-
近年来,由于经济的快速发展,城市人口在不断地增长趋于饱和,乡村振兴战略的实施使得一部分城市人口往乡村转移,为乡村居民创建更好的人居环境是目前的一个趋势。地表温度(LST)是显示人居环境舒适度的一个重要指标,而利用遥感手段可以经济地、宏观地获取地表温度。城镇化也给村镇居住环境带来破坏,人口数量的增加,城镇覆盖面积的扩大,下垫面的破坏,使得热岛效应问题也日益严重[1-2]。LAI等[3]从昼夜温差出发探究了热岛效应,而HU等[4]通过大气剖面分析城市热岛效应问题。研究表明,下垫面上所分布的水体、植被以及建筑都对热岛效应问题有一定的影响[5-8]。目前遥感技术在热岛效应问题方面的应用很多,遥感指数由于计算量小等特点被广泛应用[9-10]。利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、不透水面信息指数(NDISI)、归一化水汽指数(NDMI)和改进型归一化差异水体指数(MNDWI)能获得大量地表信息,为分析村镇热环境的主要影响因子奠定基础[11-18]。但目前热岛效应仍存在很多问题,村镇领域的热环境研究未受到重视,遥感技术主要应用于大型城市中心或居住小区,在村镇级别上尚未开展。本研究基于单通道算法[19]对浙江平原型、山地型、滨水型等3种类型村镇进行地表温度反演的基础上,以杭州市为研究对象,分别提取各村镇相应的5类遥感指数(NDVI、NDBI、NDISI、NDMI和MNDWI),分析不同类型村镇地表温度与遥感指数的相关性,为进一步研究浙江村镇宜居热环境提供技术支撑。
-
杭州(29°11′~30°33′N,118°21′~120°30′E)是中国东部城市,该研究区地形复杂,西部为浙西丘陵区,有天目山等主干山脉,东部为浙北平原,地势低平,河网密布。杭州属于亚热带季风气候,雨水充沛,四季分明,全年平均气温为17.8 ℃,夏季气候炎热湿润,而冬季寒冷干燥。
-
本研究遥感影像来源于美国Landsat 8卫星中OLI_TIRS数据,夏季成像时间为2016年7月27日,冬季成像时间为2018年2月23日,该遥感影像数据被用来计算遥感指数、亮温和光谱辐射值。此外,本研究还使用了MODIS数据B1级MYD021KM计算大气含水率,成像时间分别为2016年7月25日和2018年2月23日,是一种校正过的1 km分辨率对地观测数据[20]。
为研究山地、滨水和平原等不同条件下村镇的情况,在杭州市域范围内随机选取27个村镇,其中大型、中型和小型村镇各有9个。所有村镇遍布杭州市域,空间覆盖面较大,具有较好的代表性。在夏、冬两季,选取相同村镇进行横向比较,分析5大遥感指数对地表温度的影响。
-
本研究对已校正的空间分辨率为30 m的Landsat 8遥感影像进行目视判读,分别在夏、冬季节遥感影像上矩形裁剪出27个村镇。由于TIRS11热红外波段定标参数不理想,已提出的劈窗算法误差较大,选用了单通道算法单独利用TIRS10波段来反演地表温度,该算法能够减小反演后的地表温度误差[21]。
该过程主要包含3步:首先利用RIS10和RIS11叠加影像文件对选取的村镇进行裁剪,并计算光谱辐射值和亮温。然后波段叠加MODIS数据的2波段和19波段,并计算大气含水率参数。在重采样之后计算大气水汽含量的参数,最后利用JIMENEZ-MUNOZ等[22]的算法反演地表温度。
金点点等[23]将多种算法反演的地表温度与实际温度进行比较,发现基于Landsat的单通道算法具有较高的精度,且该方法也在各种应用中得到验证。由表1可见:冬季和夏季影像反演的地表温度标准差分别为0.651 和1.400 ℃,表明反演的地表温度具有较高的稳定性,该计算方法可靠性高。
表 1 不同季节地表温度情况统计
Table 1. Surface temperature statistics in different seasons
季节 最低温度/℃ 最高温度/℃ 平均温度/℃ 标准差/℃ 冬 13.116 17.141 15.100 0.651 夏 35.502 43.153 38.369 1.400 -
根据植被的光谱特性,将卫星可见光和近红外波段进行组合,形成各种植被指数。NDVI是植被生长状态及植被覆盖度的最佳指示因子,一般来说,如果NDVI大于0,那么就具有植被,如果NDVI大于0.5,则具有较高的植被覆盖度。其计算公式如下:
$$ {I_{{\rm{NDV}}}} = \frac{{{\rho _{{\rm{NIR}}}} - {\rho _{\rm{R}}}}}{{{\rho _{{\rm{NIR}}}} + {\rho _{\rm{R}}}}}\text{。} $$ (1) 式(1)中:INDV为归一化植被指数;ρNIR与ρR分别为近红外波段与红光波段的反射率。
-
NDBI是由查勇等[13]提出的归一化建筑指数,它能有效地提取城镇用地信息,获得城镇用地分布范围和面积资料。与传统的计算机分类和手工屏幕数字化方法相比,同时具备工作量小和精度高的特点。其计算公式如下:
$$ {I_{{\rm{NBV}}}} = \frac{{{\rho _{{\rm{MIR}}}} - {\rho _{{\rm{NIR}}}}}}{{{\rho _{{\rm{MIR}}}} + {\rho _{{\rm{NIR}}}}}}\text{。} $$ (2) 式(2)中:INBV为归一化建筑指数;ρMIR与ρNIR分别为中红外波段与近红外波段的反射率。
-
MNDWI是基于MEFEETERS[14]提出的归一化差异水体指数(NDWI)修改波长组合所得到的改进型归一化差异水体指数,在提取城镇范围内水体有很好的效果。其计算公式如下:
$$ {I_{{\rm{MNDW}}}} = \frac{{{\rho _{{\rm{Green}}}} - {\rho _{{\rm{MIR}}}}}}{{{\rho _{{\rm{Green}}}} + {\rho _{{\rm{MIR}}}}}}\text{。} $$ (3) 式(3)中:IMNDW为归一化差异水体指数;ρGreen与ρMIR分别为绿光波段和中红外波段的反射率。
-
NDMI也称归一化差异湿度指数,该指数便于研究地表湿度,为地表湿度与村镇温度的关系研究提供依据。其计算公式如下:
$$ {I_{{\rm{NDM}}}} = \frac{{{\rho _{{\rm{NIR}}}} - {\rho _{{\rm{MIR}}}}}}{{{\rho _{{\rm{NIR}}}} + {\rho _{{\rm{MIR}}}}}}\text{。} $$ (4) 式(4)中:INDM为归一化水汽指数;ρMIR与ρNIR分别为中红外波段与近红外波段的反射率。
