劉志存

（哈爾濱師范大學(xué) 地理科學(xué)學(xué)院，黑龍江 哈爾濱150025)

城市的快速擴(kuò)張使區(qū)域下墊面性質(zhì)發(fā)生變化，導(dǎo)致地表溫度(Land Surface Temperature)的變化[1]。地表溫度是評(píng)價(jià)城市熱環(huán)境和人類活動(dòng)強(qiáng)烈影響的生態(tài)變化的重要指標(biāo)，其發(fā)展與社會(huì)經(jīng)濟(jì)活動(dòng)密切相關(guān)[2]。城市熱環(huán)境重要表現(xiàn)形式是城市熱島效應(yīng)(Urban Heat Island Effect)[3]。城市熱島效應(yīng)是在人類活動(dòng)的影響下，大量的人為熱排放、建設(shè)用地等蓄熱體的存在使城市的氣溫明顯高于周圍郊區(qū)溫度的現(xiàn)象，在近地面溫度圖上主要表現(xiàn)為城市內(nèi)部的溫度很高，周圍溫度低，就像海面上的島嶼一樣，因此被稱為城市熱島[4]。城市環(huán)境和空氣質(zhì)量被持續(xù)上升的城市地表溫度影響，人類健康受到嚴(yán)重威脅[5]。土地利用變化是地表溫度上升的驅(qū)動(dòng)力之一，因而研究和解決城市熱島效應(yīng)可以從土地利用類型的變化入手[6]。由于不同的土地利用類型的熱特性存在顯著差異，因此對(duì)不同土地利用類型的熱特性進(jìn)行分析具有重要意義。

隨著地理信息科學(xué)的發(fā)展，越來(lái)越多國(guó)內(nèi)外學(xué)者關(guān)注基于遙感影像的熱島效應(yīng)等城市熱環(huán)境問(wèn)題的研究[7]。如Middel A等利用三維小氣候模式ENVI-met 模擬了亞利桑那州鳳凰城典型居民區(qū)的近地面氣溫。利用亞利桑那州立大學(xué)理工學(xué)院北沙漠村（NDV）景觀實(shí)驗(yàn)的氣象觀測(cè)數(shù)據(jù)驗(yàn)證了該模型[8]。Vitanova L L 等利用觀測(cè)網(wǎng)絡(luò)數(shù)據(jù)和水平分辨率為1km 的天氣研究與預(yù)報(bào)（WRF）模型，研究了保加利亞索非亞市城市熱島（UHI）的特征以及城市化對(duì)溫度分布的影響[9]。Nastran M等為在歐洲范圍內(nèi)確定城市熱島規(guī)模與城市綠色基礎(chǔ)設(shè)施規(guī)模、形狀和分布之間的相互關(guān)系，對(duì)歐洲近10 年來(lái)的城市熱島進(jìn)行了分析，結(jié)果表明：城市熱島強(qiáng)度和城市緯度成正相關(guān)；城市熱島與森林的組成和構(gòu)成有關(guān)[10]。裴歡等將Landsat TM數(shù)據(jù)結(jié)合提取南京市下墊面類型, 分析了不同地表覆蓋類型的熱輻射特征并定量地分析了土地利用及植被對(duì)地表溫度的影響[11]。帥晨等基于NDBI建立最小二乘模擬(OLS)模型和地理加權(quán)回歸(GWR)模型，并對(duì)兩種模型的分析結(jié)果進(jìn)行對(duì)比。結(jié)果表明GWR 能夠充分考慮遙感指數(shù)的空間差異性，表達(dá)遙感指數(shù)與地表溫度的關(guān)系更為全面[12]。季節(jié)對(duì)NDVI 的影響較為顯著，而NDBI 更能清晰地表征城市地表特征，所以在研究地表溫度隨季節(jié)變化的過(guò)程中，NDBI 也可以作為補(bǔ)充和改善NDVI 的附加指標(biāo)[13]。高佳佳等利用Landsat TM影像和自動(dòng)氣象觀測(cè)站采集的氣象數(shù)據(jù)，分析了拉薩市土地利用類型和城市熱島強(qiáng)度的關(guān)系，表明城市熱島的年、季節(jié)變化呈逐漸增強(qiáng)的趨勢(shì)，月度的周期變化呈現(xiàn)出“W”型[14]。

