论文部分内容阅读
[摘要]地表温度（LST）是研究区域地表能量平衡和资源环境变化重要的参数之一，也是区域生态环境过程的主要影响因素，同时也是地球科学中很重要的组成部分。本文选取2009年8月北京的Landsat TM影像对北京地区的地面温度进行反演。并通过城市热场变异指数（HI）对北京地区的热岛效应进行定量化分析，结果表明HI能够明显的反应出城市热岛现象。
[关键词]地表温度 植被指数 单窗算法 热岛效应
[中图分类号] P412.11 [文献码] B [文章编号] 1000-405X（2014）-6-243-3
0引言
地表温度[1]（LST，Land Surface Temperature）是研究区域能量平衡和资源环境变化的重要参数之一，也是区域生态环境过程的主要因素。LST作为地球科学非常重要的组成的部分，一方面决定了地表向大气的长波辐射能力，另一方面LST也取决于地表许多参数的状态，如地表湿度、植被覆盖和长势。因此掌握LST的空间分布状态及其时间变化态势，对于准备模拟大气和地表、地表地物之间的能量交换是十分必要的。
同时，陆地卫星（Landsat）的TM遥感影像的天顶视角下的像元地面分辨率为120m×120m[1]，这一地面分辨率远远比气象卫星NOAA-AVHRR[2， 3]遥感数据的地面分辨率要高。而且TM6热波段的波长区间为10.40～12.50μm [1]，可以很好的用来分析地球表面的热辐射和温度的区域性差异。因此，对于要求精确的区域温度分析来说，TM数据是很好的选择。
本次研究将利用Landsat-5 TM3和TM4波段进行计算NDVI，结合TM6波段数据对北京地区进行反演地表温度，研究北京地区的地表温度空间差异，并通过城市热场变异指数对北京地区的热岛效应进行分析，进一步认识北京地区的地表热力场空间差异[4]，为协调北京的资源生态环境提供参考。
1研究区概况
本次研究选择的研究区域选择北京市，位于39°50'N～41°10'N，115°51'E～116°53'E之间，面积约为15000平方千米。北京位于华北平原西北边缘，全市面积一万六千多平方公里，辖16区2县。北京为暖温带半湿润大陆性季风气候，夏季炎热多雨，冬季寒冷干燥，春、秋短促，年平均气温10～12摄氏度。并且，此区域位于平原地区，适合多种农作物生长，水陆差异明显，云量不大[5]，易于遥感信息的获取与判读。
2研究方法
2.1遥感数据
本次实验所用数据是Landsat-5 TM影像，拍摄地区为北京市，拍摄时间为2009年8月。椭球体采用KRASOVSKY1940，地图投影为高斯投影[4]。图像及其地理位置如图1，其中假彩色图像是由TM4、TM3和TM2波段分别赋予r、g、b波段合成。
2.2单窗算法
对于北京地区的地表温度反演是通过Qin等人提出的“单窗算法”[6]，所谓单窗，就是仅仅利用某个遥感热通道数据估算地表温度。基本思想是通过TM6热红外波段的DN值计算亮度温度，然后将亮度温度作为自变量构造和LST的关系函数，同时考虑地表热辐射受大气吸收作用后的衰减和大气的向下热辐射被地表反射的部分，其公式形式如下：
其中， 是要求计算的地表温度（单位：开尔文）；a和b是常量，a=-60.3263，b=0.43436； 是传感器在衛星高度测得的热辐射强度所对应的温度，即亮度温度[6，7]（单位：开尔文），对于Landsat TM，计算公式如下：
在（2）式中，DN6是TM6波段的灰度值，取值范围[0， 255]。
Ta是大气平均作用温度（单位：开尔文），由大气剖面气温分布和大气状态决定。而对于8月份的北京地区，采用覃志豪提出的经验公式对中纬度夏季平均大气进行估计，可以得到：
其中，T0是地面2米高度处的平均温度（单位：摄氏度）。因为缺少观测数据，所以T0采用中国气象局提供的北京地区1990年～2008年的8月份的平均气温t=24℃。
C和D是中间变量，分别按下式计算：
