植被指數與地表溫度定量關系遙感分析
——以北京市TM數據為例

馬 偉，趙珍梅，劉 翔，閆東川

(1．中國冶金地質總局礦產資源研究院，北京 100025;2．北京東方泰坦科技股份有限公司，北京 100083)

植被指數與地表溫度定量關系遙感分析
——以北京市TM數據為例

馬 偉1，趙珍梅1，劉 翔2，閆東川1

(1．中國冶金地質總局礦產資源研究院，北京 100025;2．北京東方泰坦科技股份有限公司，北京 100083)

以北京市為研究區，在對Landsat－5 TM數據大氣校正基礎上，利用TM單窗算法定量反演地表溫度，并估算了5種植被參數:歸一化差值植被指數(NDVI)、比值植被指數(RVI)、綠度植被指數(GVI)、土壤調節植被指數(MSAVI)和植被覆蓋度(fg)。結合地表溫度(LST)空間分布，對比分析5種植被參數與地表溫度的相關程度。分析結果顯示，相對于上述4種植被指數，fg與地表溫度有更好的負相關性，對地表溫度空間分布的指示能力更佳。利用fg與地表溫度關系定量分析了植被覆蓋程度對熱島效應的影響，發現北京市區平均地表溫度比近郊區和遠郊區分別高 1．6 K 和5．3 K。

植被指數;地表溫度;Landsat－5 TM;城市熱島

0 引言

綠色植被通過改變地氣界面能量、水汽和碳的交換過程，從而改變地表能量平衡，影響地表溫度。Oke［1］在城市熱島能量來源研究中發現植被密集區域有較高的潛熱交換，而顯熱交換多發生在植被稀疏的城區，這一重要發現大大促進了地表溫度與植被覆蓋關系的研究［2，3］。Weng 等［4］研究發現，基于線性光譜混合分解模型估算的植被覆蓋指數與地表溫度呈負相關關系。在植被指數與地表溫度關系的研究中，NDVI是應用最為廣泛的指數之一:Boegh等［5］根據NDVI－LST關系研究地表蒸發散量;程承旗等［6］利用TM熱紅外數據計算了北京市地表的亮度溫度，認為熱島效應強度與NDVI呈線性關系;然而，江樟焰等［7］研究發現，當 NDVI＜0．161時，NDVI與地表溫度之間不存在相關關系;Small［8］的研究則指出，NDVI具有非線性和觀測平臺依賴性，并不適用于定量分析植被覆蓋狀況;而NDVI與地表溫度的關系也還需進一步研究。因此，對比分析不同植被參數與地表溫度間的關系，從中尋求更佳的植被參數模型，已成為城市熱環境研究中值得探討的重要問題。

本文利用遙感資料反演地表溫度，著重分析評價了當前應用較廣的5種植被參數與地表溫度的關系，尋求對地表溫度空間分布指示最佳的植被參數;同時，分析植被參數與地表溫度關系，研究北京城市熱環境的內在作用機制，對優化人居環境、改善公共健康條件、合理規劃城市發展都具有重要的現實意義。

1 研究方法

1．1 研究區與數據源

以北京市區及部分郊區(六環路以內)為研究對象(圖1)。研究區位于 39°28'N ～ 41°05'N，115°25'E～117°35'E，地處暖溫帶半濕潤地區，屬大陸性季風氣候。區內植被覆蓋度的變化梯度較大，市區和郊區植被覆蓋度差異明顯。

圖1 研究區示意圖Fig．1 Location of the study area

選用2004年7月6日獲取的Landsat－5 TM影像為基本數據源，覆蓋整個研究區，數據質量較好。同時收集了北京氣象臺提供的衛星過境時的常規氣象觀測資料。

1．2 數據處理

1．2．1 數據預處理

參考2004年獲取的ASTER可見光/近紅外影像，對TM影像進行幾何糾正，均方根誤差在0．5個像元內;采用最鄰近法對TM第6波段數據進行重采樣至30 m分辨率。

按式(1)計算各波段大氣頂層的光譜輻亮度Lλ［9］，并利用6S模型對 TM1～5、7波段的大氣頂層光譜輻亮度進行大氣校正，得到各波段地表反射率，即

式中，Grescale、Brescale分別為定標的增益與偏移;Qcal為像元DN值。

對于第6波段，通過式(2)計算亮溫TB［9］，即

式中，K1=607．76 W/(m2·sr·μm);K2=1 260．56 K。

地表溫度反演過程中所使用的氣象資料(氣溫、相對濕度)均以衛星影像獲取時刻各氣象站點記錄值取平均值，并采用反距離權重法內插至與遙感數據相匹配的尺度。

1．2．2 地表溫度反演

Qin等［10］針對TM6波段提出了地表溫度(Ts)反演的單窗算法，即

式(3)～(5)中，a= －67．355 351;b=0．458 606;Ta為大氣平均作用溫度(K);ε為地表發射率，計算方法見文獻［11］;τ為TM6波段大氣透射率。

