福州市不透水面变化对区域热环境的影响

占惠珠，尚 慧，王镇宁，甘智慧

(1. 西安科技大学地质与环境学院，陕西 西安 710054; 2. 福建工程学院管理学院，福建 福州 350118)

近年来，随着城市规模的发展，城市土地利用从植被、水体等降低地表温度(land surface temperature，LST)的类型逐渐转变为人造不透水面，导致城区与周边乡村地区的城市“热岛效应”不断加剧[1].因此，掌握城市不同发展程度区域的土地利用模式变化对地表温度的影响情况有助于对城市热环境变化的预测及应对.在城市土地利用模式变化的相关研究中，多采用最大似然法等方式对多时相影像进行土地利用类型分类，获取土地利用类型数据并进行比较分析[2-5].但对于空间异质性明显的城市区域来讲，城市化过程导致的城市土地覆盖变化往往是渐变的[6].因此，与硬分类方法相比，采用混合像元分解等软分类法来分析城市化所带来的土地利用模式变化更符合城市土地覆盖异质性特征的要求.不透水面覆盖变化是城市土地利用模式变化的主要特征，可以用来监测城市土地覆盖的逐渐变化过程.近年来，国内外学者开展了许多关于城市不透水面覆盖变化对地表温度影响的研究.唐菲等[7]选取了上海、广州等6个区域进行了城市不透水面与热环境定量关系研究，发现不透水面覆盖度高的地区升温幅度更大；潘竟虎等[8]根据1978年等4个年份的Landsat系列数据，提取了兰州中心城区建设用地和地表温度信息进行统计分析，结果表明城市扩张与“热岛”扩展趋势具有空间一致性；Zhang等[9]通过Landsat TM影像提取了福州市区地表温度、不透水面面积(impervious surface area, ISA)、归一化植被指数(normalized difference vegetation index, NDVI)和归一化建筑指数(normalized difference build-up index, NDBI)，结果显示NDVI与LST的相关性较弱，而ISA、NDBI和LST具有很强的正相关性；Weng等[10]研究了美国Indianapolis地区不透水面与城市热环境的关系，结果表明不透水面盖度与地表温度具有正相关关系.

综上不难发现，在城市不透水面覆盖变化对地表温度影响的研究中，多数采用城市整体不透水面覆盖度或者利用遥感指数进行运算.然而，针对城市不同发展程度的区域，城市不透水面空间分布情况对地表温度的影响机制仍不明确.据此，本研究基于2013年和2016年两期福州市LandSat 8影像，采用大气校正的地表温度反演手段，通过全约束线性光谱混合分解提取出研究区不透水面的亚像元信息，并在此基础上根据城市不同区域的发展程度，将亚像元不透水面划分为不同区间，分别计算各级不透水面对区域热环境的贡献.同时，本研究还探讨了多时相影像城市土地利用变化的热环境影响，能够为相关部门在城市规划和城市生态环境建设的决策中提供相应的科学依据.

1 研究区概况及数据源选取

福州市坐落在戴云山脉东部，邻近闽江口，属于典型河口盆地.福州市区处于福州盆地的中间，属亚热带海洋季风气候，夏季以偏南风为主，气候炎热，为中国火炉城市之一.作为福建省的省会城市，近十几年来，福州市城市化水平不断提高，城市规模持续扩展，截至2017年福州市区总面积为 1 7862，其中建成区面积为260.052，总人口766万.人口密度的增加和城市的不断发展，导致了生态环境发生明显变化，热岛效应十分显著.

由于获取到的影像数据有限，本研究选取了符合实验标准且含云量较少的2013年8月4日和2016年7月27日两期LandSat 8影像.其中，两期影像第1～7波段(可见光波段)的传感器为OLI陆地成像仪，空间分辨率为30 m，第10波段(热红外波段)的传感器为TIRS热红外传感器，空间分辨率为100 m.图1为研究区2013年8月4日和2016年7月27日LandSat 8影像431波段组合对应的RGB 3个通道.

(a)2013年OLI影像图

2 不透水面变化对地表温度的影响分析

2.1 数据预处理

为了消除大气和光照等要素对地物反射的影响，需要对两期LandSat 8影像可见光和近红外波段进行大气校正.首先将传感器记载的无量纲的DN值转换成具备物理意义的大气顶层辐射亮度值，其次对辐射定标后的影像通过影像成像日期、大气以及气溶胶标准模式等参数进行大气校正获取地表真实反射率，进而消除大气辐射畸变的影响.最后在此基础上计算地表比辐射率，为地表温度反演做准备.

