城市綠地對北京市熱島強度的影響

張旭萍

(北京建筑大學 測繪與城市空間信息學院, 北京 100044)

摘要：針對北京市熱島效應日益加重的問題,提出了基于陸地衛星8號(Landsat8)所攜帶的陸地成像儀(OLI)和熱紅外成像儀(TIRS)的Level-1數據反演地表溫度、計算植被覆蓋度的方法;并構建地表溫度反演模型,探究北京市熱島效應與城市綠地面積關系。實驗結果表明：高溫區大部分集中在中心城區,并向周圍的郊區的平原地帶呈輻射狀擴散,隨著城區綠地面積增加,植被覆蓋度上升的同時城區的熱島強度也呈下降趨勢,說明城市綠地面積的增加與熱島效應呈負相關關系。

0 引言

隨著城市建設的快速發展,北京的城市范圍在迅速擴張,城市內大量的混凝土、柏油路面及各種建筑墻面等人工構筑物,極大地改變了原有的自然下墊面熱力屬性,城市熱島效應也變得越來越明顯[1]。近年來為緩解城市熱島效應,增加綠地等非建設用地也讓城市環境發生了變化,眾多學者開展了相關研究[2]。高分辨率遙感技術能夠全天候,大范圍監測作為熱島效應重要依據的地表溫度,單窗算法、劈窗算法以及輻射傳輸方程法等地表溫度反演算法也彌補了獲取地表溫度數據難的缺陷[3-4],并能夠全面監測植被的分布情況,可反映城市綠地的變化。熱島效應的表達方式也有許多,如相對地表溫度[5]、地表溫度距平值等[6],但目前較少分析熱島效應變化的原因。本文將基于2015、2017年的Landsat8 Level-1數據,反演地表溫度,并以地表溫度為基礎,使用密度分割法對熱島強度進行分級計算北京市的植被覆蓋率,分析北京市2015年、2017年的熱島效應與城市綠地面積變化的關系。

1 工作流程

北京市地表溫度反演、植被覆蓋度計算及熱島強度分級具體工作流程見圖1。其中NDVI為歸一化植被指數(normalized difference vegetation index,NDVI),TOA為表觀反射率(top of atmosphere reflectance,TOA)。

圖1 工作流程圖

2 研究方法

2.1 研究區概況及數據來源

北京市位于東經115°25′～117°30′,北緯39°28′～41°05′,總面積16 410.54 km2,為典型的溫帶大陸性季風氣候。

數據來源為北京市2015、2017的Landsat8 OLI-TIRS Level-1數據,已經過系統輻射校正和幾何校正,坐標系為通用橫軸墨卡托投影(universal transverse Mercator,UTM)-WGS84;波段8分辨率為15 m、波段10、11為100 m、其余波段為30 m。使用條帶號123,行編號32的數據,成像日期為2015年5月18日和2017年5月7日。

2.2 數據預處理

使用ERDAS軟件的Layer Stack功能將下載得到的Landsat8全波段TIFF灰度圖像合成為IMG格式的圖像。將研究城市邊界的矢量SHP文件轉換為AOI文件,按城市邊界對IMG圖像進行裁剪。

2.3 基于輻射傳輸方程法反演地表溫度

2.3.1 輻射定標計算

輻射定標是將記錄的DN值轉換為輻射亮度值。合成IMG影像數據中波段10的DN值轉換為TOA輻射亮度的計算過程參照式(1)[7]。

Lλ=ML·Qcal+AL

(1)

式中,Lλ為TOA輻射亮度;ML為增益參數;AL為偏移參數;Qcal為Level-1數據的DN值。

同時Landsat8 OLI 波段4、波段5的DN值轉換得到TOA的計算過程參照公式(2)。

ρλ=(Mρ·Qcal+Aρ)·sin(θSE)

(2)

式中,ρλ為TOA;Mρ為增益參數;Aρ為偏移參數,Qcal為Level-1數據的DN值;θSE為當地的太陽高度角。

（1）造成系統電壓發生波動。對于傳統配電網而言，無論是有功負荷，又或者是無功負荷，均會隨時間推移而發生相應的變化，繼而造成系統出現電壓波動。對于分布式電源并網而言，其可能會對電網電壓波動造成如下相關影響：分布式電源、所承擔的負荷二者相對平衡時，那么采用分布式電源并網這種模式便能夠對系統電壓起到一個很好的抑制作用；如果二者無法做到有機協調，那么系統電壓波動將會呈現出一種加重趨勢。除此之外，當存在一些不科學接入時，也會導致配電線路的不穩定，尤其是負荷潮流大幅變化問題，這給電網電壓的高效調整制造了一定的麻煩[2]。

