植被指数与地表温度定量关系遥感分析_以北京市TM数据为例_马伟
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0． 016 2． 050
Fig． 2
图 2 地表温度空间分布 Geographical distribution of land
surface temperature
·110·
国土资源遥感
2010 年
比研究。结 合 北 京 城 市 发 展 现 状，以 北 京 市 四 环 和 五 环 路 为 界 ，将 研 究 区 划 分 为 市 区 、近 郊 和 远 郊 3 个区域，并对其植被覆盖度和地表温度进行统计 分析。
2 结果分析
2． 1 城市地表温度空间分布特征 地表温度反演结果表明： 研究区地表温度范围
本文选用 5 种应用较广的植被参数： 归一化差
值植被指数（ NDVI） 、比值植被指数（ RVI） 、绿度植
被指数（ GVI） 、土壤调节植被指数（ MSAVI） 和植被
覆盖度（ fg） 。这 5 种植被参数均可由 TM 相应波段 的反射率计算得到（ 表 1） 。
名称 归一化差值
植被指数
比值植 被指数
摘要： 以北京市为研究区，在对 Landsat － 5 TM 数据大气校正基础上，利用 TM 单窗算法定量反演地表温度，并估算
了 5 种植被参数： 归一化差值植被指数（ NDVI） 、比值植被指数（ RVI） 、绿度植被指数（ GVI） 、土壤调节植被指数
（ MSAVI） 和植被覆盖度（ fg ） 。结合地表温度（ LST） 空间分布，对比分析 5 种植被参数与地表温度的相关程度。分 析结果显示，相对于上述 4 种植被指数，fg 与地表温度有更好的负相关性，对地表温度空间分布的指示能力更佳。 利用 fg 与地表温度关系定量分析了植被覆盖程度对热岛效应的影响，发现北京市区平均地表温度比近郊区和远郊 区分别高 1． 6 K 和 5． 3 K。
{τ = 0． 974 290 － 0． 080 07w（ 0． 4 ＜ w ＜ 1． 6） （ 7） τ = 1． 031 412 － 0． 115 36w（ 1． 6≤w ＜ 3． 0） 式中，w 为整层大气可降水量 （ g / cm2 ） 。先根
据饱和 水 汽 压 与 相 对 湿 度 计 算 地 面 实 际 水 汽 压 （ hPa） ［12］，再根据地面实际水汽压与整层大气可降 水量间的关系计算 w［13］，即
关键词： 植被指数； 地表温度； Landsat － 5 TM； 城市热岛
中图分类号： TP 79 文献标识码： A
文章编号： 1001 － 070X（ 2010） 04 － 0108 － 05
0 引言
绿色植被通过改变地气界面能量、水汽和碳的 交换过程，从而改变地表能量平衡，影响地表温度。 Oke［1］在城市热岛能量来源研究中发现植被密集区 域有较高的潜热交换，而显热交换多发生在植被稀 疏的城区，这一重要发现大大促进了地表温度与植 被覆盖关系的研究［2，3］。Weng 等［4］研究发现，基于 线性光谱混合分解模型估算的植被覆盖指数与地表 温度呈负相关关系。在植被指数与地表温度关系的 研究中，NDVI 是应用最为广泛的指数之一： Boegh 等［5］根据 NDVI － LST 关系研究地表蒸发散量； 程 承旗等［6］利用 TM 热红外数据计算了北京市地表的 亮度温度，认为热岛效应强度与 NDVI 呈线性关系； 然而，江樟焰等［7］ 研究发现，当 NDVI ＜ 0． 161 时， NDVI 与地表温度之间不存在相关关系； Small［8］的 研究则指出，NDVI 具有非线性和观测平台依赖性， 并不适用于定量分析植被覆盖状况； 而 NDVI 与地 表温度的关系也还需进一步研究。因此，对比分析 不同植被参数与地表温度间的关系，从中寻求更佳 的植被参数模型，已成为城市热环境研究中值得探 讨的重要问题。
参考 2004 年获取的 ASTER 可见光 / 近红外影
像，对 TM 影像进行几何纠正，均方根误差在 0． 5 个
