基于Landsat-8 OLI/TIRS影像的長沙市城市熱環境效應研究

何炳偉 韓沁哲

摘要：基于長沙市2016年7月23日的Landsat8 OLI/TIRS數據，利用覃志豪單窗算法反演地表溫度，分析了長沙市城市熱環境空間分布特征以及主要地表生態環境參數與城市熱環境效應的關系。結果表明，（1）長沙市主城區地表溫度均較高，高溫區域主要分布在建筑用地密集、功能單一以及周邊植被覆蓋少的地區;（2）長沙市熱島區范圍與城市建成區范圍基本一致，構成熱島區面積較大的特高溫區和高溫區主要分布在中心城區和長沙縣，城市熱島比例指數達0.712，反映出城市熱環境形勢較為嚴峻;（3）建筑用地對地表起著升溫的作用，植被則相反，且前者升溫效果明顯強于后者的降溫效果。長沙市在未來的城市規劃中應在控制建筑用地擴張的同時增加植被覆蓋，這樣才能有效緩解城市熱島效應。

關鍵詞：Landsat8 OLI/TIRS;城市熱環境;URI;長沙市

Abstract： Based on Landsat 8 OLI/TIRS data of Changsha on July 23th of 2016， the surface temperature was retrieved by using Qin Zhihao single window algorithm. The spatial distribution characteristics of urban thermal environment and the influence of main surface ecological environment parameters on urban thermal environment effect were analyzed. The results show are as follows： （1） The surface temperature of the main urban area of Changsha is relatively higher， and the high temperature areas are mainly distributed in areas with high density urban construction， single function of urban construction and less vegetation coverage; （2） the range of heat island area of Changsha is basically the same as the built-up area of the city， the super-high temperature area and the high temperature area which constitute the heat island area are mainly distributed in the Central District and Changsha County.Overall， the Urban-Heat-Island-Ratio-Index is as high as 0.712， and the urban heat environment situation of Changsha has become more severe; （3） Quantitative analysis of the relationship between surface parameters and surface temperature shows that the built-up land plays a role in increasing surface temperature， while vegetation does the opposite， and the heating effect of the built-up land is much stronger than that of vegetation. Therefore， in the future urban planning， the urban heat island effect can be effectively alleviated by increasing vegetation while reducing the area of construction land.

Key words： Landsat-8 OLI/TIRS; Urban thermal environment; URI; Changsha

城市熱島是指在城市居民相對集中的地區，地表溫度及氣溫局部或整體高于周邊非城市區域的現象，在空間分布上溫度較高的城市地區就像一個突出的溫暖島嶼[1]。英國學者賴克·霍華德比較分析了倫敦城區和郊區的氣溫，發現城區氣溫比郊區高的現象，首次提出了“城市熱島”這一概念。據有關研究表明，隨著中國經濟的快速發展，城市化也進入到快速發展時期，每年大量的大學畢業生和務工人員涌入城市居住，預計在2030年這一比例將要達到60%[2，3]。在快速的城市化過程中，需要增加更多的城市公共服務和基礎設施建設，以滿足人們的日常生活，從而導致植被、水域等面積的大量減少，混凝土建筑、柏油馬路等城市不透水面面積日益增加，這種改變使得地表熱屬性發生了重大變化，導致城市地表溫度顯著高于周邊非城市區域，形成顯著的城市熱島效應。裴志方等[4]采用Landsat8數據研究了鄭州市的熱環境，發現鄭州市城市熱島效應明顯，高溫區域主要集中在三環內，地表溫度與植被覆蓋度為負相關關系，與不透水面則相反。王美雅等[5]利用MODIS數據分析了中國大城市的城市組成與城市熱島的關系，得出城市建筑用地和鄉村林地面積的增加會加劇城市熱島，進而影響人類健康和生存發展。城市熱島問題逐漸受到了廣泛的關注，尤其對居民影響較大的是夏季高溫天氣的熱島效應。持續發酵的高溫天氣對城市居民的健康等尤為不利，高溫天氣下使用空調的城市居民顯著增加，從而大大增加城市用電量。此外，高溫有利于大氣污染物的化學反應，加劇了大氣污染程度，不利于宜居城市的建設。因此，為了更好地解決城市熱島問題，提高居民的生活質量，研究中國快速發展的城市熱環境分布特征對于科學規劃城市布局及綠色生態環保城的建設意義重大。

