王煜东，赵小艳*，徐向华，牛建龙，3，王亚戈

1.南京信息工程大学大气环境中心，江苏 南京 210044；2.南京信息工程大学江苏省农业气象重点实验室，江苏 南京 210044；3.塔里木大学植物科学学院，新疆 阿拉尔 843300



南京地区地表热通量的遥感反演分析

王煜东1，2，赵小艳1，2*，徐向华2，牛建龙2，3，王亚戈2

1.南京信息工程大学大气环境中心，江苏 南京 210044；2.南京信息工程大学江苏省农业气象重点实验室，江苏 南京 210044；3.塔里木大学植物科学学院，新疆 阿拉尔 843300

摘要：利用南京地区2013年8月11日、2013年10月14日、2014年1月2日和2014年5月26日的4景Landsat 8 OLI/TIRS 1B遥感影像，结合地面气象观测资料，借助SEBAL模型反演了南京地区地表热通量，并利用地表温度实测数据进行验证，且与他人研究结果进行了比较。结果表明，（1）南京净辐射通量与土壤热通量表现为春季最大，夏季次之，冬季最小；感热通量呈暖季（春、夏）大于冷季（秋、冬）的特征；秋季潜热通量最大，冬季最低，夏春季居中。（2）南京净辐射通量值为长江最高，均值达614.8 W·m-2；湖泊与林地次高，均值大于500 W·m-2；旧城、草地、农田较高，均值在480～500 W·m-2之间；裸地与新城最低，均低于460 W·m-2。土壤热通量值为旧城、裸地、新城最高，均值在75～85 W·m-2之间；湖泊、农田、草地次之，均值在65～75 W·m-2之间；长江与林地最低，均值低于60 W·m-2。感热通量值为城区最高，均值均高于200 W·m-2；林地、裸地、农田、草地次之，均值在100～200 W·m-2之间；水体区域最低，均低于60 W·m-2。潜热通量值为水体区域最高，均值高于400 W·m-2；林地、草地、农田、裸地次高，均值在220～320 W·m-2之间；城区潜热通量最低，均低于200 W·m-2。（3）土壤热通量占净辐射的比值除冬季均低于0.1外，其余季节均在0.05～0.25之间；新老城区的感热通量占净辐射比值在四季典型日均高于0.4，除春季的裸地和冬季外，其余土地利用类型均低于0.3，水体区域均低于0.15。潜热通量占净辐射比值为水体区域在四季均高于0.7，新老城区均低于0.5，除春夏季裸地和冬季的林地外，其余土地利用类型均高于0.5。不同土地利用类型的波文比呈现“新城＞旧城＞裸地＞林地＞农田＞草地＞湖泊＞长江”的空间分布和“春季＞冬季＞夏季＞秋季”的时间分布。新城区的波文比在四季典型日均为最高，且均值大于1，而水体的均为最低，均值小于0.2。

关键词：SEBAL模型；地表热通量；时空分布；遥感反演

引用格式：王煜东，赵小艳，徐向华，牛建龙，王亚戈.南京地区地表热通量的遥感反演分析［J］.生态环境学报，2016，25（4）:636-646.

WANG Yudong，ZHAO Xiaoyan，XU Xianghua，NIU Jianlong，WANG Yage.Analysis and Inversion on Surface Heat Flux with Remote Sensing in Nanjing Area ［J］.Ecology and Environmental Sciences，2016，25（4）:636-646.

地表热通量是表示地表与大气之间的感热、潜热交换强弱的物理量，其除了影响着地表与大气间的能量交换外，还影响着大气的稳定状况和大气边界层的结构与气候（伍雄昌，2013）。地表热通量不仅是数值天气预报、区域气候模型与水文模型的重要输入参数，而且还被广泛地应用于土地利用规划、城市火灾评估、作物产量预报、区域热环境诊断及旱情监测等领域（田鹏飞，2010）。

地表热通量的研究方法主要有观测法、数值模拟法和遥感反演法，这些方法在原理上都遵循地表能量平衡，但又各有优缺点。观测法可以获取各种天气条件下的连续观测资料，能较真实的反映仪器观测区域的地表热通量变化，但该方法因获得的区域点通量很难代表大面积的特征，较适用于对下垫面均匀区域的研究；数值模拟法可以模拟1950年后任何天气条件下，任何时段、任何地区的地表热通量，但一般模式的空间分辨率偏低，即使有个别高分辨率模式，也存在所需计算资源较高等问题。城市作为特殊的下垫面，具有尺度小、土地覆盖类型多、内部结构复杂等特点（王桂玲等，2012），在一定程度上限制了观测法和数值模拟法在城市区域的地表热通量研究（张倩，2013；于柳溪，2015）。遥感技术因可以方便地获取地表温度、地表反照率、地表土地覆盖类型和植被指数等各类地表参数，且具有覆盖范围广、空间分辨率较高、数据时间同步性好等特点，目前已经成为研究城市区域地表热通量的有效手段。利用卫星遥感数据研究地表热通量主要有单层模型、双层模型、热惯量方法和经验方法（Toby et al.，1994；Lambin et al.，1996；Shuttleworth et al.，1990；Norman et al.，1990）。双层模型计算时所需经验参数较多，且获取较难，计算复杂，误差较大；热惯量方法需要较多的辅助观测，且对输入参数的敏感度较高；经验模型具有区域局限性（Brunsell et al.，2003；张殿君，2011；郑文武，2012；宋鑫博，2013）。目前应用较广泛的是Brutsaert最早在1982年提出的单层模型（Bastiaanssen et al.，1998），该模型对陆面过程高度简化，计算需要的参数较少且简单（伍雄昌，2013），其中SEBAL模型就是由单层模型扩展得到的，已经在欧洲、亚洲、非洲等国家取得了很好的应用（Bastiaanssen，2000；Bastiaanssen et al.，2001；Hafeez et al.，2002；王介民等，2003）。国外众多学者利用SEBAL模型对地表蒸散进行了研究，并与其它模型与实测数据进行比较和验证，结果表明SEBAL模型具有很好的应用性，估算精度可达85% （Gibboney et al.，2005；Tasumi et al.，2007）。2002年，Bastiaanssen et al.（2002）将SEBAL模型引入到水资源管理领域，应用效果很好。2003年后，SEBAL模型也被广泛应用于农作物产量预测（Kondo，2000）、农作物生物量估测等方面（Hellegers et al.，2009；Zwart et al.，2010）。较国外研究而言，我国学者利用SEBAL模型开展研究相对滞后，主要应用于地表蒸散估计（张发耀等，2013；吴文玉等，2014）、城市热通量反演（田鹏飞等，2010；彭军超等，2011）、SEBAL模型改进（陈玲，2007；周彦召等，2014）、SEBAL模型的敏感性分析（陈强等，2009；夏婷等，2013）、估算作物生产力（杨建莹，2014；苏伟等，2014）和土壤质量评价等方面（丁美青，2014）。

