基于Landsat 8遥感影像的新旧城区热环境特征对比研究——以成都市为例

近年来,在快速城市化的背景下,大量城市涌现出新型城市区,城市热环境特征发生显著变化。为重点分析城市化过程中新旧城区热环境差异及其影响因素,选择四川省成都市为典型研究区,基于该区域2014年8月13日夏季Landsat 8卫星数据,分别获取地表温度、城市建筑用地和植被覆盖等关键地表参数信息,进而开展成都市新城区与旧城区的热环境差异及其内在影响因素研究。结果发现:(1)整体而言,旧城区地表温度高于新城区,旧城区的地表温度呈现中部区域及北部地区高于南部地区的分布趋势,新城区中部偏西、北地区少部分区域存在高温区域,南部偏东区域地表温度略低,其余地区的地表温度分布相对均匀,并呈现出形状比较规则的低温度斑块;(2)旧城区比新城区的城市热岛比例指数更大,通过新旧城区的热场剖面分析得出旧城区到新城区的地表温度呈现下降的趋势。这都表明旧城区的城市热环境效应强于新城区;(3)建筑用地密度高,城市植被覆盖少的地区易于形成"热岛效应",而合理的城市景观规划布局则有利于改善城市热环境。上述新旧城区热环境效应对比研究表明,成都市新城区的城市规划布局表明其对改善新城区热环境具有积极作用,能为今后新城区的城市规划提供重要借鉴意义。     

一种基于指数的新型遥感建筑用地指数及其生态环境意义

城市建筑用地是一种复杂的土地利用类型,在电磁波反射光谱上表现出明显的异质性。因此,很难用简单的方法将其从遥感影像中准确地提取出来。在详细研究了城市建筑用地的光谱特征以后,创建了一种不直接采用影像的原始波段,而是采用由它们衍生的3个指数波段来构成新型建筑用地指数(IBI)。通过对ASTER和Landsat ETM+两种多光谱影像进行的实验表明,新指数除了能够有效地增强影像中的建筑用地信息外,还能和植被指数、水体指数一样,用于进行数值运算,从而实现了建筑用地对城市生态环境影响的定量研究。对厦门、福州两城市的实例分析表明,新的建筑指数与地表温度呈正相关关系,而与植被指数、水体指数呈负相关关系。研究进一步发现,建筑指数与地表温度的关系不是简单的线性关系,而是一种指数函数关系,说明高建筑用地比例地区的升温效应要明显高于低建筑用地比例地区,因此,对城市热岛的形成起着更大的作用。     

城市热岛效应地表通量空间分布研究

城市化进程的加快促使更多大中城市的产生以及城市面积的扩展,导致更加严重的城市热岛现象。为了更加深入理解城市热岛效应产生根源,以西安市城区为例采用美国陆地卫星遥感数据反演或估算地表温度、植被指数以及地表通量等变量,不仅采用传统的地表温度参数理解城市热岛现象,还着重分析城市建成区和郊区的地表通量空间分布格局及其与地表温度的关系。研究发现西安城市建成区与郊区之间热环境存在显著的差异,地表温度不仅与植被覆盖状况具有密切的关系,还与地表潜热通量和实际蒸散发变量存在显著的反相关关系。详细分析表明拥有众多工厂企业的西安市莲湖区热岛效应尤为显著,而位于市中心的新城区次之,具有较大面积郊区的灞桥区热岛效应并不明显。因此城市绿地不仅影响城市建成区的地表温度空间分布,还对地表通量以及实际蒸散发的空间格局产生重要的影响,在调节城市热岛效应方面具有重要的作用。
     

杭州市城市空间扩展及其热环境变化

通过Landsat卫星影像分别获取了杭州市1989、2000和2010年的城市空间扩张、地表温度及作为主要地表参数的建筑用地和植被的信息,用以研究杭州市城市扩展及其城市热环境变化。结果表明:在21 a间,杭州市建成区范围有了大幅扩展,且城市热岛区域的空间变化与建成区的空间扩展变化基本一致。研究还发现杭州市区的特高温区面积比例在逐渐减小,城市热岛比例指数(URI)从0.78降至0.71,表明城市热岛效应有一定缓解。建筑用地比例的减小与建筑用地密度的下降是城市热岛得以缓解的主要原因。定量分析表明建筑用地的升温效应要强于植被的降温效应。总的看来,杭州市的城市热岛效应现象在整个研究时段内虽有一定的改善,但仍一直处于较强烈的状态。     

