitute the heat island area are mainly distributed in the Central District and Changsha County.Overall， the Urban-Heat-Island-Ratio-Index is as high as 0.712， and the urban heat environment situation of Changsha has become more severe; （3） Quantitative analysis of the relationship between surface parameters and surface temperature shows that the built-up land plays a role in increasing surface temperature， while vegetation does the opposite， and the heating effect of the built-up land is much stronger than that of vegetation. Therefore， in the future urban planning， the urban heat island effect can be effectively alleviated by increasing vegetation while reducing the area of construction land.

Key words： Landsat-8 OLI/TIRS; Urban thermal environment; URI; Changsha

城市熱岛是指在城市居民相对集中的地区，地表温度及气温局部或整体高于周边非城市区域的现象，在空间分布上温度较高的城市地区就像一个突出的温暖岛屿[1]。英国学者赖克·霍华德比较分析了伦敦城区和郊区的气温，发现城区气温比郊区高的现象，首次提出了“城市热岛”这一概念。据有关研究表明，随着中国经济的快速发展，城市化也进入到快速发展时期，每年大量的大学毕业生和务工人员涌入城市居住，预计在2030年这一比例将要达到60%[2，3]。在快速的城市化过程中，需要增加更多的城市公共服务和基础设施建设，以满足人们的日常生活，从而导致植被、水域等面积的大量减少，混凝土建筑、柏油马路等城市不透水面面积日益增加，这种改变使得地表热属性发生了重大变化，导致城市地表温度显著高于周边非城市区域，形成显著的城市热岛效应。裴志方等[4]采用Landsat8数据研究了郑州市的热环境，发现郑州市城市热岛效应明显，高温区域主要集中在三环内，地表温度与植被覆盖度为负相关关系，与不透水面则相反。王美雅等[5]利用MODIS数据分析了中国大城市的城市组成与城市热岛的关系，得出城市建筑用地和乡村林地面积的增加会加剧城市热岛，进而影响人类健康和生存发展。城市热岛问题逐渐受到了广泛的关注，尤其对居民影响较大的是夏季高温天气的热岛效应。持续发酵的高温天气对城市居民的健康等尤为不利，高温天气下使用空调的城市居民显著增加，从而大大增加城市用电量。此外，高温有利于大气污染物的化学反应，加剧了大气污染程度，不利于宜居城市的建设。因此，为了更好地解决城市热岛问题，提高居民的生活质量，研究中国快速发展的城市热环境分布特征对于科学规划城市布局及绿色生态环保城的建设意义重大。

近年来，中国卫星遥感空间探测技术发展迅速，利用遥感技术观测地表信息和反演地表温度来研究城市热环境也不断深入。目前，已有的研究主要包括3种热红外遥感数据的地表温度反演方法：单通道算法、劈窗算法、多波段算法，并提出了各自的代表性算法[6-10]。其中，第一种算法基于1个热红外波段数据反演地表温度，这种算法能将大气和地表的影响直接包括在演算公式内，与其他算法相比简单易行、应用方便。第二种算法基于2个热红外波段数据反演地表温度。第三种算法基于多个热红外波段数据反演地表温度，但该算法反演地表温度难度大，且算法还在不断发展中，目前很少被使用。与此同时，为满足不同研究领域、范围和实际应用需要，不同尺度、不同传感器的热红外遥感数据的不断涌现，为其提供了丰富的选择[11]。利用热红外遥感数据进行地表温度反演的数据源主要有HJ_1B、MODIS、ASTER和Landsat热红外波段数据等，相比较而言，NOVV/AVHRR和MODIS数据由于其空间分辨率均较低，往往不能刻画出城市地表温度的细部特征，也就达不到地表温度反演精度和准确的要求，而Landsat系列的高空间分辨率热红外数据在城市热岛效应研究方面获得了广泛应用[12-15]， 例如，李军等[16]基于Landsat8影像分析了重庆主城区城市热岛效应，发现受重庆当地特殊地形等因素的影响，其主城区的城市热岛强度呈现出显著的空间分布特征。刘丹等[17]以1984—2015年Landsat卫星数据探讨了哈尔滨市城市扩张过程中土地利用变化对地表温度的影响及作用机制，得出哈尔滨市建筑用地面积由187 km2扩展到571 km2，中心城区热岛效应减弱，城区周边区域热岛效应增强的结论。

