基于無人機影像的華南農業大學不同下墊面地表降溫效益研究

黃婷?孫思?唐光大

摘要：以華南農業大學校園為研究對象，通過攜帶熱成像傳感器的無人機，獲取了校園中心區域不同下墊面的熱成像圖片，分析不同下墊面的日地表溫度變化，探討其地表降溫效果的影響因素。結果表明，一天中總體降溫幅度從大到小的下墊面依次為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑，水體和綠地尤其是林地的地表降溫效益顯著。林地的周長為0～600 m，面積為0～7 000 m2時，與林地的地表降溫幅度呈正相關；林地的周長面積比、景觀形狀指數、分維數與地表降溫幅度呈負相關，林地形狀和邊緣越簡單，形狀接近圓形，地表降溫效益越好。

關鍵詞：校園綠地；下墊面；林地；無人機遙感；降溫效益

中圖分類號：TU986

文獻標志碼：A

文章編號：1671-2641（2023）03-0052-04

收稿日期：2022-06-17

修回日期：2022-08-19

Abstract：Taking the campus of South China Agricultural University as the research object， thermal imaging images of different underlying surfaces in the central area of the campus are obtained through drones carrying thermal imaging sensors. The daily surface temperature changes of different underlying surfaces are analyzed， and the influencing factors of their surface cooling effect are explored. The results indicate that the underlying surface with the overall cooling amplitude from large to small in a day is water body， forest land， tree shrub grass green space/tree grass green space， road， building. Among them， the surface cooling benefits of water body and green space， especially forest land， are significant. When the perimeter of a forest land is between 0～600 m and the area is between 0～7 000 m2， they are positively correlated with the surface cooling amplitude of the forest land. The perimeter area ratio， landscape shape index and fractal dimension of forest land are negatively correlated with the magnitude of surface cooling. The simpler the shape and edge of forest land， the closer the shape is to a circular shape， and the better the surface cooling efficiency.

Key words： Campus green space; Underlying surface; Woodland; UAV remote sensing; Cooling efficiency

在城市化越來越快的今天，城市“熱島效應”受到廣泛關注[1]，對城市熱環境的研究也越來越多。校園舒適環境對學生和教職工的身心健康和學習工作效率具有重要影響。而在極端炎熱氣候的情況下，如何優化校園熱環境顯得尤為關鍵。本文擬通過研究華南農業大學不同下墊面類型的地表降溫效益，為校園熱環境的優化提供科學依據。

測量地面熱環境的方法主要包括地面氣象站觀測法、定點現場觀測、移動樣帶法、數值模擬法和衛星遙感監測法[2]。氣象站觀測容易受到站點數量和分布、站點間的距離等差異影響[3]；定點現場觀測工作量大，并且僅能獲取局部數據[4]；移動樣帶法在時間上不同步，且花費時間長[5]；數值模擬法無法代替真實的環境[6]；衛星遙感法容易受到天氣影響，并且周期長，分辨率低，不適用于中小尺度空間的研究[7]。近年來，有研究利用無人機提取三維綠量[8～10]、城市綠地信息[11～12]等，或利用搭載熱紅外相機的無人機分析地表溫度的日變化與月變化[13]。無人機受天氣影響小，分辨率高，精度為0.1 m，操作較為簡單，獲取數據方便快捷，周期短，提高了測量效率，同時可獲取不同下墊面的地表溫度數據，并且差異結果清晰直觀，對獲取城市綠地的熱環境數據有極大幫助。雖然無人機熱紅外遙感在獲取地表溫度時精度會受到高度的影響，但在100 m以下的誤差較小，且反射強的人工下墊面的獲取數據精度高于自然下墊面的[14]。本文將通過使用無人機在100 m高空中獲取高精度影像數據，結合地理信息系統（GIS）技術和熱紅外成像技術，對華南農業大學不同下墊面類型的地表降溫效益進行分析和比對，研究影響因素，以期為校園綠地的空間布局、大小和形狀等生態規劃和設計提供參考。

