EN中文

地球信息科学学报 >

2017 , Vol. 19 >Issue 11: 1504 - 1513

DOI: https://doi.org/10.3724/SP.J.1047.2017.01504

地理空间分析综合应用

北京城区不透水地表盖度变化及对地表温度的影响

  • 张旸 ,
  • 胡德勇 , * ,
  • 陈姗姗
展开
  • 1. 首都师范大学资源环境与旅游学院,北京100048
  • 2. 资源环境与地理信息系统北京市重点实验室,北京100048
*通讯作者：胡德勇（1974-）,男,博士,教授,研究方向为资源环境遥感、自然灾害遥感监测与评估。E-mail:

作者简介：张 旸（1994-）,女,硕士生,研究方向为资源环境遥感。E-mail:

收稿日期: 2017-03-08

  要求修回日期: 2017-06-17

  网络出版日期: 2017-11-10

基金资助

国家自然科学基金面上项目（41671339）

收起

Influence of Impervious Surface Change on Land Surface Temperature in Beijing

  • ZHANG Yang ,
  • HU Deyong , * ,
  • CHEN Shanshan
Expand
  • 1. Capital Normal University College of Resource Environment and Tourism, Beijing 100048, China
  • 2. Key Laboratory of Resources Environment and Geographic Information System, Beijing 100048,China
*Corresponding author: HU Deyong, E-mail:

Received date: 2017-03-08

  Request revised date: 2017-06-17

  Online published: 2017-11-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

基于QuickBird高分辨率影像、LandsatTM影像及夜间灯光数据,设计了集成CART（Classification and Regression Tree,）算法和多源遥感数据估算亚像元级不透水地表盖度的技术方案,采取适用于典型温带半干旱地区的ISP（Impervious Surface Percentage ）提取方法,提取2001年和2011年北京城区不透水地表盖度,并将不透水地表盖度分为3类,ISP为10%~60%的区域为低密度区,60%~80%的区域为中密度区,大于80%的区域为高密度区。同时采用单窗算法反演2001年和2011年地表温度,对2001-2011年北京六环以内城区不同环路区域ISP发展趋势,以及其与地表温度的相关性进行分析。结果表明：（1）北京城区的不透水地表盖度变化主要集中在低密度区域,与之相比,中密度区域和高密度区域不透水地表盖度变化不大。2001-2011年来北京五环以内区域由于城建区较多,整体不透水地表变化并不明显,主要变化区域集中在五环至六环以内区域,其中低密度区增长明显,中密度区和高密度区主要增长集中在东部,可以看出,近年来五环至六环以内区域发展迅速,城建区范围不断扩大。（2）相较于2001年,2011年北京市中心地表温度明显上升,高温区聚集程度更为明显。其中四环以内地表温度与周边区域地表温度相比,温差明显增大。（3）通过对比2001年和2011年各密度区平均地表温度发现,相较于2001年,2011年北京市六环以内城区各密度区之间的地表温度差异更大,城市热岛效应更为明显。（4）2001年和2011年北京城区各环路区域内不透水地表盖度与地表温度均呈正相关。四环至六环区域,地表温度随不透水地表盖度变化的趋势相近。ISP在10%~20%的区域,地表温度随不透水地表盖度增高而上升的速率明显高于其他区域,ISP大于20%的区域地表温度上升速率下降,且趋于一致。

关键词： 不透水地表盖度; 地表温度; 城市热环境; CART算法; 相关分析

本文引用格式

张旸 , 胡德勇 , 陈姗姗 . 北京城区不透水地表盖度变化及对地表温度的影响[J]. 地球信息科学学报, 2017 , 19(11) : 1504 -1513 . DOI: 10.3724/SP.J.1047.2017.01504

Abstract

Classification and regression tree (CART) algorithm was used to extract the impervious surface percentage (ISP) of Beijing six ring within the city in 2001 and 2011 based on QuickBird high-resolution images, Landsat TM and night light data. The method is suitable for typical temperate semi-arid climate area. We classified the ISP as three groups. The ISP region for 10%~60% is defined as a low-density region, 60%~80% is defined as a medium-density area and for the rest area which the ISP is more than 80% is high-density area. Meanwhile, based on the Landsat TM, the land surface temperature of 2001 and 2011 were retrieved by using the single window algorithm. The study area has been designated as a region within six rings of Beijing. According to the characteristic of Beijing urban layout, this paper analyzed the development trend of ISP in different ring road and its correlation with land surface temperature from 2001 to 2011. In order to seek an effective way to improve the ecological environment in Beijing and mitigate the urban heat island effect. The results are as follows: (1) The change of ISP in Beijing urban area mainly concentrate in the low-density area. In comparison with the low-density area, the ISP of middle-densitiy area and high-density area does not change so much. Due to the vigorous city construction within the fifth ring road from 2001 to 2011, the whole change of ISP is not obvious. The variation mainly concentrates in the region between the fifth ring road and the sixth ring road, in which the growth of low density area was significant, while the growth in the middle and high density area was mainly in the east part. From the above results, it can be concluded that the development within the fifth ring road and sixth ring road develops rapidly and the range of city construction continued in recent years. (2) Compared with 2001, the land surface temperature of the central areas in Beijing in 2011 increased dramatically, and the aggregation extent of high-temperature region is more evident. The temperature difference increased significantly between the region within the fourth ring road and the surrounding areas. (3) By comparing the average surface temperature of each density area in 2001 and 2011 we find that compared with 2001, the differences in land surface temperature in 2001 also increased between different ISP categories and the urban heat island effect was more and more remarkable. (4) In both 2001 and 2011, there is a positive correlation between the land surface temperature and the ISP in every ring road region of Beijing urban areas. In the regions between the fourth and sixth ring road, the land surface temperature and the ISP shares a similar change trend. In the regions with ISP between 10% and 20%, the rising rate of land surface temperature is obviously higher than other regions. In the regions with ISP higher than 20%, the rising rate of surface temperature decreases, and the change tends is uniform.