近年來，中國衛星遙感空間探測技術發展迅速，利用遙感技術觀測地表信息和反演地表溫度來研究城市熱環境也不斷深入。目前，已有的研究主要包括3種熱紅外遙感數據的地表溫度反演方法：單通道算法、劈窗算法、多波段算法，并提出了各自的代表性算法[6-10]。其中，第一種算法基于1個熱紅外波段數據反演地表溫度，這種算法能將大氣和地表的影響直接包括在演算公式內，與其他算法相比簡單易行、應用方便。第二種算法基于2個熱紅外波段數據反演地表溫度。第三種算法基于多個熱紅外波段數據反演地表溫度，但該算法反演地表溫度難度大，且算法還在不斷發展中，目前很少被使用。與此同時，為滿足不同研究領域、范圍和實際應用需要，不同尺度、不同傳感器的熱紅外遙感數據的不斷涌現，為其提供了豐富的選擇[11]。利用熱紅外遙感數據進行地表溫度反演的數據源主要有HJ_1B、MODIS、ASTER和Landsat熱紅外波段數據等，相比較而言，NOVV/AVHRR和MODIS數據由于其空間分辨率均較低，往往不能刻畫出城市地表溫度的細部特征，也就達不到地表溫度反演精度和準確的要求，而Landsat系列的高空間分辨率熱紅外數據在城市熱島效應研究方面獲得了廣泛應用[12-15]， 例如，李軍等[16]基于Landsat8影像分析了重慶主城區城市熱島效應，發現受重慶當地特殊地形等因素的影響，其主城區的城市熱島強度呈現出顯著的空間分布特征。劉丹等[17]以1984—2015年Landsat衛星數據探討了哈爾濱市城市擴張過程中土地利用變化對地表溫度的影響及作用機制，得出哈爾濱市建筑用地面積由187 km2擴展到571 km2，中心城區熱島效應減弱，城區周邊區域熱島效應增強的結論。

長沙市作為中國中部區域崛起的中心城市之一，快速的經濟發展極大地促進了城市空間的快速擴張，伴隨著城市下墊面的快速轉變，城市熱環境也發生了很大變化，不少學者對長沙地區的城市熱島效應開展了相關研究[18-20]。總地來說，大多數研究集中在長沙市熱島變化及長時間序列的城市熱島效應的時空演變特征分析，或者利用氣象資料分析城市熱島變化的季節、晝夜變化特征，定量分析在快速城市化過程中引起城市熱環境變化的還比較少，且有待進一步深入。本研究采用具有高空間分辨率的Landsat8熱紅外數據，選取長沙市作為研究區域，基于單通道算法反演該研究區域的地表溫度，對長沙市城市熱環境空間分布特征及其主要地表生態環境參數對城市熱環境效應的影響開展研究。

1 研究區概況與數據

1.1 研究區概況

長沙市為湖南省省會，是長江中游地區重要的中心城市，位于湖南省東部偏北，湘江下游和長瀏盆地西緣，介于111°53′—114°15′E和27°51′—28°41′N之間，屬亞熱帶季風氣候，氣候特征夏冬季節較長，盛夏酷熱少雨，每年氣溫高于35 ℃的炎熱日平均約30 d。近年來，長沙市經濟發展迅速，城市化進程明顯加快。為重點突出分析長沙市城市熱環境特征，本研究把長沙市中心城區（包括岳麓區、天心區、芙蓉區、開福區和雨花區）及長沙縣和望城區作為研究區（圖1）。由圖1可知，該研究區是長沙市城市化發展的核心區域，交通發達，人口密度大，經過20多年的發展，城市建成區已有較大的規模，這為研究城市熱環境效應特征提供了較好的地理條件。

1.2 數據基礎及預處理

本研究主要利用Landsat8熱紅外波段數據來開展地表溫度反演工作。Landsat8衛星主要搭載陸地成像儀（Operational land imager， OLI）和熱紅外傳感器（Thermal infrared sensor， TIRS）。其中，OLI成像儀能夠獲取近紅外和全色波段影像，TIRS成像儀與之前的Landsat系列TM和ETM傳感器相比，Landsat8影像的熱紅外波段存在較大差異，其擁有2個熱紅外波段圖像第10波段（波長10.8 μm）和第11波段（12 μm）。為突出分析城市熱環境效應特征，選擇研究區夏季2016年7月23日的Landsat8遙感影像，覆蓋研究區需要二景影像，圖幅號分別為LC81230402016205LGN00和LC81230412016205LGN00。具體數據可在地理空間數據云免費下載（http：//www.gscloud.cn/），其地表反射率產品（空間分辨率30 m）已經過大氣校正以及空間重采樣至30 m分辨率的星上亮度數據。

