地表熱力特征對非滲透表面景觀指數的響應
——以廣州市天河區為例

王亞飛，錢樂祥*，焦全軍

(1.廣州大學 地理科學學院，廣東 廣州 510006；2.中國科學院 遙感與數字地球研究所，北京 100094)

地表熱力特征對非滲透表面景觀指數的響應
——以廣州市天河區為例

王亞飛1，錢樂祥1*，焦全軍2

(1.廣州大學 地理科學學院，廣東 廣州 510006；2.中國科學院 遙感與數字地球研究所，北京 100094)

非滲透表面作為土地利用/土地覆蓋的重要組成部分，其與城市熱環境的關系一直備受關注，其中對地表的增溫效應是城市熱島研究中的核心問題.基于廣州市天河區2000年Landsat7 ETM+影像數據，分別運用單窗算法和歸一化線性光譜混合模型獲得地表溫度和非滲透表面豐度信息，通過雙變量相關性分析、多元線性回歸分析以及景觀生態學方法，研究了城市地表溫度對非滲透表面的響應機制，并且引入主成分分析的方法解決了各景觀指數在多元線性回歸分析中存在的共線性問題.結果表明：城市地表溫度和非滲透表面在空間分布上具有較為明顯的一致性，在豐度值小于0.8時，二者呈現非常強的正相關性；當豐度值大于0.8時，非滲透表面空間布局對地表溫度影響作用較為明顯，選擇的14個景觀指數中，對地表溫度有增溫效應的有11個，有降溫效應的有3個.研究成果對于改善城市生態環境和加強合理規劃都具參考價值.

非滲透表面；城市地表溫度；景觀格局指數；空間格局；響應

0 引 言

城市是人類生產、生活和文明成果最集中的地域空間,是地球表層物質、能量和信息交換最活躍的場所.城市化是當今世界上最重要的社會、經濟現象之一.它不僅改變了地表自然特征，而且使得地表溫度發生了變化，并由此引發了城市熱島效應[1].近年來，國內外學者針對不同國家和地區對城市熱島效應開展了廣泛的研究[2-6].監測和評估城市熱島分布以及影響作用,對改善城市小氣候和生態環境、城市環境質量、氣象預報、城市規劃等方面,具有重要的科學意義和實用價值[7].

城市化實際上是土地利用/土地覆蓋景觀格局演變的過程.城市景觀及其格局是城市熱環境形成最主要的原因.因此，將景觀的觀點引入城市熱環境的研究中，分析城市景觀格局演變對城市熱環境的影響以及城市景觀的熱環境效應是十分必要的.國內外針對城市景觀熱環境的研究比較早的是Makoto等人[8]，先是對東京市街道的景觀格局進行了研究，結果發現街道不同的走向，對附近150 m范圍內的居住區的溫度有不同的影響.Weng[9]和Liu[10]等運用景觀指數的方法分析了土地利用格局對地表溫度的影響.陳云浩[11]等借鑒景觀生態學的研究方法，首次提出了“熱力景觀”的概念，并在RS、GIS的支持下，研究了上海近10年熱力景觀類型的變化強度和趨勢.郭冠華[12]等從景觀格局尺度效應的角度出發，研究了粒度效應對城市熱島空間格局分析的影響.

非滲透表面作為土地利用/土地覆蓋的一種類型，是監測城市生態系統及環境變化的重要指標[13].非滲透表面在城區的大量分布是導致城市地表溫度上升的最直接原因.近年來，利用衛星遙感數據能夠大面積監測地面信息的特點，對非滲透表面信息的研究及其產生的城市熱島效應已成為遙感領域的一個熱點.Yuan[14]等以TM/ETM+影像為數據源，采用歸一化線性光譜混合模型提取非滲透表面豐度值，并與地表溫度進行回歸分析，結果表面二者存在明顯的線性正相關關系.錢樂祥[15]等利用TM/ETM+影像選擇植被、非滲透表面、土壤3種端元模擬不同種類的城市環境，通過非滲透表面豐度域值定義城鄉邊界和城市開發密度, 評估廣州地表熱特征，并指出，高豐度的非滲透表面通常與高地表溫度相關.彭文甫[16]等和魏錦宏[17]等從地表溫度的空間分布格局出發，定量化研究了地表溫度與非滲透表面的關系，結果表明，城市非滲透表面和地表溫度之間存在正相關關系，并且隨距市中心距離的增大，不透水能力和地表溫度都呈降低趨勢.

