南昌市城市熱島效應遙感分析

劉耀宇，湯江龍，2*，歐立業(yè)，3

(1.東華理工大學測繪工程學院，330013，南昌;2.江西省數字國土重點實驗室，330013，南昌;3.江西省地理國情監(jiān)測遙感院，330209，南昌)

0 引言

城市熱島效應(Urban Heat Island)是指城市發(fā)展到一定規(guī)模，由于城市下墊面性質的改變、大氣污染以及人工廢熱的排放等使城市溫度明顯高于郊區(qū)，形成類似高溫孤島的現象[1]。近年來，南昌市快速發(fā)展，城市化率由2003年的43.36%增長到了2018年的55.23%[2]，城市熱島效應不斷加重。城市熱島效應有很多危害，不僅危害人類健康增加患病風險，而且加重空氣污染，還會間接引發(fā)自然災害，導致氣候和物候異常[3]。

早期通過氣象觀測站采集溫度數據來研究城市熱島效應，但由于氣象站點分布不均勻和觀測條件的限制，很難全面反映整個區(qū)域的溫度變化。隨著遙感技術在各個領域內廣泛的應用，熱紅外遙感的進步，使得快速獲取大范圍地面溫度數據成為可能。國內外學者對基于遙感數據反演地表溫度的理論和方法進行了很多研究，比較有代表性的有毛克彪、何迎東等的輻射傳輸方程法[4－5]，覃志豪等人的單窗算法[6－8]，Jimenez－Munoz和Sobrino的普適性單窗算法[9]，毛克彪等人的劈窗算法[10－12]。利用不同的溫度反演方法，國內外學者對城市熱島問題做了很多研究，并取得了很多的成果。Gallo[13]等使用歸一化植被指數NDVI估測城市熱島對城郊氣溫差異影響，結果發(fā)現植被指數與城郊氣溫有著明顯的線性關系，可更好地解釋平均最低氣溫的空間變換。陳云浩[14]等基于景觀生態(tài)學，建立了一套研究城市熱環(huán)境格局和過程的方法并建立了評價體系。趙小艷[15]等利用MODIS數據分析了北京市冬夏兩季城市熱島的空間分布特征，發(fā)現夏季熱島效應明顯，冬季出現冷島現象。

本文以南昌市為研究對象，使用Landsat 8數據，采用單窗算法對南昌市及周邊區(qū)縣的地表溫度進行反演，建立了不同行政區(qū)溫度等級面積比例與人口密度和人均GDP的擬合模型，探討南昌市2018年春季城市熱島效應的空間分布以及人類活動對熱島效應的影響。

1 研究區(qū)與數據

1.1 研究區(qū)概況

本文以南昌市為研究區(qū)，南昌市位置如圖1。南昌市位于東經E115°27'～116°35'，北緯N28°10'～29°11'之間，地勢以平原為主，東南相對平坦，西北丘陵起伏，水網密布。全境屬于亞熱帶溫潤季風氣候，年平均氣溫為17～17.7℃，是中國“四大火爐”之一。

目前南昌市下轄6個市轄區(qū)(東湖區(qū)、西湖區(qū)、青云譜區(qū)、灣里區(qū)、青山湖區(qū)、新建區(qū))及3個縣(南昌縣、進賢縣、安義縣)。

圖1 研究區(qū)位置和Landsat8影像

根據李伯祥[16]等人的研究結果，2007年南昌市建成區(qū)面積為235 km2，2016年建成區(qū)面積為366 km2，建成區(qū)擴張了130.47 km2，每年以14.50 km2速率擴張。擴張方向主要集中在東西南3個方向，北邊擴張不明顯，發(fā)展趨于飽和狀態(tài)。

1.2 數據選擇及預處理

查找最新的Landsat8數據，發(fā)現大部分影像的云覆蓋度很高，無法使用。而2018年4月17日和2018年4月10日這2期數據含云量較低，可滿足實驗要求。由圖2可知南昌市有2景影像覆蓋，框線左邊的影像為第1景，右邊為第2景，南昌市大部分區(qū)域都在第2景影像下。雖然2景影像的獲取時間不同，但獲取時間相近，可把2景影像當作同期數據處理。

圖2 研究區(qū)影像分布圖

因此，選取了2018年4月2景Landst8 OLI遙感影像為研究數據，數據來源于地理空間數據云(http://www.gscloud.cn/)，研究區(qū)數據介紹見表1。

