减化比值植被指数在城市热环境研究中的应用

王伟，申双和，赵小艳，杨沈斌

(南京信息工程大学1.江苏省农业气象重点实验室;2.应用气象学院，江苏南京210044)

0 引言

在全球气候变暖和高速城市化背景下，城市生态环境日益恶化(肖荣波等，2005;郑祚芳等，2006)，伴随而生的城市热岛(urban heat island，UHI)突出，如何定量分析和有效缓解UHI已成为城市气候研究的重要课题(岳文泽等，2010)。

植被覆盖与地表温度(land surface temperature，LST)间的关系一直是UHI研究的热点，传统上主要利用归一化植被指数(normalized difference vegetation index，NDVI)作为城市热环境指标来耦合两者间的关系(Gavin and Owen，1999;Dousset and Gourmelon，2003;张佳华等，2005;王桂玲等，2007;倪敏莉等，2009)。而最新研究发现，不同土地利用类型上相同的植被覆盖变化引起的地表温度变化程度不同(岳文泽等，2006;Yue and Tan，2007;樊辉，2008;刘朝顺等，2008;唐曦等，2008;王天星等，2008)，增加相同水平的植被，降温程度在植被占优势的地区不及非植被或少植被区，若不进行土地利用分类，地表温度和NDVI的线性关系无法揭示此现象。可见，NDVI作为城市热环境指标存在缺陷。

减化比值植被指数(reduced simple ratio，RSR)是综合红光、近红外和短波红外的三波段植被指数，其构思源于Nemani et al.(1993)对NDVI的短波红外修正，后由Brown et al.(2000)在反演加拿大北方森林叶面积指数(leaf area index，LAI)时正式提出，其在LAI反演(Nemani et al.，1993;Brown et al.，2000;Chen et al.，2002;Eklundh et al.，2003;Stenberg et al.，2004;骆知萌等，2005)、森林生态系统过程模拟(Nemani et al.，1993)、陆地景观变化监测(Chen et al.，2005)、地上生物量估算(Zheng et al.，2007)、全球气候变化和碳循环(Zheng et al.，2007)研究中得到了广泛应用。与近红外高反射率相比，短波红外反射率减小由其对水分的强吸收造成，短波红外在表征植被冠层郁闭度、监测下垫面含水量和区分植被方面的优势是近红外和红光波段无法比拟的(Nemani et al.，1993)。下垫面主要通过植被覆盖和有效水分来控制地表温度(Owen et al.，1998;Weng et al.，2004)，作为综合植被、冠层结构和湿度等信息的RSR在城市热环境研究中适用性怎样，RSR与地表温度的定量关系如何，NDVI和RSR在城市热环境中的应用结果有何差异，这些研究还未见报道。

本文基于陆地资源卫星像元尺度，首次探讨了RSR与地表温度间的定量关系，与NDVI应用结果进行对比研究，并探讨了可能原因，依据相同的技术方案分析了中国6个城市夏季地表温度和植被覆盖的关系特征，以期评价RSR在城市热环境研究中的适用性，揭示植被降温的普遍规律，为城市规划和改善城市气候提供参考。

1 资料与方法

1.1 研究区概况与资料

南京市位于118°22'～119°14'E、31°14'～32°36'N，属亚热带季风气候区，夏季高温闷热，是典型的“火炉”城市。长三角经济中心的确立和城市化进程的加快使南京土地利用、覆被发生了巨大变化，引发了一系列生态环境问题，UHI显著(杨英宝和江南，2009)。

选用南京市2002年8月21日10:30(北京时)过境的Landsat ETM+影像为数据源，研究区无云覆盖，成像条件较好，适于地表特征参数反演。影像数据经过几何精校正，总体误差控制在0.5个像元以内，转换投影坐标系统(地图投影:UTM;投影分带:50N;基准面:WGS-84)。TM和ETM+影像Band1—5、Band7的空间分辨率均为30 m，Band6空间分辨率分别为120 m和60 m，将热红外波段(Bnad6)空间分辨率重采样至30 m。在ERDAS IMAGINE 9.1的ATCOR2模块中，设置能见度、气溶胶类型等参数，并参考标准地物光谱来调整参数以合理考虑像元邻近效应，辐射定标系数由影像自带文件计算生成，温度和反射率输出比例因子设为4，进行大气校正，将像元亮度值DN(digital number)转化为实际反射率。用1∶10万矢量边界图(http://sedac.ciesin.org/china/econ/ybook/ybk90sources.html)裁剪南京城区作为研究区。文中气象数据来源于中国气象数据共享服务网(http://cdc.cma.gov.cn/)。

