基于Landsat 8衛星影像的南昌城市熱島效應研究

陳興鵑，溫新龍，郭 磊

(1.江西省氣象科學研究所，江西 南昌 330096；2.江西省氣象服務中心，江西 南昌 330096)

基于Landsat 8衛星影像的南昌城市熱島效應研究

陳興鵑1，溫新龍1，郭 磊2

(1.江西省氣象科學研究所，江西 南昌 330096；2.江西省氣象服務中心，江西 南昌 330096)

以2014年10月8日的Landsat 8 OLI/TIRS衛星數據作為主數據源，利用ENVI 5.1軟件平臺，對南昌市城市熱島效應進行了研究。根據大氣校正法反演南昌市地表溫度，并對其歸一化得到南昌熱島強度分級圖。在此基礎上，對南昌城市熱島效應與歸一化植被指數(NDVI)、改進的歸一化水體指數(MNDWI)、裸土指數(BSI)、歸一化差值裸地與建筑用地指數(NDBBI)進行統計分析，得到地表溫度與4種指數間的定量關系。結果表明：(1)南昌市熱島效應明顯，熱島強度由城區中心向近郊、遠郊逐漸降低；(2)地表溫度與NDVI呈負相關；(3)地表溫度與MNDWI呈負相關；(4)地表溫度與BSI呈正相關；(5)地表溫度與NDBBI呈正相關。由此可知，增加城市植被覆蓋率、擴大城市水域，同時合理利用城市裸地和布局城市建筑用地，可以緩解城市熱島效應。

南昌市；熱島效應；Landsat 8；歸一化植被指數；改進的歸一化水體指數；裸土指數；歸一化差值裸地與建筑用地指數

城市化高速發展的同時，城市下墊面狀況發生了極大改變，加之城市人口密集、工商業發達、人為熱排放較多，這使得城市熱力狀況遠較郊區復雜，進而導致城區溫度普遍高于郊區，形成城市熱島，在一定程度上影響了城市氣候[1]。城市熱島是一種城市公害，它加劇了城市高溫出現的頻率和高溫災害，并因此帶來了巨大的經濟損失。研究表明，城市化發展對氣溫有一定影響，城市化在近50 a中國氣溫變暖中貢獻率為20%～30%，其對于城市熱島效應的影響應引起足夠的重視[2]。

近年來，素有“火爐”之稱的南昌市經歷了飛速發展，城鎮化率已達到70%以上，城區面積約為350 km2，城區常住人口達330萬人左右。遙感(Remote Sensing，簡稱RS)可宏觀、動態、精確地監測地表環境及其變化。不少學者利用RS技術對南昌市的城市熱島效應進行了研究。吳萬友等[3]利用氣象觀測資料，分析了南昌市熱島效應的基本特征，并研究得出熱島效應與SO2濃度呈正相關。鄭蕉等[4]利用Landsat ETM+數據，反演南昌市主城區地表溫度，并對植被蓋度、水體面積比例與地面溫度的相互關系進行了研究。歐立業等[5]利用Landsat TM/ETM+數據，采用地表發射率對亮溫進行訂正，實現了南昌市城區及其周邊區域城市熱島效應的評價。吳凡等[6]利用Landsat TM/ETM+數據進行南昌市地表溫度反演，并結合下墊面土地覆蓋類型圖，選取樣區對比分析了地表溫度空間分布。

2013年2月11日Landsat 8在加州范德堡空軍基地發射升空，其熱紅外波段由第10(10.6～11.19 μm)和第11(11.5～12.51 μm)2個波段組成，分辨率為100 m，這為獲取地表溫度提供了新的數據。本研究基于RS技術，選取最新的Landsat 8衛星數據，利用大氣校正法反演地表溫度進行南昌城市熱島的研究，并對南昌市地表溫度與歸一化植被指數、改進的歸一化水體指數、裸土指數、歸一化差值裸地與建筑用地指數之間的關系做定量分析，以期為緩解城市熱島效應、改善城市熱環境提供科學依據，同時對相關部門進行城市規劃和改善城市局地小氣候具有指導意義。

1 研究區概述

南昌市地處江西省中部偏北，贛江、撫河下游，濱臨我國第一大淡水湖鄱陽湖。地理位置在115°27′～116°35′ E，28°09′～29°11′ N之間。全市以平原為主，東南地勢平坦，西北丘陵起伏。全市總面積7402.36 km2，南北長112.1 km，東西寬107.6 km。截至2015年，南昌市下轄東湖區、西湖區、青云譜區、青山湖區、灣里區、新建區6個市轄區，以及南昌縣、進賢縣、安義縣3個縣。南昌市屬于亞熱季風濕潤氣候區，最冷月為1月，最熱月為7月，年平均溫度為17.6 ℃。

