馬術蒲智

（新疆農業(yè)大學計算機與信息工程學院 烏魯木齊 830052）

1 引言

人類活動使城市熱島效應日益突出，對城市生態(tài)環(huán)境造成嚴重危害。目前，相關研究已在不同城市廣泛展開。研究表明，城市化進程加快會引起城市熱島效應；在市區(qū)內，不同土地利用/土地覆蓋形式對城市熱島的形成作用不同，工業(yè)用地和居民區(qū)用地加劇城市熱島效應，植被抑制熱島效應［1］。

城市熱島效應的產生與覆被類型的變化相關。目前，缺乏關于覆被與城市熱島效應相關因素研究。本文選擇烏魯木齊市4期高分辨率遙感影像，選擇分類效果最好的監(jiān)督分類算法，運用土地利用類型開發(fā)度方法解譯地表溫度的變化，并利用主成分分析方法綜合分析該地區(qū)的LUCC對地表溫度的影響，為城市科學發(fā)展提供參考。

2 數據來源

烏魯木齊市的4期影像來自地理空間數據云（http：//www.gscloud.cn/）［2］，云量均小于 10；烏魯木齊市區(qū)行政矢量邊界來源于中國科學院資源環(huán)境數據中心［3］。圖像預處理和地表溫度反演等步驟均在ENVI5.1中完成。地表溫度反演中為保證數據的可靠性，采用6-8月份這個時間段的影像。利用RS和GIS技術對不同覆被的面積進行提?。?］，再利用SPSS進行主成分分析。

3 研究方法

3.1 趨勢分析法

回歸方程的相關系數通過信度為0.05、0.01的顯著性水平，分別表示LST減少或增加趨勢分別達到顯著和極顯著［5］。

3.2 地表溫度反演算法

在地表溫度反演過程中，應用了輻射傳輸方程法，也稱為大氣校正法。在獲取地表溫度值上有一定的優(yōu)勢和準確性。其主要的輻射傳輸方程如式：

式中：B（Ts）為Ts溫度下黑體的地表輻射亮度值；Lλ為熱紅外輻射亮度值；ε為地表輻射率；τ為大氣在熱紅外輻射波段的透射率；L↑，L↓—大氣向上和向下輻射量度值；Ts為地表真實溫度（℃）；K1和K2為傳感器發(fā)射前預設的常量，值分別為K1=1206.56K和K2=1321.0789K［6］。其式中的 τ，L↑ 和L↓這3個值是通過NASA官網（http：//atmcorr.gsfc.nasa.gov/）輸入相應的參數求得。

3.3 LUCC監(jiān)督分類算法及精度評價

本文運用監(jiān)督分類方法提取新疆烏魯木齊市地表覆被信息。ENVI的監(jiān)督分類的六種分類方法分別是：最大似然［7］，最小距離［8］，平行六面體［9］，馬氏距離，神經網絡，支持向量機［10～11］。

總體分類精度反映了分類圖中正確分類的像元占總像元數的比例，值越大，表示分類效果越好，精度越高［12］。

Kappa系數可以準確地驗證分類準確性，現(xiàn)已發(fā)展成為遙感影像分類的主要精度評價方法［13］。Kappa系數分類評價標準現(xiàn)已普遍地運用于影像分類精度評價中，如表1所示。

表1 Kappa系數分類評價標準

制圖精度能反映地物是否被準確分類，并且可以用來比較各種分類方法的好壞，制圖精度越低，漏測誤差越高［14］。

用戶精度用來反映分類圖中各類別的可信度，用戶精度越低，多測誤差越高。

3.4 覆被動態(tài)變化

土地利用/覆被動態(tài)度和開發(fā)度都是來描述土地利用/覆被變化，動態(tài)度主要用于土地利用整體格局分布的變化分析，而開發(fā)度主要是對單一土地利用類型的變化分析。兩者都對于土地利用/覆被變化的研究與分析有顯著的作用。研究區(qū)域土地利用/覆被整體變化速度的計算公式：

