城市化進程對南京市區域氣溫變化的影響

虞海英，祝善友，劉正軍

1. 中國測繪科學研究院攝影測量與遙感研究所，北京 100830；2. 南京信息工程大學遙感學院，江蘇 南京 210044

城市化進程對南京市區域氣溫變化的影響

虞海英1，祝善友2，劉正軍1

1. 中國測繪科學研究院攝影測量與遙感研究所，北京 100830；2. 南京信息工程大學遙感學院，江蘇 南京 210044

20世紀90年代以來中國進入城市化快速發展階段，城市規模迅速擴張，這在一定程度上對大氣熱環境產生了影響，如產生了城市熱島效應。文章基于南京氣象站點觀測數據、南京市統計年鑒以及landsat TM影像數據，選取人口密度、廢氣排放量、運營車輛、用電量、綠地覆蓋面積、建成區面積6項指標構建城市化因子群，運用灰色關聯度分析法對影響南京氣溫變化的因子群進行貢獻度分析。首先，基于以往研究及南京市統計年鑒選取人口密度、廢氣排放量、運營車輛、用電量、綠地覆蓋面積、建成區面積6項指標構建城市化因子群；其次，基于landsat TM影像數據利用監督分類方法提取建成區面積；最后，基于灰色關聯度分析方法，定量計算出人口密度、廢氣排放量、運營車輛、用電量、綠地覆蓋面積、建成區面積6項城市化因子分別對年均溫、年最高溫、年最低溫、季均溫、月均溫以及不同時期溫度均值的影響。研究發現，（1）1983─2011年期間，南京市氣溫呈明顯遞增趨勢，20世紀90年代后期增溫更為明顯，1999─2007年年均溫增長了1.50 ℃。（2）發現對于同一參考數列（年均溫、月均溫等）而言，其影響因子關聯度整體排序是一致的：人口密度＞建成區面積＞廢氣排放量＞運營車輛＞用電量＞綠地覆蓋面積。（3）同一城市化因子對年均溫變化、年最高溫變化、年最低溫變化的影響是不相同的。例如，人口密度對1983─2011年年均溫變化影響最大，關聯度達到了0.95；用電量、廢氣排放量和運營車輛對1983─2011年年最低溫變化影響最大，其關聯度分別為0.68、0.74、0.73。（4）同一城市化因子對不同月份氣溫變化的影響是不相同的，如人口密度與2月月均溫之間的關聯度最小，關聯度為0.78；與3月月均溫之間的關聯度最大，關聯度為0.93。（5）不同城市化因子隨著時間的推移，對區域氣溫變化的影響也是不相同的。其中，人口密度、運營車輛以及建成區面積對氣溫變化的影響是立竿見影的效應；用電量和廢氣排放量對氣溫變化的影響是累加的效應；而城市綠地面積對氣溫的影響只是對溫室氣體吸收量多少的外在表現，一般綠地面積越多，吸收的溫室氣溫也就越多，無附加影響。

城市化；區域氣溫變化；灰色關聯度；南京

據IPCC第五次評估報告，1880─2012年全球地表平均溫度升高0.85(0.65～1.06)℃，極有可能(95%以上的概率)的是1951年以來一半以上的全球變暖活動是由人類活動引起的（張曉華等，2014）。隨著城市規模的發展、城市面積的擴大和城市人口的增加，大量生活、交通、工業人為熱及溫室氣體排放，在城市下墊面的熱力、動力作用和溫室效應的影響下，可形成城市區域氣候（鄭思軼和劉樹華，2008）。因此，城市發展對區域氣溫變化的影響問題受到廣泛關注，國內外學者對此展開了大量研究。TonKaz等（Tonkaz和Cetin，2007）選取人口總量、運營車輛、城區綠地覆蓋面積和建筑物總量，利用一元線性回歸和多元線性回歸方法分析了土耳其東南部半干旱地區的城市化因子對月極值溫度的影響。中國學者周淑貞（周淑貞，1983）在20世紀80年代初就對上海展開了研究，發現城市發展會促進區域增溫。隨后，鄭祚芳等（鄭作芳等，2007；鄭作芳，2011）、司鵬等（司鵬等，2009）、鄭思軼等（鄭思軼和劉樹華，2008）對北京的研究也表明，城市化能夠推動區域氣溫增長；高紅燕等（高紅燕等，2009）對西安的研究表明城市化對區域增溫的影響還存在一定的階段性和季節性。唐國利等（唐國利和丁一匯，2006）、潘文卓等（潘文卓等，2008）、閆少鋒等（閆少鋒等，2011）則先后對南京市氣溫變化展開了研究，表明自20世紀60年代以來南京市增溫現象明顯且存在一定的季節性和階段性。

