如何用envi软件对modis数据进行地表温度反演

全文刊登于《风景园林》2019年第5期 P18-23

李膨利，穆罕默德·阿米尔·西迪基，刘东云 . 基于遥感技术的城市下垫面参数与热环境关系的研究：以北京市朝阳区为例 [J]. 风景园林， 2019， 26（5）：18-23.

基于遥感技术的城市下垫面参数与热环境关系的研究——以北京市朝阳区为例

李膨利

女/ 北京林业大学园林学院在读硕士研究生/ 研究方向为风景园林规划与设计

（巴基斯坦）穆罕默德·阿米尔·西迪基

男/ 北京林业大学园林学院在读硕士研究生/ 研究方向为风景园林规划与设计

刘东云

男/ 博士/ 北京林业大学园林学院副教授、 LAURSTUDIO 主持设计师/ 研究方向为生态规划、城市景观规划设计、可持续环境设计

摘要：城市热岛（UHI）不仅直接关系到城市人居环境质量和居民健康状况，同时还对城市能源消耗、生态系统过程演变、生物物候以及城市经济可持续发展有着深远的影响。以北京市朝阳区2002—2017年夏季4期Landsat系列遥感影像为数据，采用大气反演法，对15年间朝阳区城市地表温度（LST）时空变化进行分析，发现15年间朝阳区城市热岛比例指数上升迅速，热岛效应逐年加剧。进一步研究表明，城市地表温度与归一化植被指数（NDVI）及归一化建筑指数（NDBI）密切相关：地表温度与NDBI正相关，NDBI指数每升高0.1，地表升温0.79~2.37°C；与NDVI指数负相关，NDVI指数每提高0.1，地表降温0.4~0.77°C。本研究可为城市规划建设与城市绿地营建提供科学具体的参考指导依据，并促进生态可持续发展与人居环境改善。

关键词：风景园林；城市热岛；地表温度；城市绿地；建筑密度

近20年来，随着快速城镇化的进程，北京市城市土地利用发生前所未有的变化，原有的农田、林地、水体等向城市建设用地转化，城市不透水面剧增，对城市热环境产生很大影响。已有一些学者对北京市城市热环境及其影响因素进行了一定研究，但对北京市长时序城市热岛（Urban Heat Island，简称UHI）时空演变的定量研究较少，尤其是对城市热岛和与城市发展密切相关的下垫面参数动态变化之间的定量分析不够深入。

本研究以北京市朝阳区为研究对象，利用2002—2017年夏季4期Landsat 7 ETM+和Landsat 8 OLI及TIRS影像，跟踪研究朝阳区热环境时空演变特征，定量分析15年间朝阳区地表温度的变化及其与下垫面参数的关系，力求为城市规划和风景园林建设提供科学依据，以期在快速城市化进程中有效缓解城市热岛效应，改善城市生态环境。

1 研究区域概况

朝阳区位于北京市东部（图1），区域范围北纬39°49'~40°5'，东经116°21'~116°38'，平均海拔34 m。辖区面积479 km2（本研究区域不包括东北侧机场飞地），2017年常住人口达373.9万人，人口密度8 216人/km2，是北京市最大、人口最密集的城区。2017年朝阳区生产总值为5 629.41亿元，占北京市生产总值的21.02%。近年来，朝阳区社会经济发展态势良好、城市建设迅速，并伴随有大量人口活动，是北京市城市热岛效应比较突出的区域。

1 研究范围

2 数据来源与研究方法

2.1 数据来源

研究所使用的遥感影像来自美国Landsat系列陆地卫星，2002-06-07、2007-06-05及2012-05-17共3期影像来自Landsat 7 ETM+，2017-05-23期影像来自Landsat 8 OLI及TIRS。ETM+、OLI影像空间分辨率均为30 m，TIRS热红外波段影像空间分辨率为100 m。成像日期天气条件良好，影像云量小于5%，地物清晰无遮挡，满足研究精度要求。

