城市遥感：解读原理、应用方法

多年来国内外众多学者使用遥感监测方法对城市热岛效应进行研究，包括城市热岛的形成机制、城市热岛分布特性以及城市热岛变化等方面的分析研究。

徐涵秋等(2003)将分别在1989年6月15日和2000年4月18日获取的两幅厦门地区Landsat卫星热红外影像作为数据源，根据热红外影像的亮度值分别反演出厦门市1989年和2000年的地面亮温，进行亮温正规化分级，将不同时相的亮温分布范围统一到0与1之间并划分为7个亮温等级，进一步将两时相的亮温图像作叠加分析并生成差值影像图，同时建立城市热岛比例指数(URI)。城市热岛比例指数由城市热岛面积与建成区面积的比例计算而来，并赋予权重来表征热岛在城市建成区的发育程度。通过对1989年及2000年厦门温度等级分布、热岛比例指数的分析，该时间范围内厦门市热岛分布面积明显增加，但URI由0.28降低至0.23，表明厦门市城市热岛面积占建成区面积的比例在降低，热岛效应有所缓解。

相对于自然表面，以房屋、广场为代表的不透水表面的比热容小，在阳光照射下升温更快。城市快速扩张导致城市不透水面面积增加，这使得城市地表平均温度不断升高，并且高大的楼房妨碍了风的流动与热量的散失，使得城市热岛现象加剧。通过分析城市热岛与不透水面之间的关联，有助于缓解城市的热岛现象，提高城市居住舒适度。

我们选取武汉市与北京市在2009年、2014年、2018年这三个时间节点的Landsat热红外影像数据进行地表温度的反演，将温度反演结果与分类图进行叠加，计算不透水面与非不透水面区域的平均温度。结果显示，不同时期的武汉市与北京市的不透水面区域平均温度都要高出非不透水面区域4℃左右，随着不透水面增加，城市热岛现象愈发严重。利用相对温度表征热岛强度，在影像上随机选点，建立热岛强度HII与NDBI之间、HII与NDVI之间的回归关系。从结果来看，城市热岛与NDBI指数呈正相关关系，NDBI值越大，热岛强度越大。每个像元的NDBI指数值在一定程度上可以代表该像元覆盖范围内不透水面盖度。这也从另一个角度证实了城市热岛与不透水面之间有着密切的联系，随着城市不透水面的扩张，热岛现象会更加显著。与NDBI指数相反，城市热岛与NDVI指数呈负相关关系，NDVI值越大，植被覆盖度越大，植被的蒸腾作用降低区域温度，减弱热岛强度。最后将热岛划分成5个等级，统计各级别热岛的所占比例，分析10年间两城市热岛效应在时间、空间上的发展，图17-9为2009年、2014年、2018年武汉与北京城市热岛分级图。从表17-3、表17-4的统计结果来看，武汉市热岛以弱热岛、中热岛为主，弱热岛面积最大，而强热岛、极强热岛占比小；北京市同样以弱热岛、中热岛为主，但强热岛、极强热岛占比都比武汉高，平均热岛强度高于武汉。因此，从热岛面积和热岛强度角度分析，北京热岛效应比武汉强。同时，10年间两城市热岛变化总面积相近，但从热岛强度角度来看，北京变化大于武汉，因此，北京热岛现象的扩张更加显著。

表17-3　2009年、2014年、2018年武汉热岛强度分级统计表

表17-4　2009年、2014年、2018年北京热岛强度分级统计表

图17-9　2009年、2014年、2018年武汉与北京城市热岛分级图(www.xing528.com)

周红妹等(2008)结合采用遥感动态监测与GIS空间分析技术，对上海市20世纪90年代以来的城市扩展以及热岛分布变化情况进行监测分析:①利用NOAA卫星、EOS卫星红外波段影像进行温度反演，形成2000—2006年五个时相的上海城市温度分布图；②以Landsat影像、资源卫星影像及航摄影像为数据源，采用计算机监督分类以及航片目视解译辅助的方法对上海市土地利用状况进行分类、解译，得到上海市下垫面分布图。以第一步得到的上海城市温度分布图像为基础，以上海市下垫面分布图为本底，使用GIS平台，对城市温度分布图像中的不同温度段分别设立掩膜区，并对不同温度段掩膜区内的地面介质进行逐像元的统计，形成不同温度段的介质分布图；以城市下垫面分布图为基础，城市温度分布图像为本底，在GIS平台，对城市不同下垫面分别设立掩膜区，将掩膜区内的相对温度分为10个等级，计算该介质在每个温度段内占掩膜区内全部介质的比例，进而评估城市不同下垫面与温度的关系。结果表明，城市扩展与热岛扩展趋势具有时空一致性，城市建成区的扩大会导致城市热岛面积的增大；城市热岛与城市下垫面有密切的关系，城市高温区下垫面主要由建筑、道路、工业区组成。

