基于Landsat 8卫星影像的热岛效应研究——以南京市主城区为例

卫玲玲，段梦雷，王子涵

(南京工业大学测绘科学与技术学院，江苏 南京 210000)

1 引 言

热岛效应(Urban Heat Island Effect)是指一个地区的气温高于周围地区的现象[1]。南京作为华东地区的特大城市，城市化进程不断加快，随着城市规模的不断扩大，大规模的城市用地开发已成为人类活动改造自然环境的主要方式之一[2]，人们渐渐趋向于在大城市居住，使得城市人口密度不断增大、人为热排放量大大增加，热岛效应也日趋明显，它加剧了高温出现的频率，进而必然会对市民的身体状况、生活质量以及南京城自身的经济发展造成影响。因此，研究城市热岛效应的特征、形成机理，时空的分布规律以及改善热岛效应并将它的影响降到最低，具有重要意义。Landsat-8数据用于评估城市热岛效应及其对人类健康的影响具有很重要的意义[3]，学者张宇等用Landsat TM数据研究了重庆市主城区热岛效应，发现市区内绿化较多的地区温度明显低于绿化较少的地区[2]；庞光辉等[3]学者利用遥感技术对沈阳市的植被覆盖率和地表温度进行反演，结果表明二者呈负相关性。上述例子说明运用遥感影像对地表温度进行反演有一定可行性。本文以南京主城区为研究区域，基于遥感技术，选取近三年Landsat 8卫星影像作为数据源，对南京市地表温度、植被覆盖率、不透水面等进行反演。对城市地表温度与热岛的分布特征进行分析，并研究与土地利用类型相关的规律，对减缓城市热岛效应，预测南京未来经济发展水平有着重要的意义。

2 研究区概况

南京市位于北纬31°14′～32°37′、东经118°22′～119°14′之间，坐落于江苏省西南部，长江下游、濒江近海。全市行政区域总面积 6 582.31 km2。属北亚热带湿润气候，四季分明，雨水充沛。

在地貌特征方面，主要是低山与缓岗，这两种地貌类型占据了南京市土地总面积的56%以上，其次是平原及河流、湖泊，占39.2%。全市森林覆盖率为13%。

南京市共辖11个区，由于城市热岛效应现象主要集中于城市市中心，本文选取南京主城区进行研究，主要包含鼓楼区、玄武区、建邺区、秦淮区、雨花台区等，南京市主城区标准假彩色合成图如图1所示。

图1 2017年南京市主城区标准假彩色合成图

3 研究方法

3.1 研究内容

通过处理近几年南京市主要城区Landsat8卫星影像数据，分析南京市热岛效应产生主要原因以及南京市当前热岛效应情况，得到缓解南京市热岛效应的对策。具体的研究内容如下：

(1)在UCS网站上获取南京市2014年6月份、2015年6月份、2017年6月份的Landsat8卫星影像数据(由于2013年6月份以及2016年6月份的影像图在南京市区域内有少量云存在，未考虑在内)；

(2)对获得的影像进行辐射校正、大气纠正等预处理，并通过南京市主要城区的shp文件进行矢量裁剪；

(3)基于上面的数据，对感兴趣区域进行土地分类，获得土地分类影像图；提取感兴趣区域植被覆盖指数FV；对感兴趣区域进行地表温度反演，获得地表温度分布图；

(4)将地表温度分布图分别与土地分类影像图和植被覆盖指数影像图进行叠加；

(5)对叠加结果进行统计分析，得出研究结果，分析应对热岛效应的对策。

3.2 数据源

此次实验采用ENVI 5.1软件进行卫星影像处理和分析，采用ArcGIS 10.1进行专题地图制作以及矢量裁剪。

采用的数据是2014年、2015年、2017年6月份的Landsat8卫星影像图。该影像图在Landsat8下载共享系统(http：//ids.ceode.ac.cn/query.html)网站中下载。

