海南资源环境遥感产品数据集专题 I 区论文(评审中) 版本 ZH1
下载
基于Landsat 8数据的海口市热岛效应变化数据集
A dataset of heat island effect change in Haikou city based on Landsat 8 data
 >>
: 2018 - 11 - 30
: 2019 - 02 - 12
358 16 0
摘要&关键词
摘要:针对城市发展规模不断扩大,城市热环境变化直接或间接地影响城市环境质量等问题,基于Landsat 8数据进行海口市热岛效应变化研究。即基于辐射方程法获得地表温度,采用对比划分地温方法确定热岛的范围,分析和概括城市热岛时空分布特征。此研究可应用在其他城市,经过逐步完善,可广泛适用于多区域陆表温度反演,从而发挥更高的应用价值。
关键词:城市热岛效应;辐射方程;地表温度;温度反演
Abstract & Keywords
Abstract: With the continuous expansion of urban development, changes of urban thermal environment directly or indirectly affect issues like urban environmental quality. Based on Landsat 8 data, we studied the heat island effect change in Haikou City. We used the radiation equation method to obtain the surface temperature, through which to determine the range of heat island by using the comparative division of ground temperature. The characteristics of spatial and temporal distribution of the urban heat island were analyzed and summarized. This research exhibits a methodology that can be applied to other cities, and through gradual improvement, should be widely applicable to multi-zone land surface temperature inversion.
Keywords: urban heat island effect; radiation equation; surface temperature; temperature inversion
数据库(集)基本信息简介
数据库(集)名称基于Landsat 8数据的海口市热岛效应变化数据集
数据作者王子安、孟庆岩、谷艳春、胡蝶、张颖
数据通信作者孟庆岩(mengqy@radi.ac.cn)
数据时间范围2008–2015年
地理区域海口市(19°32′–20°05′N、110°10′–110°41′E)
空间分辨率Landsat4/5:120/30 m
Landsat-8:100 m
数据量2.93 MB
数据格式*.png,*.pro
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/696
基金项目海南省遥感大数据服务平台建设与应用示范(2017-2018),海口城市热岛强度多时空尺度遥感及其演变研究(ZDKJ2016021);三亚市城市热污染遥感监测技术(2017CZ07);基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术(2018JZ0054)。
数据库(集)组成本数据集主要包括6个文件夹,每个文件夹的内含文件格式和命名方式如下:
1. 封面图文件夹:内含命名为封面图png格式的数据;
2. 海口市亮温差值影像图文件夹:内含2008–2015年png格式的数据;
3. 热岛强度分布图文件夹:内含2008、2015年png格式的数据;
4. 海口市位置示意图文件夹:内含位置示意图png格式的数据;
5. 温度反演代码文件夹:内含pro格式Landsat5 (LST5)和Landsat 8 (LST8)温度反演代码数据;
6. 处理流程文件夹:内含命名为陆表温度反演处理流程vsd格式的数据。
Dataset Profile
TitleA dataset of heat island effect change in Haikou city based on Landsat 8 data
Data corresponding authorMeng Qingyan (mengqy@radi.ac.cn)
Data authorsWang Zi’an, Meng Qingyan, Gu Yanchun, Hu Die, Zhang Ying
Time range2008 – 2015
Geographical scopeHaikou (19°32′ – 20°05′N, 110°10′ – 110°41′E)
Spatial resolutionLandsat4/5: 120/30 m
Landsat-8: 100 m
Data volume2.93 MB
Data format*.png, *.pro
Data service systemhttp://www.sciencedb.cn/dataSet/handle/696
Sources of fundingConstruction and Application Demonstration of Remote Sensing Data Service Platform of Hainan Province (2017-2018); Study on the Remote Sensing of Haikou City Heat Island Strength at Multi-spatio-temporal Scales and Its Evolution (ZDKJ2016021); Remote Sensing Monitoring Technology for Urban Thermal Pollution in Sanya (2017CZ07); Technology for Extraction of Rice Leaf Area Index Based on Large Data Machine Learning and Canopy Reflectance Model (2018JZ0054)
Dataset compositionThis dataset mainly includes six folders. They are as follows:
1. Cover image folder in the *.png format;
2. Haikou bright temperature difference image folder in the *.png format from 2008 to 2015;
3. Heat island intensity map folder in the *. PNG format during 2008 and 2015;
4. Haikou city location map folder in the *. PNG format;
5. Temperature inversion code folder, which contains Landsat5(LST5) and Landsat 8(LST8) temperature inversion code data in the *. pro format;
6. Process folder, which contains data on the surface temperature inversion process in the *. VSD format.
引 言
城市是区域人类活动最为密集的地带,高强度的人类活动已造成城市小气候的异常变化——热岛效应。城市热岛效应(Urban Heat Island Effects)是由于城市内大量的人工发热、建筑物和道路等高蓄热体及绿地减少等因素的影响,导致城市“高温化”,即中心城区的气温明显高于城郊区(县)的现象。城市热岛效应的存在对城市的人居环境有很多不利影响。因此多年来,许多学者就城市热岛效应的时空演变[1,2,3,4,5 ]、成因机制[6,7,8,9,10 ]、环境影响[11,12,13,14,15 ]等方面开展了大量的研究工作。刘转年等[16]根据西安市区和郊区的连续年的气象数据,分析了西安城市热岛效应的变化规律,结果表明西安城市热岛效应现象存在且城市热环境有恶化趋势。数值模拟法[17]是通过建立多种边界面之间物质和能量交换的数学模型来研究城市热岛效应的方法。最早使用该方法的学者是Myrup[18],他认为通过数学模拟的方法有助于发现城市热岛的形成原因及驱动因素,并有助于预测未来城市的热岛效应。
城市热岛的形成和演变是一个十分复杂的过程,它受自然过程和人类活动的影响,随着人口不断的增长、社会经济结构在不断调整,人们对城市热岛的认识以及影响正在改变城市热岛的分布和发展态势。为了分析海口市在现有自然与人为驱动力影响下城市热岛的变化趋势,研究选用转移矩阵模型对海口市城市热岛变化进行分析。
综上,通过深入分析和研究海南省海口市城市热岛在时空上的演变,运用转移矩阵模型对Landsat地表温度数据进行计算,研究海口市城市热岛效应的发展趋势。通过与地表温度进行相关性分析,对研究区域的城市热岛的改善提出相应的措施,掌握其演变规律,对于城市发展、环境保护和提高人民生活质量都具有现实意义。
1   数据采集和处理方法
1.1   研究区范围
海口市位于北纬19°32′–20°05′,东经110°10′–110°41′,海南省省会,国家“一带一路”战略支点城市。海口地处热带,热带资源呈现多样性,是一座富有海滨自然旖旎风光的南方滨海城市。近年来海口市经历了快速的城市扩张,人口密度与城市规模越来越大,环境污染问题日益严峻,其中以热岛现象最为显著。因此,选取海口市为研究区,研究区位置示意图如图1所示。