-
NDISI的基本原理是在研究不透水面的电磁波谱特征的基础上,寻找不透水面最强和最弱的反射波段,然后利用强反射率热红外波段与弱反射率近红外波段建立指数,达到增强不透水面信息的目的,可以显著区分土壤与不透水面。其计算公式如下:
$$ {I_{{\rm{NDIS}}}} = \frac{{{\rho _{{\rm{TIR}}}} - \left( {{\rho _{{\rm{R}}}} + {\rho _{{\rm{NIR}}}} + {\rho _{{\rm{MIR}}}}} \right)/3}}{{{\rho _{{\rm{TIR}}}} + \left( {{\rho _{{\rm{R}}}} + {\rho _{{\rm{NIR}}}} + {\rho _{{\rm{MIR}}}}} \right)/3}}\text{。} $$ (5) 式(5)中:INDIS为不透水面信息指数;ρTIR、ρNIR、ρMIR和ρR分别为TIR10波段、近红外波段、中红外波段以及红光波段的反射率。
-
如图1所示:村镇的地表温度(y)与NDVI(x)具有较好的拟合优度,属于显著的线性负相关关系(P<0.05)。NDVI每增加0.1,地表温度就下降1.421 ℃,这与南阳市农村居民用地NDVI与地表温度[24]的研究结果相一致。可见,增加绿化对优化村镇热环境起到较为显著的作用。
-
图2显示:村镇地表温度(y)和NDBI(x)具有较好的拟合优度,村镇地表温度与NDBI呈显著正相关关系(P<0.05),NDBI每上升0.1,地表温度就上升1.302 ℃。地表温度一定程度上受建筑密度影响,建筑密度越大的地方,地表温度更容易保持高温。建筑主要由钢筋、混凝土等材料建成,密度越高,温度越容易上升,如果建筑的间距过小,那么地表的散热将更加缓慢,温度将保持在高位。建筑密度高让冬季更容易保温,却让夏季不容易降温,保持合理的间距能让人居环境更加舒适。
-
MNDWI与地表温度相关性拟合优度较差,27个村镇的MNDWI与地表温度的负相关性不显著。村镇范围的研究与市域研究的结果不一致[25],村镇内部不包含或较少包含水体,MNDWI主要分布在[−0.2,0],MNDWI在此研究区域内无法与地表温度进行较好拟合(图3)。因此,覆盖面积足够大的水域才能显著降温。现在城镇中的水体都普遍较少,本身河流湖泊的数量就不是很多,再加上城市建设填埋大量的河流湖泊,缩短河流的宽度,数据展示的正是乡村城市化所处的状态。水体的存在虽然无法让整个村镇降温,但能在小范围内发挥一定作用。
-
由图4可见:地表温度(y)与NDMI(x)具有较好的拟合优度。NDMI对以水泥、柏油为主的城乡居民建设用地具有显著的降温作用,高NDMI使得整片的建设用地地表温度下降,NDMI每上升0.1,地表温度就下降0.891 ℃。NDMI与地表温度呈显著负相关关系,且这种相关性强于NDVI与地表温度的相关性。夏季炎热,村镇内地表干燥,如果能够改善地表湿度,就能够显著降温。
从反演结果得出湿度是影响地表温度的主要因子,水分的蒸发可以使地面快速降温。但地面的蒸发速度比较快,想要在降雨之后地面的湿度维持在一个水平难度很大度。降温快,蒸发也快,水分蒸发之后地表依靠湿度的降温手段就十分有限了。目前从几个方面提供建议:①通过洒水车给地面降温,但这种方法还需要考虑村镇的经济条件。②栽植植物固定土壤中的水分,保持地面湿度。③引入大量的暗渠,保持地面或地下水分,从而保持地面的湿度。
-
如图5所示:地表温度(y)与NDISI(x)的拟合效果较差。NDISI的分布较为狭窄,近似矩形,主要集中在[0.35, 0.50],说明地表温度与NDISI的相关性不显著。村镇与市域的研究范围不同,不透水面的影响效果也有一定区别[26-27]。因此,村镇的不透水面对地表温度的影响作用较小,不作为主要的降温手段。
-
针对不同类型的村镇,随机选取了100个样本点,并按上述方法分别提取其地表温度与遥感指数,得到村镇遥感指数与地表温度的皮尔逊相关系数矩阵(表2)。
表 2 地表温度与遥感指数的皮尔逊相关系数矩阵
Table 2. Pearson coefficient matrix of surface temperature and remote sensing index
村镇类型 INDV INDM INDIS INDB IMNDW 滨水 −0.448** −0.478** −0.156 0.496** −0.176 山地 −0.325** −0.375** 0.053 0.414** −0.063 平原 −0.438** −0.536** −0.053 0.474** −0.122 说明:**表示P<0.01(双尾检验) 从表2可见:NDISI在滨水、山地、平原3种地形下的相关系数分别为−0.156、0.053和−0.053,其双尾检验均不显著;MNDWI在滨水、山地、平原3种地形下的相关系数分别为−0.176、−0.063和−0.122,其检验也均不显著。因此,NDISI和MNDWI对地表温度的影响较小。这与上述讨论单地表遥感指数与地表温度的相关性相吻合,NDISI和MNDWI在村镇区域内对地表温度的影响较为微弱。
将NDVI、NDMI和NDBI与滨水、山地和平原地形的相关系数取绝对值。NDVI与滨水、山地和平原的相关系数分别为0.448、0.325和0.438,低于NDMI和NDBI与滨水、山地和平原的相关系数,这也与单地表遥感指数NDVI与地表温度的相关性相吻合。村镇中植被覆盖度高的地方,地表温度相对较低,植被通过蒸腾作用等手段降低地表温度,尤其对降低夏季地表温度具有较强的效果。但是植被对地表的降温需要以自身为媒介,这种降温具有间接性。因此,相对于地面本身的属性,如湿度、建筑密度等,植被对地表降温的能力相对较弱。
单独比较NDMI与NDBI,发现两者都是影响地表温度的重要指标。若要有效地控制地表温度,改变地表湿度和建筑密度是最直接有效的手段。另外,在滨水与山地的状态下,NDMI对地表温度的影响较大,而在平原状态下,NDBI对地表温度的作用明显较强。这种情况需要更多的实验进行相关分析。
从表2还可以发现:山地地形下NDVI、NDMI和NDBI的绝对值分别为0.325、0.375和0.414,均低于平原和滨水的指数。这说明了滨水与平原的地域受到城市化的影响,地表特征开始变得单一,而山地区域的地面情况明显受到更多因素的影响,地表特征更加多样化。