目前，非滲透表面對城市地表溫度的影響多是直接定量化研究非滲透豐度和地表溫度之間的關系，而借助景觀生態學的知識對非滲透表面的空間分布格局特征對地表溫度的影響還有進一步研究空間.本文以廣州市天河區為例，利用景觀生態學的方法，研究非滲透表面高值區景觀指數對城市熱環境的影響，試圖在內在機制和定量研究方面有所提高，以期為生態城市的科學發展提供理論依據.

1 研究區域與數據組織

1.1 研究區域

天河區位于廣東省廣州市市區(老城區)東部，是廣州市東進軸與南拓軸交匯點，位于113°15′55″～113°26′30″E，23°6′0″～23°14′45″N之間，屬于亞熱帶季風氣候，年平均氣溫在20～22℃之間，總面積96.33 km2，戶籍人口69萬，是建設中的廣州市新城市中心區.

1.2 數據組織與預處理

選取Landsat 7 ETM+影像，獲取時間為2000年9月14日，當日大氣狀況良好，晴朗無云.其中熱紅外波段有高增益和低增益兩個波段，分辨率為60 m，除全色波段分辨率為15 m外，其他波段分辨率均為30 m.本研究反演地表溫度所用熱紅外波段為高增益波段.對影像進行輻射定標、幾何校正、大氣校正等處理，并按照最近鄰算法將所有波段重采樣為30 m分辨率，坐標系以UTM，zone 49N為投影坐標，以WGS-84為基準面.

2 研究方法

2.1 地表溫度反演

目前有3種方法可用來從TM/ETM+數據中反演地表溫度，分別是輻射傳導方程法[18]、單窗算法[19-21]、普適性單通道算法[22].單窗算法因其3個關鍵參數(地表比輻射率、大氣透射率、大氣平均作用溫度)都易通過計算獲取，而且精度較高，因此得到廣泛應用.采用單窗算法反演研究區內地表溫度，其公式為：

(1)

(1)式中Ts單位為K；a6、b6為常量，一般情況下(地表溫度在0-70℃范圍內)，取值a6=-67.355351，b6=0.458606；T6為地表亮溫數據；C6和D6為中間變量，計算地表溫度所需具體公式和參數可從文獻[19-21,23]中獲取.

2.2 非滲透表面豐度值提取

中分辨率的Landsat7ETM+影像在像元尺度上表征的地表覆蓋類型并不能保證是由純像元地類組成，甚至大多數像元都是混合有幾種地類的不純凈像元.因此，前人提出了線性光譜混合模型以提取出混合像元中各端元的百分比組成信息[24].歸一化線性混合光譜分解模型是按照線性光譜混合模型的原理，先對影像數據各波段光譜值做歸一化處理，然后對混合像元進行高精度分解的方法[25].根據Ridd[26]提出的植被(V)-非滲透表面(I)-土壤(S)概模型，用影像端元法選取植被、非滲透表面、土壤3種純凈像元作為端元.在選取端元前，應先根據修正的歸一化水體指數(MNDWI)對水體做掩膜，排除水面的影響，然后對影像進行反射率標準化、最小噪聲分離變換(MNF)、純凈像元提取(PPI)、N維散度分析，以提高3種端元提取的精度.其中光譜至歸一化和完全約束線性混合光譜分解模型分別可用(2)、(3)二式求算：

(2)

(3)

2.3 景觀格局指數的選取

景觀生態學因其景觀指數多樣[27]，能夠從類型、景觀和斑塊3個層次對城市熱環境格局進行全面表征，因此，在城市熱環境研究中得到了廣泛應用.景觀指數能夠高度濃縮景觀格局信息，定量化表征景觀的結構組成和空間配置，通過景觀指數描述景觀格局及變化，建立格局和景觀過程的內在聯系，是景觀生態學最常用的定量化研究方法[28].選取14個景觀指數用來表征非滲透表面的空間格局狀況：(1)數量特征指標，包括斑塊密度PD、最大斑塊指數LPI、邊緣密度ED、拼塊類型面積CA、拼塊所占景觀面積百分比PLAND、斑塊面積AREA_mn；(2)形態特征指標，包括景觀形狀指數LSI、形狀指數SHAPE_mn、鄰近指數CONTIG_mn；(3)結構特征指標，包括散布與并列指數IJI、景觀分裂指數DIVISION、聚合度AI、斑塊凝聚度COHESION、歐氏鄰近距離ENN_mn.

