基于ASTER數據的城市熱環境遙感監測研究

陳 健，楊旭媛

基于ASTER數據的城市熱環境遙感監測研究

陳 健1，2，楊旭媛2

(1.南京信息工程大學氣象災害省部共建教育部重點實驗室，南京 210044;2.南京信息工程大學遙感學院，南京 210044)

以ASTER數據為數據源，采用同一顆衛星上的MODIS數據得到大氣透過率;利用可見光和近紅外波段對下墊面類型進行分類和利用JPL(Jet Propulsion Lab)提供的光譜庫計算地表比輻射率，進而采用劈窗算法進行地表溫度(Land Surface Temperature，LST)的反演。在此基礎上，利用反演的LST、分類結果和歸一化差值植被指數(NDVI)，對滄州地區的城市熱環境進行了定量分析，研究結果可為進一步深入探討城市熱島的發生發展規律以及城市熱環境的模擬調控、優化布局提供一定的科學依據。

地表溫度;ASTER;NDVI;城市熱島效應

0 引言

隨著城市規模和城市人口的急劇擴張，城市的形態、功能及區劃等各方面都發生了劇烈變化，特別是城市擴展及不透水面面積的增加，在一定程度上加劇了城市熱島效應，使城市熱環境質量日益下降，以城市熱島為主要標志的城市熱環境引起了社會各界的普遍關注［1，2］。獲取地表溫度(Land Surface Temperature，LST)并定量分析城市熱環境及其效應，對改善城市生態環境和城市居住環境有重要的現實意義。

LST是一個重要的水文、氣象參數，它影響著大氣、海洋和陸地之間的感熱和潛熱交換，是諸多研究領域不可或缺的基礎資料，也是反映地球表面能量平衡和溫室效應的重要指標。傳統的LST獲取方法是通過對地面有限觀測點的觀測來分析區域LST的時空差異，進而分析其對區域生態環境變化的影響，但該方法不僅難以實施而且費用很大。遙感技術的發展為城市熱環境的宏觀監測提供了新的手段，用熱紅外遙感獲取LST彌補了傳統的LST觀測方法的不足，在復雜的下墊面背景下為大尺度、連續、動態和準確地研究城市熱島效應提供了新途徑。本文以河北滄州市及其周邊地區為研究區，基于ASTER和MODIS數據，利用劈窗算法進行了研究區LST的反演，并利用剖面分析、溫度分區和歸一化差值植被指數(NDVI)等方法對研究區的熱環境進行了空間分析。

1 研究區與數據源

1.1 研究區概況

滄州地區位于河北省的東南部，處于115°6'～117°8'E、37°4'～ 38°9'N 之間，東臨渤海、西界保定、北靠天津、南接山東，面積為14 053 km2。地勢由西向東傾斜。西部較高，地面高程在15 m左右;東部沿海較低，地面高程一般在2 m左右。全區屬沖積、湖積和海積地形地貌，洼地眾多，排水不暢，土地鹽堿化非常嚴重。土壤類型多為鹽堿性和沙質粘性土壤，約有未利用的荒地200多萬畝?、沿海灘涂52.7萬畝、低產鹽田40萬畝。境內河流、溝渠眾多，京杭運河貫穿滄州城區。區內日照時數較多，太陽輻射較豐富，冬寒夏熱。歷史夏季極端最高氣溫達43.0℃，最熱月多為7月，最熱月平均氣溫為26.5 ～26.9℃。主要農作物有玉米、小麥、棉花、花生和苜蓿等。

1.2 遙感數據及預處理

本研究使用的遙感數據為2000年7月12日獲取的、經過幾何糾正的ASTER 1B圖像數據，提供大氣參數的數據為同一天內且獲取時刻接近的MODIS 1B數據(分辨率為1 km)。兩景圖像覆蓋整個滄州市區及郊區，圖像質量良好。首先將兩圖像導入ENVI軟件，轉換為統一投影坐標系;然后將兩景圖像分辨率按ASTER可見光—近紅外波段的分辨率重采樣為15 m，并截取出研究子區。研究區的ASTER圖像如圖1所示。