为探讨RSR在典型城市热环境研究中的适用性，本文获取了中国6大城市夏季遥感影像(表1)，影像选择兼顾地理、地貌和气候等差异，运用相同的大气校正和参数反演方案。

表1 获取的Landsat TM/ETM+影像数据Table 1 Landsat TM/ETM+images

1.2 植被指数提取

NDVI计算公式(赵英时等，2003)如下:

RSR计算公式(Brown et al.，2000)如下:

式中:ρR、ρNIR和ρMIR分别是红光、近红外和短波红外通道的反射率;ρMIR-min和ρMIR-max是完全郁闭冠层和完全开放冠层的短波红外反射率。

1.3 地表温度反演

将热红外波段像元亮度值DN转化为热辐射强度Lsensor。

式中:LQCA为DN;LQCA-max=255;LQCA-min=1;Lmax和Lmin为最大、最小光谱辐亮度，从头文件中获取。根据Plank函数求算亮温的公式(Owen et al.，1998;Xiao et al.，2007)为

式中:K1、K2为定标系数，取值见表2。

通过地表比辐射率ε校正，将亮温转化为实际地表温度(℃)(Artis and Carnahan，1982)。

式中:λ为热红外波段的中心波长(11.45 μm);ρ=1.438×10－2m·K;ε计算方法参考Sobrino et al.(2004)。

2 结果与分析

2.1 地表温度反演结果验证与分析

用南京小校场气象观测站(118.8°E，32°N)地表温度实测值验证发现，反演结果单点精度在1℃内。使用成像时间相近的ASTER数据反演的地表温度(赵小艳等，2009)对比发现，基于不同影像、不同算法反演的同一地区地表温度空间分布十分吻合(图1)，说明本文运用ATCOR2进行大气校正后，利用基于影像反演方法得到的地表温度进行城市热环境分析可行。

2002年8月21日，研究区地表最高温度达56℃，最低温度约为23℃，从分布格局来看，南京市存在明显的UHI。南京城区和工业园区是高温区，地表温度普遍在40℃以上，且高于45℃的地点较多，呈斑块状分布;紫金山等林地、玄武湖等水体和绿化较好的公园地表温度相对较低，普遍低于35℃;长江水体表面温度最低，均在30℃以下，水体对UHI有一定的缓解作用(朱焱和朱莲芳，2009)。

表2 地表温度反演中参数值设定Table 2 Defined parameter values in land surface temperature retrieval

图1 南京城区ETM+数据(a)和ASTER数据(b)地表温度反演结果(单位:℃)Fig.1 Retrieved land surface temperature from(a)ETM+and(b)ASTER images in Nanjing City(units:℃)

2.2 两种植被指数与地表温度定量关系的比较

对整个研究区进行水体掩膜，图2是地表温度与NDVI、RSR的二维散点图和回归结果。结果显示，地表温度与NDVI呈显著线性负相关，与RSR呈幂函数负相关，相关系数均通过0.01信度的显著性检验，地表温度和RSR拟合方程的判定系数为0.738 1，相关性更强，两者的拟合误差出现在植被稀疏且地表温度较高的地区，这与城建区、工业区的人为热源释放和裸地的奇异高温有关(肖荣波等，2007)。回归结果均表明，植被覆盖度高的区域地表温度明显低于植被覆盖度低的区域，加强绿化可有效改善城市热环境。

由图3可见，RSR与NDVI呈显著指数关系，判定系数为0.947 1，拟合模型与张仁华(2009)通过高塔遥感试验场观测资料得出的NDVI与LAI非线性函数关系相似，并能体现NDVI“饱和”现象(Weng，2009)。

图2 地表温度与NDVI(a)和地表温度与RSR(b)的拟合模型Fig.2 Scatter plot and regression models of(a)LST vs.NDVI and(b)LST vs.RSR

