基于遥感技术北方城市热岛效应变化定量识别

陈子琦, 张艳红, 李 叶, 刘兆礼, 王祥涛, 孟海涛

(1.吉林大学 地球探测科学与技术学院, 长春130026; 2.中国科学院 东北地理与农业生态研究所, 长春130012;3.集美大学 航海学院, 福建 厦门361021; 4.淄博职业学院 化学工程系, 山东 淄博255000)

0 引 言

城市热岛是指城区的气温明显高于外围郊区的现象, 它是城市发展最显著的特征之一[1]。 自1818 年LakeHoward 对伦敦城区和郊区的气温进行对比观测, 分析得出伦敦市中心气温比郊外高( 各月平均分别高0.5 ℃ ～1.2 ℃)且城乡温差夜间比白天大, 并首次提出了 “城市热岛” 的概念。 20 世纪后期以全球变暖和快速城市化为背景的全球气候不断增温和城市化进程步伐的不断加快, 使城市热岛效应的研究已经成为具有理论和实践双重意义的研究热点之一[2]。 覃志豪等[3-4]经过多年研究提出了适合TM(Thermatic Mapper)影像单个热红外波段反演地表温度的单窗算法, 大大简化了地表温度反演过程。 Offer 等[5]首次将劈窗算法应用到Landsat8 卫星影像中, 论述了劈窗算法对于Landsat8 卫星数据的可用性。 利用卫星遥感技术反演地表温度发展迅速, 不仅可以为大陆地表和海冰温度[6]研究服务, 甚至还可通过反演地表温度进行地热资源调查[7]。 从城市热岛研究内容重点看, 主要集中在以下两个方面: 一是研究各种热岛效应发生的时空差异性规律, 例如, 福州地区春季也存在明显的 “ 城市热岛” 效应, 而水体和高海拔森林呈 “冷岛” 效应[8]。 二是探究城市热岛效应产生的原因。 何迎东等[9]推算了气体分子、 气溶胶等因素对地表辐射的影响, 但研究更多地集中于城市发展中人口密集度[10]、地表形态[11-12]等的影响作用。 据文献[13], 高纬度区域冬季因热岛效应的存在, 大气污染程度会加重; 热岛高温区域的底层大气中也会形成悬浮逆温层, 直接阻碍大气中污染物的扩散。 通常情况下,城市空气中的烟尘等污染物要比郊区空气中的多, 在太阳光的照射下, 更容易产生危害人体健康的光化学污染物。 伴随着城市范围的不断扩大, 赵文慧等[14]对北京市热岛强度分布与大气污染物高排区和大气污染物空间分布范围进行分析得到其有较好的一致性。 可见热岛效应对城市的可持续发展有较大的影响, 故对城市热岛效应的研究刻不容缓。 长春市位于中国东北松辽盆地腹地位置, 是我国北方城市代表。 自改革开放以来, 城市扩张迅速, 基于传统气象观测手段的城市化热岛现象研究表明城市化热岛效应明显。 为了检验和探讨遥感手段对于城市化热岛效应现象的快速识别和定量化监测能力, 笔者提出基于卫星遥感技术从遥感应用的角度探索一套快速检测城市热岛效应及变化的技术方法。

1 数据源与预处理

1.1 试验区选择

笔者所选试验区为吉林省长春市, 位于北纬43°05′ ～45°15′, 东经124°18′ ～127°05′, 松辽平原东部山地向西部平原过渡的伊通河台地上(见图1)。 笔者研究区域为长春市市辖区, 面积1 531 km2。 选择该市为试验区的理由基于以下几点。 1) 长春市位于典型的北温带大陆性季风气候区, 在全国干湿气候分区中, 地处湿润区向亚干旱区的过渡地带。 气温自东向西递增, 降水自东向西递减。 春季干燥多风,夏季湿热多雨, 秋季天高气爽, 冬季寒冷漫长, 具有四季分明、 雨热同季的气候特征。 2) 长春市城市人口增长和城区扩张显著。 根据Google 历史影像提取城市信息显示, 自改革开放以来, 城市扩张迅速, 建成区面积扩大4 倍之多, 由1990 年的295.3 km2增至2019 年的1 333.0 km2, 人口也由1990 年的600 多万增长至2019 年的700 多万。 3) 因其位于高纬度地区, 冬季城区供暖期达6 个月之多, 加之东北老工业基地加重热岛效应。

