基于Landsat數據的綿陽市城市熱島效應研究

余 洋 韓如冰 唐中華

基于Landsat數據的綿陽市城市熱島效應研究

余 洋 韓如冰 唐中華

（西南科技大學土木工程與建筑學院 綿陽 621000）

隨著城市化進程的不斷推進，城市熱島也隨之不斷發展演變。以2004年至2016年的四組Landsat衛星影像數據為基礎，使用基于輻射傳輸方程的方法獲取了綿陽市2004年至2016年的四幅地表溫度分布圖像；采用監督分類法獲取了四幅地表分類圖像。研究結果表明：從2004年至2016年，綿陽市的城市區域沿著涪江和安昌河兩岸不斷延伸，城市建成面積擴大了一倍多，農田和林地的面積則分別減少了17.8%和12.1%；城市熱島分布范圍不斷擴大，強度在不斷地增強；適當的增加城市的水體和植被的面積則能夠明顯削弱城市熱島效應強度。

城市熱島；地表溫度；土地分類；地溫反演；Landsat

0 引言

隨著城市化進程的不斷發展，世界上超過一半的人口居住在城市中[1]。伴隨著城市化進程的不斷推進，城市的下墊面等表面也隨之變化[2,3]，因而大中城市均出現了不同程度的城市熱島效應（UHI）[4]。熱島效應不僅會改變城市氣候，還會造成城市氣溫升高，提升建筑設備的運行能耗，甚至危害人體健康[5]。因而城市熱島效應引起國內外廣大學者的關注，研究對象幾乎都針對的是大城市（如北京，上海，廣州，香港，蘇州等）[6-8]，對中等城市的研究相對較少。而實際上，盡管中等城市的規模和人口密度和大型城市有很大區別，但中等城市的熱島效應已經出現了明顯的特征。本文將以四川省綿陽市這個中等城市為例進行熱島效應相關研究。

近幾十年來，城市熱島研究中越來越關注地表溫度的作用[9]，由于傳統的氣象數據無法準確的獲得全面的城市氣溫，特別是在研究城市土地利用的分類、城市熱島的時空演變和發展等方面[10-12]，廣泛采用了遙感技術數據和地理信息系統的研究方法。

本文根據2004年至2016年的4組Landsat數據綿陽城市熱島演變進行研究。采用基于輻射傳輸方程的方法獲取了四個不同年份的城市地表溫度圖像，并且采用均值——標準差的方法并將它們進行歸一化處理，用以分析和比較不同年份的城市熱島強度。此外還利用監督分類法獲取了綿陽市四個不同年份的土地利用圖像，以探究不同時期綿陽市的城市化進程。

1 數據及研究區域概況

1.1 研究區域

綿陽市地理坐標為北緯30°42′至33°03′，東經103°45′至105°43′（見圖1），位于四川盆地的東北邊緣地帶，城市建筑和人口密集的區域主要集中于涪江和安昌河兩岸以及其交匯處。

本文基于2016年谷歌地球衛星圖像手動繪制了綿陽主城區的城市邊界，并將其用作研究區域，整個研究區域主要包括涪城區和游仙區兩個部分。

圖1 研究區域位置示意圖

1.2 數據

本文使用4組Landsat ETM +數據影像來研究綿陽的城市熱島效應，它們均來自地理空間數據云網站。

由于在2003年5月Landsat7搭載的ETM+搭載的機載掃描行校正器發生了故障，因此在此之后其所有獲取的圖像都發生了嚴重的條帶丟失的情況，針對這一情況，我們采用ENVI 5.3軟件當中的插件對四組數據分別進行了修復工作。

表1 四組Landsat數據

2 地表溫度反演方法

有文獻表明，對于ETM+數據，采用單通道算法和基于輻射傳輸方程的算法獲取的地表溫度精度要高于其它的算法[13,14]，因此本文選用基于輻射傳輸方程的算法來反演綿陽市的地表溫度。

2.1 地溫反演

歸一化差異植被指數（）反映植被分布狀況，值越高，則植被的覆蓋度越大，生長也越茂密。的計算式見公式（1），通常在-1~1的范圍內。

地表比輻射率是同種溫度下地表輻射量和黑體輻射量的比值，用于表征物體表面的發射能力，是反演地表溫度的必要參數。水體的地表比輻射率近似于黑體，本文將比輻射率設置為0.995，對于城市和自然表面，則按照已有研究公式進行計算[15]。

Landsat7所搭載的衛星傳感器接收到的紅外熱輻射值大致可以分為三部分：大氣向上輻射、地表接收到的大氣反射、地表輻射的通過大氣層抵達衛星傳感器的輻射量。紅外熱輻射值的計算見公式（4）。