圖1 研究區ASTER圖像Fig.1 ASTER image of the study area

將ASTER圖像中所用到的第13、14波段的DN值分別轉換為通道輻射強度值［2］，即

式中，Bi(Ti)為通道輻射強度;Cgain和Coffset分別為傳感器的增益系數和偏移系數，可以在ASTER圖像的頭文件中查找。

2 LST反演算法

隨著熱紅外遙感基礎理論問題研究的深入和熱傳感器的改進，反演LST的算法有了很大發展。目前主要的 LST 反演算法有單通道法、劈窗法［3，4］、多通道法［5，6］、多角度法及溫度與比輻射率分離算法［7，8］等。其中，劈窗算法是目前應用最廣、最成熟的方法，且具有較高的精度。本文采用的LST反演算法為劈窗算法［3］，其技術路線如圖2所示。

圖2 劈窗算法技術路線示意圖Fig.2 Technical route diagram of split window algorithm

利用ASTER熱紅外波段中的第13(10.15～10.95 μm)、14(10.95 ～11.65 μm)波段受大氣影響最小的特性，建立輻射傳輸方程反演LST，同時對輻射傳輸方程中的Planck函數進行線性簡化。大氣透過率是LST反演中的基本參數，對反演精度有重要的影響。本文利用與ASTER搭載于同一衛星的MODIS遙感數據求算大氣透過率，即利用MODIS的近紅外波段對水汽敏感這一特點先反演大氣水汽含量，進而估算出ASTER數據熱紅外波段的大氣透過率。此方法克服了過去LST反演中同一景圖像只用一個大氣透過率的缺點，把大氣透過率的估計由一個點擴大到整個圖像的各個像元上，即充分考慮了空間上的差異，使LST反演的參數估計更加符合實際情況［3］。而地表比輻射率則是利用可見光近紅外(NIR/VIR)圖像對研究區下墊面覆蓋類型進行分類、結合JPL提供的ASTER地物實測光譜數據獲得的。

2.1 Planck函數的線性簡化

LST反演以地表熱輻射傳導方程為基礎，即通過建立能量平衡方程反演LST。輻射傳輸方程描述了衛星傳感器所觀測到的輻射總強度，不僅有來自地表的輻射，而且還有來自大氣的向上和向下的路徑輻射。這些輻射成分在穿過大氣層抵達遙感器的過程中，還受到大氣層吸收作用的影響而衰減。同時，地表和大氣的輻射也對這一過程中產生不可忽略的影響。因此，LST的演算實際上是一個復雜的求解問題。從地表輻射經過大氣抵達傳感器的過程可以簡單地描述為

式中，Bi(Ti)和Bi(Ts)分別為第i波段的星上輻射強度和地面輻射強度;τi為大氣透過率;εi為發射率;Ts為地表溫度;Ti為星上亮度溫度;I↓i為大氣下行輻射;I↑i為大氣上行輻射。

Planck函數是熱輻射傳輸方程的核心組成部分。在LST反演計算的過程中，需要對Planck方程進行線性簡化［4，9－11］。毛克彪等［3］用 Planck 函數對ASTER的第13、14波段的熱輻射與溫度在273～322 K區間內的變化關系進行了計算，通過線性回歸得到反演LST的方程，即

式中，B13(T)、B14(T)分別為對 ASTER的第13、14 波段反演的 LST;T13、T14分別為第 13、14 波段的熱輻射值;R2為熱輻射與溫度的可決系數。從可決系數可以看出，第13、14波段輻射強度與溫度變化的關系因線性近似引起的誤差非常小，適合于建立輻射傳輸方程來反演LST。