其中，ε是地表比辐射率[6]，τ是大气透射率[7]。在本次研究中， 采用覃志豪等提出的TM6波段范围内地表辐射率的估计方法来确定。该方法提出在像元尺度上，地表辐射率ε可以通过以下公式得到：
北京地区地势比较平坦，所以dε≈0。植被和裸地的比辐射率可按如下取EV=0.970，ES=0.986[8]。RV和RS分别是植被和裸地的温度比率，可以通过以下经验公式计算：
在公式（2-6）～（2-8）中出现的PV为植被覆盖度可用图下经验公式计算：
其中，NDVI是归一化植被指数，NDVIV和NDVIS分别是植被和裸地的NDVI数，在本次研究中，分别取0.70和0.05来进行植被覆盖度的近似估计。如果NDVI>0.7，则可以看作此地区完全被植被覆盖， 取值为PV1.0；反之，如果NDVI<0.05，则此地区可以看作完全是裸地，因此此时PV取值为0。
大气透射率τ主要的影像因素是大气的水分含量[2]，计算公式如下：
其中，ω是大气总水分含量。由于缺乏观测数据，通过中国气象局提供的北京地区1990年～2008年的8月份的平均水汽含量ω=2.0g/cm2。
3实验过程
3.1地表温度反演
将TM七波段影像作为研究区域输入利用Visual C++ 2008结合OpenCV2.0编译出的程序，首先通过TM4近红外波段和TM3红色可见光波段进行计算归一化植被指数（NDVI），计算公式如下：
通过计算并对计算结果进行拉伸，可以得到NDVI影像，如图2。计算NDVI之后，通过公式（2-1）～（2-10）计算后得到LST反演结果，如图3。 在LST反演结果中，地表像元最低温度为5.14℃，地点在湖泊地区；最高温度为45.00℃，地点在北京市区，平均温度为27.74℃。在湖面和山谷间有一些温度异常偏低或偏高的异常点，这是原始TM6影像的噪音导致。另外，在湖面上因为有云层的存在，云层的平均温度达到了-15℃以下。反演结果基本符合2009年8月北京气候特征。
3.2地表温度和植被指数的相关性
为研究地表温度和归一化植被指数的相互关系，首先将TM影像分为五大地表类型进行统计，分别为林地、水体、农田、裸地、城市。为了揭示这五大类型的温度差异和植被指数的关系，分别在这五大地表类型各任意选取20个15×15的像元的样区进行统计，并通过最小二乘法进行拟合，拟合的方法如下：
其中a和b分别是线性系数，r为拟合误差，其计算方法如下：
通过以上方法和公式得到的五大地表类型温度和NDVI的关系统计图如图4（其中横坐标为NDVI，范围为[-1， 1]；纵坐标为LST，范围为[0，50]，单位：摄氏度）。
具体统计量数值如表1。
从图4和表1可以看出，平均地表温度最高的是城市，平均达到了37.0288℃；其次是裸地面，也达到了30℃以上。温度最低的是水体和林地，分别是16.7455℃和17.7622℃。从图像可以发现水体的NDVI为负值，而且NDVI的差异性不明显，并且随着NDVI的增大水体的表面温度逐渐升高，其原因是水中含有的植被吸收了太阳的长波辐射能量导致水温升高。而对于其他地物而言，LST和NDVI的线性关系呈现了斜率为赋值，可以得到此结论：植被吸收了大量的太阳的长波辐射能量，随着植被覆盖的增加，LST是呈现逐渐下降的趋势。
另外，NDVI与LST的线性模型的斜率指数最小的是农田，这说明农田在随着NDVI的增大而LST剧烈的降低。农田之所以比林地的斜率指数要小很多，原因主要是因为农田中含有大量的水分，而且随着农作物的增多，一方面植被释放热量，另一方面农田中的水汽的蒸发带走大量的热量。所以，这两个方面的原因导致NDVI对农田的LST影响要远远大于林地、裸地和城市。
所以，从表1中可以得出，通过排除水体的影响，我们可以通过城市、林地和裸地这三种地表类型构造北京地区8月的NDVI和LST的关系。从图像这三种地物中我们一共选取选60个15×15的像元对NDVI和LST进行拟合，得到的拟合结果如图5。
通过以上分析，排除水体影响后，北京地区8月陆地的平均LST为30.3431℃，NDVI指数为0.2732℃。得到整个北京地区LST（单位：℃ ）和NDVI线性关系的拟合公式为：
