基于無人機(jī)影像的華南農(nóng)業(yè)大學(xué)不同下墊面地表降溫效益研究

黃婷?孫思?唐光大

摘要：以華南農(nóng)業(yè)大學(xué)校園為研究對(duì)象，通過攜帶熱成像傳感器的無人機(jī)，獲取了校園中心區(qū)域不同下墊面的熱成像圖片，分析不同下墊面的日地表溫度變化，探討其地表降溫效果的影響因素。結(jié)果表明，一天中總體降溫幅度從大到小的下墊面依次為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑，水體和綠地尤其是林地的地表降溫效益顯著。林地的周長為0～600 m，面積為0～7 000 m2時(shí)，與林地的地表降溫幅度呈正相關(guān)；林地的周長面積比、景觀形狀指數(shù)、分維數(shù)與地表降溫幅度呈負(fù)相關(guān)，林地形狀和邊緣越簡(jiǎn)單，形狀接近圓形，地表降溫效益越好。

關(guān)鍵詞：校園綠地；下墊面；林地；無人機(jī)遙感；降溫效益

中圖分類號(hào)：TU986

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1671-2641（2023）03-0052-04

收稿日期：2022-06-17

修回日期：2022-08-19

Abstract：Taking the campus of South China Agricultural University as the research object， thermal imaging images of different underlying surfaces in the central area of the campus are obtained through drones carrying thermal imaging sensors. The daily surface temperature changes of different underlying surfaces are analyzed， and the influencing factors of their surface cooling effect are explored. The results indicate that the underlying surface with the overall cooling amplitude from large to small in a day is water body， forest land， tree shrub grass green space/tree grass green space， road， building. Among them， the surface cooling benefits of water body and green space， especially forest land， are significant. When the perimeter of a forest land is between 0～600 m and the area is between 0～7 000 m2， they are positively correlated with the surface cooling amplitude of the forest land. The perimeter area ratio， landscape shape index and fractal dimension of forest land are negatively correlated with the magnitude of surface cooling. The simpler the shape and edge of forest land， the closer the shape is to a circular shape， and the better the surface cooling efficiency.

Key words： Campus green space; Underlying surface; Woodland; UAV remote sensing; Cooling efficiency

在城市化越來越快的今天，城市“熱島效應(yīng)”受到廣泛關(guān)注[1]，對(duì)城市熱環(huán)境的研究也越來越多。校園舒適環(huán)境對(duì)學(xué)生和教職工的身心健康和學(xué)習(xí)工作效率具有重要影響。而在極端炎熱氣候的情況下，如何優(yōu)化校園熱環(huán)境顯得尤為關(guān)鍵。本文擬通過研究華南農(nóng)業(yè)大學(xué)不同下墊面類型的地表降溫效益，為校園熱環(huán)境的優(yōu)化提供科學(xué)依據(jù)。

測(cè)量地面熱環(huán)境的方法主要包括地面氣象站觀測(cè)法、定點(diǎn)現(xiàn)場(chǎng)觀測(cè)、移動(dòng)樣帶法、數(shù)值模擬法和衛(wèi)星遙感監(jiān)測(cè)法[2]。氣象站觀測(cè)容易受到站點(diǎn)數(shù)量和分布、站點(diǎn)間的距離等差異影響[3]；定點(diǎn)現(xiàn)場(chǎng)觀測(cè)工作量大，并且僅能獲取局部數(shù)據(jù)[4]；移動(dòng)樣帶法在時(shí)間上不同步，且花費(fèi)時(shí)間長[5]；數(shù)值模擬法無法代替真實(shí)的環(huán)境[6]；衛(wèi)星遙感法容易受到天氣影響，并且周期長，分辨率低，不適用于中小尺度空間的研究[7]。近年來，有研究利用無人機(jī)提取三維綠量[8～10]、城市綠地信息[11～12]等，或利用搭載熱紅外相機(jī)的無人機(jī)分析地表溫度的日變化與月變化[13]。無人機(jī)受天氣影響小，分辨率高，精度為0.1 m，操作較為簡(jiǎn)單，獲取數(shù)據(jù)方便快捷，周期短，提高了測(cè)量效率，同時(shí)可獲取不同下墊面的地表溫度數(shù)據(jù)，并且差異結(jié)果清晰直觀，對(duì)獲取城市綠地的熱環(huán)境數(shù)據(jù)有極大幫助。雖然無人機(jī)熱紅外遙感在獲取地表溫度時(shí)精度會(huì)受到高度的影響，但在100 m以下的誤差較小，且反射強(qiáng)的人工下墊面的獲取數(shù)據(jù)精度高于自然下墊面的[14]。本文將通過使用無人機(jī)在100 m高空中獲取高精度影像數(shù)據(jù)，結(jié)合地理信息系統(tǒng)（GIS）技術(shù)和熱紅外成像技術(shù)，對(duì)華南農(nóng)業(yè)大學(xué)不同下墊面類型的地表降溫效益進(jìn)行分析和比對(duì)，研究影響因素，以期為校園綠地的空間布局、大小和形狀等生態(tài)規(guī)劃和設(shè)計(jì)提供參考。