图3 RSR与NDVI的拟合模型Fig.3 Scatter plot and regression model of RSR vs.NDVI

另外，从图2中也可看出有别于传统的线性关系，地表温度与RSR之间呈现显著的幂函数负相关，即随着植被覆盖增加，地表温度递减速率逐渐降低，而NDVI表征的植被降温效率却是恒定的。当INDV＞0.7时，可认为植被覆盖度为1(Carlson and Ripley，1997)，以INDV=0.7代入拟合方程算得IRSR≈3.2，对LST与RSR的函数关系进行求导，导数值即为地表温度随RSR增加而降低的速率，当IRSR≈3.2时，降温速率接近于1℃/IRSR。当IRSR＜3.2时，降温速率超过1℃/IRSR，地表温度随着RSR的增加迅速降低;当IRSR＞3.2时，降温速率低于1℃/IRSR，随着RSR增加，其降低趋势变缓，渐近于定值，呈现植被降温效应的“饱和”现象。这表明在不同的植被覆盖水平下，植被的降温效果存在差别，地表温度递减速率依赖于植被覆盖水平，即使在IRSR＜3.2时，植被降温速率在不同的覆盖水平下差异也较为明显(图2b)。可见，提高植被覆盖对裸地、建设用地等植被稀疏区域的降温效果明显，而进一步提高园地和林地等植被茂密区域的植被覆盖度降温效果甚微，这与前人研究得出的结论(岳文泽等，2006;Yue and Tan，2007;樊辉，2008;刘朝顺等，2008;唐曦等，2008;王天星等，2008)一致，而NDVI与地表温度的线性负相关关系无法揭示此现象。而且增加绿化程度较高区域的植被覆盖，会限制通风条件，无法缓解城市高温闷热天气(王喜全等，2008)。值得注意的是，RSR临界值随研究区的不同而改变。

2.3 原因分析

研究(Nemani et al.，1993;Brown et al.，2000;Chen et al.，2002;Eklundh et al.，2003;Stenberg et al.，2004;骆知萌等，2005)表明，RSR对植被覆盖类型变化的敏感性小，与LAI的定量关系更好，短波红外的引入可抑制一定的背景影响，故对于混合像元和本研究中的针阔叶混交林，RSR比NDVI更有效。而NDVI不仅受植物种类、叶面积大小、土壤背景和阴影的影响较大，且易“饱和”(Weng et al.，2004;Weng，2009)，这可能是两者拟合误差出现在高植被区的主要原因。排除人为热源释放等因素，地表温度的形成主要受植被覆盖和有效水分的影响(Owen et al.，1998;Weng et al.，2004)，RSR引入的短波红外波段位于水分吸收带之间，可敏感地反映植物和土壤水分含量(赵英时等，2003)。

与NDVI相比，RSR与其波段组合有两点差异。RSR类似于比值植被指数(ratio vegetation index，RVI)，是近红外和红光比值的线性拉伸;RSR引进了短波红外，变成三波段植被指数。为此，在城市热环境研究中引入RVI(IRV)，与NDVI相比，RVI是近红外和红光的线性拉伸，与RSR相比，RVI没有短波红外波段。以相同样点提取RVI，绘制RSR、地表温度与RVI的散点图(图4)，拟合发现，RSR和RVI呈显著的线性关系，拟合方程斜率小于1，佐证了“减化比值植被指数”的含义。与RSR和地表温度的关系相似，RVI能直观体现植被降温效率依赖于下垫面性质的特点和植被降温“饱和”现象，拟合方程判定系数为0.689 2，介于NDVI、RSR与地表温度拟合方程判定系数之间。可见，近红外和红光的比值线性拉伸是造成RSR、NDVI与地表温度关系不同的主要原因。RVI和RSR拟合误差主要出现在高植被覆盖区，且RVI和地表温度的相关性不如RSR与地表温度的相关性强，可能与短波红外可减少背景影响和反映冠层郁闭度有关，此外水分也是重要因素。

图4 RSR与RVI(a)和地表温度与RVI(b)的拟合模型Fig.4 Scatter plot and regression models of(a)RSR vs.RVI and(b)LST vs.RVI