对于村镇建设,为了提升高温下的宜居热环境,首先应该考虑下垫面的湿度、建筑用材以及建筑密度。下垫面湿度的提升能起到一定的降温作用,缓解热岛效应问题;合理的建筑密度则能保持生活空间的合理大小,还有利于通风散热。其次可以在建筑周围种植植物,植物不仅能使建筑降温,还能促进生态环境的循环。虽然村镇中植被覆盖度普遍较低,但有限的植被仍然能够起到显著的降温作用。
-
利用夏、冬季影像对研究区域的夏、冬季地表温度进行了反演,并得到图6。图像的东北部主要是杭州城市中心,西南部是杭州城西的山区丘陵地带。从图6可以看出:夏季城市地表温度高的地方主要集中在东北部,处于杭州市的中心,该区域城市热岛效应严重。到了冬季,城市地表温度高的地方由东北方向移动到西南方向,而城市中心却是温度较低的区域。
杭州市中心城市热岛效应严重,冬季地表温度较低,居住环境较差。杭州西南部傍山、靠水,冬暖夏凉,是适宜人居的区域。因此,未来杭州市的住宅用地可以往西南方向拓展和开发。
从图7可知:夏季影像的拟合度(图1)优于冬季,夏季影像NDVI与地表温度的线性相关性比冬季更加显著。NDVI主要受绿色植物叶片的影响,当冬季许多植物的叶片掉落后,NDVI的效果将会降低。冬季的地表温度较低,不同地方的地表温度变化较小,几个地表遥感指数在冬季的使用效果均较差。因此,在进行遥感分析时,选取相应季节的影像是需要考虑的一项重要举措。
-
通过研究村镇下垫面遥感指数与地表温度的相关性,得出NDMI、NDBI和NDVI是影响地表温度的关键性指标,它们分别代表了下垫面湿度、建筑密度和植被覆盖度。提升下垫面湿度能起到直接的降温作用,提升高温环境下的热舒适度。保持合理的建筑密度有益于通风散热,可以降低村镇夏季的地表温度。在村镇建筑周围合理栽植绿色植物,可以降低建筑外表面温度,同时也可以降低地表温度,从而提高村镇宜居热环境质量。但村镇区域而言,遥感指数与地表温度的相关性与城市内的相关性存在差异,NDISI和MNDWI所对应的不透水面和小范围水域对村镇范围内的地表起不到明显的降温作用。此外,杭州市中心区域热岛效应最为严重,而杭州西南部无论是夏季,还是冬季,其热岛效应均不明显,且地表温度相对杭州其他区域呈现夏季低、冬季高的特点,具有较好的热环境质量,因此该区域宜作为未来新村镇规划与建设的重点区域。
Correlation between the remote sensing index of the underlying surface and the surface temperature in the villages in Hangzhou
-
摘要:
目的 分析不同类型村镇下垫面特征与地表温度(LST)的相关关系,对明晰村镇热环境的影响规律具有重要意义。 方法 利用单通道算法反演村镇的下垫面温度,针对遥感数据不同波段的特性计算了归一化植被指数(NDVI)、归一化建筑指数(NDBI)、不透水面信息指数(NDISI)、归一化水汽指数(NDMI)和改进型归一化差异水体指数(MNDWI)。基于杭州市夏、冬两季的地表温度及遥感指数计算结果,统计分析不同类型村镇下垫面两者间的线性相关性。 结果 地表温度与NDVI呈显著负相关,与NDBI呈显著正相关,与NDMI呈显著负相关。NDMI和NDBI对地表温度的影响大于NDVI,NDISI和MNDWI对地表温度的影响则相对更小;冬季地表温度与遥感指数的相关性弱于夏季。 结论 降低建筑密度,提高下垫面湿度和植被覆盖度都有利于降低村镇夏季地表温度,优化村镇热环境。图7表2参27 Abstract:Objective In order to figure out how the underlying surface influences the thermal environment of villages and towns, the current study is aimed at a further analysis of the correlation between the characteristics of the underlying surface and the surface temperature of various villages and towns. Method First, single-channel algorithm was used to invert the underlying surface temperature of villages and towns. Then, based on the the features of different wave bands of remote sensing data, the normalized difference vegetation index (NDVI), normalized difference build-up index(NDBI), normalized difference impervious surface index(NDISI), normalized difference moisture index(NDMI) and modified normalized difference water index(MNDWI) were calculated. Lastly, on the basis of the results of surface temperature and remote sensing index in summer and winter in Hangzhou, a statistic analysis was conducted of the linear correlation between the characteristics of the underlying surface and the surface temperature of different types of villages and towns. Result The land surface temperature had a significant negative correlation with NDVI and NDMI; but a significant positive correlation with NDBI. The influence of NDMI and NDBI on surface temperature was greater than that of NDVI index, while the influence of NDISI and