21世纪以来西安城乡梯度土地覆盖变化及对城市热岛影响时空特征

城市快速扩张导致城乡梯度土地覆盖发生显著的变化,引发不透水地表的增加,植被覆盖的减少,从而加剧了城市热岛强度。研究城乡梯度土地覆盖变化引起的城市热岛效应,并揭示城市热岛的时空特征及强度的变化,对城市规划建设、人居环境改善及提升城市生态系统服务功能具有重要的意义。基于Landsat系列4期影像,利用单窗算法反演西安市地表温度,计算热场变异指数得到热力场强度图并对其进行等级划分,结合土地利用/覆盖类型数据分析城乡梯度土地覆盖变化对城市热岛强度的影响。结果表明：①2000年西安市极强热岛效应区占研究区面积的10.58%,逐渐增加到2011年极强热岛效应区域的面积占比达到16.14%,而后到2015年降低为9.00%,整体上西安市城市热岛效应呈现出了先增长后降低的趋势;②2000年到2015年城乡建设用地面积增加了412.76 km2,极强热岛强度的范围随城市建成区的扩张逐年向外扩展;③无热岛效应区约70%位于耕地和林地,水域在无热岛效应中的占比也在逐年增多,从31%增加到了47%。不透水地表面积占比与地表温度有显著相关性,城乡梯度植被和水体面积的增加可以有效地缓解城市热岛强度。     

中小城市地表温度变化与下垫面关系

针对中小城市地表温度变化与下垫面的关系问题,以合肥市城区和六安市金安区为例,基于Landsat-8热红外卫星影像数据,采用大气校正法反演研究区地表温度。对其进行归一化处理后,利用密度分割技术分析研究区城市热场空间格局,以城市热岛比例指数评价了研究区热岛效应,得到热岛效应强度分布情况,并结合地理国情数据,采用数理统计和空间统计相结合的方法,在水体、植被、不透水面3种不同下垫地表覆盖面积比例与地表温度之间建立关联,进而得出城市下垫面布局对热环境的贡献。结果发现,对于中小城市而言,在城市发展的进程中,若能保持区域内植被覆盖面积高占比,即使不透水面的面积占比有所增加,人类活动区域加大,也不一定会导致城市热岛现象的加剧。     

长春市城市扩张及其微气候响应

针对目前城市化和热岛效应研究多为单一定性评价和半定量化研究,缺乏耦合分析的问题,提出了一种可行的定量耦合分析方法。分析了长春市建设用地扩张和热岛效应的时空演变特征及其关系。首先收集遥感数据,采用归一化差分复合指数阈值分类法提取建设用地,之后采用辐射传输法反演地表温度,以此为基础计算扩张强度、热岛强度等指数,进而将城市扩张与微气候变化进行相关性分析。结果表明,长春市建设用地1990—2016年间增加了608.85 km^2,2000年后陡增,扩张模式由面状扩张变为沿道路辐射状扩张、飞地式扩张。城市扩张初期,相对热岛效应显著,随着建设用地的扩大,热岛面积增大,但是强度下降。相关性分析表明,单位格网内城市用地所占面积高于40%时地表温度上升明显。     

利用Landsat-8影像的南昌地区热岛效应研究

针对南昌地区热岛效应问题,提出采用改进的单窗算法反演地表温度,在利用实测数据验证了本算法可靠性的同时,分析了南昌地区热岛效应的空间分布与季节变化特征及其与植被覆盖度、土地利用分类、水体等影响因子之间的关系。结果表明,该文所用单窗算法是有效的,南昌地区热岛时空现象明显,秋季的热岛效应强度最强,冬春季次之,夏季最弱。不同土地利用类型对热岛效应影响不同;地表温度与植被覆盖度之间存在明显的负线性相关;水体对降低地表温度效果显著。     