南京是长三角主要城市之一，近些年，城区面积扩张迅速，城市热环境不容乐观，极大地影响了人们的生活质量（王萍，2009；刘勇洪等，2014；翁清鹏等，2015）。从能量平衡角度了解城市热环境的内在物理机制及形成原因对城市热量平衡具有重要的意义。本文利用SEBAL模型模拟南京地区四季不同下垫面地表热通量的时空变化规律，比较分析城市不同下垫面的地表热通量差异，研究结果可为改善南京城市热环境提供一定的参考依据。

1　研究区及数据来源

1.1研究区概况

南京是江苏省省会，长三角副中心城市，地处长江中下游平原苏皖交界处，北连江淮平原，东接长江三角洲，属亚热带季风湿润气候区，四季分明，常年平均气温为15.4 ℃，年平均降水量为1106.0 mm。南京市占地面积约6598 km2，总人口623.8万（赵小艳等，2009b），南北距离约150 km，东西距离约44 km，呈正南北向，现辖有11个区（玄武、鼓楼、浦口、六合、雨花台、江宁、栖霞、秦淮、建邺、溧水、高淳），因溧水、高淳、六合位于南京市主城区周边，目前城市化水平不高，不在本文研究区域内。

1.2数据来源及预处理

研究选用的遥感数据为2013年8月11日、10 月14日和2014年1月2日、5月26日的Landsat 8 OLI/TIRS 1B数据。数据预处理包括：辐射定标、大气校正、图像配准、土地利用分类等。其中，土地利用分类使用最大似然法，分为长江、湖泊、旧城区、新城区、农田、林地、草地、裸地共8类，四景遥感影像总体分类精度均大于85%，Kappa系数均大于0.8，达到Landsat 8 OLI/TIRS数据的分类精度要求。图1为2013年8月11日的土地利用分类结果图。

图1　南京夏季土地利用分类图Fig.1 Land use and Land cover classification of Nanjing in summer

辅助数据为江苏省气象局提供的风速、气压、气温、水汽压和空气湿度等同期气象数据，具体数据列于表1。

表1　南京站同期气象数据Fig.1 the same period of meteorological data in Nanjing

2　理论与方法

文中地表热通量利用SEBAL模型计算，该模型基于陆面能量平衡方程，首先利用可见光-反射红外遥感数据计算研究区的地表反照率、植被指数和地表比辐射率参数，结合气温等数据分别计算出净辐射通量和土壤热通量；利用热红外遥感数据反演地表温度，再结合气温和一系列阻抗公式计算显热通量，利用余项法根据能量平衡方程计算潜热通量，能量平衡方程为：

式中，G为土壤热通量（MJ·m-2·d-1）；LE为潜热通量（MJ·m-2·d-1）；H为感热通量（MJ·m-2·d-1）；Rn为到达地表的净辐射通量（MJ·m-2·d-1）。

2.1研究区地表特征参数反演

2.1.1地表反照率的计算

地表反照率表示地表对太阳总辐射的反射能力，OLI/TRIS数据的地表反照率可以通过OLI/TRIS数据部分波段的反射率计算得出（徐涵秋，2015），计算公式如下：

α2、α4、α5、α6、α7分别表示OLI传感器的第2、4、5、6、7波段的地表反射率。

2.1.2归一化植被指数的计算

归一化植被指数（NDVI：Normalized Difference Vegetation Index）常用来监测植被覆盖度与植物生长状态，其计算公式为：

式中，ρnir与ρred分别为OLI传感器第5和第4波段的反射率。

2.1.3地表比辐射率的计算

地表比辐射率是影响能量平衡方程中各分量的重要因素之一，主要取决于波长范围和下垫面组成。分析ASTER波谱库中各类地物的比辐射率值发现，城市区域各类下垫面的地表比辐射率值基本都高于0.9，且变化程度小，若将不同下垫面的地表比辐射率设为定值对结果影响很小（申双和等，2009；朱炎等，2010）。根据文献，本文将水体、林地、草地和农田、建筑用地及裸地的比辐射率分别设为0.99、0.981、0.9871、0.969和0.9697（周强，2008）。

2.1.4地表温度的反演

针对TIRS/Landsat 8数据地表温度的反演采用劈窗算法（杨槐，2014），该算法的具体表示形式为：

式中，Ts表示地表温度（℃）；T10和T11分别表示第10和11波段的亮度温度（℃）；A0、A1和A2表示简化系数，具体计算公式如下：

式中，C10、C11、D10、D11、E0、E1、E2均为中间变量，无特殊含义。ε10、ε11分别为第10和11波段的地表比辐射率，τ10、τ11分别表示第10和11波段的大气透过率。