2 地表溫度反演與熱島強度分級

2.1 數據來源及處理

選用美國USGS網站(http://glovis.usgs.gov/)下載的2014年10月8日Landsat 8 OLI/TIRS衛星數據作為主數據源，軌道號為121/40，GMT時刻為02:44:32，云量為0，影像質量良好。產品為Level 1T級，已經過系統輻射校正、地面控制點幾何校正和DEM地形校正，可直接使用[7-8]。

2.2 大氣校正法反演地表溫度

利用大氣校正法(也稱輻射傳輸方程，Radiative Transfer Equation,RTE)反演地表溫度，首先估計大氣對地表熱輻射的影響，然后把這部分大氣影響從衛星傳感器所觀測到的熱輻射總量中減去，從而得到地表熱輻射強度，再把這一熱輻射強度轉化為相應的地表溫度[9]。

衛星傳感器接收到的熱紅外輻射亮度值Lλ由3個部分組成：大氣向上輻射亮度L↑；地面的真實輻射亮度經過大氣之后到達衛星遙感器的能量；大氣向下輻射到達地面后反射的能量L↓。衛星傳感器接收到的熱紅外輻射亮度值的表達式可寫為(輻射傳輸方程)：

Lλ=[εB(TS)+(1-ε)L↓]τ+L

(1)

式中，ε為地表比輻射率；TS為地表真實溫度；B(TS)為黑體熱輻射亮度；τ為大氣在熱紅外波段的透過率。則溫度為T的黑體在熱紅外波段的輻射亮度B(TS)為：

B(TS)=[Lλ-L-τ(1-ε)L↓]/τε

(2)

最后利用普朗克公式的函數即可獲取地表溫度TS：

TS=K2/ln[K1/B(TS)+1]

(3)

根據USGS的建議，目前Landsat 8第11波段存在不穩定性，建議用戶把第10波段作為單波段熱紅外數據進行使用[10-11]。對于TIRS Band10數據，K1=774.89 W/(m2·μm·sr)，K2=1321.08 K。K1和K2可從“*_MTL.txt”元數據文件中獲取。

可見，此算法主要需要2個參數：大氣剖面參數和地表比輻射率。

2.2.1 圖像輻射定標 利用ENVI 5.1輻射定標工具“Radiometric Calibration”，將2014年10月8日Landsat 8第10波段熱紅外數據定標為輻射亮度值，得到Band 10輻射亮度圖像，即Lλ。

2.2.2 大氣剖面參數的獲取 可通過NASA公布的網址(http://atmcorr.gsfc.nasa.gov)獲取。輸入研究所用Landsat 8衛星數據的成影時間(2014-10-08 02:44)和中心經緯度(Lat：28.9°，Lon：116.5°)，可得到大氣剖面信息為：大氣在熱紅外波段的透過率τ=0.83；大氣向上輻射亮度L=1.37 W/(m2·sr·m)；大氣向下輻射亮度L↓=2.27 W/(m2·sr·μm)。此結果是基于模型計算得出的。

2.2.3 地表比輻射率計算 由于TIRS的Band 10熱紅外波段與TM/ETM+6熱紅外波段波譜范圍相近，本文使用Sobrino等[12]提出的NDVI閾值法計算地表比輻射率：

ε=0.004Pv+0.986

(4)

式中，Pv是植被覆蓋度，計算公式為：

Pv=[(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)]

(5)

其中，NDVI為歸一化植被指數，可通過ENVI 5.1軟件工具箱中的“NDVI”計算工具獲取；NDVIsoil為完全被裸土或無植被覆蓋區域的NDVI值，NDVIveg代表完全被植被覆蓋像元的NDVI值，即純植被像元的NDVI值。取經驗值NDVIveg=0.70和NDVIsoil=0.05，即當某個像元的NDVI>0.70時，Pv取值為1,；當NDVI<0.05時，Pv取值為0。

使用ENVI 5.1工具箱中的波段運算工具“Band Math”，將以上獲取的大氣剖面參數和計算得出的地表比輻射率等數據代入公式(2)，可計算得到黑體輻射亮度影像B(TS)。最后由公式(3)計算可獲取南昌市地表溫度影像TS。

