城市绿地对北京市热岛强度的影响

张旭萍

(北京建筑大学 测绘与城市空间信息学院, 北京 100044)

摘要：针对北京市热岛效应日益加重的问题,提出了基于陆地卫星8号(Landsat8)所携带的陆地成像仪(OLI)和热红外成像仪(TIRS)的Level-1数据反演地表温度、计算植被覆盖度的方法;并构建地表温度反演模型,探究北京市热岛效应与城市绿地面积关系。实验结果表明：高温区大部分集中在中心城区,并向周围的郊区的平原地带呈辐射状扩散,随着城区绿地面积增加,植被覆盖度上升的同时城区的热岛强度也呈下降趋势,说明城市绿地面积的增加与热岛效应呈负相关关系。

0 引言

随着城市建设的快速发展,北京的城市范围在迅速扩张,城市内大量的混凝土、柏油路面及各种建筑墙面等人工构筑物,极大地改变了原有的自然下垫面热力属性,城市热岛效应也变得越来越明显[1]。近年来为缓解城市热岛效应,增加绿地等非建设用地也让城市环境发生了变化,众多学者开展了相关研究[2]。高分辨率遥感技术能够全天候,大范围监测作为热岛效应重要依据的地表温度,单窗算法、劈窗算法以及辐射传输方程法等地表温度反演算法也弥补了获取地表温度数据难的缺陷[3-4],并能够全面监测植被的分布情况,可反映城市绿地的变化。热岛效应的表达方式也有许多,如相对地表温度[5]、地表温度距平值等[6],但目前较少分析热岛效应变化的原因。本文将基于2015、2017年的Landsat8 Level-1数据,反演地表温度,并以地表温度为基础,使用密度分割法对热岛强度进行分级计算北京市的植被覆盖率,分析北京市2015年、2017年的热岛效应与城市绿地面积变化的关系。

1 工作流程

北京市地表温度反演、植被覆盖度计算及热岛强度分级具体工作流程见图1。其中NDVI为归一化植被指数(normalized difference vegetation index,NDVI),TOA为表观反射率(top of atmosphere reflectance,TOA)。

图1 工作流程图

2 研究方法

2.1 研究区概况及数据来源

北京市位于东经115°25′～117°30′,北纬39°28′～41°05′,总面积16 410.54 km2,为典型的温带大陆性季风气候。

数据来源为北京市2015、2017的Landsat8 OLI-TIRS Level-1数据,已经过系统辐射校正和几何校正,坐标系为通用横轴墨卡托投影(universal transverse Mercator,UTM)-WGS84;波段8分辨率为15 m、波段10、11为100 m、其余波段为30 m。使用条带号123,行编号32的数据,成像日期为2015年5月18日和2017年5月7日。

2.2 数据预处理

使用ERDAS软件的Layer Stack功能将下载得到的Landsat8全波段TIFF灰度图像合成为IMG格式的图像。将研究城市边界的矢量SHP文件转换为AOI文件,按城市边界对IMG图像进行裁剪。

2.3 基于辐射传输方程法反演地表温度

2.3.1 辐射定标计算

辐射定标是将记录的DN值转换为辐射亮度值。合成IMG影像数据中波段10的DN值转换为TOA辐射亮度的计算过程参照式(1)[7]。

Lλ=ML·Qcal+AL

(1)

式中,Lλ为TOA辐射亮度;ML为增益参数;AL为偏移参数;Qcal为Level-1数据的DN值。

同时Landsat8 OLI 波段4、波段5的DN值转换得到TOA的计算过程参照公式(2)。

ρλ=(Mρ·Qcal+Aρ)·sin(θSE)

(2)

式中,ρλ为TOA;Mρ为增益参数;Aρ为偏移参数,Qcal为Level-1数据的DN值;θSE为当地的太阳高度角。

（1）造成系统电压发生波动。对于传统配电网而言，无论是有功负荷，又或者是无功负荷，均会随时间推移而发生相应的变化，继而造成系统出现电压波动。对于分布式电源并网而言，其可能会对电网电压波动造成如下相关影响：分布式电源、所承担的负荷二者相对平衡时，那么采用分布式电源并网这种模式便能够对系统电压起到一个很好的抑制作用；如果二者无法做到有机协调，那么系统电压波动将会呈现出一种加重趋势。除此之外，当存在一些不科学接入时，也会导致配电线路的不稳定，尤其是负荷潮流大幅变化问题，这给电网电压的高效调整制造了一定的麻烦[2]。

