主要研究方向：摄影测量与遥感 建筑工程测量

滨州职业学院2022年度院级科研计划课题（自然科技类）（项目编号：2022yjkt12）

1 引言

人们对“热岛效应”的研究起源于十九世纪初，英国气候学家路克·霍德华首先提出这一概念。城市热岛效应是指城市地区由于大量人工热源、混凝土建筑和沥青路面等高蓄热体存在，导致城市气温明显高于周边郊区。城市热岛效应的影响因素包括工厂、交通运输等发热体，以及绿地减少、空气污染、水气影响和人口迁徙等。

城市热岛效应会导致有害气体在城区聚集，威胁城区居民的身体健康。数据显示，有害气体的积累会引发呼吸系统、心脑血管和皮肤疾病，甚至影响精神健康，产生焦虑等不良情绪。夏季，热岛效应还导致城区用电量激增，增加用电事故发生风险，导致电力供应不足。

黄河三角洲面积约5400平方公里，拥有丰富自然资源。随着经济社会的高速发展和城市建设的推进，黄河三角洲地区的城市热岛效应日益明显。研究该地区的热岛效应对生态环境保护和区域城市健康发展至关重要。

目前，对热岛效应的研究主要依赖气象站提供的气象资料，但效率低且受限。然而，遥感技术能够宏观、综合、动态地实现大区域热岛效应的时空分析。热岛效应最显著的属性是温度，而遥感技术可以大面积重复获取同一地区的信息，具有速度、精度和成本优势。近年来，多时相遥感监测技术在生态与环境领域广泛应用，尤其对城市热岛的空间分布和时空演变进行重要研究。

2 数据准备及预处理

山东省东营市地处中国华东地区，北纬36°55′—38°10′，东经118°07′—119°10′，是国务院批复的黄河三角洲地区的中心城市。Landsat 8卫星上携带陆地成像仪（Operational Land Imager ，OLI）和热红外传感器（Thermal Infrared Sensor，TIRS），本项目选用的OLI数据包括了ETM+传感器所有的波段，其热红外传感器获取的热红外影像数据空间分辨率明显提高，为地表温度反演及热岛研究提供了更好的数据源。本文的数据获取源自“地理空间数据云”平台，选取了2013年5月、2015年5月、2017年4月和2020年5月四景landsat 8卫星影像作为原始研究数据，在预处理的基础上，利用东营市.shp文件裁剪出东营市作为研究区，以进行后续的温度反演。本文选取的数据是L1T级别数据，预处理需要进行辐射定标和大气校正。

传感器的辐射定标是将遥感信息进行定量化的前提，经过精准定标之后，遥感数据的可靠性和应用性都会得到很大提升。传感器的辐射定标就是建立传感器每个探测元所输出信号的数值量化值与对应像元内实际地物辐射亮度值的关系。辐射定标又分为相对定标和绝对定标，相对定标得出的是目标中某点的辐射亮度与其它点的相对值，而绝对定标得出的是目标的辐射绝对值。

本文利用ENVI软件对原始影像的多光谱波段和热红外波段分别进行辐射定标。当电磁波穿透大气层的时候，不仅仅是光的传播方向受到大气影像，由于大气的辐射和散射作用，遥感影像的辐射特定也会发生改变，因此，消除大气影响的校正过程就是大气校正。本文利用ENVI软件中的FLAASH大气校正模型对辐射定标以后的影像进行大气校正。以2020年5月影像为例，预处理结果如下：

   2020年原始影像            2020年影像辐射定标后            2020年影像大气校正后

图1  2020年影像数据预处理

3 遥感温度反演

3.1温度反演原理

地表温度是研究全球和区域尺度下温室效应或气候变化的重要指示性指标，地表温度作为大气层与地表之间物质与能量交换的作用结果，同样是城市热岛效应研究中的关键点。在遥感技术的应用中，地表温度的反演主要是基于卫星热红外传感器所获得的地表热辐射，再通过剔除大气影响得到地表热辐射强度，从而进一步转换得到地表温度。利用辐射传输方程反演地表温度，即根据热红外传感器得到的热辐射量来推算得出地表温度值。从传感器观测的热辐射总量中扣减掉大气影响，包括传感器接收时的大气探测数据、大气廓线数据对地表热辐射的影响，从而得到地表热辐射量，假设地表和大气对热辐射具有朗伯体性质，即可转换获得相应的地表温度。热红外辐射亮度值由3部分组成，即地面辐射经过大气到达传感器的辐射能量、大气的下行辐射亮度值和大气的上行辐射亮度，公式如下：