此外，本研究還收集了2015年分辨率1 km的土地覆被數據和氣象站點常規數據。其中，土地覆被數據可以從中國科學院資源環境科學數據中心（http：//www.resdc.cn/）下載，并給出了與landsat8數據相同投影坐標系統以及重采樣至30 m空間分辨率的數據，從而進一步獲取2016年研究區土地利用數據，而氣象站點數據則由長沙市氣象局提供，作為開展地表溫度反演的輔助數據。

2 研究方法

2.1 地表溫度反演方法

Landsat8 TIRS有2個熱紅外波段可用來反演地表溫度，但是USGS官方多次公告由于TIRS11波段定標參數仍然存在不穩定性，因此，建議仍采用此前TM/ETM+的單波段方法來計算地表溫度，這一情況也在眾多學者[21，22]的相關研究中得以證實。因此，本研究采用覃志豪等[23]提出的覃志豪單窗算法（Q_SC）來開展地表溫度的反演工作。對于landsat8數據來說，主要利用其第10波段熱紅外波段數據進行地表溫度的反演，其詳細反演過程如下。

首先將landsat8 TIRS10熱紅外波段數據的DN值轉化為輻射亮溫，其公式如下：

其中，L10為Landsat 8 遙感影像數據的像元在傳感器處的輻射強度值;DN為像元灰度值;bias和gain分別是第10波段的偏置值和增益值，均可從影像頭文件（MTL）中獲取。L10、gain和bias的單位均為W/（m2?sr?μm）。

再根據Planck輻射反函數求取遙感影像每個像元的星上亮度溫度T10，公式如下：

其中，a10和b10分別是第10波段根據研究區所在的地理位置以及影像數據選取的時間，估算出大致的溫度范圍確定回歸系數，其取值大小可在表1中查找;Ta為大氣平均作用溫度，根據相應的大氣模式，將近地面空氣溫度代入其線性方程進行估算。表2所列的是4種標準大氣的大氣平均作用溫度Ta的估算方程[7]。在本研究中，選擇中緯度夏季大氣模式的大氣平均作用溫度估算公式來估算大氣平均作用溫度Ta。

其中，τ10和ε10分別為第10波段熱紅外波段的大氣透過率和地表比輻射率。對于大氣透過率的估算，由于選取的研究區范圍較小，結合當時的天氣情況可大致認為大氣水分分布變化不大，故本研究根據影像成像時間和中心經緯度，直接在NASA公布的網站（http：//atmcorr.gsfc.nasa.gov/）查詢相關數值。覆蓋整個研究區有二景影像，因此，取二景影像查詢得到的大氣透過率平均值，求得大氣透過率τ10=0.46。而地表比輻射率ε的估算，采用覃志豪等[24]提出的地表比輻射率估算方法。基于衛星像元的尺度及結合研究區的實際情況，將地表大體分為水體、城鎮建筑用地和自然地表3種地類組成。其中，水體比輻射率設為εwater=0.996;自然地表像元和城鎮建筑用地像元的地表發射率可表示為其與地表植被覆蓋度（Pv）之間的關系，計算公式為：

2.2 城市熱島比例指數

為了更為直觀地衡量城市熱島強度的大小，采用Xu等[25]創建的城市熱島比例指數（URI）。在本研究中，首先將反演出的地表溫度影像剔除云及水體，然后再對地表溫度作歸一化處理，將數值統一到0～1，計算公式為：

其中，[LSTi']和LSTi分別表示影像像元歸一化處理后的溫度值和第i個像元的地表溫度值，LSTmin和LSTmax分別表示影像像元地表溫度的最小值和最大值。在獲得歸一化處理后的地表溫度影像圖后，再基于均值—標準差法將地表溫度等級劃分為6個等級，依次為低溫區、次低溫區、中溫區、次高溫區、高溫區、特高溫區。其中，構成城市熱島的斑塊主要是次高溫區、高溫區和特高溫區。城市熱島比例指數的定義是指通過計算城市不同溫度等級的面積與城市建成區面積之比，并賦予權重來表示城市熱島現象的程度，可以比較不同時相的城市熱島效應變化，其計算公式為：