南京市是長江三角洲地區的特大城市，人口密集，高能耗企業眾多，經濟發展迅速，近些年來在城市化進程飛速發展的同時，造成了該地區溫室氣體和污染物排放量顯著增高。因此，研究城市化進程對南京區域氣溫變化的影響變得尤為必要。在此基礎上，周彥麗等（周彥麗等，2010）、劉霞等（劉霞等，2010）分別利用層次分析法和主成分分析法對南京市展開了研究，均表明城市的快速發展對區域增溫有明顯推動作用；并分析了不同城市化因子對區域氣溫變化的貢獻度。但兩者均未進行深入分析，如城市化對年最高溫、年最低溫、季均溫以及月均溫變化的貢獻，而且分析方法的選擇上也忽略了城市化進程因子之間相互影響的特性。

鑒于此，本文基于南京氣象站點觀測數據、南京市統計年鑒以及landsat TM影像數據，選取人口密度、廢氣排放量、運營車輛、用電量、綠地覆蓋面積、建成區面積六項指標來構建城市化進程因子評價體系；然后，將其與南京市1983─2011年年均溫、年最高溫、年最低溫、季均溫、月均溫等進行灰色關聯度分析，定量評價城市化進程對南京市區域氣溫變化的影響。

1 研究區概況及資料來源

1.1 研究區概況

南京地處長江下游的寧鎮丘陵山區，范圍為31°14′～32°37′N，118°22′～129°14′E，屬北亞熱帶濕潤氣候，總面積6515.74 km2，其中市區面積4733.13 km2（該面積為2010年南京市行政區劃面積）（南京市統計局，2010）。市區歷年平均氣溫16 ℃，最高氣溫40 ℃（2003年），最低氣溫-13.1 ℃（1991年）。

1.2 資料來源

1.2.1 氣溫數據及統計數據來源

（1）氣溫資料：1983─2011年南京市市區氣象站點觀測的逐日氣溫數據（中國氣象局，2011）。

（2）統計資料：本研究中南京市1983─2011年的人口密度、用電量、廢氣排放量、運營車輛、綠地覆蓋面積數據均來自于南京市統計年鑒（南京市統計局，2010）。其中，南京市共包括11個轄區，玄武區、秦淮區、鼓樓區、建鄴區、雨花臺區、浦口區、六合區、棲霞區、江寧區、溧水區、高淳區。由于早期統計資料中高淳區、溧水區為單獨的縣，沒有納入南京市，為了統計數據的可比性及可靠性，這2個區將不納入本文研究范圍。

1.2.2 遙感數據來源及處理

遙感具有可快速獲取大面積數據的特點，用于監測南京市建成區面積動態變化十分有效。故選取1983、1984、1985等28幅遙感影像提取南京市各年份建成區面積（中國科學院計算機網絡信息中心·科學數據中心，2011），各期數據云區覆蓋均低于10%，且位于建成區外。遙感影像預處理流程主要包括幾何校正、配準、裁剪、輻射定標和大氣輻射校正。預處理后，基于ENVI軟件，通過監督分類方法將研究區域分為林地、耕地、水體、裸地、建成區5類地物，監督分類總體精度均控制在70%～80%之間，分析計算1983─2011年南京市各年份建成區面積。

2 研究方法

本文主要從城市規模、能源消耗、城市基礎建設3個方面選取6個指標構建城市化進程因子評價體系，對南京市1983─2011年年均溫、年最高溫、年最低溫、季均溫等進行評價，定量分析城市化進程對南京市區域氣溫變化的影響。其中，選取人口密度、建成區面積指標來反映城市規模狀況；用電量、廢氣排放量來反映城市能源消耗狀況；運營車輛和綠地覆蓋面積則用于反映城市基礎設施狀況。