Key words： impervious surface percentage; land surface temperature; urban thermal environment; CART algorithm; correlation analysis

1 引言

中国作为世界第一大发展中国家,近年来城镇化发展迅速,1995-2003年,中国城镇化率每年增长1.5个百分点,到2011年,全国城镇人口达6.69亿人,城镇化水平达52.6%[1]。随着城镇化的加快,大量自然地表转化为沥青、水泥等人工地表,从而引发了一系列环境问题,其中以城市热岛问题最为显著。北京作为首都,近20年来城镇化发展迅速,城市热岛问题尤其明显。有数据显示,北京热岛强度40年来明显加强,并从20世纪70年代末80年代初开始呈快速上升趋势[2]。郊区和城镇温度差距越来越大,据统计,北京1961-2000年市郊日均气温差约为3.3 ℃。城市热岛效应将对城市的气候特征、水文特征、土壤理化特征、大气环境、能量代谢和居民健康等方面产生影响,引发一系列环境问题[3]。
近年来,不透水地表盖度与地表温度之间的研究成为热点。许多学者研究发现,不透水地表盖度与地表温度有较强的相关性,是城市发展以及城市热环境的重要指示因子。唐菲等[4]选取中国6个城市作为研究区,采用Landsat ETM+影像和线性光谱混合分析法提取出各个研究区的ISP, 并反演出对应的地表温度,利用多种回归模型和大样本量定量分析二者之间关系,得出不透水地表对城市热环境的影响机制。杨可明等[5]采取基于VIS（Vegetation-Impervious Surface-soil）和全约束最小二乘法混合像元分解模型提取2010年北京海淀区不透水地表盖度和地表温度,并在此基础上对二者之间的相关性进行定性和定量分析。徐永明等[6]利用线性光谱分解及VIS 模型提取了北京市单时相不透水地表盖度,并对北京城市热环境的空间分布特征及其与不透水地表盖度之间的关系进行了分析讨论。Hao等[7]利用多时相遥感数据对1990-2014年北京城区不透水地表盖度以及相对年平均表面温度进行了时空变化监测,并对二者之间关系进行分析讨论。同区域由于气候条件差异,经济文化政策等因素不同,在城镇化发展过程中存在一定差异,因此对北京城区根据环路区域范围进行不透水地表盖度时空变化分析以及地表温度进行相关分析研究对于北京城区进行合理的、有针对性的建设规划,改善北京城区生态环境,寻求缓解城市热岛效应的途径有着重要意义。
综上所述,本文在前人研究基础上,采用集成CART算法和多源遥感数据估算亚像元级不透水地表的技术方案,针对北京六环以内城区进行不透水地表盖度提取,有效地提高了地表植被季相变化十分鲜明的典型温带半干旱气候区的不透水地表盖度提取精度。近年来对北京城区不透水地表盖度以及地表温度的相关研究较多,但对于北京不同环路区域内不透水地表盖度变化情况以及二者相关分析较少。本文根据提取结果对2001年、2011年北京城区各环路内不透水地表盖度进行时空变化分析,分析得出北京城镇化的主要发展趋势。同时根据北京发展的特点对北京城区各环路区域不透水地表盖度以及地表温度进行相关分析,对比二者相关性趋势差异。为北京城镇的进一步建设规划和环境治理提供参考依据。

2 研究区概况及数据源

2.1 研究区概况

本文选取北京六环以内城区作为研究区（图1）,总面积约2327.24 km2。包括东城、西城、朝阳、海淀、丰台、石景山以内的六城区,通州、大兴的部分城区以及顺义、昌平的部分非城区,大部分区域为平原地区。研究区地处中纬度地区,平原的海拔高度在20~60 m,山地一般海拔1000~1500 m之间。气候为典型的温带季风气候,夏季高温多雨,冬季寒冷干燥,春、秋短促。北京近年来城镇化发展迅速,极端天气频发[8-10]。研究区主要的土地利用类型包括水体、不透水地表、裸地以及耕地等。
Fig. 1 Overview of the study area

图1 研究区概况图

2.2 研究数据

本文获取了2001年（5月19日、5月27日）、2005（5月16日、11月14日）年和2011（6月8日和1月31日）年轨道号为123/32的 LandsatTM5中分辨率多光谱影像（band1-5&7空间分辨率为30m ;band 6波段空间分辨率为120 m）作为ISP提取和温度反演的主要数据源。选取2005年Quickbird高分辨率多光谱影像（空间分辨率为2.4 m）作为ISP提取的训练样本和检验样本的主要数据源以及目视解译判读的参考数据。另外,还收集了DMSP/OLS夜间灯光数据（来源于http://www.ngdc.noaa.gov/） 作为输入模型的辅助数据,以及MODIS（2001年5月27日;2011年6月8日）第2波段（空间分辨率为250 m）和第19波段（空间分辨率为1000 m）数据作为温度反演的辅助数据。
对获取的数据进行预处理,包括几何精校正,统一投影坐标系至UTM/WGS-84。同时,对LandsatTM影像数据进行大气校正以减少大气散射引起的辐射误差,并提取研究区归一化植被指数（Normalized Difference Vegetation Index,NDVI）。

3 研究方法

本文集成CART算法和多源遥感数据估算研究区亚像元级不透水地表盖度。同时利用LandsatTM影像热红外波段,采用单窗算法反演地表温度。对2001-2011年北京六环以内城区不透水地表盖度时空分异对其与地表温度相关性进行分析。具体技术路线如图2所示。
Fig. 2 Flowchart