长沙市作为中国中部区域崛起的中心城市之一，快速的经济发展极大地促进了城市空间的快速扩张，伴随着城市下垫面的快速转变，城市热环境也发生了很大变化，不少学者对长沙地区的城市热岛效应开展了相关研究[18-20]。总地来说，大多数研究集中在长沙市热岛变化及长时间序列的城市热岛效应的时空演变特征分析，或者利用气象资料分析城市热岛变化的季节、昼夜变化特征，定量分析在快速城市化过程中引起城市热环境变化的还比较少，且有待进一步深入。本研究采用具有高空间分辨率的Landsat8热红外数据，选取长沙市作为研究区域，基于单通道算法反演该研究区域的地表温度，对长沙市城市热环境空间分布特征及其主要地表生态环境参数对城市热环境效应的影响开展研究。

1 研究区概况与数据

1.1 研究区概况

长沙市为湖南省省会，是长江中游地区重要的中心城市，位于湖南省东部偏北，湘江下游和长浏盆地西缘，介于111°53′—114°15′E和27°51′—28°41′N之间，属亚热带季风气候，气候特征夏冬季节较长，盛夏酷热少雨，每年气温高于35 ℃的炎热日平均约30 d。近年来，长沙市经濟发展迅速，城市化进程明显加快。为重点突出分析长沙市城市热环境特征，本研究把长沙市中心城区（包括岳麓区、天心区、芙蓉区、开福区和雨花区）及长沙县和望城区作为研究区（图1）。由图1可知，该研究区是长沙市城市化发展的核心区域，交通发达，人口密度大，经过20多年的发展，城市建成区已有较大的规模，这为研究城市热环境效应特征提供了较好的地理条件。

1.2 数据基础及预处理

本研究主要利用Landsat8热红外波段数据来开展地表温度反演工作。Landsat8卫星主要搭载陆地成像仪（Operational land imager， OLI）和热红外传感器（Thermal infrared sensor， TIRS）。其中，OLI成像仪能够获取近红外和全色波段影像，TIRS成像仪与之前的Landsat系列TM和ETM传感器相比，Landsat8影像的热红外波段存在较大差异，其拥有2个热红外波段图像第10波段（波长10.8 μm）和第11波段（12 μm）。为突出分析城市热环境效应特征，选择研究区夏季2016年7月23日的Landsat8遥感影像，覆盖研究区需要二景影像，图幅号分别为LC81230402016205LGN00和LC81230412016205LGN00。具体数据可在地理空间数据云免费下载（http：//www.gscloud.cn/），其地表反射率产品（空间分辨率30 m）已经过大气校正以及空间重采样至30 m分辨率的星上亮度数据。

此外，本研究还收集了2015年分辨率1 km的土地覆被数据和气象站点常规数据。其中，土地覆被数据可以从中国科学院资源环境科学数据中心（http：//www.resdc.cn/）下载，并给出了与landsat8数据相同投影坐标系统以及重采样至30 m空间分辨率的数据，从而进一步获取2016年研究区土地利用数据，而气象站点数据则由长沙市气象局提供，作为开展地表温度反演的辅助数据。

2 研究方法

2.1 地表温度反演方法

Landsat8 TIRS有2个热红外波段可用来反演地表温度，但是USGS官方多次公告由于TIRS11波段定标参数仍然存在不稳定性，因此，建议仍采用此前TM/ETM+的单波段方法来计算地表温度，这一情况也在众多学者[21，22]的相关研究中得以证实。因此，本研究采用覃志豪等[23]提出的覃志豪单窗算法（Q_SC）来开展地表温度的反演工作。对于landsat8数据来说，主要利用其第10波段热红外波段数据进行地表温度的反演，其详细反演过程如下。

首先将landsat8 TIRS10热红外波段数据的DN值转化为辐射亮温，其公式如下：

其中，L10为Landsat 8 遥感影像数据的像元在传感器处的辐射强度值;DN为像元灰度值;bias和gain分别是第10波段的偏置值和增益值，均可从影像头文件（MTL）中获取。L10、gain和bias的单位均为W/（m2?sr?μm）。

再根据Planck辐射反函数求取遥感影像每个像元的星上亮度温度T10，公式如下：

其中，a10和b10分别是第10波段根据研究区所在的地理位置以及影像数据选取的时间，估算出大致的温度范围确定回归系数，其取值大小可在表1中查找;Ta为大气平均作用温度，根据相应的大气模式，将近地面空气温度代入其线性方程进行估算。表2所列的是4种标准大气的大气平均作用温度Ta的估算方程[7]。在本研究中，选择中纬度夏季大气模式的大气平均作用温度估算公式来估算大气平均作用温度Ta。