1 數(shù)據(jù)與方法

1.1 研究地概況

華南農(nóng)業(yè)大學(xué)位于廣東省廣州市，屬南亞熱帶季風(fēng)氣候，具有光照充足、多雨、溫差小的氣候特點(diǎn)。其有“園林式大學(xué)”的美譽(yù)，校園植物豐富，主要園林植物共有 223 種[15]。本次研究選取華南農(nóng)業(yè)大學(xué)校園中心區(qū)域?yàn)檠芯繉?duì)象，包括行政樓區(qū)域、嵩山教工住宿區(qū)、六一教工住宅區(qū)、樹木園和果園等，拍攝總面積為 61 hm2。

1.2 研究方法

1.2.1 無人機(jī)影像獲取

使用大疆Mavic 2行業(yè)雙光進(jìn)階版熱成像無人機(jī)于2022年4月，選取天氣晴朗微風(fēng)的日子，于8：00、10：00、12：00、14：00、16：00、18：00、20：00進(jìn)行拍攝，重復(fù)3次。拍照模式為等時(shí)間間隔拍攝，拍攝時(shí)長為25 min，飛行高度100 m，起飛速度為15 m/s，航線速度為15 m/s，邊距為20 m，航向重疊率為80％，旁向重疊率為70％。平均每個(gè)時(shí)間點(diǎn)共可獲取約250 張照片，可見光和熱紅外照片各一半，共獲取6 237張照片。其中可見光照片像素分辨率為? ?8 000×6 000，熱紅外照片像素分辨率為640×512。

1.2.2 影像圖處理

所獲取的影像利用Pix4Dmapper進(jìn)行拼接，分為可見光和熱紅外2個(gè)部分。將每個(gè)時(shí)間段的熱紅外影像進(jìn)行拼接，獲得反射影像（Reflectance Map），將可見光影像拼接，獲得數(shù)字正射影像（Digital Orthophoto Map，DOM）。在大疆的熱成像分析軟件DJI Thermal Analysis Tool中對(duì)熱紅外圖片進(jìn)行信息查詢，讀取每張圖片最高地表溫度和最低地表溫度。在ArcGIS中對(duì)反射影像圖進(jìn)行處理，將不同溫度波段分別提取出來，用柵格計(jì)算器合成一個(gè)波段，再用柵格計(jì)算器代入溫度的最大值和最小值進(jìn)行換算，可得到地表溫度灰度圖。將灰度圖與拍攝所得的可見光圖進(jìn)行地理配準(zhǔn)，利用“值提取到點(diǎn)”工具獲取地表溫度數(shù)據(jù)。

1.3 樣地選擇和溫度數(shù)據(jù)提取

在數(shù)字正射影像內(nèi)選取17個(gè)樣地和1個(gè)對(duì)照區(qū)作為分析對(duì)象（表1，圖1）。對(duì)照區(qū)是無植被遮擋且遠(yuǎn)離水體的硬質(zhì)鋪裝空地，避免了水體和遮蔭造成的誤差。對(duì)于每個(gè)樣地和對(duì)照區(qū)，在東、南、西、北、中5個(gè)位置中各選3個(gè)點(diǎn)獲取地表溫度數(shù)據(jù)，以15個(gè)點(diǎn)的地表溫度平均值作為其地表溫度。最后取相同下墊面類型的不同樣地的平均地表溫度，作為各下墊面類型的平均地表溫度。