图2 研究路线

3.1 不透水地表盖度提取

屋顶、沥青或水泥道路以及停车场等具有不透水性的地表面被定义为不透水面。不透水地表盖度是指不透水地表在单位地表面积中所占的比例,可以客观地描述区域的扩张以及城市的发展情况[11],是研究城市化问题的重要参数之一。近年来对于不透水地表盖度的提取多被应用于热岛效应分析、城市规划、水环境监测和水资源管理等领域[12]。
传统不透水地表提取方法将影像中像元归为单一地物,但实际上大部分像元为混合像元包含多种地物信息。本文借鉴高志宏[13]提出的不透水地表盖度监测方法,集成CART算法和多源遥感数据估算亚像元级ISP,提出一种适用于具有地表植被季相变化十分鲜明特点的典型温带半干旱气候区的ISP信息提取方法,提高了该区域的ISP估算精度。具体提取步骤如下：
（1）目标变量获取
本文采用ISODATA聚类算法对Quickbird高分辨率数据进行非监督分类,主要分为水体、植被、裸土、城建区、道路和阴影6大类。并对分类后结果进行二值化处理,将城建区和道路区域归为不透水地表类别。其中阴影区域像元根据周边像元类别进行归并。将二值化处理结果与30 m分辨率格网相叠加,得到单个网格中不透水地表盖度,随机选取训练样本作为输入模型的目标变量。同时随机选取测试样本,作为估算结果精度评估数据。选取的训练样本和测试样本互相独立。
（2）独立变量获取与模型建立
为减少数据处理时间和数据冗余,本文在保证估算精度的前提下,根据变量的相关性进行筛选,最终选取LandsatTM影像植被生长季和非生长季1-7波段和夜间灯光数据作为模型的独立变量,结合上一步Quickbird数据分类重采样后得到的目标变量,并利用Cubist软件建立CART（分类回归树）模型。CART既可以用于分类研究,又能够进行连续变量的预测和回归[14]。
（3）不透水地表盖度估算
通过CART模型估算得到2005年北京城区不透水地表盖度分布图。为获取不透水地表盖度估算精度,将Quickbird影像处理得到的测试样本与不透水地表盖度估算结果相对比,其相关系数为0.86,结果精度较高。以2005年不透水地表盖度做为2001年和2011年输入CART模型中的目标变量,并利用2001年和2011年LandsatTM影像植被生长季和非生长季1-7波段和夜间灯光数据作为输入CART模型的独立变量,估测得到2001年和2011年北京城区ISP分布估算结果图（图3）。
Fig. 3 Spatial distribution of ISP in the study area in 2001 and 2011

图3 2001年和2011年研究区ISP分布估算结果图

3.2 地表温度反演

目前,利用遥感影像进行地表温度反演的方法大致可分为5类：单通道算法、多通道算法、多角度算法、多时相算法和高光谱算法[15]。本文选用覃志豪等[16]所提出的单窗算法,利用LandsatTM数据热波段（TM6）进行温度反演（2001年5月27日、2011年6月8日）。该方法根据地表热辐射传输方程,把大气和地表影响直接包含在演算公式中,所需大气参数包括大气透过率、地表比辐射率和大气平均温度。具体公式如下：
T S = ( a 1 - C - D ) + ( b 1 - C - D ) + C + D ) T sen - D T a ) / C （1）
C=ετ（2）
D = ( 1 - τ ) ( 1 + （ 1 - ε ） τ ) （3）
式中：Tsen为亮度温度;τ为大气透过率; ε 代表地表比辐射率; T a 为大气平均气温。
3.2.1 亮度温度（Tsen）计算
亮度温度是指同一波长下与实际物体光谱辐射相同的黑体温度,并非物体的实际温度,简称“亮温”。“亮温”的计算主要分为2步：
（1）将TM影像第6波段DN值转化为热辐射强度值。
L λ = DN × G + B （4）
式中：G为增益量;B为偏移量。
（2）利用热辐射强度值计算亮度温度。
T sen = K 2 ln ( ( K 1 / L λ ) + 1 ) （5）
式中： K 1 =607.76; K 2 =1260.56。
3.2.2 大气透过率（τ）
大气中影响大气透过率的因素有很多,其中大气水汽含量是影响大气透过率的主要因素。本文分二步估算大气透过率：① 估算大气水汽含量; ② 将估算的大气水汽含量结果带入模拟的大气透过率和大气水汽含量关系式中求得大气透过率。
本文利用与landsat TM数据时相匹配的MODIS数据第2波段（中心波长：0.8585 μm）和第19波段（中心波长：0.94 μm）通过比值法获取大气水汽含量[17]。
w = α - ln ρ 19 ρ 2 β （6）
式中：w代表大气水汽含量（g/cm2）;ρ(19)和ρ(2)分别表示MODIS数据第19波段和第2波段的表观反射率;α和β为经验常数,根据研究区地理情况,选取混合型地表的参数α=0.02,β=0.651。
利用覃志豪等[16]根据大气状况和大气中水汽含量的动态变化模拟出的TM 6大气透过率与大气水汽含量之间的关系方程（表1）。根据遥感影像的获取时间以及MODIS数据反演得到的大气水汽含量,选取高气温,大气水汽含量在0.4~1.6 g/cm2范围的拟合方程-0.08007w+0.974290求得大气透过率。
Tab. 1 The relation equation of atmospheric water vapour and atmospheric transmission

表1 大气水汽含量与大气透过率关系方程

大气
剖面		 大气水汽含量
范围/（g/cm2）		 拟合方程 R2 RMSE
高气温 0.4~1.6 -0.08007w+0.974290 0.99611 0.002368
1.6~3.0 -0.11536w+1.031412 0.99827 0.002539
低气温 0.4~1.6 -0.09611w+0.982007 0.99463 0.003340
1.6~3.0 -0.14142w+1.053710 0.99899 0.002375
3.2.3 地表比辐射率计算ε
比辐射率是与物体同温度同波长的黑体与物体辐射出射度的比值,又称地表发射率,是地表温度反演的关键参数之一。对于地表比辐射率的计算目前有2种方法：① 对影像进行分类,根据分类结果结合实测或文献中提供的地表比辐射率值,给不同地表覆盖类型赋予不同值。② 结合经验公式,通过NDVI估算地表比辐射率。本文采用Van经验公式[18],根据数据获取的NDVI值分段计算地表比辐射率。
ε = 0.995 , NDVI < - 0.15 ε = 0.923 , - 0.15 ≤ NDVI ≤ 0.157 ε = 1.0094 + 0.047 ln NDVI , 0.157 ≤ NDVI ≤ 0.727 ε = 0.986 , NDVI ≥ 0.727 （6）
3.2.4 大气平均温度估计Ta
在天空晴朗、没有旋涡作用标准大气状态下大气平均作用温度与近地表温度存在一定线性关系,本文根据覃志豪等[19]提出的大气平均作用温度估计方法（表2）,根据研究区地理位置,在统计年鉴中查得对应月份北京城区月平均温度视为大气平均温度,选取中纬度夏季平均大气公式进行计算。
Tab. 2 The equation of average atmospheric temperature