表1则是Landsat8卫星的主要参数(包括波段、波长范围与分辨率)情况。

Landsat8卫星波段、波长范围与分辨率 表1

3.3 技术路线

本研究所采用的技术路线如图2所示，采用Landsat 8可见光近红外、热红外波段数据，分别进行植被参数、地表温度反演与土地利用类型分类等。

图2 技术路线图

(1)影像预处理

①辐射定标

通过建立遥感传感器的数字量化输出值DN与其所对应视场中辐射亮度值之间的定量关系，消除传感器本身误差以保证数据一致性和数据精度，辐射校正公式如下：

Lλ=ML×Qcal+AL

(1)

其中，Lλ表示大气顶层辐射值，单位W·m-2·sr-1·μm-1；ML表示特定波段的增益，AL表示特定波段的偏置，可以从影像的元数据文件中获得；Qcal表示像元的DN值，也为已知[4]。

②大气纠正

通过FLAASH大气纠正，消除传感器在接收讯号的过程中所受的大气影响，利用ENVI的FLAASH功能对卫星图进行大气纠正。

(2)植被指数(NDVI)提取

植被指数是通过遥感影像监测植被生长状况以及分布情况的一种方法[5]，在Landsat8卫星中主要利用第4、第5波段来提取。目前常用的植被指数主要是归一化差值植被指数NDVI，其计算公式为：

(2)

其中：NIR代表近红外波段的反射值；R表示红光波段的反射值。NDVI的取值范围是-1～1。NDVI小于0，表示地面覆盖为云、水、雪等，对可见光高反射；大于0表示有植被覆盖，且其值随覆盖度增大而增大；等于0时则表示有岩石或裸土等，NIR与R近似相等[6]。

(3)植被覆盖度(FV)提取

植被覆盖度是指植被在地面的垂直投影面积占统计区总面积的百分比。相比较植被指数，植被覆盖度更能准确地反映研究区域的植被覆盖情况，植被覆盖度计算公式为：

(3)

其中，NDVIV和NDVIS分别是植被与裸土的NDVI值。

(4)地表比辐射率(LSE)提取

地表比辐射率，是指地表物体在同一温度下地表发射的辐射量与一黑体发射的辐射量的比值，其值一般在0.85～0.99之间，在 8 μm～12 μm波段，比辐射率每变化0.01，地表温度的差别大约可达2K[7]。

尽管地球表面不同地区的地形结构非常复杂，但从卫星影像中像元的尺度来看，地表主要由水面、植被及裸土3种地物类型构成。地表比辐射率ε计算公式如下：

ε=0.985×pv+0.960×(1-pv)+0.06×pv×(1-pv)

(4)

其中pv为植被覆盖度，也是由植被指数NDVI来求取。计算公式如下[6]：

(5)

(5)地表温度(LST)反演

常见的地表温度反演算法包括：单窗算法、辐射传输方程法、普适性单通道算法三种[8]。Sobrino等人的研究表明，单窗算法相对另外两种算法来说精度略高一些，故此次实验选择单窗算法对地表温度进行反演。

注意到南京市主城区的面积并不太大(约 1 100 km2)，因此可忽略大气对温度分布的影响。首先，根据DN值与辐射亮温之间的线性关系，计算出辐射亮温值：

L=0.070588×D+3.2

(6)

接着由根据辐射亮温值与摄氏温度之间的关系，进一步求出摄氏温度：

(7)

其中，L为ETM+、TIRS的辐射亮温值；D为ETM+、TIRS的热红外波段灰度值，T为以摄氏度为单位的亮温值。k1、k2则为常数，对于ETM+，k1=666.09mW·m-2·sr-1·μm-1，k2=1282.7K；对于TIRS，k1=774.89mW·m-2·sr-1·μm-1，k2=1321.08K。

