基于遙感技術的城市下墊面參數與熱環境關系的研究—以北京市朝陽區為例

李膨利 （巴基斯坦）穆罕默德·阿米爾·西迪基 劉東云

近20年來，隨著快速城鎮化的進程，北京市城市土地利用發生前所未有的變化。城市規模迅速擴大導致原有的農田、林地、水體等向城市建設用地轉化，城市不透水面劇增，對城市熱環境產生很大影響。已有一些學者對北京市城市熱環境及其影響因素進行了一些研究，如宮阿都等[1]利用單窗算法，對北京市地表溫度（Land Surface Temperature，簡稱LST）進行反演并發現北京市城市熱島效應與城市土地利用、覆蓋類型密切相關。薛曉娟等[2]利用北京市2008—2011年熱紅外數據，對北京市城市熱島強度進行研究，并發現城市熱島效應與下墊面類型存在相關性。王靚等[3]通過計算城建區與邊緣區平均溫度差值，分析北京市主要城建區2005—2014年熱島強度時序變化，發現不透水面聚集密度對白天不同等級熱島強度出現頻率影響顯著。葛榮鳳等[4]通過定義熱島強度與熱島容量指數對北京六環區域內近20年熱島效應的時空動態變化特征及演變規律進行了分析。但對北京市長時序城市熱島（Urban Heat Island，簡稱UHI）時空演變的定量研究較少，尤其是對城市熱島和與城市發展密切相關的下墊面參數動態變化之間的定量分析不夠深入。

本研究以北京市朝陽區為研究對象，利用2002—2017年夏季4期Landsat 7 ETM+和Landsat 8 OLI及TIRS影像，跟蹤研究朝陽區熱環境時空演變特征，定量分析15年間朝陽區地表溫度的變化及其與下墊面參數的關系，力求為城市規劃和風景園林建設提供科學依據，以期在快速城市化進程中有效緩解城市熱島效應，改善城市生態環境。

1 研究區域概況

朝陽區位于北京市東部（圖1），區域范圍北緯 39°49'～40°5'，東經 116°21'～116°38'，平均海拔34 m。轄區面積479 km2（本研究區域不包括東北側機場飛地），2017年常住人口達373.9萬人，人口密度8 216人/km2[5]，是北京市最大、人口最密集的城區。2017年朝陽區生產總值為5 629.41億元[6]，占北京市生產總值的21.02%。近年來，朝陽區社會經濟發展態勢良好、城市建設迅速，并伴隨有大量人口活動，是北京市城市熱島效應比較突出的區域。

2 數據來源與研究方法

2.1 數據來源

研究所使用的遙感影像來自美國Landsat系 列 陸 地 衛 星，2002-06-07、2007-06-05及2012-05-17共3期影像來自Landsat 7 ETM+，2017-05-23期影像來自Landsat 8 OLI及TIRS。ETM+、OLI影像空間分辨率均為30 m，TIRS熱紅外波段影像空間分辨率為100 m。成像日期天氣條件良好，影像云量小于5%，地物清晰無遮擋，滿足研究精度要求。

所使用衛星影像已經過系統輻射校正和幾何校正，并在ENVI中統一進行輻射定標及大氣校正，以消除大氣散射引起的誤差。2007-06-05及2012-05-17期影像由于Landsat衛星傳感器故障存在條帶，在ENVI中采用SLC-off模型校正。將經過以上預處理的影像導入ArcGIS，利用朝陽區矢量邊界進行裁剪以待進一步計算。

2.2 地表溫度（LST）反演

熱紅外遙感記錄的是地表物體的發射輻射、環境及大氣的輻射之和。利用熱紅外遙感反演地表溫度時綜合考慮了大氣和輻射面的多重影響，能夠較好地反映城市地表熱環境的分布情況，因而成為進行城市熱島研究最常用的方法[7]。地表溫度反演算法主要有大氣校正法、單通道算法、分裂窗算法等方法，本研究基于大氣校正法[8]，利用Landsat 7 ETM+、Landsat 8 TIRS熱紅外影像反演地表溫度。

1）計算衛星傳感器接收到的熱紅外輻射亮度值Lλ：

式中，gain和bias為熱紅外波段的增益和偏置值，從影像的頭文件中讀取，DN為遙感影像像元亮度值，即遙感影像原始數據。

2）計算同溫度下黑體輻射亮度B（TS）：

式中，ε為地表比輻射率，B（TS）為黑體熱輻射亮度（K），其余3個參數τ（大氣在熱紅外波段的透過率）、Lu↑（大氣向上輻射亮度）、Ld↓ （大氣向下輻射能量）為大氣剖面信息，在美國氣象局網站查詢①。