所使用卫星影像已经过系统辐射校正和几何校正，在ENVI中统一进行了辐射定标及大气校正；并对2007-06-05及2012-05-17期影像采用SLC-off模型校正以消除影像条带。将经过以上预处理的影像导入ArcGIS，利用朝阳区矢量边界进行裁剪以待进一步计算。

2.2 地表温度（LST）反演

热红外遥感记录的是地表物体的发射辐射、环境及大气的辐射之和。利用热红外遥感反演地表温度是进行城市热岛研究最常用的方法。地表温度反演算法主要有大气校正法、单通道算法、分裂窗算法等方法，本研究基于大气校正法，利用Landsat 7 ETM+、Landsat 8 TIRS热红外影像反演地表温度：首先计算卫星传感器接收到的热红外辐射亮度值Lλ；之后计算同温度下黑体辐射亮度B（TS）；最后根据普朗克公式计算地表温度TS。

2.3 城市热岛强度的计算

4期遥感影像的获取时间季节相同、日期相近，但各日气象条件仍存在差异，无法直接比较。需要对地表温度进行归一化处理，由此得到的各年温度等级数据排除时相差异引起的误差，可用于进行对比分析。

进一步引入城市热岛比例指数（Urban-Heat-Island Radio Index，简称URI），对朝阳区城市热岛变化进行定量研究。城市热岛比例指数通过计算城市热岛面积与建成区面积的比例，并赋予权重来表征热岛在城市建成区的发育程度。指数值越大，热岛现象越严重。

2.4 下垫面参数提取方法

2.4.1 归一化植被指数（NDVI）计算方法

归一化植被指数（Normalized Difference Vegetation Index，简称NDVI指数）是描述植被生长状态及植被分布密度的参数，是目前已有的40多种植被指数中应用最广的一种。

其计算原理基于植被的光谱特征：叶片对蓝光和红光吸收强烈，对绿光尤其是近红外则强烈反射。植被覆盖越高，红光反射越小，近红外反射越大，表现为NDVI指数数值的增大。

2.4.2 归一化建筑指数（NDBI）计算方法

分析各类不透水材料发现，其普遍共性是在中红外波段的辐射率明显高于在近红外波段的反射率。城市建设用地多为不透水面，所以利用归一化建筑指数（Normalized Difference Built-up Index，简称NDBI指数）提取城市建筑用地信息，是对城市不透水面信息的有效描述。基于此原理提出NDBI指数的计算。

NDBI指数在[-1，+1]之间变化，>0的区域为城镇范围，其数值大小表明建筑密度的大小。

2.4.3 地表温度（LST）与下垫面参数相关性分析

在ENVI中利用波段计算命令，去除NDVI、NDBI指数的异常值后，与地表温度反演结果一同导入ArcGIS。在ArcGIS中基于朝阳区矢量边界生成随机点（图2）。提取各年地表温度值、NDVI指数、NDBI指数至随机点，将随机点属性表导出至SPSS进行相关性分析。

2 随机点分布

3 结果与分析

3.1 朝阳区城市热岛时空变化特征

查询当日当时气温数据资料，与研究所得地表温度比较可发现，基于大气反演法所得地表温度与当日当时气温存在一定差别，这是由于气温和地表温度测量对象差异而存在的不同，且气温的日变化规律与地表温度的日变化规律也存在区别。

为降低误差，求取一周平均气温。将其与反演所得地表温度进行比较发现，二者的皮尔逊相关系数为0.908 9，存在较强的相关性。因此，本研究所得地表温度能够较好地描述朝阳区城市热环境。

将各年地表温度进行归一化处理后，得到北京市朝阳区2002—2017年地表温度等级分布图（图3），并对各年份各温度等级面积占比进行统计。

3 各年份地表温度等级分布图

对各年份不同地表温度等级的分布情况及面积占比（图4）进行研究发现，朝阳区城市热岛效应呈逐年加重的态势。低温和较低温区域面积占比逐年下降，次高温、高温和特高温区域面积占比不断增加，其中，高温和特高温区域增幅明显。