上式中，是第10波段像元的辐射亮度值，是比辐射率，是同温黑体下的地表温度，和分别是大气上行辐射亮度值和大气下行辐射亮度值，是大气在热红外波段的透射率。根据上式可以推算出：

上式中，是同温度下黑体在热红外波段的辐射亮度值。

根据普朗克公式的反函数，可求得地表温度值：

上式中，是同温度下黑体在热红外波段的辐射亮度值，表示地表亮度温度值，单位是；和是亮度反演常数，对于Landsat 8卫星影像，公式中的=774.89，=1321.08，这两个值对于相同类型的影像来说是固定的。

3.2温度反演过程

图2  温度反演流程图

3.2.1归一化植被指数（NDVI）

归一化植被指数NDVI是由Deering早在1978年提出的，可以反映出农作物的长势和影像信息的一种重要参数。归一化植被指数的数值在林地区域最高，在水体区域最低，在水田部分为负值，在旱地部分为正值。归一化植被指数的计算公式为：

上式中，NIR是近红外波段，Red是红外波段。

2013年               2015年               2017年              2020年

图3  归一化植被指数值

3.2.2植被覆盖率 （FVC）

植被覆盖度（FVC）是一个面积占比的概念，它指的是植被（叶、茎、枝）在地面上形成的垂直投影所占的面积占统计总面积的比值，范围在[0,1]之间。它定量的描述了地面植被的茂密程度，也是反映生态环境变化的基本指标。利用归一化植被指数（NDVI）估算植被覆盖率（FVC）是一种比较合适的方法，采用李苗苗等在像元二分模型的基础上研究的模型：

上式中， 是裸土或没有植被覆盖的区域的NDVI 值，是完全被植被所覆盖的区域的NDVI值，式中 取0.70和 取 0.05。

2013年FVC         2015年FVC          2017年FVC          2020年FVC

图4  植被覆盖率

3.2.3地表比辐射率（LSE）

地表比辐射率是指的物体与照体在相同的温度、相同的波长下的辐射出射度比值，更是反演地表温度的关键参数。研究使用Sobrino提出的NDVI阈值法。

ε=0.004P_V+0.986

2013年               2015年               2017年               2020年

图5  地表比辐射率

（4）黑体辐射亮度与地表温度

地球上的任何物体都可以不断辐射、吸收和反射电磁波，电磁波的辐射在各个波段是有差异的，即有一定的分布特点，这种谱分布与物体本身和温度有一定的关系，所以称之为热辐射。而黑体辐射是由理想放射物产生的辐射，理论上，黑体会放射频谱上所有波长之电磁波。根据上文中所述温度反演原理，反演出2013年、2015年、2017年和2020年的地表温度，如下图所示，温度暖色和冷色的程度反映地表温度的高低。

2013年                   2015年

2017年                   2020年

图6  东营市2013年-2020年温度反演结果

4 时空分析

    为了深入探讨四个年份东营地区的热岛效应分布情况，本文对反演出的地表温度进行进一步的统计和分析。采用“均值—标准差”法对城市热岛效应进行分级，根据热岛效应的不同，将试验区域分为冷岛、绿岛、正常区、热岛和强热岛五个等级。下图中，蓝色区域表示冷岛、绿色区域表示绿岛、黄色区域表示正常区，橙色区域表示热岛，红色区域表示强热岛。根据不同年份的“天地图—山东”影像模式进行地物类别对照，可以看出，地表温度最低的冷岛区域大多分布在沿海地区的盐田部分，该部分水体密集，温度较低。温度最高的强热岛区域大多分布在城区，建筑物、道路和工厂等相对密集，地表温度明显高于周边。除此之外，绿岛、正常区和热岛大多分布在植被、裸地和村庄密集区域。基本符合不同地物类别的温度反映特性。