3）普朗克公式計算地表溫度TS：

式中，K1和K2為校準常數，ETM+傳感器影像，K1=666.09 W/(m2μm sr)，K2=1 282.71K；TIRS傳感器影像，K1=774.89 W/（m2μm sr），K2=1 321.08K。

2.3 城市熱島強度的計算

4期遙感影像的獲取時間季節相同、日期相近，但各日氣象條件仍存在差異，無法直接比較。需要對地表溫度進行歸一化處理[9]130，得到將各年份地表溫度統一至[0，1]范圍內的溫度等級分布，計算公式為：

1 研究范圍The range of the study

式中，Ni為第i個像元正規化后的值，TSi為第i個像元的絕對溫度值；TSmin表示地表絕對溫度的最小值；TSmax表示地表絕對溫度的最大值。由此得到的各年溫度等級數據排除時相差異引起的誤差，可用于進行對比分析。

進一步引入城市熱島比例指數（Urban-Heat-Island Radio Index，簡稱URI），對朝陽區城市熱島變化進行定量研究。城市熱島比例指數通過計算城市熱島面積與建成區面積的比例，并賦予權重來表征熱島在城市建成區的發育程度。指數值越大，熱島現象越嚴重[9]131。

式中，m為溫度歸一化等級指數，本研究中取7（分別為低溫、較低溫、次中溫、中溫、較高溫、高溫和特高溫7個等級）；i為城市溫度高于郊區的等級，通過對朝陽區城市熱島分布情況的觀察，特高溫區和高溫區的分布明顯集中于中心城區，與城郊區域差異明顯，故研究中i取2，即高溫、特高溫2個等級；Wi為該級的極值，Pi為該級的百分比。

2.4 下墊面參數提取方法

2.4.1 歸一化植被指數（NDVI）計算方法

歸一化植被指數（Normalized Difference Vegetation Index，簡稱NDVI指數）是描述植被生長狀態及植被分布密度的參數，常被用來對植被生長狀況、植被覆蓋度等進行評估，是目前已有的40多種植被指數中應用最廣的一種[10]。其計算公式為：

其中，ρNIR和ρRED分別為遙感影像近紅外波段和紅光波段的地表反射率。

其計算原理基于植被的光譜特征：葉片對藍光和紅光吸收強烈，對綠光尤其是近紅外則強烈反射。植被覆蓋越高，紅光反射越小，近紅外反射越大，表現為NDVI指數數值的增大[11]。

2.4.2 歸一化建筑指數（NDBI）計算方法

分析各類不透水材料發現，其普遍共性是在中紅外波段的輻射率明顯高于在近紅外波段的反射率。城市建筑及基礎設施建設多使用瀝青、花崗巖、混凝土、玻璃及金屬等不透水材料，也即城市建設用地多為不透水面，所以利用歸一化建筑指數（Normalized Difference Built-up Index，簡稱NDBI指數）提取城市建筑用地信息，是對城市不透水面信息的有效描述。基于此原理提出NDBI指數的計算方法[12]：

其中，ρMIR1是中紅外波段1的地表反射率，ρNIR是近紅外波段的地表反射率。

NDBI指數在[-1，+1]之間變化，>0的區域為城鎮范圍，其數值大小表明建筑密度的大小。

2.4.3 地表溫度（LST）與下墊面參數相關性分析

在ENVI中利用波段計算命令，去除NDVI、NDBI指數的異常值后，與地表溫度反演結果一同導入ArcGIS。在ArcGIS中基于朝陽區矢量邊界生成隨機點，為使隨機點盡量分散、覆蓋區域更大，限定最小點間距為200 m（圖2）。提取各年地表溫度值、NDVI指數、NDBI指數至隨機點，人工檢查剔除位于邊界上的取值異常點，最終獲得798個有效隨機點信息。將隨機點屬性表導出至SPSS進行相關性分析。

2 隨機點分布Random point distribution

3 結果與分析

3.1 朝陽區城市熱島時空變化特征

為驗證本研究所得地表溫度的準確性，查詢計算地表溫度所用的遙感影像獲取當日當時的氣象溫度與之對比。在“世界天氣查詢網”（ForeCast.io）查詢北京市朝陽區研究日氣象溫度數據；同時查詢研究日前后3日共一周內氣溫，獲取更為準確的氣溫變化情況（表1）。

比較氣溫數據資料與研究所得地表溫度可發現，基于大氣反演法所得地表溫度與當日當時氣溫存在一定差別，這是由于氣溫和地表溫度測量對象差異而存在的不同，且氣溫的日變化規律與地表溫度的日變化規律也存在區別。

為降低誤差，求取一周平均氣溫。將其與反演所得地表溫度進行比較發現，平均地表溫度與一周平均氣溫變化趨勢相同，求取二者的皮爾遜相關系數為0.908 9，表明二者存在較強的相關性。因此，本研究所得地表溫度能夠較好地描述朝陽區城市熱環境。