将4个时期的地表温度反演结果与南京市浦口区南京信息工程大学永丰试验站北京时间10:30:00的地表温度观测数据进行了比较。除2013年8月11日的反演结果低于观测值1.73 ℃外，其余3个时期反演结果均比实测结果略高，最大差异出现在2014年5月26日（2.65 ℃）。根据文献对Landsat 8数据进行地表温度实测值与反演值对比验证来看，本文地表温度反演精度可靠（陈云，2014；宋挺等，2014；腾月等，2015）。

3　能量平衡方程各分量的计算

3.1净辐射通量的计算

地表净辐射是太阳短波辐射到达地表后，经地表反射和地表与大气的长波辐射交换后所得到的净能量（潘志强等，2003）。地表净辐射控制着地表与大气的温度、光合作用与蒸散。净辐射通量的变化会引起能量平衡方程中其他各分量的变化。净辐射通量由地表反照率、地表温度等参数决定，根据辐射表面平衡方程，净辐射通量的计算公式如下：

式中，Rs为太阳总辐射（MJ·m-2·d-1）；Lin为入射长波辐射（MJ·m-2·d-1）；Lout为出射长波辐射（MJ·m-2·d-1）；ε为比辐射率；Rn为净辐射（MJ·m-2·d-1）；α为地表反照率；Ts为地表温度（℃），τsw为大气透过率，Ta为2 m高度处的空气温度（℃）。δ为斯蒂芬-玻尔兹曼常数（5.67×10-8w·m-2·k-4）。

3.2土壤热通量的计算

土壤热通量也称土壤热交换，是指进入土壤内部的热交换能量，其大小与地表特征、土壤含水量及土壤内部的水、热交换能力有关。在单层模型中土壤热通量与净辐射通量成正比，是地表净辐射、归一化植被指数、地表温度与地表反照率共同决定的函数。土壤热通量的计算公式为：

式中，G为土壤热通量，Rn为净辐射通量（MJ·m-2·d-1）；Ts为地表温度（℃），α为地表反照率，NDVI为归一化植被指数。

3.3感热通量的计算

感热通量也称显热通量，表示地表与大气之间的热量交换。感热通量受空气温度、地表温度和空气动力学阻抗影响。文中利用SEBAL模型计算感热通量，SEBAL模型与其他模型相比所需气象数据较少，计算过程较为简单，其准确性也被世界各地得到验证（Bastiaanssen，1995；Hurk，2001；马耀明等，2004）。本文计算感热通量采用迭代法，计算感热通量时需计算温度梯度与动力学阻抗，Bastiaanssen等人研究发现地表温度与空气温度之间存在线性关系，通过计算冷像元与热像元的温度梯度，即可计算出所有像元点的温度梯度，计算过程中冷像元一般选自温度较低的水体，热像元一般选自农田裸露的土壤，通过冷热像元求出关系参数，计算出温度梯度。通过建立空气动力学阻抗与温度梯度的经验公式计算出感热通量。因为地表构造复杂，大气运动具有不稳定性，在模型中引入莫宁-奥布霍夫长度进行递归运算（Morse et al.，2003），通过多次迭代修正空气动力学阻抗，直到感热通量的数值稳定（曾丽红等，2008）。本文进行了8～13次迭代使空气动力学阻抗达到稳定。

感热通量的计算形式表示为：

式中，H为感热通量，Cp为空气体积热容积（J·m-3·℃），Ts为地表温度（℃），Ta为空气温度（℃），rah为空气动力学阻抗，ρ为空气密度。

空气动力学阻抗的计算公式为（宋小宁等，2007）：

式中，k=0.41，z1与z2表示两个高度（m），与表示两个高度上热量传输的稳定度因子，μ*表示摩擦速度（m·s-1）。μ*的计算公式为：

式中，u表示高度z处的风速，z表示地表以上某一高度（订正高度通常为200 m），ψm为高度z处动量传输稳定度的修正因子，Zom表示动量传输的地表像元粗糙度长度。

3.4潜热通量

潜热通量表示下垫面与大气之间交换的水汽通量，是水分循环的重要组成部分。根据能量平衡方程，利用余项法计算潜热通量，潜热通量的计算公式为：

4　结果与分析

4.1地表热通量遥感反演结果的对比分析

将本文反演的部分结果与相关文献的结果进行比较（表2）发现：南京夏季感热通量、潜热通量占净辐射的比值分别为0.28和0.54，接近于北京。其中，城区感热通量占净辐射比例最高，为0.47，接近于基督城和千叶，高于熊谷，低于马赛；农田感热通量占净辐射比例较低，仅为0.23，略高于熊谷；农田潜热通量占净辐射比例最高，为0.60，略高于熊谷，城区潜热通量占净辐射比例最低，仅为0.32，略低于熊谷，高于马赛、基督城和千叶；裸地感热通量占净辐射比例较低，为0.29，接近于叶和筑波，潜热通量占净辐射的比例较高，为0.47，略高于千叶和筑波。从对比结果来看，文中地表热通量反演结果具有可信性。

表2　本文结果与参考文献结果的对比Table 2 Comparison with this results and relevant value from the literatures