2.2 地表温度的反演

地表温度是地表环境中一个极为重要的参数，它对地表和大气能量的转换产生重大的影响.地表温度反演算法主要有以下4种：大气校正法(也称为辐射传输方程，radiative transfer equation，RTE)[11]、单通道算法(single-channel method)[12]、单窗算法(mono-window algorithm)[13]、劈窗算法(split-window algorithm)[14].其中，前3种方法是针对单一热红外通道进行地表温度反演，最后一种则是针对多通道的热红外地表温度反演[15].

本研究通过NASA公布的网站查询数据，由于该网站采用辐射传输模型Modtran进行大气校正得到上行辐射、下行辐射和大气透过率等相关参数，因而采用大气校正法进行热红外B10波段的地表温度反演.其中，地表温度获取主要包含定量分析传感器定标、大气校正、地表比辐射率计算、黑体辐射亮度计算和辐射亮度值向地表温度转换5个关键步骤[11].

2.2.1 比辐射率计算

LandSat 8的第10波段与TM/ETM+影像热红外波段波谱区间相似，因此可采用与TM/ETM+第6波段相同的大气校正方法.在地表温度反演中，比辐射率的准确获取非常重要，本研究基于植被覆盖度的方法得到地表比辐射率：

ε=0.004Pveg+0.986.

2.2.2 黑体辐射亮度与地表温度计算

在辐射传输模型Modtran中输入成影时间、位置、相关大气模型和波段位置等参数，可得到热红外波段大气校正参数[16].计算同温度下的黑体辐射亮度，公式如下：

其中，ε为地表比辐射率，LR为热红外波段的辐射亮度值，τ为大气在热红外波段的透过率，L1为大气向上辐射亮度，L2为大气向下辐射亮度.

最后，地表温度(℃)计算公式如下：

其中LB为同温度下的黑体辐射亮度值.

2.3 不透水面百分比(fraction impervious surface area,FISA)的计算

不透水面是一种能够阻碍地表水渗透到地表以下的物质[17]，城市不透水面主要包括水泥、沥青道路、屋顶等.常用的硬分类法在提取不透水面时往往设定城市影像中每个像元都由同一种地物类型构成，没有考虑到像元内部的异质性.遥感影像大部分像元内部会混合有不同地类，它的光谱特征值也是由各种地物掺杂而成的.而光谱混合分析模型则是按照选取的不同端元两两组合计算出各类端元在每个像元内所占的比率，能够定量地提取地表地物分布信息.这个处理流程通常包含利用最小噪声分离(maximum noise fraction,MNF)变换压缩波段信息、计算纯净像元指数、提取纯净像元、分解模型、验证精度等5个步骤.

2.3.1 水体掩膜

掩膜是用选定的图像、图形对待处理的图像进行遮挡，从而控制图像处理范围或处理过程的一种图像处理方法[18].为准确提取城市不透水面亚像元信息，本研究对遥感影像中的水体进行掩膜以剔除研究区中的河流水库，使其满足城市植被-不透水面-土壤模型.水体信息的剔除采用改进归一化水体指数 (modified normalized difference water index，MNDWI )法[19]计算，公式如下：

式中，ρG和ρMIR分别代表绿光波段和中红外波段的反射率，对应于LandSat 8数据的第3波段、第6波段.剔除水体的掩膜阈值分别为0.15(2013年)和0.13(2016年).

2.3.2 最小噪声分离变换处理

遥感影像成像时，各个波段之间存在很强的相关性及噪声信息，为了减小、消除各个波段之间的这些影响以提高影像的信噪比，采用MNF对各波段数据进行空间转换，获取信噪比信息最大的前几个主成分.

两个时相影像所有可见光近红外波段最小噪声分离变换后得到的所有波段信息的特征值见表1.表中数据显示，变换后前3个波段共包含了原始影像80%的信息，在一定程度上包含了原始影像波段信息并减小了波段间的相关性.本研究对变换后的前3个波段选取端元并进行全约束线性光谱混合像元分解.