3.3地表温度和热岛效应的相关性
根据Manley[2]的定义，“城市热岛”现象指的是城区气温高于郊区的现象，其产生的原因是多种多样的，主要是因为在城市化的人为因素（如人为热和过量温室气体排放、大气污染等），以及局地天气气象条件共同作用下形成的。城市热岛现象伴随着工业化的发展和城市规模的扩大而产生。城市热岛效应会导致城区相对湿度降低，增加了强对流天气的可能性。Oke将城市中心区的温度“高峰”值和郊区温度的差值定义为“热岛强度”，所以通过TM影像反演的北京地区的温度为基础，可以通过城市热场变异指数（HI）来对北京地区热岛现象进行定量化分析。其中，城市热场变异指数[15]计算公式如下：
其中，T为某像元的反演温度，Tmean为整个研究区域的平均温度，单位都为摄氏度。同时，为了更直观的显示城市热岛的分布，通过表2将城市热岛分为六个等级。
对研究区的反演温度进行分析之后得到的北京地区8月热场图像，如图6。
由图6可以发现，北京作为一个人口密集、工业商业发达城市，城区的扩展是最城市热岛扩展的最直接和最根本的原因。同时，植被覆盖率和水域覆盖率高的地区（如林地、农田）的热岛效应相应较低，而北京市主城区和北京西南郊区的工业基地由于植被覆盖率低、温室气体排放严重导致形成了较为严重的城市热岛。
另外，北京主城区的平均HI指數达到了0.2056。北京主城区植被覆盖率低，空气干旱，生态指标差，表现为一种较强的城市热岛效应。因此，HI指数可以作为北京地区热岛效应定量化分析的工具，为城市环境评价体系提供了依据。
4结论
本文通过利用2009年8月北京地区的TM影像通过单窗算法进行反演，得到2009年8月北京地区的地表温度。因为缺乏实时的温度观测数据，所以只能通过经验公式和平均温度及水汽含量来估算地表温度，反演出的温度和实地基本一致。并且在此基础上，通过分析水体和植被覆盖率对地表温度的影响，通过排除水体因素得到整个北京地区陆地的NDVI和LST的拟合公式，为研究北京地区的植被和气候的相互关系提供了一条较为可靠的量化方法。
另外，在反演地表温度的结果中，北京地区8月平均温度为27.74 ℃，与实地温度基本一致。其中，城市的温度最高，其次分别为裸地、农田，而林地和水体的地表温度最低。这主要是因为城市里的房屋和水泥路面水分含量和植被的覆盖率低，接受太阳辐射后基本完全吸收，不容易散发热量，所以温度高；而农田、林地和水体受热后会以各种方式散发出来，从而降低自身温度，所以这三大类型的像元地表温度较低。
另外，在实验最后通过城市热场变异指数（HI）反演出北京地区的城市热岛分布图像，可以得知北京城区和工业区因为植被覆盖率低、大量排放温室气体而导致产生较为严重的热岛现象，并且随着北京城市圈的拓展，热岛的轮廓将会继续向周边蔓延，而导致整个北京地区的热岛现象逐渐严重。所以，可以通过采用TM影像反演出的地表温度，结合城市热场变异指数进行城市热岛现象的监测和评价，将不失为北京等大城市用于定量评估城市环境指标的一种方法。
参考文献
[1]张永，生巩凡.高分辨率遥感卫星应用[M].北京：科学出版社，2004.
[2]叶智威，覃志豪，宫辉力.洪泽湖区的Landsat TM6地表温度遥感反演和空间差异分析[J].首都师范大学学报（自学版），2009，30（1）：88-95.
[3]李兴荣，胡非，舒文军.北京春季城市热岛特征及强热岛影响因子[J].南京气象学院学报，2008，31（1）：129-134.
[4]丁凤，徐涵秋.单窗算法和单通道算法对参数估计误差的敏感性分析[J].测绘科学，2007，32（1）：87-95.
[5]覃志豪，LI Wenjuan，ZHANG Minghua.单窗算法的大气参数估计方法[J].国土资源遥感，2003，56（2）：37-43.
[6]涂梨平.利用Landsat TM数据进行地表比辐射率和地表温度的反演[D]. 杭州：浙江大学，2006.