4.2不同下垫面地表净辐射的时空变化规律

图2为南京地区四季典型日净辐射通量的空间分布图。对照图1的土地覆盖类型图可以看出，南京四季净辐射量的空间分布规律明显。水体区域净辐射通量值最高，均值达400 W·m-2以上，长江和湖泊的均值分别可达614.9和598 W·m-2；林地、旧城区、草地和农田区域的净辐射通量较高，在350～700 W·m-2范围内，均值分别为519.1、494.8、491.8和482.8 W·m-2；裸地和新城区净辐射通量较低，均在580 W·m-2以下，均值分别为460和432.6 W·m-2。净辐射通量的空间分布差异性主要与不同下垫面的反照率存在空间差异性有关，如水体的热容量大，热惯量大，其对太阳辐射的吸收能力强，反射能力弱，相应的反照率最低，其净辐射通量值远高于其它土地利用类型。从季节变化特征来看，不同土地利用类型的净辐射通量季节性差异明显，秋、冬季节的净辐射通量明显低于春、夏两季，且冬季最小。从各季节平均净辐射通量值大小来看，春季净辐射通量值最大，为572.1 W·m-2；夏季次之，为553.7 W·m-2；秋季较低，为488.9 W·m-2；冬季最低，为366.7 W·m-2，尤以新城净辐射通量最低，仅为344.5 W·m-2。春季典型日的太阳高度角比夏季典型日高4.6957°，导致太阳总辐射略高，其净辐射通量略高于夏季典型日。不同季节的净辐射通量差异明显，春、夏季净辐射通量高于秋、冬季，这主要春、夏季节太阳高度、太阳总辐射和地表温度高于秋、冬季有关；冬季，林地净辐射通量略低于旧城，这主要与冬季植被覆盖度的降低使林地反照率升高，净辐射通量降低有关。总体来看，南京地区净辐射通量呈“长江＞湖泊＞林地＞旧城区＞草地＞农田＞裸地＞新城区”的空间分布，四季典型日呈“春季＞夏季＞秋季＞冬季”的季节分布规律，长江区域的净辐射通量除冬季略低于湖泊的外，其余季节均高于其它下垫面；新城区域由于工业区较多，有着较高的地表反照率与地表温度，其净辐射通量在四季中均为最低。

图2　南京市四季净辐射通量空间分布图Fig.2 Spatial distribution of net radiation flux in Nanjing in the four seasons

4.3不同下垫面土壤热通量的时空变化规律

图3为南京地区四季典型日土壤热通量的空间分布图。总体来看，南京地区土壤热通量值位于15～135 W·m-2之间。其中，旧城区、裸地和新城区的土壤热通量最高，均高于20 W·m-2，均值分别为81.7、81和78.8 W·m-2；农田土壤热通量较高，在22～110 W·m-2范围内，均值为74.9 W·m-2；草地土壤热通量较低，在18～95 W·m-2范围内，均值为67.8 W·m-2；林地土壤热通量最低，均低于80 W·m-2，均值为52.1 W·m-2，这主要与城区内部的工业区与裸地区域因地表温度较高，向土壤深层传递的热量多，导致土壤热通量较高有关；与林地区域具有较高的NDVI值，地表温度较低，导致土壤热通量较低有关。从季节变化特征来看，除冬季外，不同土地利用类型的土壤热通量在春、夏、秋季差异较为显著；其中，春季土壤热通量最高，均值达102.6W·m-2；夏季土壤热通量次高，均值达98.5 W·m-2；秋季土壤热通量较低，均值为58.9 W·m-2；冬季土壤热通量最低，均值为22.5 W·m-2。虽然春季的地表温度低于夏季，但因为净辐射通量与NDVI略高于夏季，其土壤热通量略高于夏季。总体来看，南京地区土壤热通量值呈“旧城区＞裸地＞新城区＞湖泊＞农田＞草地＞长江＞林地”的空间分布，四季典型日呈“春季＞夏季＞秋季＞冬季”的季节分布规律，除秋、冬季节外，旧城区的土壤热通量均高于其它土地利用类型；除冬季外，林地的土壤热通量均低于其它土地利用类型。

图3　南京市四季土壤热通量空间分布图Fig.3 Spatial distribution of soil heat flux in Nanjing in the four seasons

4.4不同下垫面感热通量的时空变化规律

图4为南京地区四季典型日感热通量的空间分布图。从图中可以看出，研究区内的几个典型工业区四季感热通量值均较高，如江北的南钢、扬子石化区域，栖霞区的工业园和板桥地区的工业园，春、夏季感热通量高于300 W·m-2；其中，新城区和旧城区感热通量最高，均值分别为260.2和241.9 W·m-2；林地、裸地、农田和草地感热通量较高，在160～350 W·m-2范围内，均值分别为154.8、138.8、131.0和115.0 W·m-2；湖泊和长江感热通量最低，均在125 W·m-2以下，均值分别为66.8和26.9 W·m-2。这主要城市内部气温较高且干燥，植被覆盖度较低，不透水面较多，地表与大气缺乏水汽交换，地气温差导致不同土地利用类型的感热通量存在差异。白天，城市地表吸收太阳净辐射，工业生产，交通运输和燃料燃烧所产生的热量会以各种形式转化成感热通量，使城区的感热通量高于其他土地利用类型；在林地等植被覆盖较高的地区，植被的蒸发蒸腾作用吸收了大量的热量，使感热通量小于城区；长江水体的水汽交换充足，具有较强的蒸发散热作用，感热通量与其他土地类型相比最小。感热通量的季节性明显，春季感热通量最高，均值达200.4 W·m-2，尤以新城区和旧城区感热通量最高，分别可达357.1和337.4 W·m-2；夏季感热通量次高，均值达154.5 W·m-2，仍以新城区和旧城区的感热通量高为主，二者的值分别可达257.2和258.6 W·m-2；冬季感热通量较低，均值为141.0 W·m-2，长江和湖泊感热通量均值分别仅为37.4和40.8 W·m-2，但冬季农田区域因植被覆盖少，感热通量值较高；秋季感热通量最低，均值为117.1 W·m-2，长江和湖泊感热通量仅为18.1和46 W·m-2。在暖季，林地，农田、草地等土地利用类型区域植被生长旺盛，蒸腾作用吸收大量的热量，从使得感热交换的能量降低。总体来看，南京地区感热通量呈“新城区＞旧城区＞林地＞裸地＞农田＞草地＞湖泊＞长江”的空间分布，四季典型日呈“春季＞夏季＞冬季＞秋季”的季节分布规律，新城区感热通量最高，长江和湖泊等水体区域感热通量最低。

图4　南京市四季感热通量空间分布图Fig.4 Spatial distribution of sensible heat flux in Nanjing in the four seasons