图1 长春市位置图Fig.1 The location map of Changchun

1.2 遥感数据

笔者使用的影像为地理空间数据云下载的Landsat 影像, 包括2000 年9 月18 日、 2007 年8 月29 日、2013 年6 月13 日、 2014 年8 月19 日、 2016 年1 月10 日和2018 年1 月31 日的影像数据。 该市所需两景影像的条代号为118 29 和118 30。 分别对下载的3 个年份的两景影像数据做镶嵌处理, 并对背景值、羽化值、 匀光等参数设置后得到完整的长春市城区影像。

1.3 其他数据

由NASA(National Aeronautics and Space Adminstration)网站(http:/ / atmcorr.gsfc.nasa.gov /)查询大气水分含量求取大气透过率, 通过资料查询获取大气平均温度。 利用Landsat 影像的热红外波段获取亮度温度, 利用Landsat 卫星影像获取不同地物的地表比辐射率。

2 温度反演

2.1 亮度温度计算

辐射亮温计算关键在于对热红外波段进行辐射定标, 即将DN值转换成所对应的辐射强度值, 进而求出相应的辐射亮温值[13]。

其中Lλ为热辐射强度值, ML为波段增益系数, DN为热红外波段的灰度值, AL为偏移系数, Lmin为传感器可探测到的最小辐射亮度, Lmax为传感器可探测的最大辐射亮度, K1、K2为常量。 式(1) ～式(3)所使用的参数均可由影像的头文件获得。

2.2 比辐射率计算

地表比辐射率(Surface Emissivity)又称发射率, 指在同一温度下地表发射的辐射量与黑体发射的辐射量的比值, 与地表组成成分、 地表粗糙度和波长等因素有关[15]。

2.2.1 NDVI 计算

归一化差分植被指数(NDVI: Normalized Difference Vegetation Index), 也称为生物量指标变化, 可使植被从水和土中分离, 表达式为

其中NNIR和R 分别为近红外波段和红波段处的反射率值与植物的蒸腾作用、 太阳光的截取、 光合作用以及地表净初级生产力等密切相关,可利用其进行计算植被覆盖度[16]。

2.2.2 植被覆盖度计算

植被覆盖度是指兴趣区内植被(包括叶、 茎、 枝)在地面的垂直投影面积占研究区面积的百分比[17]。表达式为

其中f 为植被覆盖度, NNDVImin为NDVI 的最小值, NNDVImax为NDVI 的最大值。

2.2.3 地表比辐射率的计算

根据不同地物比辐射率值的差异, 一般把地表物质分为3类—— 水体、 城镇和自然表面。 不同地物、不同波段的地表比辐射率不同。

其中ε 为地表比辐射率, εv为植被的比辐射率, εg为裸露地表的比辐射率, f 为植被覆盖度。 对主要由植被和裸土构成的自然地表, 春夏秋季εv取值0.985, 冬季取值0.955, εg取值0.975, Δ ε 取值0.01;对主要由植被和人造地物构成的城区地表, εv取值0.985, εg取值0.95, Δ ε 取值0.02[18]。

2.3 大气平均温度的估算

平均大气温度主要依赖于大气部分的温度和大气条件。 覃志豪[19]根据以往的研究成果, 通过对标准大气中的水分含量和气温随纬度变化规律分析, 模拟出在标准大气条件下, 对缺乏实际大气剖面数据情况下, 利用接近地面(离地面2 m 左右)的温度(T0)与平均大气温度(Ta)的关系。 根据长春市的地理位置和数据的获取时间, 选用中纬度夏季大气平均作用温度表达式计算。

2.4 大气透过率的估算

大气透过率是电磁波在大气中传播时, 经大气衰减后的电磁辐射通量与入射时电磁辐射通量的比值。 是地表温度反演的基本参数, 因受较多因素的影响, 对于其准确值较难计算, 可用大气透过率模型进行估算。 对于Landsat 数据, 通过NASA 网站提供的大气透过率估算模型可直接获取相关的大气透过率数据。