城镇扩张与热岛效应监测分析系统构建与应用——以南京市2013-2018年数据为例

ENVI是地学数据处理的常用软件,其重要优势是具有较强的开源性,自身具有丰富的二次开发函数接口,可针对用户实现个性化需求。本文使用IDL语言,基于ENVI平台进行二次开发,构建了城镇扩张与热岛效应监测分析系统。该系统可实现城镇用地信息提取及地表温度反演,结合扩张速度与热岛效应等参数,分析二者之间的响应关系。结果表明:①基于ENVI平台开发的城镇扩张与热岛效应监测分析系统具有较强的实用性,可进行地表温度的反演、分析城镇扩张与热岛效应的响应关系。②实例分析的南京市2013-2018年城镇扩张与热岛效应,得出的诸多结论可为政府或相关部门提供决策支持。     

加尔各答市地表温度与不透水面比例季相相关性研究

城市化的显著特征是自然地表不断被热容量大的不透水面取代,进而造成城市热岛效应和严重的城市生态问题。孟中印缅经济走廊是古代南方丝绸之路的重要路段和“一带一路”建设的重要战略通道,加尔各答市是孟中印缅经济走廊印度境内的重要节点城市,战略地位重要,对其城市化进程及与地表温度相关性研究对孟中印缅经济走廊印度段建设具有重要的借鉴意义。传统地表温度与不透水面的相关性研究主要以年为时间尺度,较少关注城市不同季相地表温度与不透水面的相关性及其差异。以热带季风气候的季相区分为依据,基于旱季、雨季和凉季3个季相的Landsat 8影像反演了加尔各答市地表温度和不透水面比例,定量研究两者的关系,探讨了地表温度与不透水面比例的季相相关性。结果表明：①研究区内,低温和高温空间分布相对比较集中,高温区域集中在建成区,而低温主要分布在茂密植被覆盖区和水体区域;②加尔各答市从旱季到雨季再到凉季热岛效应程度总体呈下降趋势,旱季时城市热岛效应最强,凉季时城市热岛效应最弱;③每个季相,地表温度与不透水面比例都呈正相关,地表温度随着不透水面比例增加均呈现先快速上升,后缓慢增加,最后急剧增加的趋势,其中旱季时地表温度增长最快,雨季时地表温度增长次之,凉季时地表温度增长最慢。加尔各答市热环境研究将对孟中印缅经济走廊印度段城市热环境背景及生态效应认知等方面产生积极意义。     

典型地表对长沙主城区地表温度的影响分析

城市热岛是一种城市地区温度比郊区温度高的现象,它可改变城市的自然和社会过程,引发一系列环境问题。利用Landsat 8 TIRS10波段的单通道算法（TIRS10_SC算法）反演了长沙主城区2013年7月、2016年3月、7月和11月4景Landsat 8影像的地表温度,并进一步分析了地表温度的时空分布特征,建设用地、绿地、河流以及不同材质的屋顶等典型地表对主城区地表温度的影响。结果表明：①长沙火车站沿线、高桥大市场和部分工厂在各个时期均为高温区。2016年7月浏阳河周边区域热岛效应相对于2013年7月有所缓解,主要由天气情况的不同以及拆迁改变地表覆盖性质等造成。3月建设用地中比率最大的为中温, 7月建设用地中比率最大的为次高温。3月和7月,绿地中比率最大的为次低温,水体中比率最大的为低温。而11月,建设用地和绿地中比率最大的为中温,水体中比率最大的次高温。②河流周边120 m范围内,由陆地向河流每减少30 m,7月建设用地平均温度减少0.93~1.26 ℃,绿地平均温度减少0.57~0.99 ℃;3月建设用地平均温度减少0.51~0.78 ℃,绿地平均温度减少0.3~0.57 ℃。河流的降温强度与河水温度和距离河流120 m以上的地表温度的差值大小有关。③负的MNDWI（非水体）与地表温度呈正相关关系,正的MNDWI（水体区域）与地表温度3月和7月呈负相关关系,11月呈正相关关系。④地表比辐射率对地表温度反演的结果影响显著,利用NDVI估算地表比辐射率难以区分高反射率的屋顶与其他类型的建设用地。因此,针对高反射率屋顶对地表比辐射率的影响有待进一步研究,以提高城区地表温度的反演精度,为减缓城市热岛效应提供参考依据。     

