沈阳城区热岛效应遥感信息提取与分析

沈阳城区热岛效应遥感信息提取与分析
摘要：城市热岛效应是城市气温高于四周郊区的温差现象，能
对环境生态系统和人类活动产生重大影响。

近年来以遥感、地理信息系统和全球定位系统(3s)为代表的空间信息技术，因其具有传统方法所不可比拟的宏观性、多波段性及多时相性等优点，而被广泛应用于城市热岛的研究，并成为环境科学的一个新热点。

本文利用遥感监测技术对不同年代沈阳城区热岛的空间分布特征进行分析。

选用1989年、2002年、2006年、2007年4个年份的美国陆地卫星数据，主要利用erdas软件实现图像处理、建模、计算和分析。

研究结果表明，1989年到2007年沈阳市植被覆盖有所上升，与
之相对应的地区地表温度较低。

热岛现象多分布在植被覆盖较少地区，其中沈阳市大东区、沈河区、皇姑区、和平区和铁西区均存在不同程度的热岛效应。

由此可针对不同地区提出相应的热岛效应缓解策略。

关键词：遥感技术；城市热岛效应；地表亮温；植被覆盖指数（ndvi）
abstract: urban heat island effect is a temperature phenomena that city temperature is higher than surrounding suburbs temperature. it can seriously affect environmental and ecological systems and human activities. in recent years, spatial information technology represented by remote sensing, geographic information system and global positioning system
(called 3s).itis widely used on the study of urban heat island and becoming a new hot spot of environmental science, because it is broader and has more multi-band and temporal nature than traditional methods. satellite images from landsat system for four dates in 1989, 2002, 2006 and 2007 were used to analyze the spatial distribution characteristics over shenyang city. the image datas were mainly processed by software of erdas imagine in this study.
the results show that the vegetation cover increasing in shenyang 1989 to 2007, corresponding to the region the surface temperature is lower. heat island phenomenon scattered in the areas with less vegetation cover. dadong district, shenhe district, huanggu district, heping district and the district of west in shenyang have different degrees of heat island effect. therefore we can propose appropriate tactics to help relieve heat island effect for different regions. keywords: remote sensing technology; urban heat island effect; surface brightness temperature; ndvi
中图分类号：tp7 献标识码：文章编号：2095-2104（2013）
1-0020-02
由于城市化的速度加快，城市建筑群密集、柏油路和水泥路面比
郊区的土壤、植被具有更大的热容量和吸热率，使得城区储存了较多的热量，并向四周和大气中幅射，造成了同一时间城区气温普遍高于周围的郊区气温，高温的城区处于低温的郊区包围之中，如同汪洋大海中的岛屿，人们把这种现象称之为城市热岛效应[1]。

由于全球气候变暖和快速发展的城市化进程，使得世界范围内的热浪日益频繁，加剧了城市热效应[2]。

1 研究内容及方法
1.1 数据源
本文所用遥感数据为沈阳市1989年、2002年、2006年、2007年landsat影像，共有7个波段，可见光、近红外的空间分辨率为30m，全色波段为15m，热红外波段为120m。

1.2 研究区概况
沈阳，总面积1.3万平方公里，市区面积3495平方公里。

以平原为主，山地、丘陵集中在东南部，辽河、浑河、秀水河等途经境内。

全年气温变化范围在-29℃～36℃之间，年平均气温26.7℃～28.4℃，极端气温最高34.6℃，最低-30.6℃。

全年降水量600～800毫米，1951年至2007年市区年平均降水量711.6毫米, 全年无霜期150～170天。

受季风影响，降水集中，温差较大，四季分明。

冬寒时间较长，少雪；夏季时间较短，多雨，春秋两季气温变化迅速，春季多风，秋季晴朗。

1.3 整体思路
基于遥感手段完成相关数据分析，构建各个模型完成各种研究步
骤。

通过地表植被覆盖度、地表比辐射率以及所需的其它地气参数，反演研究区范围内的地表温度空间分布图。

对地表温度值进行统计，进而在这基础上研究城市地表温度热岛效应，分析了城市地表温度热岛的空间分布格局。

运用统计方法，分析城市地表温度与归一化差分植被指数ndvi（normalized difference vegetation index）分布的关系。

论述造成沈阳市热岛效应的影响因素，并针对性地提出一些改善城市热环境、缓解城市热岛效应的措施和方法。

2 图像预处理
本文所用遥感数据为1989年1月14日、2002年6月27日、2006年9月18日、2007年6月17日共4幅影像，图像上研究区域除89年影像云较多，其余图像基本无云，成像质量良好。