1 數據與方法

1.1 研究地概況

華南農業大學位于廣東省廣州市，屬南亞熱帶季風氣候，具有光照充足、多雨、溫差小的氣候特點。其有“園林式大學”的美譽，校園植物豐富，主要園林植物共有 223 種[15]。本次研究選取華南農業大學校園中心區域為研究對象，包括行政樓區域、嵩山教工住宿區、六一教工住宅區、樹木園和果園等，拍攝總面積為 61 hm2。

1.2 研究方法

1.2.1 無人機影像獲取

使用大疆Mavic 2行業雙光進階版熱成像無人機于2022年4月，選取天氣晴朗微風的日子，于8：00、10：00、12：00、14：00、16：00、18：00、20：00進行拍攝，重復3次。拍照模式為等時間間隔拍攝，拍攝時長為25 min，飛行高度100 m，起飛速度為15 m/s，航線速度為15 m/s，邊距為20 m，航向重疊率為80％，旁向重疊率為70％。平均每個時間點共可獲取約250 張照片，可見光和熱紅外照片各一半，共獲取6 237張照片。其中可見光照片像素分辨率為? ?8 000×6 000，熱紅外照片像素分辨率為640×512。

1.2.2 影像圖處理

所獲取的影像利用Pix4Dmapper進行拼接，分為可見光和熱紅外2個部分。將每個時間段的熱紅外影像進行拼接，獲得反射影像（Reflectance Map），將可見光影像拼接，獲得數字正射影像（Digital Orthophoto Map，DOM）。在大疆的熱成像分析軟件DJI Thermal Analysis Tool中對熱紅外圖片進行信息查詢，讀取每張圖片最高地表溫度和最低地表溫度。在ArcGIS中對反射影像圖進行處理，將不同溫度波段分別提取出來，用柵格計算器合成一個波段，再用柵格計算器代入溫度的最大值和最小值進行換算，可得到地表溫度灰度圖。將灰度圖與拍攝所得的可見光圖進行地理配準，利用“值提取到點”工具獲取地表溫度數據。

1.3 樣地選擇和溫度數據提取

在數字正射影像內選取17個樣地和1個對照區作為分析對象（表1，圖1）。對照區是無植被遮擋且遠離水體的硬質鋪裝空地，避免了水體和遮蔭造成的誤差。對于每個樣地和對照區，在東、南、西、北、中5個位置中各選3個點獲取地表溫度數據，以15個點的地表溫度平均值作為其地表溫度。最后取相同下墊面類型的不同樣地的平均地表溫度，作為各下墊面類型的平均地表溫度。

1.4 數據分析方法

為探究影響綠地地表降溫的因素，選取了周長（P）、面積（A）、周長面積比（PA）、景觀形狀指數（LSI）、還有分維數（Fd）等指標，作為綠地幾何特征的描述參數[16]。其中，周長、面積利用ArcGIS軟件計算得出，周長面積比、景觀形狀指數和分維數利用以下公式計算得出。

PA=P/A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

LSI=P/ 2? ? ? ? ? ? ? ? ? ? ? ? ? （2）

Fd =? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

PA指示綠地的平均幾何形狀。LSI最小值為1，此時綠地形狀為圓形，當綠地越接近圓形時，LSI越接近1。式（3）中，k為常數，通常取值為4[16]，Fd 的取值在1～2，Fd 越接近 1，斑塊邊緣越簡單，接近一條直線，Fd 越接近 2，斑塊邊緣越復雜。