表2 大气平均气温计算公式

地理位置 大气平均温度计算公式
热带平均大气（北纬15°,年平均） Ta=17.9769+0.91715T0
中纬度夏季平均大气（北纬45°,7月） Ta=16.0110+0.92621T0
中纬度冬季平均大气（北纬45°,1月） Ta=19.2704+0.91118T0

注：Ta为大气平均气温;To为近地表温度

覃志豪等[19]的单窗算法针对LandsatTM数据提出,近年来被学者广泛采用,均取得不错的反演结果。根据以上方法选取2001年和2011年北京六环以内城区相近两日LandsatTM数据,对其进行地表温度反演,并对得到的地表温度数据进行温度归一化处理以消除不同时相所造成的温度影响（式（7））,得到地表温度归一化分布结果图（图4）。
T g = ( T S - T min ) ( T max - T min ) （7）
式中：Tmax为研究区最高温度;Tmin为研究区最低温度。

3.3 回归分析方法

回归分析是对收集的大量数据进行统计处理,建立回归方程,得出自变量和因变量之间的相关关系。根据自变量和因变量的个数可分为一元回归分析和多元回归分析,根据自变量和因变量的回归方程可分为线性回归分析和非线性回归分析。本文选取一元线性回归分析方法将不透水地表盖度设为自变量,地表温度归一化值设为因变量,对二者之间关系进行分析,回归模型如下:
y t = b 0 + b 1 x t + ε （8）
式中： y t 为因变量; x t 为自变量; b 1 为回归系数; ε 为随机误差项; b 0 为截距。
对于回归方程采用相关系数的平方（R2）来评价其拟合质量,R2值越接近1,说明拟合质量越高。
R 2 = 1 - ∑ ε 2 ∑ （ y t - y ̅ ） 2 （9）
式中： y ̅ 为因变量平均值; ∑ ε2为残差平方和; ∑ （ y t - y ̅ ) 2 为总离差平方和。

4 结果分析

4.1 不透水地表盖度时空分异

根据上文的不透水地表盖度提取方法,得到北京城区不透水地表盖度空间分布图（图3）。从图3中可以看出,北京城区不透水地表呈现以主城区为中心,向四周辐射扩散的格局,集聚程度很高,从二环到六环,不透水地表盖度逐渐降低。城区中心不透水地表盖度明显高于四周,呈现中间高,四周低的格局。西侧由于山体较多等地理因素不透水地表面积和不透水地表盖度明显低于东侧城区。
Tab. 3 Zonal statistic of the area（km2）of different ISP categories in different rings in 2001 and 2011

表3 2001年和2011年分环路区域内各级ISP面积（km2）

2001年 2011年
低密度 中密度 高密度 低密度 中密度 高密度
二环以内 16.975 17.047 22.972 11.709 16.590 22.500
二环至三环 30.707 24.799 34.934 18.971 23.841 34.925
三环至四环 35.698 33.468 62.979 23.943 32.067 63.141
四环至五环 91.784 66.074 117.630 80.158 67.558 121.822
五环至六环 293.963 147.761 173.354 489.362 190.921 208.644
总面积 589.010 328.520 439.610 849.560 382.080 483.770
根据研究区现状和前人研究成果[13],将城区根据不透水地表盖度大致分为3类：ISP为10%~60%的区域为低密度区;60%~80%的区域为中密度区;大于80%的区域为高密度区。根据图3和表3可以看出,北京城区的不透水地表面积整体上呈增长趋势,总体不透水地表面积增长了358.27 km2,同比增长26%。其中,低密度区增长了260.55 km2,中密度区增长了53.56 km2,高密度区增长了44.16 km2。不透水地表盖度变化主要集中在低密度,相较于2001年,2011年低密度区面积扩大范围占整个北京六环以内区域总面积的8%,与之相比,中密度和高密度不透水地表盖度变化不大,趋于稳定。2001-2011年来北京五环以内区域由于城建区较多,整体不透水地表变化并不明显。主要变化区域集中在五环至六环以内区域,其中低密度区增长明显,增长面积达到195.39 km2,占五环至六环区域总面积的12%,中密度区和高密度区主要增长集中在东部,增长面积达到73.45 km2 ,占五环至六环区域总面积的4.6%。

4.2 地表温度变化分析

根据上文的温度反演结果,得到2001年与2011年研究区地表温度归一化空间分布结果图（图4）,从图4中可以看出,与2001年相比,2011年北京市中心地表温度明显上升,高温区聚集程度更为明显。其中四环以内地表温度明显升高,与周边区域地表温度相比,温差明显增大,城市热岛情况更为明显。五环至六环内西北部地区地表温度大范围升高。三环至五环西北部区域由于获取数据时相原因,部分耕地温度较2001年有所下降。
Fig. 4 Spatial distribution of normalized difference land surface temperature in the study area in 2001 and 2011

图4 2001年和2011年研究区地表温度归一化空间分布图

4.3 不透水地表盖度与地表温度相关性分析

根据图3和图4结果可知,2011年北京六环以内城区地表温度与不透水地表盖度在空间上具有一定相关性,高温区和高密度区基本重合。而2001年结果由于数据获取的时相（2001年5月27日）并不是植被覆盖度较好的月份,大量耕地并未被作物覆盖,导致地表温度明显偏高,与不透水地表盖度结果存在一定差异。根据表4可知,地表温度是随着不透水地表盖度增加而逐渐升高的。2001年和2011年北京六环以内区域中密度区平均地表温度归一化值相较于低密度区分别升高了0.027和0.043,而高密度区平均地表温度相较于中密度区分别升高了0.015和0.018。可以看出,相较于2001年,2011年北京市六环以内城区各密度区之间的地表温度归一化值差异更大,尤其是低密度区与中密度区之间温差上升了0.016,城市热岛效应更为明显。
Tab. 4 ISP area and normalized LST in different ISP categories, 2001a and 2011a