为保证遥感图像坐标系的一致性，本文进行了必要的几何校正。

经1:5万几何校正好的沈阳市1989年landsat-5 tm影像为基准，对其他年份的tm 影像进行相对几何精校正。

本文的研究区是沈阳市地区，所以在提取植被指数之前我们对整幅遥感影象进行了感兴趣区域（沈阳市）的剪裁，利用erdas imagine 的数据预处理模块从整幅遥感图像中把沈阳裁剪出来,并生成了一幅沈阳市的遥感影象数据。

图2-1感兴趣区域
fig. 2-1 interested area
3 地温反演与ndvi指数提取
3.1 地表比辐射率求解
在对地面比辐射率和大气影响进行校正的基础上，可以从地面亮温反演出地面的真实温度，用于城市热岛的定量化研究[12]。

本文地表比辐射率采用van经验公式，当地表的ndvi值在
0.157～0.727之间时，地表比辐射率可以通过下面的公式求得[13]：
（3-1）
3.2 地温反演
本文采用普适性单通道算法。

jiménez-muoz和sobrino(2003）通过对普朗克函数在温度值tsensor附近作一阶泰勒级数展开，提出了另一种适用于tm数据的普适性单通道算法（single-channel algorithm，sc）。

（1）地表温度表达式
（3-2）
式中，ts是陆地表面温度，lsensor是卫星高度上遥感传感器测得的辐射强(wm-2sr-1μm-1)，ε是地表发射率。

（2）中间变量ν，δ，ψ1，ψ2，ψ3的求解。

(3-3)
（3-4）
（3-5）
（3-6）
（3-7）
其中，和是plank函数的常量，=1.19104*108（mwcm-2sr-1-1，=1 4387.7（k）；tsensor是卫星高度传感器所探测到的像元亮度温度，单位为k；λ是有效作用波长，tm6有效作用波长为11.457 [14]；ω是大气剖面总水汽含量（gcm-2）。

（3）lsensor的求解。

首先，将热红外波段dn值转换为光谱辐射值，其转化式为：
（3-8）
式中，为传感器接收的辐射强度lmax=1.56（mwcm-2sr-1-1），表示传感器可探测到的最大幅亮度；lmin=0.1238 mwcm-2sr-1-1（在etm+影像为3.20 mwcm-2sr-1-1），表示传感器探测到的最小幅亮度；qdn为tm/etm+热波段数据的像元灰度值；qmax为最大的dn值，即q=255。

lλ的单位为mwcm-2sr-1-1，将其换算为mwcm-2sr-1-1后，即可得到lsensor。

（4）tsensor求解
根据上述求解lsensor的过程，分别求解出tm/etm+影像的传感器接收的辐射强度（mwcm-2sr-1-1）lλ。

将其带入下式：
（3-9）
tsensor为卫星高度亮度温度；＝1260.56k； =60.776
mwcm-2sr-1-1。

为卫星发射前的常量。

（5）大气剖面总含水量（大气水蒸气含量）ω的计算
（3-10）
其中，是气温（℃），rh是相对湿度（%）。

该公式为求解大气剖面总含水量的近似计算。

（6）erdas inagine的模型表示
根据上面(3)～(5)求解出普适性单通道算法的lsensor、tsensor 和大气剖面总含水量ω，以2007年影像及参数为例，可以利用erdas inagine做出单通道的反演模型如图（6-1）：
图3-1 地表温度反演模型
fig.3-1 the inversor of the earth’s surface temperature 图3-2 2007地表亮温反演图像
fig.3-2 the distribution curve of earth’s temperature in 2007
3.3 植被指数提取
植被指数（vegetation index）指从多光谱遥感数据中提取的有关地球表面植被状况的定量数值。

常用的植被指数有：比值植被指数，归一化植被被指数，差值植被指数，正交植被指数等。

本文选用归一化差值植被指数ndvi（normalozed difference vegetation index）。

它能更好地反应本地形区植被盖度稀疏、盖度差异悬殊的区域景观特点。

其表达式为：
(3-11)
图3-3a 1989年1月图3-3b 2002年6月
fig.3-3a 1989/01fig.3-3b 2002/06
图3-3c 2006年9月图3-3d 2007年6月
fig.3-3c 2006/09 fig.3-3d 2007/06
根据提取结果可以看出1989年到2007年沈阳市植被覆盖有所上升，植被覆盖较高、植被生长较好。