图1   研究区位置示意图
1.2   数据预处理
为避免云量及季节影响,选用2008–2015年所有云量小于30%的Landsat 8影像(表1)。
表1   数据列表
时间云量时间云量
2008年11月29日11.222013年04月05日12.69
2013年12月29日18.982015年06月26日12.09
2015年11月17日9.232016年12月05日10.21
首先对Landsat OLI数据进行裁剪与拼接处理,获得感兴趣区,并将坐标重投影成WGS_1984_UTM_Zone_51N坐标。然后进行辐射定标与大气校正,减弱大气影响,提高结果精度。
基于Landsat 8 OLI数据,根据Landsat数据热红外波段的增益值与偏置值计算相应表观辐射亮度值。进而,采用NDVI(植被覆盖指数)阈值法估算地表比辐射率。最后,根据Plank反函数和Landsat预设的定标系数计算地表温度。由于Landsat 8 OLI数据的热红外波段Band11运行出现问题,因此,利用影像的另一个热红外波段Band10,采用辐射传输方程法估算地表温度[19]
1.2.1   表观辐亮度计算
表观辐亮度计算是将DN值转换成相应热辐射强度,然后推算行星亮度温度值,计算公式如下[20]
(1)
式中,DN为影像像元灰度值,Quantize为Landsat数据的量化级数,Lmax 为传感器接收到的最大辐射强度,Lmin 为传感器接收到的最小辐射强度值。其中,Quantize=65535,Lmax =22.0018,Lmin =0.10033。
1.2.2   地表比辐射率估算
地表比辐射率表征地面物体的电磁波辐射能力,是地表温度反演中重要的物理参数之一。由于地表物质结构具有差异性,因此针对不同地物类型,其相应的比辐射率计算方式也不同。大致可分为3种类型:水面、城镇和自然表面。由于水体像元在热波范围内的比辐射率很高,与黑体的比辐射率较为相似,因此,在估算水体比辐射率时常被赋值为0.995[21]。自然表面和城镇像元的比辐射率估算根据下式计算[22]
(2)
(3)
式中,esurface 是自然表面像元的比辐射率,ebuilding 是城镇像元的比辐射率,Pvege 是植被覆盖度,计算公式为[23-24]
(4)
式中,NDVI为归一化植被指数,NDVIvege 是纯植被像元的NDVI值,NDVIsoil 是纯土壤像元的NDVI值。当某个像元的NDVI大于0.70时,Pvege 取值为1;当NDVI小于0.05时,Pvege 取值为0;当NDVI介于0.05和0.7间时,则用NDVIvege =0.70和NDVIsoil =0.05估算植被覆盖度。
1.2.3   地表温度计算
基于表观辐亮度和地表比辐射率计算结果,根据辐射传输方程反推地表热辐射亮度,利用Plank反函数结合Landsat预设的定标常数K1、K2计算地表真实温度[25-26]
(5)
式中,B(Tsens )是地表热辐射亮度,L是行星亮度温度值,LL 分别是大气上行辐射和大气下行辐射,可根据Landsat卫星过境时间、兴趣区中心经纬度、大气模式及传感器类型等获得,具体参数可通过NASA相关网页直接获得(http://atmcorr.gsfc.nasa.gov/)。τ为大气路径透过率,可由NASA相关网页查询获取;ε为地物比辐射率,可根据近红外与可见光数据计算得到。
(6)
式中,Tsurface 是地表真实温度,K1K2 为Landsat预设的定标常数。对于Landsat,依据其不同的影像扫描类型,参数取值不同:TM数据K1 =607.76 W/(Wm2srμm),K2 =1260.56 K;Landsat 8 OLI数据K1 =774.89 W/(Wm2srμm),K2 =1321.08 K。
2   数据样本描述
2.1   城市热岛格局变化数据集
根据前人研究的成果,热岛效应一般发生在天气晴朗无云、风速较小的时间。在经过归一化的基础上,采用辐射传输方程方法进行陆表温度反演,计算出2008、2015年共2景(无云或少云)海口市陆表温度,为根据去云结果,选取海口市北部区域,结果如图2所示。




