当前位置: 手机论文网>计算机类>人工智能>

西安市热岛效应与植被覆盖度的关系研究

阅读技巧m.Lw54.com 手机论文网

在全球变暖的大背景下,加之人类城市经济社会生活的加剧,城市作为一个特殊的热力低压区,相对于城郊和经济活动比较小的地区,对人类的经济活动和社会生活产生着深远的影响[1-2]。植被是城市生态系统的重要组成部分,对维持生态系统稳定和改善城市环境具有不可忽视的作用,对于保障城市生态系统稳定发展和低碳城市建设方面均具有非常重要的作用,在夏季很大程度上节省了制冷所需的能源,可以有效缓解城市中的热岛效应强度[3]。诸多学者主要采用基于气象站点数据分析、实际观测模拟和遥感影像监测等方法对城市热岛效应与植被覆盖度之间的耦合关系进行研究。庞光辉等[4]利用RS和GIS技术对沈阳市植被覆盖和地表温度反演发现,二者存在明显的负相关;张宇等[5]用Landsat TM/TIRS数据对重庆市主城区热岛效应进行了研究,发现市区内绿化较好或有水体覆盖的区域对城市高温起到一定的缓解作用;梁保平等[6]利用Landsat5卫星系列TM的两期影像对1991—2006年桂林市植被覆盖度、地表温度时空变化及相关性研究;谢元礼等[7]用单窗算法对兰州地表温度进行反演,表明利用遥感影像反演地表温度具有一定可行性;侯光雷等[8]基于MODIS数据对吉林省中部地表温度进行反演,研究了吉林省中部农业区的地表温度空间分布特征以及地表温度与土地利用类型之间的关系。为定量了解西安市地表温度的空间格局及动态变化情况,选用遥感反演技术对西安三环以内的主城区热岛效应进行研究,将对西安市缓解热岛效应,改善城市环境质量促进经济社会环境可持续性发展具有极其重要的理论和实践意义。

1 研究区概况

西安市(如图1所示)位于北纬33.42°~34.45°,东经107.40°~109.49°,辖境东西长约204 km,南北宽约116 km,面积9 983 km2,其中市区面积1 066 km2。西安四季分明,雨热同期,日光充足,年平均气温15.5 ℃,年降水约600 mm,湿度69.6%,日照时数1 377 h,属暖温带半湿润的季风气候。选取西安市主城区即三环以内的新城、碑林、莲湖、雁塔、灞桥、未央等6个区作为研究对象。

2 数据来源与研究方法

2.1 数据来源与预处理

研究数据为2003年6月14日Landsat5 TM和2014年8月24日Landsat8 OLT_TIRS两期遥感影像。利用地形图采用ENVI5.0软件对这两期影像进行了几何精校正,平均误差在0.5个像元内,并根据实际需要利用ROI(Region Of Interesting)裁剪研究区范围,根据波段组合对遥感影像进行监督分类(主要分为植被和建筑两类)。并提取研究区域的NDVI,计算植被覆盖度空间分布信息,用来反演研究区的地表温度信息。

2.2 研究方法

2.2.1 植被覆盖度

归一化植被指数(NDVI)是利用遥感数据近红外与可见光红光波段计算,能够反映植被生长特性信息,常见于植被动态分析和检测研究。其计算公式为:

NDVI=(NIR-R)/(NIR+R) (1)

式中,NIR为TM近红外波段亮度值,R为TM可见光红光波段亮度值。

植被覆盖度的反演计算是建立在NDVI指数的基础之上,根据混合像元理论,地区植被覆盖度与植被、水体和建筑空间存在形式有关[9],其表达式为:

FV=(NDVI-NDVImin)/(NDVImax+NDVImin)(2)

式中,NDVI表示归一化植被指数,NDVImax和NDVImin表示全植被覆盖时的像元和全土壤覆盖的像元NDVI值。

2.2.2地表温度反演

地表温度反演是指根据搭载在卫星上的传感器接收到的地表热辐射信息并将之记录在遥感影像的像元灰度值(DN)中,结合卫星参数和地表温度反演模型[10-11],反推出地表真实温度信息。其计算公式为:

Lλ=Gain×DN+Bias(3)

式中:Lλ为热红外波段接受到的辐射亮度,Gain和Bias分别为增益和偏置系数,其次,在式(1)基础上计算像元亮度温度,计算公式为:

式中:Ts代表像元亮度温度,单位为K;K1,K2均为各传感器在热红外波段参数,具体参考庞光辉等[4]。最后,根据地物的比辐射率将亮度温度转化为地表真实温度,计算公式为:

式中:LST为地表温度(K);λ为热红外波段中心波长,ρ为常量,ε为比辐射率。根据研究需要,将西安市主城区遥感影像监督分类为植被、建筑用地与裸地两类,其对应参数参考梁保平等[12]的研究成果。

