微域尺度下的地表溫度與土地利用/覆被關系研究

劉 超，張永福，徐華君

(新疆大學資源與環(huán)境科學學院/綠洲生態(tài)教育部重點實驗室/新疆智慧城市與環(huán)境建模普通高校重點實驗室，新疆烏魯木齊 830046)

隨著新疆經濟的加速發(fā)展，以自然景觀為主的地表類型正被人工植被和建筑物所替代，致使下墊面的地表類型等陸地生態(tài)系統(tǒng)發(fā)生巨大變化，從而使地表溫度(land surface temperature，LST)、植被覆蓋指數(shù)(NDVI)、地表反照率(Albedo)等發(fā)生變化，進而對區(qū)域大氣環(huán)境、邊界層結構、氣候狀況和人們的生產生活等產生影響，這也正是下墊面的熱力結構發(fā)生改變等綜合作用的結果。其中，地表溫度是物質能量平衡、能量循環(huán)、氣候變化的重要影響因素，也是人類研究地球各圈層之間物質能量流動機制以及地-氣相互作用的依賴參數(shù)，同時也是研究地表與大氣之間能量與物質交換的重要參數(shù)[1-3]。目前地表溫度是遙感定量化研究的熱點之一，主要運用在城市“熱島效應”和綠洲“冷島效應”方面的研究。

在城市熱環(huán)境等研究中應用較多的遙感數(shù)據(jù)為NOAA/AVHRR、Landsat TM/ETM +、MODIS及ASTER影像。眾多數(shù)據(jù)源中，Landsat TM/ETM +影像由于具有高分辨率、獲取容易等優(yōu)點，近年來被廣泛應用于城市熱環(huán)境研究，并取得了豐富的研究成果。目前主要采用輻射傳導方程法、單窗算法[4]和單通道算法[5]來對TM6波段數(shù)據(jù)進行地表溫度的反演。通常由于輻射傳導方程法計算過程十分復雜且需要衛(wèi)星過境時刻的實時大氣剖面數(shù)據(jù)，因此在實際運用中較少采用。單窗算法和單通道算法僅需基本的氣象資料及少數(shù)參數(shù)資料就可實現(xiàn)地表溫度的反演，且計算過程容易實現(xiàn)[6-7]，所以國內眾多學者都采用此方法進行研究[8-12]，尤其是對城市熱環(huán)境。縱觀國內外，研究干旱區(qū)的熱環(huán)境變化也陸續(xù)展開[13-15]，但主要針對地表溫度時空變化的研究仍舊相對較少。本研究選擇干旱區(qū)內新疆精河縣作為研究區(qū)，采用覃志豪單窗算法，利用2015年10月遙感影像來反演精河縣地表溫度，分析其空間變化特征及其驅動機制，這對進一步理解精河縣的土壤-土地利用/覆被-人類能量交換狀況有著重要的意義。

1 材料與方法

1.1 研究區(qū)概況

新疆維吾爾自治區(qū)精河縣地理位置介于43°38′～45°52′N 和79°53′～85°02′E之間，位于歐亞大陸腹地的中緯度地區(qū)。由于遠離海洋且北、西、南3面被高山阻隔，因此氣候十分干燥，屬典型的溫帶干旱大陸性氣候。主要表現(xiàn)為干旱少雨，蒸發(fā)量大，日照充足，氣候變化劇烈的特征，特別是與特殊的地形地貌相匹配，風多且大，沙塵暴和浮塵活動頻繁是該地區(qū)的顯著特色。西北阿拉山口的大風是影響當?shù)貧夂虻闹鲗б蛩?。該山口由西北向東傾斜，形成落差約150 m的狹長谷地。年平均大風(風速高于17 m/s)多達164 d，最多的高達185 d，年均有8級以上大風241 d[16]。研究區(qū)示意圖如圖1所示。

1.2 研究方法

1.2.1 數(shù)據(jù)獲取和處理 遙感影像數(shù)據(jù)：采用2015年10月Landsat 8 OLI數(shù)據(jù)。采用的數(shù)據(jù)圖像質量好，沒有云、霧和積雪等的影響。處理圖像前需要先進行輻射定標，達到消除傳感器系統(tǒng)誤差的目的[13，17-19]，并采用相應計算公式[20-21]求取表觀發(fā)射率，再作地形輻射校正，以獲得更準確的NDVI值，然后采用高斯-克呂格投影模式、3次卷積內插法重采樣進行圖像點的精密校正(選擇的GCP點的誤差均小于0.5個像元)及控制點-多項式擬合校正法對精河縣1 ∶5 000地形圖的OLI影像各波段進行幾何精校正。氣象數(shù)據(jù)：年均溫度數(shù)據(jù)的獲取均來自于中國氣象科學數(shù)據(jù)共享服務網(http：//cdc.cma.gov.cn/)。人口數(shù)量、耕地面積等數(shù)據(jù)統(tǒng)計摘自于精河縣統(tǒng)計年鑒。