4.5不同下垫面潜热通量的时空变化规律

图5为南京地区四季典型日潜热通量的空间分布图。从空间上看，不同下垫面的潜热通量差异较大，4个季节都呈现为长江和湖泊区域潜热通量最高，均在240 W·m-2以上，均值分别为535.9和467.5 W·m-2；除冬季外，林地和草地的潜热通量较高，均在210 W·m-2以上，均值分别为312.4和310.1 W·m-2；在春、夏、秋三季南京建成区的潜热通量最低，均在230 W·m-2以下，旧城区与新城区的均值分别为188.3和115 W·m-2。潜热通量的大小与下垫面的水分含量密切相关，城市内部以水泥、沥青等不透水下垫面为主，水分含量少，用于潜热交换的能量少，长江，湖泊水汽交换充足，潜热通量最大，林地、草地和农田区在植被生长旺盛的时期，用于潜热交换的能量较多。潜热通量季节性明显，其中，秋季潜热通量最高，均值达312.9 W·m-2；夏季潜热通量次高，均值达300.7 W·m-2；春季潜热通量较低，均值为269.1 W·m-2；冬季潜热通量最低，均值为203.2 W·m-2。总体来看，南京地区潜热通量呈“长江＞湖泊＞林地＞草地＞农田＞裸地＞旧城区＞新城区”的空间分布，四季典型日呈“秋季＞夏季＞春季＞冬季”的季节分布规律，新城区潜热通量最低，长江和湖泊等水体区域潜热通量最高。

4.6不同土地利用类型能量平衡差异性分析

4.6.1不同土地利用类型能量平衡差异对比

从能量堆积图中可以看出（图6～9），不同季节典型日不同土地利用类型的能量分配存在着差异性。从总体上看，土壤热通量占净辐射通量的比例较小，尤以冬季最为明显（所有土地利用类型该比例均低于0.1），其他季节的除水体外总体分布在0.05～0.25之间。新城区与老城区分布情况类似，均为感热通量大，潜热通量小。新老城区的感热通量占比在四季典型日均高于0.4，除春季的裸地与冬季外，其余土地利用类型的感热通量均低于0.3，水体区域的感热通量占比在四季典型日均低于0.15。新老城区的潜热通量占比在四季典型日均低于0.5，除春夏季节的裸地与冬季的林地外，其余土地利用类型的潜热通量均高于0.5，水体区域在四季均高于0.7。城市下垫面主要由沥青、水泥等材料组成，具有热容高、导热率高等特点，吸收的太阳辐射能多数转换成感热通量，白天下垫面吸热后以感热交换方式从地面输送给大气并对大气起到加热作用（李瑶等，2015），增强局地热效应。植被与水体区域，植被蒸腾作用与水体蒸发使能量多以潜热交换方式被消耗，从而缓解周边热效应。所以在城市内部，适当增加水体面积，如修建人工湖；增加植被面积，如增加城市绿地、行道树绿化、小区绿化等的面积，增加建筑物屋顶与墙体的绿化面积，通过蒸散发增加潜热交换，减少感热交换，对降低城区内部温度，缓解城市热环境具有明显作用。

图 5南京市四季潜热通量空间分布图Fig.5 Spatial distribution of latent heat flux in Nanjing in the four seasons

图6　春季下垫面能量堆积图Fig.6 Energy accumulation of different underlying surface in summer

图7　夏季下垫面能量堆积图Fig.7 Energy accumulation of different underlying surface in spring

图8　秋季下垫面能量堆积Fig.8 Energy accumulation of different underlying surface in winter

4.6.2不同土地利用类型波文比差异对比

波文比是感热通量与潜热通量之比，是表示能量分配的重要指标。对比南京地区不同土地利用类型波文比的平均值发现（表3）：新城、旧城波文比值远大于研究区所有土地利用类型的平均值且4个典型日波文比的平均值均大于1，其中新城区达到了3.26。其他土地利用类型除冬季外，波文比均低于0.65，植被区域主要分布在0.2～0.55之间，水体区域的波文比最小，四季均低于0.2。南京城区的波文比呈现出明显的季节变化，各季节典型日的波文比在春、冬季节较大，夏季次之，秋季最小。在不同季节新城的波文比均为最大，旧城次之（冬季除外）；长江水体在四季中的波文比均为最小；农田在四季中的波文比略高于草地；林地波文比除冬季外均低于新城、旧城和裸地，且比值小于1，这与Oke et al.（1972）等学者研究城市、近郊区波文比分别为0.5～（＞4.0）和0.25～2.5的研究结果较一致。水体热容量与热惯量均较大，其波文比远低于植被，这说明，暖季水体对改善城市热环境的作用优于具有相同面积的植被。

图9　冬季下垫面能量堆积Fig.9 Energy accumulation of different underlying surface in autumn

5　结论与讨论

5.1讨论

本文利用SEBAL模型对南京市不同季节典型日的地表热通量进行了反演，结果表明南京市地表热通量时空分布特征明显。利用南京市某观测点的实测温度数据进行验证及与他人研究结果进行了比较，表明本研究对地表热通量的估算结果是合理的。南京地区的地表热通量与其他城市的地表热通量有一定的差异性，城区感热通量占净辐射通量的比值高于熊谷、千叶与基督城的，低于马赛的。潜热通量占净辐射通量比值仅高于熊谷的。从感热通量、潜热通量分别占净辐射通量的比例来看，研究区域总体值比北京的略低。裸地与农田等与其他人反演结果较接近。说明近地层的能量分配与城市的地理位置、大小、人口密度、土地覆盖类型及气象条件等有密切关系。

表3　不同季节不同土地利用类型的平均波文比Table 3 The average bowen ratio from different land use types in different seasons