HJ-1B卫星遥感数据在重庆市城市热环境监测的应用分析

本文以MODIS反演大气透射率,以HJ-1B/CCD分类结果反演地表比辐射率,并基于单窗算法,利用HJ-1B/IRS4数据反演地表温度.在此基础上,提取研究区的热场变异指数来分析重庆热岛空间分布特征,并就NDVI与NDBI对热岛效应的影响进行了分析.其结果如下:1)重庆城市热岛大致位于中梁山、铜锣山之间,呈东北、西南走向分布;2)热岛中心不在市中心,而是集中在大渡口工业园区、江北机场这些能耗大、人口密集区域,热岛强度范围在5?C-10?C之间;3)接近长江、嘉陵江水域的建筑用地密集区域,其热岛效应并不明显;4)NDVI与热岛强度呈负相关关系,NDBI与热岛强度呈现较为明显的正相关关系,二者对热岛都有重要影响,而NDBI的影响更大.因此,利用HJ-1B数据监测城市热环境,能较好地揭示重庆城市热岛空间分布特征,为城市环境监测与改善提供参考.     

不同地表参数变化的上海市热岛效应时空分析

研究地表参数变化与热岛效应的关系对优化城市功能分区以及城市可持续发展具有重要意义。采用上海市2000、2005、2009年3个时期的Landsat ETM+卫星遥感影像,使用归一化不透水面指数(NDISI)、基于指数的植被指数(IVI)、归一化差异水体指数(MNDWI)分别从遥感影像中提取不透水面、植被和水体;然后从时间、空间角度并采用回归分析方法分析了上海市地表参数在这9 a中发生的变化及其对城市热环境造成的影响。结果表明:9 a中城市不透水面面积大幅增加,不透水面增加的代价是植被和水体大范围减少,形成了城市的热岛。上海市整体热岛强度是先增强后缓慢减弱的趋势,且热岛分布从集中型向分散型发展。     

基于遥感数据的城市地表温度与土地覆盖定量研究

利用Landsat TM数据,以徐州市为研究区,采用单窗算法反演地表温度,通过混合像元分解和V-I-S(植被—不透水面层—土壤)模型将土地覆盖类型分解为对城市热环境具有重要影响的植被、土壤、不透水面层3个分量,最后利用得到的3种地物比例、直接分类后的土地覆盖类型和地表温度对研究区城市热岛的空间分布特征、地表温度与土地覆盖类型以及各种影响因子之间的关系进行定量研究。研究成果能够有效地应用于城市人居环境研究和生态环境过程分析中。     

使用单窗算法研究北京城区热岛效应

随着全球变暖和城市化进程的加快,大城市城区的热岛效应日益严重。城市下垫面对地表能量交换的影响巨大,引起地表温度分布的不均一性。遥感技术的发展为地表温度的反演提供了可能。近年来人们使用劈窗算法对均一的海面温度的反演很成功,但是受空间分辨率的限制以及陆面的不均一性,陆面温度的反演一直是一个没有解决好的问题。覃志豪提出了一种TM热红外波段单窗算法,可以利用辅助气象资料快速计算出地表温度。本文以北京市城区为研究区,采用LandsetETM第6波段的单窗算法,反演了亮度温度和地表实际温度,分析了城市下垫面情况下NDVI与地表温度的相关关系,并解释了北京城区热岛在空间上的分布及其可能的原因。结果表明:北京市城区热岛效应显著;地表温度与NDVI相关性显著;城区绿地和水体在区域的温度分布中起到重要作用。     

