摘 要：該文通過2016年的Landsat 8衛(wèi)星數(shù)據(jù)，解譯了北京密云區(qū)2016年的土地利用數(shù)據(jù)。通過2005、2016年的TM/TIRS的熱紅外波段和NDVI值反演了密云區(qū)的地表溫度和植被覆蓋度。結(jié)果顯示：2005—2016年，密云區(qū)地表溫度升高，城市熱島效應(yīng)明顯；植被覆蓋度與地表溫度呈負相關(guān)關(guān)系，植被覆蓋度越低，人工表面聚集度指數(shù)與分離度指數(shù)越高，地表溫度會越高，而植被覆蓋度越高、人工表面分離度越高，越能夠緩解熱島效應(yīng)。

關(guān)鍵詞：土地利用；植被覆蓋度；地表溫度

中圖分類號 P423.7 文獻標識碼 A 文章編號 1007-7731（2017）20-0104-04

Study on the Relationship between Miyun Land Surface Temperature and Vegetation Coverage Based on Landsat Series Satellite

Wang Yuehui

（Army Academy of Border and Coastal Defence，Xi'an 710108，China）

Abstract：The article uses the 2016 Landsat 8 satellite data to interpret the land use data.The landsurface temperature and vegetation coverage of miyun region were reflected through the thermal infrared band and NDVI value of TM/TIRS in 2005 and 2016.The results indicated that the landsurface temperature in Miyun County increased and the urban heat island effect highlight during 2005—2016.The vegetation coverage was negatively correlated with landsurface temperature.The vegetation coverage more lower and the concentration index and the separation index of artificial surface more higher，the surface temperature will be more higher.The vegetation coverage more higher and the splitting index of artificial surface more higher，the mitigating effects of the heat island effect will be more remarkable .

Key words：Land use；Vegetation coverage；Land surface temperature

1 引言

密云區(qū)在北京城市化極速發(fā)展的大背景下，土地利用格局與環(huán)境面貌發(fā)生了變化。根據(jù)北京市統(tǒng)計局2011年統(tǒng)計年鑒資料顯示[1]，北京全社會房屋施工面積從1990年的2864.9萬km2增加到2010年的15572.1萬km2。密云區(qū)土地利用分類數(shù)據(jù)統(tǒng)計結(jié)果表明，2005—2016年人工表面面積增加了68.055km2。城市中心熱島效應(yīng)隨著人口密度和建筑用地面積的不斷增多而逐漸增強，而郊區(qū)的大面積自然表面被人工用地代替，植被覆蓋度降低也會產(chǎn)生熱島效應(yīng)。因此，分析植被覆蓋度與地表溫度的關(guān)系對市郊規(guī)劃建設(shè)具有重要意義。

2 研究區(qū)概況與數(shù)據(jù)來源

本文研究區(qū)域為密云區(qū)，位于北京市東北部，東、北、西三面群山，中部低緩，溫帶大陸性季風(fēng)氣候，位于燕山山脈南麓、華北大平原北緣，地理坐標西起東經(jīng)116°39′33"，東至117°30′25"，東西長69km；南起北緯40°13′7"，北至北緯40°47′57"[2]。

密云區(qū)2005年土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心；2005年北京植被覆蓋度數(shù)據(jù)來源于中國環(huán)境科學(xué)院；衛(wèi)星影像數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），其中2005年5月，2016年5月的數(shù)據(jù)來自Landsat8衛(wèi)星。氣象數(shù)據(jù)來源于中國環(huán)境氣象中心（http：//cdc.cma.gov.cn/home.do）。

3 研究方法

3.1 陸地表面溫度（LST）反演方法 《NASA技術(shù)手冊》提供的輻射定標與亮溫公式[3]是反演表面溫度的常用方法，該方法的精度和可用性也在相同研究區(qū)域中得到證明。具體公式如下：

L=gain*DN+offset；

T=k2/ln（k1/L+1）

式中，gain為增益系數(shù)（單位：[（W?m-2?sr-1?μm-1）/DN]）；offset為偏移系數(shù)（單位：[（W?m-2?sr-1?μm-1）/DN]）；gain與offset值可以在影像頭文件中獲得。L為熱輻射強度值；T為輻射亮溫（單位：k），k1，k2為校定系數(shù)，參數(shù)詳見表1。

式中，Ts為地表溫度（K）；T為輻射亮溫（K）；[λ]為有效波譜范圍內(nèi)的最大靈敏度值。其中[λ=11.5μm；][ρ=hc/δ=0.01438mk]；[δ=1.38×10-23J/k]，為玻爾茲曼常數(shù)；h=6.626×10-34J·s，為Plank常數(shù)；c=2.998×108s，為光速[5]。本文通過相同時間點的地面實測氣溫資料的平均值作為驗證數(shù)據(jù)源[6]，發(fā)現(xiàn)實際溫度與預(yù)測溫度相差范圍相差在2℃內(nèi)，反演數(shù)據(jù)可用，詳見圖1。endprint