像元内； 采用最邻近法对 TM 第 6 波段数据进行重
采样至 30 m 分辨率。
按式（ 1） 计 算 各 波 段 大 气 顶 层 的 光 谱 辐 亮 度 Lλ［9］，并利用 6S 模型对 TM1 ～ 5、7 波段的大气顶层光 谱辐亮度进行大气校正，得到各波段地表反射率，即
在 295． 8 ～ 339． 2 K 之间，平均地表温度为 309． 7 K， 标准差为 5． 7 K。地表温度空间分布如图 2 所示， 按均值 ± 整数倍标准差将温度分割为 5 个等级。
主要集中 在 郊 区、市 区 内 水 体 和 植 被 较 多 的 公 园。 城市中的水体和植被有效地隔断了片状高温区域， 增加了城市地表温度场的破碎度，对于缓解城市热 岛效应、改善城市热环境具有重要的作用。另外，香 山附近有 3 块区域地表温度最低（ ＜ 295． 80 K） ，对 照遥感图像发现是由于云遮挡所致。 2． 2 不同植被参数与地表温度关系对比
对 5 种植被参数与 LST 进行相关分析，显著性 水平均为 0． 01，结果如表 2 所示。
表 2 各剖面线上地表温度与 5 种植被参数的相关系数
Tab． 2 Correlation coefficients between LST and
five parameters of vegetation on various profiles
第4 期
马 伟，等： 植被指数与地表温度定量关系遥感分析———以北京市 TM 数据为例
·109·
选用 2004 年 7 月 6 日获取的 Landsat － 5 TM 影
像为基本数据源，覆盖整个研究区，数据质量较好。
同时收集了北京气象台提供的卫星过境时的常规气
象观测资料。
1． 2 数据处理
1． 2． 1 数据预处理
植被参数 / 地表温度
剖A
面
B
线
C
D
平均值
标准差
变异系数 /%
NDVI / LST － 0． 791 － 0． 705 － 0． 784 － 0． 775 － 0． 764 0． 040 5． 200
RVI / LST － 0． 740 － 0． 672 － 0． 694 － 0． 685 － 0． 698 0． 030 4． 240
Gutman 等［19］ 能够较好地反映植被的覆盖程度
1． 3 数据分析方法 为分析上述 5 种植被参数与地表温度的相关
程度，本文 采 用 剖 面 线 法 进 行 相 关 分 析。考 虑 到 研究区的特点以及剖面线所经过区域的典型性，
选择东西方向起始，每顺时针方向旋转 45° 作一条 剖面 线，共 4 条 剖 面 线 （ 如 图 1 中 A、B、C、D 所 示） 。为进一步定量分析植被覆盖度对城市热环 境的影响，对 植 被 覆 盖 度 和 地 表 温 度 进 行 城 乡 对
1 研究方法
1． 1 研究区与数据源 以北京市区及部分郊区（ 六环路以内） 为研究
对象（ 图 1） 。研究区位于 39°28' N ～ 41°05' N，115° 25'E ～ 117°35'E，地处暖温带半湿润地区，属大陆性 季风气候。区内植被覆盖度的变化梯度较大，市区 和郊区植被覆盖度差异明显。
Lλ = Grescale Qcal + Brescale
（ 1）
式中，Grescale 、Brescale 分别为定标的增益与 偏 移；
Qcal 为像元 DN 值。
对于第 6 波段，通过式（ 2） 计算亮温 TB［9］，即
TB = K2 / ln（ K1 / Lλ + 1）
（ 2）
式中，K1 = 607． 76 W / （ m2 · sr · μm） ； K2 =
GVI / LST － 0． 766 － 0． 676 － 0． 737 － 0． 741 － 0． 730 0． 038 5． 240
MSAVI / LST － 0． 785 － 0． 714 － 0． 760 － 0． 762 － 0． 755 0． 030 3． 940
fg / LST
－ 0． 798 － 0． 759 － 0． 780 － 0． 782 － 0． 780