2.2 大氣透過率與大氣水汽含量估算

大氣透過率與大氣水汽含量是LST反演過程中的關鍵參數。本文根據近紅外波段對大氣水汽含量的敏感性，首先利用MODIS的近紅外波段反演大氣水汽含量，然后再進一步求算熱紅外波段的大氣透過率。在MODIS的36個波段中，第17～19波段為大氣吸收波段，第2和5波段為大氣窗口波段，因此大氣水汽含量為式中，w17、w18和 w19分別為利用 MODIS的第17～19波段反演得到大氣水汽含量［12］。

由于大氣透過率和大氣水汽含量呈現線性關系［3］，通過回歸得到ASTER第13、14波段的大氣透過率與大氣水汽含量之間的線性方程為

式中，τ13、τ14分別為 ASTER 數據第 13、14 波段的大氣透過率。

2.3 地表比輻射率估算

地表比輻射率是指物體與黑體在同溫度、同波長下的輻射出射度的比值，是反演LST的關鍵參數之一，它主要由地球表面結構和波長范圍決定。在ASTER第13、14波段的波長范圍內，絕大多數地物的比輻射率高于0.9，并且變化非常小［3］。本文采用的方法是利用ASTER的可見光和近紅外對下墊面類型進行分類(圖3)，然后利用JPL提供的光譜數據庫計算各種地表類型的比輻射率。

圖3 滄州地區下墊面類型圖Fig.3 Map of underlying surface types in Cangzhou area

根據地表覆被狀況、人類活動的程度和空間分布，結合Google Earth影像與信息查找，將研究區下墊面劃分為6種地物類型。將分類后的圖像(圖3)用混淆矩陣進行精度評價，其精度為0.945 2，Kappa系數為 0.931 2。

利用JPL提供的常見的80種ASTER光譜實測數據可以獲取相應典型地物在各波段的反射率值，進而求算對應的地表比輻射率。在本次計算過程中只需求算各地物在ASTER第13、14波段的地表比輻射率，并將各類地物的比輻射率合并于同一圖上。

2.4 劈窗算法推導

利用劈窗算法得到LST的計算公式為

A、B、C、D可通過大氣透射率和比輻射率計算得到，其中系數 a13、b13和 a14、b14通過 ASTER 第 13、14波段線性簡化熱輻射傳輸方程確定(a13=0.146 3，b13= －33.981 37;a14=0.133 01，b14=－30.364 69)。

3 結果分析與應用

3.1 空間熱格局

城市熱島效應是指城市比周圍地區溫度高的現象，它是在城市化的人為因素(如下墊面性質的改變、人為熱和過量溫室氣體排放、大氣污染等)以及局地天氣氣象條件共同作用下形成的，是城市對氣溫影響最突出的表現之一。城市熱島效應能夠直觀地反映在空間熱格局上，因此，對空間熱格局的剖析是研究城市熱島效應的基礎。圖4為滄州及周邊地區的LST反演結果。

圖4 滄州地區LST反演結果Fig.4 LST result retrieved from ASTER in Cangzhou area

以滄州市區中心為原點，分別對研究區東西方向、南北方向做城市熱格局直線剖面分析(如圖5所示)。

圖5 滄州東西方向(上)與南北方向(下)城市熱格局剖面圖Fig.5 Profiles of the urban heat pattern in Cangzhou city through east—west direction(up)and north—south direction(down)

從圖4和圖5可以看出，高溫中心出現在市區。從市區至近郊再到遠郊，地表溫度逐次降低;但在郊區人類活動頻繁地帶溫度也較高，建筑物密集地比稀疏地溫度要高。農村用地和荒地也出現了明顯的局部熱中心。市區中運河流域、公園湖泊以及樹林覆蓋地溫度明顯較低。農田有少量植被覆蓋，溫度中等偏低。從升溫幅度來看，有植被覆蓋的地表周圍區域升溫幅度較小，無植被覆蓋的區域升溫幅度較大。由于滄州市區東南角和東北角郊區上空有較少量高層云的覆蓋，本文未對云蓋作處理，因此云覆蓋區域反演的LST較低，但因面積較小，不影響研究區的整體效果。