表1 研究區(qū)遙感影像數據介紹

對Landsat 8影像預處理，包括:輻射定標，使用ENVI輻射定標工具對多光譜數據和熱紅外波段進行輻射定標，將影像的亮度灰度值轉化為輻射亮度值;對定標后的數據進行大氣校正，消除大氣層對地物輻射亮度的影響;鑲嵌和裁剪，使用最鄰近像元法對2景影像進行鑲嵌，然后再用研究區(qū)行政區(qū)劃數據對鑲嵌后的影像裁剪。

2 研究方法

2.1 單窗算法

單窗算法主要是覃志豪[6]等人針對TM影像提出，使用了大氣平均作用溫度、比輻射率和大氣透過率這3個重要參數，反演地表溫度。對于Landsat 8 OLI具體計算公式如下:

式中:a10和b10為經驗常量，取a10=－67.355 355 1，b10=0.458 60;T10為Landsat－8第10波段的亮度溫度，Ta為大氣平均作用溫度，C10和D10是算法的中間變量。

中間變量的計算公式如下:

式中:ε10是10波段的地表比輻射率。τ10是10波段大氣透過率，可通過NASA網站輸入時間和經緯度查詢，得到2018年4月10日大氣透過率為0.85。

2.2 星上亮度溫度

亮度溫度是指在一個物體的輻射亮度和黑體的輻射亮度相同時，該黑體的物理溫度稱為該物體的亮度溫度。亮度溫度只具有溫度的量綱，沒有溫度的物理意義。先將影像的灰度值定標為表現反射率，進而計算研究區(qū)的亮度溫度，具體計算公式見式(4):

式中，T10為Landsat－8第10波段的亮度溫度(℃)，K1、K2為常數，Lλ為表現反射率。對于TIRS影像，K1=－774.89 W/(m2μm·sr)，K2=1 321.08 K。

2.3 大氣平均作用溫度的估計

大氣平均作用溫度使用以下公式[17]計算:

式中，Ta為大氣平均作用溫度，T0為近地面(2 m)氣溫，本文取T0=18.4℃。

2.4 地表比輻射率

比輻射率又稱發(fā)射率，使用覃志豪[18]提出的混合模型來計算。混合模型認為遙感影像的像元可分為水體、城鎮(zhèn)和自然地表3種類型，可分別求出各類像元的比輻射率，計算公式如下:

式中，εwater表示水體像元的比輻射率，εsurface表示自然地表的比輻射率，εbuilding表示城鎮(zhèn)的比輻射率。PV是植被覆蓋度，用以下公式計算:

式中，NDVI是歸一化植被指數，NDVISoil和NDVIVeg分別為裸地和植被的NDVI值。NDVISoil和NDVIVeg的值取經驗值，分別為0.05和0.70。當NDVI小于0.05時，植被覆蓋度PV等于0;當NDVI大于0.70時，植被覆蓋度PV等于1。

3 結果與分析

3.1 地表溫度反演結果驗證

為驗證地表溫度反演的結果是否可靠，使用同期的MODIS溫度產品進行相關性分析。利用ARCGIS軟件在驗證數據和反演結果上生成500個隨機樣點，提取樣本點處的溫度值，然后對兩組溫度值做相關性分析，得到相關系數為0.802 0，相關性較強表明溫度反演的結果較為準確。

3.2 地表溫度分級

反演結果表明，2010年4月10日南昌市地表平均溫度u為22.3℃，標準差SD為2.54。使用均值－標準差法[19]將南昌市地表溫度分為低、次低、中等、次高和高5個等級，各溫度等級與相應的溫度區(qū)間如表2所示。

由圖3可知，南昌市地表溫度整體上以中溫區(qū)面積分布最廣，低溫、次低溫區(qū)主要分布在東北部的鄱陽湖生態(tài)濕地，灣里區(qū)的梅嶺國家生態(tài)公園以及東南部的軍山湖和青嵐湖附近;高溫區(qū)和次高溫區(qū)主要分布在除灣里以外的市區(qū)，新建區(qū)西部，安義縣北部，南昌縣西部以及進賢縣北部等區(qū)域，這些區(qū)域人口密集，商業(yè)中心眾多，這與南昌市“西進、東拓、北擴、南延”發(fā)展戰(zhàn)略相吻合。根據南昌市地表溫度分級的結果，分別對不同等級溫度的面積進行統(tǒng)計，并計算南昌市各區(qū)縣不同等級溫度面積所占比例(表3)。