式中：LU—綜合土地利用動態(tài)度［LU取值為4種情況，第一緩慢變化（0～3%）；第二慢速變化（4%～12%）；第三快速變化（13%～20%）；第四急速變化（21%～25%）］；?LUi-j為第i種土地利用類型從初到末轉換為其余土地利用類型的面積總和（hm2）；LUi為研究初期第i種土地利用類型的面積（hm2）；T 為時間（a）。

土地利用類型開發(fā)度的計算公式：

式中：LUD為土地利用類型的開發(fā)度（%）；Dab為從初期到末期，其余土地利用類型轉換為第a類土地的面積之和（hm2）；Ua為初期a類土地利用類型的面積（hm2）。

4 結果與分析

4.1 Landsat TM反演溫度的驗證

對1個氣象觀測站的LST實測值與Landsat TM反演的4期LST值進行精度驗證。4期圖像的8月實測LST值與Landsat TM反演的地表溫度的誤差基本在1℃左右。通過了0.01顯著性檢驗，R2為0.963。顯著性檢驗的線性回歸方程達到極顯著水平。這表明Landsat TM反演溫度反映真實LST，能用于烏魯木齊市LST時空分布研究，具有一定的合理性。

4.2 年際LST變化特征

圖1顯示了烏魯木齊市LST的逐年變化以及LST相對變化率的年際波動。從圖2中可以看出，烏魯木齊市1990-2014年的年平均LST的波動范圍為21.64℃～24.85℃，年平均LST為22.59℃，每年的平均LST呈現(xiàn)一定的波動，年際波動較大。在1990年和2006年出現(xiàn)了多年平均年溫度超過LST年均值的年份，其它年份低于多年平均值，其中1990年和2006年分別超出多年平均值2.26℃、1.26℃，1998-2014年呈下降趨勢。

圖1 烏魯木齊市1990年-2014年LST值

4.3 精度評價

運用ENVI軟件平臺，通過一定的驗證樣本數據來評估影像分類結果的準確性。表2列出了不同分類算法的總體分類精度和Kappa系數，可以反映不同分類算法的優(yōu)劣及分類效果的好壞［15］。

表2顯示了不同分類算法對不同覆被的分類精度。平行六面體、最小距離、馬氏距離、最大似然、神經網絡和支持向量機的總體分類精度分別為83.41%、82.20%、51.71%、64.03%、75.04%、93.75%，Kappa系 數 分 別 為 0.68、0.68、0.30、0.44、0.16、0.84。在區(qū)分不同地物方面，神經網絡對未利用地達到最高的分類精度，最小距離對建設用地達到幾乎最高的分類精度。

表2 各分類算法對研究區(qū)不同覆被分類精度對比

表3為各分類算法制圖精度對比結果，對比各種分類算法的制圖精度可發(fā)現(xiàn)，平行六面體對建設用地的制圖精度極低，表明對建設用地的漏測現(xiàn)象極為嚴重，最小距離對植被的漏測現(xiàn)象嚴重，馬氏距離對植被和未利用地漏測現(xiàn)象較為嚴重，最大似然對建設用地的漏測現(xiàn)象嚴重，神經網絡對水域和建設用地的制圖精度為0，表明對這兩種覆被沒有分辨，支持向量機對各種覆被的制圖精度均較高，漏測現(xiàn)象較少。

表3 各分類算法對研究區(qū)不同覆被制圖精度%

從各種分類算法的用戶精度對比表（表4）可知，平行六面體對建設用地分類的多測現(xiàn)象嚴重，最小距離對建設用地的多測現(xiàn)象嚴重，馬氏距離對建設用地有多測現(xiàn)象，最大似然對植被和建設用地有多測現(xiàn)象，神經網絡對水域和建設用地多測誤差較高，支持向量機對植被的多測現(xiàn)象嚴重。