3.2 地表覆蓋類型對LST的影響

本文將反演得到的LST劃分為5個溫區，即低溫區(298.703 ～304.668 K)、亞低溫區(304.668 ～310.633 K)、中溫區(310.633 ～ 316.597 K)、亞高溫區(316.597 ～322.562 K)和高溫區(322.562 ～328.327 K)。通過統計得出每種地物在各溫區內所占面積(表1)。

表1 各類地物在各溫區所占面積Tab.1 Area occupied by various surface classes in different temperature zone (km2)

從表1中的統計值可以看出，城鎮用地較大部分處于亞高溫區、中溫區和高溫區，對熱島效應有明顯的增強作用;水體占亞低溫區比例最多，有顯著的降溫作用;林地和農田的溫度也比較低，有著明顯的降溫效果;荒地和農村用地則降溫作用不明顯。

3.3 熱島強度與植被覆蓋度關系

植被通過選擇性吸收和反射太陽輻射能以及調節潛熱和顯熱的交換來調節城市空氣、降低污染，成為城市生態環境評價的一個綜合指標。NDVI是一種廣泛應用的用以表征植被覆蓋狀況的植被指數，其計算公式為

式中，ρ2、ρ3分別為 ASTER 第 2、3 波段的反射率。

從上述分析可以認為，植被的存在對溫度產生了較為明顯的影響。但為了進一步分析植被覆蓋度與熱島強度的內在關系，本文將下墊面的NDVI有效值和反演出的LST值導入ENVI軟件進行疊加，用像元數相同的感興趣區塊在疊加圖上均勻地采樣。將每個采樣區塊所包含的LST和NDVI求取平均值并統計，得到LST與NDVI之間的耦合關系(如圖6所示)。

圖6 LST與NDVI線性擬合關系Fig.6 Linear fitting relationship between LST and NDVI

擬合結果表明，LST與NDVI存在負相關關系，線性擬合公式為 y= －39.119 85(x－8.141 81)，決定系數為0.739。將反演的LST圖與NDVI圖對比分析，兩者具有明顯相反的空間格局。這說明了植被覆蓋對LST有顯著的影響，植被覆蓋度越大，LST越低，相應的熱島強度也較低。另外，植被的熱容量較大，潛熱存儲能力大于感熱，因此，增加植被的覆蓋面積無疑對降低城市熱島強度的降低具有非常積極的作用。

4 結論

(1)采用ASTER數據作為城市熱島效應研究的主要遙感數據源，將其熱紅外譜段高分辨率、多波段的優勢充分運用到LST反演中。借助MODIS數據近紅外波段對水汽參數敏感的特性，較精確地估算了ASTER各像元的大氣透過率，克服了過去同一景圖像只用一個大氣透過率的缺點，把大氣透過率的估計由一個點擴大到整個圖像的各個像元上，使LST反演的參數估計更加符合實際情況。利用可見光近紅外波段的高分辨率特點進行下墊面類型劃分，為城市熱島研究提供了直觀可靠的空間布局，同時結合LST與NDVI對城市熱島效應進行了定量關系分析。

(2)在LST反演過程中，本文在獲取地表比輻射率時，通過查找JPL提供的常見的80種ASTER光譜數據，得到下墊面地物較精確的比輻射率，提高了總體反演精度。

(3)本文在LST反演過程中，發現該反演算法對有云覆蓋區域不太有效。盡管MODIS提供的大氣參數也包括云覆蓋區域，但在數據預處理時將圖像分辨率從1 000 m重采樣為15 m所帶來的混合像元問題比較嚴重，因此在以后的LST反演中需對云蓋進行處理或在反演模型中加入其他必要的參數。

［1］ Voogt J A，Oke T R.Thermal Remote Sensing of Urban Climates［J］.Remote Sensing of Environment，2003，86(3):370 － 384.