其中，m為劃分的等級，取值為6;n是城區高于郊區的溫度等級數，根據具體情況分別取為3、4、5、6級;i是城區高于郊區的第i個溫度等級;w是權重值，取第i級的級數;pi是第i級所占城市建成區面積的百分比。

2.3 城市主要地表參數的獲取

城市建成區最重要的地表生態參數是建筑用地和植被，占城市建成區很大的比例。因而以這兩種地類作為城市的主要地表參數來定量地分析它們與城市熱環境之間的關系。建筑用地信息采用Xu等[26]提出的遙感建筑用地指數IBI（Index-based Build-up Index）來獲取，至于植被信息采用較常用的歸一化植被指數NDVI來獲取。

3 結果與分析

3.1 地表溫度的空間分布特征

基于以上地表溫度反演算法，獲取到長沙市2016年7月23日地表溫度空間分布數據，如圖2所示，圖像中空白區域都是云覆蓋區域。為降低對地表溫度結果分析的影響，后續研究均對云掩膜掉。同樣，為降低水體對結果分析的影響，將研究區內的水體掩膜掉，并進一步制作得到地表溫度直方圖（圖3）。由于選取影像時間處于夏季時刻，整個研究區的地表溫度變化范圍較大，由圖3可知，溫度直方圖走勢服從正態分布趨勢，研究區溫度動態范圍主要集中在25～44 ℃，最低溫度為25 ℃，最高溫度達到58.4 ℃，平均溫度為30.8 ℃。由圖2可知，長沙市主城區地表溫度相對較高，表現為島嶼狀和零星熱島高溫區域共存的空間分布特征，而且高溫區域界限明顯，并由城市中心區域向外部減弱。長沙市主城區地表溫度明顯高于周邊農村及廣大腹地，根據統計得出整個主城區相比周邊農村和廣大腹地地表溫度要高8 ℃左右，這反映出明顯的城市熱島效應特征;此外，通過同一色標顯示下的地表溫度數值大小，能夠明顯地看出研究區內的幾條主要河流（如湘江和瀏陽河）。

地表溫度的空間分布與不同地表下墊面類型及其分布密切相關，在本研究中， 采用剖面線法用于分析不同地表下墊面類型下的地表溫度變化的差異。考慮研究區的特點及剖面線經過研究區的典型性，以城市區域為中心，大體從東—西方向和東北—西南方向利用ArcGIS軟件做貫穿整個研究區的2條剖面線（圖1），分別提取出沿2個方向剖面線的地表溫度數據，并選取了8個經過剖面線方向的典型區域進行分析（圖4中A-H及其相對應的Google地圖）。

圖4展示的是來自不同剖面線方向的地表溫度的空間變化特征。由圖4中可知，由東—西和東北—西南方向上地表溫度都伴有不同程度的起伏，出現明顯交替的“峰”“谷”，這是由于不同下墊面性質導致地表溫度值上下波動。具體來說，地表溫度的“高峰區”對應的下墊面類型是建筑用地密集、功能單一、周邊植被覆蓋稀少、周圍沒有河流經過或者具有降溫服務功能的地區，大多是商貿中心區或者是交通要道。相反，地表溫度的“低谷區”對應的地區則是河流、周邊植被覆蓋濃密且建筑用地和植被覆蓋分布相對均勻。這說明植被和水體能夠有效降低地表溫度，而建筑起著升溫的作用，尤其是在建筑用地密集、功能單一的地區升溫效果尤為明顯。此外，整體而言，2個剖面方向上都是城市區域地表溫度遠高于周邊郊區及鄉郊地區。

即使沒有與該衛星過境時刻的地表溫度產品對反演結果進行直接驗證，上述對地表溫度反演結果的空間分布特征的分析說明采用覃志豪單窗算法能夠較為準確地反映出該區域的地表溫度空間分布情況，也就說明本研究地表溫度反演結果是合理的，可為后續研究提供可靠的數據。

參考文獻：

[1] 杜晉苗，孫艷玲，馬振興，等. 基于Landsat8的天津地區夏季城市熱島區分布特征研究[J]. 天津師范大學學報（自然科學版）， 2015，35（4）：41-47.