刘勇洪等(2014)分别采用了气温资料、遥感资料和城市规划资料对北京城市热岛变化进行了监测与分析。利用北京地区1971—2012年20个常规气象台站的单站逐年年平均气温资料，将20个气象台站按照距离北京市主城区的远近和所处位置划分为城市、近郊、远郊三类，为了避免山区台站对热岛分析的影响，将这20个气象台站气温订正到海平面高度，计算城市、近郊、远郊三类站点订正后年平均气温的平均值，结果表明随着北京城市的发展，北京热岛强度也在增加。选用北京市1990年、1996年、2001年、2004年、2008年、2012年不同年份的6景晴空NOAA/AVHRR下午星1B数据，使用改进的Becker分裂窗方法进行地表温度反演；选用北京1987年、1992年、2001年、2005年、2008年、2011年不同年份6景夏季晴空Landsat-TM影像，采用单通道算法反演地表温度。采用叶彩华等(2011)提出的地表强度指数与地表热岛比例指数对北京热岛变化进行时空分析。结果显示，使用气象资料年平均气温估算的北京城市热岛变化与利用遥感监测方法得到的城市热岛变化具有一致的趋势，NOAA/AVHRR与Landsat影像两种不同分辨率的遥感数据对北京城市热岛变化监测具有一致性。

针对传统地表温度影像时空融合方法易受到像元辐射率的时空变异性影响，造成该类方法在异质性较高区域的应用中存在较大融合误差的问题，我们提出了一种综合多种遥感地表参数的BP网络地表温度降尺度算法，利用低分辨率传感器的多种由可见光、近红外波段影像反演的地表参数，在低空间分辨率尺度下建立NDVI-LST构造的趋势面特征分布模型；基于NDVI-LST关系特征具有一定的空间尺度不变性，引入高空间分辨率传感器反演的地表参数，利用低空间分辨率尺度下构建的关系模型实现LST影像尺度转换。以武汉为研究区域，首先将ETM＋反演的地表温度数据下采样为MODIS的地表温度产品的空间分辨率(960m)，同时将ETM＋的5个波段的反射率数据下采样为60m和960m两个尺度，并在960m空间分辨率的尺度上建立降尺度模型，再将60m的ETM＋反射率数据应用于降尺度模型，得到60m的降尺度地表温度，并以实际的ETM＋反演的60m地表温度数据作为验证数据进行对比分析。图17-10为不同的地表温度降尺度方法结果与实际地表温度影像的对比图。

图17-10　不同降尺度方法生成结果与实际影像的对比验证图

刘慧民(2019)将传统城市热环境静态研究框架向时空动态方向进行了一定的扩展，以武汉市为研究区域，对城市地表温度时空模式进行挖掘，分析地表温度的季节性变化。图17-11为具体的研究框架，引入了机器学习领域的时序聚类方法，进行地表温度在现象层面的分区，并基于分区结果，运用数字信号处理领域的集合经验模态分解挖掘不同分区在不同时间尺度的时序规律。利用2003年1月至2017年12月之间每日13:30采集的MODIS/Aqua第6版第3级地表温度合成数据构建以月为时间分辨率的数据库。在对挑选影像进行平滑与补缺处理后，运用K-Means聚类方法对该数据集进行时序聚类，在现象层面实现地表温度地理分区，通过集合经验模态分解对不同类的平均时序地表温度进行分解，基于分解组分的平均周期进一步提取时序规律。

图17-11　城市热环境时序规律挖掘技术框架

目前城市热岛遥感研究多集中在定性描述热岛效应时空分布及影响因子方面，定量化程度不高。定量研究城市热岛与其他地学过程的关系以及定量分析城市热岛时空变化与城市生态环境之间的相互作用机制是未来的研究趋势。