表4 2001年和2011年各级ISP面积及地表温度归一化值

低密度区（10%~60%） 差值 中密度区（60%~80%） 差值 高密度区（>80%）
2001不透水地表盖度面积/km2 589.010 328.516 439.612
2001平均温度归一化值 0.682854 0.027 0.7099 0.015 0.725061
2011不透水地表盖度面积/km2 849.558 382.081 483.774
2011平均温度归一化值 0.592001 0.043 0.635965 0.018 0.654276
为进一步研究北京六环以内区域不透水地表盖度与地表温度之间关系,采取分级回归分析方法,将不透水地表盖度以0.01为一级,从0.1开始,分为90级,分区统计每级ISP所对应的平均地表温度归一化值,并利用一次函数对其进行线性拟合,结果表明（表5）,城区不透水地表盖度与地表温度之间存在正相关,且相关系数均在0.8以上,均方根误差均在0.1035以下,拟合质量较高。同时,根据结果可以看出,2011年地表温度随不透水地表盖度增高而上升的速率大于2001年,二者正相关性增加。
Tab. 5 The fitting equation of ISP and normalized LST in the study area in 2001 and 2011

表5 2001年和2011年研究区不透水地表盖度和平均地表温度归一化值拟合方程

年份 线性方程 R2 RMSE
2001 y=0.0007x+0.6604 0.8378 0.1035
2011 y=0.0011x+0.5673 0.9834 0.0618
为分析不同环路与地表温度之间关系,将不透水地表盖度以0.1为一级,从10%开始,分为9级,分区统计2001年和2011年不同环路区域内每级ISP所对应的平均地表温度归一化值。通过图5和图6可知,北京各环路区域不透水地表盖度与地表温度之间呈正相关,且不是简单的线性相关。各环路区域内不透水地表盖度与地表温度之间相关性趋势大致相同,且2001年和2011年四环至五环,与五环至六环区域平均地表温度随不透水地表盖度增大而增加的趋势相似,增长速率大致相同,该结果说明,北京城区四环至六环区域地表温度随不透水地表盖度变化的趋势相近。不透水地表盖度在10%~20%区域的地表温度上升速率明显高于其他地区,而大于20%的区域地表温度上升速率降低,且各环路区域随不透水地表盖度增高趋于一致。2001年不透水地表盖度10%~20%区域地表温度平均上升速率为0.0334,而2011年为0.0356,结果说明,2011年北京六环以内10%~20%区域地表温度随不透水地表盖度增加而增大的速率上升,不透水地表盖度对地表温度的影响更大,二者相关性增强。
Fig. 5 Zonal analysis of correlation between ISP and LST in 2001

图5 2001年北京不同环路区域ISP与LST归一化值关系图

Fig. 6 Zonal analysis of correlation between ISP and LST in 2011

图6 2011年北京不同环路区域ISP与LST归一化值关系图

5 结论

本文通过多源遥感影像提取了北京六环以内城区不同时相不透水地表盖度以及地表温度,对研究区不透水地表盖度变化以及其与地表温度相关性进行分析。结果表明：① 北京城区的不透水地表盖度变化主要集中在低密度区域,与之相比,中密度区域和高密度区域不透水地表盖度变化不大。2001-2011年来北京五环以内区域由于城建区较多,整体不透水地表变化并不明显,主要变化区域集中在五环至六环以内区域,其中低密度区增长明显,中密度区和高密度区主要增长集中在东部,可以看出,近年来五环至六环以内区域发展迅速,城建区范围不断扩大。② 相较于2001年,2011年北京市中心地表温度明显上升,高温区聚集程度更为明显。其中四环以内地表温度与周边区域地表温度相比,温差明显增大。③ 相较于2001年,2011年北京市六环以内城区各密度区之间的地表温度差异更大,城市热岛效应更为明显。④ 2001年和2011年北京城区各环路区域内不透水地表盖度与地表温度均呈正相关。四环至六环区域,地表温度随不透水地表盖度变化的趋势相近。ISP在10%~20%的区域,地表温度上升速率明显高于其他区域,ISP大于20%的区域地表温度上升速率下降,且趋于一致。
通过以上结果可以看出,近年来北京城镇化发展迅速,整体呈上升趋势。当ISP高于20%时,其增长对地表温度的影响相对减弱。五环以内区域由于城建区较多,整体不透水地表盖度变化并不明显。五环以外区域低密度区大面积增长,城镇化趋势日益明显。北京区域各密度区之间温差增大,城市热岛效应逐渐增强。今后应继续加大城区绿化治理和环境保护,并对五环以外城区进行合理的规划建设,以求在发展的同时减缓城市热岛效应。
城市不是一个二维的平面,在现实生活中,城市热环境不仅与不透水地表盖度有关,建筑物的密度和高度都会在一定程度上对地表辐射以及地表温度带来影响,近年来已有学者对城市三维形态进行研究,今后将进一步开展对城市地表温度和热岛效应与城市建筑物密度和高度的相关性研究。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
姚士谋,张平宇,余成,等.中国新型城镇化理论与实践问题[J].地理科学,2014,6(6):641-647.中国科学院机构知识库(中国科学院机构知识库网格（CAS IR GRID）)以发展机构知识能力和知识管理能力为目标，快速实现对本机构知识资产的收集、长期保存、合理传播利用，积极建设对知识内容进行捕获、转化、传播、利用和审计的能力，逐步建设包括知识内容分析、关系分析和能力审计在内的知识服务能力，开展综合知识管理。

[ Yao S M, Zhang P Y, Yu C, et al.The theory and practice of new urbanization in China[J]. Scientia Geographica Sinica, 2014,6(6):641-647. ]

[2]
郑思轶,刘树华.北京城市化发展对温度、相对湿度和降水的影响[J].气候与环境研究, 2008,13(2):123-133.