針對2000年天河區非滲透表面的空間分布情況，運用景觀生態學方法，選取適當的景觀指數來表征非滲透表面的空間格局狀況，研究非滲透表面景觀指數對地表溫度的影響.首先按照豐度值0.3、0.5、0.6、0.7、0.8的間隔將非滲透表面豐度分為6個級別，隨機選取大小為2km*2km的樣本126個(因研究區范圍限制)，分別統計每個樣區的平均地表溫度，并用Fragstats軟件計算選取的景觀指數，需要說明的是本文只對非滲透表面高值區(大于0.8)的景觀指數與地表溫度的關系作研究.

3 結果與分析

3.1 城市地表溫度、非滲透表面反演結果

由圖 1可知，天河區城區地表溫度明顯高于周圍地區，數值達到48℃以上，高溫區主要位于城區西部、南部以及廣園快速路沿線等地段，這些區域分布著廣州東站、天河客運站、金融商務區、大量的高密度居民住宅、燕塘工業園和天河軟件園工業區，建筑擁擠、人口眾多、容積率高、綠地覆蓋率低，使得地表溫度高溫值連片集中分布，表現出明顯的城市熱島特征；低溫區主要集中在離中心區較遠的高植被覆蓋區，以及市區的一些水體和綠地等地類，如天河公園、珠江公園、廣州動物園、東湖等區域.由圖2可知，2000年，非滲透表面豐度高值區主要集中在天河體育中心、石牌、棠下、東圃、黃村一帶，并且這些高值區成片出現.其中，天河體育中心一帶是廣州市金融商務中心地帶，影像中大部分像元的豐度值達到0.85以上，石牌、棠下、東圃、黃村等區域以高密度住宅區為主，豐度值達到0.9以上.隨著離中心區距離的增加，豐度值隨之降低，市區邊緣地帶等植被覆蓋區豐度值都在0.5以下.與圖1地表溫度反演結果對比可看出，二者的空間分布與像元值的變化具有較為明顯的一致性，豐度高值區對應溫度高溫區，豐度低值區對應溫度低溫區，可初步判斷二值關系密切.

圖1 2000年天河區地表溫度反演結果 圖2 2000年天河區非滲透表面豐度圖

圖3 2000年天河區地表溫度均值和非滲透表面豐度散點圖

從圖3可以看出，當豐度值在0.8以下時，地表溫度均值隨非滲透表面豐度值的增大而線性升高；而當豐度值大于0.8時，這種線性關系不再顯著，地表溫度均值表現為很平緩的上升態勢，二者以一種復雜的非線性關系存在.因此，對非滲透表面高值區域，單純地研究豐度值和地表溫度在數值上的關系已顯得意義不大，應從非滲透表面空間分布格局出發，探討其分布特征對地表溫度的影響.

3.2 非滲透表面格局指數對地表溫度的響應

首先用雙變量相關性分析的方法計算地表溫度均值和各個指數以及指數間的相關性，結果表明，地表溫度均值和各指數間均呈二變量顯著相關，并且通過1%的置信水平檢驗，相關系數介于0.448-0.946之間，其中與CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn、CONTIG_mn、AI、COHESION等11個指數間呈顯著正相關，與ENN_mn、IJI、DIVISION等3個指數間呈顯著負相關.同時，除斑塊密度PD和拼塊類型面積CA的相關系數為0.116沒有通過置信水平檢驗外，其余指數間也顯著相關，可初步判定這些具有相關性的指數間存在共線性，不能直接用這些指數和地表溫度進行多元線性回歸分析，否則結果中會出現一些指數的顯著性得到抑制而通不過檢驗，這與之前的相關性分析相互矛盾.先對地表溫度均值和各指數做多元線性回歸，在回歸分析中進行共線性診斷，其中特征值約為0的維度和條件索引大于10的列較多，可以判定某些指數間存在嚴重共線性.為了解決各指數間的共線性問題，需先對每個指數進行主成份分析，得到兩個因子.第一個因子代表了除斑塊密度外的13個指數的主要信息，而第二個因子主要代表了斑塊密度的信息.用得到的兩個主成份因子和地表溫度均值再做多元線性回歸，其中R2=0.924，調整R2=0.923，并且通過置信水平1%的F檢驗，兩個解釋變量也通過了置信水平1%的t檢驗，說明線性回歸方程擬合效果比較好.根據主成份因子和各指數間的轉換關系，將得到的線性方程變換成解釋變量為14個指數的標準化處理形式的多元線性回歸方程，以便統一各指數的量綱和數量級，其結果分別如公式(4)所示：

Y=46.916+0.1037*CA+0.1034*PLAND+0.1712*PD+0.0681*LPI+0.1451*ED+0.1855*LSI+0.0427*AREA_mn+0.1034*SHAPE_mn+0.1286*CONTIG_mn-0.1608*ENN_mn-0.1443*IJI-0.0317*DIVISION+0.1391*AI+0.1603*COHESION