MNDWI on surface temperature was relatively weaker. The correlation between land surface temperature and surface remote sensing index in winter was weaker than in summer. Conclusion Reducing the building density, improving the underlying surface humidity and increasing vegetation coverage were all conducive to the reduction of the surface temperature of villages and towns in summer and the optimization of the thermal environment of villages and towns. [Ch, 7 fig. 2 tab. 27 ref.] -
目前,环境污染得到广泛重视,水体污染为受关注的热点领域[1]。在水污染物的重金属成分中,铅(Pb)是一种典型的重金属污染物,严重威胁着生态系统和人体健康[2-3],是水污染控制的重点。在众多的水体污染处理技术中[4-5],水凝胶作为一种高含水量,具有良好生物相容性和环保吸附性能的软材料,已被广泛应用于水污染物去除领域[6]。水凝胶基材的选择决定着凝胶吸附性能的强弱。生物质有着廉价易得、生产成本、不易造成二次污染等优点,可作为理想的改性基材。选择生物质作为基材构筑新型高效、绿色吸附材料是发展趋势。在众多生物质基材原料中,海藻酸钠(SA)作为天然的生物质高分子有机物质,由于其亲水性很强,与钙离子(Ca2+)在水溶液中通过离子交换反应聚合形成凝胶球[7-8],能够有效地去除水中重金属[9]。该特性使其成为制备复合吸附剂的理想框架。在传统的化学吸附材料中添加磁性四氧化三铁(Fe3O4)纳米颗粒可以使传统的化学吸附剂具有物理磁性。吸附剂可以在外部磁场下快速从水体中分离,同时不会在环境中产生二次污染,解决了传统吸附剂不容易与水体分离,难以回收的缺点。因此,制备磁性可回收生物质基水凝胶是一项极有新意的工作。结合海藻酸钠和Fe3O4的优良特性,海藻酸钠和烷基化磁性 Fe3O4纳米粒子制备出新型的复合吸附剂,可以达到增强吸附性能的效果,具有低成本、绿色安全和其他优势。具体工作内容是通过硅烷化反应制备含有端氨基的磁性纳米颗粒,进而利用生物质海藻酸钠包覆磁性颗粒,获得生物基磁性凝胶微球吸附材料。纳米级粒度更有利于凝胶球的包覆行为,并使结构更紧密。本研究制备了1种富含氨基、羟基和羧基多官能团的新型磁性复合凝胶球,同时,研究了复合凝胶球的吸附性能。新型磁性复合凝胶球对铅离子(Pb2+)的吸附效果显著,并具有良好的重复利用性能,为绿色零污染吸附剂的制备提供了基础。
1. 材料与方法
1.1 实验材料
海藻酸钠[(C6H7O6Na)n,980 g·kg−1],七水合硫酸亚铁(Ⅱ)(FeSO 4·7H2O,980~1020 g·kg−1),氢氧化钠(NaOH,960 g·kg−1),氯化钙(CaCl2,990 g·kg−1)购自杭州安耐尔技术有限公司;3-氨丙基-三甲氧基硅烷(APTS,纯度970 g·kg−1)购自阿拉丁制药有限公司;氯化铁(Ⅲ)六水合物(FeCl3·6H2O,980 g·kg−1)、无水乙醇(999 g·kg−1)、氢氧化钠(NaOH,250~280 g·kg−1)、氯乙酸(980 g·kg−1)、氯化铅(分析级)、甲醇(995 g·kg−1)、异丙醇丙二醇(995 g·kg−1)购自国药股份化学试剂有限公司;实验水为蒸馏水。
1.2 新型磁性海藻酸钠SA@AM复合凝胶球的制备
磁性粒子Fe3O4(MNP)的制备方法为离子共沉淀法[10]。将5.9 g FeCl3·6H2O和3.0 g FeSO4·7H2O溶解分散于100 mL蒸馏水中,1 mol·L−1NaOH调节溶液pH至11.0,获得磁性粒子(MNP),75 ℃ 超声搅拌40 min,蒸馏水和甲醇交替洗涤数次。采用强磁分离产物,在甲醇溶液储存合成的MNP,备用。
在200 mL甲醇中加入上述制备得到的MNP,搅拌分散。加入10 mL APTS,氮气(N2)保护下(60 ℃)回流搅拌12 h。甲醇洗涤数次,得到端氨基修饰磁性颗粒(AM),磁力法分离产物,储存在甲醇溶液中备用。参考文献[7],取20 mL 10 g·kg−1海藻酸钠溶液在烧杯中,加入氨基修饰AM,搅拌混合后超声波处理30 min;配置20 g·kg−1氯化钙溶液,将混合悬浮液缓慢匀速滴入其中。悬浮液在水中发生交联形成颜色偏黑、粒度均匀的复合磁性凝胶球。凝胶球在CaCl2溶液中充分浸泡48 h后,用超纯水洗涤数次,即得新型磁性海藻酸钠复合凝胶球(SA@AM)。冻干备用。
1.3 原料、中间产物及终产物的表征分析
反应物、中间产物及终产物的红外光谱(IR)谱采用傅立叶变换红外光谱仪(FTIR)测定,扫描波数为4 000~400 cm−1,溴化钾(KBr)压片法制做样品。产物的X射线衍射分析采用粉末衍射仪测试,扫描范围为2θ=20.0°~80.0°,扫描速度为2°·min−1。采用扫描电子显微仪和透射电子显微镜进行样品表观形貌分析。透射电镜采用铜网为载体制样,观察比较MNP、AM和SA@AM复合凝胶球表面形貌。振动样品磁强计(0~±1 T)测量磁化曲线,测试条件为300 K;元素分析仪测试产物元素的分布情况。
1.4 SA@AM吸附重金属离子的性能测试
1.4.1 平衡吸附实验
分别配制以下系列质量浓度10、20、30、40、50、60、70、80、90 mg·L−1的Pb2+标准溶液(pH 6.0),加入1 g的SA@AM凝胶球置于50 mL溶液中,在25 ℃持续吸附3 h。取上清液,确定滤液中离子的浓度,绘制等温吸附曲线,得到产物中Pb2+的最大吸附量。通过模型拟合离子吸附剂的热力学特性并研究吸附曲线。
1.4.2 动力学吸附实验
取1 g的SA@AM微球于50 mL质量浓度为80 mg·L−1的Pb2+标准溶液。在25 ℃振动吸附,并在5、10、15、30、45、60、75、90、105、120 min的间隔取出上清液,并测量上清液中的离子浓度,绘制吸附量随时间变化的曲线,得到离子吸附的动力学曲线。通过动力学模型拟合离子吸附动力学曲线来研究离子的吸附动力学。
2. 结果与讨论
2.1 原料及产物表征方法