進一步根據普朗克公式的反函數來計算地表溫度：

式中，1和2是紅外波段的定標參數，對于Landsat7 ETM+傳感器，1=666.09W/(m2?sr?μm)，2=1282.71K。

2.2 城市熱島強度計算

為了更好地比較不同時期城市熱島強度的差異，對獲得的地表溫度數據進行歸一化處理，并且根據表2將地表溫度劃分成不同的溫度等級。

表2 地表溫度等級劃分標準

為更好的表征城市的熱島強度，進一步計算城市熱島強度指數（）來比較不同年份城市熱島強度的差異，熱島強度指數通過式（6）進行計算。

2.3 地表分類精度分析

基于2004年至2016年綿陽市的四組Landsat ETM影像數據，研究土地覆蓋（LULC）地圖并研究LULC的變化。對分類結果進行評估，計算混淆矩陣、各個準確性和Kappa系數，結果顯示所有準確率都超過80%。

表3 地表分類的精度評價表

3 結果分析

3.1 地表溫度結果分析

基于輻射傳輸方程法和四組Landsat ETM +數據反演得到的地表溫度圖像，如圖2所示。由圖2可知，自2004年至2016年，高溫區域沿著安昌河和涪江兩側在不斷擴張，綿陽市地表溫度最高的部分始終位于城市區域。由表4可知，自2004年春季至2009年春季，地表溫度最小值幾乎恒定，而最大值和平均值分別增加了2.5℃和1.2℃。而自2013年夏季至2016年，地表溫度的最小值增加了1.62℃，最大值和平均值分別增加了15.6℃和8.32℃。因此可知，自2004年至2016年，綿陽市的平均地表溫度一直在增長。

圖2 綿陽市不同年份地表溫度圖像

表4 綿陽市不同年份地表溫度統計表

3.2 熱島強度指數分析

由圖3和表5可知，自2004年至2016年，綿陽市城市熱島強度不斷地增強，極高溫地區和高溫地區的面積不斷增長且集中在城市區域；極低溫地區和低溫地區的面積則不斷的減少且集中在水體和自然植被覆蓋的區域。自2004年至2009年，綿陽市的熱島強度指數（URI）變化不大，盡管極高溫區域增加了4.55%，但高溫區域減少了5.98%，而URI僅增加了0.011。自2009年至2016年，極高溫區域和高溫區域的面積分別增加了16.26%和3.82%，低溫區域面積減少了20.41%，URI從0.31增加到0.49，城市的熱島強度顯著提高。

圖3 綿陽市不同年份溫度等級圖像

表5 綿陽市不同年份各溫度等級面積（百分比）和URI值

3.3 地表分類圖像

圖4為采用監督分類方法獲取的綿陽市2004年至2016年的土地利用/土地覆蓋（LULC）圖像。表6統計了綿陽市2004年至2016年四個年份各自的土地利用狀況。由圖4和表6可知，自2004年至2016年，綿陽市城區面積持續增加，農田、耕地等植被區域面積持續減少。特別是2013年至2016年期間，城區面積增加了將近一倍。

由圖4可知，綿陽市新建區域主要集中分布在涪江、安昌河的沿岸地區。新建城區區域從2004年的17.9%提高到2016年的47.6%（新建城區面積與總城區面積的比值）。同時，農田、耕地、林地等自然植被覆蓋區域面積的逐年減少。以林地為例，2004年林地占城區總面積的17.8%，而2016年林地僅占城區總面積的5.7%。

圖4 綿陽市不同年份LULC圖像

表6 綿陽市不同年份土地利用類型統計表

4 主要研究結論與展望

本文以綿陽市2004年至2016年的四組Landsat ETM+數據為基礎，獲取了四個不同年份的地表溫度圖像以及土地利用/土地覆蓋圖像，分析了綿陽市城市熱島的時空分布特征以及演變過程，主要的結論包括以下幾條：

（1）從2004年到2016年，綿陽市的平均地表溫度在不斷增高，高溫區域和極高溫區域的面積總體呈增大的趨勢，主要集中在人口和建筑比較密集的區域。期間綿陽市的城市熱島強度也在不斷的增強，并且城市熱島分布的范圍也越來越廣，不少植被區域在城鎮化過后地表溫度陡然增高，熱島強度也隨之增強。

（2）從2004年到2016年，綿陽市的土地利用狀況發生了顯著的變化，沿著涪江和安昌河兩岸城市建成區域面積不斷增加。從2004年至2016年，整個城市的建成區面積百分比增加了29.7%；而農田、林地等植被覆蓋區域的面積則不斷的減少，農田面積減少了17.8%，林地面積減少了12.1%。這種改變帶來的直接影響則是城市熱島的分布范圍隨著建成區域的擴大而不斷擴大，且強度不斷增加。