2.5 地表温度的计算

通过辐射强度计算出辐射温度, 通过NDVI 和植被覆盖度计算出地表比辐射率, 再结合大气平均温度和大气通过率, 可对地表温度进行计算, 即

其中TS为地表温度, Tλ为卫星高度上传感器所探测到的像元亮度温度, Ta为估算的大气平均温度, C 和D 是依据地表比辐射率ε 和大气透过率τ 构建的中间变量, a,b 是拟合系数, 当地表温度在0 ～70 ℃时,a =-67.355 351, b =0.458 606, 图2 为研究区内温度反演图。

图2 温度反演图Fig.2 The retrieval temperature distribution map

从图2 反演温度图和表1 气象站点实测数据(2014 年8 月)看出, 温度反演精度较好, 在整个长春市城区内高温区和低温区存在较为明显的南北部差异。 城市北部区域大部分温度较高, 南部区域大部分温度较低。 并具有以下特点: 1) 高温区主要分布在城区北部的宽城区、 绿园区、 朝阳区和二道区, 为长春市主城区。 这些区域地表特点是建筑密集、 人口密度大、 绿地分布较少, 并且分布有大量的工厂和居住区, 工业生产以及居民日常生活排放的大气污染物增大了大气中温室气体浓度, 使这些区域形成了一个个 “城市热岛” 而导致城区温度上升。 2) 低温区主要分布在城市南部。 这些区域地表的显著特点是植被覆盖率高、 建筑用地比重较小。 3) 温度最低值则分布在水库、 河流、 湖泊和湿地公园区。 如新立城水库、 净月潭水库、 伊通河两岸区域、 南湖湿地公园和北湖湿地公园等则成为明显的低温中心。

表1 气象站点实测数据Tab.1 Actual data from meteorological stations

3 热岛效应时空变化特征规律分析

3.1 热岛效应时间变化规律分析

热岛效应一般用中心城区比郊区气温高出的数值大小即热岛强度表示, 一般用两个代表性测点的气温差值表示。

笔者选用长春城区温度作为中心城区温度, 双阳区温度作为郊区温度(长春城区与双阳区位置如图3 所示)。 则热岛强度表达为

其中Tr代表热岛强度,T长春代表中心城区平均温度,T双阳代表郊区平均温度。 利用式(10)分别计算长春市热岛强度的日、 月和季节值。

3.1.1 热岛效应日变化规律

笔者选用2015 年8 月份的数据计算长春城区和双阳区每天整点平均温度的差值(热岛强度), 并绘出长春市热岛效应的日变化趋势图如图4 所示。

图3 长春城区与双阳郊区位置图Fig.3 Changchun city and Shuangyang location

图4 热岛效应日变化趋势图Fig.4 Heat island daily change trend map

根据计算结果( 见图4) 可以看出, 2015 年8 月长春市热岛强度平均日变化显示具有以下特征:1) 长春市热岛强度晚上较强, 白天较弱。 2) 中午12:00 ～14:00 热岛强度为负值, 最小值出现在14:00,为-0.5 ℃, 晚上热岛强度为正值, 最大值出现在凌晨3:00 ～4:00, 为3.9 ℃, 日平均热岛强度为1.71℃。 分析出现上述特点的原因可能有以下两个方面。 1) 白天城区地表吸收和贮存大量热量, 并于夜间向外辐射。 夜间城市大气污染物由于对流效应减弱而造成积聚, 对地面长波辐射有明显的吸收作用, 并且大部分又以逆辐射形式辐射给地面, 从而形成辐射逆温, 导致城市地表冷却较慢。 而郊区由于建筑物分布少, 地面空旷, 夜间冷却较快。 因此造成了热岛效应夜间比白天显著。 2) 日出后, 在市区由于高大建筑物的阻挡, 太阳不易直射地面。 而郊区空旷, 当太阳高度角还很低时, 地面即能直接接受太阳辐射而迅速加热, 造成市区升温比郊区迟, 热岛强度逐渐减弱, 正午时热岛强度最弱, 甚至出现负值。