2.3.2 NDVI计算及地表发射率估算

基于2.3.1计算的TOA,计算NDVI值(式中用I表示)的过程参照式(3)。

(3)

式中,ρNIR和ρR分别为波段5(近红外波段)和波段4(红波段)的TOA。I取值范围为[-1,1]。

使用VAN经验公式[8]估算地表发射率ελ。

ελ=1.009 4+0.047ln(I)

(4)

式(4)适用于非自然地表区域(如城市地表)。但由于城市建成区内分布着许多建筑物、河流、湖泊等水体,因此需根据ρNDVI的大小订正地表发射率：当I<-0.150时,ελ=0.995;当-0.150<I≤0.157时,ελ=0.923;当0.157<I≤0.727时,ελ=1.009 4+0.047ln(I);当I>0.727时,ελ=0.986。

2.3.3 同温度黑体辐射亮度计算

辐射传输方程法可最大程度去除大气对结果的影响,并且反演的温度精度较高,可较为准确地表示地表温度分布[9-10]。黑体辐射亮度的计算公式为：

(5)

2.3.4 地表温度计算

根据式(6)计算Landsat 8 TIRS波段10的地表实际温度TS。

(6)

式中,K1=774.89, K2=1 321.08。以Landsat8的波段10、波段4、波段5的图像数据为基础,依据上述公式使用ERDAS软件的Model Maker功能计算得到相应的地表温度[12]。

2.4 植被覆盖度计算

基于植被覆盖度可表达城市绿地分布,利用2.3.2节中所计算出的NDVI值,依据式(8)计算植被覆盖度[13]。

(8)

式中,fc为植被覆盖度;Isoil是NDVI计算结果的最小值;Iveg是NDVI计算结果的最大值。依据上述公式使用ERDAS软件的Model Maker功能计算得到相应的植被覆盖度。

2.5 热岛强度分级

由于遥感图像获取的时间与实时环境不同,所以反演得到的地表温度难以进行对比分析,需将反演出的地表温度结果按一定区间进行划分,得到热岛强度等级分布,以对比分析不同时间图像[14]。使用密度分割法,利用地表平均温度,按式(9)计算温度阈值范围。

(9)

式中,RLST为计算出的温度阈值范围;为地表温度的平均值;σ为地表温度的标准差;n为标准差的倍数[15]。热岛强度分级按式(9)划分如下：热岛强度1级温度范围为热岛强度2级温度范围为热岛强度3级温度范围为热岛强度4级温度范围为热岛强度5级温度范围为热岛强度6级温度范围为

3 实例分析

参照式(1)～式(8),使用ERDAS的Model Maker功能计算得到北京市2015年5月18日、2017年5月7日地表温度及植被覆盖度数据分布如表1所示。

表1 北京市各项计算结果

[气温资料来源于全球天气网(www.tianqi.com),历史天气查询]

根据计算结果,基于式(9)得到北京市热岛强度分级图,具体见图2。

 

图2 2015、2017北京市热岛强度分级[审图号：GS(2019)3333号]

从图2可知,地表温度反演结果清晰,能够反映出2015年5月18日、2017年5月7日北京市的热岛强度。部分结果数值偏大的原因是反演的结果是当日地表温度,可能高于当日气温。结合表1、图2可知,2015到2017年,北京市温度呈上升趋势,城六区与以山区为主的郊区温差显著,说明北京市热岛效应明显。2015年5月18日城六区的热岛强度主要为5级和4级,强度为5级的区域较多,与周围郊区的热岛强度有较大差距。而2017年5月7日的温度虽然整体上升,但郊区的气温,特别是离城六区较近的区域,由于城市进一步发展上升较为明显,与城六区的温度差异变小,是导致城六区的热岛等级有明显从5级向4级减弱的原因之一。

由表1可知,从2015年到2017年北京市植被覆盖度的平均值上升了0.19%,植被覆盖度高的地方集中在山区,该区域温度较低,热岛强度较弱。根据《中国城市统计年鉴》2016、2018年北京市相关数据,北京市城市绿地面积从2015年到2017年上升了2 196 hm2,增加约2%;其中公园绿地面积上升了1 516 hm2,约占上升面积的69%;说明北京市正积极进行公园绿化,对减缓热岛效应起到了一定作用。