图2   2008年(上)、2015年(下)热岛强度分布图
2.2   不同时相的亮温差值数据集
为了进一步分析2008–2015年海口市城市热岛的空间变化特点,利用ArcGIS空间分析模块中的栅格计算器将2008年和2015年的亮温数据做差值计算,得到差值影像(图3)。


图3   海口市差值影像图
2.3   2008–2016年NDVI、NDBI数据集
海口市作为我国“一带一路”战略支点城市,北部湾城市群中心城市,是海南省城市化进程较快的地区。随着城区人口的增加以及旅游业的发展,大量的农田、绿地、湿地等自然景观转变为工业用地和居民住宅用地。大量的人工建筑物改变了城市下垫面的热力性质,使同样的条件下,接收了更多太阳辐射以热量存蓄起来,增加了城市的热岛效应。同时,绿地、水体面积的减少,城市热岛的缓解能力减弱。为直观表述其驱动力影响,得到2008–2016年NDVI、NDBI(建筑物覆盖指数)值(图4)。



(a)




(b)




(c)




(d)




(e)

图4   2008–2015年海口市NDVI、NDBI值
(a)2008年11月;(b)2013年4月;(c)2015年6月;(d)2015年11月;(e)2016年12月
3   数据质量控制和评估
由于研究区海口市的水体面积较小,故可以认为研究区的地表覆盖物由植被、建筑物组成。因此,通过NDVI、NDBI与地表温度建立关系,采用回归分析的数学方法分析数据质量控制和评估(图5、图6)。