將各年地表溫度進行歸一化處理后，得到北京市朝陽區2002—2017年地表溫度等級分布圖（圖3），并對各年份各溫度等級面積占比進行統計。

對各年份不同地表溫度等級的分布情況及面積占比（圖4）進行研究發現，朝陽區城市熱島效應呈逐年加重的態勢。低溫和較低溫區域面積占比逐年下降，次高溫、高溫和特高溫區域面積占比不斷增加，其中，高溫和特高溫區域增幅明顯。

表1 2002—2017年朝陽區研究日地表溫度與氣溫Tab.1 Chaoyang District daily Land Surface Temperature and air temperature (2002—2017)

低溫和較低溫區域面積占比在2002—2007年間下降了4.42%，2007—2012年間有3.75%的小幅增長，然而2012—2017年，低溫區域和較低溫區域面積占比銳減至1.85%，2017年的低溫和較低溫面積區域僅為2012年相同溫度區間面積的9%。與此同時，高溫、特高溫區域面積除2007—2012年間有小幅減少外，均呈現增加態勢，且在2012—2017年間，年平均增幅高達1.96%，至2017年高溫、特高溫區域面積占全區面積比例已達13.35%。

綜合朝陽區地表溫度反演、氣象數據、地表溫度等級分布情況與統計分析，以及各年城市熱島比例指數（圖5），從時間變化和空間分布上對朝陽區城市熱島效應的時空變化特征進行分析表明：北京市朝陽區自2002年起城市熱島效應逐年加重，在2007—2012年間由于大規模綠地建設出現短暫的緩解；但2012—2017年，城市熱島效應再次劇增，城市熱環境深受影響。

2002年全區范圍內僅孫河鄉西部和勁松、雙井街道與十八里店鄉及小紅門鄉等地溫度較高，且中心溫度與平均地表溫度差值較小，城市熱島比例指數為0.016 5。2007年，城市熱島區域擴展至望和橋周邊、五元橋及798藝術區周邊、遠通橋至小郊亭橋、分鐘寺橋至十八里店橋周邊，形成分散的多個城市熱島中心，中心溫度與平均地表溫度差值加大。城市熱島比例指數上升為0.042 1。2012年，城市熱島效應較2007年有所緩解，特高溫和次高溫區域面積有明顯減少，城市熱島中心出現在崔各莊鄉西北、北小河與壩河交匯處西側和潘家園街道、十八里店鄉、小紅門鄉，城市熱島比例指數略有下降，為0.030 8。然而2012—2017年，城市熱島效應劇烈增加，不再出現單一的城市熱島中心，全區范圍內以多中心、復雜嵌套的模式存在大量城市熱島中心，城市熱島比例指數上升至0.115 6。

3 各年份地表溫度等級分布圖Annual Land Surface Temperature grade distribution map

4 各年份地表溫度等級占比示意圖Annual Land Surface Temperature grade proportion diagram

5 城市熱島比例指數變化Urban-Heat-Island Ratio Index changes

6 各年地表溫度與NDVI指數散點圖及擬合Annual Land Surface Temperature and NDVI scatter plots and fittings

3.2 地表溫度（LST）與下墊面參數相關性分析

3.2.1 地表溫度（LST）與歸一化植被指數（NDVI）的相關性分析

NDVI指數的回歸分析（圖6）：在4個觀察年份，地表溫度均與NDVI指數均呈負相關關系，即區域內NDVI指數越高，則該區域地表溫度越低。2002、2007、2012及2017年回歸方程均通過了p<0.01顯著性檢驗，即在99%的顯著性水平下顯著。回歸方程R2分別為 0.326、0.394、0.453、0.330。

各年回歸方程的斜率分別為-17.31、-14.31、-14.72、-12.41，這是由于各年氣候、下墊面整體情況不同存在的一定差異。由斜率范圍可以推斷，NDVI指數每升高0.1，朝陽區地表溫度將降低1.2～1.7℃。

3.2.2 地表溫度（LST）與歸一化建筑指數（NDBI）的相關性分析

各年地表溫度與NDBI指數的回歸分析（圖7）：在4個觀察年份，地表溫度均與NDBI指數呈正相關關系，即區域內地表溫度隨NDBI指數的升高而升高，隨NDBI指數的降低而降低。2002、2007、2012及2017年回歸方程均通過了p<0.01顯著性檢驗，R2分別為 0.461、0.516、0.488、0.321。

各年回歸方程的斜率分別為20.64、29.21、20.98、16.26，由于各年氣候、下墊面整體情況不同存在一定差異。由斜率范圍可以得出，NDBI指數每升高0.1，朝陽區地表溫度隨之升高1.6℃以上。