此外，本文將地表降溫強度定義為對照區與樣地綠地之間的地表溫度差值。

將不同下墊面的地表溫度數據導入Excel，生成圖表，開展幾何因素與地表降溫幅度之間的相關性分析。

2 結果與分析

2.1 不同下墊面類型的地表溫度變化

在7個時間點中，林地、喬-灌-草綠地和喬-草綠地區域在反射影像圖中的顏色均為黃色或綠色，地表溫度較低，說明植被可降低地表溫度，降溫效益明顯，且地表溫度越高，綠地地表降溫幅度越大。在10：00—20：00，建筑、道路和對照區的地表溫度和降溫強度均比其他下墊面高。8：00—12：00，建筑與道路地表溫度上升，12：00—20：00地表溫度下降，地表升溫和降溫速率也大于其他下墊面（圖2）。喬-草綠地與喬-灌-草綠地的地表溫度差異較小。8：00—10：00，喬-灌-草綠地的地表溫度略高于喬-草綠地；10：00—12：00，喬-草綠地的地表升溫速率大于喬-灌-草綠地，在12：00二者的地表溫度差為1.4 ℃；14：00—20：00，這兩類下墊面的地表溫度都逐漸下降。而林地的地表溫度在白天低于喬-灌-草綠地和喬-草綠地，在8：00—10：00下降了2.43 ℃，10：00—12：00上升速率為3.4 ℃/h。林地的地表溫度在一天之中穩定在25 ℃左右，林地是地表溫度波動幅度小的綠地類型。水體的地表溫度在一天中保持在? 25 ℃左右，但在夜間地表溫度上升了約3.0 ℃。

2.2 不同下墊面類型降溫效益比對

不同下墊面類型在一天之中的總體降溫幅度從大到小為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑。在8：00，綠地下墊面的降溫幅度大小接近一致。12：00—16：00，下墊面降溫幅度從大到小依次為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑。在18：00—20：00，下墊面降溫幅度從大到小依次為喬-灌-草綠地、喬-草綠地、林地、水體、道路、建筑。綠地下墊面和水體的降溫幅度大小均在14：00達到峰值（圖3）。

2.3 林地降溫影響因素分析

分析7個林地樣地（表2）的形狀對其地表降溫效果的影響，結果表明，7個林地的周長和面積與其地表降溫幅度之間的關系并非是簡單的線性關系，林地的周長為0～600 m時，與其地表降溫幅度呈高度正相關（0.8 ≤|R|< 0.95，R＞0，圖4），周長越大，地表降溫效益越明顯。林地的面積為0～7 000 m2時，與其地表降溫幅度呈中度正相關（0.5≤|R|<0.8，R＞0，圖5），面積越大，地表降溫效益越明顯。但是林地的周長和面積超過一定的范圍后，林地的地表降溫效益不一定會隨著兩者的增加而增大。林地的周長面積比、景觀形狀指數、分維數與其地表降溫效益呈低度負相關（0.3≤|R|<0.5，R<0）。周長面積比和景觀形狀指數是林地斑塊形狀的重要參數，當周長面積比、分維數和景觀形狀指數越低，綠地形狀和邊緣越簡單，形狀接近圓形，綠地斑塊的地表降溫效益越好。

3 結論與討論

不同下墊面類型在一天之中的地表溫度變化從大到小依次為建筑、道路、喬-草綠地/喬-灌-草綠地、林地、水體。水體的溫度在一天中最穩定，變化幅度最小，在晚上20：00左右溫度略有上升。各綠地類型中，林地地表降溫效果最佳，在白天溫度越高的時間段地表降溫效益越好，地表溫度最穩定。林地的周長面積比、景觀形狀指數和分維數與林地的降溫效益呈負相關性，林地的形狀越接近圓形，邊緣越規則，林地斑塊的地表降溫效益越好。在本研究中，面積為? ?1 000～7 000 m2的林地，面積每增加1 000 m2，地表降溫約0.3 ℃；然而面積超過60 000 m2的樹木園林地的地表降溫效益并沒有比其他面積較小林地的明顯，甚至在夜間地表溫度略有上升，說明林地在一定面積范圍內降溫效果明顯，但并非面積越大，地表降溫效果越好。基于水體和綠地尤其是林地的地表降溫效益顯著的結論，筆者建議在城市規劃和建筑設計中，應注重增加綠化和水體面積，減少裸地和建筑密度，以達到緩解熱島效應、改善城市環境的目的。