[2] ZHOU W， HUANG G， CADENASSO M L. Does spatial configuration matter？Understanding the effects of land cover pater on land surface temperature in the urban landscapes [J]. Landscape and urban planning， 2011，102（1）：54-63.

[3] PENG J， XIE P， LIU Y， et al. Urban thermal environment dynamics and associated landscape pattern factors： A case study in the Beijing metropolitan region[J]. Remote sensing of environment， 2016，173：145-155.

[4] 裴志方，文 艷，楊武年. 城市化下城市熱環境與下墊面關系研究——以鄭州市為例[J]. 云南師范大學學報（自然科學版）， 2019，39（1）：66-71.

[5] 王美雅，徐涵秋. 中國大城市的城市組成對城市熱島強度的影響研究[J]. 地球信息科學學報， 2018，20（12）：1787-1798.

[6] JIMENEZ-MUNOZ J C，SOBRINO J A. A Generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of geophysical research：Atmospheres， 2003， 108（22）：4688-4696.

[7] QIN Z， KARNIELI A， BERLINER P. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J]. International journal of remote sensing，2001，22（18）：3719-3746.

[8] WAN Z， DOZIER J A. Generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE transactions on geoscience and remote sensing， 1996，34（4）：892-905.

[9] BECKER F， LI Z L. Temperature-independent spectral indices in thermal infrared bands[J].? Remote sensing of environment，1990，32（1）：17-33.

[10] WAN Z ， LI Z L. A Physics-based algorithm for retrieving land-emissivity and temperature from EOS/MODIS data[J]. IEEE transactions on geoscience and remote sensing，1997，35（4）：980-996.

[11] 趙 偉，李愛農，張正健，等. 基于Landsat8熱紅外遙感數據的山地地表溫度地形效應研究[J]. 遙感技術與應用，2016，31（1）：63-73.

[12] 丁海勇，史恒暢. 基于Landsat數據的城市熱島變化分析——以南京市為例[J]. 安全與環境學報，2018，18（5）：2033-2044.

[13] 李 樂，徐涵秋. 杭州市城市空間擴展及其熱環境變化[J]. 遙感技術與應用， 2014， 29（2）： 264-272.

[14] 何炳偉，趙 偉，李愛農，等. 基于Landsat8 遙感影像的新舊城區熱環境特征對比研究——以成都市為例[J]. 遙感技術與應用， 2017，32（6）：1141-1150.

[15] 侯浩然，丁 鳳，黎勤生. 近20年來福州城市熱環境變化遙感分析[J]. 地球信息科學學報，2018，20（3）：385-395.

[16] 李 軍，趙 彤，朱 維，等. 基于Landsat8的重慶地區主城區熱島效應研究[J]. 山地學報，2018，33（7）：1214-1220.

[17] 劉 丹，于成龍. 城市擴張對熱環境時空演變的影響——以哈爾濱為例[J]. 生態環境學報，2018， 27（3）：509-517.

[18] 葉 鈺，秦建新，胡順石. 長沙市熱島效應時空特征變化研究[J]. 地球信息科學學報，2017， 19（4）：518- 527.

[19] 劉宇鵬，楊 波，陳 崇. 基于遙感的長沙市城市熱島效應時空分析[J]. 遙感信息，2011（6）：73- 78.

[20] 龔志強，何介南，康文星，等. 長沙市城區熱島時間分布特征分析[J]. 中國農學通報，2011，27（14）：200-204.

[21] 徐涵秋. 新型Landsat8衛星影像的反射率和地表溫度反演[J]. 地球物理學報， 2015， 58（3）： 741-747.

[22] 宋 挺，段 錚，劉軍志，等. 基于Landsat 8 數據地表溫度反演算法對比[J]. 遙感學報， 2015， 19（ 3） ： 451-464.

[23] 覃志豪，ZHANG M，KARNIELI 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）： 200-212.

[24] 覃志豪，李文娟，徐? 斌，等. 陸地衛星TM6波段范圍內地表比輻射率的估計[J]. 國土資源遙感，2004，16（3）： 28-32.

[25] XU H Q， CHEN B Q. Remote sensing of the urban heat island and its changes in Xiamen city of SE China[J]. Journal of environment sciences， 2004， 2（16）： 276-281.

[26] XU H Q. A new index for delineating build-up land features in satellite imagery[J]. International journal of remote sensing， 2008， 29（14）： 4269-4276.