郭小萌 刘雁

(吉林师范大学旅游与地理科学学院，吉林 四平 136000)

随着城市化进程不断加快，城市人口规模增长，建设用地不断扩张，居民的生活水平与城市工业化程度不断提高[1]，城市化的发展直接或间接地改变了下垫面的覆被类型和性质，从而导致了地表温度发生变化，深刻的影响着城市生态环境[2]。

国内外学者对于城市地表温度及其影响因素展开了较为广泛的研究。城市地表温度研究大多依靠大气温度观测和遥感技术反演，分析地表温度的时序演变规律、空间格局演变以及驱动因素分析等[3，4]。Bokaie等[5]认为，自然地表被大面积的不透水面替代导致的城市地表异质性是造成地表温度升高的根本原因。潘莹等[6]通过地表温度反演研究发现，重庆市冬夏两季的城市中心地表温度明显高于周边郊区，并且在2001—2011年间热岛效应逐渐加强。在城市热岛的空间格局演变上，李外宾等[7]基于决策树算法，探讨了深圳地区城市地表温度与土地利用格局演变。赵强等[8]基于Landsat卫星影像对合肥地区进行土地分类以及地表温度反演，研究合肥市近20年城市格局演变和地表温度的时序变化。乐通潮[9]基于Landsat影像采用地表温度反演研究2018年福州市春季城市地表温度的空间分布特征。在驱动因素分析上，黄初冬等[10]基于多种分析方法，研究结果表明，科学有效的建设海绵城市可以缓解城市地表高温。

随着长春市建设用地与人口规模的不断扩张，城市地表温度不断发生变化。纵观前人研究，城市地表温度反演研究多集中于夏季，对于春季地表温度反演研究涉及较少。因此，本研究以长春市城区为对象，利用2020年5月28日的Landsat 8卫星遥感数据，采用辐射传输方程法对研究区的地表温度进行反演，分析长春市春季地表温度空间分布特征，并进行下垫面因子分析，以此为长春市城市空间合理布局，缓解地面高温及提升人居环境质量提供参考。

1 研究区概况

长春市位于N43°05′～45°15′，E124°18′～127°02′，地处北半球中纬度地带东北平原腹地。长春市西南与四平市相接，西北与松原市相邻，东南与吉林市毗邻，东北与黑龙江省接壤。长春市属于温带季风气候，四季分明，雨热同期，年平均气温4.8℃，年平均降水量522～615mm，降水集中在6—8月。长春市地势较为平坦，以台地、平原为主。本研究选取长春市市区朝阳、南关、宽城、绿园、二道5个区，总面积1524.77km2。长春市是“一带一路”重要的城市之一，是长吉图开发开放先导区战略腹地城市。长春市是吉林省经济最发达、发展速度最快的城市。研究区概况如图1所示。

图1 研究区概况图

2 数据及预处理

研究采用的数据包括遥感数据、数字高程数据以及气象数据。遥感数据来源于地理空间数据云(http：//www.gscloud.cn/)，选取2020年5月28日的Landsat 8 OLI/TIRS遥感影像数据(行列号为118/29、118/30)，该影像云量较少(低于3%)，质量较好。数字高程模型数据产品来源于地理空间数据云；研究区气象数据来源于中国气象数据网(http：//data.cma.cn/site/index.html)。

预处理包括对Landsat 8卫星影像进行辐射定标、大气校正、拼接、裁剪4部分。使用ENVI 5.3自带的辐射定标工具将各个波段数据的像元灰度值转换为辐射强度值；使用FAALSH模块对OLI传感器数据进行大气校正；由于研究区横跨2张卫星影像图，通过利用ENVI软件中的Mosaicking中的Seamless Mosaic工具进行图像拼接；利用Regions of Interest工具依照研究区范围的行政区划图进行裁剪。

3 研究方法

3.1 地表温度反演

本文选用辐射传输方程法进行地表温度反演。遥感器所接收到的热辐射主要有由地表热辐射经大气衰减后被遥感器所接受的热辐射、大气向上和向下的热辐射经地表反射后又被大气衰减最终被遥感器接收的热辐射3部分[11]，所以传感器所接收的地表热辐射计算公式如下：

Bi(Ti)=τi(θ)×[εi×Bi(Ts)+(1-εi)×Li↓]

+Li↑

(1)