針對不同的大氣廓線，Qin等［10］建立了4種基于近地層空氣溫度T0估算Ta的關系式。本文利用中緯度夏季模式模擬2004年7月6日衛星過境時刻的 Ta。

中緯度夏季模式為

采用式(7)計算大氣透射率，即

式中，w為整層大氣可降水量(g/cm2)。先根據飽和水汽壓與相對濕度計算地面實際水汽壓(hPa)［12］，再根據地面實際水汽壓與整層大氣可降水量間的關系計算 w［13］，即

式中，e為地面實際水汽壓(hPa)。

參數敏感性分析表明，單窗算法對地表發射率并不敏感，但受大氣透射率影響較大;在地表發射率、大氣透射率等基本參數估計誤差在一定范圍內時，地表溫度反演的平均誤差約為1．1 K［14］。

1．2．3 植被參數計算

本文選用5種應用較廣的植被參數:歸一化差值植被指數(NDVI)、比值植被指數(RVI)、綠度植被指數(GVI)、土壤調節植被指數(MSAVI)和植被覆蓋度(fg)。這5種植被參數均可由TM相應波段的反射率計算得到(表1)。

表1 5種植被參數模型Tab．1 Five parameters of vegetation

1．3 數據分析方法

為分析上述5種植被參數與地表溫度的相關程度，本文采用剖面線法進行相關分析。考慮到研究區的特點以及剖面線所經過區域的典型性，選擇東西方向起始，每順時針方向旋轉45°作一條剖面線，共4條剖面線(如圖1中 A、B、C、D所示)。為進一步定量分析植被覆蓋度對城市熱環境的影響，對植被覆蓋度和地表溫度進行城鄉對比研究。結合北京城市發展現狀，以北京市四環和五環路為界，將研究區劃分為市區、近郊和遠郊3個區域，并對其植被覆蓋度和地表溫度進行統計分析。

2 結果分析

2．1 城市地表溫度空間分布特征

地表溫度反演結果表明:研究區地表溫度范圍在295．8 ～339．2 K 之間，平均地表溫度為309．7 K，標準差為5．7 K。地表溫度空間分布如圖2所示，按均值±整數倍標準差將溫度分割為5個等級。

圖2 地表溫度空間分布Fig．2 Geographical distribution of land surface temperature

圖2中，北京市區地表溫度在310 K以上(不包括市內水體)，而郊區地表溫度多在300～310 K之間，城鄉地表溫度差異較為明顯。這是因為在相同的太陽輻射條件下，相對于自然地表，城市不透水層吸收的太陽輻射能量絕大部分用于加熱地表和近地面大氣，地表潛熱蒸發散失的能量較少，地表溫度較高;而郊區植被覆蓋狀況好，土壤濕度大，蒸發散失量大，顯熱存儲和傳輸的能量降低，地表溫度較低。

整個研究區內，有4個較大的高溫區域:石景山區、市區的東南角(京津塘高速公路與四環路相交處)、市中心前門附近的老城區(南二環路內)和盧溝橋南邊的大片裸土區域。形成這些高溫區域的主要原因是區域內植被覆蓋度極低;此外，還受人為熱排放、建筑物屏蔽效應等因素影響。低溫區域主要集中在郊區、市區內水體和植被較多的公園。城市中的水體和植被有效地隔斷了片狀高溫區域，增加了城市地表溫度場的破碎度，對于緩解城市熱島效應、改善城市熱環境具有重要的作用。另外，香山附近有3塊區域地表溫度最低(＜295．80 K)，對照遙感圖像發現是由于云遮擋所致。

2．2 不同植被參數與地表溫度關系對比

對5種植被參數與LST進行相關分析，顯著性水平均為0．01，結果如表2所示。

表2 各剖面線上地表溫度與5種植被參數的相關系數Tab．2 Correlation coefficients between LST and five parameters of vegetation on various profiles

從表2可以看出，5種植被參數與地表溫度的相關系數在－0．672～－0．798之間，均為負相關關系。分析結果表明:①fg與LST的平均相關系數最大，其次是 NDVI和MSAVI，RVI為最小;②5種參數與LST的相關系數的標準差在0．016～0．040之間，其中 fg的最小，而 NDVI的最大，這是因為剖面線通過的地表覆蓋類型差異較大，而NDVI易受土壤背景、植被類型、葉面積等變化因素的影響，導致NDVI與LST的相關關系不穩定，表明NDVI具有非線性及易受干擾等缺點;③變異系數表征了相關系數的相對波動程度，fg與LST相關系數的變異系數最小，而MSAVI、RVI、NDVI和GVI的變異系數都較大。