[7]黄妙芬，刑旭峰，王培娟.利用LANDSAT/TM热红外通道反演地表温度的三种方法比较[J].干旱区地理，2006，29（1）：132-137.
[关键词]地表温度 植被指数 单窗算法 热岛效应
[中图分类号] P412.11 [文献码] B [文章编号] 1000-405X（2014）-6-243-3
0引言
地表温度[1]（LST，Land Surface Temperature）是研究区域能量平衡和资源环境变化的重要参数之一，也是区域生态环境过程的主要因素。LST作为地球科学非常重要的组成的部分，一方面决定了地表向大气的长波辐射能力，另一方面LST也取决于地表许多参数的状态，如地表湿度、植被覆盖和长势。因此掌握LST的空间分布状态及其时间变化态势，对于准备模拟大气和地表、地表地物之间的能量交换是十分必要的。
同时，陆地卫星（Landsat）的TM遥感影像的天顶视角下的像元地面分辨率为120m×120m[1]，这一地面分辨率远远比气象卫星NOAA-AVHRR[2， 3]遥感数据的地面分辨率要高。而且TM6热波段的波长区间为10.40～12.50μm [1]，可以很好的用来分析地球表面的热辐射和温度的区域性差异。因此，对于要求精确的区域温度分析来说，TM数据是很好的选择。
本次研究将利用Landsat-5 TM3和TM4波段进行计算NDVI，结合TM6波段数据对北京地区进行反演地表温度，研究北京地区的地表温度空间差异，并通过城市热场变异指数对北京地区的热岛效应进行分析，进一步认识北京地区的地表热力场空间差异[4]，为协调北京的资源生态环境提供参考。
1研究区概况
本次研究选择的研究区域选择北京市，位于39°50'N～41°10'N，115°51'E～116°53'E之间，面积约为15000平方千米。北京位于华北平原西北边缘，全市面积一万六千多平方公里，辖16区2县。北京为暖温带半湿润大陆性季风气候，夏季炎热多雨，冬季寒冷干燥，春、秋短促，年平均气温10～12摄氏度。并且，此区域位于平原地区，适合多种农作物生长，水陆差异明显，云量不大[5]，易于遥感信息的获取与判读。
2研究方法
2.1遥感数据
本次实验所用数据是Landsat-5 TM影像，拍摄地区为北京市，拍摄时间为2009年8月。椭球体采用KRASOVSKY1940，地图投影为高斯投影[4]。图像及其地理位置如图1，其中假彩色图像是由TM4、TM3和TM2波段分别赋予r、g、b波段合成。
2.2单窗算法
对于北京地区的地表温度反演是通过Qin等人提出的“单窗算法”[6]，所谓单窗，就是仅仅利用某个遥感热通道数据估算地表温度。基本思想是通过TM6热红外波段的DN值计算亮度温度，然后将亮度温度作为自变量构造和LST的关系函数，同时考虑地表热辐射受大气吸收作用后的衰减和大气的向下热辐射被地表反射的部分，其公式形式如下：
其中， 是要求计算的地表温度（单位：开尔文）；a和b是常量，a=-60.3263，b=0.43436； 是传感器在衛星高度测得的热辐射强度所对应的温度，即亮度温度[6，7]（单位：开尔文），对于Landsat TM，计算公式如下：
在（2）式中，DN6是TM6波段的灰度值，取值范围[0， 255]。
Ta是大气平均作用温度（单位：开尔文），由大气剖面气温分布和大气状态决定。而对于8月份的北京地区，采用覃志豪提出的经验公式对中纬度夏季平均大气进行估计，可以得到：
其中，T0是地面2米高度处的平均温度（单位：摄氏度）。因为缺少观测数据，所以T0采用中国气象局提供的北京地区1990年～2008年的8月份的平均气温t=24℃。
C和D是中间变量，分别按下式计算：
其中，ε是地表比辐射率[6]，τ是大气透射率[7]。在本次研究中， 采用覃志豪等提出的TM6波段范围内地表辐射率的估计方法来确定。该方法提出在像元尺度上，地表辐射率ε可以通过以下公式得到：