透射率。 针对不同的大气廓线，Qin 等［10］建立了 4 种基
于近地层空气温度 T0 估算 Ta 的关系式。本文利用 中纬度夏季模式模拟 2004 年 7 月 6 日卫星过境时
刻的 Ta。 中纬度夏季模式为
Ta = 16． 011 0 + 0． 926 21 T0
（ 6）
采用式（ 7） 计算大气透射率，即
1 260． 56 K。
地表温度反演过程中所使用的气象资料 （ 气
温、相对湿度） 均以卫星影像获取时刻各气象站点
记录值取平均值，并采用反距离权重法内插至与遥
感数据相匹配的尺度。
1． 2． 2 地表温度反演
Qin 等［10］针对 TM6 波段提出了地表温度（ Ts ）
反演的单窗算法，即
Ts = ｛ a（ 1 － C － D） +［b（ 1 － C － D） + C + D］TB －
w = 0． 049 9 + 0． 174 3 e
（ 8）
式中，e 为地面实际水汽压（ hPa） 。
参数敏感性分析表明，单窗算法对地表发射率
并不敏感，但受大气透射率影响较大； 在地表发射
率、大气透射率等基本参数估计误差在一定范围内 时，地表温度反演的平均误差约为 1． 1 K［14］。
1． 2． 3 植被参数计算
DTa ｝ / C
（ 3）
C = ετ
（ 4）
D = （ 1 － τ） ［1 + （ 1 － ε） τ］
（ 5）
式 （ 3 ） ～ （ 5 ） 中，a = － 67． 355 351； b =
0． 458 606； Ta 为大气平均作用温度（ K） ； ε 为地表 发射率，计算方法见文献［11］； τ 为 TM6 波段大气
RVI = ρNIR / ρR
GVI = － 0． 272 8ρTM1 － 0． 217 4ρTM2 － 0． 550 8ρTM3 + 0． 722 1ρTM4 + 0． 073 3ρTM5 － 0． 164 8ρTM7 － 0． 731 0
MSAVI = ρNIR + 0． 5 － 槡（ ρNIR + 0． 5） 2 － 2（ ρNIR － ρR ）
本文利用 遥 感 资 料 反 演 地 表 温 度，着 重 分 析 评价了当前应用较广的 5 种植被参数与地表温度
的关系，寻求 对 地 表 温 度 空 间 分 布 指 示 最 佳 的 植 被参数； 同时，分析植被参数与地表温度关系，研 究北京城市 热 环 境 的 内 在 作 用 机 制，对 优 化 人 居 环 境 、改 善 公 共 健 康 条 件 、合 理 规 划 城 市 发 展 都 具 有重要的现实意义。
Jordan 等［16］
适用于高植被 覆 盖 度 区 域，但 在 低 植 被 覆 盖 度 区 易受土壤背景的影响
Crist 等［17］ 与不同植被覆盖都有较大的相关性
Qi 等［18］
降低了不同土 壤 背 景 的 影 响，增 强 了 对 植 被 覆 盖 的指示能力，拥有更高的信噪比
植被覆盖度 fg = （ NDVI － NDVIs ） / （ NDVI∞ － NDVIs ）
第 4 期，总第 87 期 2010 年 FOR LAND ＆ RESOURCES
No． 4，2010 Dec． ，2010
植被指数与地表温度定量关系遥感分析
———以北京市 TM 数据为例
马 伟1 ，赵珍梅1 ，刘 翔2 ，闫东川1
（ 1． 中国冶金地质总局矿产资源研究院，北京 100025； 2． 北京东方泰坦科技股份有限公司，北京 100083）
绿度植 被指数
土壤调节 植被指数
表 1 5 种植被参数模型
Tab． 1 Five parameters of vegetation
植被参数模型
提出者
特点
NDVI = （ ρNIR － ρR ） / （ ρNIR + ρR ）
Rouse 等［15］
应用最为广泛，但对土壤背景敏感，在植被浓密处 呈现饱和现象
图 1 研究区示意图 Fig． 1 Location of the study area
收稿日期： 2009 － 11 － 20； 修订日期： 2010 － 01 － 04 基金项目： 国家高技术研究发展计划（ 863 计划） 项目“遥感动态监测与管理信息系统”课题 （ 编号： 2006AA120107） 资助。