由于作用方式和機理不同，每個因子對區域氣溫變化貢獻測度不一致且各因子之間會相互影響。故利用灰色關聯度法對影響南京市氣溫變化的因子群進行貢獻度分析。關聯度是指其他數列與參考數列之間的接近程度，它描述了系統發展過程中因素間的相對變化情況，即變化大小、方向與速度的相對性（鄧聚龍，1987）。由于每個影響因子的量綱、性質不同，需要將各指標值歸一化為無量綱值，使實驗結果具有可比性。

設有m個評價指標的n個評價樣本組成的原始時間數列為Xi= {Xi(k)|k= 1,2,…,n;i= 0,1,2,…,m?1}。式中：X0為參考數列，其他為比較數列，以下若無特別說明，均滿足i≠0。對原始數列進行均值生成處理，得到數列Xi。記第k時刻X0與Xi的絕對差為?i(k)=|X0(k)?Xi(k)|(i= 1,2,…,m?1)，則Xi(k)與X0(k)的關聯系數εi(k)可由公式（1）求得：

然而，關聯度的大小只是因子間相互作用、相互影響的外在表現，關聯度的排序才能體現眾多因子對參考因子的相對影響程度。本文主要依據關聯度大小和排序前后來判別城市化因子對氣溫的影響程度。

3 結果與分析

3.1 南京市氣溫變化特征

3.1.1 年均溫變化特征

南京市年均溫變化曲線如圖1所示，分析發現1983─2011年南京市的年均溫增長了1.86 ℃。其中，1983─1990年年均溫增長為0.79 ℃；1991─1998年年均溫增長為1.47 ℃；1999─2007年年均溫增長了1.50 ℃。可以發現，20世紀90年代后城區內氣溫增加幅度更加明顯，2008年溫度的突降是由于南京氣象站點的搬遷至江寧所導致的，江寧早期屬于南京市城郊區。隨著南京市城區外擴，站點觀測溫度也逐漸上升，2008─2011年年均溫增長為1.09 ℃。

圖1 南京市1983─2011年年均溫變化Fig. 1 1983─2011 annual temperature change in Nanjing

圖2 南京市1983─2011年年最值變化Fig. 2 1983─2011 annual most value change in Nanjing

3.1.2 年最高溫、年最低溫變化特征

南京市年最高溫、年最低溫變化曲線如圖2所示，發現在城市化進程的發展中，年最高溫變化平緩，波動性不大，整體只有微小的上升趨勢，會導致高溫天氣出現，如2003年年最高溫達到了40 ℃。年最低溫在1983─1992年之前波動性較大，1993─2011年則較平緩，總體變化不大。

3.1.3 季均溫變化特征

按氣候學常用方法進行季節劃分，將3～5月、6～8月、9～11月、12～2月分別劃分為春、夏、秋、冬四季。通過分析1983─2011年季均溫變化圖（如圖3），發現春、秋兩季總體增溫趨勢較為明顯，但年際間增減波動較大；夏季總體增溫趨勢較春、秋兩季稍弱；1986─2004年冬季均溫保持平穩增長趨勢，其中2004年冬季均溫達到了6.18 ℃，但波動幅度較小；2005年以后氣溫波動較大，使得冬季易出現極暖和極寒現象。

3.2 城市化進程對區域氣溫變化的影響

3.2.1 城市化進程對年均溫、年最高溫和年最低溫的影響

研究分別將1983─2011年南京市年均溫、年最高溫、年最低溫作為參考數列，6項城市化因子作為比較數列，通過灰色關聯度計算，各比較數列與參考數列的關聯度如圖4。

從總體層面分析圖4，可以看出人口密度和建成區面積是南京市年均溫、年最高溫、年最低溫變化的主要影響因子；其次是廢氣排放量，運營車輛和用電量；綠地覆蓋面積對其影響最小。將年均溫、年最高溫和年最低溫分開來看，可以發現人口密度對年均溫影響最大，其次是年最高溫，對年最低溫影響最小；用電量對年最低溫影響最大，其次是年最高溫，對年均溫影響最小；廢氣排放量、運營車輛和綠地覆蓋面積對氣溫影響排序則與用電量一致；建成區面積對年均溫、年最高溫和年最低溫的影響是相同的。因此，可以說人口密度的增加和建成區擴展是造成南京市氣溫變化的最核心因子；而不同城市化因子對年均溫、年最高和年最低溫的具體影響程度卻有所差異，人口密度造成的整體溫度變化較為明顯，用電量、廢氣排放量和運營車輛造成的溫度變化在低溫期較為明顯。