北京地区地势比较平坦，所以dε≈0。植被和裸地的比辐射率可按如下取EV=0.970，ES=0.986[8]。RV和RS分别是植被和裸地的温度比率，可以通过以下经验公式计算：
在公式（2-6）～（2-8）中出现的PV为植被覆盖度可用图下经验公式计算：
其中，NDVI是归一化植被指数，NDVIV和NDVIS分别是植被和裸地的NDVI数，在本次研究中，分别取0.70和0.05来进行植被覆盖度的近似估计。如果NDVI>0.7，则可以看作此地区完全被植被覆盖， 取值为PV1.0；反之，如果NDVI<0.05，则此地区可以看作完全是裸地，因此此时PV取值为0。
大气透射率τ主要的影像因素是大气的水分含量[2]，计算公式如下：
其中，ω是大气总水分含量。由于缺乏观测数据，通过中国气象局提供的北京地区1990年～2008年的8月份的平均水汽含量ω=2.0g/cm2。
3实验过程
3.1地表温度反演
将TM七波段影像作为研究区域输入利用Visual C++ 2008结合OpenCV2.0编译出的程序，首先通过TM4近红外波段和TM3红色可见光波段进行计算归一化植被指数（NDVI），计算公式如下：
通过计算并对计算结果进行拉伸，可以得到NDVI影像，如图2。计算NDVI之后，通过公式（2-1）～（2-10）计算后得到LST反演结果，如图3。 在LST反演结果中，地表像元最低温度为5.14℃，地点在湖泊地区；最高温度为45.00℃，地点在北京市区，平均温度为27.74℃。在湖面和山谷间有一些温度异常偏低或偏高的异常点，这是原始TM6影像的噪音导致。另外，在湖面上因为有云层的存在，云层的平均温度达到了-15℃以下。反演结果基本符合2009年8月北京气候特征。
3.2地表温度和植被指数的相关性
为研究地表温度和归一化植被指数的相互关系，首先将TM影像分为五大地表类型进行统计，分别为林地、水体、农田、裸地、城市。为了揭示这五大类型的温度差异和植被指数的关系，分别在这五大地表类型各任意选取20个15×15的像元的样区进行统计，并通过最小二乘法进行拟合，拟合的方法如下：
其中a和b分别是线性系数，r为拟合误差，其计算方法如下：
通过以上方法和公式得到的五大地表类型温度和NDVI的关系统计图如图4（其中横坐标为NDVI，范围为[-1， 1]；纵坐标为LST，范围为[0，50]，单位：摄氏度）。
具体统计量数值如表1。
从图4和表1可以看出，平均地表温度最高的是城市，平均达到了37.0288℃；其次是裸地面，也达到了30℃以上。温度最低的是水体和林地，分别是16.7455℃和17.7622℃。从图像可以发现水体的NDVI为负值，而且NDVI的差异性不明显，并且随着NDVI的增大水体的表面温度逐渐升高，其原因是水中含有的植被吸收了太阳的长波辐射能量导致水温升高。而对于其他地物而言，LST和NDVI的线性关系呈现了斜率为赋值，可以得到此结论：植被吸收了大量的太阳的长波辐射能量，随着植被覆盖的增加，LST是呈现逐渐下降的趋势。
另外，NDVI与LST的线性模型的斜率指数最小的是农田，这说明农田在随着NDVI的增大而LST剧烈的降低。农田之所以比林地的斜率指数要小很多，原因主要是因为农田中含有大量的水分，而且随着农作物的增多，一方面植被释放热量，另一方面农田中的水汽的蒸发带走大量的热量。所以，这两个方面的原因导致NDVI对农田的LST影响要远远大于林地、裸地和城市。
所以，从表1中可以得出，通过排除水体的影响，我们可以通过城市、林地和裸地这三种地表类型构造北京地区8月的NDVI和LST的关系。从图像这三种地物中我们一共选取选60个15×15的像元对NDVI和LST进行拟合，得到的拟合结果如图5。
通过以上分析，排除水体影响后，北京地区8月陆地的平均LST为30.3431℃，NDVI指数为0.2732℃。得到整个北京地区LST（单位：℃ ）和NDVI线性关系的拟合公式为：
3.3地表温度和热岛效应的相关性