式中，Ti为通道i的亮度温度；Ts为地表温度；εi为地表比辐射率；τi(θ)为通道i在遥感器视角θ下从地面到遥感器的大气透射率；Bi(Ti)为遥感器所接收到的辐射强度；Bi(Ts)为地表温度为Ts时的黑体辐射强度；Li↓和Li↑分别为大气向下和向上的辐射强度[12]。Bi(Ts)可以通过普朗克公式的函数获得。Bi(Ts)表达式：

Bi(Ts)=[Bi(Ti)-Li↑-τi(θ)(1-εi)×

Li↓]/τi(θ)εi

(2)

根据普朗克定律反函数得到地表温度：

Ts=K2/ln[K1/B(Ts)+1]-273.15

(3)

式中，K1、K2为常数，可由元数据MTL文件查询得到，Landsat 8 TIRS第10波段的K1=774.89，K2=1321.08。

3.1.1 大气剖面参数的计算

大气剖面参数中的大气透射率(τi)、大气向上辐射强度(Li↑)、大气向下辐射强度(Li↓)可以在NASA网站(https：//atmcorr.gsfc.nasa.gov/)通过输入成像时间、经纬度信息计算获取[13]。

3.1.2 地表比辐射率的计算

地表比辐射率是物体与黑体在同温度、同波长下得到辐射出射度的比值，其值大小与地表的物质结构密切相关[14，15]。地表比辐射率采用Sobrino等提出的NDVI阈值法计算[16，17]，先计算出NDVI值，根据不同地表结构的NDVI阈值进行地表分类并赋值地表比辐射率。

当NDVI<0.2时，视作像元是裸地，地表比辐射率取0.973；当0.2≤NDVI≤0.5时，视作是植被和裸地构成的混合像元，地表比辐射率：

ε=0.004pv+0.986

(4)

pv=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(5)

式中，pv表示植被覆盖度；NDVIsoil表示裸地的NDVI值；NDVIveg表示植被的NDVI值。

当NDVI≥0.5时，视作像元完全为植被，地表比辐射率取0.986。

3.2 下垫面因子的遥感提取

3.2.1 NDVI

植被的分布情况与变化速度是影响城市生态环境的重要因素[18]，NDVI可以反映植被的生长状况和生长空间分布[19，20]，本次研究采用Landsat 8遥感数据，利用ENVI中的BandMath工具进行计算，其计算公式：

NDVI=(NIR-RED)/(NIR+RED)

(6)

式中，NIR指近红外波段，Landsat 8中的第5波段；RED指红光波段，Landsat 8中的第4波段。

3.2.2 MNDWI

利用水体的光谱特征，一般采用波段组合的方法抑制其他背景信息，徐涵秋[21]提出了改进归一化差异水体指数MNDWI，计算公式：

MNDWI=(Green)-(MIR)/(Green)+(MIR)

(7)

式中，Green指绿光波段，Landsat 8中的第3波段；MIR指中红外波段，Landsat 8中的第6波段。

3.2.3 NDBI

归一化建筑指数被广泛应用于提取城镇建筑物用地，表示城镇建筑物的密集程度，其表达式：

NDBI=(MIR-NIR)/(MIR+NIR)

(8)

式中，MIR为中红外波段，Landsat 8中的第6波段；NIR为近红外波段，Landsat 8中的第5波段。

4 结果与分析

4.1 地表温度空间分布特征

采用2020年5月28日成像时间为2：20(北京时间为10：20)和2：21(北京时间为10：21)的Landsat 8遥感影像，采用辐射传输方程法反演出长春市地表温度，如表1、图2所示。采用北京时间11：00的大气实测数据进行检验，对长春市地表温度反演结果精度进行统计分析，统计结果如表2所示。采用监督分类法对Landsat 8遥感影像进行土地利用分类，将长春市土地利用类型分为耕地、林地、草地、建设用地、水体、湿地，得到研究区的土地利用分类图，如图3所示。通过ArcGIS创建随机点工具，选取255个点，与Google Earth历史影像进行对比，验证其解译精度为85.72%，满足本实验对分类精度的要求。利用ArcGIS空间分析工具，从行政区划和土地利用类型两方面对地表温度及其面积占比进行统计分析，统计结果如表3、表4所示。

通过反演计算得到地表温度数据，大气温度是通过离地面近2m高的百叶窗测得，两者具有一定温差。如有学者对地表温度与气温的关系进行了大量的统计分析，结果表明，3—10月期间，地表地温恒定大于气温，温度差的平均值为2℃[22]。本文通过辐射传输方程算法反演得到的平均温度为23.2℃，与卫星过境时气温22℃相比，温差在2℃以内，该精度符合地气温差统计规律。由表2可知，辐射传输方程算法反演的地表温度值与大气实测数据的绝对误差为1.2，平均偏差为0.6，均方根误差为0.13，经验证，该反演结果可以达到研究的精度要求，可以进行后续的分析。