3.2.3 地表溫度（LST）與歸一化植被指數（NDVI）、歸一化建筑指數（NDBI）的多元回歸分析

為進一步探明并比較綠地及不透水面對地表溫度的影響效果，在SPSS中對地表溫度與NDVI指數、NDBI指數進行多元線性回歸分析[13]。

將地表溫度與NDVI指數、NDBI指數的多元回歸線性分析的R2和地表溫度與NDVI指數線性回歸的R2以及地表溫度與NDBI指數線性回歸的R2進行比較（表2），發現多元回歸的擬合度均高于各單因素分析的擬合度，說明相比較單因素而言，綠地和不透水面參數共同描述地表溫度的變化更為準確。單因素分析的局限性在于，在實際情況中，地表下墊面參數受到諸多因素的影響，單因素分析忽略了這些因素及其對地表溫度的共同影響作用，僅關注其中的一部分參數，其結果較為片面。

7 各年地表溫度與NDBI指數散點圖及擬合Annual Land Surface Temperature and NDBI scatter diagram and fittings

表2 單因素分析與多元線性回歸R2比較Tab.2 R2 comparison of single factor analysis and multiple linear regression

表3 各年份多元線性回歸方程Tab.3 Annual multiple linear regression equations

從多元回歸方程（表3）可以看出，NDVI指數、NDBI指數是影響地表溫度的重要因素，也即綠地和不透水面與地表溫度相關。多元線性回歸擬合方程的結果顯示，地表溫度與NDBI指數正相關；與NDVI指數負相關，這與單因素回歸的結果一致。但NDBI指數及NDVI指數的系數與單因素回歸分析相比差別較大。在多元線性回歸分析中，NDBI指數每上升0.1，將對地表溫度造成0.79～2.37℃的升溫；而NDVI指數每上升0.1，地表降溫0.4～0.77℃。

4 結論與討論

本研究利用Landsat系列遙感影像對北京市朝陽區2002—2017年地表溫度及下墊面參數信息進行提取，從而對朝陽區15年間熱環境變化及城市熱島效應進行定量研究，并深入分析了下墊面參數與地表溫度的關系。研究表明。

1）2002—2017年，朝陽區地表溫度呈不斷上升的趨勢，城市熱島效應逐年加重。城市熱島比例指數由2002年的0.016 5上升至2017年的0.115 6，上升幅度超6倍。城市熱島中心呈復雜的嵌套多中心結構。

2）城市地表溫度與城市下墊面參數密切相關：地表溫度與NDVI指數呈負相關，與NDBI指數為正相關。NDBI指數每上升0.1，將對地表溫度造成0.79～2.37℃的升溫；而NDVI指數每上升0.1，將對地表產生0.4～0.77℃的降溫作用。

3）多元線性回歸分析表明地表溫度受NDVI指數與NDBI指數的共同影響，但NDBI指數對地表的升溫作用大于NDVI指數對地表的降溫作用。這表明人為熱對城市地表熱平衡、顯熱、潛熱通量以及凈輻射變化的影響更為顯著。因此，如何精確獲取人為熱數據，將其納入到城市地表熱環境的研究范疇需進一步探討。

4）在現有城市發展模式下，以城市綠地、森林和水體為主導的“冷島效應”可以有效削弱城市熱島效應、改善城市熱環境，但同時也應該注意嚴控建筑密度和合理進行城市空間布局。微觀層面上，深入探討高密度城市空間發展對近地表溫度的時空影響機理，從而發現亟待改善的城市問題和敏感區域，并有針對性地提出高密度城市空間格局優化的策略，城市近地空間的設計導則將成為研究的重點。

5）由于目前遙感數據源條件限制，特別是當前缺乏星載高分辨率熱紅外遙感數據，給不同尺度上定量化開展城市地表熱環境研究帶來了一定的限制。這需要在開發利用空間遙感技術的同時，結合傳統監測手段，局地加密對地氣象觀測點進行實地測量試驗，形成多平臺、多時段、多空間尺度的綜合研究方法。

注釋：

① 登錄美國氣象局網站（http://atmcorr.gsfc.nasa.gov）輸入遙感影像的成影時間、中心經緯度獲取大氣剖面信息。

② 圖1～7 均為作者自繪，其中圖1底圖來自谷歌全色衛星影像2017年5月，圖1和圖2的行政邊界來源均為國家基礎地理信息中心（National Geomatics Center of China），圖4 基于對圖3 進行統計分析的數據繪制。圖5基于城市熱島比例指數計算數據繪制；表1～3 均為作者自繪，其中表1 氣溫數據來自世界天氣查詢網（ForeCast.io）。