1.4 數(shù)據(jù)分析方法

為探究影響綠地地表降溫的因素，選取了周長（P）、面積（A）、周長面積比（PA）、景觀形狀指數(shù)（LSI）、還有分維數(shù)（Fd）等指標(biāo)，作為綠地幾何特征的描述參數(shù)[16]。其中，周長、面積利用ArcGIS軟件計(jì)算得出，周長面積比、景觀形狀指數(shù)和分維數(shù)利用以下公式計(jì)算得出。

PA=P/A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

LSI=P/ 2? ? ? ? ? ? ? ? ? ? ? ? ? （2）

Fd =? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

PA指示綠地的平均幾何形狀。LSI最小值為1，此時(shí)綠地形狀為圓形，當(dāng)綠地越接近圓形時(shí)，LSI越接近1。式（3）中，k為常數(shù)，通常取值為4[16]，F(xiàn)d 的取值在1～2，F(xiàn)d 越接近 1，斑塊邊緣越簡(jiǎn)單，接近一條直線，F(xiàn)d 越接近 2，斑塊邊緣越復(fù)雜。

此外，本文將地表降溫強(qiáng)度定義為對(duì)照區(qū)與樣地綠地之間的地表溫度差值。

將不同下墊面的地表溫度數(shù)據(jù)導(dǎo)入Excel，生成圖表，開展幾何因素與地表降溫幅度之間的相關(guān)性分析。

2 結(jié)果與分析

2.1 不同下墊面類型的地表溫度變化

在7個(gè)時(shí)間點(diǎn)中，林地、喬-灌-草綠地和喬-草綠地區(qū)域在反射影像圖中的顏色均為黃色或綠色，地表溫度較低，說明植被可降低地表溫度，降溫效益明顯，且地表溫度越高，綠地地表降溫幅度越大。在10：00—20：00，建筑、道路和對(duì)照區(qū)的地表溫度和降溫強(qiáng)度均比其他下墊面高。8：00—12：00，建筑與道路地表溫度上升，12：00—20：00地表溫度下降，地表升溫和降溫速率也大于其他下墊面（圖2）。喬-草綠地與喬-灌-草綠地的地表溫度差異較小。8：00—10：00，喬-灌-草綠地的地表溫度略高于喬-草綠地；10：00—12：00，喬-草綠地的地表升溫速率大于喬-灌-草綠地，在12：00二者的地表溫度差為1.4 ℃；14：00—20：00，這兩類下墊面的地表溫度都逐漸下降。而林地的地表溫度在白天低于喬-灌-草綠地和喬-草綠地，在8：00—10：00下降了2.43 ℃，10：00—12：00上升速率為3.4 ℃/h。林地的地表溫度在一天之中穩(wěn)定在25 ℃左右，林地是地表溫度波動(dòng)幅度小的綠地類型。水體的地表溫度在一天中保持在? 25 ℃左右，但在夜間地表溫度上升了約3.0 ℃。

2.2 不同下墊面類型降溫效益比對(duì)

不同下墊面類型在一天之中的總體降溫幅度從大到小為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑。在8：00，綠地下墊面的降溫幅度大小接近一致。12：00—16：00，下墊面降溫幅度從大到小依次為水體、林地、喬-灌-草綠地/喬-草綠地、道路、建筑。在18：00—20：00，下墊面降溫幅度從大到小依次為喬-灌-草綠地、喬-草綠地、林地、水體、道路、建筑。綠地下墊面和水體的降溫幅度大小均在14：00達(dá)到峰值（圖3）。