表1 最小噪声分离变换后各个波段信息的特征值Tab.1 Eigenvalues of each component after MNF transform

2.3.3 不透水面、植被和土壤端元选取

端元是遥感影像中的纯净像元，光谱特征均一，是组成成分相同的单一的土地覆盖类型像元[20].在全约束线性光谱混合像元分解过程中，纯净像元即端元的准确选择对混合像元分解的结果有很大的影响，决定着本研究中不透水面、植被和土壤亚像元信息提取的精度[21].本研究利用经过MNF变换去掉噪声后的前3个波段构建二维散点图，在此基础上通过分析三角形端点区域与原始反射率影像对应的像元类别来确定终端地类的类别，依次选取出高反射率端元(如混凝土、水泥等)、低反射率端元(如沥青构成的道路表面、瓦片等)、土壤端元、植被端元.

2.3.4 全约束线性光谱混合像元分解

混合像元分解模型按参量之间的关系可分为线性和非线性模型.非线性光谱混合模型较为复杂，很多参数难以准确获取，因此，本文采用线性光谱混合模型[22]来开展研究.

遥感图像处理软件ENVI中常用的线性混合像元分析模块只能满足所有端元组分和为1的要求，称为半约束的线性混合像元分解.本研究通过在ENVI中安装相关插件得到全约束的线性混合像元分解模型并进行亚像元不透水面百分比信息提取，该算法必须满足所有端元组分的盖度之和应该等于1的约束条件，且所有端元组分的百分比都应>0并≤1.全约束的线性光谱混合模型表达式为：

还可以采用验证遥感图像中每一个波段误差的均方根的方法来确定类型的正确性，计算公式为：

其中，RMS是残差ei的均方根,M是影像中的波段数.

最终得到2013和2016年研究区不透水面的盖度分布图，如图2所示.

(a)2013年不透水面丰度图

2.4 不透水面分区及对区域热环境贡献的计算

为了更进一步分析城市不透水面的变化情况，借鉴张友水等的不透水面分级方法[23]，将得到的研究区亚像元不透水面按不透水面百分比划分为<10%、10%～<30%、30%～<50%以及≥50%的区域.

在不透水面百分比分区基础上，采用Qiao等提出的贡献指数[24]计算各区间不透水面对区域热环境的贡献，计算方法如下：

CI=Δt·S，

其中，CI为各区间不透水面对区域热环境的贡献，Δt为两时相影像中各区间不透水面的地表平均温度与研究区地表平均温度的差值，S为各区间不透水面面积百分比.

2.5 计算结果分析

2.5.1 两期影像城市热环境的空间分布特征

根据地表温度的反演结果，研究区2013年8月4日的地表温度为17.6～51.5 ℃，平均(35.8±4.1) ℃，2016年7月27日的地表温度为23.4～58.8 ℃，平均(36.1±5.4) ℃.两期影像城市热环境的空间分布特征如图3所示，从中可以看出，2013年研究区地表温度集中于37～42 ℃，2016年集中于37～47 ℃.两期影像的高温区域主要集中于该研究区的中部、西北部以及东部，呈现出随着离城市中心距离增加地表温度逐渐降低的现象，符合城市热岛效应的特征.除此之外，福州市的低温区域主要聚集在翠屏流域周围，高温区域主要聚集在仓山区、晋安区、马尾区、台江区、鼓楼区5区.

(a)2013年8月4日地表温度分布图

2.5.2 城市不同土地利用程度分区

在城市土地覆盖变化中，不透水面盖度变化是导致城市热环境发生变化的重要原因，不透水面盖度大幅度的增加将使得部分地区的地表温度升高.笔者查阅福州市土地利用规划资料后，借鉴张友水等的不透水面分级方法[23]，将亚像元不透水面百分比<10%的区域划分为农村区域，≥10%的区域划分为城市区域.在城市区域，针对不同的发展程度，又按照不透水面百分比阈值划分为3种类别，即亚像元不透水面百分比10%～<30%的为城市发展的低密度区，30%～<50%的亚像元不透水面百分比区域为城市发展的中密度区，≥50%的为城市发展的高密度区.

