论文部分内容阅读
摘 要：该文通过2016年的Landsat 8卫星数据，解译了北京密云区2016年的土地利用数据。通过2005、2016年的TM/TIRS的热红外波段和NDVI值反演了密云区的地表温度和植被覆盖度。结果显示：2005—2016年，密云区地表温度升高，城市热岛效应明显；植被覆盖度与地表温度呈负相关关系，植被覆盖度越低，人工表面聚集度指数与分离度指数越高，地表温度会越高，而植被覆盖度越高、人工表面分离度越高，越能够缓解热岛效应。
关键词：土地利用；植被覆盖度；地表温度
中圖分类号 P423.7 文献标识码 A 文章编号 1007-7731（2017）20-0104-04
Study on the Relationship between Miyun Land Surface Temperature and Vegetation Coverage Based on Landsat Series Satellite
Wang Yuehui
（Army Academy of Border and Coastal Defence，Xi'an 710108，China）
Abstract：The article uses the 2016 Landsat 8 satellite data to interpret the land use data.The landsurface temperature and vegetation coverage of miyun region were reflected through the thermal infrared band and NDVI value of TM/TIRS in 2005 and 2016.The results indicated that the landsurface temperature in Miyun County increased and the urban heat island effect highlight during 2005—2016.The vegetation coverage was negatively correlated with landsurface temperature.The vegetation coverage more lower and the concentration index and the separation index of artificial surface more higher，the surface temperature will be more higher.The vegetation coverage more higher and the splitting index of artificial surface more higher，the mitigating effects of the heat island effect will be more remarkable .
Key words：Land use；Vegetation coverage；Land surface temperature
1 引言
密云区在北京城市化极速发展的大背景下，土地利用格局与环境面貌发生了变化。根据北京市统计局2011年统计年鉴资料显示[1]，北京全社会房屋施工面积从1990年的2864.9万km2增加到2010年的15572.1万km2。密云区土地利用分类数据统计结果表明，2005—2016年人工表面面积增加了68.055km2。城市中心热岛效应随着人口密度和建筑用地面积的不断增多而逐渐增强，而郊区的大面积自然表面被人工用地代替，植被覆盖度降低也会产生热岛效应。因此，分析植被覆盖度与地表温度的关系对市郊规划建设具有重要意义。
2 研究区概况与数据来源
本文研究区域为密云区，位于北京市东北部，东、北、西三面群山，中部低缓，温带大陆性季风气候，位于燕山山脉南麓、华北大平原北缘，地理坐标西起东经116°39′33"，东至117°30′25"，东西长69km；南起北纬40°13′7"，北至北纬40°47′57"[2]。
密云区2005年土地利用数据来源于中国科学院资源环境科学数据中心；2005年北京植被覆盖度数据来源于中国环境科学院；卫星影像数据来源于地理空间数据云（http：//www.gscloud.cn/），其中2005年5月，2016年5月的数据来自Landsat8卫星。气象数据来源于中国环境气象中心（http：//cdc.cma.gov.cn/home.do）。
3 研究方法
3.1 陆地表面温度（LST）反演方法 《NASA技术手册》提供的辐射定标与亮温公式[3]是反演表面温度的常用方法，该方法的精度和可用性也在相同研究区域中得到证明。具体公式如下：
L=gain*DN+offset；
T=k2/ln（k1/L+1）
式中，gain为增益系数（单位：[（W?m-2?sr-1?μm-1）/DN]）；offset为偏移系数（单位：[（W?m-2?sr-1?μm-1）/DN]）；gain与offset值可以在影像头文件中获得。L为热辐射强度值；T为辐射亮温（单位：k），k1，k2为校定系数，参数详见表1。