1.2.2 算法參數(shù)估計 地表溫度是利用遙感技術分析綠洲溫度時空變異特征時的一個重要參數(shù)[22]。本研究所采用的單窗算法是田輝等推導出的利用TM6波段數(shù)據(jù)反演地表溫度的方法[23-24]，該方法是在大氣輻射傳輸方程和對普朗克方程的線性化的基礎上利用圖像的熱紅外波段得到的。

1.2.2.1 輻射亮度L的計算 輻射亮度是表示面輻射源上某一點在一定方向上的輻射強弱，是傳感器接受的大氣層頂輻射亮度，其主要計算公式參考文獻[25]。

1.2.2.2 表觀反射率的計算 采用COST模型進行大氣校正并計算表觀反射率[26]。

1.2.2.3 反演算法 采用單窗算法[3]反演地表溫度，公式如下：

(1)

C和D為中間變量，分別用下式計算：

C=ε×T；

(2)

D=(1-τ)[1+(1-ε)×τ]。

(3)

式中：ε為研究區(qū)地表比輻射率；τ為研究區(qū)大氣透射率。

1.2.2.4 地表溫度反演參數(shù)算法的獲取 (1)在標準大氣狀態(tài)下，大氣平均作用溫度Ta[27]與地面附近氣溫T0存在線性關系[1-3]，本研究大氣類型選擇中緯度夏季平均大氣(北緯45度，7月)，估算方程為Ta=16.011+0.926 21T0。(2)地表比輻射率ε估算[28]。由于自然表面所占比例最大，所以我們在地表溫度反演過程中重點考慮自然表面的地表比輻射率。地表比輻射率是由地表的物質結構和遙感器的波段區(qū)間共同決定的，因此我們排除復雜地表結構的因素外僅從衛(wèi)星像元的尺度來看，大致可以分為3種類型：自然體、水體和城鎮(zhèn)。

van de Griend等建立的地表比輻射率和歸一化植被指數(shù)之間的統(tǒng)計關系模型發(fā)現(xiàn)比輻射率與NDVI之間高度相關，但是該統(tǒng)計模型由于地表差異導致不能解決混合像元問題，因此不能被廣泛利用[29]。在此基礎上Sobrino等利用NDVI對地表分類，在植被和土壤比輻射率已知的前提下，提出了在地表相對平坦、均一的條件下的比輻射估算方程[30]。本研究使用Sobrino提出的推算地表比輻射率的方法，NDVImin=0.2，NDVImax=0.5。(3)大氣透射率盡管受到氣壓、氣溫、LST含量、大氣水分含量等影響而致使地表熱輻射在大氣中的傳導產生衰減，但是，大氣水分含量才是決定大氣透射率的主要影響因素。因此，除了水分含量是大氣透射率估計的主要考慮因素以外的其他因素對大氣透射率的變化沒有顯著影響[31]。采用水分含量在0.4～1.6 g/cm2的高氣溫區(qū)間公式來計算大氣透射率[1，3]。

1.2.3 土地利用/覆被信息的提取 本研究在土地利用/覆被信息的提取中使用決策樹分類法，決策樹歸納法是數(shù)據(jù)挖掘中獲取分類規(guī)則的主要方法之一。分類回歸樹(Classification and regression tree，CART)是一種結構清晰、實現(xiàn)簡單、運行快速和準確性高的決策樹構建算法。國內外許多學者基于不同數(shù)據(jù)源的特征參數(shù)探討了CART決策樹算法在區(qū)域土地利用分類中的優(yōu)勢[25-26]，證明其適合不同尺度、類型的分類特征融合。筆者通過分析研究區(qū)典型地類的NDVI時間序列曲線，提取能夠反映地類間差異的物候參數(shù)，結合包含豐富土壤信息的光譜參數(shù)，Layer Stacking分別將藍、綠、紅、近紅外4個波段和NDVI、WNDVI、DEM組合成一個7個波段的文件，利用基于CART的決策樹法進行土地利用分類。參照全國土地利用分類方法，結合當?shù)氐膶嶋H情況，將研究區(qū)的景觀類型分為耕地、林草地、水體、鹽漬地、其他用地等5種類型，在遙感解譯的過程中，結合野外采樣，通過多次實地調查和數(shù)據(jù)糾正，解譯精度達79%以上，Kappa系數(shù)為0.802。

