基于Landsat8衛星數據的城市相關指數變化分析

劉志強，趙 芳，胡夢濤，王曉松，彭紅春

（1.淮海工學院 測繪工程學院，江蘇 連云港 222005）

基于Landsat8衛星數據的城市相關指數變化分析

劉志強1，趙 芳1，胡夢濤1，王曉松1，彭紅春1

（1.淮海工學院 測繪工程學院，江蘇 連云港 222005）

基于Landsat8 OLI遙感影像數據，提取了與城市環境密切相關的NDVI、NDBI、NDWI和LST，分析了不同地物類型遙感指數的分布特征和不同時間序列的變化特征；進一步探討了NDVI、NDBI與LST的相關性，可為研究城市熱島效應提供依據。結果表明，山地的NDVI最大，建筑用地密集區域的NDBI、LST最大，水體的NDWI最大，且建筑用地的NDVI、NDBI隨時間變化較穩定。

Landsat8 OLI影像；NDVI；NDBI；NDWI；LST

城市環境與人類命運息息相關，現代化科技的飛速進步使得我國城市化發展迅速。現階段伴隨著城市規模的擴大、人口集中、工業迅速發展出現了一系列環境問題，直接危害人們健康，如空氣污染嚴重、水體污染嚴峻、缺水、城市綠地不足等[1]。遙感技術從面入手，動態分析大數據[2]，彌補了傳統的實地調查獲取點狀數據的缺陷，在研究宏觀城市環境變化方面具有很大優勢。本文以Landsat8遙感影像數據為基礎，定量反演了與城市環境密切相關的城市地表溫度、城市水覆蓋度、植被覆蓋度和城市建筑指數；并分析了在春季各因子的變化特征，以衡量城市環境質量，為開展生態環境保護規劃提供參考。

1 研究區概況

連云港市位于江蘇省東北部，隴海鐵路終點；東臨黃海，北接山東，南連長江和淮河，背靠“東海第一勝境”——云臺山，如圖1所示。連云港市處于暖溫帶與亞熱帶過渡地帶，常年平均氣溫為14℃，最冷為1月，最熱為 7月；歷年平均降水量約為930 mm，集中降雨期為夏季；常年無霜期為220 d。四季分明，溫度適宜，光照充足，雨量適中，冬無嚴寒，夏無酷暑，日照和風能資源為江蘇省全佳地區之一；主要自然災害為干旱、雨澇、冰雹、寒潮、霜凍和大風。

圖1 連云港城市圖

2 數據來源及處理

2.1 遙感數據

Landsat8衛星是由美國宇航局和美國地質調查局共同負責的項目，旨在進行長期對地觀測。Landsat8攜帶了OLI和TIRS兩個主要荷載。OLI包括9個波段，空間分辨率為30 m，其中包括一個15 m全色波段，成像寬幅為185 km×185 km。1～7波段為多光譜數據，第8波段為全色波段，第9波段為卷云波段，第10、11波段為熱紅外波段，第12波段為質量波段。

本文采用研究區2016-03-28（年積日88）、2016-04-13（年積日104）和2016-04-29（年積日120）3 期影像，衛星過境時間為當地上午10：36左右，云量少，能見度高、圖像質量較好，覆蓋整個連云港市。88日之前植被量非常少，120日之后植被量趨于穩定，該時段較好地記錄了植被復蘇的過程。遙感數據包括多光譜波段數據和熱紅外波段數據，空間分辨率分別為30 m和100 m。

2.2 數據處理

首先對Landsat8 OLI數據進行波段組合形成一幅與真實影像接近的彩色圖像，方便辨別不同類型地物；然后進行FLASSH大氣校正，減弱大氣的影響，方便提取地物真實反射率；再進行幾何校正，使影像上地物位置與真實地物位置一致；最后對影像數據進行裁剪，保留連云港市區及周邊一定范圍的郊區。

3 信息提取

3.1 歸一化植被指數（NDVI）

NDVI綜合了傳感器對植被敏感的可見光和近紅外波段反射光譜信息，反映了植被生長狀況和覆蓋度。它不僅對植被的生物物理特征十分敏感，而且可降低因傳感器觀測角度、太陽輻射強度、地形陰影和土壤背景不同而產生的影響[3]，計算公式為：

NDVI = (NIR-R)/(NIR+R)