Fig． 2
图 2 地表温度空间分布 Geographical distribution of land
surface temperature
·110·
国土资源遥感
2010 年
比研究。结 合 北 京 城 市 发 展 现 状，以 北 京 市 四 环 和 五 环 路 为 界 ，将 研 究 区 划 分 为 市 区 、近 郊 和 远 郊 3 个区域，并对其植被覆盖度和地表温度进行统计 分析。
2 结果分析
2． 1 城市地表温度空间分布特征 地表温度反演结果表明： 研究区地表温度范围
本文选用 5 种应用较广的植被参数： 归一化差
值植被指数（ NDVI） 、比值植被指数（ RVI） 、绿度植
被指数（ GVI） 、土壤调节植被指数（ MSAVI） 和植被
覆盖度（ fg） 。这 5 种植被参数均可由 TM 相应波段 的反射率计算得到（ 表 1） 。
名称 归一化差值
植被指数
比值植 被指数
摘要： 以北京市为研究区，在对 Landsat － 5 TM 数据大气校正基础上，利用 TM 单窗算法定量反演地表温度，并估算
了 5 种植被参数： 归一化差值植被指数（ NDVI） 、比值植被指数（ RVI） 、绿度植被指数（ GVI） 、土壤调节植被指数
（ MSAVI） 和植被覆盖度（ fg ） 。结合地表温度（ LST） 空间分布，对比分析 5 种植被参数与地表温度的相关程度。分 析结果显示，相对于上述 4 种植被指数，fg 与地表温度有更好的负相关性，对地表温度空间分布的指示能力更佳。 利用 fg 与地表温度关系定量分析了植被覆盖程度对热岛效应的影响，发现北京市区平均地表温度比近郊区和远郊 区分别高 1． 6 K 和 5． 3 K。
{τ = 0． 974 290 － 0． 080 07w（ 0． 4 ＜ w ＜ 1． 6） （ 7） τ = 1． 031 412 － 0． 115 36w（ 1． 6≤w ＜ 3． 0） 式中，w 为整层大气可降水量 （ g / cm2 ） 。先根
据饱和 水 汽 压 与 相 对 湿 度 计 算 地 面 实 际 水 汽 压 （ hPa） ［12］，再根据地面实际水汽压与整层大气可降 水量间的关系计算 w［13］，即
关键词： 植被指数； 地表温度； Landsat － 5 TM； 城市热岛
中图分类号： TP 79 文献标识码： A
文章编号： 1001 － 070X（ 2010） 04 － 0108 － 05
0 引言
绿色植被通过改变地气界面能量、水汽和碳的 交换过程，从而改变地表能量平衡，影响地表温度。 Oke［1］在城市热岛能量来源研究中发现植被密集区 域有较高的潜热交换，而显热交换多发生在植被稀 疏的城区，这一重要发现大大促进了地表温度与植 被覆盖关系的研究［2，3］。Weng 等［4］研究发现，基于 线性光谱混合分解模型估算的植被覆盖指数与地表 温度呈负相关关系。在植被指数与地表温度关系的 研究中，NDVI 是应用最为广泛的指数之一： Boegh 等［5］根据 NDVI － LST 关系研究地表蒸发散量； 程 承旗等［6］利用 TM 热红外数据计算了北京市地表的 亮度温度，认为热岛效应强度与 NDVI 呈线性关系； 然而，江樟焰等［7］ 研究发现，当 NDVI ＜ 0． 161 时， NDVI 与地表温度之间不存在相关关系； Small［8］的 研究则指出，NDVI 具有非线性和观测平台依赖性， 并不适用于定量分析植被覆盖状况； 而 NDVI 与地 表温度的关系也还需进一步研究。因此，对比分析 不同植被参数与地表温度间的关系，从中寻求更佳 的植被参数模型，已成为城市热环境研究中值得探 讨的重要问题。
参考 2004 年获取的 ASTER 可见光 / 近红外影
像，对 TM 影像进行几何纠正，均方根误差在 0． 5 个
像元内； 采用最邻近法对 TM 第 6 波段数据进行重
采样至 30 m 分辨率。