此外，本文在研究過程中采用了無人機影像和GIS技術相結合的方法，其具有操作簡便、數據精度高、效率快等優點，可以為城市中小尺度熱環境提供一種有效的研究途徑。無人機技術的應用不僅可以提高地表溫度的測量精度和效率，還可以為城市規劃和建筑設計提供更多的數據支持。因此，在城市規劃中應加強對無人機技術的應用和發展，將其作為一種重要的數據采集手段和分析工具。但無人機技術在實際應用中也存在一些限制，如無人機影像的采集和處理需要一定的技術和設備支持，需要一定的成本；同時，數據的分析和解釋也需要一定的專業知識和技能。因此，在應用方法時需要權衡成本和效益，根據具體的需求和條件選擇合適的方法和工具。

致謝：感謝廣州沛森園林景觀設計有限公司贊助本研究所使用的大疆 Mavic 2 行業雙光進階版熱成像無人機。

注：圖片均為作者自繪自攝

參考文獻：

[1]黃煥春，嚴思平. 城市熱島效應研究熱點與前沿的可視化分析——基于CiteSpace聚類分析[J]. 南京工業大學學報（社會科學版），2021，20（6）：94-110.

[2]肖榮波，歐陽志云，張兆明，等. 城市熱島效應監測方法研究進展[J]. 氣象，2005（11）：4-7.

[3]王喜全，王自發，郭虎. 北京“城市熱島”效應現狀及特征[J]. 氣候與環境研究，2006（5）：627-636.

[4]吳菲，李樹華，劉嬌妹. 城市綠地面積與溫濕效益之間關系的研究[J]. 中國園林，2007，23（6）：71-74.

[5]范舒欣，李坤，張夢園，等. 城市居住區綠地小微尺度下墊面構成對環境微氣候的影響——以北京地區為例[J]. 北京林業大學學報，2021，43（10）：100-109.

[6]張常旺，孟飛，于琦人. 基于ENVI-met的校園熱環境數值模擬研究[J]. 山東建筑大學學報，2018，33（3）：50-55.

[7]仇寬彪，張慧，高吉喜，等. 上海城市林地斑塊冷島效應的城鄉梯度變化[J]. 生態學雜志，2021，40（5）：1409-1418.

[8]陳荻，李衛正，孔文麗，等. 基于低空高分辨影像的三維綠量計算方法——以南京林業大學校園為例[J]. 中國園林，2015，31（9）：22-26.

[9]周雯慧. 基于無人機遙感技術的沈陽某高校三維綠量定量化研究[D]. 沈陽：沈陽航空航天大學，2018.

[10]羅嘉貝，周瑩菲，冷寒冰，等. 基于無人機影像的城市復雜三維綠量快捷估算——以上海植物園為例[J]. 華東師范大學學報（自然科學版），2022（1）：122-134.

[11]吳卓恒，徐霞，陶帥. 基于無人機影像的城市綠地提取分析[J]. 四川林業科技，2019，40（6）：65-70.

[12]張敏霞，梅丹英，高偉俊，等. 無人機遙感技術在城市綠地監測中的應用進展[J]. 中國城市林業，2019，17（5）：5-11.

[13]田慧慧，馮莉，趙璊璊，等. 無人機熱紅外城市地表溫度精細特征研究[J]. 遙感技術與應用，2019，34（3）：553-563.

[14]金蓉，趙立華，鄭林濤，等. 無人機低空熱紅外遙感觀測高度對地表溫度反演的影響[J]. 建筑科學，2022，38（2）：89-98.

[15]林月明. 《華南農業大學校園植物組成與利用分析》翻譯報告[D]. 廣州：華南農業大學，2018.

[16]秦仲. 北京奧林匹克森林公園綠地夏季溫濕效應及其影響機制研究[D]. 北京：北京林業大學， 2016.

作者簡介：

黃婷/1997 年生/女/江西贛州人/華南農業大學林學與風景園林學院（廣州 510642）/在讀碩士研究生/專業方向為風景園林植物

孫思/1980 年生/男/重慶人/博士/華南農業大學林學與風景園林學院（廣州 510642）/副教授/碩導/研究方向為林業災害遙感、林木與園林植物病害診斷與防治

（＊通信作者）唐光大/1982 年生/男/貴州普安人/博士/華南農業大學林學與風景園林學院（廣州 510642）/副教授/碩導/研究方向為植物系統進化、森林植物資源、森林生態學/E-mail： tgd1101@126.com