式中，Ts为地表温度（K）；T为辐射亮温（K）；[λ]为有效波谱范围内的最大灵敏度值。其中[λ=11.5μm；][ρ=hc/δ=0.01438mk]；[δ=1.38×10-23J/k]，为玻尔兹曼常数；h=6.626×10-34J·s，为Plank常数；c=2.998×108s，为光速[5]。本文通过相同时间点的地面实测气温资料的平均值作为验证数据源[6]，发现实际温度与预测温度相差范围相差在2℃内，反演数据可用，详见图1。 3.2 植被覆盖度（VCF）反演方法 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比[7-9]。本文根据NDVI[10]计算植被覆盖度：
[Fv=NDVI-NDVISNDVIV-NDVIS]
式中Fv为植被覆盖度，NDVIS、NDVIV分别为纯裸地与植被覆盖区归一化植被指数值的最小值和最大值。通常情况下，NDVIV与NDVIS取给定置信度的置信区间内的最大值与最小值，以在一定程度上消除遥感图像噪声所带来的误差[11，12]。本文选取置信区间内的最大值与最小值为0.5%与99.5%。将反演得到的数据与现有的产品数据反演验证，相差范围在-0.01%～0.01%，反演数据可用。详见图1。
3.3 土地利用分类方法 密云区地物种类齐全，林地、水域、人工表面用地分布特征明显，所以选取2005年影像的5、4、3波段进行融合，2016年影像的6、5、4波段进行融合，结合2000、2010年密云土地利用数据一级分类的地物特征，利用ENVI5.3软件的最大似然分类法对2005年与2016年TM数据进行监督分类。将分类影像与同时期同区域的google earth影像进行叠加，目视解译偏差的分类区域。分类结果如图2所示。
4 热环境与植被覆盖关系分析
北京生态涵养发展区的密云区土地利用分类特征明显，林地、草地、湿地、耕地、人工表面与其他用地在2005—2016年均有分布于变化，其中人工表面和林地在密云的北部与东南地区主要相互镶嵌的形式进行分布，在西南地区大面积进行分布。从反演的各项数据来看，密云区西南方向热岛效应明显，随着人工表面面积的增多而逐渐升温，并且2016年整个密云区域的平均温度都较高与2005年。通过反演数据证明，2005年密云地区的地表温度最高为34.81℃，最低为4.59℃，平均19.44℃，而2016年最高为47.41℃，最低为-17.79℃，平均为27.47℃，2005年与2016年密云地区的平均植被覆盖度分别为61%、58.36%，统计出每个地类的LST和VCF，详见表2。
植被蒸腾的同时加速了陆地表面和大气层之间潜热与显热的交换，能够有效的降低地表温度。因此，建立2005年至2016年的土地转移矩阵，选取密云地区林地转为人工表面的区域，建立温度变化图（见图3），通过ArcGIS10.0的Zonal工具统计2016年转变为人工表面区域的LST与VCF平均值，并建立LST与VCF的回归方程（见图4）。
图1、图3与图4定性定量分析表明，植被覆盖度与地表温度具有强负相关性，y=-0.2097x+24.296，林地具备较高的植被覆盖度，所以远小于同期人工表面的地表溫度，2005—2016年的土地利用格局变化表明，人工表面的扩张和变化从分散到集中、从不规则到规则，比如在密云县西南区域，有大量耕地变为汽车公司、工厂，分布集中规则，而在东北部地区的人工表面用地零星分散的分布在林地中，由于林地的缓解效应，没有产生热岛现象。因此，通过Fragstats4.1软件运算出景观格局分离度指数（SPLIT）、景观形状指数（LSI）以及聚集度指数（AI）。对比2期数据的SPLIT、AI、LSI变化情况分析市郊植被的景观格局变化对地表温度的影响见表3。
当景观中斑块形状不规则或偏离正方形时，LSI越大[13]，而SPLIT越大表示斑块间的距离越大，斑块在空间分布上越离散[14]。人工表面的景观形状指数变低，证明建地规则，而分离度指数大大降低证明建地集中，某种类型地物分布越集中、越规则，越易形成由该地物引起的环境生态效应。因此得知，人工表面分布集中规则产生了热岛效应，而林地面积分布集中能够缓解镶嵌其中人工表面的地表温度。
5 结论
土地景观格局指数的变化和植被覆盖度的变化决定了地表温度的格局变化，城市建设用地集中不规则的扩张加强城市热岛效应的形成，人工表面的LSI、AI指数越大，地表温度越高。2005—2016年，密云区的人工表面增长面积最大，且以集中规则的方式扩张，导致该地类地表温度上升，植被覆盖度下降。人工表面下垫面介质相比林地、湿地、草地能够吸收更多的太阳辐射，植被覆盖度低，用于蒸发消耗的热量少，地表温度会高，因此热岛效应凸显，但人工表面分离度指数增高、植被覆盖度增高会减弱热岛效应的强度。密云区2005年植被覆盖度高于2016年，地表温度低于2016年，建筑用地面积增多，密云区西南角热岛效应明显，但北部和东南部地区植被覆盖度高，且人工表面用地零星分散的分布在林地中，并没有产生热岛效应。选取2005—2016年密云区林地转为人工表面的区域，统计结果表明，该区域2016年地表温度明显高于2005年，地表温度与植被覆盖度呈明显的负相关性，因此建立地表温度与植被覆盖度的一元二次拟合方程y=-0.2097x+24.296。
依据密云区地表温度与植被覆盖度关系的研究结果，提出几点改善市郊生态环境的建议：（1）避免大面积无规则的人工表面用地的扩张；（2）人工表面的扩展区域多倾向于人口密度低的区域，尽量避免工厂、企业大面积集中扩张原林地、草地等生态区域；（3）加强市郊地区植被规划建设，人口密度高、建筑密度高的地区应多规划林地的建设。
参考文献
[1]国家统计局.中国统计年鉴2010[M].北京：中国统计出版社，2010.