式中，NIR 為近紅外波段的反射率；R為紅波段反射率。

該指數與城市植被的覆蓋度、植被種類、土壤濕度等因素密切相關，植被越茂盛、覆蓋度越高，NDVI就越大。NDVI取值區間為[-1,1]，NDVI為負時，表示云、水、雪等，對可見光高反射；NDVI為0時，表示巖石或裸土，NIR和R近似相等；NDVI為正時，表示有植被覆蓋，且隨覆蓋度增大而增大，如圖2所示。

圖2 連云港市NDVI圖

3.2 歸一化建筑指數（NDBI）

NDBI的前身為楊山提出的仿歸一化植被指數，可準確地反演建筑用地信息。NDBI越大表明建筑用地比例越高，即建筑密度越高[4]，其公式為：

式中，MIR為中紅外波段反射率。

城市中NDBI分布區間為[-1,1]。NDBI高值區域分布在市中心，建筑密度高的地區；低值區域一般為耕地和水域，如圖3所示。

圖3 連云港市NDBI圖

3.3 歸一化水體指數（NDWI）

水體的反射從可見光到中紅外波段逐漸減弱，在近紅外、中紅外波段波長范圍內吸收最強，幾乎無反射，因此利用可見光波段和近紅外波段構成反差可快速提取影像中的水體信息。NDWI是由McFeeters S K[5]在1996年提出的，其公式為：

式中，Green為綠光波段。

3.4 地表溫度（LST）反演

常用的LST反演方法主要有大氣校正法、單窗算法[6]和分裂窗算法[7]3種。大氣校正法適用于只有一個熱紅外波段的數據，如Landsat TM/ETM+/TIRS數據，本文主要采用該方法。其基本原理是先估計大氣對地表熱輻射的影響，再將這部分大氣影響從衛星傳感器所觀測到的熱輻射總能量中減去，從而得到地表熱輻射強度，最后把這部分熱輻射強度轉化為相應的地表溫度，其公式為：

式中，Lλ為衛星傳感器接收到的熱紅外輻射亮度值；ε為地表比輻射率；Ts為地表真實溫度（單位：K）；B(Ts)為黑體熱輻射亮度；τ為大氣在熱紅外波段的透射率。對于TIRS Band10數據，K1=774.89 W/(m2·μm·sr)，K2=1 321.08 K。在NASA提供的網站（http://atmcorr. gsfc.nasa.gov）可獲取大氣剖面參數。

地表比輻射率的計算用到NDVI和植被覆蓋度Pv

[8]，其公式為：

式中，NDVIsoil為完全是裸土或無植被覆蓋區域的NDVI值；NDVIveg為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。

4 提取結果與分析

4.1 土地利用類型的遙感指數特征

利用ENVI5.1軟件結合土地利用分類圖，在連云港市遙感指數圖上均勻選取具有代表性的多個樣本區域（山地、建筑用地、水體和農田若干），通過ENVI統計工具獲取樣本的NDVI、NDBI、NDWI、LST的平均值，結果見表1。

表1 連云港市各土地類型的遙感指數統計表

從表1中可以看出，各類地物統計樣區的指標值差異明顯：山地的NDVI最大，為0.648；農田僅次于山地，為0.632；再次為建筑用地；最小的是水體，為-0.042。結果表明，NDVI與植被的覆蓋度相關性顯著，山地、農田植被覆蓋度相似，建筑用地NDVI較小，說明城區植被覆蓋度低。由于城市建設發展迅速，城市中植被覆蓋度逐漸減少，因此研究城市中NDVI對城市的綠色發展意義重大。NDBI表征城市建筑密度[9]，從表1中可以明顯看出，建筑用地的NDBI大于其他地物，從NDBI圖中又可以看出建筑越密集的區域NDBI就越大。NDWI表征水體指數，可以發現水體的NDWI值較高，為水體的提取提供了方便。LST較高的是建筑用地，最小的是水體。綜上所述，NDVI越小且NDBI越大則LST就越高。

4.2 遙感指數隨時間變化特征

1）NDVI隨時間變化特征分析。本文分別選取分布均勻的農田、水體、建筑用地和山地，取區域均值代表該區域NDVI，研究3個連續時間的NDVI。由圖 4可知，山地和農田的NDVI增長速度比建筑用地速度快。因為城市中房屋、建筑路面的NDVI是不隨季節變化或變化非常小的，只有城市中的植被隨季節變化，所以可通過120日的NDVI減去88日的NDVI來估算該城市中的植被量，再把植被量除以整個城區的面積，就可得出該城市的平均植被覆蓋量。平均植被覆蓋量可作為衡量一個城市的綠化程度標準，進而作為評價城市生態環境的指標之一。