1.2.4 微域分割 本研究在流域的基礎上進行，在研究土地利用與LST的關系時，為了減少數(shù)據(jù)冗余，作者選取了土地覆被和LST變化的典型區(qū)域，并將典型研究區(qū)域劃分為60個20 km×20 km的規(guī)模微域進行統(tǒng)計分析。

1.2.5 不同土地覆被對LST的貢獻 進一步量化不同土地覆被對LST的影響，計算土地覆被對減輕空氣污染的貢獻。估計各土地覆被對地理現(xiàn)象的貢獻。首先，計算整個研究區(qū)的平均LST。其次，計算各土地覆被的平均LST。在計算研究區(qū)各土地覆被的平均LST時，其他土地利用作為背景被淹沒。隨后計算相應的土地覆被的平均LST與所有圖像在整體研究區(qū)平均LST的差異。

(4)

式中：dTi是平均LST與土地覆被對應的平均LST的差異；meanLST是整個研究區(qū)LST的平均值；mean(ΔLST)是不同土地覆被上的LST平均值。最后得出方程(5)為不同土地覆被對LST的貢獻計算公式：

Ci=Si×dTi。

(5)

式中：Si(%)是各土地覆被的面積比例，其中，Ci貢獻值越大，表明土地覆被變化對LST影響較大，對區(qū)域LST的貢獻越大。

2 結果與分析

2.1 地表溫度的計算結果

采用田輝等所推導出的單窗算法[23-24]計算地表溫度。其中，由上文引用的平均大氣公式(采用中緯度冬季)來推算大氣平均作用溫度；采用大氣透射率估計方程來推算大氣透射率。通過參數(shù)的計算均帶入公式(1)最終計算出比輻射率，則可得到2015年10月新疆精河縣地表溫度。在此基礎上，筆者繪制出了研究區(qū)2015年的新疆精河縣地表溫度反演空間分布圖(圖2)。

本研究在土地利用/覆蓋的基礎上進行，討論研究土地利用與LST的關系，為了減少數(shù)據(jù)冗余，以新疆精河縣土地覆被和LST變化的區(qū)域，并將研究區(qū)域劃分為60個20 km×20 km 的規(guī)模，在微域的尺度進行統(tǒng)計分析，小區(qū)域的樣方一定程度上具有代表性。從圖2可以看出，水體周圍河床存在大面積鹽漬化土壤，主要是研究區(qū)是干旱區(qū)，氣候干燥，由于水體的淋侵，且地表植物抗鹽堿，因此其土壤深層鹽分析出地表，從而在水體周圍呈現(xiàn)大面積鹽漬化土地；林草地大范圍分布在南部地區(qū)邊緣山間地帶及部分在河流的支流周圍；耕地分布在河流的南部和西部，這與精河縣地勢有關，此區(qū)域相對平坦且離水源較近，同時接近人口集中區(qū)，便于耕地澆灌和種植。其他用地主要包括城市建筑用地、工業(yè)用地、沙漠等，位于研究區(qū)中心，呈半圓形。從圖3可以看出，研究區(qū)中心溫度都高于研究區(qū)周邊的溫度，呈現(xiàn)熱島效應；研究區(qū)最低溫度為-11.58 ℃，位于山間盆地，主要是2015年10月該地區(qū)高山部分有雨雪天氣出現(xiàn)，導致氣溫大幅下降。低溫區(qū)主要為水體和林草地。最高溫度為41.02 ℃，位于沙漠區(qū)域，主要是該地區(qū)陽光輻射強度大，溫差大，而沙石的比熱容較小且易吸熱。高溫沿著東北到西南方向分布，整體體現(xiàn)出了土地利用/覆被類型的復雜性，主要為其他用地和鹽漬土。下墊面不同，溫度相差較大。為了進一步確定溫度反演圖像的精度，筆者對研究區(qū)地表反演的溫度和收集的精河縣地表實測溫度數(shù)據(jù)進行了對比，結果顯示2015年精河縣內各個地區(qū)收集的實測溫度數(shù)據(jù)與反演的溫度結果對比驗證后其精確度差值均在 0～1.5 ℃之間，表明反演的地表溫度結果是基本準確的。