3.2 植被覆蓋度（VCF）反演方法 植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比[7-9]。本文根據(jù)NDVI[10]計算植被覆蓋度：

[Fv=NDVI-NDVISNDVIV-NDVIS]

式中Fv為植被覆蓋度，NDVIS、NDVIV分別為純裸地與植被覆蓋區(qū)歸一化植被指數(shù)值的最小值和最大值。通常情況下，NDVIV與NDVIS取給定置信度的置信區(qū)間內(nèi)的最大值與最小值，以在一定程度上消除遙感圖像噪聲所帶來的誤差[11，12]。本文選取置信區(qū)間內(nèi)的最大值與最小值為0.5%與99.5%。將反演得到的數(shù)據(jù)與現(xiàn)有的產(chǎn)品數(shù)據(jù)反演驗證，相差范圍在-0.01%～0.01%，反演數(shù)據(jù)可用。詳見圖1。

3.3 土地利用分類方法 密云區(qū)地物種類齊全，林地、水域、人工表面用地分布特征明顯，所以選取2005年影像的5、4、3波段進行融合，2016年影像的6、5、4波段進行融合，結(jié)合2000、2010年密云土地利用數(shù)據(jù)一級分類的地物特征，利用ENVI5.3軟件的最大似然分類法對2005年與2016年TM數(shù)據(jù)進行監(jiān)督分類。將分類影像與同時期同區(qū)域的google earth影像進行疊加，目視解譯偏差的分類區(qū)域。分類結(jié)果如圖2所示。

4 熱環(huán)境與植被覆蓋關(guān)系分析

北京生態(tài)涵養(yǎng)發(fā)展區(qū)的密云區(qū)土地利用分類特征明顯，林地、草地、濕地、耕地、人工表面與其他用地在2005—2016年均有分布于變化，其中人工表面和林地在密云的北部與東南地區(qū)主要相互鑲嵌的形式進行分布，在西南地區(qū)大面積進行分布。從反演的各項數(shù)據(jù)來看，密云區(qū)西南方向熱島效應(yīng)明顯，隨著人工表面面積的增多而逐漸升溫，并且2016年整個密云區(qū)域的平均溫度都較高與2005年。通過反演數(shù)據(jù)證明，2005年密云地區(qū)的地表溫度最高為34.81℃，最低為4.59℃，平均19.44℃，而2016年最高為47.41℃，最低為-17.79℃，平均為27.47℃，2005年與2016年密云地區(qū)的平均植被覆蓋度分別為61%、58.36%，統(tǒng)計出每個地類的LST和VCF，詳見表2。

植被蒸騰的同時加速了陸地表面和大氣層之間潛熱與顯熱的交換，能夠有效的降低地表溫度。因此，建立2005年至2016年的土地轉(zhuǎn)移矩陣，選取密云地區(qū)林地轉(zhuǎn)為人工表面的區(qū)域，建立溫度變化圖（見圖3），通過ArcGIS10.0的Zonal工具統(tǒng)計2016年轉(zhuǎn)變?yōu)槿斯け砻鎱^(qū)域的LST與VCF平均值，并建立LST與VCF的回歸方程（見圖4）。

圖1、圖3與圖4定性定量分析表明，植被覆蓋度與地表溫度具有強負相關(guān)性，y=-0.2097x+24.296，林地具備較高的植被覆蓋度，所以遠小于同期人工表面的地表溫度，2005—2016年的土地利用格局變化表明，人工表面的擴張和變化從分散到集中、從不規(guī)則到規(guī)則，比如在密云縣西南區(qū)域，有大量耕地變?yōu)槠嚬?、工廠，分布集中規(guī)則，而在東北部地區(qū)的人工表面用地零星分散的分布在林地中，由于林地的緩解效應(yīng)，沒有產(chǎn)生熱島現(xiàn)象。因此，通過Fragstats4.1軟件運算出景觀格局分離度指數(shù)（SPLIT）、景觀形狀指數(shù)（LSI）以及聚集度指數(shù)（AI）。對比2期數(shù)據(jù)的SPLIT、AI、LSI變化情況分析市郊植被的景觀格局變化對地表溫度的影響見表3。

當景觀中斑塊形狀不規(guī)則或偏離正方形時，LSI越大[13]，而SPLIT越大表示斑塊間的距離越大，斑塊在空間分布上越離散[14]。人工表面的景觀形狀指數(shù)變低，證明建地規(guī)則，而分離度指數(shù)大大降低證明建地集中，某種類型地物分布越集中、越規(guī)則，越易形成由該地物引起的環(huán)境生態(tài)效應(yīng)。因此得知，人工表面分布集中規(guī)則產(chǎn)生了熱島效應(yīng)，而林地面積分布集中能夠緩解鑲嵌其中人工表面的地表溫度。