圖4 NDVI隨時間變化特征

2）NDBI隨時間變化特征分析。建筑用地的NDBI基本不變，且保持較高值，而其他地物隨時間變化而逐漸降低。因為這段時期植被復蘇，大部分裸露的土壤被植被覆蓋；而建筑用地植被量少，對NDBI影響不大。

3）NDWI隨時間變化特征分析。水體的NDWI具有較高值，其余依次是建筑用地、山地和農田，均呈現隨時間變化而降低的趨勢。

4）LST隨時間變化特征分析。88～120日地球的北半球開始傾向太陽，受到越來越多的太陽光直射，因而氣溫開始升高。整體LST表現為逐漸升高，建筑用地變化較快且保持較高的LST值，這是由于房屋建筑、水泥混凝土等人工設施吸熱升溫較快。

4.3 植被指數與LST之間的關系

城市LST的變化直接影響人們的生活，對探討城市熱量分布具有重要意義。本文主要研究了植被茂盛時期城區NDVI、NDBI與LST的函數關系。結果表明，NDVI與LST之間存在負相關關系，即隨NDVI的增加LST逐漸減小；NDBI與LST之間存在正相關關系，且相關性比NDVI與LST的大，即NDBI越高溫度越高，建筑對溫度起積極作用[10]。城區中植被覆蓋少建筑密集的區域一般LST較高，是導致城市熱島效應的主要原因。

5 結 語

城市環境與遙感指數密切相關，本文通過3期Landsat8 OLI遙感數據對連云港地區城市環境中的遙感指數進行了提取分析；結合不同地物類型特征，研究了NDVI、NDBI、NDWI和LST的分布特征；同時分析了其隨時間序列變化特征，討論了NDVI、NDBI與LST的相關性。

研究結果表明，城市不同地物NDVI、NDBI、NDWI和LST分布不同，且可通過這些參數較準確地提取特定地物，通過時間序列分析可以發現建筑用地變化穩定，具有獨特的分布特征；而其他變化明顯主要是受植被生長、植被覆蓋度的影響。通過相關性分析發現植被指數和LST呈正相關，可有效緩解城市熱島效應，而建筑指數與LST呈負相關，合理規劃建筑用地也可改善城市熱島效應[11]。

遙感技術的快速發展，對城市環境監測和評估發揮了巨大作用。本文主要選取城市環境變化明顯的3 個時期的遙感數據做研究，且地物分類較簡單，在一定程度上會影響分析精度，但整體上還是可行的。因此，在今后的研究中可加入實測數據進行長時間序列對比研究，精度將更高，價值也將更大。

[1]張歡,成金華,馮銀,等.特大型城市生態文明建設評價指標體系及應用:以武漢市為例[J].生態學報,2015,35(2):547-556

[2]曹越,王宏宇.城市環境中遙感技術的應用研究[J].環境科學與管理,2015,40(3):5-8

[3]Rouse J W, Haas R H, Schell J A, et al. Monitoring Vegetation Systems in the Great Plains with ERTS[C]. Third ERTS Symposium,1973:309-317

[4]ZHA Y, GAO J, NI S. Use of Normalized Difference Built-up Index in Automatically Mapping Urban Areas from TM Imagery[J]. International Journal of Remote Sensing,2003,24(3):583-594

[5]McFeeters S K. The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing,1996,17(7):1 425-1 432

[6]覃志豪,ZHANG M H, Kamieli A,等.用陸地衛星TM6數據演算地表溫度的單窗算法[J].地理學報,2001,56(4):456-466

[7]孫志偉,唐伯惠,吳驊,等.通用劈窗算法的NOAA-18(N) AVHRR/3數據地表溫度遙感反演與驗證[J].地球信息科學學報,2013,15(3):431-439

[8]宋挺,段崢,劉軍志,等.Landsat 8數據地表溫度反演算法對比[J].遙感學報,2015(3):415-464

[9]徐涵秋.一種基于指數的新型遙感建筑用地指數及其生態環境意義[J].遙感技術與應用,2007,22(3):301-308

[10]武鵬飛,王茂軍,張學霞.基于歸一化建筑指數的北京市城市熱島效應分布特征[J].生態環境學報,2009,18(4):1 325-1 331

[11]梁保平,李藝,陳可宙.桂林市NDVI、地表溫度的地物特征及相關性研究[J].遙感技術與應用,2012,27(3):429-435

P237

B

1672-4623（2017）07-0076-03

10.3969/j.issn.1672-4623.2017.07.023

劉志強，碩士研究生，研究方向為遙感技術與應用。

2016-09-29。

項目來源：國家自然科學基金資助項目（91025022）。