2.3.2 NDVI計算及地表發射率估算

基于2.3.1計算的TOA,計算NDVI值(式中用I表示)的過程參照式(3)。

(3)

式中,ρNIR和ρR分別為波段5(近紅外波段)和波段4(紅波段)的TOA。I取值范圍為[-1,1]。

使用VAN經驗公式[8]估算地表發射率ελ。

ελ=1.009 4+0.047ln(I)

(4)

式(4)適用于非自然地表區域(如城市地表)。但由于城市建成區內分布著許多建筑物、河流、湖泊等水體,因此需根據ρNDVI的大小訂正地表發射率：當I<-0.150時,ελ=0.995;當-0.150<I≤0.157時,ελ=0.923;當0.157<I≤0.727時,ελ=1.009 4+0.047ln(I);當I>0.727時,ελ=0.986。

2.3.3 同溫度黑體輻射亮度計算

輻射傳輸方程法可最大程度去除大氣對結果的影響,并且反演的溫度精度較高,可較為準確地表示地表溫度分布[9-10]。黑體輻射亮度的計算公式為：

(5)

2.3.4 地表溫度計算

根據式(6)計算Landsat 8 TIRS波段10的地表實際溫度TS。

(6)

式中,K1=774.89, K2=1 321.08。以Landsat8的波段10、波段4、波段5的圖像數據為基礎,依據上述公式使用ERDAS軟件的Model Maker功能計算得到相應的地表溫度[12]。

2.4 植被覆蓋度計算

基于植被覆蓋度可表達城市綠地分布,利用2.3.2節中所計算出的NDVI值,依據式(8)計算植被覆蓋度[13]。

(8)

式中,fc為植被覆蓋度;Isoil是NDVI計算結果的最小值;Iveg是NDVI計算結果的最大值。依據上述公式使用ERDAS軟件的Model Maker功能計算得到相應的植被覆蓋度。

2.5 熱島強度分級

由于遙感圖像獲取的時間與實時環境不同,所以反演得到的地表溫度難以進行對比分析,需將反演出的地表溫度結果按一定區間進行劃分,得到熱島強度等級分布,以對比分析不同時間圖像[14]。使用密度分割法,利用地表平均溫度,按式(9)計算溫度閾值范圍。

(9)

式中,RLST為計算出的溫度閾值范圍;為地表溫度的平均值;σ為地表溫度的標準差;n為標準差的倍數[15]。熱島強度分級按式(9)劃分如下：熱島強度1級溫度范圍為熱島強度2級溫度范圍為熱島強度3級溫度范圍為熱島強度4級溫度范圍為熱島強度5級溫度范圍為熱島強度6級溫度范圍為

3 實例分析

參照式(1)～式(8),使用ERDAS的Model Maker功能計算得到北京市2015年5月18日、2017年5月7日地表溫度及植被覆蓋度數據分布如表1所示。

表1 北京市各項計算結果

[氣溫資料來源于全球天氣網(www.tianqi.com),歷史天氣查詢]

根據計算結果,基于式(9)得到北京市熱島強度分級圖,具體見圖2。

 

圖2 2015、2017北京市熱島強度分級[審圖號：GS(2019)3333號]

從圖2可知,地表溫度反演結果清晰,能夠反映出2015年5月18日、2017年5月7日北京市的熱島強度。部分結果數值偏大的原因是反演的結果是當日地表溫度,可能高于當日氣溫。結合表1、圖2可知,2015到2017年,北京市溫度呈上升趨勢,城六區與以山區為主的郊區溫差顯著,說明北京市熱島效應明顯。2015年5月18日城六區的熱島強度主要為5級和4級,強度為5級的區域較多,與周圍郊區的熱島強度有較大差距。而2017年5月7日的溫度雖然整體上升,但郊區的氣溫,特別是離城六區較近的區域,由于城市進一步發展上升較為明顯,與城六區的溫度差異變小,是導致城六區的熱島等級有明顯從5級向4級減弱的原因之一。