4 图像分类
监督分类首先根据类别的先验知识确定判别函数和相应的判别准则，其中利用一定数量的己知类别的样本的观测值确定判别函数中待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定。

图4-1 监督分类结果
fig.4-1 the result of supervise
5 沈阳热岛效应分析
5.1 沈阳市各年度热岛分布特征
将反演得到的2002年、2006年、2007年图像进行分类。

处理后可将地表温度图分为低温区、较低温度区、中间区、较高温度区和高温区。

图5-1a 2002年6月图5-1b 2006年9月
fig.5-1a 2002/06fig.5-1b 2006/09
图5-1c 2007年6月
fig.5-1c 2007/06
市区内大部分区域为中温和较低温所覆盖。

高温与较高温区分布在市内五大城区即铁西区、大东区、和平区、沈河区和皇姑区以及
北湖工业开发区，由于市内城区人口密集，车辆较多，空气污染较严重；工业开发区污水废气污染严重，因此这些地方属于高温与较高温区。

中温和较低温度区大量分布在城郊周边，由于城郊植被覆盖率较高，人口较少，因此温度有所降低。

5.2 地表温度分布场与归一化植被指数之间的关系
对反演生成地表温度图与归一化差值植被指数（以下简称植被指数）图进行对应采点，按采集顺序依次记录采集点的坐标、辐温度（t）和植被指数（ndvi）。

根据上述处理对地表温度图与植被指数图对应选择的地表温度
值和植被覆盖指数值用spss软件曲线进行拟合分析，该拟合分析选用一次和二次多项式进行，从中选取最优模型。

2002年地温与植被指数之间的关系
曲线拟合的结果见公式（5-1）：
（5-1）
2006年地温与植被指数之间的关系
曲线拟合的结果见公式（5-2）：
（5-2）
综合2002年和2007年两年的地温与植被指数的关系可知，地温与植被指数间存在着一次线性负相关关系。

6 沈阳市热岛成因及缓解对策
6.1 研究区域沈阳市的热岛成因
（1）城市热岛效应产生的主要驱动力是城市扩展和工业区建设。

（2）城市下垫面性质、“人为热”、废气排放是影响城市热岛强度的共同因素等。

6.2 缓解沈阳城区热岛效应的对策
削减夏季热岛强度是防御城市夏季高温灾害、减少经济损失和保护生态环境的一项重要措施。

结合以上研究的基础上，提出以下几项可以有效缓解沈阳市热岛效应的对策措施。

1）提高城市绿化。

2）合理规划城市建筑。

3）减少人为热的排放量，保护自然生态平衡。

4）预防和治理大气污染，提高大气质量，不断巩固治理污染的成果。

5）保留城区水域面积，在沈阳市市区增加喷水洒水设施，以增加水域面积并通过立法来保证不得随意减少城市水域面积。

6）加强科学研究，制定对策。

7）建立健全行之有效的生态环境法制体制，提高全民生态环境意识建立可行的、有效的生态法制体制，通过法律来杜绝人们对环境的破坏。

7 结论与展望
7.1 结论
本论文以landsat遥感影像图为基础，选用的是tm6波段，并以气象数据对反演结果进行验证，更能够准确的反演地温。

本文反演
地表温度选用的是由jiménez-munoz和sobrino在2003年提出的普适性单通道算法（single-channel method），建立普适性单通道算法的空间图像模型以及地表反照率（ε）的空间图像模型，运用erdas imagine的专家分类器生成了三年的地温分布图，然后采用了spss曲线拟合的方法分析沈阳市地表温度分布与归一化差值植被指数的关系。