2013年                       2015年

2017年                      2020年

图7  东营市2013年-2020年热岛效应分级图

    为了进一步展示东营市四个年份的热岛效应的时空变化规律，对热岛分级图中的不同分级情况进行了像元统计，统计得出四个年份中，冷岛、绿岛、正常区、热岛和强热岛区域所占总面积百分比。如下图所示，2013年，东营市强热岛区域占比约14.26%，热岛占比约36.61%，正常区占比约11.17%，绿岛占比约22.40%，冷岛占比约15.56；2015年，东营市强热岛占比约14.25%，热岛占比约39.40%，正常区占比约6.20%，绿岛占比约20.24%，冷岛占比约19.37%；2017年东营市强热岛占比约14.42%，热岛占比约35.84%，正常区占比约9.89%，绿岛占比约22.71%，冷岛占比约17.14%；2020年东营市强热岛占比约12.99%，热岛占比约41.39%，正常区占比约7.78%，绿岛占比约20.72%，冷岛占比约17.17%。从以上统计数据可以看出，2013年、2015年、2017年、2020年，四年间东营市的热岛分布与变化并不十分明显，其中，热岛与强热岛区域的百分比之和，2013年是50.87%，2015年是53.65%，2017年是50.26%，2020年是54.32，其中，2017年该值最低，2020年最高。2017年数据较之其他三个年份，在月份上提前了一个月，其他学者研究表明，热岛效应在温度较高的夏季表现尤为明显，基于此，2017年数据上的热岛与强热岛低值，不能排除月份差异的影响。虽然2020年的热岛与强热岛所占比例最高，但是2020年强热岛所占比例在四个年份中却是最低的，仅为12.93%，这说明代表主要城区的强热岛区域有所收缩，多为城市绿化与节能减排等积极举措带来的良好效应，而热岛区域的增加则说明城区周边及广大乡村地区的城镇化建设不断推进，裸地与植被区域被部分转化，该结果也与几年来东营市推进新型城镇化建设的举措相契合。

图8  东营市2013年-2020年热岛效应分级占比

基于上述分析，本文进一步生成了热岛效应分级年份变化率统计表。由表中数据可见，2013年—2015年期间，由于沿海区域盐田规模的扩大，冷岛区域有所增加，但伴随着城市扩张和城镇化建设，绿岛、正常区都在减少，热岛有所增加。2015年—2017年期间，受季节差异的影响，冷岛和热岛区域都在减少，说明热岛效应在较低温月份较之较高温将会更加不显著。2017年-2020年，伴随着新型城镇化建设的推进，绿岛和正常区进步一减少，热岛区域增加。纵观2013年—2020年期间，对比“天地图—山东”的同时空影像不难看出，城镇化建设日新月异，表现在热岛分级统计表中，即为绿岛和正常区向热岛的转化；与此同时，在城市绿化、生态治理、修建水利、盐田建设与节能减排举措的共同作用下，冷岛区域增加，强热岛区域减少。基于此，由2013年、2015年、2017年和2020年东营市热岛效应分析，充分反应出了东营市近年来新型城镇化建设与城市健康优化发展的双向成长。

表1  东营市热岛效应分级年份变化率统计表

5 结论

本文以2013年5月、2015年5月、2017年4月和2020年5月四景landsat 8遥感影像作为研究数据，以黄河三角洲地区的中心城市东营市为试验区，以城市热岛效应为研究对象，通过遥感技术处理，成功反演出了四个时期东营市的地表温度，并根据温度反演结果，得出东营市在四个年份的热岛效应分级分布图，根据热岛效应的高低，将研究区域划分为强热岛、热岛、正常区、绿岛和冷岛四个等级，在分级图中可清晰直观的反映东营市强热岛、热岛、正常区、绿岛和冷岛的分布情况，在此基础上，利用统计数据对东营市的城市热岛效应时空变迁进行了分析和解释，结论与东营市近年来的城市发展与生态治理政策契合，本文的热岛效应研究结果充分反应出了东营市近年来新型城镇化建设与城市健康优化发展的双向成长特点。本文的研究成果是为数不多的黄河三角洲地区近年来基于landsat 8遥感影像的温度反演与城市热岛效应研究，成果为黄河三角洲地区生态保护与城市健康发展提供了形象直观的科学依据和决策支持。

参考文献：

[1]赵阳，黎慧等. 基于Landsat 8遥感影像的城市热岛效应研究—以阜阳市为例[J].合肥师范学院学报，2020,36（6）：24-28.

[2]周毅，齐华. 基于Landsat 8的成都市城市热岛时空格局变化研究[J]. 地理信息世界，2019,26（2）：7-12.

[3]康翔. 基于Landsat 8数据的赣州市城市热岛效应研究[J]. 地政管理，2021（1）：129-130.

[4]孙愉钧，杨久东. 基于Landsat 8的唐山市地表温度反演[J]. 2022（4）：45-52.

[5]乐通潮. 基于Landsat 8卫星影像的地表温度反演及福州春季城市热岛效应分析[J]. 西北林学院学报，2019,34（5）:154-160.

[6]尹柯柯. 基于Landsat 8遥感影像的兰州市城市热岛特征研究[D].兰州：兰州交通大学，2017.