图5 6个城市LST与NDVI的线性关系(左)、LST与RSR的幂函数关系(中)以及NDVI与RSR的指数关系(右)(N:散点数目)Fig.5 (left)The linear relationship between LST and NDVI，(middle)the power function relationship between LST and RSR，and(right)the exponential relationship between NDVI and RSR in six cities(N:the number of scattered points)

2.4 RSR在城市热环境研究中的适用性

由图5可见，在6个城市热环境研究中，地表温度与NDVI的线性关系稳定，地表温度和RSR关系能直观体现植被降温效率的差异性和“饱和”效应。兰州市RSR与地表温度的关系较分散，可能与其干旱气候特征有关(徐全芝等，2003)。除重庆外，NDVI和RSR的指数关系较稳定，且NDVI在高植被区的“饱和”现象明显。说明RSR在中国城市热环境研究中具有一定的适用性，相比NDVI而言，RSR是一种可互补的、甚至更适用的城市热环境评价指标，植被降温效率随着植被覆盖增加而降低，高植被覆盖区植被降温的“饱和”效应是较普适的结论。

3 结论

1)使用ETM+和ASTER数据对南京市地表温度进行同步反演，所得结果空间分布较吻合，用小校场地表温度实测值验证，单点精度在1℃之内，说明本文大气校正和地表温度反演方法适用可行。

2)RSR和NDVI均与地表温度呈显著负相关，植被覆盖度越高，对应的地表温度越低。相比NDVI与地表温度的单一线性负相关，RSR与地表温度的幂函数负相关关系能科学解释不同下垫面植被降温效率的差异性和高植被区降温效应的“饱和”现象。

3)红光和近红外比值的线性拉伸是造成RSR和NDVI在城市热环境研究中差异性的主要原因，RSR波段全面、对水分敏感及NDVI易“饱和”也是重要影响因素。中国6大城市的案例研究表明，本文结论具有一定的普适性，RSR在城市热环境研究中优势明显。在城市规划中，应根据不同下垫面植被降温效果的差异，提出绿地规划新对策，在提高植被覆盖率和绿化限制城市通风的矛盾中寻求平衡，增加分布于城镇、居民区和工业区等稀疏植被区的集中绿地，可有效减缓UHI、改善城市气候。

因植被冠层结构、土壤湿度和真实叶面积难以获取，RSR与叶面积的定量关系以及冠层结构、水分对地表温度的影响机制有待进一步研究。

致谢:加拿大多伦多大学陈镜明院士提供RSR有关文献信息，江苏省农业科学院农业资源与环境研究所农业遥感项目组提供ETM+影像，南京师范大学地理科学学院提供影像大气校正方法，审稿专家提出了宝贵意见，谨致谢忱。

樊辉.2008.基于Landsat TM的城市热岛效应与地表特征参数稳健关系模型［J］.国土资源遥感，19(3):45-51.

刘朝顺，高炜，高志强，等.2008.基于ETM+遥感影像反演不同土地利用类型地表温度的研究［J］.南京气象学院学报，31(4):503-510.

骆知萌，田庆久，惠凤鸣.2005.用遥感技术计算森林叶面积指数—以江西省兴国县为例［J］.南京大学学报:自然科学，41(3):253-258.

倪敏莉，申双和，张佳华.2009.长江三角洲城市群热环境研究［J］.大气科学学报，32(5):711-715.

唐曦，束炯，乐群.2008.基于遥感的上海城市热岛效应与植被的关系研究［J］.华东师范大学学报:自然科学版，2008(1):119-128.

王桂玲，蒋维楣，魏鸣.2007.城市热岛效应的卫星遥感分析［J］.南京气象学院学报，30(3):298-304.

王天星，陈松林，马娅.2008.基于ASTER数据源的地表参数关系分析——以福州市为例［J］.资源科学，30(8):1275-1281.

王喜全，王自发，郭虎，等.2008.北京集中绿化区气温对夏季高温天气的响应［J］.气候与环境研究，13(1):39-44.

肖荣波，欧阳志云，李伟峰，等.2005.城市热岛的生态环境效应［J］.生态学报，25(8):2055-2060.

肖荣波，欧阳志云，李伟峰，等.2007.城市热岛时空特征及其影响因素［J］.气象科学，27(2):230-236.