表4 各分類算法對研究區(qū)不同覆被的用戶精度

4.4 覆被與地表溫度的變化

4.4.1 覆被數量變化

烏魯木齊市區(qū)近24年的覆被面積變化如圖2所示。24年中植被面積減少，其中1990-1998年間面積上升，2006-2014年間面積上升。未利用地總體面積下降，1998-2006年間面積略有回升。水域的面積未發(fā)生明顯變化，下降了1.53%。建設用地的面積增長迅速，主要是因為年以來中國城市化進程的步伐加快，及其城市人口的逐漸增多所致。

4.4.2 覆被動態(tài)變化分析

運用土地利用動態(tài)度式和土地利用開發(fā)度式兩種方法，結合土地利用轉移矩陣的數據，得到了烏魯木齊市區(qū)土地利用的動態(tài)變化值［16］。從表5可看出，24年中綜合土地利用動態(tài)度處于先下降后上升趨勢。水域的開發(fā)度在1990-1998年最高；建設用地的開發(fā)度在1990-1998年最高，說明城市化進程加快；植被的開發(fā)度在2006-2014年達到最大值6.76%，表明對于植被的保護意識有所上升；未利用地在2006-2014年達到最大，其值為14.88%，其主要原因是市區(qū)內建設用地的擴張。

圖2 1990-2014年烏魯木齊市不同覆被面積變化特征

表5 烏魯木齊覆被類型開發(fā)度

4.4.3 LUCC與地表溫度變化分析

由于烏魯木齊市區(qū)覆被類型與地表溫度的變化可得出，該地區(qū)溫度從高到低的覆被類型依次是：建設用地>其他用地>植被>水域。水域一直保持著最低溫度。除此之外，水域面積的增加可以促進周邊環(huán)境下墊面的地表溫度降低，主要是植被。相反，植被的地表溫度會升高。由圖3和圖4可知，植被一直屬于常溫區(qū)，隨著整體溫度的升高與下降在變化，可以得出植被在地表溫度的變化中有一定的抑制作用。隨著烏魯木齊市建設用地的不斷開發(fā)，面積逐步擴大，使得地表的透水性能變差，導致高溫區(qū)的面積擴大。由地表溫度空間分布圖可看出，高溫區(qū)面積隨著建設用地的擴大而擴大。

4.4.4 主成分分析

主成分分析主要根據變量之間的轉換保持總方差不變的原理，利用降維的優(yōu)勢使新產生的變量將原有的信息更加集中化的表現(xiàn)出來。雖然對于地表溫度的影響因素眾多，不同的因素對其影響程度各不相同。本文主要用8月LST、水域、建設用地、未利用地、植被五種因素用SPSS軟件進行主成分分析。由表6可以看出水域和植被與LST抑制熱島效應。建設用地和未利用地與LST加劇熱島效應。

圖3 4期烏魯木齊市覆被圖

表6 主成分相關矩陣

5 結語

本文利用4期Landsat TM遙感影像對烏魯木齊市區(qū)的覆被進行分類，并反演了地表溫度。主要分析了覆被的動態(tài)變化，并結合地表溫度分析了覆被的變化對溫度的影響，得出結論如下：

1）通過Landsat TM數據反演的溫度可以充分反映站點實際測得的LST。

2）1990-2014年烏魯木齊市年平均LST的波動范圍為21.64℃～24.85℃，多年平均LST為22.59℃，其中1990年和2006年分別超出多年平均值2.26℃、1.26℃。

3）不同監(jiān)督分類算法的分類精度不同，支持向量機分類精度最高。

4）24年中綜合土地利用動態(tài)度處于先下降后上升趨勢。

5）用8月LST、水域、建設用地、未利用地、植被五種因素用SPSS軟件進行主成分分析，水域和植被抑制LST，建設用地和未利用地促進LST。