本文与其他学者的研究结果存在差异与选用的模型和参数不同有关，计算感热通量时对冷点与热点的选择存在一定的主观性，增加了计算结果的人为误差。另外，仅以江苏省气象局气象站点的温度数据代替整个研究区域的气温，也会导致一定的误差，后续研究可以选择研究区域的多个自动站气温数据，进一步提高感热通量与潜热通量的估算精度。

5.2结论

（1）南京地区的地表热通量有较明显的季节变化，净辐射通量呈春季最大，夏季次之，均高于500 W·m-2；秋季次之；冬季最低，低于400 W·m-2。土壤热通量呈春季最大，夏季次之，均高于90 W·m-2；秋季次之；冬季最低，仅为20～30 W·m-2。感热通量呈春季最高，均值高于200 W·m-2；夏冬次之；秋季最低，均值低于120 W·m-2。潜热通量秋夏最大，均高于300 W·m-2；春季次之；冬季最低，略高于200 W·m-2。空间分布上长江与玄武湖、莫愁湖、九龙湖等水体一年四季均有着较高的净辐射通量与潜热通量，较低的感热通量；南京新街口等商业区，扬子石化栖霞板桥工业区等区域净辐射通量与潜热通量均较低，感热通量较高；老山、紫金山、栖霞山等区域净辐射通量较高，土壤热通量较低，除冬季外其他季节有着较高的潜热通量与较低的感热通量；八卦洲等农田区域能量平衡方程各分量介于水体与城区之间。

（2）地表热通量大小与土地利用类型关系密切，南京地区净辐射通量以长江最高，均值为614.8 W·m-2；湖泊与林地次高，均值大于500 W·m-2；旧城、草地、农田较高，均值在480～500 W·m-2之间；裸地与旧城最低，均低于460 W·m-2。土壤热通量以旧城、裸地、新城最高，均值在75～85 W·m-2之间；湖泊、农田，草地次之，均值在65～75 W·m-2之间；长江与林地最低，均值低于60 W·m-2。感热通量新城与旧城最高，均值均高于200 W·m-2；林地、裸地、农田、草地次之，均值在100～200 W·m-2之间；水体区域最低，均低于60 W·m-2。潜热通量以水体区域最高，均值高于400 W·m-2；林地、草地、农田、裸地次高，均值在220～320 W·m-2之间；城区潜热通量最低，均低于200 W·m-2。

（3）土壤热通量占净辐射通量的比例较小，尤以冬季最为明显。冬季所有土地利用类型均低于0.1，其他季节总体分布在0.05～0.25之间。新城区与老城区情况类似，均为感热通量大，潜热通量小。从感热通量占净辐射通量的比例来看，新老城区在四季典型日均高于0.4，除春季的裸地与冬季外，其余土地利用类型均低于0.3，水体区域均低于0.15。潜热通量占净辐射通量的比例呈现新老城区在四季典型日均低于0.5，除春夏季节的裸地与冬季的林地外，其余土地利用类型均高于0.5，水体区域均高于0.7。城区的波文比最大，平均值均大于1，其余土地利用类型除冬季外，均低于0.65，植被区域主要分布在0.2～0.55之间，水体区域的波文比最小，四季均低于0.2。南京城区的波文比呈现出明显的季节变化，春、冬季典型日较大，夏季次之，秋季最小。在城市内部，修建人工湖，增加绿地面积，可以增加潜热通量，减少感热通量，降低城区温度，从而缓解城市热环境。

参考文献：

BASTIAANSSEN W G M，AHMAD M U D，CHEMIN Y.2002.Satellite surveillance of evaporative depletion across the Indus Basin ［J］.Water Resources Research，38（12）:91-99.

BASTIAANSSEN W G M，BANDARA K.2001.Evaporative depletion assessments for irrigated watersheds in Sri Lanka ［J］.Irrigation Science，21（1）:1-15.

BASTIAANSSEN W G M，MENENTI M，FEDDES R A，et al.1998.A remote sensing surface energy balance algorithm for land （SEBAL）.1.Formulation ［J］.Journal of Hydrology，212-213（1-4）:198-212.

BRUNSELL N A，GILLIES R R.2003.Scale issues in land-atmosphere interactions:implications for remote sensing of the surface energy balance ［J］.Agricultural & Forest Meteorology，117（3-4）:203-221.

GRIMMOND C S B.1992.The suburban energy balance:Methodological considerations and results for a mid-latitude west coast city under winter and spring conditions ［J］.International Journal of Climatology，12（12）:481-497.

HAFEEZ M M，CHEMIN Y，VAN D G N，et al.2002.Estimation of crop water deficit through remote sensing in Central Luzon，Philippines ［C］//Geoscience and Remote Sensing Symposium，2002.IGARSS'02.2002 IEEE International:2778-2780.

HELLEGERS P J G J，SOPPE R，PERRY C J，et al.2009.Combining remote sensing and economic analysis to support decisions that affect water productivity ［J］.Irrigation Science，27（3）:243-251.

HURK B V D.2001.Energy balance based surface flux estimation from satellite data，and its application for surface moisture assimilation ［J］.Meteorology & Atmospheric Physics，76（76）:43-52.

KONDO J.2000.Atmospheric science near the ground surface ［D］.University of Tokyo Press.

LAMBIN E F，EHRLICH D.1996.The surface temperature-vegetation index space for land cover and land-cover change analysis ［J］.International Journal of Remote Sensing，17（3）:463-487.

Liu Y，Shintaro G，Zhuang D，et al.2012.Urban surface heat fluxes infrared remote sensing inversion and their relationship with land use types ［J］.Journal of Geographical Sciences，22（4）:699-715.

LIU Y，SHINTARO G，ZHUANG D，et al.Urban surface heat fluxes infrared remote sensing inversion and their relationship with land use types［J］.Journal of Geographical Sciences，2012，22（4）:699-715.Morse A，Kramber W J，Wilkins M，et al.2003.Preliminary computation of evapotranspiration by land cover type using Landsat TM data and SEBAL ［C］//Geoscience and Remote Sensing Symposium，2003.IGARSS '03.Proceedings.2003 IEEE International:2956-2958 .