1 數(shù)據(jù)來(lái)源

以哈爾濱市道里區(qū)、道外區(qū)、香坊區(qū)、南崗區(qū)、平房區(qū)和松北區(qū)為研究區(qū)，地理坐標(biāo)為126°08′E-126°59′E，45°31′N-46°05′N，研究區(qū)面積2067.10km2。在美國(guó)地質(zhì)調(diào)查局官網(wǎng)(http://glovis.usgs.gov)下載Landsat5 TM影像時(shí)間為2001 年7 月27 日和2008 年8 月15 日，Ladnsat8 OLI/TIRS 影像時(shí)間為2015年7 月18 日和2020 年7 月15 日。在ENVI 5.1 中對(duì)所有影像進(jìn)行預(yù)處理工作。

2 研究過(guò)程

2.1 土地利用分類

采用監(jiān)督分類方法中的支持向量機(jī)法，利用Classification 中的Majority/Minority Analysis 工具對(duì)小圖斑進(jìn)行處理。依照哈爾濱市土地利用覆被的特征，將哈爾濱市土地分為建筑用地、耕地、水體和綠地四大類。

2.2 地表溫度反演

輻射傳輸方程法(大氣校正法)是反演地表溫度最常用的算法，算法利用衰減方程計(jì)算熱輻射強(qiáng)度，地表溫度通過(guò)對(duì)熱輻射強(qiáng)度的變換得到[15]。其中，Landsat8 TIRS 具有band10 和band11兩個(gè)熱紅外波段，由于band11 的不穩(wěn)定性，本文將band10 看作landsat8 的單熱紅外波段用以地表溫度反演[16]。具體計(jì)算公式如下：

式(3)中，K1、K2為常數(shù)項(xiàng)，不同影像數(shù)據(jù)其取值不同。對(duì)于Landsat5 TM 數(shù) 據(jù)，K1=607.76，K2=1260.56；而 對(duì) 于Ladnsat8 OLI/TIRS 數(shù)據(jù)，K1=774.89，K2=1321.08。

2.3 地表溫度與土地利用類型的關(guān)系

圖1 線性分析圖

為了進(jìn)一步分析地表溫度與土地利用類型的關(guān)系，利用ArcGIS 軟件的Spatial Analyst 工具，疊加分析同年份的土地利用和地表溫度，以表格顯示分區(qū)統(tǒng)計(jì)，結(jié)果如下：

表1 2001 年各土地利用類型地表溫度統(tǒng)計(jì)(℃)

表2 2008 年各土地利用類型地表溫度統(tǒng)計(jì)(℃)

表3 2015 年各土地利用類型地表溫度統(tǒng)計(jì)(℃)

表4 2020 年各土地利用類型地表溫度統(tǒng)計(jì)(℃)

2.4 地表溫度與遙感指數(shù)相關(guān)性分析

為了驗(yàn)證實(shí)驗(yàn)結(jié)果的客觀性，對(duì)2020 年哈爾濱市地表溫度與不同遙感指數(shù)進(jìn)行回歸分析。

2.4.1 NDVI

NDVI 的計(jì)算公式如下:

公式(4)中，NTR 為近紅外波段，Red 為紅光波段。

2.4.2 MNDWI

MNDWI 的計(jì)算公式如下：

公式(5)中，SWTR 代表中紅外波段，Green 為綠光波段。

2.4.3 NDBI

NDBI 的計(jì)算公式如下：

公式(6)中，MIR 為中紅外波段，NIR 為近紅外波段。

利用ArcGIS 軟件在研究區(qū)域隨機(jī)樣本點(diǎn)，然后利用各點(diǎn)對(duì)應(yīng)的地表溫度反演圖和NDVI、MNDWI 以及NDBI 的值進(jìn)行相關(guān)性分析，相關(guān)系數(shù)分別為-0.809、-0.901 和0.744。圖1 為線性分析圖。

3 結(jié)論

3.1 從土地利用類型來(lái)看，地表溫度最高的是建設(shè)用地，其次是植被，水體的地表溫度最低。

3.2 地表溫度與NDVI、MNDWI 呈負(fù)相關(guān)，NDVI 值增加0.1，地表溫度最高可降低2.5℃，MNDWI 值增加0.1，地表溫度最高可降低2.3℃，證明植被和水體面積越大，地表溫度越低；地表溫度與NDBI 呈正相關(guān)，NDBI 值增加0.1，地表溫度最高可提高2.8℃，證明建設(shè)用地面積越大，地表溫度越高。