2.3 熱島強度分級

利用ENVI 5.1軟件對地表溫度進行歸一化處理，使其值處于0～1之間，并對其進行密度分割，得到南昌市強綠島區、綠島區、正常區、熱島區、強熱島區。南昌市熱島強度分級圖見圖1。

地表溫度歸一化處理公式為[13]：

N=(Ti-Tmin)/(Tmax-Tmin)

(6)

式中，N代表第i個像元地表溫度歸一化后的值，Ti代表第i個像元的地表溫度值，Tmin代表地表溫度的最小值，Tmax代表地表溫度的最大值。其中Tmin和Tmax可由ENVI 5.1軟件統計工具“Compute Statistics”獲取。

利用ENVI 5.1軟件分類統計工具“Class Statistics”，可統計出各級分區面積分布情況。由表1可知，強綠島區面積為2639.34 km2，占研究區總面積的35.63%；綠島區面積為1576.48 km2，占研究區總面積的21.28%；正常區面積為2355.64 km2，占研究區總面積的31.80%；熱島區面積為736.68 km2，占研究區總面積的9.95%；強熱島區面積為99.33 km2，占研究區總面積的1.34%。

結合南昌市熱島強度分級圖可知，研究區熱島效應明顯，熱島強度由城區中心向近郊、遠郊逐漸降低，強熱島區和熱島區主要分布在市區建成區及一部分裸地，正常區主要分布在城區與郊區交界處，綠島區和強綠島區主要分布在郊區和農村，包括水體(鄱陽湖等水域)和山區林地(梅嶺等山區)等。

3 熱島效應與各指數的關系

3.1 指數模型選擇與構建

Landsat 8影像各波段基本特征見表2[14-15]。為構建各指數模型，統一規定ρBlue表示藍色波段(Blue)的反射率，ρGreen表示綠色波段(Green)的反射率，ρRed表示紅色波段(Red)的反射率，ρNIR表示近紅外波段(NIR)的反射率，ρSWIR1表示短波紅外波段(SWIR1)的反射率，ρSWIR2表示短波紅外波段(SWIR2)的反射率。

圖1 南昌市熱島強度分級圖

熱島等級面積/km2所占比例/%強綠島區2639.3435.63綠島區1576.4821.28正常區2355.6431.80熱島區736.689.95強熱島區99.331.34

表2 Landsat 8影像各波段基本特征表

3.1.1 歸一化植被指數 歸一化植被指數(Normalized Difference Vegetation Index，NDVI)是遙感領域用來表征地表植被覆蓋、植被生長狀況的應用最為廣泛的度量參數，可以檢測植被生長狀態，其值隨植被覆蓋度增大而增大，計算公式如下[16]：

NDVI=(ρNIR-ρRed)/(ρNIR+ρRed)

(7)

3.1.2 改進的歸一化水體指數 改進的歸一化水體指數(Modified Normalized Difference Water Index，MNDWI)除可用于植被區的水體提取之外，還可以用于準確提取城鎮范圍內的水體信息[17]，計算公式如下：

MNDWI=(ρGreen-ρSWIR1)/(ρGreen+ρSWIR1)

(8)

3.1.3 裸土指數 裸土指數(Bare Soil Index，BSI)是Rikimaru等[18]在1996年提出的，計算公式如下：

BSI=[(ρSWIR1+ρRed)-(ρNIR+ρBlue)]/[(ρSWIR1+ρRed)+(ρNIR+ρBlue)]

(9)

3.1.4 歸一化差值裸地與建筑用地指數 歸一化差值裸地與建筑用地指數(Normalized Difference Bareness and Built-up Index，NDBBI)可以直接剔除水體和植被信息，提取出含有裸地的建筑用地信息[19],計算公式如下：

NDBBI=[1.5ρSWIR2-(ρNIR+ρGreen)/2]/[ 1.5ρSWIR2+(ρNIR+ρGreen)/2]

(10)

利用上述公式，在ENVI 5.1軟件中對Landsat 8數據進行波段提取與計算，得到南昌市4種不同指數(NDVI、MNDWI、BSI、NDBBI)圖，具體見圖2。

從圖2可知，建筑用地和裸土的BSI、NDBBI值高，NDVI、MNDWI值低；水體的MNDWI值高，NDVI、BSI、NDBBI值低；植被的NDVI、MNDWI值高，BSI、NDBBI值低。