徐全芝，张万昌，刘三超，等.2003.黑河流域叶面积指数的遥感反演［J］.干旱区研究，20(4):281-285.

杨英宝，江南.2009.近50 a南京市气温和热岛效应变化特征［J］.气象科学，29(1):88-91.

岳文泽，徐建华，徐丽华.2006.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，26(5):1450-1460.

岳文泽，徐丽华，徐建华.2010.20世纪90年代上海市热环境变化及其社会经济驱动力［J］.生态学报，30(1):155-164.

张佳华，侯英雨，李贵才，等.2005.北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析［J］.中国科学D辑:地球科学，35(增刊I):187-194.

张仁华.2009.定量热红外遥感模型及地面实验基础［M］.北京:科学出版社.

赵小艳，申双和，杨沈斌.2009.利用ASTER数据反演南京城市地表温度［J］.南京气象学院学报，32(1):128-133.

赵英时，陈冬梅，杨立明，等.2003.遥感应用分析原理与方法［M］.北京:科学出版社.

郑祚芳，刘伟东，王迎春.2006.北京地区城市热岛的时空分布特征［J］.南京气象学院学报，29(5):694-699.

朱焱，朱莲芳.2009.应用卫星资料分析苏州夏季城市热岛效应［J］.气象科学，29(1):77-83.

Artis D A，Carnahan WH.1982.Survey of emissivity variability in thermography of urban areas［J］.Remote Sens Environ，12:313-329.

Brown L，Chen J M，Leblanc S G，et al.2000.A shortwave infrared modification to the simple ratio for LAI retrieval in boreal forest:An image and model analysis［J］.Remote Sens Environ，71:16-25.

Carlson T N，Ripley D A.1997.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sens Environ，62:241-252.

Chen J M，Pavlic G，Brown L，et al.2002.Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements［J］.Remote Sens Environ，80:165-184.

Chen X，Vierling L，Deering D.2005.A simple and effective radiometric correction method to improve landscape change detection across sensors and across time［J］.Remote Sens Environ，98:63-79.

Dousset B，Gourmelon F.2003.Satellite multi-sensor data analysis of urban surface temperature and land cover［J］.ISPRS Journal of Photogrammetry＆Remote Sensing，58:43-54.

Eklundh L，Hall K，Eriksson H，et al.2003.Investigation the use of Landsat thematic mapper data for estimation of forest leaf area index in southern Sweden［J］.Canadian Journal of Remote Sensing of Environment，29(3):349-362.

Gavin K P，Owen T W.1999.Satellite-based adjustments for the urban heat island temperature bias［J］.Journal of Applied Meteorology，38:806-813.

Nemani R，Pierce L，Running S，Band L.1993.Forest ecosystem processes at the watershed scale:Sensitivity to remotely-sensed leaf area index estimates［J］.Int J Remote Sens，14:2519-2534.

Owen T W，Carlson T N，Gillies R R.1998.An assessment of satellite remotely-sensed land cover parameters in quantitatively describing the climatic effect of urbanization［J］.Int J Remote Sens，19(9):1663-1681.

Sobrino J A，Jimenez-Munoz J C，Paolini L.2004.Land surface temperature retrieval from LANDSAT TM5［J］.Remote Sens Environ，90(4):434-440.

Stenberg P，Rautiainen M，Manninen T，et al.2004.Reduced simple ratio better than NDVI for estimating LAI in Finnish pine and spruce stands［J］.Sliva Fennica，38(1):3-14.

Weng Q H.2009.Thermal infrared remote sensing for urban climate and environmental studies:Method，applications，and trends［J］.ISPRS Journal of Photogram metry and Remote Sensing，64:335-344.

Weng Q H，Lu D S，Schubring J.2004.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies［J］.Remote Sens Environ，89:467-483.

Xiao R B，Ouyang Z Y，Zheng H，et al.2007.Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing，China［J］.Journal of Environmental Sciences，19:250-256.

Yue W，Tan W.2007.The relationship between land surface temperature and NDVI with remote sensing:Application to Shanghai in Landsat7 ETM+data［J］.Int J Remote Sens，19:3024-3226.

Zheng G，Chen J M，Tian Q J，et al.2007.Combining remote sensing imagery and forest age inventory for biomass mapping［J］.Journal of Environmental Management，85:616-623.