Oke T R，Fuggle R F.1972.Comparison of urban/rural counter and net radiation at night ［J］.Boundary-Layer Meteorology，2（3）:290-308.

Shuttleworth W J，Gurney R J.1990.The theoretical relationship between foliage temperature and canopy resistance in sparse crops ［J］.Quarterly Journal of the Royal Meteorological Society，116（492）:497-519.

Spronken-Smith.2002.Comparison of summer-and winter-time suburban energy fluxes in Christchurch，New Zealand ［J］.International Journal of Climatology，22（8）:979-992.

Tasumi M，Allen R G.2007.Satellite-based ET mapping to assess variation in ET with timing of crop development ［J］.Agricultural Water Management，88（1-3）:54-62.

Toby N Carlson，Robert R Gillies，Eileen M Perry.1994.A method to make use of thermal infrared temperature and NDVI measurements to Infer surface soil water content and fractional vegetation over ［J］.Remote Sensing Reviews，9（1）:161-173.

Zwart S J，Bastiaanssen W G M，Fraiture C D，et al.2010.A global benchmark map of water productivity for rainfed and irrigated wheat ［J］.Agricultural Water Management，97（10）:1617-1627.

Bastiaanssen W G M.1995.Regionalization of surface flux densities and moisture indicators in composite terrain -a Remote sensing approach under clear skies in mediterranean climates ［J］.Prof.

Norman J M，Kustas W P，Humes K S.1995.Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature ［J］.Agricultural & Forest Meteorology，77（3）:263-293.

Bastiaanssen W G M.2000.SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin，Turkey ［J］.Journal of Hydrology，229（1-2）:87-100.

Bastiaanssen W G M，Ali S.2003.A new crop yield forecasting model based on satellite measurements applied across the Indus Basin，Pakistan ［J］.Agriculture Ecosystems & Environment，94（3）:321-340.

Gibboney R A，Gould J M.2005.SEBAL Model with Remotely Sensed Data to Improve Water-Resources Management under Actual Field Conditions ［J］.Journal of Irrigation & Drainage Engineering，131（1）:85-93.

曾丽红，宋开山，张柏，等.2008.基于SEBAL模型的扎龙湿地蒸散量反演［J］.中国农业气象，29（4）:420-426.

陈玲.2007.基于改进的SEBAL模型估算区域蒸散发［D］.兰州:兰州大学.

陈强，苟思，严登华.2009.基于SEBAL模型的区域ET计算及气象参数敏感性分析-以天津市为例［J］.资源科学，31（8）:1303-1308.

陈云.2014.基于Landsat 8的城市热岛效应研究初探_以厦门市为例［J］.测绘与空间地理信息，37（2）:123-128.

丁美青.2014.土地开发整理区土壤质量遥感定量评价研究［D］.长沙:中南大学.

敬书珍.2009.基于遥感的地表特性对地表水热通量的影响研究［D］.北京:清华大学硕士论文.

李瑶，潘竟虎，罗晶.2015.基于Landsat8影像和能量平衡的西安市热场格局研究［J］ .遥感技术与应用，30（5）:868-874.

刘勇洪，徐永明，马京津，等.2014.北京城市热岛的定量监测及规划模拟研究［J］.生态环境学报，（7）:1156-1163..

刘越，Shintaro Goto，庄大方，等.2012.城市地表热通量遥感反演及与下垫面关系分析［J］.地理学报，67（1）:101-112.

马耀明，戴有学，马伟强，等.2004.干旱半干旱非均匀地表区域能量通量的卫星遥感参数化［J］.高原气象，24（3）:139-146.

潘志强，刘高焕.2003.黄河三角洲蒸散的遥感研究［J］.地球信息科学，（3）:91-96.

彭军超，郑艳伟，王剑.2011.广州地表能量通量研究［J］.安徽农业科学，39（21）:12789-12792.

申双和，赵小艳，杨沈斌，等.2009.利用ASTER数据分析南京城市地表温度分布［J］.应用气象学报，20（4）:458-464.

宋挺，段峥，刘军志，等.2014.基于Landsat 8数据和劈窗算法的地表温度反演及城市热岛效应研究［J］.环境监控与预警，6（5）:4-14.

宋小宁，赵英时，冯晓明.2007.基于卫星遥感数据改进区域尺度的感热通量模型［J］.地理与地理信息科学，23（1）:36-38.

宋鑫博.2013.基于MODIS数据的湖西区地表蒸散发遥感研究［D］.南京:南京师范大学.

苏伟，刘睿，孙中平，等.2014.基于SEBAL的农作物NPP反演［J］.农业机械学报，45（11）:272-279.

腾月，朱桢榕.2015.基于Landsat 8地表温度的单窗反演_以九江市为例［J］.江西科学，33（6）:854-857.

田鹏飞，沈润平.2010.基于SEBAL模型在城市地表通量反演的应用［J］.陕西气象，（4）:14-17.

田鹏飞.2010.基于遥感的SEBAL模型反演区域地表水热通量研究—以武汉市为例［D］.南京:南京信息工程大学.

王桂玲，谈建国，崔林丽，等.2012.基于TM资料对上海区域热环境特征的分析［J］.环境监控与预警，4（6）:10-13.

王介民，高峰，刘绍民.2003.流域尺度TE的遥感反演［J］.遥感技术与应用，18（5）:332-338.

王萍.2009.城市热岛效应地表通量空间分布研究［J］.遥感技术与应用，26（6）:757-765.

翁清鹏，张慧.2015.南京城市热环境与土地利用关系研究［J］.科学技术与工程，15（13）:232-237.

吴文玉，孔琴琴，马小群，等.2014.基于MODIS数据的安徽区域日蒸散量估算与分析［J］.长江流域与环境，23（6）:854-861.