其中，τ10和ε10分别为第10波段热红外波段的大气透过率和地表比辐射率。对于大气透过率的估算，由于选取的研究区范围较小，结合当时的天气情況可大致认为大气水分分布变化不大，故本研究根据影像成像时间和中心经纬度，直接在NASA公布的网站（http：//atmcorr.gsfc.nasa.gov/）查询相关数值。覆盖整个研究区有二景影像，因此，取二景影像查询得到的大气透过率平均值，求得大气透过率τ10=0.46。而地表比辐射率ε的估算，采用覃志豪等[24]提出的地表比辐射率估算方法。基于卫星像元的尺度及结合研究区的实际情况，将地表大体分为水体、城镇建筑用地和自然地表3种地类组成。其中，水体比辐射率设为εwater=0.996;自然地表像元和城镇建筑用地像元的地表发射率可表示为其与地表植被覆盖度（Pv）之间的关系，计算公式为：

2.2 城市热岛比例指数

为了更为直观地衡量城市热岛强度的大小，采用Xu等[25]创建的城市热岛比例指数（URI）。在本研究中，首先将反演出的地表温度影像剔除云及水体，然后再对地表温度作归一化处理，将数值统一到0～1，计算公式为：

其中，[LSTi']和LSTi分别表示影像像元归一化处理后的温度值和第i个像元的地表温度值，LSTmin和LSTmax分别表示影像像元地表温度的最小值和最大值。在获得归一化处理后的地表温度影像图后，再基于均值—标准差法将地表温度等级划分为6个等级，依次为低温区、次低温区、中温区、次高温区、高温区、特高温区。其中，构成城市热岛的斑块主要是次高温区、高温区和特高温区。城市热岛比例指数的定义是指通过计算城市不同温度等级的面积与城市建成区面积之比，并赋予权重来表示城市热岛现象的程度，可以比较不同时相的城市热岛效应变化，其计算公式为：

其中，m为划分的等级，取值为6;n是城区高于郊区的温度等级数，根据具体情况分别取为3、4、5、6级;i是城区高于郊区的第i个温度等级;w是权重值，取第i级的级数;pi是第i级所占城市建成区面积的百分比。

2.3 城市主要地表参数的获取

城市建成区最重要的地表生态参数是建筑用地和植被，占城市建成区很大的比例。因而以这两种地类作为城市的主要地表参数来定量地分析它们与城市热环境之间的关系。建筑用地信息采用Xu等[26]提出的遥感建筑用地指数IBI（Index-based Build-up Index）来获取，至于植被信息采用较常用的归一化植被指数NDVI来获取。

3 结果与分析

3.1 地表温度的空间分布特征

基于以上地表温度反演算法，获取到长沙市2016年7月23日地表温度空间分布数据，如图2所示，图像中空白区域都是云覆盖区域。为降低对地表温度结果分析的影响，后续研究均对云掩膜掉。同样，为降低水体对结果分析的影响，将研究区内的水体掩膜掉，并进一步制作得到地表温度直方图（图3）。由于选取影像时间处于夏季时刻，整个研究区的地表温度变化范围较大，由图3可知，温度直方图走势服从正态分布趋势，研究区温度动态范围主要集中在25～44 ℃，最低温度为25 ℃，最高温度达到58.4 ℃，平均温度为30.8 ℃。由图2可知，长沙市主城区地表温度相对较高，表现为岛屿状和零星热岛高温区域共存的空间分布特征，而且高温区域界限明显，并由城市中心区域向外部减弱。长沙市主城区地表温度明显高于周边农村及广大腹地，根据统计得出整个主城区相比周边农村和广大腹地地表温度要高8 ℃左右，这反映出明显的城市热岛效应特征;此外，通过同一色标显示下的地表温度数值大小，能够明显地看出研究区内的几条主要河流（如湘江和浏阳河）。

地表温度的空间分布与不同地表下垫面类型及其分布密切相关，在本研究中， 采用剖面线法用于分析不同地表下垫面类型下的地表温度变化的差异。考虑研究区的特点及剖面线经过研究区的典型性，以城市区域为中心，大体从东—西方向和东北—西南方向利用ArcGIS软件做贯穿整个研究区的2条剖面线（图1），分别提取出沿2个方向剖面线的地表温度数据，并选取了8个经过剖面线方向的典型区域进行分析（图4中A-H及其相对应的Google地图）。

图4展示的是来自不同剖面线方向的地表温度的空间变化特征。由图4中可知，由东—西和东北—西南方向上地表温度都伴有不同程度的起伏，出现明显交替的“峰”“谷”，这是由于不同下垫面性质导致地表温度值上下波动。具体来说，地表温度的“高峰区”对应的下垫面类型是建筑用地密集、功能单一、周边植被覆盖稀少、周围没有河流经过或者具有降温服务功能的地区，大多是商贸中心区或者是交通要道。相反，地表温度的“低谷区”对应的地区则是河流、周边植被覆盖浓密且建筑用地和植被覆盖分布相对均匀。这说明植被和水体能够有效降低地表温度，而建筑起着升温的作用，尤其是在建筑用地密集、功能单一的地区升温效果尤为明显。此外，整体而言，2个剖面方向上都是城市区域地表温度远高于周边郊区及乡郊地区。

即使没有与该卫星过境时刻的地表温度产品对反演结果进行直接验证，上述对地表温度反演结果的空间分布特征的分析说明采用覃志豪单窗算法能够较为准确地反映出该区域的地表温度空间分布情况，也就说明本研究地表温度反演结果是合理的，可为后续研究提供可靠的数据。

参考文献：

[1] 杜晋苗，孙艳玲，马振兴，等. 基于Landsat8的天津地区夏季城市热岛区分布特征研究[J]. 天津师范大学学报（自然科学版）， 2015，35（4）：41-47.