2.2 土地利用/覆被信息的提取

從圖4可以看出，2015年研究區(qū)范圍內不同土地利用類型面積，其他用途土地(城市建筑用地、工業(yè)用地、沙漠等)占研究區(qū)總面積的54.23%，即隨著城市的不斷擴張，土地被碎片化使用，其主要分布在水體和耕地邊緣區(qū)域，便于城市集中人口的供給。其余劃分類型中，耕地為研究區(qū)域內最主要的土地利用類型，占總面積22.45%，分布在其他土地類型周圍和水體附近，即被包圍在其中。其次為水體，占總面積的10.19%，水體面積不到耕地面積一半，說明這里水資源短缺。同時城市主要邊緣耕地受到城市發(fā)展需要遭到侵占，其面積逐年減少。林草地占總面積的4.60%，即該區(qū)域生態(tài)環(huán)境脆弱。鹽漬地占總面積7.82%，高于林草地的比例，說明隨著水體、林草地的減少，土壤鹽漬化面積在增加，也可能是靠近水體附近的土地被水體淋侵，進而土地地表呈現(xiàn)鹽漬化。同時，干旱地區(qū)土地缺水，由于水體和下墊面的改變，河床干枯，增加了面積。

2.3 基于區(qū)域分割理論的土地利用/覆被對地表溫度的貢獻

2.3.1 小尺度土地利用覆被與地表溫度的關系 本研究為進一步探討區(qū)域土地利用與地表溫度之間的響應關系，利用單因子回歸法研究，以地表溫度為自變量，不同土地類型(耕地、林草地、鹽漬地、其他土地)面積為因變量，通過分析得出耕地、鹽漬地、其他用地與地表溫度呈正相關，其r2依次為0.402 8(圖5-A)、0.112 5(圖5-C)、0.359 5(圖5-D)。說明線性相關性較差，大多數(shù)點偏離其直線。林草地與地表溫度呈負相關，其r2為-0.578 5(圖5-B)，相關性較好，大多數(shù)點位于直線附近。水體與地表溫度無相關性，水溫比熱容較大，因此溫度變化差異小。

2.3.2 小尺度下土地利用覆被與地表溫度的貢獻 為了進一步定量評估土地覆被對LST的影響，并計算各土地覆被對應的LST的平均值和各土地覆被上LST平均值之間的差異。通過貢獻分析發(fā)現(xiàn)，土地覆被變化可能會導致區(qū)域地表溫度的變化。以2015年的Landsat OLI衛(wèi)星圖像為基礎計算各土地覆被類型對區(qū)域LST的貢獻，基于土地覆被類型變化的地表溫度變化見表1。其他用地(城市建筑用地、工業(yè)用地、沙漠等)對LST貢獻最大，其次是林草地、耕地、鹽漬地和水體，表明在LST的變化與土地利用方式之間的密切聯(lián)系。耕地和林草地對區(qū)域地表溫度的貢獻下降主要是由耕地面積的減少造成，dTi值的下降也是造成耕地和林草地貢獻率下降的原因。結果表明，土地覆被的變化對LST的增加的影響主要發(fā)生在精河縣中心人口集中區(qū)域的建筑、工業(yè)用地及邊緣鹽漬地區(qū)域。所以，在人類的活動加強的情況下，包括城市擴張、農業(yè)用地的增加，都會進一步改變自然景觀，使其下墊面發(fā)生變化，進而導致土地吸收熱量不均勻。因此，土地利用格局變化對LST的變化具有重要的意義。

3 結論

利用2015年10月Landsat OLI數(shù)據(jù)計算新疆精河縣地表溫度，基于目視解譯與決策樹分類結合的方法提取研究區(qū)的5類土地利用類型；在區(qū)域分割理論的基礎上，結合貢獻分析和相關性分析方法研究微域尺度下地表溫度與土地利用/覆被之間的關系。結果表明：(1)5類土地劃分中，城市的面積呈現(xiàn)“攤餅”狀，其他用途地占總面積54.23%，也增加了熱島效應。耕地、鹽漬土、水體和林草地主要分布在精河縣城區(qū)周圍。隨著城市人口的增加，土地利用方式隨之增加，導致部分土地類型減少。(2)從反演LST圖中得到，地表溫度高低依次為城市人口集中區(qū)域鹽漬土、耕地、水體、林草地，即離人類活動越遠，其地表溫度相對越低，呈現(xiàn)環(huán)狀分布。(3)鹽漬地、耕地、林草地和水體平均的LST大致隨著其他用途土地(城市建筑、工業(yè)、沙漠等)距離的增加而減少。(4)通過貢獻率得到與微域地表反演圖相同結果，其他用地(城市建筑用地、工業(yè)用地、沙漠等)對LST貢獻最大，其次是林草地、耕地、鹽漬地和水體。因此，在干旱區(qū)土地利用規(guī)劃中應該非常關注其他土地利用(城市建筑用地、工業(yè)用地、沙漠)的合理規(guī)劃，為綠洲土地開發(fā)提供建議。

表1 精河縣不同土地覆被類型對區(qū)域地表溫度的貢獻分析