綜上分析，在5種植被參數中，fg與LST的相關性最好，且受地表覆蓋類型變化的影響最小，相關關系最為穩健。因此，fg是5種植被參數中反映地表溫度空間變化的最佳植被參數。

2．3 植被覆蓋度與地表溫度定量關系分析

陳云浩等［20］將植被覆蓋劃分為無植被覆蓋(fg=0)、低植被覆蓋(0 ＜fg≤0．25)、中植被覆蓋(0．25＜fg≤0．50)、高植被覆蓋(0．50 ＜ fg≤0．95)和全植被覆蓋(fg＞0．95)5個等級。根據該定義可將植被覆蓋度換算成植被覆蓋等級(圖3)。對比圖2和圖3可以看出，植被覆蓋度與地表溫度空間分布呈明顯相反趨勢。

圖3 植被覆蓋度等級圖Fig．3 The distribution of vegetation coverage grade

分別對市區、近郊和遠郊3個區域的LST和fg進行統計分析，結果見表3。

表3 市區、近郊和遠郊LST和f g統計結果Tab．3 Descriptive statistics of LST and f g of urban，suburban and outer suburban

分析結果表明:市區平均地表溫度最高(315．1 K)，近 郊 次 之 (313．5 K)，遠 郊 最 低(309．8 K)，市區平均地表溫度比近郊和遠郊分別高1．6 K和5．3 K，因此，北京市區呈現較強的熱島效應。與地表溫度空間分布特征相反，平均植被覆蓋度在市區表現出最低值，比近郊和遠郊的平均植被覆蓋度分別低0．06和0．18;遠郊大量的森林和農作物使得遠郊的平均覆蓋程度最高。較高的植被覆蓋有效地保持了自然下墊面土壤濕度，改變地表能量平衡在潛熱和顯熱的能量分配，降低波文比，從而降低地表溫度。同時，植被覆蓋也增大了熱慣量，在相同太陽輻射條件下，能有效地阻止地表溫度的上升。圖4為地表溫度和植被覆蓋度散點圖。

如圖4所示，LST－fg散點圖呈三角形分布，這與NDVI－Ts特征空間三角形較為相似。在相同植被覆蓋條件下，地表溫度在一定范圍內波動;但隨著植被覆蓋度的增加，地表溫度呈整體逐漸下降趨勢。

圖4 地表溫度與植被覆蓋度關系Fig．4 LST －f g relationship

3 結論

(1)利用Landsat－5 TM遙感資料定量反演了北京市區及部分郊區地表真實溫度以及NDVI、RVI、GVI、MSAVI和fg共5種不同植被參數，并對比分析了它們與地表溫度的相關程度。

(2)在5種植被指數中，fg與LST之間的相關性最好，相關關系最為穩健，不易受空間位置和地表覆蓋類型變化的影響，是城市熱環境研究中分析植被與地表溫度關系和地表溫度空間分布的最佳參數。

(3)LST－fg散點圖的特征空間呈三角形，這與NDVI－Ts特征空間三角關系相似。LST與fg間有較強的負相關關系。綠色植被能夠有效地降低地表溫度，對減緩城市熱島效應有重要意義。

(4)北京市城市熱島效應顯著。高溫區域主要集中在植被覆蓋率偏低的市中心地帶、市區西部和東南部以及郊區大片裸土區域;而低溫區域主要位于郊區的植被濃密地帶、市區中的水體和綠化較好的公園等區域。由市中心向外，地表溫度與植被覆蓋度呈相反變化趨勢。城區的平均地表溫度比近郊和遠郊分別高出1．6 K和5．3 K，而城區的平均植被覆蓋度比近郊和遠郊分別低0．06和0．18。

［1］Oke TR．The Energetic Basis of the Urban Heat Island［J］．Quarterly Journal of the Royal Meteorological Society，1982，108:1 －24．

［2］Carson T N，Gillies R R，Perry E M．A Method to Make Use of Thermal Infrared Temperature and NDVI Measurements to Infer Surface Soil Water Content and Fractional Vegetation Cover［J］．Remote Sensing Reviews，1994，9:161 －173．

［3］Goward S N，Xue Y，Czajkowski K P．Evaluating Land Surface Moisture Conditions from the Remotely Sensed Temperature/Vegetation Index Measurements:An Exploration with the Simplified Simple Biosphere Model［J］．Remote Sensing of Environment，2002，79:225 －242．