5 結(jié)論

土地景觀格局指數(shù)的變化和植被覆蓋度的變化決定了地表溫度的格局變化，城市建設(shè)用地集中不規(guī)則的擴張加強城市熱島效應(yīng)的形成，人工表面的LSI、AI指數(shù)越大，地表溫度越高。2005—2016年，密云區(qū)的人工表面增長面積最大，且以集中規(guī)則的方式擴張，導(dǎo)致該地類地表溫度上升，植被覆蓋度下降。人工表面下墊面介質(zhì)相比林地、濕地、草地能夠吸收更多的太陽輻射，植被覆蓋度低，用于蒸發(fā)消耗的熱量少，地表溫度會高，因此熱島效應(yīng)凸顯，但人工表面分離度指數(shù)增高、植被覆蓋度增高會減弱熱島效應(yīng)的強度。密云區(qū)2005年植被覆蓋度高于2016年，地表溫度低于2016年，建筑用地面積增多，密云區(qū)西南角熱島效應(yīng)明顯，但北部和東南部地區(qū)植被覆蓋度高，且人工表面用地零星分散的分布在林地中，并沒有產(chǎn)生熱島效應(yīng)。選取2005—2016年密云區(qū)林地轉(zhuǎn)為人工表面的區(qū)域，統(tǒng)計結(jié)果表明，該區(qū)域2016年地表溫度明顯高于2005年，地表溫度與植被覆蓋度呈明顯的負相關(guān)性，因此建立地表溫度與植被覆蓋度的一元二次擬合方程y=-0.2097x+24.296。

依據(jù)密云區(qū)地表溫度與植被覆蓋度關(guān)系的研究結(jié)果，提出幾點改善市郊生態(tài)環(huán)境的建議：（1）避免大面積無規(guī)則的人工表面用地的擴張；（2）人工表面的擴展區(qū)域多傾向于人口密度低的區(qū)域，盡量避免工廠、企業(yè)大面積集中擴張原林地、草地等生態(tài)區(qū)域；（3）加強市郊地區(qū)植被規(guī)劃建設(shè)，人口密度高、建筑密度高的地區(qū)應(yīng)多規(guī)劃林地的建設(shè)。

參考文獻

[1]國家統(tǒng)計局.中國統(tǒng)計年鑒2010[M].北京：中國統(tǒng)計出版社，2010.

[2]鐘春艷.統(tǒng)籌城鄉(xiāng)發(fā)展中北京郊區(qū)城鎮(zhèn)化研究——以密云縣為例[D].北京：中國農(nóng)業(yè)科學(xué)院，2009.

[3]岳文澤.基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[M].北京：科學(xué)出版社，2008.

[4]Artis D A，Carahan W H.Survey of emissive variability in thermography of urban areas[J].Remote Sensing of Environment，1982，12：313-329.endprint

[5]彭靜，劉偉東，龍步菊，等.北京城市熱島的時空變化分析[J].地球物理學(xué)進展，2007，22（6）：1942-1947

[6]王躍輝，楊為民，陳桂良，等.北京景觀格局及其熱環(huán)境效應(yīng)變化研究[J].西南林業(yè)大學(xué)學(xué)報，2014，34（2）：61-66.

[7]Puervdor J T S，Tateishi R，Ishiyama T，etal.Rlationships bewteen Percent vegetation cover and vegetation indices[J].International Jounral of Remote Sensing，1998，19（18）：3519-3535.

[8]Anatoly A Gitelson，Yoram J Kaufman，Robert Stark，Don Rundquist.Novel algorithms for Remote estimation of vegetation fraction.Remote Sensing of Environment，2002，80（l）：76-87.

[9]章文波，符素華，劉寶元.目估法測量植被覆蓋度的精度分析[J].北京師范大學(xué)學(xué)報（自然科學(xué)版），2001，37（3）：402-408.

[10]趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[11]李苗苗，吳炳方，顏長珍，等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學(xué)，2004，26（4）：157-164.

[12]田海靜，曹春香，戴晟懋，等.準格爾旗植被覆蓋度變化的時間序列遙感監(jiān)測[J].地球信息科學(xué)學(xué)報，2004，16（1）：126-133.

[13]Sui D Z，Zeng H.Modeling the dynamics of landscape structure in Asias emerging esakota regions：a case study in Shenzhen[J].Landscape and Urban Planning，2001，53（1）：37-52.

[14]鄔建國.景觀生態(tài)學(xué)：格局、過程、尺度與等級[M].北京：高等教育出版社，2009. （責編：張宏民）endprint