衛(wèi)玲玲，段夢雷，王子涵

(南京工業(yè)大學(xué)測繪科學(xué)與技術(shù)學(xué)院，江蘇 南京 210000)

1 引 言

熱島效應(yīng)(Urban Heat Island Effect)是指一個地區(qū)的氣溫高于周圍地區(qū)的現(xiàn)象[1]。南京作為華東地區(qū)的特大城市，城市化進程不斷加快，隨著城市規(guī)模的不斷擴大，大規(guī)模的城市用地開發(fā)已成為人類活動改造自然環(huán)境的主要方式之一[2]，人們漸漸趨向于在大城市居住，使得城市人口密度不斷增大、人為熱排放量大大增加，熱島效應(yīng)也日趨明顯，它加劇了高溫出現(xiàn)的頻率，進而必然會對市民的身體狀況、生活質(zhì)量以及南京城自身的經(jīng)濟發(fā)展造成影響。因此，研究城市熱島效應(yīng)的特征、形成機理，時空的分布規(guī)律以及改善熱島效應(yīng)并將它的影響降到最低，具有重要意義。Landsat-8數(shù)據(jù)用于評估城市熱島效應(yīng)及其對人類健康的影響具有很重要的意義[3]，學(xué)者張宇等用Landsat TM數(shù)據(jù)研究了重慶市主城區(qū)熱島效應(yīng)，發(fā)現(xiàn)市區(qū)內(nèi)綠化較多的地區(qū)溫度明顯低于綠化較少的地區(qū)[2]；龐光輝等[3]學(xué)者利用遙感技術(shù)對沈陽市的植被覆蓋率和地表溫度進行反演，結(jié)果表明二者呈負相關(guān)性。上述例子說明運用遙感影像對地表溫度進行反演有一定可行性。本文以南京主城區(qū)為研究區(qū)域，基于遙感技術(shù)，選取近三年Landsat 8衛(wèi)星影像作為數(shù)據(jù)源，對南京市地表溫度、植被覆蓋率、不透水面等進行反演。對城市地表溫度與熱島的分布特征進行分析，并研究與土地利用類型相關(guān)的規(guī)律，對減緩城市熱島效應(yīng)，預(yù)測南京未來經(jīng)濟發(fā)展水平有著重要的意義。

2 研究區(qū)概況

南京市位于北緯31°14′～32°37′、東經(jīng)118°22′～119°14′之間，坐落于江蘇省西南部，長江下游、瀕江近海。全市行政區(qū)域總面積 6 582.31 km2。屬北亞熱帶濕潤氣候，四季分明，雨水充沛。

在地貌特征方面，主要是低山與緩崗，這兩種地貌類型占據(jù)了南京市土地總面積的56%以上，其次是平原及河流、湖泊，占39.2%。全市森林覆蓋率為13%。

南京市共轄11個區(qū)，由于城市熱島效應(yīng)現(xiàn)象主要集中于城市市中心，本文選取南京主城區(qū)進行研究，主要包含鼓樓區(qū)、玄武區(qū)、建鄴區(qū)、秦淮區(qū)、雨花臺區(qū)等，南京市主城區(qū)標(biāo)準(zhǔn)假彩色合成圖如圖1所示。

圖1 2017年南京市主城區(qū)標(biāo)準(zhǔn)假彩色合成圖

3 研究方法

3.1 研究內(nèi)容

通過處理近幾年南京市主要城區(qū)Landsat8衛(wèi)星影像數(shù)據(jù)，分析南京市熱島效應(yīng)產(chǎn)生主要原因以及南京市當(dāng)前熱島效應(yīng)情況，得到緩解南京市熱島效應(yīng)的對策。具體的研究內(nèi)容如下：

(1)在UCS網(wǎng)站上獲取南京市2014年6月份、2015年6月份、2017年6月份的Landsat8衛(wèi)星影像數(shù)據(jù)(由于2013年6月份以及2016年6月份的影像圖在南京市區(qū)域內(nèi)有少量云存在，未考慮在內(nèi))；

(2)對獲得的影像進行輻射校正、大氣糾正等預(yù)處理，并通過南京市主要城區(qū)的shp文件進行矢量裁剪；

(3)基于上面的數(shù)據(jù)，對感興趣區(qū)域進行土地分類，獲得土地分類影像圖；提取感興趣區(qū)域植被覆蓋指數(shù)FV；對感興趣區(qū)域進行地表溫度反演，獲得地表溫度分布圖；

(4)將地表溫度分布圖分別與土地分類影像圖和植被覆蓋指數(shù)影像圖進行疊加；

(5)對疊加結(jié)果進行統(tǒng)計分析，得出研究結(jié)果，分析應(yīng)對熱島效應(yīng)的對策。

3.2 數(shù)據(jù)源

此次實驗采用ENVI 5.1軟件進行衛(wèi)星影像處理和分析，采用ArcGIS 10.1進行專題地圖制作以及矢量裁剪。

采用的數(shù)據(jù)是2014年、2015年、2017年6月份的Landsat8衛(wèi)星影像圖。該影像圖在Landsat8下載共享系統(tǒng)(http：//ids.ceode.ac.cn/query.html)網(wǎng)站中下載。