根据Manley[2]的定义，“城市热岛”现象指的是城区气温高于郊区的现象，其产生的原因是多种多样的，主要是因为在城市化的人为因素（如人为热和过量温室气体排放、大气污染等），以及局地天气气象条件共同作用下形成的。城市热岛现象伴随着工业化的发展和城市规模的扩大而产生。城市热岛效应会导致城区相对湿度降低，增加了强对流天气的可能性。Oke将城市中心区的温度“高峰”值和郊区温度的差值定义为“热岛强度”，所以通过TM影像反演的北京地区的温度为基础，可以通过城市热场变异指数（HI）来对北京地区热岛现象进行定量化分析。其中，城市热场变异指数[15]计算公式如下：
其中，T为某像元的反演温度，Tmean为整个研究区域的平均温度，单位都为摄氏度。同时，为了更直观的显示城市热岛的分布，通过表2将城市热岛分为六个等级。
对研究区的反演温度进行分析之后得到的北京地区8月热场图像，如图6。
由图6可以发现，北京作为一个人口密集、工业商业发达城市，城区的扩展是最城市热岛扩展的最直接和最根本的原因。同时，植被覆盖率和水域覆盖率高的地区（如林地、农田）的热岛效应相应较低，而北京市主城区和北京西南郊区的工业基地由于植被覆盖率低、温室气体排放严重导致形成了较为严重的城市热岛。
另外，北京主城区的平均HI指數达到了0.2056。北京主城区植被覆盖率低，空气干旱，生态指标差，表现为一种较强的城市热岛效应。因此，HI指数可以作为北京地区热岛效应定量化分析的工具，为城市环境评价体系提供了依据。
4结论
本文通过利用2009年8月北京地区的TM影像通过单窗算法进行反演，得到2009年8月北京地区的地表温度。因为缺乏实时的温度观测数据，所以只能通过经验公式和平均温度及水汽含量来估算地表温度，反演出的温度和实地基本一致。并且在此基础上，通过分析水体和植被覆盖率对地表温度的影响，通过排除水体因素得到整个北京地区陆地的NDVI和LST的拟合公式，为研究北京地区的植被和气候的相互关系提供了一条较为可靠的量化方法。
另外，在反演地表温度的结果中，北京地区8月平均温度为27.74 ℃，与实地温度基本一致。其中，城市的温度最高，其次分别为裸地、农田，而林地和水体的地表温度最低。这主要是因为城市里的房屋和水泥路面水分含量和植被的覆盖率低，接受太阳辐射后基本完全吸收，不容易散发热量，所以温度高；而农田、林地和水体受热后会以各种方式散发出来，从而降低自身温度，所以这三大类型的像元地表温度较低。
另外，在实验最后通过城市热场变异指数（HI）反演出北京地区的城市热岛分布图像，可以得知北京城区和工业区因为植被覆盖率低、大量排放温室气体而导致产生较为严重的热岛现象，并且随着北京城市圈的拓展，热岛的轮廓将会继续向周边蔓延，而导致整个北京地区的热岛现象逐渐严重。所以，可以通过采用TM影像反演出的地表温度，结合城市热场变异指数进行城市热岛现象的监测和评价，将不失为北京等大城市用于定量评估城市环境指标的一种方法。
参考文献
[1]张永，生巩凡.高分辨率遥感卫星应用[M].北京：科学出版社，2004.
[2]叶智威，覃志豪，宫辉力.洪泽湖区的Landsat TM6地表温度遥感反演和空间差异分析[J].首都师范大学学报（自学版），2009，30（1）：88-95.
[3]李兴荣，胡非，舒文军.北京春季城市热岛特征及强热岛影响因子[J].南京气象学院学报，2008，31（1）：129-134.
[4]丁凤，徐涵秋.单窗算法和单通道算法对参数估计误差的敏感性分析[J].测绘科学，2007，32（1）：87-95.
[5]覃志豪，LI Wenjuan，ZHANG Minghua.单窗算法的大气参数估计方法[J].国土资源遥感，2003，56（2）：37-43.
[6]涂梨平.利用Landsat TM数据进行地表比辐射率和地表温度的反演[D]. 杭州：浙江大学，2006.
[7]黄妙芬，刑旭峰，王培娟.利用LANDSAT/TM热红外通道反演地表温度的三种方法比较[J].干旱区地理，2006，29（1）：132-137.