(a)


(b)


(c)


(d)


(e)

图5   NDVI与地表温度的相关关系图
(a)2008年11月;(b)2013年4月;(c)2015年6月;(d)2015年11月;(e)2016年12月

(a)


(b)


(c)


(d)


(e)

图6   NDBI与地表温度的相关关系图
(a)2008年11月;(b)2013年4月;(c)2015年6月;(d)2015年11月;(e)2016年12月
由图5和图6的NDVI与NDBI和地表温度的相关性最大可达到−0.497和0.537,说明热岛效应的变化与下垫面变化有关,图中可以看出随着NDVI值升高,地表温度值变低,说明地表植被覆盖对城市热岛效应能起到抑制的作用。地表地物覆盖由部分的植被覆盖变为了建筑物覆盖,下垫面热属性的改变直接反映在城市热岛的分布和变化上,这也就是年间城市热岛效应程度加剧的原因所在,更为缓解城市热岛效应带来了启示。
4   数据价值
从本数据集中可以得到2008–2015年的海口市温度上升变化明显的主要区域,这一现象说明在海口市城市化的发展进程中,海口市琼州海峡及南渡河西部发展较快,热岛分布随城市化的扩张而蔓延。高精度的NDVI、NDBI产品可以得到造成城市热岛程度的增加与城市地表覆盖物以及人类生活方式的剧烈变化、更多城市构筑物取代了自然景观有关系。可以用于不同卫星遥感同类产品的校正和融合,有效弥补地面观测与常规遥感监测的匹配问题。
同时,随着城市人口的急剧增长,可以分析造成城市热环境恶化的原因。如何缓解和解决海口市城市热岛成为日趋严重的问题,需要结合海口市发展的实际情况,为缓解海口市城市热岛效应提出合理的、有效的措施及对策。
[1]
AHN Y H, SHANMUGAM P, LEE J H, et al. Application of satellite infrared data for mapping of thermal plume contamination in coastal ecosystem of Korea[J]. Marine Environmental Research, 2006, 61(2): 186-201.
[2]
AMIRI R, WENG Q, ALIMOHAMMADI A, et al. Spatial-temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area, Iran[J]. Remote Sensing of Environment, 2009, 113(12): 2606-2617.
[3]
ANDERSON M C, NORMAN J M, KUSTAS W P, et al. A thermal-based remote sensing technique for routine mapping of land-surface carbon, water and energy fluxes from field to regional scales[J]. Remote Sensing of Environment, 2008, 112(12): 4227-4241.
[4]
CARLSON T N, SANCHEZ-AZOFEIFA G A. Satellite remote sensing of land use changes in and around San Jose, Costa Rica. Remote Sensing of Environment 1999, 70(3): 247-56.
[5]
CARLSON T N, DODD J K, BENJAMIN S G, et al. Satellite estimation of the surface energy balance, moisture availability and thermal inertia. J Appl Meteorol 1981, 20(1): 67-87.
[6]
ZHU Y, DALIN P Q. Study on Rescue System for Traffic Accident Based on Multi-Agent Technique[J]. China Safety Science Journal, 2002, 12(1): 51-55.
[7]
GIRIDHARAN R, GANESAN S, LAU SSY. Daytime urban heat island effect in high-rise and high-density residential developments in Hong Kong[J]. Energ Buildings, 2004, 36(6): 525-534.
[8]
曾永年, 张少佳, 张鸿辉, 等. 城市群热岛时空特征与地表生物物理参数的关系研究[J]. 遥感技术与应用 2010, 25(01): 1-7.
[9]
陈峰, 何报寅, 龙占勇, 等. 利用Landsat ETM+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, 2008 (02): 56-67.
[10]
CHEN X L, ZHAO H M, LI P X, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment 2006; 104(2): 133-146.
[11]
陈命男, 张浩, 唐靖寅, 等. 上海城市地表热环境多时期遥感研究[J]. 中国环境科学, 2011 (07): 143-151.
[12]
李丽光, 王宏博, 贾庆宇, 等. 辽宁省城市热岛强度特征及等级划分[J]. 应用生态学报, 2012 (05): 1345-1350.
[13]
刘磊. 城市热力景观布局对热岛效应的影响——以南京为例[J]. 内蒙古气象, 2012 (05): 9-12.
[14]