按式（ 1） 计 算 各 波 段 大 气 顶 层 的 光 谱 辐 亮 度 Lλ［9］，并利用 6S 模型对 TM1 ～ 5、7 波段的大气顶层光 谱辐亮度进行大气校正，得到各波段地表反射率，即
在 295． 8 ～ 339． 2 K 之间，平均地表温度为 309． 7 K， 标准差为 5． 7 K。地表温度空间分布如图 2 所示， 按均值 ± 整数倍标准差将温度分割为 5 个等级。
主要集中 在 郊 区、市 区 内 水 体 和 植 被 较 多 的 公 园。 城市中的水体和植被有效地隔断了片状高温区域， 增加了城市地表温度场的破碎度，对于缓解城市热 岛效应、改善城市热环境具有重要的作用。另外，香 山附近有 3 块区域地表温度最低（ ＜ 295． 80 K） ，对 照遥感图像发现是由于云遮挡所致。 2． 2 不同植被参数与地表温度关系对比
对 5 种植被参数与 LST 进行相关分析，显著性 水平均为 0． 01，结果如表 2 所示。
表 2 各剖面线上地表温度与 5 种植被参数的相关系数
Tab． 2 Correlation coefficients between LST and
five parameters of vegetation on various profiles
第4 期
马 伟，等： 植被指数与地表温度定量关系遥感分析———以北京市 TM 数据为例
·109·
选用 2004 年 7 月 6 日获取的 Landsat － 5 TM 影
像为基本数据源，覆盖整个研究区，数据质量较好。
同时收集了北京气象台提供的卫星过境时的常规气
象观测资料。
1． 2 数据处理
1． 2． 1 数据预处理
植被参数 / 地表温度
剖A
面
B
线
C
D
平均值
标准差
变异系数 /%
NDVI / LST － 0． 791 － 0． 705 － 0． 784 － 0． 775 － 0． 764 0． 040 5． 200
RVI / LST － 0． 740 － 0． 672 － 0． 694 － 0． 685 － 0． 698 0． 030 4． 240
Gutman 等［19］ 能够较好地反映植被的覆盖程度
1． 3 数据分析方法 为分析上述 5 种植被参数与地表温度的相关
程度，本文 采 用 剖 面 线 法 进 行 相 关 分 析。考 虑 到 研究区的特点以及剖面线所经过区域的典型性，
选择东西方向起始，每顺时针方向旋转 45° 作一条 剖面 线，共 4 条 剖 面 线 （ 如 图 1 中 A、B、C、D 所 示） 。为进一步定量分析植被覆盖度对城市热环 境的影响，对 植 被 覆 盖 度 和 地 表 温 度 进 行 城 乡 对
1 研究方法
1． 1 研究区与数据源 以北京市区及部分郊区（ 六环路以内） 为研究
对象（ 图 1） 。研究区位于 39°28' N ～ 41°05' N，115° 25'E ～ 117°35'E，地处暖温带半湿润地区，属大陆性 季风气候。区内植被覆盖度的变化梯度较大，市区 和郊区植被覆盖度差异明显。
Lλ = Grescale Qcal + Brescale
（ 1）
式中，Grescale 、Brescale 分别为定标的增益与 偏 移；
Qcal 为像元 DN 值。
对于第 6 波段，通过式（ 2） 计算亮温 TB［9］，即
TB = K2 / ln（ K1 / Lλ + 1）
（ 2）
式中，K1 = 607． 76 W / （ m2 · sr · μm） ； K2 =
GVI / LST － 0． 766 － 0． 676 － 0． 737 － 0． 741 － 0． 730 0． 038 5． 240
MSAVI / LST － 0． 785 － 0． 714 － 0． 760 － 0． 762 － 0． 755 0． 030 3． 940
fg / LST
－ 0． 798 － 0． 759 － 0． 780 － 0． 782 － 0． 780
透射率。 针对不同的大气廓线，Qin 等［10］建立了 4 种基
