蘭州市2001～2016城區發展與地表溫度定量關系研究

杜躍飛，李軼鯤，劉正軍，馮天文

（1.蘭州交通大學 測繪與地理信息學院，甘肅 蘭州 730070；2.蘭州交通大學 甘肅省地理國情監測工程實驗室，甘肅 蘭州 730070；3.中國測繪科學研究院攝影測量與遙感研究所，北京 100830）

陸地地表溫度（land Surface temperature, LST）在城市熱環境、地表輻射能量平衡、全球氣候變化等應用領域都有重要研究價值[1]。Landsat衛星的熱紅外數據是地表溫度變化研究的主要數據來源。針對Landsat衛星熱紅外數據的地表溫度反演，一些學者提出了一系列反演算法[2-11]。

Landsat5有一個熱紅外波段，Landsat8有兩個熱紅外波段，根據美國地質調查局（USGS）公布，Lnadsat8的第11波段極不穩定。徐涵秋[8]通過實例驗證和比較得出Landsat8的第11波段做地表溫度反演相較于第10波段出現成倍的誤差；覃志豪的單窗算法常用于Landsat衛星數據的地表溫度反演，所以用單窗算法對熱紅外數據進行反演；地表溫度受到地物不同種類的影響，對實驗區地物進行分類，可得出不同地物的溫度分布狀況；程炳巖[9]等用觀測數據分析了鄭州市不同季節溫度的分布狀況；劉磊[10]通過地物分類結合地表溫度分布狀況，得出長江三角洲開發區的溫度要高于其他地物類型的溫度；張春玲[11]等通過分析武漢市土地利用空間格局分布與地表溫度的關系，表明之間具有較好的相關性；曾永年[12]等通過歸一化植被指數（NDVI）和歸一化建筑指數（NDBI）分析城市的熱島效應隨季節的變化；謝元禮等[13]通過對比建筑溫度與環境溫度，得出蘭州市城市熱島效應顯著，但并未對城市與溫度之間的關系做出相關性分析。

本文以蘭州市城關區、七里河區、安寧區、西固區為實驗區，利用遙感影像對該區域進行土地利用類型分類，分別分為水體、植被、建筑用地、未利用土地4種類型，并反演2001、2008、2016年研究的地表溫度，在此基礎上研究和分析實驗區內的地物類型與溫度之間的相關關系，并重點分析了溫度與建筑指數（NDBI）變化之間的定量關系。對蘭州市地表溫度反演及與土地利用類型之間的關系研究，對城市的發展規劃具有一定的參考意義。

1 實驗區概況與數據來源

1.1 實驗區概況

蘭州位于中國西北部、甘肅省中部，市中心位于36°03′N、103°40′E（圖 1）。地勢自西南向東北傾斜，城市發展呈狹長狀。蘭州市深居西北內陸，海洋溫濕氣流不易到達，降雨少，大部分地區氣候干燥，屬大陸性很強的溫帶季風氣候，日溫差大。

1.2 數據來源與預處理

從地理空間數據云網站獲取Landsat5和Landsat8遙感衛星數據。獲取的數據軌道號為131/35，分別為2001-07-22： LT51310352001203BJC00；2008-07-25：LT51310352008207BJC01和2016-07-15：LC8131035 2016197LGN00。

對Landsat5和Landsat8數據進行輻射定標、大氣校正和實驗區裁剪。由于Landsat5和Landsat8的熱紅外數據的分辨率不一致，將數據統一重采樣為60 m分辨率。

圖1 實驗區位置

2 研究方法

2.1 反演原理

衛星位于太空，除了接收地表的熱輻射外，還受到大氣上行熱輻射和大氣下行熱輻射的影響，而輻射傳輸方程法是地表溫度反演的基礎：

式中，Li、Ts分別為亮溫和地表溫度(K)；i為TIRS波段；Li(Ts)為亮溫即接收到的輻射能量 (W·m-2·sr-1·μm-1)；LB(Ts)為地表溫度；τi為大氣透過率；εi為地表發射率；Li↓和Li↑為大氣下行輻射和大氣上行輻射，單位為W·m-2·sr-1·μm-1。

覃志豪的單窗算法是根據輻射傳導方程法推導出的較為精確的反演算法。其公式為：

式中，Ts為實際地表溫度，單位為K；τ為大氣透過率；ε為地表比輻射率；Tsensor為星上輻射對應的亮度溫度；Ta為大氣平均作用溫度；a和b為回歸系數，分別為 -62.718 2和0.433 9。