4 结果分析与讨论

4.1 土地利用变化与热岛效应空间分布特征分析

(1)将2014年土地分类影像图与2017年土地分类影像图进行对比分析，得到表2土地利用类型面积变化表，通过表中的数据发现这3年间草地的面积变化最大，其中大部分转变为人工表面，如图3所示以2014年的图像为基准影像，结合2017年的土地分类影像可以看出，南京市主城区人工表面密度大幅度增长，其中以鼓楼区、白下区、建邺区、秦淮区玄武区等较为繁荣的区域人工表面增长幅度最大。

土地利用类型面积变化表 表2

图3 2014年与2017年南京市主城区土地分类影像图

(2)如图4所示，不论是2014年还是2017年，玄武湖以及紫金山附近的温度变化都比较小，因为玄武湖周边布置有草地，紫金山更是整座山体布满林地，归纳得出南京市主城区被植被以及水体覆盖的区域温度较人工表面覆盖区域的温度增长幅度小，即高低温与土地利用类型具有相关性，可见温度的高低与土地利用类型的属性有着密切关联。在对温度按照不用土地利用类型进行分类统计后，两幅影像都反映出了这一规律。

图4 2014年与2017年南京市主城区温度变化影像图

(3)为了找出城市化进程的发展与温度分布的规律，将图3两幅土地分类图与图4两幅温度分布图相结合得到表3数据，容易发现：在2014年～2017年期间，随着城市化进程的逐步发展，城市温度发生了一定变化，且温度的分布与城区拓展的几何形状较为接近，这表明了温度高低的分布变化对应城市的变迁方向。

不同土地利用类型地表温度统计图 表3

4.2 植被覆盖度与热岛效应空间分布特征分析

(1)分别将图4中2014年与2017年的地表温度图与图5植被覆盖影像图以及地表温度分布图叠加，得到表4数据，发现相同土地类型的条件下，植被覆盖度不同，地表温度也不同，植被覆盖度越高，温度越低(其中由于水体的植被覆盖度为0，所以在植被覆盖度在0～ 0.174 4范围内时，温度也较低)，随之形成的热场空间也不同。相同植被覆盖度条件下，2014年的平均温度比2017年的平均温度低，平均温度随着时间的推移在不断升高。

图5 2014年与2017年南京市主城区植被覆盖影像图

2014年与2017年不同植被覆盖度地表温度统计图 表4

(2)在人工表面的热场分布大多是斑块的样式，通过已叠加的影像图，可以看出斑块的位置大多所处在植被覆盖度低的地区。

距离植被覆盖度高的区域，斑块越微小，介于二者之间的区域温度相对平缓。

4.3 下垫面空间结构与热岛效应空间分布特征分析

分别分析2014年与2017年的土地分布类型图，可以发现：不同下垫面气温的标准差，总体上是水体<林地<草地<人工表面。标准差越小，表明改下垫面越稳定，全天温度变化较小，如林地由于树冠遮阴、温度受天气不稳定变化影响较小，而人工表面受天气以及人为影响因素较多，一天内温度变化较大。

同时人工表面多由沥青、水泥、混凝土等覆盖，热量不易散失，并且当楼层较高时以及在密度较大的建筑群之间，空气流动速率低，导致气温升高，说明下地面的空间结构可以影响城市的热量扩散，它也是形成热场分布的原因之一。

5 结 语

本研究选取近几年的3幅南京Landsat8卫星影像作为信息源，对其进行了土地分类、植被覆盖度反演与地表温度反演；分析了不同土地利用类型、不同植被覆盖度与温度分布的关系，下垫面的空间结构与热场空间分布的关系以及温度高低的变化与城市变迁的关系，总结出了热岛效应产生的原因。

要想更进一步缓解热岛效应，可以采取以下措施：①在城市扩展过程中尽量减少对绿地的占用；②在城市休闲场所(如公园、广场等)建设时，应当提高绿化建设质量，选取优质植被；③制定相关的法律，鼓励空中花园以及空中游泳池的建立，增加土地的利用效率，以缓解建筑区域的热岛效应。