2.1.1 原料及产物的红外光谱(IR)分析
由图1可知:在560 cm−1的吸收峰归属于纳米磁性粒子Fe3O4(MNP)的Fe—O伸缩振动峰,3 428 cm−1的吸收峰归属于Fe3O4的—OH的伸缩振动峰[11]。与MNP的红外光谱相比可知:在3 398 cm−1的吸收峰归属于端氨基AM的N—H伸缩振动峰;亚甲基的对称和不对称伸缩振动峰归属于2 919和2 844 cm−1的吸收峰[12];Si—O—C的伸缩振动吸收峰在1 059 cm−1处显现,Fe3O4中Fe—O键的特征吸收峰在560 cm−1出现。比较产物MNP、AM、SA@AM的红外谱可知:在N—H伸缩振动峰归属于3 397 cm−1的吸收峰;制备的产物AM、SA@AM都含有Fe3O4中Fe—O键的特征吸收峰562 cm−1。综上分析可得:图谱所表示的特征峰基本与产物的结构相一致,可以判定目标产物的成功制备。
2.1.2 产物的元素质量分数分析
NMR结构分析是产物表征常用的有效方法。由于强磁材料的特殊性干扰核磁场强,无法获得较为准确核磁谱图,因此,利用元素分析结合X射线衍射仪(XRD)等表征方法对材料结构进行分析。由表1可知:各样品中均可以检测出碳、硅、氧、氮、铁等元素。MNP经硅烷化反应制备得到的富含端氨基AM,AM中氮和硅的质量分数(4.72%和4.98%)有所增加。氨基改性的AM被包覆在SA@AM中,SA@AM与磁性粒子MNP、AM相比,其碳、氧元素的质量分数增加,硅、氮、铁元素的质量分数减少,SA@AM的组成特征与分析结果相符合。综上所述,元素分析质量分数检测结果与产物实际特征相符合,进一步验证了预期产物的成功合成。
表 1 产物样品中各元素质量分数Table 1 The mass fraction of each element in the product sample磁性材料 元素质量分数/% 碳 硅 氧 氮 铁 MNP 13.27 0.01 16.12 0.37 53.25 AM 14.74 4.98 15.97 4.72 47.34 SA@AM 32.96 1.92 20.21 2.34 26.46 2.1.3 产物的表观形貌(SEM/TEM)测试
产物MNP、中间产物(AM)和终产物(SA@AM)的扫描电镜(TEM)、透射电镜(SEM电镜)照片和复合凝胶球外观照片如图2的所示。从图2可见:氨基改性AM的扫描电镜(SEM)图2A看出其结构单一,大小较为均匀,呈圆球状,颗粒堆积成簇。AM的透射电镜(TEM)图(图2B)看出:端氨基AM表面紧致,为不规则、无定形态,尺寸为15~20 nm,中心部分是磁性核粒子为黑色,边缘部分较为松散,为白色透明状,说明氨基硅烷在磁性核粒子上包覆成功。同时,图2显示,AM发生微量堆积而且相互吸附,可能是由于AM自带的磁力使其发生团聚成簇现象[13]。SA@AM的冻干凝胶球SEM图2C看出:AM颗粒附着包覆在海藻酸钠凝胶上,凝胶球含有较多褶皱和大的空隙。这是凝胶球高吸附性能的基础。SA@AM的外观图2D看出:凝胶球为黑色球型,表面光滑而且具有一定的弹性。因此,从表面形貌定性分析,验证得到了目标复合产物。
2.1.4 原料及产物的XRD分析
原料SA、原始产物MNP、AM和终产物SA@AM的XRD谱如图3所示。在图3各样品的XRD图谱中可以得到:MNP、AM和SA@AM在相同位置出现6个典型特征峰,分别为2θ=30.3°、35.4°、43.2°、53.9°、57.2°和 62.8°,分别对应(220)、(311)、(400)、(422)、(511)和(440)6种Fe3O4在X射线中的晶面[14]。其中特征峰的位置和强度均没有发生变化,结构为Fe3O4反尖晶石,磁铁矿晶型表现为顺磁性[15]。表明在改性磁性纳米粒子过程均未改变磁性材料的晶型结构。此外,图3中AM与MNP的XRD曲线比较,非晶相衍射峰在2θ=20.0°~30.0°内出现。此峰是由于非晶相的氨基硅烷包裹在MNP表面所致。终产物SA@AM与SA、AM的XRD曲线图相比,在2θ=20.0°~27.0°内出现SA的非晶相衍射峰;另外,由于SA包覆在MNP表面,使得终产物中Fe3O4在2θ=53.9°的衍射峰变宽。这些结果进一步证明产物磁性粒子MNP、AM和SA@AM的成功合成。
2.1.5 产物的磁化值(VSM)分析
原始产物MNP、AM和终产物SA@AM的VSM分析磁化曲线如图4所示。产物的磁场饱和强度采用磁强度计进行测定[16]。在300 K、外部磁场为−1~1 T条件下,各产物几乎无剩磁产生,因为其磁滞曲线为S型而且过原点,同时矫顽力和剩余磁场强度都接近0[17],表明所制备的MNP、AM和SA@AM具有超顺磁性而且有良好的磁力响应性能[18]。测试的结果表示:MNP、AM和SA@AM的磁化值分别为13.8、13.4和6.85 A·m2·kg−1,SA@AM比MNP和AM的磁化值高。粒子表面被硅烷官能团覆盖可能影响产物AM的磁化值,这或许是AM的磁性比MNP稍低的原因。AM被海藻酸钠包覆影响SA@AM的磁化性能,造成其磁性减弱。
2.2 材料吸附性能研究
2.2.1 等温静态吸附性研究
样品的吸光度采用原子分光光度计检测,吸附量根据吸光度结合公式(1)计算得出 [19]。
$$ Q=\frac{\left(C_{0}-C_{\rm{e}}\right) V}{W}\text{。} $$ (1) 式(1)中:Q表示吸附量(mg·g−1),W表示凝胶的质量(g),C0表示重金属离子的初始质量浓度(mg·L−1),Ce表示金属离子的最终质量浓度(mg·L−1),V表示吸附溶液的体积(mL)。根据公式(1)计算新型磁性微球SA@AM对Pb2+的吸附量,绘制等温吸附性曲线,如图5所示。吸附等温线选择常用的Freundlich和Langmuir模型,其线性方程表示分别如下:
$$ \ln q_{\mathrm{e}}=\ln K_{\mathrm{F}}+\frac{1}{n} \ln C_{\rm{e}}^{\prime} \text{;} $$ (2) $$ \frac{C_{\rm{e}}^{\prime}}{q_{\rm{e}}}=\frac{C_{\rm{e}}^{\prime}}{q_{\rm{max }}}+\frac{1}{q_{\rm{max }} K_{\rm{L}}}\text{。} $$ (3) 式(2)和式(3)中:
${C}_{\rm{e}}'$ 表示平衡时离子质量浓度(mg·L−1);qe为平衡时的吸附量(mg·g−1);qmax为饱和时的吸附量(mg·g−1);KF和n是Freundlich的吸附常数; KL是Langmuir的吸附常数。材料等温吸附特性分别采用Freundlich和Langmuir模型[20]进行拟合,拟合曲线和结果如图6所示。由图5凝胶等温吸附性曲线可知:SA@AM凝胶对Pb2+的最大饱和吸附量为102.12 mg·g−1。随着Pb2+溶液质量浓度的增加,吸附剂对其吸附量也明显增加直至饱和。凝胶对Pb2+的吸附过程具有规律性,显著性检验系数P<0.01表明呈极显著相关。由图6可知:Langmuir模型和Freundlich模型的线性相关系数分别为0.9786和0.9509,对2个相关系数进行显著性检验,均为极显著正相关(P<0.01)。由数值大小可见:Langmuir模型较Freundlich模型线性相关高。Langmuir模型线性拟合结果与实际测试结果较为相近,SA@AM对Pb2+的最大吸附量为105.82 mg·g−1,故凝胶吸附材料对Pb2+的吸附热力学行为更符合Langmuir吸附等温模型。
2.2.2 吸附动力学研究
SA@AM对Pb2+的吸附量根据公式(1)计算,动力学吸附曲线如图7所示。常采用准一级反应动力学模型
$\ln \left(q_{\mathrm{e}}-q_{\mathrm{t}}\right)=\ln q_{\mathrm{e}}-$ $K_{1} t $ 和准二级反应动力学模型[21]$\dfrac{t}{q_{t}}=\dfrac{1}{K_{2} q_{\rm{e}}^{2}}+\dfrac{t}{q_{\rm{e}}}$ 描述吸附反应动力学过程。其中:t是吸附时间;qe为吸附达平衡时吸附材料对重金属的吸附量(mg·g−1);qt为t时吸附材料对重金属的吸附量(mg·g−1);K1为一级吸附速率常数;K2为二级吸附速率常数。吸附剂动力学吸附特性分别采用准一级动力学模型和准二级动力学模型对其进行拟合,拟合方程及结果如图8所示。由图7可知:吸附量随时间增加而增大。在吸附反应的初始阶段(0~45 min),凝胶吸附速率大;在50~80 min时,吸附速率逐渐减慢。当时间达80 min时,水凝胶对Pb2+的吸附基本上达到了吸附动力学平衡。SA@AM对Pb2+的吸附过程是有规律性的,经显著性分析,呈极显著相关(P<0.01)。由图8可知:实验过程中,SA@AM凝胶对Pb2+的最大饱和吸附量为91.72 mg·g−1,从准一级吸附动力学模型线性拟合结果和准二级吸附动力学模型线性拟合结果可得:SA@AM凝胶对Pb2+最大吸附量分别为98.74和101.60 mg·g−1。由此可见:相比于实测值,准二级吸附动力学模型线性拟合的平衡吸附量比准一级动力学模型拟合的更接近。动力学吸附拟合方程的参数可以看出:准二级吸附动力学模型线性相关性(R2=0.982 8)较准一级动力学模型相关性(R2=0.956 6)高,表明极显著相关(P<0.01),故吸附材料对Pb2+的吸附动力学行为更符合准二级吸附动力学模型。LI等[22]关于海藻酸铁介孔碳微球对砷吸附性能的研究,以及CHEN等[23]关于海藻酸钠与纳米Fe3O4共混凝胶球对有机污染物甲基橙的吸附行为的研究均得到类似结果。
2.2.3 重复使用性能测试
图9显示:磁性海藻酸钠凝胶球对Pb2+有良好的磁分离效果,这是由于海藻酸钠凝胶球中包覆有氨基末端的磁性粒子,使得凝胶球含有磁性。参考文献[24]方法,通过吸附-解吸过程来测试磁性海藻酸钠凝胶球的重复利用性。恢复率如图10所示。图10表明:SA@AM对Pb2+的去除率与重复循环解吸次数有关,而且吸附率逐渐减少。每次重复吸附-解吸后,凝胶对Pb2+的吸附量减少6%~7%。经过重复循环5次后,SA@AM对Pb2+的吸附去除率保持在76%以上,说明SA@AM循环性能良好,利于对Pb2+的重复吸附。
3. 结论
本研究通过滴定法,将表面接枝端氨基的磁性纳米颗粒包覆于海藻酸钠凝胶球中,制备得到1种新型磁性海藻酸钠复合凝胶球(SA@AM),并通过各种表征方法测试产物,得出结论如下:①红外光谱表明:已经成功获得磁性凝胶产物,通过分析元素质量分数及分布情况证实了产物的元素结构。XRD光谱分析证明端氨基磁性颗粒的非晶相峰的出现;磁化曲线分析可知:产物具备优异磁性能,同时磁化值的差异证实了磁性凝胶球的成功制备。②SA@AM具有独特的磁响应性能,对Pb2+具有较好的吸附能力,达102.12 mg·g−1,吸附能力相比于已有的磁性纳米材料(吸附能力65~90 mg·g−1)更优[25];二级动力学模型更符合凝胶球的吸附动力学性能,Langmuir模型更能充分描述凝胶球的等温吸附规律。循环脱附-吸附过程中证明了材料具有良好的重复利用性能。③本研究所制备出的SA@AM,相比化学吸附剂具有功能磁响应性,可以通过控制外加磁场实现对吸附剂分离回收,为生态环境中治理重金属污染提供了1种绿色、高效的新型应用型功能吸附剂。
-
表 1 不同季节地表温度情况统计
Table 1. Surface temperature statistics in different seasons
季节 最低温度/℃ 最高温度/℃ 平均温度/℃ 标准差/℃ 冬 13.116 17.141 15.100 0.651 夏 35.502 43.153 38.369 1.400 表 2 地表温度与遥感指数的皮尔逊相关系数矩阵
Table 2. Pearson coefficient matrix of surface temperature and remote sensing index
村镇类型 INDV INDM INDIS INDB IMNDW 滨水 −0.448** −0.478** −0.156 0.496** −0.176 山地 −0.325** −0.375** 0.053 0.414** −0.063 平原 −0.438** −0.536** −0.053 0.474** −0.122 说明:**表示P<0.01(双尾检验) -