圖2 南昌市4種指數圖

3.2 熱島效應與各指數的關系

利用ENVI 5.1軟件分別制作南昌市地表溫度與上述4種指數的散點圖，研究地表溫度(TS)與NDVI、MNDWI、BSI、NDBBI之間的關系(圖3)。

Carlson[20]和Price[21]等研究表明，利用熱紅外波段遙感影像反演得到的城市地表溫度與NDVI之間的散點圖呈三角形，并把這種三角形稱為NDVI-TS特征空間。從圖3可以看到，南昌市地表溫度與NDVI散點圖主體呈現三角形，與前人研究成果一致。同時可以看到，地表溫度與NDVI、MNDWI呈負相關關系，與BSI、NDBBI呈正相關。

圖3 地表溫度與4種指數散點圖

為找出地表溫度與4種指數之間的定量關系，對南昌市地表溫度分別與NDVI、MNDWI、BSI、NDBBI指數圖進行多次隨機采樣并做統計分析，其中與NDVI做統計分析時已去除水體值[22-23]，回歸分析結果見圖4。

圖4 南昌市地表溫度與4種指數相關性分析圖

由圖4可知，南昌市地表溫度與NDVI、MNDWI、BSI、NDBBI回歸分析得到的相關關系與前述散點圖分析結果一致。可近似反映南昌城市熱島效應與4種指數間的定量關系：(1)南昌城市熱島效應與NDVI呈負相關，相關系數為0.78，NDVI值每增加0.1，地表溫度減少2.78 ℃，可見隨著NDVI值逐漸增加，地表溫度逐漸減小，植被覆蓋度的增加可有效緩解南昌城市熱島效應，這是由于植被能大量反射太陽輻射的近紅外部分，并將吸收的可見光部分通過蒸騰作用和光合作用轉化為化學能，致使周圍環境溫度大大降低；(2)南昌城市熱島效應與MNDWI呈負相關，相關系數為0.65，MNDWI值每增加0.1，地表溫度減少1.66 ℃，可見隨著MNDWI值逐漸增加，地表溫度逐漸減小，水體面積的增加可使南昌城市熱島效應減弱，這是由于水的比熱容大，吸收同等熱量的升溫值最小，水面蒸發吸熱也帶走一部分熱量；(3)南昌城市熱島效應與BSI呈正相關，相關系數為0.90，BSI值每增加0.1，地表溫度增加3.38 ℃，可見裸地對城市熱島效應起增強作用，應合理利用城市裸地，有效抑制熱島效應；(4)南昌城市熱島效應與NDBBI呈正相關，相關系數為0.88，NDBBI值每增加0.1，地表溫度增加1.34 ℃，城市建筑用地以磚石、水泥、混凝土為主，能吸收大量太陽輻射并有較高的蓄熱能力，可見城市建筑用地對城市熱島效應起增強作用，應合理控制城市建筑用地面積，最大限度減弱城市熱島效應。

4 結論與討論

(1)南昌市熱島效應明顯，熱島強度由城區中心向近郊、遠郊逐漸降低。

(2)南昌市地表溫度與NDVI、MNDWI呈負相關關系，與BSI、NDBBI呈正相關關系。

(3)南昌市地表溫度與NDVI散點圖主體呈現三角形，與前人研究成果一致；地表溫度與NDVI、MNDWI、BSI、NDBBI回歸分析得到的相關關系與散點圖分析結果一致。

(4)南昌市相關部門可通過增加城市植被覆蓋率、擴大城市水域，同時合理利用城市裸地和布局城市建筑用地，以緩解城市熱島效應。

對于南昌市熱島效應，本文只選取了一景數據進行研究。后續可利用多時相Landsat 8遙感數據，研究城市熱島的季節[24]和年際變化特征，并驗證地表溫度與4種指數之間關系的普遍性。

[1] 白楊,孟浩,王敏,等.上海市城市熱島景觀格局演變特征研究[J].環境科學與技術,2013,36(3):196-201.

[2] 白楊,王曉云,蔣海梅,等.城市熱島效應研究進展[J].氣象與環境學報,2013,29(2):101-106.

[3] 吳萬友,呂小明.南昌市熱島效應及其與SO2濃度關系研究[J].江西氣象科技,1998,21(4):44-47.

[4] 鄭蕉,陳文波,樂新貴.基于Landsat ETM+圖像的南昌市地表溫度反演與分析[J].江西農業大學學報,2007,29(3):490-494.

[5] 歐立業,鄭海金.基于衛星遙感影像的南昌市城市熱島效應研究[J].測繪信息與工程,2009,34(4):28-30.

[6] 吳凡,景元書.基于Landsat TM/ETM+數據的南昌城市熱島效應研究[J].南京信息工程大學學報:自然科學版,2013,5(4):326-330.