4 各年份地表温度等级占比示意图

综合朝阳区地表温度反演、气象数据、地表温度等级分布情况与统计分析，以及各年城市热岛比例指数（图5），从时间变化和空间分布上对朝阳区城市热岛效应的时空变化特征进行分析表明：北京市朝阳区自2002年起城市热岛效应逐年加重，在2007—2012年间由于大规模绿地建设出现短暂的缓解；但2012—2017年，城市热岛效应再次剧增，城市热环境深受影响。至2017年，朝阳区不再出现单一的城市热岛中心，全区范围内以多中心、复杂嵌套的模式存在大量城市热岛中心，城市热岛比例指数上升至0.115 6。

5 城市热岛比例指数变化

3.2 地表温度（LST）与下垫面参数相关性分析

3.2.1 地表温度（LST）与归一化植被指数（NDVI）的相关性分析

NDVI指数的回归分析（图6）：在4个观察年份，地表温度均与NDVI指数均呈负相关关系，即区域内NDVI指数越高，则该区域地表温度越低。2002、2007、2012及2017年回归方程均通过了p<0.01显著性检验。回归方程R2分别为0.326、0.394、0.453、0.330。

各年回归方程的斜率由于气候、下垫面整体情况不同存在一定差异。由斜率范围可以推断，NDVI指数每升高0.1，朝阳区地表温度将降低1.2~1.7℃。

6 各年地表温度与 NDVI 指数散点图及拟合

3.2.2 地表温度（LST）与归一化建筑指数（NDBI）的相关性分析

各年地表温度与NDBI指数的回归分析（图7）：在4个观察年份，地表温度均与NDBI指数呈正相关关系，即区域内地表温度随NDBI指数的升高而升高，随NDBI指数的降低而降低。2002、2007、2012及2017年回归方程均通过了p<0.01显著性检验，R2分别为0.461、0.516、0.488、0.321。

各年回归方程的斜率由于气候、下垫面整体情况不同存在一定差异。由斜率范围可以得出，NDBI指数每升高0.1，朝阳区地表温度随之升高1.6℃以上。

7 各年地表温度与 NDBI 指数散点图及拟合

3.2.3 地表温度（LST）与归一化植被指数（NDVI）、归一化建筑指数（NDBI）的多元回归分析

为进一步探明并比较绿地及不透水面对地表温度的影响效果，在SPSS中对地表温度与NDVI指数、NDBI指数进行多元线性回归分析。

将地表温度与NDVI指数、NDBI指数的多元回归线性分析的R2和地表温度与NDVI指数线性回归的R2以及地表温度与NDBI指数线性回归的R2进行比较，发现多元回归的拟合度均高于各单因素分析的拟合度，说明相比较单因素而言，绿地和不透水面参数共同描述地表温度的变化更为准确。

从多元回归方程（表1）可以看出，NDVI指数、NDBI指数是影响地表温度的重要因素，也即绿地和不透水面与地表温度相关。多元线性回归拟合方程的结果显示，地表温度与NDBI指数正相关；与NDVI指数负相关，这与单因素回归的结果一致。但NDBI指数及NDVI指数的系数与单因素回归分析相比差别较大。在多元线性回归分析中，NDBI指数每上升0.1，将对地表温度造成0.79~2.37℃的升温；而NDVI指数每上升0.1，地表降温0.4~0.77℃。

表1 各年份多元线性回归方程

注：回归方程均通过了 p<0.01 显著性检验。

4 结论与讨论

本研究利用Landsat系列遥感影像对北京市朝阳区2002—2017年地表温度及下垫面参数信息进行提取，从而对朝阳区15年间热环境变化及城市热岛效应进行定量研究，并深入分析了下垫面参数与地表温度的关系。研究表明：