2.3 林地降溫影響因素分析

分析7個(gè)林地樣地（表2）的形狀對(duì)其地表降溫效果的影響，結(jié)果表明，7個(gè)林地的周長和面積與其地表降溫幅度之間的關(guān)系并非是簡(jiǎn)單的線性關(guān)系，林地的周長為0～600 m時(shí)，與其地表降溫幅度呈高度正相關(guān)（0.8 ≤|R|< 0.95，R＞0，圖4），周長越大，地表降溫效益越明顯。林地的面積為0～7 000 m2時(shí)，與其地表降溫幅度呈中度正相關(guān)（0.5≤|R|<0.8，R＞0，圖5），面積越大，地表降溫效益越明顯。但是林地的周長和面積超過一定的范圍后，林地的地表降溫效益不一定會(huì)隨著兩者的增加而增大。林地的周長面積比、景觀形狀指數(shù)、分維數(shù)與其地表降溫效益呈低度負(fù)相關(guān)（0.3≤|R|<0.5，R<0）。周長面積比和景觀形狀指數(shù)是林地斑塊形狀的重要參數(shù)，當(dāng)周長面積比、分維數(shù)和景觀形狀指數(shù)越低，綠地形狀和邊緣越簡(jiǎn)單，形狀接近圓形，綠地斑塊的地表降溫效益越好。

3 結(jié)論與討論

不同下墊面類型在一天之中的地表溫度變化從大到小依次為建筑、道路、喬-草綠地/喬-灌-草綠地、林地、水體。水體的溫度在一天中最穩(wěn)定，變化幅度最小，在晚上20：00左右溫度略有上升。各綠地類型中，林地地表降溫效果最佳，在白天溫度越高的時(shí)間段地表降溫效益越好，地表溫度最穩(wěn)定。林地的周長面積比、景觀形狀指數(shù)和分維數(shù)與林地的降溫效益呈負(fù)相關(guān)性，林地的形狀越接近圓形，邊緣越規(guī)則，林地斑塊的地表降溫效益越好。在本研究中，面積為? ?1 000～7 000 m2的林地，面積每增加1 000 m2，地表降溫約0.3 ℃；然而面積超過60 000 m2的樹木園林地的地表降溫效益并沒有比其他面積較小林地的明顯，甚至在夜間地表溫度略有上升，說明林地在一定面積范圍內(nèi)降溫效果明顯，但并非面積越大，地表降溫效果越好。基于水體和綠地尤其是林地的地表降溫效益顯著的結(jié)論，筆者建議在城市規(guī)劃和建筑設(shè)計(jì)中，應(yīng)注重增加綠化和水體面積，減少裸地和建筑密度，以達(dá)到緩解熱島效應(yīng)、改善城市環(huán)境的目的。

此外，本文在研究過程中采用了無人機(jī)影像和GIS技術(shù)相結(jié)合的方法，其具有操作簡(jiǎn)便、數(shù)據(jù)精度高、效率快等優(yōu)點(diǎn)，可以為城市中小尺度熱環(huán)境提供一種有效的研究途徑。無人機(jī)技術(shù)的應(yīng)用不僅可以提高地表溫度的測(cè)量精度和效率，還可以為城市規(guī)劃和建筑設(shè)計(jì)提供更多的數(shù)據(jù)支持。因此，在城市規(guī)劃中應(yīng)加強(qiáng)對(duì)無人機(jī)技術(shù)的應(yīng)用和發(fā)展，將其作為一種重要的數(shù)據(jù)采集手段和分析工具。但無人機(jī)技術(shù)在實(shí)際應(yīng)用中也存在一些限制，如無人機(jī)影像的采集和處理需要一定的技術(shù)和設(shè)備支持，需要一定的成本；同時(shí)，數(shù)據(jù)的分析和解釋也需要一定的專業(yè)知識(shí)和技能。因此，在應(yīng)用方法時(shí)需要權(quán)衡成本和效益，根據(jù)具體的需求和條件選擇合適的方法和工具。

致謝：感謝廣州沛森園林景觀設(shè)計(jì)有限公司贊助本研究所使用的大疆 Mavic 2 行業(yè)雙光進(jìn)階版熱成像無人機(jī)。

注：圖片均為作者自繪自攝

參考文獻(xiàn)：

[1]黃煥春，嚴(yán)思平. 城市熱島效應(yīng)研究熱點(diǎn)與前沿的可視化分析——基于CiteSpace聚類分析[J]. 南京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，20（6）：94-110.