3 结果与分析

3.1 区域植被覆盖度与土地覆盖时空变化特征

利用ENVI5.0软件对2003年和2014年两期遥感影像进行监督分类,并结合ArcGIS9.3软件对植被覆盖度进行重分类,最终得到4类土地利用类型:建设用地与裸地、低等植被覆盖(FV<30%)、中等植被覆盖(FV为30%~60%)和高等植被覆盖(FV>60%),具体结果见表1。

由表1可见,2014年较2003年,西安市土地利用/土地覆盖发生了巨大的变化,建设用地与裸地面积和低等植被覆盖度用地面积呈现较快的正向增长趋势,其中2014年低等植被覆盖用地面积较2003年扩大了9 249.49%,也就是说低产草地、疏林地、弃荒耕地等发生了较大变化。低等植被覆盖的变化是西安市主城区土地利用类型发生变化的重要特征。林地、园地及耕地等中等植被覆盖和密集乔灌木的高等植被覆盖均出现较为显著的下降趋势,这是西安市主城区土地利用/土地覆盖变化又一重要特征。综上所述,2014年较2003年,西安市主城区土地利用/土地覆盖主城区自然环境向低等植被覆盖过渡,人类活动对城市植被景观影响日趋加重。

3.2 西安市不同植被覆盖度与地表温度时空变化特征

借助Arcgis9.3软件的空间分析模块,分别把西安市2003年和2014年植被覆盖分类与同期反演的地表温度进行叠加分析,得到西安市植被覆盖度的变化与地表温度变化如表2所示。植被覆盖度变化总体上自城市核心向城市外围呈现降低的趋势,在空间上自一环至三环植被覆盖度均出现下降的趋势。

与之相对应,研究区的地表温度在空间上呈现自主城区内部向外围上升的趋势(如表3所示)。2003年(6月14日)研究区平均温度36.40 ℃,二环和三环均高于空间温度平均值,其中,三环温度最高,三环比一环和二环高出0.83 ℃和0.04 ℃;2014年(8月24日)研究区平均温度33.80 ℃,二环和三环均高于空间温度平均值,其中三环温度最高,比一环二环分别高出0.59 ℃和0.45 ℃。就空间温差而言,自一环向三环呈现下降的趋势,这与主城区下垫面复杂性有着密切关系,即越靠近城市核心,地表建筑,道路,绿化等下垫面更趋复杂,此外,人口密度大,经济活动频繁也是造成地表温差自城市核心向城市外围降低的主要原因之一。

研究区2003年和2014年夏季植被覆盖度与同期地表温度的空间分布如图2所示。由图2可见,2014年研究区植被覆盖度平均为41.64%,较2003年的47.24%而言,总体上降低了5.6%。2014年较2003年,研究区一环和二环植被覆盖空间变化总体上趋于降低,空间上差异变化较小;三环植被覆盖度在研究区的环线边界地区变化较大;此外,西二环西北方向与西三环东北部分地区增长较快。地表温度整体上呈现上升的趋势,在空间上东北-西南向温度变化较为显著,主城区外围向核心区温度趋于降低。

3.3 不同时期植被覆盖度与地表温度的相关性分析

为了更为客观具体地研究植被覆盖度对地表温度的影响,在研究区内对同期植被覆盖度和地表温度以10 m×10 m为方格进行随机采样3 000个样本分析之间关系(如图3所示)。回归分析表明:植被覆盖度与地表温度呈现明显的线性负相关。由于遥感影像受卫星拍摄时气象状况、获取时间以及卫星参数等因素的影响,植被覆盖度与地表温度的反演以及相关回归分析则受到这方面因素的影响而出现差异,如2003年6月散点图分析表明植被覆盖度每提高10%,地表温度则降低0.495 ℃,2014年8月数据分析则表明地表覆盖度每提高10%,地表温度则降低0.465 ℃。综合比较研究发现,西安市主城区植被覆盖度每提高10%,地表温度则降低0.47 ℃。

对西安市主城区2014年的遥感影像反演的地表温度和植被覆盖度提取两条剖面线(如图3、图4、图5所示),植被覆盖与地表温度两条剖面线得出的空间属性,可以看出植被覆盖与地表温度呈现明显的负相关,植被覆盖度剖面线凸起的部分基本对应着地表温度凹下的部分。

4 结论与讨论

通过对2003年和2014年夏季两期Landsat遥感数据分析,结合FV和LST模型对西安市主城区植被覆盖与热岛效应之间关系进行研究,研究发现,2014年较2003年,西安市主城区自然环境向低等植被覆盖过渡,人类活动对城市自然景观影响日趋加重。低等植被覆盖迅猛增长是西安市主城区土地利用类型发生变化的重要特征。