[ Zheng S Y, Liu S H. Urbanization effect on climate in Beijing[J]. Climatic and Environmental Research(in Chinese), 2008,13(2):123-133. ]

[3]
肖荣波,欧阳志云,李伟峰,等.城市热岛的生态环境效应[J].生态学报,2005,25(8):2055-2060.城市热岛效应(Urbanheatislandeffect,简称UHI)是一种由于城市建筑及人类活动导致热量在城区空间范围内聚集的现象,是城市气候最显著的特征之一。热岛引起地表温度的提高,必将强烈地影响着城市生态系统的物流、能流,改变城市生态系统结构和功能,产生一系列生态环境效应,影响着城市气候、城市水文、城市土壤理化性质、城市大气环境、城市生物习性、城市物质循环、城市能量代谢以及城市居民健康等。提高能量利用效率、优化城市格局、建设绿色屋顶、采用高反射率地表材料以及增加城市绿地均可有效地控制城市热岛效应。利用遥感手段和数值模型技术,开展多尺度的城市热岛生态环境效应研究,为改善城市生态环境、实现城市可持续发展提供理论依据。

DOI

[ Xiao R B, Ouyang Z Y, Li W F, et al.A review of the eco-environmental consequences of urban heat islands[J]. Acta Ecologica Sinica, 2005,25(8):2055-2060. ]

[4]
唐菲,徐涵秋.城市不透水面与地表温度定量关系的遥感分析[J].吉林大学学报(地),2013,43(6):1987-1996.As the most important component of the urban surface, impervious surface has been recognized as a main indicator of urban heat island effect. However, the quantitative relationship between impervious surface area (ISA) and land surface temperature (LST) is still unclear as different studies achieved different results. Therefore, the present paper selected six cities from different geographical regions of China to further investigate the quantitative relationship between ISA and LST. The cities involved are Shanghai, Guangzhou, Beijing, Changsha, Lanzhou and Fuzhou. The ISAs of the six cities were derived from Landsat ETM+ images by using linear spectral mixture analysis and the LSTs of the cities were retrieved from the thermal infrared band of the images. Multivariate regression analysis with a large amount of samples was implemented to examine quantitative relationship between ISA and LST. Results showed that the ISAs of the six cities were all positively correlated to the LST, but with an exponential relationship being the best fit model. The correlation coefficients of the exponential relationship were above 0.750 0 and could be up to 0.954 1. This suggested that the area with high percent ISA could accelerate LST rise and the temperature rise was higher than 0.600 to 1.700 鈩 compared to the area with low percent ISA. The weaker transpiration evaporation and lower vegetation cover are the main factors contributing to the higher LST rise in the high percent ISA area.

[ Tang F, Xu H Q.Quantitative relationship between impervious surface and land surface temperature based on remote sensing technology[J]. Journal of Jilin University(Earth Science Edition), 2013,43(6):1987-1996. ]

[5]
杨可明,周玉洁,齐建伟,等.城市不透水面及地表温度的遥感估算[J].国土资源遥感,2014,26(2):134-139.基于植被-不透水面-土壤模型和全约束最小二乘法混合像元分解模型，从探索城市热岛效应和城市不透水面关系出发，利用TM数据对北京市海淀区的城市不透水面丰度和地表温度进行估算，并在此基础上对二者之间的相关性进行定性分析和定量评价。研究表明：城市不透水面的空间分布和变化趋势与地表温度之间存在明显的一致性，二者相关系数达到0.752 5，这说明城市不透水面信息可以很好地反映城市热环境的空间分布状况。

DOI

[ Yang K M, Zhou Y J, Qi J W, et al.Remote sensing estimating of urban impervious surface area and land surface temperature[J]. Remote Sensing for Land & Resources, 2014,26(2):134-139. ]

[6]
徐永明,刘勇洪.基于TM影像的北京市热环境及其与不透水面的关系研究[J].生态环境学报,2013,22(4):639-643.城市化进程将自然景观转换为以不透水面为主体的人工景观，改变了地表与大气间的水分和能量交换过程，导致了城市热岛效应。城市热岛效应对区域气候、生态环境等产生了一系列影响，其空间分布特征以及影响因素分析已经成为城市气候与环境研究的重要内容。基于2011年7月26日的Landsat／TM卫星影像运用单通道算法反演了北京市的地表温度来表征城市热环境，运用线性光谱分解及VIS模型提取了北京市不透水面盖度来，在此基础上对北京城市热环境的空间分布特征及其与不透水面盖度之间的关系进行了分析讨论。研究表明：北京主城区的地表温度明显高于郊区，城市热岛效应非常显著，其空间分布呈现单核特征，且南部城区的热岛效应要强于北部城区。北京市高温热岛区域和不透水面盖度较高的区域基本重合，两者在空间分布上具有显著的一致性。地表温度随着不透水面盖度的增加而升高，并且其变化速率依赖于不透水面盖度。当不透水面盖度低于40％时，地表温度随着不透水面盖度增加呈指数关系迅速上升，而当不透水面盖度高于40％时，地表温度呈线性缓慢上升。研究结果揭示了不透水面与地表温度的关系，表明不透水面盖度可以作为城市热环境的一个重要指示因子，为城市规划建设及环境评价等提供了科学参考。

DOI

[ Xu Y M, Liu Y H.Study on the thermal environment and its relationship with impervious surface in Beijing city using TM image[J]. Ecology and Environmental Sciences, 2013,22(4):639-643. ]

[7]
Hao P, Niu Z, Zhan Y, et al.Spatiotemporal changes of urban impervious surface area and land surface temperature in Beijing from 1990 to 2014[J]. Giscience & Remote Sensing, 2016,53(1):63-84.This study examined changes in urban expansion and land surface temperature in Beijing between 1990 and 2014 using multitemporal TM, ETM+, and OLI images, and evaluated the relationship between percent impervious surface area (%ISA) and relative mean annual surface temperature (RMAST). From 1990 to 2001, both internal land transformation and outward expansion were observed. In the central urban area, the high-density urban areas decreased by almost 7 km2, while the moderate- and high-density urban land areas increased by 250 and 90 km2, respectively, outside of the third ring road. From 2001 to 2014, high-density urban areas between the fifth and sixth ring roads experienced the greatest increase by more than 210 km2, and RMAST generally increased with %ISA. During 19900900092001 and 20010900092014, RMAST increased by more than 1.5 K between the south third and fifth ring roads, and %ISA increased by more than 50% outside of the fifth ring road. These trends in urban expansion and RMAST over the last two decades in Beijing can provide useful information for urban planning decisions.