表1則是Landsat8衛(wèi)星的主要參數(shù)(包括波段、波長范圍與分辨率)情況。

Landsat8衛(wèi)星波段、波長范圍與分辨率 表1

3.3 技術(shù)路線

本研究所采用的技術(shù)路線如圖2所示，采用Landsat 8可見光近紅外、熱紅外波段數(shù)據(jù)，分別進行植被參數(shù)、地表溫度反演與土地利用類型分類等。

圖2 技術(shù)路線圖

(1)影像預(yù)處理

①輻射定標(biāo)

通過建立遙感傳感器的數(shù)字量化輸出值DN與其所對應(yīng)視場中輻射亮度值之間的定量關(guān)系，消除傳感器本身誤差以保證數(shù)據(jù)一致性和數(shù)據(jù)精度，輻射校正公式如下：

Lλ=ML×Qcal+AL

(1)

其中，Lλ表示大氣頂層輻射值，單位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，可以從影像的元數(shù)據(jù)文件中獲得；Qcal表示像元的DN值，也為已知[4]。

②大氣糾正

通過FLAASH大氣糾正，消除傳感器在接收訊號的過程中所受的大氣影響，利用ENVI的FLAASH功能對衛(wèi)星圖進行大氣糾正。

(2)植被指數(shù)(NDVI)提取

植被指數(shù)是通過遙感影像監(jiān)測植被生長狀況以及分布情況的一種方法[5]，在Landsat8衛(wèi)星中主要利用第4、第5波段來提取。目前常用的植被指數(shù)主要是歸一化差值植被指數(shù)NDVI，其計算公式為：

(2)

其中：NIR代表近紅外波段的反射值；R表示紅光波段的反射值。NDVI的取值范圍是-1～1。NDVI小于0，表示地面覆蓋為云、水、雪等，對可見光高反射；大于0表示有植被覆蓋，且其值隨覆蓋度增大而增大；等于0時則表示有巖石或裸土等，NIR與R近似相等[6]。

(3)植被覆蓋度(FV)提取

植被覆蓋度是指植被在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比。相比較植被指數(shù)，植被覆蓋度更能準(zhǔn)確地反映研究區(qū)域的植被覆蓋情況，植被覆蓋度計算公式為：

(3)

其中，NDVIV和NDVIS分別是植被與裸土的NDVI值。

(4)地表比輻射率(LSE)提取

地表比輻射率，是指地表物體在同一溫度下地表發(fā)射的輻射量與一黑體發(fā)射的輻射量的比值，其值一般在0.85～0.99之間，在 8 μm～12 μm波段，比輻射率每變化0.01，地表溫度的差別大約可達2K[7]。

盡管地球表面不同地區(qū)的地形結(jié)構(gòu)非常復(fù)雜，但從衛(wèi)星影像中像元的尺度來看，地表主要由水面、植被及裸土3種地物類型構(gòu)成。地表比輻射率ε計算公式如下：

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

(4)

其中pv為植被覆蓋度，也是由植被指數(shù)NDVI來求取。計算公式如下[6]：

(5)

(5)地表溫度(LST)反演

常見的地表溫度反演算法包括：單窗算法、輻射傳輸方程法、普適性單通道算法三種[8]。Sobrino等人的研究表明，單窗算法相對另外兩種算法來說精度略高一些，故此次實驗選擇單窗算法對地表溫度進行反演。

注意到南京市主城區(qū)的面積并不太大(約 1 100 km2)，因此可忽略大氣對溫度分布的影響。首先，根據(jù)DN值與輻射亮溫之間的線性關(guān)系，計算出輻射亮溫值：

L=0.070588×D+3.2

(6)

接著由根據(jù)輻射亮溫值與攝氏溫度之間的關(guān)系，進一步求出攝氏溫度：

(7)

其中，L為ETM+、TIRS的輻射亮溫值；D為ETM+、TIRS的熱紅外波段灰度值，T為以攝氏度為單位的亮溫值。k1、k2則為常數(shù)，對于ETM+，k1=666.09mW·m-2·sr-1·μm-1，k2=1282.7K；對于TIRS，k1=774.89mW·m-2·sr-1·μm-1，k2=1321.08K。

4 結(jié)果分析與討論

4.1 土地利用變化與熱島效應(yīng)空間分布特征分析

(1)將2014年土地分類影像圖與2017年土地分類影像圖進行對比分析，得到表2土地利用類型面積變化表，通過表中的數(shù)據(jù)發(fā)現(xiàn)這3年間草地的面積變化最大，其中大部分轉(zhuǎn)變?yōu)槿斯け砻?，如圖3所示以2014年的圖像為基準(zhǔn)影像，結(jié)合2017年的土地分類影像可以看出，南京市主城區(qū)人工表面密度大幅度增長，其中以鼓樓區(qū)、白下區(qū)、建鄴區(qū)、秦淮區(qū)玄武區(qū)等較為繁榮的區(qū)域人工表面增長幅度最大。