1）2002—2017年，朝阳区地表温度呈不断上升的趋势，城市热岛效应逐年加重。城市热岛比例指数由2002年的0.016 5上升至2017年的0.115 6，上升幅度超6倍。城市热岛中心呈复杂的嵌套多中心结构。

2）城市地表温度与城市下垫面参数密切相关：地表温度与NDVI指数呈负相关，与NDBI指数为正相关。NDBI指数每上升0.1，将对地表温度造成0.79~2.37℃的升温；而NDVI指数每上升0.1，将对地表产生0.4~0.77℃的降温作用。

3）多元线性回归分析表明地表温度受NDVI指数与NDBI指数的共同影响，但NDBI指数对地表的升温作用大于NDVI指数对地表的降温作用。这表明人为热对城市地表热平衡、显热、潜热通量以及净辐射变化的影响更为显著。因此，如何精确获取人为热数据，将其纳入到城市地表热环境的研究范畴需进一步探讨。

4）在现有城市发展模式下，以城市绿地、森林和水体为主导的“冷岛效应”可以有效削弱城市热岛效应、改善城市热环境，但同时也应该注意严控建筑密度和合理进行城市空间布局。微观层面上，深入探讨高密度城市空间发展对近地表温度的时空影响机理，从而发现亟待改善的城市问题和敏感区域，并有针对性地提出高密度城市空间格局优化的策略，城市近地空间的设计导则将成为研究的重点。

5）由于目前遥感数据源条件限制，特别是当前缺乏星载高分辨率热红外遥感数据，给不同尺度上定量化开展城市地表热环境研究带来了一定的限制。这需要在开发利用空间遥感技术的同时，结合传统监测手段，局地加密对地气象观测点进行实地测量试验，形成多平台、多时段、多空间尺度的综合研究方法。

为了微信阅读体验，文中参考文献标注进行了删减，详见杂志。

参考文献

[1] 宫阿都，陈云浩，李京，等.北京市城市热岛与土地利用/覆盖变化的关系研究[J].中国图象图形学报，2007（8）：1476-1482.

[2] 薛晓娟，孟庆岩，王春梅，等.北京市热岛效应时空变化的HJ-1B监测分析[J].地球信息科学学报，2012，14（4）：474-480.

[3] 王靓，孟庆岩，吴俊，等.2005—2014年北京市主要城建区热岛强度时空格局分析[J].地球信息科学学报，2015，17（9）：1047-1054.

[4] 葛荣凤，王京丽，张力小，等.北京市城市化进程中热环境响应[J].生态学报，2016，36（19）：6040-6049.

[5] 北京市统计局．北京统计年鉴[M]．北京：中国统计出版社，2018：59．

[6] 北京市朝阳区统计局.2017年1—12月份朝阳区经济社会发展统计指标[EB/OL].（2018-01-31）[2019-02-22]..

[7] 宫阿都，徐捷，赵静，等.城市热岛研究方法概述[J].自然灾害学报，2008，17（6）：96-99.

[8] SOBRINO J A, JIMÉNEZ-MUÑOZ J C, PAOLINI L. Land Surface Temperature Retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434–440.

[9] 徐涵秋,陈本清.不同时相的遥感热红外图像在研究城市热岛变化中的处理方法[J].遥感技术与应用，2003（3）：129-133+185.

[10] 郭铌.植被指数及其研究进展[J].干旱气象，2003（4）：71-75.

[11] 王正兴，刘闯，ALFREDO H.植被指数研究进展：从AVHRR-NDVI到MODIS-EVI[J].生态学报，2003（5）：979-987.

[12] 查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003（1）：37-40+82.

[13] 祝亚鹏，王琳，卫宝立.发展中城市地表热环境与下垫面关系研究[J].环境科学与技术，2018，41（S1）：318-324.

版面预览

责任编辑: 鲁达

“如何用envi软件对modis数据进行地表温度反演”边界阅读