表2为研究区各区间不透水面在两个时相影像的面积、地表温度统计，结果表明：城市区域面积由2013年的295.992升至2016年的362.572，其中，2013年不透水面面积最大区域为城市发展的中密度区，2016年不透水面面积最大区域为城市发展的高密度区；农村区域和城市区域的不透水面及所对应的地表温度具有明显差异，表现在研究区2013至2016年间农村区域不透水面面积增幅为22.30%，平均地表温度的增幅为16.77%，与农村区域相比，城市区域不透水面面积增幅为22.50%，平均地表温度的增幅为19.52%；研究区在2013和2016年的平均地表温度也随着不透水面密度的增加而升高，呈现出高密度城市区域的平均地表温度>中密度城市区域的平均地表温度>低密度城市区域的平均地表温度>农村区域地表温度的趋势，总的来说，研究区不透水面面积与平均地表温度具有正相关关系；农村区域的地表温度标准差明显低于城市区域的地表温度标准差，这也表明城市土地利用模式的空间分布异质性以及城市建筑物的材料和结构对城市地表温度也会产生影响.

表2 研究区两期影像各区间ISA的面积、平均地表温度及其标准差Tab.2 ISA, mean LST and the standard deviation of the two images in the study area

图4为研究区在两个时段各级不透水面百分比对应的地表温度的空间分布，反映了福州市土地覆盖类型和城市热场分布状况.从图4g、4h可以看出两期影像的高密度不透水面区域位于中心区域；而从图4c、4d、4e、4f可以看出两期影像的中、低密度不透水面区域位于邻近中心区域的居民区.此外，对比两期影像的各级不透水面百分比的空间分布可以看出，2013年福州市的城市中心区域不透水面百分比集中在10%～<50%区间，而2016年不透水面百分比集中在≥50%区间.3年间不透水面百分比的提升，表明随着福州市的城市化进程，中低密度不透水面逐渐转变成高密度不透水面；对比两期影像的西部和东北部山地森林区发现，不透水面百分比仍有上升趋势，表明福州市的城市化进程还未结束，福州市周边地区的不透水面覆盖度仍在增长；而由图4e和4h可见，福州市“热场”发生了转移和扩散，且扩散的方向及范围与不透水面百分比增长的区域相同.

2.5.3 各级不透水面对区域热环境贡献的变化分析

各级不透水面面积变化情况如下：高密度不透水面面积占福州市面积百分比明显增高，分别由2013年的20.01%上升到2016年的67.84%；同期中、低密度的不透水面所占面积百分比有所下降，分别由46.21%和32.33%降至24.02%和6.69%(表3).由此印证了图4呈现出的不透水面中低密度区间向着中高密度区间转移的趋势，土地利用/覆盖变化导致了区域热环境的变化.

(a)<10%(2013年)

表3 各级不透水面对区域热环境的贡献Tab.3 Contribution of each ISA category to the regional thermal environment

从表3各级不透水面对区域热环境的贡献可看出：随着城市化的推进，区域地表温度明显升高，并且改变了各级不透水面对区域地表温度影响的贡献.具体表现为：将两时相影像的不透水面对区域热环境的总贡献与研究区平均地表温度相加得到的值，从2013年的40.42 ℃上升到2016年的41.76 ℃；随着不透水面百分比升高，其对区域热环境的贡献增大.

3 结论与展望

本文以福州市为例，通过对2013年和2016年两期LandSat 8影像进行地表温度反演、混合像元分解、不透水面离散化分区、区域热环境贡献计算等处理，分析了城市土地利用模式变化对福州市热环境的影响，得出以下结论：

1)福州市的高温区域主要集中于中部、西北部以及东部，且随着离城市中心距离的增加，地表温度逐渐降低，符合城市“热岛效应”的特征.

2)福州市平均地表温度随着不透水面百分比的增加而升高，且农村区域的地表温度标准差低于城市区域的地表温度标准差，符合城市土地利用模式的空间分布异质性.

3)当不透水面百分比≥10%时，不透水面对福州市热环境的贡献增大，使福州市的地表温度升高；不透水面百分比<10%时，不透水面斑块的破碎程度减弱，对福州市的“热岛效应”具有一定的减缓效果.

4)随着城市化的推进，福州市中低密度区域的不透水面向着中高密度区域转移，土地利用/覆盖变化导致了区域热环境的变化.

由于研究周期的限制，本文结果存在一定的局限性，不同混合像元分解模型对分解精度的影响及水体掩膜分析中最佳阈值的确定也有待进一步深入研究.