伍雄昌.2013.基于遥感的福州市人工热排放研究［D］.福州:福建师范大学.

夏婷，王忠静.2013.SEBAL模型参量敏感性再分析［J］.清华大学学报，53（9）:1241-1248.

徐涵秋.2015.新型Landsat8卫星影像的反射率和地表温度反演［J］.地球物理学报，58（3）:741-747.

杨槐.2014.从Landsat8影像反演地表温度的劈窗算法研究［J］.测绘地理信息，39（4）:73-77.

杨建莹.2014.基于SEBAL的模型黄淮海冬小麦和夏玉米水分生产力研究［D］.北京:中国农业科学院.

于柳溪.2015.快速城市化及其热环境效应研究-以石家庄为例［D］.石家庄:河北科技大学.

张殿君.2011.SEBAL模型区域优化及蒸散量与土地利用/覆盖变化关系研究［D］.北京:北京林业大学.

张发耀，王福民，周斌，等.2013.基于MODIS模型的浙江省区域蒸散发量估算研究［J］.人民长江，44（17）:40-44.

张倩.2013.城市热岛效应及机理研究［D］.石家庄:河北科技大学.

赵小艳，申双和，杨沈斌，等.2009.利用ASTER数据反演南京城市地表温度［J］.南京气象学院学报，32（1）:128-133.

郑文武.2012.城市地表蒸散发研究［D］.长沙:湖南大学.

周强.2008.南京地区城市热岛效应研究［D］.南京:南京信息工程大学.

周彦召，周剑，李妍，等.2014.利用SEBAL和改进的SEBAL模型估算黑河中游戈壁、绿洲的蒸散发［J］.冰川冻土，36（6）:1526-1537.

朱炎，李连芳，徐永明，等.2010.基于Landsat卫星资料的苏州城市热岛效应遥感分析［J］.高原气象， 29（1）:244-250.

Analysis and Inversion on Surface Heat Flux with Remote Sensing in Nanjing Area

WANG Yudong1，2，ZHAO Xiaoyan1，2*，XU Xianghua2，NIU Jianlong2，3，WANG Yage2
1.Yale-NUIST Center on Atmospheric Environment，Nanjing 210044，China； 2.Jiangsu Key Laboratory of Agricultural Meteorology，Nanjing 210044，China；3.College of Plant Science，Tarim university，Alar 843300，China

Abstract：Based on four Landsat8 OLI/TIRS 1B remote sensing images on 11th August and 14th October in 2013，2nd January and 26th May in 2014 in Nanjing，combined with the meteorological data measured by the ground meteorological station，this study retrieved the temporal and spatial distribution of surface heat flux in Nanjing area by SEBAL model，As the surface temperature was validated with the measured data and the reliability was validated by comparing with others results.The results showed that:（1） net radiation flux and soil heat flux on the maximum value were in spring，lower value were in summer and the minimum value were in winter.Sensible heat flux in the warm season （spring and summer） was higher than the cold season （winter and autumn）.Latent heat flux on the maximum value was in summer，the minimum value was in winter and lower value was in spring and autumn in Nanjing area.（2） The maximum net radiation flux located in Yangtze River，which average and value was 614.8 W·m-2.The higher value were in lake and woodland，which average value was higher than 500 W·m-2.The higher value were in old city，farmland and grassland，which average value were during 480 to 500 W·m-2.The minimum value were in bare land and metro area，which average value were lower than 460 W·m-2.The maximum soil heat flux located in old city，bare land and metro area，which average value were durin 75 to 85 W·m-2.The higher value were in lake，farmland and grassland，which average value were during 65 to 75 W·m-2.The minimum value were in Yangtze River and woodland.which average value were lower than 60 W·m-2.The maximum sensible heat flux located in old city and metro area，which average value was higher than 200 W·m-2.The higher value were in woodland，bare land，farmland and grassland，which average value were during 100 to 200 W·m-2.The minimum value was in water，which average value was lower than 60 W·m-2.The maximum latent heat flux located in water，which average value was higher than 400 W·m-2； The second value were in woodland，grassland，farmland and bare land，which average value were during 220 to 320 W·m-2.The minimum value were in old city and metro area，which average value was lower than 200 W·m-2.（3） Soil heat flux accounted for the net radiation flux was less than 0.1 in winter，other seasons were during 0.05 to 0.25.Sensible heat flux accounted for the net radiation flux in typical day of the four seasons were more than 0.4，other land use types were less than 0.3 except bare land in spring and winter.And Water less than 0.15.Old city and metro area were lower than 0.5.Other land use types were higher than 0.5 except bare land in spring and summer and woodland in winter.The Spatial distribution of Bowen ratio in different land use types in Nanjing area were “metro area ＞ old city ＞ bare land ＞ woodland ＞ farmland ＞ grassland ＞lake ＞ Yangtze River” and the time distribution were “spring ＞winter ＞ summer ＞ autumn”.The maximum Bowen ratio was in metro area in typical day of the four seasons，which average value was higher than 1.The maximum value was in body，which average value was lower than 0.2.

Key words：SEBAL model； surface heat flux； spatial-temporal distribution； remote sensing

DOI：10.16258/j.cnki.1674-5906.2016.04.013

中图分类号：X16

文献标志码：A

文章编号：1674-5906（2016）04-0636-11

基金项目：南京信息工程大学大学生实践创新训练计划项目（201410300106）；江苏高校优势学科建设工程项目（PAPD）；教育部长江学者和创新团队发展计划项目（PCSIRT）；国家自然科学基金项目（41005012）

作者简介：王煜东（1989年生），男，硕士研究生，研究方向为环境遥感。E-mail:731211197@qq.com

*通信作者：赵小艳（1974年生），女，讲师，博士，主要从事资源环境遥感方面的研究。E-mail:yqxyzh@nuist.edu.cn

收稿日期：2016-01-04