（3）城市下墊面的類型是影響城市熱島的一項重要因素，下墊面的透水性與輻射吸收系數的改變使得整個城市蓄積大量的熱量，導致城市熱島強度增加。自2004年到2016年，綿陽市大量的自然植被表面被城市區域取代，造成城市熱島強度增強以及分布范圍擴大，因此在未來的城市規劃和城市改造中，應采取一些技術措施，盡量保留一定面積的植被和水體區域。這些技術措施包括：改造既有建筑屋面為淺層蓄水屋面或者綠化屋面；下墊面采用透水性強、反射率高的材料；暖通工程師應優化冷熱源設計方案，盡量減小系統排熱量對熱島效應的影響。

[1] LEE S H, BAIK J J. Evaluation of the vegetated urban canopy model (VUCM) and its impacts on urban boundary layer simulation[J]. Asia-Pacific Journal of Atmospheric Sciences, 2011,47(2):151-165.

[2] 何川,王亮,王志星.立面綠化植被層能量平衡數學模型研究[J].制冷與空調,2019,33(3):328-331.

[3] 盛肖利,劉學來,李永安,等.北方農村建筑圍護結構節能研究[J].制冷與空調,2019,33(4):395-398.

[4] MOONEN P, DEFRAEYE T, DORER V, et al. Urban Physics: Effect of the micro-climate on comfort, health and energy demand[J]. Frontiers of Architectural Research, 2012,1(3):197-228.

[5] ESTOQUE R C, MURAYAMA Y, MYINT S W. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia[J]. Science of the Total Environment, 2017,577:349.

[6] 付盈,國巧真,吳曉旭.基于Landsat 8遙感數據的天津市地表溫度反演[J].中國環境監測,2018,34(5):165-172.

[7] 何炳偉,趙偉,李愛農,等.基于Landsat 8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.

[8] 衛玲玲,段夢雷,王子涵.基于Landsat 8衛星影像的熱島效應研究——以南京市主城區為例城市勘測[J].2018,(6):54-58.

[9] VOOGT, J A, OKE, et al. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003,86(3):370-84.

[10] LI Z L, TANG B H, WU H, et al. Satellite-derived land surface temperature: Current status and perspectives[J]. Remote Sensing of Environment, 2013,(131):14-37.

[11] MILLER R B, SMALL C. Cities from space: potential applications of remote sensing in urban environmental research and policy[J]. Environmental Science & Policy, 2003,6(2):129-37.

[12] JACOB F, LESAIGNOUX A, OLIOSO A, et al. Reassessment of the temperature-emissivity separation from multispectral thermal infrared data: Introducing the impact of vegetation canopy by simulating the cavity effect with the SAIL-Thermique model[J]. Remote Sensing of Environment, 2017,198:160-172.

[13] DIANDIAN J, ZHAONING G. Algorithms Comparison of Land Surface Temperature Retrieval from Landsat Series Data:A Case Study in Qiqihar,China[J]. Remote Sensing Technology and Application, 2018,33(5):830- 841.

[14] XUHAN-QIU, CHENBEN-QING. Remote sensing of the urban heat island and its changes in Xiamen City of SE China[J]. Journal of Environmental Sciences, 2004,16(2): 276-281.

[15] QIN Z, LI W, XU B, et al. The Estimation of Land Surface Emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004,16(3):28-32.

Research on Urban Heat Island Effect of Mianyang City Based on Landsat Data

Yu Yang Han Rubing Tang Zhonghua

( School of Civil Engineering and Architecture, Southwest University of Science and Technology, Mianyang, 621000 )

With the continuous advancement of urbanization, urban heat islands also continue to evolve. Based on the four sets of Landsat satellite image data from 2004 to 2016, this paper uses the method based on the radiative transfer equation to obtain four surface temperature distribution images in Mianyang City from 2004 to 2016; uses the supervised classification method to obtain four surface classification images . The research results show that from 2004 to 2016, the urban area of Mianyang City continued to extend along the banks of the Fujiang and Anchang Rivers, the urban built-up area more than doubled, and the area of farmland and woodland decreased by 17.8% and 12.1%, respectively; The distribution range of urban heat islands continues to expand, and the intensity continues to increase; an appropriate increase in the area of urban water and vegetation can significantly weaken the intensity of the urban heat island effect.

urban heat island; land surface temperature; land classification; ground temperature inversion; Landsat

P237

B

1671-6612（2021）02-196-06

余 洋（1995.6-），男，在讀碩士研究生，E-mail：760753261@qq.com

2020-07-24