于近地层空气温度 T0 估算 Ta 的关系式。本文利用 中纬度夏季模式模拟 2004 年 7 月 6 日卫星过境时
刻的 Ta。 中纬度夏季模式为
Ta = 16． 011 0 + 0． 926 21 T0
（ 6）
采用式（ 7） 计算大气透射率，即
1 260． 56 K。
地表温度反演过程中所使用的气象资料 （ 气
温、相对湿度） 均以卫星影像获取时刻各气象站点
记录值取平均值，并采用反距离权重法内插至与遥
感数据相匹配的尺度。
1． 2． 2 地表温度反演
Qin 等［10］针对 TM6 波段提出了地表温度（ Ts ）
反演的单窗算法，即
Ts = ｛ a（ 1 － C － D） +［b（ 1 － C － D） + C + D］TB －
w = 0． 049 9 + 0． 174 3 e
（ 8）
式中，e 为地面实际水汽压（ hPa） 。
参数敏感性分析表明，单窗算法对地表发射率
并不敏感，但受大气透射率影响较大； 在地表发射
率、大气透射率等基本参数估计误差在一定范围内 时，地表温度反演的平均误差约为 1． 1 K［14］。
1． 2． 3 植被参数计算
DTa ｝ / C
（ 3）
C = ετ
（ 4）
D = （ 1 － τ） ［1 + （ 1 － ε） τ］
（ 5）
式 （ 3 ） ～ （ 5 ） 中，a = － 67． 355 351； b =
0． 458 606； Ta 为大气平均作用温度（ K） ； ε 为地表 发射率，计算方法见文献［11］； τ 为 TM6 波段大气
RVI = ρNIR / ρR
GVI = － 0． 272 8ρTM1 － 0． 217 4ρTM2 － 0． 550 8ρTM3 + 0． 722 1ρTM4 + 0． 073 3ρTM5 － 0． 164 8ρTM7 － 0． 731 0
MSAVI = ρNIR + 0． 5 － 槡（ ρNIR + 0． 5） 2 － 2（ ρNIR － ρR ）
本文利用 遥 感 资 料 反 演 地 表 温 度，着 重 分 析 评价了当前应用较广的 5 种植被参数与地表温度
的关系，寻求 对 地 表 温 度 空 间 分 布 指 示 最 佳 的 植 被参数； 同时，分析植被参数与地表温度关系，研 究北京城市 热 环 境 的 内 在 作 用 机 制，对 优 化 人 居 环 境 、改 善 公 共 健 康 条 件 、合 理 规 划 城 市 发 展 都 具 有重要的现实意义。
Jordan 等［16］
适用于高植被 覆 盖 度 区 域，但 在 低 植 被 覆 盖 度 区 易受土壤背景的影响
Crist 等［17］ 与不同植被覆盖都有较大的相关性
Qi 等［18］
降低了不同土 壤 背 景 的 影 响，增 强 了 对 植 被 覆 盖 的指示能力，拥有更高的信噪比
植被覆盖度 fg = （ NDVI － NDVIs ） / （ NDVI∞ － NDVIs ）
第 4 期，总第 87 期 2010 年 FOR LAND ＆ RESOURCES
No． 4，2010 Dec． ，2010
植被指数与地表温度定量关系遥感分析
———以北京市 TM 数据为例
马 伟1 ，赵珍梅1 ，刘 翔2 ，闫东川1
（ 1． 中国冶金地质总局矿产资源研究院，北京 100025； 2． 北京东方泰坦科技股份有限公司，北京 100083）
绿度植 被指数
土壤调节 植被指数
表 1 5 种植被参数模型
Tab． 1 Five parameters of vegetation
植被参数模型
提出者
特点
NDVI = （ ρNIR － ρR ） / （ ρNIR + ρR ）
Rouse 等［15］
应用最为广泛，但对土壤背景敏感，在植被浓密处 呈现饱和现象
图 1 研究区示意图 Fig． 1 Location of the study area
收稿日期： 2009 － 11 － 20； 修订日期： 2010 － 01 － 04 基金项目： 国家高技术研究发展计划（ 863 计划） 项目“遥感动态监测与管理信息系统”课题 （ 编号： 2006AA120107） 资助。