DENG C, WU C. Examining the impacts of urban biophysical compositions on surface urban heat island: A spectral unmixing and thermal mixing approach. Remote Sensing of Environment 2013; 131: 262-274.
[15]
孟丹, 王明玉, 李小娟, 等. 京沪穗三地近十年夜间热力景观格局演变对比研究[J]. 生态学报, 2013 (05): 1545-1558.
[16]
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(地球科学版), 2013, 43(6): 1987-1996.
[17]
徐涵秋. 城市不透水面与相关城市生态要素关系的定量分析[J]. 生态学报, 2009, 29(5): 2456-2462.
[18]
GALLO K P, MCNAB A L, KARL T R, et al. The Use of Noaa Avhrr Data for Assessment of the Urban Heat-Island Effect. J Appl Meteorol 1993; 32(5): 899-908.
[19]
岳文泽, 徐丽华. 城市土地利用类型及格局的热环境效应研究——以上海市中心城区为例[J]. 地理科学 2007 (02): 243-248.
[20]
张春桂, 潘卫华, 季青. 基于MODIS数据的城市热岛动态监测及时空变化分析[J]. 热带气象学报, 2011 (03): 396-402.
[21]
BAIG M H A , ZHANG L , SHUAI T , et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5): 423-431.
[22]
BHANG K J, PARK S S. Evaluation of the Surface Temperature Variation With Surface Settings on the Urban Heat Island in Seoul, Korea, Using Landsat-7 ETM+ and SPOT[J]. IEEE Geoscience & Remote Sensing Letters, 2009, 6(4): 708-712.
[23]
BOUYER J, VINET J, DELPECH P, et al. Thermal comfort assessment in semi-outdoor environments: Application to comfort study in stadia[J]. Journal of Wind Engineering & Industrial Aerodynamics, 2007, 95(9): 963-976.
[24]
BRAZEL A, GOBER P, LEE S J, et al. Determinants of changes in the regional urban heat island in metropolitan Phoenix (Arizona, USA) between 1990 and 2004. Climate Research, 2007, 33(2): 171-182.
[25]
BUYANTUYEV A, WU J. Urban heat islands and landscape heterogeneity: linking spatiotemporal variations in surface temperatures to land-cover and socioeconomic patterns[J]. Landscape Ecology, 2009, 25(1): 17-33.
[26]
CARLSON T N, ARTHUR S T. The impact of land use - land cover changes due to urbanization on surface microclimate and hydrology: a satellite perspective[J]. Global Planet Change, 2000, 25(1-2): 49-65.
数据引用格式
王子安, 孟庆岩, 胡蝶, 等. 基于Landsat 8数据的海口市热岛效应变化数据集[DB/OL]. Science Data Bank, 2018. (2018-11-30). DOI: 10.11922/sciencedb.696.
稿件与作者信息
论文引用格式
王子安, 孟庆岩, 胡蝶, 等. 基于Landsat 8数据的海口市热岛效应变化数据集[J/OL]. 中国科学数据, 2019. (2019-02-11). DOI: 10.11922/csdata.2018.0085.zh.
王子安
Wang Zi'an
主要承担工作:数据处理和分析。
(1996—),女,山东日照人,硕士生,主要从事城市热环境遥感研究。
孟庆岩
Meng Qingyan
主要承担工作:数据集设计及技术指导。
mengqy@radi.ac.cn
(1971—),男,黑龙江肇东人,博士,研究员,博士生导师,主要从事城市陆表环境遥感研究。
胡蝶
Hu Die
主要承担工作:数据下载与分析。
(1994—),女,天津人,博士生,主要研究方向为城市热环境。
谷艳春
Gu Yanchun
主要承担工作:数据处理和分析。
(1993—),女,河南周口人,硕士生,主要研究方向为城市热环境。
张颖
Zhang Ying
主要承担工作:数据集设计及技术指导。
(1994—),男,湖北武汉人,博士生,主要研究方向为城市热环境。
出版历史
I区发布时间:2019年2月12日 ( 版本ZH1
参考文献列表中查看
中国科学数据
csdata