[2]钟春艳.统筹城乡发展中北京郊区城镇化研究——以密云县为例[D].北京：中国农业科学院，2009.
[3]岳文泽.基于遥感影像的城市景观格局及其热环境效应研究[M].北京：科学出版社，2008.
[4]Artis D A，Carahan W H.Survey of emissive variability in thermography of urban areas[J].Remote Sensing of Environment，1982，12：313-329. [5]彭静，刘伟东，龙步菊，等.北京城市热岛的时空变化分析[J].地球物理学进展，2007，22（6）：1942-1947
[6]王跃辉，杨为民，陈桂良，等.北京景观格局及其热环境效应变化研究[J].西南林业大学学报，2014，34（2）：61-66.
[7]Puervdor J T S，Tateishi R，Ishiyama T，etal.Rlationships bewteen Percent vegetation cover and vegetation indices[J].International Jounral of Remote Sensing，1998，19（18）：3519-3535.
[8]Anatoly A Gitelson，Yoram J Kaufman，Robert Stark，Don Rundquist.Novel algorithms for Remote estimation of vegetation fraction.Remote Sensing of Environment，2002，80（l）：76-87.
[9]章文波，符素华，刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报（自然科学版），2001，37（3）：402-408.
[10]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.
[11]李苗苗，吴炳方，颜长珍，等.密云水库上游植被覆盖度的遥感估算[J].资源科学，2004，26（4）：157-164.
[12]田海静，曹春香，戴晟懋，等.准格尔旗植被覆盖度变化的时间序列遥感监测[J].地球信息科学学报，2004，16（1）：126-133.
[13]Sui D Z，Zeng H.Modeling the dynamics of landscape structure in Asia’s emerging esakota regions：a case study in Shenzhen[J].Landscape and Urban Planning，2001，53（1）：37-52.
[14]鄔建国.景观生态学：格局、过程、尺度与等级[M].北京：高等教育出版社，2009. （责编：张宏民）
关键词：土地利用；植被覆盖度；地表温度
中圖分类号 P423.7 文献标识码 A 文章编号 1007-7731（2017）20-0104-04
Study on the Relationship between Miyun Land Surface Temperature and Vegetation Coverage Based on Landsat Series Satellite
Wang Yuehui
（Army Academy of Border and Coastal Defence，Xi'an 710108，China）
Abstract：The article uses the 2016 Landsat 8 satellite data to interpret the land use data.The landsurface temperature and vegetation coverage of miyun region were reflected through the thermal infrared band and NDVI value of TM/TIRS in 2005 and 2016.The results indicated that the landsurface temperature in Miyun County increased and the urban heat island effect highlight during 2005—2016.The vegetation coverage was negatively correlated with landsurface temperature.The vegetation coverage more lower and the concentration index and the separation index of artificial surface more higher，the surface temperature will be more higher.The vegetation coverage more higher and the splitting index of artificial surface more higher，the mitigating effects of the heat island effect will be more remarkable .