超大城市土地覆盖与热环境的随机森林回归模型研究

目前对于超大城市土地覆盖和热环境定量模型研究报道不足,这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系,这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象,以Landsat遥感影像为主要数据源,利用单通道算法反演各城市地表温度,采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT）,综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示,城市地表热场的空间结构在很大程度上被下垫面用地类型所左右,不透水面会导致高温热场的聚集,而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异,北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT）,模型得到的精度高于基于多元线性回归方法建立的模型。LCT_RF模型的R²值在0.623~0.826之间,比LCT_MLR模型高0.021~0.074;RMSE比LCT_MLR模型低0.07℃~0.35℃。研究超大城市土地覆盖与城市热环境的互动作用机理,能为未来生态城市建设提供宝贵建议。     

城市群热岛时空特征与地表生物物理参数的关系研究

以长株潭城市群区域为例,利用2005年3个不同季节的TERRA/MODIS数据提取的地表温度、归一化植被指数(NDVI)和归一化建筑指数(NDBI),分析了城市热岛效应及其随季节的变化,采用归一化植被指数(NDVI)和归一化建筑指数(NDBI)作为反映地表生物物理特征的参数,分析了城市热岛时空特征与地表生物物理参数的关系。研究结果表明,研究区域城市热岛效应的季相变化明显,一年中夏季与春季的城市热岛效应相对显著,城市地表温度高出周边的郊区达8~10℃;而冬季城市热岛效应相对不太明显,城市地表温度高出周边的郊区4℃。地表温度与归一化植被指数(NDVI)的相关性随季节变化较为明显,说明通常将归一化植被指数(NDVI)作为城市地表温度或城市热岛的代用指标是不适宜的;然而,地表温度与归一化建筑指数(NDBI)在不同季节都呈显著的线性关系,而且地表温度与NDBI线性关系的斜率和截距能够很好地指示不同季节城市热岛的强度,这就为定量分析不同季节城市地表温度的变化提供了物理指数,也为利用遥感研究城市热岛效应提供了新的方法与途径。     

作物蒸散发模型研究中的地表温度反演

针对美国加州Merced县2002年8月9日的ETM+影像,利用单窗温度反演算法反演了遥感蒸散发模型S SEBI中的地表温度参数。选用了ETM+热红外的高增益61波段,对热红外波段反射率较低的植被覆盖研究区进行了地表温度反演,并反演地表温度所需要的几个参数：亮度温度、地表比辐射率、大气透射率。最后得出了研究区域地表温度分布结果：水体地表温度低于植被作物,建筑或道路的地表温度最高。不同地物间地温是不同的,作为蒸散发反演的重要参数,这将影响不同地物蒸散发估算。因此精确反演地表温度,将为今后蒸散发的研究打好基础。     

南京市热岛效应及效应响应分析

利用南京市2003年TM影像,通过单窗算法提取地表温度信息,总结出南京市热岛分布状况,找出影响较广泛的热岛集聚区。并利用NDVI指数和NDBI指数分别对南京市区进行绿地和建筑用地的提取,分析南京市热岛空间分布特点以及用地各专题信息和热岛分布的相关性。结果显示,南京市区的热岛区多分布在城市下垫面为硬地面,人口或工业密集地区,并且,建筑用地内的植被对于降低地面温度比绿地更明显。     

2000~2015年北京市土地利用强度及其辐射反馈评估

当前很多研究关注城市扩展及其热岛效应,但不同土地利用强度对辐射能量的影响尚有待进一步的分析。以北京市为例,基于2000和2015年的土地利用数据,按照人为活动对土地的利用程度,将北京市的土地利用变化划分为5类：即老城区、城市扩展区、混合变化区、耕地及自然纯像元区。在此基础上,在反照率和太阳辐射遥感反演数据的支持下,分析2000~2015年由地表反照率引起的辐射强迫(RF, Radiative Forcing),并探讨了RF与植被的关系。结果表明：相比自然纯像元区域,老城区、城市扩展区、混合变化区及耕地的RF在研究时段内均明显增加,后三年的RF均值比前三年增加了0.78 W/m²以上,远大于自然纯像元区的RF增量(0.19 W/m²)。本研究同时发现,植被绿度随土地利用强度的增加而逐年下降,但植被生长期长度却有所延长,两者综合作用于地表反照率,促使了RF的增加,说明单纯从辐射平衡来讲,北京市的土地利用变化在一定程度上增强了RF。