武漢地區綠地對熱環境的影響

陳 濤，張旭陽，李鵬宇，陳彥龍，王 毅

（1.中國地質大學（武漢） 地球物理與空間信息學院，湖北 武漢 430074）

隨著全球變暖與城市化進程的加快，城市熱島效應越發顯著。早期的城市熱格局研究局限于利用有限的定點溫度觀測數據或氣象站點數據，與城郊溫度進行對比[1,2]。這種方法耗時費力，難以全面、同步地反映地面地熱輻射狀況。遙感技術克服了常規方法的缺陷與不足[3,4]，使多尺度城市熱環境定性、定量研究成為可能。從Rao提出并利用熱紅外數據對城市熱島效應進行研究開始，城市熱環境的遙感研究不斷發展和完善[5,6]。針對熱空間格局與地表參數特征之間的關系，國內外已有諸多研究成果[7-9]。本文以武漢市為例，通過研究綠地斑塊的周長、面積等形狀要素與綠地斑塊溫度特征的關系，探討綠地斑塊對城市熱環境的影響。

1 研究區域概況

武漢市土地面積為8 467.6 km2,其中城區面積3 963.6 km2。受數據條件的限制，本文研究區域為武漢市中心城區600×600像素大小的區域。

2 數據與方法

2.1 數據準備

本文所用遙感數據為一景2002-07-09的Landsat ETM+數據及其他一些相關資料。所用圖像處理軟件為Matlab和ENVI 4.8。

2.2 技術方法與流程

2.2.1 地溫反演方法

目前，已經提出的地表溫度方法包括熱傳輸輻射法、基于輻射傳輸模型的陸面溫度反演法[10]、覃志豪等的單窗算法[11]，以及Sobrino等提出的普適性單通道法[12]。由于普適性單通道算法應用較為廣泛，本文選用此方法進行溫度反演，其計算公式為：

式中，Lsensor是傳感器輻射值；ε是地表比輻射率；Ψ1、Ψ2、Ψ3是大氣水汽含量w的函數，分別如式（2）～式（4）所示：

參數γ和δ的計算公式為：

式中，Tsensor是亮度溫度；λ是有效波長，C1=1.191 04×108，C2=1 438.7。

2.2.2 技術流程

將經過預處理的Landsat ETM+影像作為柵格數據載入 ArcGIS ，以高分辨率的Google Earth影像為參考數據，把 EMT+影像中的城市綠地斑塊進行矢量化，得到城市綠地斑塊的矢量圖層。利用 ArcGIS的幾何統計功能，對各綠地斑塊矢量要素的周長和面積進行統計。利用ETM+影像反演研究區域地表溫度，根據地溫反演結果得到相應綠地斑塊的最高、最低和平均溫度，其技術流程見圖1。

圖1 技術流程圖

在ArcGIS中對綠地斑塊進行緩沖區分析，即對綠地邊界以外不同緩沖距離的溫度進行評價比較。根據各個綠地斑塊周長和面積數值的分布范圍，選定緩沖區的距離為240 m(4個像元)；其次，通過獲取綠地斑塊各緩沖區環內地表溫度的統計值，用緩沖區與對應斑塊平均溫度差值衡量綠地斑塊對周邊熱環境的影響；最后，得到形狀要素信息（周長、面積）與溫度信息后，繪制各形狀要素與溫度信息的散點圖，并進行曲線擬合。

3 結果與分析

3.1 城市綠地特征及其熱環境效應分析

圖2為研究區地表溫度反演結果，與曹麗琴在同時期同區域內的反演結果一致[13]，證明本文利用普適性單通道算法反演的地表溫度結果真實有效。圖3為研究區主要綠地分布圖。

綠地斑塊的周長、面積、最小溫度、最大溫度、均值溫度及緩沖區溫差的統計結果見表1。

圖2 研究區地表溫度圖

圖3 研究區綠地分布圖

由表1可知，各綠地斑塊形狀差異顯著，對應的斑塊地表溫度亦有明顯的不同。其中，綠地最低溫出現在珞珈山，為27.770 9 ℃，綠地面積和周長分別為0.419 76 km2和3.090 3 km；最高溫出現在機場綠地，為43.415 7 ℃，其面積和周長分別為0.521 1 km2和4.614 5 km；最小均溫出現在喻家山，為29.737 9 ℃，該綠地面積和周長僅為0.974 4 km2和5.457 1 km；最大均溫也現在機場綠地，高達35.769 1 ℃。

表1 各綠地斑塊形狀特征及地表溫度統計表

根據統計結果，山體綠地溫度大都小于城區公園綠地溫度，且山體綠地溫度表現為位于城區中心的山體綠地溫度高于鄰近水體的山體綠地溫度，溫度分布受其形狀特征影響較小。因此在分析各綠地斑塊特征與地表溫度之間的關系時，將山體綠地和一些水域面積較大的公園綠地剔除。通過Matlab可以繪制斑塊特征和溫度的散點圖，并利用高斯模型對其具體關系進行擬合。圖4為綠地斑塊特征與地表溫度散點圖及擬合結果。