西安市主城区植被覆盖度在空间上出现自一环向三环植被覆盖度呈现下降的趋势,地表温度在空间上呈现自主城区内部向外围上升的趋势,这可能是城市发展过程中侧重于对主城区内部绿化和建设,主城区外围发展给予的关注和投入的力度不够。就空间温差而言,自一环向三环呈现下降的趋势,这与主城区下垫面复杂性有着密切关系,即越靠近城市核心,地表建筑,道路,绿化等下垫面更趋复杂,此外,人口密度大,经济活动频繁也是造成地表温差由城市核心向城市外围降低的主要原因之一。

研究区内对同期植被覆盖度和地表温度以10 m×10 m为方格进行随机采样3 000个样本分析之间关系,发现植被覆盖与地表温度呈现显著的负相关。经回归分析发现,植被覆盖度与地表温度呈现明显的线性负相关,西安市主城区(三环以内)植被覆盖度每提高10%,地表温度则降低0.47 ℃。这一结论与我国其他城市相比,植被覆盖度提高10%,沈阳市主城区地表温度降低0.71 ℃[4],长春市主城区降低0.6 ℃[11],上海降低0.47 ℃[13],桂林市降低0.7 ℃[12],有些低的原因可能与城市的发展水平、地理位置、下垫面组成等因素相关。

植被覆盖与地表温度呈现显著的负相关关系,大量研究从各研究角度已经得到证实[14-15]。但地表温度信息存在时刻变化的情况,且通过遥感影像数据反演的LST仅仅是地表瞬间温度,但植被覆盖产生的降温效应,包括的因素很多,如降水,植被类型,风向和风速等因子。且遥感影像反演地表温度与影像数据源的类型、获取时间及获取时的天气情况、影像的空间分辨率及城市下垫面类型等多种原因有关。本研究只考虑了两者的耦合关系及其动态变化规律,研究结论只是反映大致特征。以后需要综合考虑以上各种因素,并需要进行验证和完善,这是以后研究的重点方向。

参考文献

[1] 徐冠华,葛全胜,宫鹏,等.全球变化和人类可持续发展:挑战与对策[J].科学通报,2013,58(21):2100-2106.

[2] 张善红,张孝存.基于GIS的太白山植被与环境梯度关系分析[J].商洛学院学报,2014,28(4):19-34.

[3] QIHAO W, DENGSHENG L,JACPUELYN S.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J].Remote Sensing of Environment,2004(89):467-483.

[4] 庞光辉,蒋明卓,洪再生.沈阳市植被覆盖变化及其降温效应研究[J].干旱区资源与环境,2016,30(1):191-196.

[5] 张宇,赵伟,龙凤,等.基于Landsat TM/TIRS的重庆市主城区热岛效应研究[J].水土保持通报,2015,22(5):191-196.

[6] 梁保平,翟禄新.1991—2006年桂林市植被覆盖度、地表温度时空变化及相关性研究[J].中国园林,2014(7):77-81.

[7] 谢元礼,范熙伟,韩涛,等.基于TM影像的兰州市地表温度反演及城市热岛效应分析[J].干旱区资源与环境,2011,25(9):172-175.

[8] 侯光雷,张洪岩,王野乔,等.基于MODIS数据的吉林省中部地表温度反演及空间分布研究[J].地理科学,2010,30(3):421-427.

[9] 白建军,白江涛,王磊.2000—2010年内蒙古植被覆盖时空变化特征[J].地理学报,2012,67(9):1255-1268.

[10] 张志伟,张浩,常玉光,等.Landsat系列卫星光学遥感器辐射定标方法综述[J].遥感学报,2015,19(5):719-732.

[11] 李华朋,张树清,孙妍.基于光谱混合分析的城市植被覆盖度与地表温度关系的研究[J].中国科学院研究生院学报,2010(6):739-747.

[12] 梁保平,翟禄新.1991—2006年桂林市植被覆盖度、地表温度时空变化及相关性研究[J].中国园林,2014(7):77-81.

[13] 李俊祥,宋永昌,傅徽楠.上海市中心城区地表温度与绿地覆盖率相关性研究[J].上海环境科学,2003,22(9):599-601,656.

[14] 岳文译,徐建华,徐丽华.基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数

为例[J].生态学报,2006,26(5):1450-1460.

[15] 蒋明卓,曾德平,曾坚.天津城市扩张及其微气候特征演化研究——基于城市热环境的角度[J].干旱区资源与环境,2015,29(9):159-164.


[版权归原杂志和作者所有,毕业论文网lw54.com摘录自《商洛学院学报》,转载请注明出处和作者,仅供学习参考 ]

转载请注明来源。原文地址:http://m.lw54.com/20161228/6605085.html