3.1.2 热岛效应季节变化统计规律

基于2011-2015 年长春市气象数据, 对此区间数据进行热岛强度统计, 并绘出长春市热岛效应月变化趋势图如图5 所示。 从图5 中可以看出, 冬季1 月、 2 月、 10 月的热岛强度较强, 平均都高于0.8 ℃;9 月、 11 月的热岛强度也较强, 高于0.5 ℃; 其余月份热岛强度较弱, 其中5 月、 6 月的热岛强度都小于0.3 ℃, 而6 月的热岛强度最小。 从统计规律看出, 长春市热岛呈现出秋冬季强, 春夏季弱的特点。 分析原因可能主要存在以下几点。 首先, 长春市属于北温带大陆性季风气候区, 春夏季受季风影响严重,大气状态不稳定, 城市大气污染物和热量较易扩散; 并且春夏季雨水较多, 城区地表水分蒸发量较大,带走较多热量, 同时雨水还会对大气污染物进行冲洗; 而秋冬季受冷高压影响, 干燥少雨, 大气状态较为稳定, 所以秋冬季长春城市热岛较强。 其次, 长春市处于中高纬度的东北地区, 冬季气温较低, 大量供暖造成的热量在冬季表现最为明显, 人口越密集, 城市规模越大, 这种由于供暖造成的城区温度上升的现象越明显。

3.1.3 热岛效应年变化规律

根据1990-2019 年的长春市年平均气温数据计算其热岛强度近30 年的变化, 并绘出热岛效应年变化趋势图如图6 所示。 从变化趋势看出, 2000 年以前长春市的热岛强度呈现波动变化特征, 在0.13 ℃ ～0.38 ℃之间波动, 2000 年以后热岛强度明显增强, 呈现快速增长的特征, 2007 年左右达到最大值, 最大热岛强度值为1.21 ℃, 之后热岛强度趋于稳定在1.1 ℃左右变化, 之后有小幅度的下降趋势。 用3 次函数进行拟合, 相关系数达到0.920 8, 显示出城市热岛强度经历了一个快速增强-平稳-减缓的变化过程,这和我国城市化进程和生态城市建设呈现出良好的呼应关系。

3.2 热岛效应空间变化规律分析

笔者对2000 年、 2007 年和2014 年3 期影像的反演结果进行热岛效应的空间变化特征分析。 由于获取影像的时间有所差别, 对反演得到的温度直接进行对比分析会产生比较大的误差。 因此, 笔者对反演温度进行分级处理。 温度分级采用均值-标准差温度分类法。 定义反演温度均值(μ) 反映影像的总体温度大小, 而温度标准差(σ)反应的是温度偏离平均温度的大小。 以μ(均值)、 0.5σ(标准差)、 1σ(标准差)作为分类依据, 将3 个时期反演温度划分为5 个等级, 分级情况如表2 所示。 温度分级图如图7 所示。 对温度分级图进行统计得出不同等级温度区分布面积的大小。 同时, 笔者依次对每个级别的温度用后一时期与前一时期作差, 分别得出2000-2007 年和2007-2014 年的温度变化幅度, 统计结果如表3所示。

图5 热岛效应季节变化趋势图Fig.5 Heat island seasonal change trend map

图6 热岛效应年变化趋势图Fig.6 Heat island annual change trend map

表2 温度分级表Tab.2 Standard value for temperature graded

由长春市3 期温度等级分布图和统计结果可以看出, 全市热岛效应强度的空间差异性表现更加显著。 2000 年高温区较2007 年和2014 年高温区面积小, 且高温区分布较为集中, 主要集中在长春市中心城区。 2007 年为长春市城市化发展的高峰期, 城区面积迅速扩大, 随之造成高温区分布面积也明显扩大, 比例由2000 年的15.6% 扩大到2007 年的19.3%。 较高温区依旧分布在高温区边缘, 位于城市郊区, 面积有所扩大, 由8.3% 扩大到10.1%, 也是城区面积继续扩大的体现。 中温区面积扩大了6.5%,分布更为广泛。 2014 年长春市城市化进程减缓, 但城市化程度较大, 城区面积继续扩大。 高温区分布范围明显扩展, 但高温强度有所减缓, 高温区面积比例有所减少, 减少了1.1%。 较高温区的面积明显变大, 由10.1% 扩大到了15.5%, 变化的部分较多来自于高温区的转化。 中温区面积有所减少, 减少了7.8%, 分布范围明显缩减, 多分布在长春北部和中部, 南部分布较少。

图7 温度分级图Fig.7 Temperature grading map

表3 不同年份温度分区与年变化统计表Tab.3 Temperature statistics of division zone and annual variation