3.2.2 城市化進程對季均溫的影響

研究將1983─2011年南京市季均溫作為參考數列，6項城市化因子作為比較數列，通過灰色關聯度計算，各比較數列與參考數列的關聯度如圖5。

由圖5可以看出，人口密度對南京市季均溫變化影響最大，其次是建成區面積、廢氣排放量、運營車輛和用電量，綠地覆蓋面積對其影響最小。各個城市化因子分別與春、夏、秋、冬四季的關聯度排序大致相同，均在春秋兩季影響較大，冬季影響較小，即城市快速發展對南京市春季氣溫和秋季氣溫變化影響最大。

圖3 南京市1983─2011年季均溫變化Fig. 3 Changes in average temperature during 1983─2011 season in Nanjing

圖4 城市化因子與南京市1983─2011年年均溫、年最高溫、年最低溫的關聯度Fig. 4 The correlation degree of city factors and the annual mean temperature, the maximum temperature, the minimumtemperature in the years 1983─2011 in Nanjing

圖5 城市化因子與南京市1983─2011年季均溫的關聯度Fig. 5 The correlation degree of city factor and the seasonal mean temperature in the years 1983─2011 in Nanjing

3.2.3 城市化進程對月均溫的影響

研究將1983─2011年南京市1～12月月均溫作為參考數列，6項城市化因子作為比較數列，通過灰色關聯度計算，各比較數列與參考數列的關聯度如圖6。

由圖6可以看出，不同城市化因子對于同一月份月均溫的影響程度不同，其中，人口密度對月均溫變化影響最大；建成區面積位居第二；然后是廢氣排放量、運營車輛、用電量，綠地覆蓋面積對其影響最小。其次，同一城市化因子在不同月份，它們的關聯度也是不同的，如：人口密度與2月月均溫之間的關聯度最小；與3月月均溫之間的關聯度最大；與4～11月月均溫之間的關聯度較為相近；與12月之間的關聯度又突然下降。若將3～5月、6～8月、9～11月、12～2月分別劃分為春、夏、秋、冬四季，該結果則與4.2.2中季均溫變化分析結果一致。再次，從圖上可以明顯看出，6項城市化因子與3月月均溫之間的關聯度都為一年中的峰值，可能是2、3月份正值南京市春節后人員大量返城，頻繁的通勤帶來大量的交通熱量和汽車尾氣、用電量增加、工業耗能的增加。

圖6 城市化因子與南京市1983─2011年1～12月月均溫的關聯度Fig. 6 The correlation degree of city factors and the monthly mean temperature in the years 1983─2011 in Nanjing

圖7 不同時期年均溫關聯度Fig. 7 The correlation degree of city factors and the annual mean temperature in different period

圖8 不同時期年最高溫關聯度Fig. 8 The correlation degree of city factors and the maximum temperature in different period

圖9 不同時期年最低溫關聯度Fig. 9 The correlation degree of city factors and the minimum temperature in different period

3.2.4 城市化進程對不同時期氣溫的影響

不同時期，城市發展速率與側重點均不同，本文將1983─2011年劃分為1983─1989、1990─1999和2000─2011年3個時間段，分別計算各個時間段的年均溫、年最高溫和年最低溫，并將其作為參考數列與6項城市化因子進行灰色關聯度分析，關聯度結果如圖7、圖8和圖9。

圖7、圖8中人口密度、運營車輛以及建成區面積的關聯度都隨著時間先增加后減少，在20世紀90年代達到峰值；用電量和廢氣排放量的關聯度則隨著時間逐漸增加；城市化因子在同一時期對年均溫、年最高溫的影響基本一致。圖9中用電量、廢氣排放量、運營車輛和建成區面積的關聯度較其他2個時期均大出很多。城市綠地覆蓋面積對年均溫和年最高溫的關聯度隨著時間無明顯變化規律。