由表1可知,從2015年到2017年北京市植被覆蓋度的平均值上升了0.19%,植被覆蓋度高的地方集中在山區,該區域溫度較低,熱島強度較弱。根據《中國城市統計年鑒》2016、2018年北京市相關數據,北京市城市綠地面積從2015年到2017年上升了2 196 hm2,增加約2%;其中公園綠地面積上升了1 516 hm2,約占上升面積的69%;說明北京市正積極進行公園綠化,對減緩熱島效應起到了一定作用。

4 結束語

本次研究以2015、2017年的Landsat8 Level-1數據為數據源,對北京市夏季的地表溫度進行反演,計算植被覆蓋度,并使用密度分割法對地表溫度反演結果進行分級,以進行相同區域不同時期的熱島強度結果對比分析,結果表明：北京市高溫區大部分集中在中心城區,并向周圍的郊區呈輻射狀擴散,但城區與郊區的地表溫度差距較大,表明城市熱島效應依然明顯。植被覆蓋度較高的地區地表溫度相對較低,而城區植被覆蓋度上升的同時城區的熱島強度也呈下降趨勢,城市綠地面積的增加與熱島效應呈負相關。除了自然形成的山區等植被覆蓋度高的地區,公園綠地面積的增加也是緩解城區熱島強度的重要原因。在2015年至2017年中,公園綠地的增長面積占城市綠地總增長面積的69%,說明增加公園綠地對緩解熱島效應是有效的舉措,應當給予支持。在城市建成區用地緊張的情況下,應根據當地的具體情況,采取多樣化的綠化措施[16],例如屋頂綠化、空間立體綠化等措施,增加總體綠地量。實際應用中不可避免地會有云層或大氣因素干擾,在后續研究中將進一步優化遙感數據預處理以及地表溫度反演算法,盡量排除云層等因素的影響,提高結果的準確性。

參考文獻

[1] 彭保發,石憶邵,王賀封,等.城市熱島效應的影響機理及其作用規律——以上海市為例[J].地理學報,2013,68(11)：1461-1471.

[2] 邱海玲,朱清科,武鵬飛.城市綠地對周邊建設用地的降溫效應分析[J].中國水土保持科學,2015,13(1)：111-117.

[3] 劉蘇慶,陳建平,李詩.北京城區2000—2014年地表溫度反演及因素分析[J].地質學刊,2019,43(3)：499-505.

[4] 劉晶. 基于Landsat-8數據的地表溫度反演算法對比[D]. 西安：長安大學,2018.

[5] 何欣. 基于熱島效應的哈爾濱城市綠地降溫研究[D].哈爾濱：哈爾濱工業大學,2017.

[6] 胡姝婧,胡德勇,李小娟,等.京津冀都市圈熱環境空間格局遙感分析[J].國土資源遙感,2009(3)：94-99.

[7] 潘欣,劉冰,劉鳳偉,等.基于Landsat 8的綠地格局對地表熱環境的影響研究[J].北京測繪,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] 段金饋.基于Landsat8數據的地表溫度反演算法對比分析——以北京市為例[J].安徽農學通報,2019,25(17)：148-150.

[10] 吳志剛,江滔,樊艷磊,等.基于Landsat8數據的地表溫度反演及分析研究——以武漢市為例[J].工程地球物理學報,2016,13(1)：135-142.

[11] 趙曉旭,劉曉建,高開強.基于輻射傳導方程法的地表溫度反演[J].北京測繪,2017(3)：79-82,87.

[12] 胡平. 基于Landsat 8的成都市中心城區城市熱島效應研究[D].成都：成都理工大學,2015.

[13] 李苗苗. 植被覆蓋度的遙感估算方法研究[D].北京：中國科學院研究生院(遙感應用研究所),2003.

[14] 賈琦. 城市綠色空間演化及其冷島強度遙感分析[D].天津：天津大學, 2015.

[15] 白楊,孟浩,王敏,等.上海市城市熱島景觀格局演變特征研究[J].環境科學與技術,2013,36(3)：196-201.

[16] 周雯,曹福亮,張瑞,等.綠地格局對城市地表熱環境調節作用的多尺度分析[J].南京林業大學學報(自然科學版),2020,44(3)：133-141.

引文格式： 張旭萍.城市綠地對北京市熱島強度的影響[J].北京測繪,2023,37(3)：360-364.

基金項目： 北京市科技計劃(Z191100002419010)

作者簡介：張旭萍(1997—),女,北京人,碩士在讀,研究方向為地理信息科學和遙感。E-mail：915028935@qq.com

 文章來源測繪學術資訊