［4］Weng Q H，Lu D S，Schubring J．Estimation of Land Surface Temperature－Vegetation Abundance Relationship for Urban Heat Island Studies［J］．Remote Sensing of Environment，2004，89:467 －483．

［5］Boegh E，Soegaard H，Hanan N，et al．A Remote Sensing Study of the NDVI－Ts Relationship and the Transpiration from Sparse Vegetation in the Sahel Based on High Resolution Satellite Data［J］．Remote sensing of Environment，1998，69:224 － 240．

［6］程承旗，吳 寧，郭仕德，等．城市熱島效應強度與植被覆蓋關系研究的理論技術路線和北京案例分析［J］．水土保持研究，2004，11(3):172 －174．

［7］江樟焰，陳云浩，李 京．基于Landsat TM數據的北京城市熱島研究［J］．武漢大學學報，2006，31(2):120－123．

［8］Small C．Estimation of Urban Vegetation Abundance by Spectral Mixture Analysis［J］．International Journal of Remote Sensing，2001，22，1305 －1334．

［9］Chander G，Markham B．Revised Landsat－5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges［J］．IEEE Transactions on Geoscience and Remote Sensing，2003，41(11):2674－2677．

［10］Qin Z H，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．

［11］Sobrino JA，Jime'nez－ Mun～oz JC，Paolini L．Land Surface Temperature Retrieval from LANDSAT TM5［J］．Remote Sensing of Environment．2004，90:434 －440．

［12］周淑貞．氣象學與氣候學［M］．北京:高等教育出版社，1996．

［13］楊景梅，邱金桓．用地面濕度參量計算我國整層大氣可降水量及有效水汽含量方法的研究［J］．大氣科學，2002，26(1):9－22．

［14］覃志豪，Zhang M H，Karnieli A，等．用陸地衛星TM6數據演算地表溫度的單窗算法［J］．地理學報，2001，56(4):456－466．

［15］Rouse JW，Haas R H，Schell J A，et al．Monitoring Vegetation Systems in the Great Plain with ERTS［C］∥Proceedings of the Third Earth Resource Technology Satellite－1 Symposium．Greenbelt:NASA SP －351，1974:3010 －317．

［16］Jordan C F．Derivation of Leaf Area Index from Quality of Lighton the Forest Floor［J］．Ecology，1969，50:663 －666．

［17］Crist E P，Cicone R C．Application of the Tasseled Cap Concept to Simulated Thematic Mapper Data［J］．Photogrammetric Engineering and Remote Sensing，1984，50:343 －352．

［18］Qi J，Chehbouni A，Huete A R，et al．A Modified Soil Adjusted Vegetation Index(MSAVI)［J］．Remote Sensing of Environment，1994，48:119 －126．

［19］Gutman G，Ignatov A．The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models［J］．International Journal of Remote sensing，1998，19:1533 －1543．

［20］陳云浩，李曉兵，史培軍，等．北京海淀區植被覆蓋的遙感動態研究［J］．植物生態學報，2001，25(5):588 －593．

(責任編輯:劉心季)

A Quantitative Analysis of the Relationship Between Vegetation Indices and Land Surface Temperature Based on Remote Sensing:a Case Study of TM Data for Beijing

MAWei1，ZHAO Zhen －mei1，LIU Xiang2，YAN Dong－chuan1
(1．Institute of Mineral Resources Research，China Metallurgical Geology Bureau，Beijing 100025，China;2．Beijing Oriental TITAN Technology Co，Ltd，Beijing 100083，China)

Through correcting the Landsat－5 TM image of atmospheric effects and employing the calculation method ofmono －window algorithm，the LST in Beijing was calculated by inversion．On such a basis，five vegetation parameters were computed respectively，i．e．，Normalized Difference Vegetation Index(NDVI)，Ratio Vegetation Index(RVI)，Greenness Vegetation Index(GVI)，Modified Soil－ Adjusted Vegetation Index(MSAVI)and vegetation fraction(fg)．Combined with the spatial distribution of LST in Beijing，this paper compared and analyzed the relevance between LST and the five vegetation parameters．Quantitative analysis of vegetation effect on the Urban Heat Island(UHI)was also carried out．The results show that，of the five parameters of vegetation，fghas the strongest negative correlation with LST．The average urban LST is 1．6 K and 5．3 K higher than that of the suburban and outer suburban respectively．

Vegetation index;Land surface temperature;Landsat－5 TM;Urban heat island

馬 偉(1984－)，男，碩士，主要從事資源環境遙感研究。

TP 79

A

1001－070X(2010)04－0108－05

2009－11－20;

2010－01－04

國家高技術研究發展計劃(863計劃)項目“遙感動態監測與管理信息系統”課題(編號:2006AA120107)資助。