上述現象說明人口密度、運營車輛以及建成區面積對氣溫變化的影響是立竿見影的效應；用電量和廢氣排放量對氣溫變化的影響是累加的效應；而城市綠地面積對氣溫的影響只是對溫室氣體吸收量多少的外在表現，一般綠地面積越多，吸收的溫室氣溫也就越多，無附加影響。因此，該項分析結果對南京市長期綠色規劃的制定有一定的指導作用。

4 結論

（1）1983─2011年期間，南京市氣溫呈明顯遞增趨勢，20世紀90年代后期增溫更為明顯。其中，年均溫上升速率較大；年最高溫、年最低溫緩慢上升且幅度較小，但年際間波動較大；季節性增溫主要在春秋兩季較為明顯，夏季稍弱，2005年之前冬季主要呈平穩增長趨勢，2005年之后年際間波動較大，易出現極暖冬和極寒冬現象。

（2）將南京市1983─2011年年均溫、年最高溫、年最低溫、季均溫、月均溫以及分時期年均溫、年最高溫和年最低溫分別與城市化因子進行關聯度分析，發現對于同一參考數列（年均溫、季均溫等）而言，其關聯度整體排序是一致的：人口密度關聯度＞建成區面積關聯度＞廢氣排放量關聯度＞運營車輛關聯度＞用電量關聯度＞綠地覆蓋面積關聯度。

（3）同一城市化因子對年均溫變化、年最高溫變化、年最低溫變化的影響是不相同的。如：人口密度對1983─2011年年均溫變化影響最大；用電量、廢氣排放量和運營車輛對1983─2011年年最低溫變化影響最大。

（4）同一城市化因子對不同月份氣溫變化的影響是不相同的，如人口密度與2月月均溫之間的關聯度最小；與3月月均溫之間的關聯度最大；與4～11月月均溫之間的關聯度較為相近；與12月之間的關聯度又突然下降。但6項城市化因子與3月月均溫之間的關聯度都為一年中的峰值。

（5）不同城市化因子隨著時間的推移，對區域氣溫變化的影響也是不相同的。其中，人口密度、運營車輛以及建成區面積對氣溫變化的影響是立竿見影的效應；用電量和廢氣排放量對氣溫變化的影響是累加的效應；而城市綠地面積對氣溫的影響只是對溫室氣體吸收量多少的外在表現，一般綠地面積越多，吸收的溫室氣溫也就越多，無附加影響。

TONKAZ T, CETIN M. 2007. Effects of urbanization and land-use type on monthly extreme temperatures in a developing semi-arid region, Turkey [J]. Journal of arid environments, 68(1): 143-158.

鄧聚龍. 1987. 灰色系統基本方法[M]. 第一版. 湖北: 華中工學院出版社: 50-98.

高紅燕, 蔡新玲, 賀皓, 等. 2009. 西安城市化對氣溫變化趨勢的影響[J].地理學報, 64(9): 1093-1102.

何萍, 陳輝, 李宏波, 等. 2009. 云南高原楚雄市熱島效應因子的灰色分析[J]. 地理科學進展, 28(1): 25-32.

劉霞, 景元書, 王春林, 等. 2010. 城市化進程對南京市氣溫變化影響的主成分分析[J]. 熱帶氣象學報, 26(4): 509-512.

潘文卓, 繆啟龍, 許遐禎. 2008. 1951─2006年南京氣溫變化特征[J]. 南京氣象學院學報, 31(5): 694-701.

司鵬, 李慶祥, 軒春怡, 等. 2009. 城市化對北京氣溫變化的貢獻分析[J].自然災害學報, 18(4): 138-144.

唐國利, 丁一匯. 2006. 近44年南京溫度變化的特征及其可能原因的分析[J]. 30(1): 56-68.

閆少鋒, 張金池, 張波, 等. 2011. 南京極值溫度長期變化及其與平均溫度的關系[J]. 氣象與環境學報, 27(3): 33-39.

張曉華, 高云, 祁悅, 等. IPCC 2014. 第五次評估報告第一工作組主要結論對《聯合國氣候變化框架公約》進程的影響分析[J]. 氣候變化研究進展, 10(1): 14-19.

鄭思軼, 劉樹華. 2008. 北京城市化發展對溫度, 相對濕度和降水的影響[J]. 氣候與環境研究, 13(2): 123-133.