[1] 肖荣波,欧阳志云,张兆明,等. 城市热岛效应监测方法研究进展[J]. 气象, 2005, 31(11): 3 − 6. XIAO Rongbo, OUYANG Zhiyun, ZHANG Zhaoming, et al. Advances in methodology of urban heatisland [J]. Meteorol Mon, 2005, 31(11): 3 − 6. [2] 谢苗苗,周伟,王仰麟,等. 城市土地利用的热环境效应研究——以宁波城区为例[J]. 北京大学学报(自然科学版), 2008, 44(5): 815 − 821. XIE Miaomiao, ZHOU Wei, WANG Yanglin, et al. Thermal environment effect of land use in urban area: a case study in Ningbo urban area [J]. Acta Sci Nat Univ Pekinen, 2008, 44(5): 815 − 821. [3] LAI Jiameng, ZHAN Wenfeng, HUANG Fan, et al. Identification of typical diurnal patterns for clear-sky climatology of surface urban heat islands [J]. Remote Sensing Environ, 2018, 217: 203 − 220. [4] HU Leiqiu, BRUNSELL N A. A new perspective to assess the urban heat island through remotely sensed atmospheric profiles [J]. Remote Sensing Environ, 2015, 158: 393 − 406. [5] 吴昌广,夏丽丽,林姚宇,等. 深圳市典型住区热环境特征及其影响因子分析[J]. 哈尔滨工业大学学报, 2015, 47(6): 59 − 62. WU Changguang, XIA Lili, LIN Yaoyu, et al. Analysis on characteristics of thermal environments in typical residential districts and its influencing factors in Shenzhen [J]. J Harbin Inst Technol, 2015, 47(6): 59 − 62. [6] 梁保平,李艺,刘庆业. 典型植被指数与地表温度空间特征分析——以桂林市为例[J]. 广西师范大学学报(自然科学版), 2012, 30(2): 132 − 137. LIANG Baoping, LI Yi, LIU Qingye. Analysis of spatial characteristics between vegetation index and land surface temperature: a case study in Guilin City [J]. J Guangxi Norm Univ Nat Sci Ed, 2012, 30(2): 132 − 137. [7] 张永永,刘丽娟,赵盼盼. 新型水体指数的构建及在滨海湿地水域提取中的有效性验证[J]. 浙江农林大学学报, 2018, 35(4): 735 − 742. ZHANG Yongyong, LIU Lijuan, ZHAO Panpan. WZ5 water index and validation of its effectiveness in a coastal wetland water extraction [J]. J Zhejiang A&F Univ, 2018, 35(4): 735 − 742. [8] YUAN Fei, BAUER M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery [J]. Remote Sensing Environ, 2007, 106(3): 375 − 386. [9] CHEN Xiaoling, ZHAO Hongmei, LI Pingxiang, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes [J]. Remote Sensing Environ, 2005, 104(2): 133 − 146. [10] WENG Qihao, LU Dengsheng, SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies [J]. Remote Sensing Environ, 2004, 89(4): 467 − 483. [11] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 104 − 129. [12] 杨山. 发达地区城乡聚落形态的信息提取与分形研究——以无锡市为例[J]. 地理学报, 2000, 55(6): 671 − 678. YANG Shan. On extraction and fractal of urban and rural residential spatial pattern in developed area [J]. Acta Geographica Sinica, 2000, 55(6): 671 − 678. [13] 查勇,倪绍祥,杨山. 一种利用TM图像自动提取城镇用地信息的有效方法[J]. 遥感学报, 2003, 7(1): 37 − 40. ZHA Yong, NI Shaoxiang, YANG Shan. An effective approach to automatically extract urban land-use from TM imagery [J]. J Remote Sensing, 2003, 7(1): 37 − 40. [14] MEFEETERS S K. The use of the normalized difference water index (NDWI) in the delineation of open water features [J]. Int J Remote Sensing, 1996, 17(7): 1425 − 1432. [15] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589 − 595. XU Hanqiu. A study on information extraction of water body with the modified normalized difference water index (MNDWI) [J]. J Remote Sensing, 2005, 9(5): 589 − 595. [16] GAO Bocai. NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space [J]. Remote Sensing Environ, 1996, 58(3): 257 − 266. [17] WILSON E H, SADER S A. Detection of forest harvest type using multiple dates of Landsat TM imagery [J]. Remote Sensing Environ, 2002, 80(3): 385 − 396. [18] 徐涵秋. 