DOI

[8]
丁德平,王春华,李迅,等.北京奥运会期间极端天气的气候统计分析[J].气象,2008,34(7):61-67.

[ Ding D P, Wang C H, Li X, et al.Climatic and statistical analysis on extreme weather events during Beijing Olympic Games[J]. Meteorological Monthly, 2008,34(7):61-67. ]

[9]
郑祚芳,张秀丽.北京极端天气事件及其与区域气候变化的联系[J].自然灾害学报,2007,16(3):55-59.应用逐日观测资料分析了北京极端天气事件的变化及其与区域气候变暖的可能联系,得到了如下结论:(1)近30多年来高温和闷热事件在增加,低温、大风、雷暴和大雾事件在减少,暴雨和沙尘暴的出现频率无明显的变化。(2)高温、闷热、低温、大风、雷暴和大雾存在着较强的年际变化,但不具有明显的周期性特征,暴雨和沙尘暴事件分别存在10年和8～10年的主周期变化。(3)年平均气温和高温、闷热、低温、大风等极端事件之间存在着较强的相关性,这些极端天气事件的变化与区域气候变暖关系密切。

DOI

[ Zheng Z F, Zhang X L.Extreme synoptic events in Beijing and their relation with regional climate change[J]. Journal of Natural Disaster, 2007,16(3):55-59. ]

[10]
李书严,马京津,轩春怡,等.1951-2008年北京极端天气事件分析[J].气候与环境研究,2012,17(2):244-250.Based on the daily observation data during 1951-2008, the change of extreme weather events in Beijing are analyzed. Results show that: (1) The annual mean temperature, minimum temperature, and mist events show increasing trends of 0.39℃·(10 a) -1, 1.0 ℃·(10 a)-1, and 12.4 d·(10 a)-1 respectively. The maximum 24 h rainfall shows a decreasing trend of -10.8 mm·(10 a)-1, rain days, humidity, gale, and thunder storm decrease at different extent [-1.90 d·(10 a)-1,-1.17% (10 a)-1,-2.64 d·(10 a)-1,and -1.24 d·(10 a)-1], sand and dust events show a decreasing trend of -9.39 d·(10 a)-1. The maximum temperature, the maximum rain intensity(60 min), and rainstorm, frost, fog, high temperature events have little change. (2) Rainstorm, high temperature, the maximum temperature, and sand and dust events have no remarkable periodicity. Thunder storm, frost, the minimum temperature, the maximum 24 h rainfall, and mist events have periodical variation, their main periods are 6 a, 7 a, 16 a, 12 a, and 12 a,respectively. (3) Urbanization has an effect on the warming records in Beijing. Extreme weather events may be influenced by certain weather systems, with less correlation with city development.

DOI

[ Li S Y, Ma J J, Xuan C Y, et al.Analysis of extreme weather events in Beijing during 1951-2008[J]. Climatic and Environmental Research (in Chinese), 2012,17(2):244-250. ]

[11]
Mathew A, Khandelwal S, Kaul N.Spatial and temporal variations of urban heat island effect and the effect of percentage impervious surface area and elevation on land surface temperature: Study of Chandigarh city, India[J]. Sustainable Cities & Society, 2016,26:264-277.Significant surface urban heat island (SUHI) has been observed in the Chandigarh study area from the analysis of five years land surface temperature (LST) data from 2009 to 2013. UHI intensity over the study area varies with seasons. Average annual UHI intensity from 2009 to 2013 varies from 4.98聽K to 5.43聽K and overall average UHI intensity has been observed to be 5.2聽K. The maximum value of UHI index has been found to be 0.93. Pixels with average value of UHI index more than 0.90 have been considered as hot spots (HS). The relationship of LST between percent impervious surface area (%ISA) and elevation has been investigated in the present study. Parameter like %ISA which represents the extent of urbanization has been used for the UHI analysis and its relationship with LST has been found to be season independent. Positive relationship has been found between LST and %ISA with a consistent rising trend. In the mean LST and %ISA relationship, it has been observed that the coefficient of correlation of winter season is 0.81 which is slightly higher compared to monsoon and summer seasons. Normally the temperature falls with increase in altitude. But in this study, as the elevation increases, rising trend of LST can be observed. Negative relationship between LST and Elevation scatterplots has been observed in high altitude areas during monsoon season compared to summer and winter seasons. Besides other factors elevation also plays a significant role in LST dynamics and spatial distribution of LST.

DOI

[12]
王浩,卢善龙,吴炳方,等.不透水面遥感提取及应用研究进展[J].地球科学进展,2013,28(3):327-336.不透水面信息的提取方法与应用是近年来城市规划、热岛效应分析、水环境监测和水资源管理等诸多领域的研究热点。遥感技术的发展使不透水面快速准确提取成为可能。从影像特征（光谱、空间几何、时间）选择、分类器（参数、非参数）选择和空间尺度（像元、亚像元尺度）选择3个方面归纳和总结了各种不透水面遥感提取方法原理、应用现状和存在问题，回顾了不透水面在城市化监测、人口估计、水环境监测、热岛效应分析、水文气候建模分析等领域的应用，指出了不透水面遥感提取和应用的发展方向。

DOI

[ Wang H, Lu S L, Wu B F, et al.Advances in remote sensing of impervious surfaces extraction and its applications[J]. Advances in Earth Science, 2013,28(3):327-336. ]

[13]
高志宏,张路,李新延,等.城市土地利用变化的不透水面覆盖度检测方法[J].遥感学报,2010,14(3):593-606.通过分析城市中不透水面数量和分布的变化与城市土地利用变化之间的对应关系,综合中、高分辨率遥感数据各自的优势,运用CART算法进行城市不透水面覆盖度(ISP)遥感估算,基于ISP制图结果对城市土地利用变化进行检测.以山东省泰安市为例开展实验研究,结果表明,与传统的变化检测方法相比,基于ISP的变化检测方法,不仅能够反映土地利用类型转换的潜在信息,而且可以灵活地量化定义和解释城市用地变化情况.这种方法为城市土地利用变化信息的提取和分析提供了一种新的思路,可以作为现有变化检测方法的有益补充.