Key words：Land use；Vegetation coverage；Land surface temperature
1 引言
密云区在北京城市化极速发展的大背景下，土地利用格局与环境面貌发生了变化。根据北京市统计局2011年统计年鉴资料显示[1]，北京全社会房屋施工面积从1990年的2864.9万km2增加到2010年的15572.1万km2。密云区土地利用分类数据统计结果表明，2005—2016年人工表面面积增加了68.055km2。城市中心热岛效应随着人口密度和建筑用地面积的不断增多而逐渐增强，而郊区的大面积自然表面被人工用地代替，植被覆盖度降低也会产生热岛效应。因此，分析植被覆盖度与地表温度的关系对市郊规划建设具有重要意义。
2 研究区概况与数据来源
本文研究区域为密云区，位于北京市东北部，东、北、西三面群山，中部低缓，温带大陆性季风气候，位于燕山山脉南麓、华北大平原北缘，地理坐标西起东经116°39′33"，东至117°30′25"，东西长69km；南起北纬40°13′7"，北至北纬40°47′57"[2]。
密云区2005年土地利用数据来源于中国科学院资源环境科学数据中心；2005年北京植被覆盖度数据来源于中国环境科学院；卫星影像数据来源于地理空间数据云（http：//www.gscloud.cn/），其中2005年5月，2016年5月的数据来自Landsat8卫星。气象数据来源于中国环境气象中心（http：//cdc.cma.gov.cn/home.do）。
3 研究方法
3.1 陆地表面温度（LST）反演方法 《NASA技术手册》提供的辐射定标与亮温公式[3]是反演表面温度的常用方法，该方法的精度和可用性也在相同研究区域中得到证明。具体公式如下：
L=gain*DN+offset；
T=k2/ln（k1/L+1）
式中，gain为增益系数（单位：[（W?m-2?sr-1?μm-1）/DN]）；offset为偏移系数（单位：[（W?m-2?sr-1?μm-1）/DN]）；gain与offset值可以在影像头文件中获得。L为热辐射强度值；T为辐射亮温（单位：k），k1，k2为校定系数，参数详见表1。
式中，Ts为地表温度（K）；T为辐射亮温（K）；[λ]为有效波谱范围内的最大灵敏度值。其中[λ=11.5μm；][ρ=hc/δ=0.01438mk]；[δ=1.38×10-23J/k]，为玻尔兹曼常数；h=6.626×10-34J·s，为Plank常数；c=2.998×108s，为光速[5]。本文通过相同时间点的地面实测气温资料的平均值作为验证数据源[6]，发现实际温度与预测温度相差范围相差在2℃内，反演数据可用，详见图1。 3.2 植被覆盖度（VCF）反演方法 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比[7-9]。本文根据NDVI[10]计算植被覆盖度：
[Fv=NDVI-NDVISNDVIV-NDVIS]
式中Fv为植被覆盖度，NDVIS、NDVIV分别为纯裸地与植被覆盖区归一化植被指数值的最小值和最大值。通常情况下，NDVIV与NDVIS取给定置信度的置信区间内的最大值与最小值，以在一定程度上消除遥感图像噪声所带来的误差[11，12]。本文选取置信区间内的最大值与最小值为0.5%与99.5%。将反演得到的数据与现有的产品数据反演验证，相差范围在-0.01%～0.01%，反演数据可用。详见图1。
3.3 土地利用分类方法 密云区地物种类齐全，林地、水域、人工表面用地分布特征明显，所以选取2005年影像的5、4、3波段进行融合，2016年影像的6、5、4波段进行融合，结合2000、2010年密云土地利用数据一级分类的地物特征，利用ENVI5.3软件的最大似然分类法对2005年与2016年TM数据进行监督分类。将分类影像与同时期同区域的google earth影像进行叠加，目视解译偏差的分类区域。分类结果如图2所示。
4 热环境与植被覆盖关系分析
北京生态涵养发展区的密云区土地利用分类特征明显，林地、草地、湿地、耕地、人工表面与其他用地在2005—2016年均有分布于变化，其中人工表面和林地在密云的北部与东南地区主要相互镶嵌的形式进行分布，在西南地区大面积进行分布。从反演的各项数据来看，密云区西南方向热岛效应明显，随着人工表面面积的增多而逐渐升温，并且2016年整个密云区域的平均温度都较高与2005年。通过反演数据证明，2005年密云地区的地表温度最高为34.81℃，最低为4.59℃，平均19.44℃，而2016年最高为47.41℃，最低为-17.79℃，平均为27.47℃，2005年与2016年密云地区的平均植被覆盖度分别为61%、58.36%，统计出每个地类的LST和VCF，详见表2。
植被蒸腾的同时加速了陆地表面和大气层之间潜热与显热的交换，能够有效的降低地表温度。因此，建立2005年至2016年的土地转移矩阵，选取密云地区林地转为人工表面的区域，建立温度变化图（见图3），通过ArcGIS10.0的Zonal工具统计2016年转变为人工表面区域的LST与VCF平均值，并建立LST与VCF的回归方程（见图4）。