表1 2020年长春市地表温度反演结果

表2 反演精度验证结果

表3 不同行政区温度统计

表4 不同土地覆盖类型温度统计

由图2可知，地表温度由城市西部向城市东部逐渐降低。其中，新立城水库、南溪湿地公园、净月潭国家森林公园、南湖公园以及伊通河沿线的地表温度明显偏低，呈现出明显的“冷岛”现象。富奥长春工业园、第一汽车制造厂、一汽模具制造有限公司、建筑材料有限公司以及绿园区工业产业集聚区域的地表温度明显偏高。

图2 辐射传输方程法反演地表温度图

图3 2020年长春市土地利用分类图

由表3可知，绿园区平均温度最高，为25.92℃，南关区平均温度最低，为20.4℃。长春市各区的平均温度表现为绿园区>朝阳区>二道区>宽城区>南关区，从空间分布上来看，绿园区、朝阳区以及南关区西北部、东南部地表温度较高；宽城区、二道区东部以及南关区东北部地表温度较低。

由表4可知，建设用地平均温度最高，为24.79℃，水体平均温度最低，为12.47℃。长春市各土地利用类型的平均温度表现为建设用地>耕地>草地>林地>湿地>水体，水体的温度最低，表明水体对城市具有良好的降温作用。建设用地与耕地平均温度均高于长春市反演平均温度，并且耕地的地表温度高度接近建设用地，表明人类活动与春耕对城市具有明显的升温作用。

4.2 LST与下垫面因子

地表温度与下垫面因子密切相关，为定量表示这些因子，按照下垫面的组成通过NDVI、MNDWI、NDBI这3项指标分别与地表温度进行相关性分析[23]。得到地表温度与各下垫面因子的相关系数，如表5所示。为了更好地研究各下垫面因子与地表温度的关系，利用空间分析工具的提取模块，将地表温度、归一化指数数据导出到SPSS，生成散点图和回归方程。

表5 地表温度与下垫面因子之间的相关系数

由图4可知，地表温度与NDVI相关性较高并呈现负相关，相关系数为-0.645，在0.01的置信水平上呈显著负相关。表明研究区域内地表的植被覆盖度越高、植被状况越好时，地表温度越低[24]，城市森林及城市绿化对城市地表起到明显的降温作用。

图4 地表温度与NDVI的相关性

由图5可知，地表温度与MNDWI呈负相关，相关系数为-0.55，在0.01的置信水平上呈负相关，MNDWI越高，地表温度越低，由拟合方程可知地表温度随水体指数的增加而递减。大部分水体是自然形成的，有一少部分为城市人工开发的水体，地表温度与MNDWI指数的相关性分析结果表明，保护和增加水体面积可有效控制城市地表高温的加剧。

图5 地表温度与MNDWI的相关性

由图6可知，地表温度与NDBI呈现高度正相关，相关系数为0.716，在0.01的置信水平上呈显著正相关，建筑密度越高，地表温度越高。样本点NDBI越高，与趋势线的聚集程度越高。城市化进程的不断加快，城市建设密度逐渐提高，建筑面积的增加从而不断地改变城市下垫面性质，造成城市明显的升温。

图6 地表温度与NDBI的相关性

5 结论

通过长春市地表温度反演结果可看出，地表温度由城市西部向城市东部逐渐降低。按照各行政区划和各土地利用类型分别进行温度统计，结果表明，长春市各区的平均温度呈现为绿园区>朝阳区>二道区>宽城区>南关区；长春市各土地利用类型的平均温度呈现为建设用地>耕地>草地>林地>湿地>水体，其中耕地与建设用地温差仅为0.59℃，表明春耕对城市具有明显的升温作用。

通过地表温度反演结果，分析下垫面因子对地表温度的影响。地表温度与下垫面因子存在明显的线性关系，其中，地表温度与MNDWI、NDVI均呈负相关，表明增加城市公园湿地、保护天然水体、提高绿化面积等方法，将有利于降低城市温度；地表温度与NDBI呈高度正相关，表明城市建筑是造成城市温度升高的重要因素，可以通过调整城市格局以及改变城市建筑材料等方法降低城市温度。