4 讨 论

4.1 热岛效应与土地利用类型之间的关系

为了分析长春市城市热岛效应与土地利用类型关系, 探究异质性空间下热岛强度变化的空间影响因素, 本研究利用对应提取城市温度的影像即2000 年、 2007 年和2014 年的影像提取土地利用类型信息。依据《土地利用现状分类》, 并结合长春市影像特征, 笔者将土地利用类型划分为4 类, 建筑用地、 林地、绿地(由于夏季植被生长旺盛, 植被覆盖率高, 将林地之外的耕地、 草地等归于绿地)(见图8)和水体。笔者采用监督分类对3 期影像分别进行分类, 分离度均大于1.9, kappa 系数0.921, 总体精度94%, 分类结果统计如表4 所示。

图8 土地利用类型图Fig.8 Land use type map

表4 不同年份土地利用分类结果统计Tab.4 Statistics on land use classification results in different years

结合温度分布图和土地利用类型图, 对不同地物对应的温度进行统计, 得到不同土地利用类型与温度对应关系结果如图9 所示。 由图9 可以看出, 建筑用地、 绿地、 林地和水体与最低温、 平均温和最高温呈现出良好的对应关系, 即建筑用地＞绿地＞林地＞水体。这种良好的对应关系再次验证不同地表属性的热辐射特性, 证明用遥感光谱反演地面温度具有可靠的物理基础。

4.2 城市热岛与城市化关系

图9 温度与土地利用类型对应统计关系Fig.9 Statistical relative plot between temperature and land use type

分析长春市热岛强度在2000 年后明显加强的主要原因是长春市在此时期经历城市大扩张时期, 城市化速度明显加快, 这从长春市城市建成区范围扩张趋势可以显著看出(见图10)。 随着城市用地规模的扩大, 城市工业的发展, 城市水体与绿地面积比例显著下降, 可能加剧城市的热岛效应。 但在城市扩张的相对稳定期, 一是城市化速度有所放缓, 二是人们环保意识越来越强, 环境状况有所改善, 城市绿化程度有所提高, 这对缓解城市热岛效应起了一定的缓解作用。

图10 城市热岛与城市化进程关系图Fig.10 Relative changes trend plot between urban heat island and urbanization process

城市是人类生产和生活最集中的场所, 人类的生产生活包括工业活动、 居民取暖、 交通运输等放出大量的热量。 在季时间尺度上, 我国冬季北方寒冷, 取暖是北方城市重要的人为热释放, 所以长春市热岛效应冬季最强重要原因是冬季取暖[20]。

在年时间尺度上, 随着城市的发展, 城市工业区规模不断增大, 工业热量排放增多, 热岛强度也随之增强。 长春市建成区的热岛中心分布在工业集中区, 证明了人为热量释放对热岛效应的贡献率最高。

5 结 论

1) 通过遥感手段对热岛效应进行研究, 具有空间尺度大、 精度高的特点, 可以较好的解决热岛效应空间尺度大的特点。 利用地物热红外辐射特性对地物温度进行反演具有一定的科学性, 但同样由于大气影响和地表起伏影响, 反演温度会存在一定的误差。

2) 通过统计分析长春市历史气象数据, 不难发现长春市热岛强度日变化呈现为晚上较强, 白天较弱的特点。 季节变化呈现为秋冬季强, 春夏季弱的特点。 年变化呈现为2000 年以前长春市的热岛强度呈现波动变化特征, 2000 年以后热岛强度明显增强, 呈现快速增长的特征。 2007 年左右达到最大值,2007 年之后热岛强度趋于稳定, 稍有减少的趋势。

3) 通过将监督分类得到的长春市土地利用类型图同反演得到的温度分布图进行空间统计分析,可以发现不同的地物具有不同的温度, 高温区主要分布在建筑用地密集的地方, 而低温区主要分布在林地和水体较多的地方。 地物对应的平均温度大小关系为: 建筑用地＞林地＞绿地＞水体。

4) 通过研究2000-2007 年和2007-2014 年期间不同温度区的变化情况, 可以发现: 2000-2007 年期间, 高温区、 较高温区和中温区面积有所增加, 较低温区和低温区面积有所减小; 2007-2014 年期间,较高温区和较低温区面积有所增加, 高温区、 中温区和低温区面积有所减小。