［2］ 盧 遠，華 璀，楊小雄，等.基于ASTER數據的城市熱環境效應定量分析［J］.武漢大學學報:信息科學版，2008，33(3):297－301.

［3］ 毛克彪，唐華俊，陳仲新，等.一個從ASTER數據中反演地表溫度的劈窗算法［J］.遙感信息，2006(5):7－11.

［4］ Qin Z H，Dall’Olmo G，Karnieli A，et al.Derivation of Split Window Algorithm and Its Sensitivity Analysis for Retrieving Land Surface Temperature from NOAA－Advanced Very High Resolution Radiometer Data［J］.Journal of Geophysical Research，2001，106(D19):22655－22670.

［5］ 毛克彪，唐華俊，陳仲新，等.一個用神經網絡優化的針對ASTER數據反演地表溫度和發射率的多波段算法［J］.國土資源遙感，2007(3):18－22.

［6］ 甘甫平，陳偉濤，張緒教，等.熱紅外遙感反演陸地表面溫度研究進展［J］.國土資源遙感，2006(1):6－11.

［7］ Mao K B，Shi J C，Tang H J，et al.A Neural Network Technique for Separating Land Surface Emissivity and Temperature from ASTER Imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，2008，46(1):200 －208.

［8］ Li Z L，Becker F.Feasibility of Land Surface Temperature and Emissivity Determination from AVHRR Data［J］.Remote Sensing of Environment，1993，43(1):67 －85.

［9］ Price J C.Estimating Land Surface Temperature from Satellite Thermal Infrared Data—A Simple Formation for the Atmospheric Effect［J］.Remote Sensing of Environment，1983，13(4):353 －356.

［10］ Franca G B，Cracknell A P.Retrieval of Land and Sea Surface Temperature Using NOAA－IIAVHRR－Data in Northeastern Brazil［J］.International Journal of Remote Sensing，1994，15(8):1695－1712.

［11］ Coll C，Caselles V，Sobrino J A，et al.On the Atmospheric Dependence of the Split－ Window Equation for Land Surface Temperature［J］.International Journal of Remote Sensing，1994，15(1):105 －155.

［12］ Sobrino J A，Raissouni N，Li Z L.A Comparative Study of Land Surface Emissivity Retrieval from NOAA Data［J］.Remote Sensing of Environment，2001，75(2):256 －266.

A Study of Remote Sensing Monitoring of Urban Thermal Environment Based on ASTER Data

CHEN Jian1，2，YANG Xu － yuan2
(1.Key Laboratory of Meteorological Disaster of Ministry of Education，Nanjing University of Information Science and Technology，Nanjing 210044，China;2.School of Remote Sensing，Nanjing University of Information Science and Technology，Nanjing 210044，China)

According to the Characteristics of the ASTER data，the authors calculated the atmospheric transmittance using the MODIS data from the same satellite，and then obtained the surface emissivity by means of the classification result on visible and near－infrared bands as well as the spectral library supplied by JPL(Jet Propulsion Lab).After that，the Land Surface Temperature(LST)was estimated by the split window algorithm.On this basis of LST retrieved from ASTER data，the authors analyzed quantitatively the urban thermal environment in Cangzhou area using the LST，the classification results and the Normalized Difference Vegetation Index(NDVI).These results can provide a certain scientific basis for the further exploration of the developmental rule of the urban heat island，the simulation regulation and the control and optimizing configuration of the urban thermal environment.

Land surface temperature(LST);ASTER;NDVI;Urban heat island effect

TP 79

A

1001－070X(2011)03－0100－06

2010－11－30;

2011－02－05

國家自然科學基金項目“遙感數據支持的不同時間尺度氣象因子與東亞飛蝗發生關系機理研究”(編號:40901239)資助。? 1畝≈0.066 7 hm2

陳 健(1978－)，男，博士，副教授，主要研究方向為定量遙感、遙感與GIS應用。

(責任編輯:劉心季)