[2] ZHOU W， HUANG G， CADENASSO M L. Does spatial configuration matter？Understanding the effects of land cover pater on land surface temperature in the urban landscapes [J]. Landscape and urban planning， 2011，102（1）：54-63.

[3] PENG J， XIE P， LIU Y， et al. Urban thermal environment dynamics and associated landscape pattern factors： A case study in the Beijing metropolitan region[J]. Remote sensing of environment， 2016，173：145-155.

[4] 裴志方，文 艳，杨武年. 城市化下城市热环境与下垫面关系研究——以郑州市为例[J]. 云南师范大学学报（自然科学版）， 2019，39（1）：66-71.

[5] 王美雅，徐涵秋. 中国大城市的城市组成对城市热岛强度的影响研究[J]. 地球信息科学学报， 2018，20（12）：1787-1798.

[6] JIMENEZ-MUNOZ J C，SOBRINO J A. A Generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of geophysical research：Atmospheres， 2003， 108（22）：4688-4696.

[7] QIN Z， 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.

[8] WAN Z， DOZIER J A. Generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE transactions on geoscience and remote sensing， 1996，34（4）：892-905.

[9] BECKER F， LI Z L. Temperature-independent spectral indices in thermal infrared bands[J].  Remote sensing of environment，1990，32（1）：17-33.

[10] WAN Z ， LI Z L. A Physics-based algorithm for retrieving land-emissivity and temperature from EOS/MODIS data[J]. IEEE transactions on geoscience and remote sensing，1997，35（4）：980-996.

[11] 赵 伟，李爱农，张正健，等. 基于Landsat8热红外遥感数据的山地地表温度地形效应研究[J]. 遥感技术与应用，2016，31（1）：63-73.

[12] 丁海勇，史恒畅. 基于Landsat数据的城市热岛变化分析——以南京市为例[J]. 安全与环境学报，2018，18（5）：2033-2044.

[13] 李 乐，徐涵秋. 杭州市城市空间扩展及其热环境变化[J]. 遥感技术与应用， 2014， 29（2）： 264-272.

[14] 何炳伟，赵 伟，李爱农，等. 基于Landsat8 遥感影像的新旧城区热环境特征对比研究——以成都市为例[J]. 遥感技术与应用， 2017，32（6）：1141-1150.

[15] 侯浩然，丁 凤，黎勤生. 近20年来福州城市热环境变化遥感分析[J]. 地球信息科学学报，2018，20（3）：385-395.

[16] 李 军，赵 彤，朱 维，等. 基于Landsat8的重庆地区主城区热岛效应研究[J]. 山地学报，2018，33（7）：1214-1220.

[17] 刘 丹，于成龙. 城市扩张对热环境时空演变的影响——以哈尔滨为例[J]. 生态环境学报，2018， 27（3）：509-517.

[18] 叶 钰，秦建新，胡顺石. 长沙市热岛效应时空特征变化研究[J]. 地球信息科学学报，2017， 19（4）：518- 527.

[19] 刘宇鹏，杨 波，陈 崇. 基于遥感的长沙市城市热岛效应时空分析[J]. 遥感信息，2011（6）：73- 78.

[20] 龔志强，何介南，康文星，等. 长沙市城区热岛时间分布特征分析[J]. 中国农学通报，2011，27（14）：200-204.

[21] 徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J]. 地球物理学报， 2015， 58（3）： 741-747.

[22] 宋 挺，段 铮，刘军志，等. 基于Landsat 8 数据地表温度反演算法对比[J]. 遥感学报， 2015， 19（ 3） ： 451-464.

[23] 覃志豪，ZHANG M，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）： 200-212.

[24] 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，2004，16（3）： 28-32.

[25] XU H Q， CHEN B Q. Remote sensing of the urban heat island and its changes in Xiamen city of SE China[J]. Journal of environment sciences， 2004， 2（16）： 276-281.

[26] XU H Q. A new index for delineating build-up land features in satellite imagery[J]. International journal of remote sensing， 2008， 29（14）： 4269-4276.