[2]肖榮波，歐陽志云，張兆明，等. 城市熱島效應(yīng)監(jiān)測(cè)方法研究進(jìn)展[J]. 氣象，2005（11）：4-7.

[3]王喜全，王自發(fā)，郭虎. 北京“城市熱島”效應(yīng)現(xiàn)狀及特征[J]. 氣候與環(huán)境研究，2006（5）：627-636.

[4]吳菲，李樹華，劉嬌妹. 城市綠地面積與溫濕效益之間關(guān)系的研究[J]. 中國園林，2007，23（6）：71-74.

[5]范舒欣，李坤，張夢(mèng)園，等. 城市居住區(qū)綠地小微尺度下墊面構(gòu)成對(duì)環(huán)境微氣候的影響——以北京地區(qū)為例[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2021，43（10）：100-109.

[6]張常旺，孟飛，于琦人. 基于ENVI-met的校園熱環(huán)境數(shù)值模擬研究[J]. 山東建筑大學(xué)學(xué)報(bào)，2018，33（3）：50-55.

[7]仇寬彪，張慧，高吉喜，等. 上海城市林地斑塊冷島效應(yīng)的城鄉(xiāng)梯度變化[J]. 生態(tài)學(xué)雜志，2021，40（5）：1409-1418.

[8]陳荻，李衛(wèi)正，孔文麗，等. 基于低空高分辨影像的三維綠量計(jì)算方法——以南京林業(yè)大學(xué)校園為例[J]. 中國園林，2015，31（9）：22-26.

[9]周雯慧. 基于無人機(jī)遙感技術(shù)的沈陽某高校三維綠量定量化研究[D]. 沈陽：沈陽航空航天大學(xué)，2018.

[10]羅嘉貝，周瑩菲，冷寒冰，等. 基于無人機(jī)影像的城市復(fù)雜三維綠量快捷估算——以上海植物園為例[J]. 華東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2022（1）：122-134.

[11]吳卓恒，徐霞，陶帥. 基于無人機(jī)影像的城市綠地提取分析[J]. 四川林業(yè)科技，2019，40（6）：65-70.

[12]張敏霞，梅丹英，高偉俊，等. 無人機(jī)遙感技術(shù)在城市綠地監(jiān)測(cè)中的應(yīng)用進(jìn)展[J]. 中國城市林業(yè)，2019，17（5）：5-11.

[13]田慧慧，馮莉，趙璊璊，等. 無人機(jī)熱紅外城市地表溫度精細(xì)特征研究[J]. 遙感技術(shù)與應(yīng)用，2019，34（3）：553-563.

[14]金蓉，趙立華，鄭林濤，等. 無人機(jī)低空熱紅外遙感觀測(cè)高度對(duì)地表溫度反演的影響[J]. 建筑科學(xué)，2022，38（2）：89-98.

[15]林月明. 《華南農(nóng)業(yè)大學(xué)校園植物組成與利用分析》翻譯報(bào)告[D]. 廣州：華南農(nóng)業(yè)大學(xué)，2018.

[16]秦仲. 北京奧林匹克森林公園綠地夏季溫濕效應(yīng)及其影響機(jī)制研究[D]. 北京：北京林業(yè)大學(xué)， 2016.

作者簡(jiǎn)介：

黃婷/1997 年生/女/江西贛州人/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州 510642）/在讀碩士研究生/專業(yè)方向?yàn)轱L(fēng)景園林植物

孫思/1980 年生/男/重慶人/博士/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州 510642）/副教授/碩導(dǎo)/研究方向?yàn)榱謽I(yè)災(zāi)害遙感、林木與園林植物病害診斷與防治

（＊通信作者）唐光大/1982 年生/男/貴州普安人/博士/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州 510642）/副教授/碩導(dǎo)/研究方向?yàn)橹参锵到y(tǒng)進(jìn)化、森林植物資源、森林生態(tài)學(xué)/E-mail： tgd1101@126.com