DOI

[ Gao Z H, Zhang L, Li X Y, et al.Detection and analysis of urban land use changes through multi-temporal impervious surface mapping[J]. Journal of Remote Sensing, 2010,14(3):593-606. ]

[14]
廖明生,江利明,林珲,等.基于CART集成学习的城市不透水层百分比遥感估算[J].武汉大学学报·信息科学版,2007,32(12):1099-1102.利用Landsat ETM+遥感数据,提出了一种基于CART集成学习的ISP遥感亚像元估算方法,将Boosting重采样技术引入CART分析中,用于提高ISP估算的精度.实验结果表明,该方法的ISP估算性能优于传统的单一CART学习算法,从ETM+影像中估算的ISP值与真实值之间的相关系数达到0.91,平均偏差为11.16%.

DOI

[ Liao M S, Jiang L M, Lin H, et al.Estimating urban impervious surface percent using boosting as a Refinement of Cart Analysis[J]. Geomatics and Information Science of Wuhan University, 2007,32(12):1099-1102. ]

[15]
李召良,段四波,唐伯惠,等.热红外地表温度遥感反演方法研究进展[J].遥感学报,2016,20(5):899-920.地表温度是表征地表过程变化的一个非常重要的特征物理量,是地表—大气能量交换的直接驱动因子,广泛地用于地表能量平衡、气候变化和资源环境监测等研究领域。本文系统地评述了热红外地表温度遥感反演方法,包括单通道算法、多通道算法、多角度算法、多时相算法和高光谱反演算法。回顾了地表温度反演的基础理论和方法;并在此基础上,进一步综述了地表温度遥感反演的验证方法,以及地表温度的时间和角度归一化方法;最后对未来提高地表温度反演精度的研究方向提出了建议。

DOI

[ Li Z L, Duan S B, Tang B H, et al.Review of methods for land surface temperature derived from thermal infrared remotely sensed data[J]. Journal of Remote Sensing, 2016,20(5):899-920. ]

[16]
覃志豪,Zhang M H, Arnon Karnieli,等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报,2001,66(4):456-466.

[ Qin Z H, Zhang M H, Arnon Karnieli, et al.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J]. Acta Geographica Sinica, 2001,66(4):456-466. ]

[17]
孟宪红,吕世华,张堂堂. MODIS近红外水汽产品的检验、改进及初步应用——以黑河流域金塔绿洲为例[J].红外与毫米波学报,2007,26(2):107-111.利用野外观测资料检验MODIS近红外水汽产品表明,该产品精度较低,不适合研究区大气水汽含量分析研究.考虑误差产生的原因,调整空间分辨率并引入地表覆盖类型信息进行反演,结果表明,反演的平均相对误差为4.47%,绝对误差为0.0456g/cm2,说明改进后结果有较大改善,精度较高.同时使用MODTRAN模拟出大气水汽含量与透过率存在较好的负相关关系,并据此计算大气透过率,为下一步计算地表温度及能量平衡中的各分量奠定基础.APPLICATION OF MODIS NEAR INFRARED WATER VAPOR PRODUCTS

[ Meng X H, Lv S H, Zhang T T.Testing improvement and application of MODIS near infrared water vapor products: Taking Jinta oasis in Heihe river basin as a case study[J]. Journal of infrared and millimeter waves, 2007,26(2):107-111. ]

[18]
Van A A, Griend D E, Owe M.On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces[J]. International Journal of Remote Sensing, 1993,14(6):1119-1131.The spatial variation of both the thermal emissivity (809000914/mu;m) and Normalized Difference Vegetation Index (NDVI) was measured for a series of natural surfaces within a savanna environment in Botswana. The measurements were performed with an emissivity-box and with a combined red and near-infrared radiometer, with spectral bands corresponding to NOAA/AVHRR. It was found that thermal emissivity was highly correlated with NDVI after logarithmic transformation, with a correlation coefficient of R = 000·94. This empirical relationship is of potential use for energy balance studies using thermal infrared remote sensing. The relationship was used in combination with AVHRR (GAC), AVHRR (LAC), and Landsat (TM) data to demonstrate and compare the spatial variability of various spatial scales.

DOI

[19]
覃志豪, LI Wenjuan, Zhang Minghua,等.单窗算法的大气参数估计方法[J].国土资源遥感,2003,15(2):37-43.根据地表热辐射传导方程,提出了一个简单可行且精度较高的专门用于从TM6数据中演算地表温度的方法&mdash;&mdash;单窗算法.这一算法把大气和地表状态对地表热传导的影响直接包括在演算公式中.该方法需要两个大气参数进行地表温度的演算,即大气平均作用温度和大气透射率.本文论述这两个大气参数的估计方法:根据大气水分含量或地表附近空气湿度来估计大气透射率;通过分析标准大气剖面资料,尤其是大气水分和气温随高程的变化规律,根据地表温度推算大气平均作用温度.

DOI

[ Qin Z H, Li W J, Zhang M H, et al.Estimating of the essential atmosphere parameters of mono-window algorithm for land surface temperature retrieval from Landsat TM[J]. Remote Sensing for Land & Resources, 2003,15(2):37-43. ]

Options
文章导航

/

〈 〉