土地利用類型面積變化表 表2

圖3 2014年與2017年南京市主城區(qū)土地分類影像圖

(2)如圖4所示，不論是2014年還是2017年，玄武湖以及紫金山附近的溫度變化都比較小，因為玄武湖周邊布置有草地，紫金山更是整座山體布滿林地，歸納得出南京市主城區(qū)被植被以及水體覆蓋的區(qū)域溫度較人工表面覆蓋區(qū)域的溫度增長幅度小，即高低溫與土地利用類型具有相關(guān)性，可見溫度的高低與土地利用類型的屬性有著密切關(guān)聯(lián)。在對溫度按照不用土地利用類型進行分類統(tǒng)計后，兩幅影像都反映出了這一規(guī)律。

圖4 2014年與2017年南京市主城區(qū)溫度變化影像圖

(3)為了找出城市化進程的發(fā)展與溫度分布的規(guī)律，將圖3兩幅土地分類圖與圖4兩幅溫度分布圖相結(jié)合得到表3數(shù)據(jù)，容易發(fā)現(xiàn)：在2014年～2017年期間，隨著城市化進程的逐步發(fā)展，城市溫度發(fā)生了一定變化，且溫度的分布與城區(qū)拓展的幾何形狀較為接近，這表明了溫度高低的分布變化對應(yīng)城市的變遷方向。

不同土地利用類型地表溫度統(tǒng)計圖 表3

4.2 植被覆蓋度與熱島效應(yīng)空間分布特征分析

(1)分別將圖4中2014年與2017年的地表溫度圖與圖5植被覆蓋影像圖以及地表溫度分布圖疊加，得到表4數(shù)據(jù)，發(fā)現(xiàn)相同土地類型的條件下，植被覆蓋度不同，地表溫度也不同，植被覆蓋度越高，溫度越低(其中由于水體的植被覆蓋度為0，所以在植被覆蓋度在0～ 0.174 4范圍內(nèi)時，溫度也較低)，隨之形成的熱場空間也不同。相同植被覆蓋度條件下，2014年的平均溫度比2017年的平均溫度低，平均溫度隨著時間的推移在不斷升高。

圖5 2014年與2017年南京市主城區(qū)植被覆蓋影像圖

2014年與2017年不同植被覆蓋度地表溫度統(tǒng)計圖 表4

(2)在人工表面的熱場分布大多是斑塊的樣式，通過已疊加的影像圖，可以看出斑塊的位置大多所處在植被覆蓋度低的地區(qū)。

距離植被覆蓋度高的區(qū)域，斑塊越微小，介于二者之間的區(qū)域溫度相對平緩。

4.3 下墊面空間結(jié)構(gòu)與熱島效應(yīng)空間分布特征分析

分別分析2014年與2017年的土地分布類型圖，可以發(fā)現(xiàn)：不同下墊面氣溫的標(biāo)準(zhǔn)差，總體上是水體<林地<草地<人工表面。標(biāo)準(zhǔn)差越小，表明改下墊面越穩(wěn)定，全天溫度變化較小，如林地由于樹冠遮陰、溫度受天氣不穩(wěn)定變化影響較小，而人工表面受天氣以及人為影響因素較多，一天內(nèi)溫度變化較大。

同時人工表面多由瀝青、水泥、混凝土等覆蓋，熱量不易散失，并且當(dāng)樓層較高時以及在密度較大的建筑群之間，空氣流動速率低，導(dǎo)致氣溫升高，說明下地面的空間結(jié)構(gòu)可以影響城市的熱量擴散，它也是形成熱場分布的原因之一。

5 結(jié) 語

本研究選取近幾年的3幅南京Landsat8衛(wèi)星影像作為信息源，對其進行了土地分類、植被覆蓋度反演與地表溫度反演；分析了不同土地利用類型、不同植被覆蓋度與溫度分布的關(guān)系，下墊面的空間結(jié)構(gòu)與熱場空間分布的關(guān)系以及溫度高低的變化與城市變遷的關(guān)系，總結(jié)出了熱島效應(yīng)產(chǎn)生的原因。

要想更進一步緩解熱島效應(yīng)，可以采取以下措施：①在城市擴展過程中盡量減少對綠地的占用；②在城市休閑場所(如公園、廣場等)建設(shè)時，應(yīng)當(dāng)提高綠化建設(shè)質(zhì)量，選取優(yōu)質(zhì)植被；③制定相關(guān)的法律，鼓勵空中花園以及空中游泳池的建立，增加土地的利用效率，以緩解建筑區(qū)域的熱島效應(yīng)。