[7] USGS. Frequently asked questions about the Landsat Missions[EB/OL].(2014-06-19)http:\landsat.usgs.gov/band_designations_landsat_satellites. php.

[8] 黎良材,Deng-sheng,張曉麗,等.基于Landsat 8衛星影像的重工業城市熱島效應研究：以柳州市為例[J].中南林業科技大學學報,2015,35(7):74-80.

[9] 鄧書斌,陳秋錦,杜會建,等.ENVI遙感圖像處理方法[M].北京:高等教育出版社,2014:419-424.

[10] USGS. Landsat8 (L8) operational land imager(OLI)and thermal infrared sensor(TIRS)[EB/OL]. (2014-01-29)http://landsat.usgs.gov/calibration_notices.php.

[11] 蔣大林,匡鴻海,曹曉峰,等.基于Landsat 8的地表溫度反演算法研究:以滇池流域為例[J].遙感技術與應用,2015,30(3):448-454.

[12] Sobrino J A, Jiménez-Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440.

[13] 盛輝,萬紅,崔建勇,等.基于TM影像的城市熱島效應監測與預測分析[J].遙感技術與應用,2010,25(1):8-14.

[14] USGS. Landsat Missions[EB/OL]. (2013-04-18)http://landsat.usgs.gov/index.php.

[15] 徐涵秋,唐菲.新一代Landsat系列衛星:Landsat 8 遙感影像新增特征及其生態環境意義[J].生態學報,2013,33(11):3249-3257.

[16] Purevdorj T S, Tateishi R, Ishiyama T, et al. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing, 1998, 19(18): 3519-3535.

[17] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報,2005,9(5):589-595.

[18] Rikimaru A. Landsat T M data processing guide for forest canopy density mapping and monitoring model[C]//ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest. Bangkok, Thailand, 1996: 1-8.

[19] 吳志杰,趙書河.基于TM圖像的“增強的指數型建筑用地指數”研究[J].國土資源遙感,2012(2):50-55.

[20] Carlson T N, Gilliies 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(1): 161-173.

[21] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience & Remote Sensing, 1990, 28(5): 940-948.

[22] 方剛.基于Landdat 8衛星影像和地表參數的宿州市城市熱島效應分析[J].土壤通報,2014,45(5): 1241-1246.

[23] 歷華,曾永年,柳欽火.基于遙感的長沙市城市熱島與土地利用/覆蓋變化研究[J].國土資源遙感,2008(4): 47-52.

[24] 但尚銘,但玻,楊秀蓉,等.衛星遙感成都平原城市熱島效應的動態特征[J].環境科學與技術,2009,32(7):10-13.

(責任編輯：曾小軍)

Study on Urban Heat Island Effect in Nanchang Based on Landsat 8 Satellite Images

CHEN Xing-juan1, WEN Xin-long1, GUO Lei2

(1. Meteorological Science Research Institute of Jiangxi Province, Nanchang 330096, China;2. Meteorological Service Center of Jiangxi Province, Nanchang 330096, China)

The urban heat island effect in Nanchang was studied by using Landsat 8 OLI/TIRS satellite images on October 8th, 2014 as main data source and ENVI 5.1 software as platform. According to radiative transfer equation, the surface temperature of Nanchang city was calculated and normalized, and a classification map of Nanchang municipal heat island intensity was obtained. On this basis, through conducting the statistical analysis of Nanchang municipal urban heat island effect, normalized difference vegetation index (NDVI), modified normalized difference water index (MNDWI), bare soil index (BSI), and normalized difference bareness and built-up index (NDBBI), the quantitative relationships between the surface temperature of Nanchang and the above 4 indexes were acquired. The results showed that: (1) The urban heat island effect in Nanchang was obvious, and the heat island intensity gradually decreased from city center to suburb; (2) There was a negative correlation between the surface temperature andNDVI; (3) There was a negative correlation between the surface temperature andMNDWI; (4) The surface temperature was positively correlated toBSI; (5) The surface temperature was positively correlated toNDBBI. Thus, increasing the urban vegetation coverage, enlarging the urban water area, reasonably using urban bare land, and rationally distributing urban construction land can relieve the urban heat island in Nanchang.

Nanchang city; Urban heat island effect; Landsat 8;NDVI;MNDWI;BSI;NDBBI

2016-10-28

2015年江西省氣象局青年人才培養項目(贛氣發[2015]111號)。

陳興鵑(1986─)，女，吉林人，工程師，研究生，研究方向：衛星遙感技術與應用。

X87；TP79

A

1001-8581(2017)03-0103-06