表2 溫度等級與對應的溫度區(qū)間

表3 南昌市各區(qū)縣不同等級溫度面積比例%

高溫區(qū)和次高溫區(qū)為城市熱島區(qū)，由表3可知，安義縣熱島強度最低，為22.67%，青云譜區(qū)熱島強度最高，為78.68%。熱島效應的強度由高到低依次為:青云譜區(qū)＞西湖區(qū)＞青山湖區(qū)＞東湖區(qū)＞進賢縣＞南昌縣＞灣里區(qū)＞新建區(qū)＞安義縣。低溫區(qū)域面積比例進賢縣最高，西湖區(qū)和青云譜區(qū)沒有低溫區(qū)域。

3.3 不同溫度等級面積比例與人口密度和人均GDP擬合

人口密度和人均GDP與建筑密度、人類活動集中程度以及汽車尾氣排放有關，這些都是影響城市熱環(huán)境的因素，因此與各區(qū)域不同溫度等級的面積比例存在相關性。本文采用多種擬合模型，分別對南昌市各行政區(qū)不同溫度等級的面積比例與人口密度和人均GDP進行擬合，并對不同擬合模型的決定系數R2進行了比較(表4)。

表4 不同溫度等級的面積比例與人口密度、人均GDP擬合R2對比

當擬合決定系數R2＞0.6時，認為存在擬合關系。由表4可知，南昌市各區(qū)縣中溫區(qū)域面積比例與人口密度的R2較高，說明存在擬合關系;同理，低溫區(qū)域面積比例與人均GDP也存在擬合關系;而次高溫和高溫區(qū)域面積比例與人口密度和人均GDP都具有擬合關系，選取R2較大的那個模型作為擬合模型。

4組R2較高的擬合曲線如圖4所示。由圖4(b)和圖4(c)可見，次高溫區(qū)域和高溫區(qū)域面積比例與人口密度的擬合曲線相似，總體上隨人口密度的增大而增加，先快速增大，后緩慢減少。由圖4(a)可見，中溫區(qū)域面積比例與人口密度呈負相關，先快速降低，后緩慢變小。由圖4(d)可見，次低溫區(qū)域面積比例與人均GDP的擬合關系呈現M型。在人均GDP達到5.4萬元和10.8萬元時，次低溫區(qū)域面積比例到達了高峰期;人均GDP低于5.4萬元時，擬合曲線表現為M型的上升階段;人均GDP超過5.4萬元以后，次低溫區(qū)域面積比例輕微下降，后快速抬升;人均GDP到達10.8萬元后，次低溫區(qū)域面積比例呈現快速下降趨勢。

圖4 不同溫度等級區(qū)域面積比例與人口密度的擬合曲線

得到次低溫、中溫、次高溫和高溫面積比例估算模型如式(8)～(11)所示:

式中:X為人均GDP，Y為區(qū)域內人口密度，P1、P2、P3、P4依次為次低溫、中溫、次高溫和高溫面積比例。

以中心城區(qū)(東湖區(qū)和西湖區(qū))、環(huán)城區(qū)(青云譜區(qū)和青山湖區(qū))和郊區(qū)(安義縣、新建區(qū)和南昌縣)作為3個新的區(qū)，并用這3組數據驗證模型的有效性。由表5可見，估算值和實際值接近，可用于定量估算次低溫、中溫、次高溫和高溫區(qū)域面積比例。

表5 次低溫、中溫、次高溫和高溫面積比例估算模型驗證/%

4 結論

本研究對反演了南昌市2018年4月份的地表溫度，根據反演的結果發(fā)現南昌市春季熱島效應明顯，受熱島效應影響的區(qū)域約占18.02%。根據地表溫度分級的結果，可知青云譜區(qū)的熱島強度最高，安義縣的熱島強度最低;高溫區(qū)域主要分布在市區(qū)，人口密度較高的商業(yè)中心;低溫區(qū)域主要分布在河流湖泊以及植被覆蓋較高的梅嶺森林公園。通過各區(qū)不同溫度等級面積比例和人口密度、人均GDP擬合曲線，發(fā)現人類活動越集中，溫度越高。中溫區(qū)域面積比例與人口密度呈負相關，次高溫和高溫區(qū)域面積比例與人口密度呈正相關，次低溫區(qū)域面積比例人均GDP的擬合關系較為復雜。因此，在城市化建設中，應控制人口密度和建筑密度，同時保證植被和水體一定比例，從而改善城市的熱環(huán)境。