一种快速提取不透水面的新型遥感指数[J]. 武汉大学学报(信息科学版), 2008(11): 1150 − 1153, 1211. XU Hanqiu. A new remote sensing index for fastly extracting impervious surface information [J]. Geomatics Inf Sci Wuhan Univ, 2008(11): 1150 − 1153, 1211. [19] JIMENEZ-MUNOZ J C, ROSSELLÓ J C, SOBRINO J, et al. Revision of the single-channel algorithm for land surface temperature retrieval from landsat thermal-infrared data [J]. IEEE Trans Geosci Remote Sensing, 2009, 47(1): 339 − 349. [20] 明冬萍,王群,杨建宇. 遥感影像空间尺度特性与最佳空间分辨率选择[J]. 遥感学报, 2008, 12(4): 529 − 537. MING Dongping, WANG Qun, YANG Jianyu. Spatial scale of remote sensing image and selection of optimal spatial resolution [J]. J Remote Sensing, 2008, 12(4): 529 − 537. [21] 徐涵秋. 新型Landsat 8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015, 58(3): 741 − 747. XU Hanqiu. Retrieval of the reflectance and land surface temperature of the newly-launched Landsat 8 satellite [J]. Chin J Geophys, 2015, 58(3): 741 − 747. [22] JIMENEZ-MUNOZ J C, SOBRINO J, SKOKOVIC D, et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data [J]. IEEE Geosci Remote Sensing Lett, 2014, 10(10): 1840 − 1843. [23] 金点点,宫兆宁. 基于Landsat系列数据地表温度反演算法对比分析——以齐齐哈尔市辖区为例[J]. 遥感技术与应用, 2018, 33(5): 830 − 841. JIN Diandian, GONG Zhaoning. Algorithms comparison of land surface temperature retrieval from Landsat series data: a case study in Qiqihar, China [J]. Remote Sensing Technol Appl, 2018, 33(5): 830 − 841. [24] 戚鹏程,李启明,宋松岩. 农村居民地地表温度的遥感反演与分析[J]. 测绘科学, 2013, 38(6): 67 − 69. QI Pengcheng, LI Qiming, SONG Songyan. Remote sensing inversion and analysis of land surface temperature in rural settlements [J]. Sci Surv Mapp, 2013, 38(6): 67 − 69. [25] 凌丽媛,梁保平. 城市地表典型遥感参数与热岛效应时空分析研究——以桂林市为例[J]. 测绘与空间地理信息, 2016, 39(3): 24 − 27, 31. LING Liyuan, LIANG Baoping. Spatial-temporal analysis of urban heat island effect and the typical surface parameters variation: case study of Guilin [J]. Geomatics Spat Inf Technol, 2016, 39(3): 24 − 27, 31. [26] 葛壮,李苗. 基于NDISI的七台河市不透水面信息提取[J]. 哈尔滨师范大学自然科学学报, 2015, 31(3): 129 − 131. GE Zhuang, LI Miao. Information extracting of the impervious surface in Qitaihe City based on NDISI [J]. Nat Sci J Harbin Norm Univ, 2015, 31(3): 129 − 131. [27] 李昕瑜,杜培军,阿里木•赛买提. 南京市地表参数变化与热岛效应时空分析[J]. 国土资源遥感, 2014, 26(2): 177 − 183. LI Xinyu, DU Peijun, Alim Samat. Spatial-temporal analysis of urban heat island effect and surface parameters variation in Nanjing City [J]. Remote Sensing Land Resour, 2014, 26(2): 177 − 183. 期刊类型引用(0)
其他类型引用(2)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20190379