鄭祚芳, 鄭艷, 李青春. 2007. 近30年來城市化進程對北京區域氣溫的影響倡[J]. 中國生態農業學報, 15(4): 26-29.

鄭祚芳. 2011. 北京極端氣溫變化特征及其對城市化的響應[J]. 地理科學, 31(4): 459-463.

周淑貞. 1983. 上海城市發展對氣溫的影響[J]. 地理學報, 38(4): 397-405.

周彥麗, 景元書, 趙海江. 2010. 城市化發展對南京城市增溫的影響分析[J]. 氣象與減災研究, 33(2): 43-47.

南京市統計局. 南京市統計年鑒[EB/OL].[2014-09-30].www.njtj.gov.cn/.

中國氣象局·國家氣象中心.中國氣象科學數據共享服務網[EB/OL].[2014-10-30]. cdc.cma.gov.cn/home.do.

中國科學院計算機網絡信息中心·科學數據中心.地理空間數據云[EB/OL].[2014-10-31]. www.gscloud.cn/.

Influence of Urbanization on the Temperature Changes in Nanjing

YU HaiYing1, ZHU shanyou2, LIU ZhengJun1
1. Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, Beijing 100830, China; 2. Nanjing University of Information Science and Technology, Institute of Remote Sensing, Nanjing 210044, China

Due to the long period of rapid urban development since 1990’s, the atmospheric thermal environmental impact has been influenced to some extent in many Chinese cities, resulting in significant urban heat island effect. In this paper, potential indicators are proposed to identify major urbanization factors in Nanjing which may have significant influence on the regional temperature changes based on analyzing the Nanjing meteorological observation data, statistical yearbook of Nanjing city and the Landsat TM image data. The grey correlation degree analysis method is adopted to analyze the factor contributions on the influence of temperature variation. Firstly, based on the previous research and the statistical yearbook of Nanjing, six potential indicators including the population density, exhaust emissions, vehicles in operation, power consumption, green coverage area and built-up area are selected for assessment. Secondly, built-up areas were extracted based on multi-temporal Landsat TM images using a supervised classification method. Finally, the correlation degrees between the population density, exhaust emissions, vehicles in operation, power consumption, green coverage area and, built-up area, and the annual mean temperature, the maximum temperature, the minimum temperature, the seasonal mean temperature and the monthly mean temperature are calculated by the grey relational degree analysis method, respectively. The results show that: (1) During the period of 1983─2011, the temperature of Nanjing are shown as an increasing trend, especially since later period of 1990’s. The absolute temperature increase is 1.5℃ in 1999─2007. (2) It is found that for the same reference sequence (annual mean temperature, monthly mean temperature, etc.), the overall ranking order of the influence factors’ relevance remains no change, i.e., population density ＞ built-up area ＞ exhaust emissions ＞ vehicle in operation ＞power consumption ＞ green cover area. (3) However, the influence of the same factor to the annual mean temperature, the maximum temperature, the minimum temperature are different. For example, the maximum effect on annual mean temperature is the population density, with the a correlation coefficient of 0.95; the electricity consumption, emissions and vehicle in operation have more significant impacts on annual minimum temperature changes, where the correlation coefficients were 0.68, 0.74, 0.73, respectively. (4) The influence of the same factor on the monthly mean temperature is different. For example, the monthly mean temperature in February and the population density has the minimum correlation coefficient, i.e., 0.78; the monthly mean temperature in March and the population density has the maximum correlation coefficient, and the correlation coefficient is 0.93. (5) With the passage of time, different city factors have the different influence on the change of temperature.

urbanization; regional temperature change; gray correlation degree; Nanjing

X16

A

1674-5906（2014）09-1425-07

虞海英，祝善友，劉正軍. 城市化進程對南京市區域氣溫變化的影響[J]. 生態環境學報, 2014, 23(9): 1425-1431. YU HaiYing, ZHU shanyou, LIU ZhengJun. Influence of Urbanization on the Temperature Changes in Nanjing [J]. Ecology and Environmental Sciences, 2014, 23(9): 1425-1431.

國家自然科學基金重點項目（41330750）；國土資源部公益性行業科研專項（201311038）

虞海英（1990年生），女，碩士研究生，研究方向為生態環境遙感。E-mail: yuhaiyingcasm@163.com

2014-07-19