高斯模型公式為：

式中，T為擬合值；x為自變量；a、b、c為參數，擬合結束后，參數取值自動確定，結果如表2所示。

表2 綠地斑塊特征與地表溫度擬合結果參數表

從圖4和表2可以發現，綠地對應的溫度隨著綠地面積和周長的增加而降低，即綠地斑塊溫度與綠地面積和周長呈負相關關系。對比相關系數可以發現，溫度與面積和周長的負相關性相近，周長略低于面積。

3.2 城市綠地對周圍熱環境的影響分析

從表1可以發現，綠地斑塊外部的緩沖區溫度明顯高于內部溫度。溫差最大的是黃鶴樓公園，達5.637 6 ℃，可能是因為黃鶴樓公園是旅游勝地，周邊城市化程度較高，商業休閑區密布，導致綠地外圍溫度較高；緩沖區溫差最小的地區為梅嶺，為-0.051 9 ℃，即綠地周圍的均溫低于綠地內部溫度，這是由于梅嶺兩面環水，周邊有大塊溫度低于綠地的水域。總的來說，綠地斑塊周圍熱環境受綠地斑塊的特征、斑塊空間位置及其地表覆被特征的影響差異較大。溫差越大，說明綠地斑塊對周圍熱環境的影響越大；溫差越小，與周圍熱環境相互影響相對越強。

為了進一步分析綠地對周圍熱環境的影響，利用高斯模型模擬綠地斑塊特征與綠地內外部平均溫差之間的關系，具體擬合模型及參數見圖5和表3。

圖4 綠地面積和周長與地表溫度關系圖

圖5 綠地面積和周長與溫差關系圖

表3 綠地斑塊特征與溫差擬合結果

從圖5和表3可以發現，綠地斑塊的面積和周長較小時，隨著面積和周長的增加，溫差也逐漸增大；但隨著周長面積的進一步增加，溫差增加的速率逐漸減小；當周長和面積增加到一定程度時，溫差隨周長面積的增加有下降的趨勢。這種特征反映了如下事實：當綠地周長和面積較小時，綠地對周圍環境的影響力極其有限，但受到周圍環境的影響較大，導致較小的綠地本身溫度較高，從而使緩沖區溫差較低；隨著綠地周長和面積的增大，綠地受到周圍環境的影響越來越小，因而溫度也會有相應的降低，導致緩沖區溫差降低；當綠地周長和面積大到一定程度后，隨著綠地周長和面積的增加，綠地對周邊環境的影響開始越來越顯著，導致綠地周圍環境溫度與綠地本身溫度的差異越來越小，緩沖區溫差逐漸降低。

[1]Oke T R. Boundary Layer Climates [M]. Methuen, 1987

[2]Yoshikado H, Tsuchida M. High Levels of Winter Air Pollution under the Influence of the Urban Heat Island along the Shore of Tokyo Bay [J].Journal of Applied Meteorology，1996, 35：1 804-1 813

[3]Oke T R, Spronken-Smith R A, Jauregui E, et al.The Energy Balance of Eentral Mexico City during the Dry Season [J].Atmospheric Environment, 1993, 33：3 919-3 930

[4]Stoll M, Brazel A. Surface-air Temperature Relationships in the Urban Environment of Phoenix. Arizona [J]. Phys. Geography, 1992, 13(2):160-179

[5]Rao P K. Remote Sensing of Urban “Heat Island” from an Environmental Satellite [J].Bull AM Meteorol Soc,1971,53:647-648

[6]Roth M, Oke T R, Emery W J. Satellite Derived Urban Heat Island from Three Coastal Cities and the Utilization of Such Data in Urban Climatology [J]. International Journal of Remote Sensing, 1989, 10: 1 699-1 720

[7]Lougeay R, Brazel A, Hubble M. Monitoring Intra-urban Temperature Patterns and Associated Land Cover in Phoenix, Arizona using Landsat Thermal Data [J]. Geocarto International, 1996, 11: 79-89

[8]Quattrochi D A, Luvall J C. Thermal Infrared Remote Sensing for Analysis of Landscape Ecological Process: Methods and Applications [J]. Landscape Ecology, 1994, 14: 577-598

[9]Lo C P, Quattrochi D A, Luvall J C. Application of Highresolution Thermal Infrared Remote Sensing and GIS to Assess the Urban Heat Island Effect [J]. International Journal of Remote Sensing, 1997, 18: 287-304

[10]Artis D A, Carnahan W H. Survey of Emissivity Cariability in Thermography of Urban Areas [J]. Remote Sensing of Environment, 1982, 12: 167-218

[11]Qin Z, Karnieli A, Berliner P. A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region[J]. International Journal of Remote Sensing, 2001, 2(18): 3 719-3 746

[12]Jiménez-Muňoz J C, Sobrino J A. A Generalized Single-channel Method for Retrieving Land Surface Temperature from Remote Sensing Data [J]. Journal of Geophysical Research. 2003, 108: 22

[13]曹麗琴. 城市熱環境及其影響因子的定量遙感研究[D].武漢：武漢大學，2009