單窗算法反演需要的參數包括行星亮度溫度、地表比輻射率、大氣透過率、大氣平均溫度。行星亮度溫度可通過輻射定標獲取。地表比輻射率可根據覃志豪[14]提出的方法進行估算。計算NDVI和植被覆蓋度，NDVI計算公式為：

植被覆蓋度通過植被指數進行估算：

式中，NDVIv為完全植被的NDVI值，取0.7；NDVIs為裸地的NDVI值，取0.05。建筑用地、植被、未利用土地和水體各自的比輻射率的計算可根據下列公式得出：

式中，Rv為植被比輻射率；Rs為未利用土地的比輻射率；Rm為建筑用地的比輻射率。

由于水體接近于黑體，取其比輻射率為0.995；植被比輻射率為0.986；未利用土地比輻射率為0.972；建筑用地比輻射率為0.968。

其他參數可以根據大氣參數估計方法計算得出[15]。參數的計算公式如表2～4所示。

大氣平均溫度估算方程為：

大氣透過率與水汽含量的關系為：

式中，w為大氣含水量，可由中國氣象數據共享網網站查詢。

2.2 分類流程

利用eCognition軟件采用面向對象分類的方法，首先對影像進行多尺度分割，結合訓練樣本，用模糊分類算法進行地物分類，技術路線如圖2所示。

圖2 影像分類處理流程

3 結果與分析

3.1 精度評價

根據單窗算法原理，反演得出2001、2008、2016年實驗區的地表溫度圖，如圖3所示。

圖3 2001年（a）、2008年（b）和2016年（c）地表溫度反演結果

在中國氣象數據共享網和蘭州市統計年鑒上，查詢歷史實測的平均溫度數據與單窗算法得出的地表平均溫度并進行比較和分析，通過單窗算法得出的地表溫度平均誤差在0.63℃（表1），具有較好的反演精度。

表1 地表溫度反演精度評價

對實驗區預處理后采用面向對象的分類方法，經過多尺度分割、分類后處理、分類精度評價，得出結果如圖4。

圖4 2001（a）、2008（b）和2016（c）土地利用分類

采用混淆矩陣對分類精度進行評價（表2）。平均精確度在96%左右，評價結果滿足分類精度的要求。

表2 分類精度評價

3.2 結果分析

根據處理結果統計得出2001、2008、2016年不同地物平均溫度（表3）。

表3 各年份地物平均溫度/℃

統計2001、2008、2016年不同地物面積變化情況，如表4所示。

表4 土地利用面積變化情況/km2

從地物分類圖和溫度分布（圖3、4和表3、4）中各地物分類面積和溫度的變化情況可以得出，從2001～2016年，實驗區中部的城區部分溫度增長顯著，平均溫度升高了0.6℃左右，平均溫度在32℃左右，城區建筑用地面積以每年4%的速度增長；北部的未利用土地，隨著城區向北部擴展，面積大約減少151 km2，但未利用土地大部分為山區和裸地，具有較高的溫度，溫度相對變化幅度不高，平均溫度分布在35℃；而南部的植被地區和實驗區中的水體，面積和溫度相對變化較小。將溫度變化情況與土地利用類型變化情況進行疊加統計（圖5），顯示建筑用地與溫度變化之間相互影響。

圖5 土地利用面積與溫度變化

對溫度分布和NDBI的統計和分析以及時空分布特征。顯示，溫度的升高受到城市發展的影響。為能夠定量分析二者之間的關系，通過對2001、2008、2016年溫度與NDBI的散點圖進行線性擬合（圖6），得出溫度與建筑用地之間具有顯著的相關性。溫度較高區域，NDBI指數也相應較高，且2016年的NDBI指數最高與溫度分布具有更高的正相關性。

圖6 溫度與NDBI的相關關系

采用具有較高反演精度的單窗算法，基于Landsat衛星數據對實驗區2001～ 2016年的反演地表溫度分布狀況與土地利用分類之間的關系，得出以下結論：

1）用單窗算法進行地表溫度反演，具有較高的實用性。通過查看實驗區的歷史溫度數據得出，單窗算法能夠相對真實地反演實驗區的地表溫度分布狀況。

2）對遙感影像進行分類和地表溫度反演，將實驗區的土地利用類型分為水體、植被、建筑用地和未利用土地。根據統計數據，建筑用地面積逐年增加，且溫度變化較大；相應的未利用土地區域逐年減少，但溫度變化幅度較小；水體和植被的溫度和面積變化幅度不明顯，得出溫度升高地區主要與建筑用地的變化具有一定的相關關系。

3）對建筑用地（NDBI）和溫度數據進行線性擬合，定量化分析得出建筑用地與地表溫度的變化具有較高的正相關性。