图1、图3与图4定性定量分析表明，植被覆盖度与地表温度具有强负相关性，y=-0.2097x+24.296，林地具备较高的植被覆盖度，所以远小于同期人工表面的地表溫度，2005—2016年的土地利用格局变化表明，人工表面的扩张和变化从分散到集中、从不规则到规则，比如在密云县西南区域，有大量耕地变为汽车公司、工厂，分布集中规则，而在东北部地区的人工表面用地零星分散的分布在林地中，由于林地的缓解效应，没有产生热岛现象。因此，通过Fragstats4.1软件运算出景观格局分离度指数（SPLIT）、景观形状指数（LSI）以及聚集度指数（AI）。对比2期数据的SPLIT、AI、LSI变化情况分析市郊植被的景观格局变化对地表温度的影响见表3。
当景观中斑块形状不规则或偏离正方形时，LSI越大[13]，而SPLIT越大表示斑块间的距离越大，斑块在空间分布上越离散[14]。人工表面的景观形状指数变低，证明建地规则，而分离度指数大大降低证明建地集中，某种类型地物分布越集中、越规则，越易形成由该地物引起的环境生态效应。因此得知，人工表面分布集中规则产生了热岛效应，而林地面积分布集中能够缓解镶嵌其中人工表面的地表温度。
5 结论
土地景观格局指数的变化和植被覆盖度的变化决定了地表温度的格局变化，城市建设用地集中不规则的扩张加强城市热岛效应的形成，人工表面的LSI、AI指数越大，地表温度越高。2005—2016年，密云区的人工表面增长面积最大，且以集中规则的方式扩张，导致该地类地表温度上升，植被覆盖度下降。人工表面下垫面介质相比林地、湿地、草地能够吸收更多的太阳辐射，植被覆盖度低，用于蒸发消耗的热量少，地表温度会高，因此热岛效应凸显，但人工表面分离度指数增高、植被覆盖度增高会减弱热岛效应的强度。密云区2005年植被覆盖度高于2016年，地表温度低于2016年，建筑用地面积增多，密云区西南角热岛效应明显，但北部和东南部地区植被覆盖度高，且人工表面用地零星分散的分布在林地中，并没有产生热岛效应。选取2005—2016年密云区林地转为人工表面的区域，统计结果表明，该区域2016年地表温度明显高于2005年，地表温度与植被覆盖度呈明显的负相关性，因此建立地表温度与植被覆盖度的一元二次拟合方程y=-0.2097x+24.296。
依据密云区地表温度与植被覆盖度关系的研究结果，提出几点改善市郊生态环境的建议：（1）避免大面积无规则的人工表面用地的扩张；（2）人工表面的扩展区域多倾向于人口密度低的区域，尽量避免工厂、企业大面积集中扩张原林地、草地等生态区域；（3）加强市郊地区植被规划建设，人口密度高、建筑密度高的地区应多规划林地的建设。
参考文献
[1]国家统计局.中国统计年鉴2010[M].北京：中国统计出版社，2010.
[2]钟春艳.统筹城乡发展中北京郊区城镇化研究——以密云县为例[D].北京：中国农业科学院，2009.
[3]岳文泽.基于遥感影像的城市景观格局及其热环境效应研究[M].北京：科学出版社，2008.
[4]Artis D A，Carahan W H.Survey of emissive variability in thermography of urban areas[J].Remote Sensing of Environment，1982，12：313-329. [5]彭静，刘伟东，龙步菊，等.北京城市热岛的时空变化分析[J].地球物理学进展，2007，22（6）：1942-1947
[6]王跃辉，杨为民，陈桂良，等.北京景观格局及其热环境效应变化研究[J].西南林业大学学报，2014，34（2）：61-66.
[7]Puervdor J T S，Tateishi R，Ishiyama T，etal.Rlationships bewteen Percent vegetation cover and vegetation indices[J].International Jounral of Remote Sensing，1998，19（18）：3519-3535.
[8]Anatoly A Gitelson，Yoram J Kaufman，Robert Stark，Don Rundquist.Novel algorithms for Remote estimation of vegetation fraction.Remote Sensing of Environment，2002，80（l）：76-87.
[9]章文波，符素华，刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报（自然科学版），2001，37（3）：402-408.
[10]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.
[11]李苗苗，吴炳方，颜长珍，等.密云水库上游植被覆盖度的遥感估算[J].资源科学，2004，26（4）：157-164.
[12]田海静，曹春香，戴晟懋，等.准格尔旗植被覆盖度变化的时间序列遥感监测[J].地球信息科学学报，2004，16（1）：126-133.
[13]Sui D Z，Zeng H.Modeling the dynamics of landscape structure in Asia’s emerging esakota regions：a case study in Shenzhen[J].Landscape and Urban Planning，2001，53（1）：37-52.
[14]鄔建国.景观生态学：格局、过程、尺度与等级[M].北京：高等教育出版社，2009. （责编：张宏民）