4 结束语

本次研究以2015、2017年的Landsat8 Level-1数据为数据源,对北京市夏季的地表温度进行反演,计算植被覆盖度,并使用密度分割法对地表温度反演结果进行分级,以进行相同区域不同时期的热岛强度结果对比分析,结果表明：北京市高温区大部分集中在中心城区,并向周围的郊区呈辐射状扩散,但城区与郊区的地表温度差距较大,表明城市热岛效应依然明显。植被覆盖度较高的地区地表温度相对较低,而城区植被覆盖度上升的同时城区的热岛强度也呈下降趋势,城市绿地面积的增加与热岛效应呈负相关。除了自然形成的山区等植被覆盖度高的地区,公园绿地面积的增加也是缓解城区热岛强度的重要原因。在2015年至2017年中,公园绿地的增长面积占城市绿地总增长面积的69%,说明增加公园绿地对缓解热岛效应是有效的举措,应当给予支持。在城市建成区用地紧张的情况下,应根据当地的具体情况,采取多样化的绿化措施[16],例如屋顶绿化、空间立体绿化等措施,增加总体绿地量。实际应用中不可避免地会有云层或大气因素干扰,在后续研究中将进一步优化遥感数据预处理以及地表温度反演算法,尽量排除云层等因素的影响,提高结果的准确性。

参考文献

[1] 彭保发,石忆邵,王贺封,等.城市热岛效应的影响机理及其作用规律——以上海市为例[J].地理学报,2013,68(11)：1461-1471.

[2] 邱海玲,朱清科,武鹏飞.城市绿地对周边建设用地的降温效应分析[J].中国水土保持科学,2015,13(1)：111-117.

[3] 刘苏庆,陈建平,李诗.北京城区2000—2014年地表温度反演及因素分析[J].地质学刊,2019,43(3)：499-505.

[4] 刘晶. 基于Landsat-8数据的地表温度反演算法对比[D]. 西安：长安大学,2018.

[5] 何欣. 基于热岛效应的哈尔滨城市绿地降温研究[D].哈尔滨：哈尔滨工业大学,2017.

[6] 胡姝婧,胡德勇,李小娟,等.京津冀都市圈热环境空间格局遥感分析[J].国土资源遥感,2009(3)：94-99.

[7] 潘欣,刘冰,刘凤伟,等.基于Landsat 8的绿地格局对地表热环境的影响研究[J].北京测绘,2018,32(12)：1508-1511.

[8] GRIEND A V D A, OWE M. On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces[J].Int J Remote Sens,1993,14(6)：1119-1131.

[9] 段金馈.基于Landsat8数据的地表温度反演算法对比分析——以北京市为例[J].安徽农学通报,2019,25(17)：148-150.

[10] 吴志刚,江滔,樊艳磊,等.基于Landsat8数据的地表温度反演及分析研究——以武汉市为例[J].工程地球物理学报,2016,13(1)：135-142.

[11] 赵晓旭,刘晓建,高开强.基于辐射传导方程法的地表温度反演[J].北京测绘,2017(3)：79-82,87.

[12] 胡平. 基于Landsat 8的成都市中心城区城市热岛效应研究[D].成都：成都理工大学,2015.

[13] 李苗苗. 植被覆盖度的遥感估算方法研究[D].北京：中国科学院研究生院(遥感应用研究所),2003.

[14] 贾琦. 城市绿色空间演化及其冷岛强度遥感分析[D].天津：天津大学, 2015.

[15] 白杨,孟浩,王敏,等.上海市城市热岛景观格局演变特征研究[J].环境科学与技术,2013,36(3)：196-201.

[16] 周雯,曹福亮,张瑞,等.绿地格局对城市地表热环境调节作用的多尺度分析[J].南京林业大学学报(自然科学版),2020,44(3)：133-141.

引文格式： 张旭萍.城市绿地对北京市热岛强度的影响[J].北京测绘,2023,37(3)：360-364.

基金项目： 北京市科技计划(Z191100002419010)

作者简介：张旭萍(1997—),女,北京人,硕士在读,研究方向为地理信息科学和遥感。E-mail：915028935@qq.com

 文章来源测绘学术资讯