生成的植被指数图像与地表温度图像的相关一次多项式，能够证明植被越多的地方温度越低。

因为由于1989年的图像云较多以及建模过程中未避免的出现少许错误导致89年地表亮温反演失败因此摒弃了该年的地温度与植被指数的拟合关系。

整个分析过程采用rs、gis手段，充分运用了erdas软件的建模功能，90%的中间成果都可以通过运行模型实现，方便事后检验和后续分析。

另外还借助统计分析软件spss的帮助，所得数据翔实可靠。

本文通过对沈阳市四个年份不同季节四幅遥感影像的分析得出：1989年到2007年沈阳市植被覆盖有所上升，与之相对应的地区地表温度较低。

热岛现象多分布在植被覆盖较少地区，其中沈阳市大东区、沈河区、皇姑区、和平区和铁西区均存在不同程度的热岛效应。

由此可针对不同地区提出相应的热岛效应缓解策略。

7.2 存在问题
本文对研究过程还存在一些缺陷和不足。

1）资料的限制性。

本文仅选用了landsat卫星三个年份的遥感
数据，且不同季节，因此时间可比性较差。

另外，仅选用了沈阳市气象站的气相数据用于计算整个沈阳城市和近郊的大气状况，没有考虑大气状况的空间变异性。

2）本研究所采用的反演模型只能反演出地表温度，并不是真实的气温，且建模过程中未避免的出现少许错误，误差在所难免。

3）由于本人的能力有限，对于spss软件掌握还不够精通，还有对其他软件的不了解，本应更加完善、具体、生动的展现出研究成果，而在此处受到了局限。

7.3 展望
目前，有不少研究者往往都是直接使用地表亮温或是通过经验性的线性或非线性关系将地表温度转换为大气温度，从而表示城市热岛，这在晴朗无风及无局部环流的情况下，误差较小;然而，城市中由于其特殊的下垫面，具有较大的地表粗糙度，不同下垫面热性质的迥异，很容易形成局地环流和局地平流，而且城市中由于高大建筑物的存在，形成了很多阴影；这些都对气温产生着影响。

而由于受到传感器分辨率的限制，使得遥感手段获取城市区域热红外图像基本都是混合像元，这也对地温和气温转换产生了不利的影响。

所有这些都使得气温和地温之间的关系更加复杂，因而要建立地一气温度合适的关系转换，必须建立完善的地一气界面过程模型。

所以个人认为如何反演城区地表真实温度及其与气温的关系应作为一个重要研究方向。

参考文献
[1]刘纪远.中国资源环境遥感宏观调查与动态研究时.北京:中国科学技术出版社,1996.
[2]sigh.a .digital change detection techniques using remotely sensed data [j]. int j remote
sensing,1989,10(6):1989~10033.
[3]潘剑君,邹军.运用tm遥感图象监测扬中市土地利用状况的变化[j].南京农业大学学报,1997,20(2):46一504.
[4]尚东.利用遥感技术进行中山市土地覆盖变化监测的初步研究[j].遥感信息,1996,2:12~15.
[5]李秀彬.全球环境变化研究的核心领域—土地利用/土地覆盖变化的国际研究动向[j].地理学报,1995,51(6):553一558. [6]陈佑启,杨鹏.国际上土地利用/土地覆盖变化研究的新进展[j].经济地理,2001,21(l):95~100.
[7]k.c.seto,c.e.woodcock,c.song,etal.monitoring land- use change in the pearl river delta using
landsattm[j].int .j .remotesens.,2002,23(10):1985~2004.
[8]贾凌,都金康,赵萍,张友水.基于tm的海南省土地利用覆盖动态变化的遥感监测和分析[j].遥感信息,2003(l):22~25.
[9]王思远,张增祥,周全斌,等.基于遥感与gis技术的土地利用时空特征研究明.遥感学报,2002,6(3):223~228.
[10]史培军,等.土地利用/土地覆盖变化研究的方法与实践[m].北京:科学出版社,2000.
[11]史培军,陈晋,潘耀忠.深圳市土地利用变化机制分析[j1.地
理学报,2000,55(2):151~160.
[12] 贾海峰,刘雪华等. 环境遥感原理与应用[m].第1版.北京:清华大学出版社,2006.195-216.
[13]van de griend a,owe m. on the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces[j]. internationaljournalofremotesensing.1993,14(6):1119~1131.
[13]赵丽丽,赵云升,董贵华.基于etm+遥感影像的城市热岛效应
监测技术研究[j].中国环境监测.2006,22(3):59～63.
[14]桑建国.城市热岛效应的分析解[j]·气象学报, 1986, 44(2): 251-255.
[15]边海,铁学熙.天津市夜间热岛的数值模拟[j]·地理学报, 1988, 43(2): 150-158.
[16]李小风.热岛效应强迫下的中尺度环流的动力特征及极限风
速的一种解析表达[j]·气象学报, 1990, 48(3): 327-335.
[17]孙旭东,孙孟伦,李兆元.西安市城市边界层热岛的数值模拟[j]·地理研究, 1994, 13(2): 49-54.
[18]江学顶,夏北成,郭泺,等.数值模拟与遥感反演的广州城市
热岛空间格局比较[j]·中山大学学报(自然科学版)，2006, 45(6): 111-112.
[18]梅安新,彭望琭,秦其明,等.遥感导论[m]·北京:高等教育出
版社, 2001. 4, 2.
[20]董仁才，赵景柱，邓红兵，等.3s技术在城市绿地系统中的应用探讨[j].林业资源管理，2006，(2):83-87。