(4)

由方程(4)可以看出，城區地表溫度與CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn、CONTIG_mn、AI、COHESION等11個指數間存在正相關關系，與ENN_mn、IJI、DIVISION等3個指數間存在負相關關系，這與地表溫度和各指數間的二變量相關性檢測結果一致，其中對城市中心區地表溫度影響作用較大的指數有斑塊密度PD、景觀形狀指數LSI、斑塊聚集度指數COHESION以及歐氏鄰近距離ENN_mn.從CONTIG_mn、ENN_mn、IJI、DIVISION、AI、COHESION6個指數可以看出，城區建設用地分割程度越大、離散程度越高，即建設用地面積越小數量越少，地溫也相應越低；從CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn8個指數可以看出，建設用地集中度越高、所占面積越大、形狀復雜程度越高，越有利于高溫區的形成.以上分析結果能夠較好的解釋非滲透表面豐度值在0.8以上時，地表溫度不再隨其豐度值增加而呈線性增高趨勢，二者之間的非線性關系與非滲透表面空間分布有關，斑塊面積和密度越大，斑塊形狀越趨于復雜，越有利于地表的增溫，而斑塊破碎化和離散程度越高，越有利于地表的降溫，如金融商務區、火車站、工業園等區域，建筑格局稠密單一，建筑形狀復雜，少有綠地、水面，導致其地溫也相應偏高.

4 討論與結論

本文以廣州市天河區為例，定量研究了城市中心城區非滲透表面與地表溫度的關系，以Landsat7 ETM+影像為數據源，分別運用單窗算法和歸一化線性光譜混合模型提取了地表溫度和非滲透表面豐度信息，并從景觀生態學的角度出發，研究了非滲透表面空間布局特征對地表溫度的影響.

(1)單窗算法和歸一化線性光譜混合模型都是經過前人反復試驗和運用的成熟度和普適性較高的算法和模型，溫度反演和非滲透表面提取的結果精度較高，方法可靠，能夠滿足本研究需求.對比地表溫度和非滲透表面豐度的結果，二者在空間分布上具有較為明顯的一致性，市區中心地帶高溫呈現片狀分布，隨離中心地帶距離的增加，溫度逐漸降低，城市熱島現象比較明顯.

(2)通過做非滲透表面豐度和地表溫度均值的回歸分析發現，當豐度值在0-0.8范圍內時，二者之間呈現非常強的線性正相關關系.當豐度值大于0.8時，二者以一種復雜的非線性關系存在，說明在城市中心區，非滲透表面豐度值不再是影響地表溫度變化的主要原因，在探討非滲透表面和地表溫度的關系時，必須要結合非滲透表面的空間布局進行研究.

(3)以適當的景觀指數表征非滲透表面的空間布局特征，研究非滲透表面豐度高值區指數和地表溫度的關系.選取的14個指數當中，有11個與地表溫度之間表現為正相關關系，3個表現為負相關關系，其中斑塊密度PD、景觀形狀指數LSI、斑塊聚集度指數COHESION以及歐氏鄰近距離ENN_mn4個指數對地表溫度的影響最大.非滲透表面空間布局顯著影響了城市地表溫度，其斑塊的變化以及形狀復雜性的增加，使得它獲得太陽輻射的面積也隨之增加，進而對城市地表有增溫作用；而非滲透表面斑塊破碎化和離散程度的增加，更有利于城市環境中能量的交換，進而對城市地表有降溫作用.因此，可通過合理優化非滲透表面空間分布來減輕城市熱環境效應.

(4)通過引入主成分分析的方法消除了各指數在多元線性回歸分析中存在的共線性問題，解決了指數與地表溫度回歸分析中顯著性得到抑制的問題.

基于以上討論，可從景觀格局角度提出一些緩解熱島效應的建議：優化城區內部綠地結構，有效降低建設用地面積和密度；增加建筑之間間距，提高其內部熱量的流通性；避免片狀建設用地因連接的交通線最終連成更大片的建設用地模式的出現.

[1] VOOGT J A,OKE T R.Thermal remote sensing of urban climates[J].Remote Sensing of Environment,2003,86(3):370-384.

[2] 周紅妹，周成虎，葛偉強,等.基于遙感和GIS的城市熱場分布規律研究[J].地理學報,2001,56(2)：189-197.

[3] WENG Qihao.Fractal analysis of Satellite-detected Urban Heat Island Effect[J].Photogram metric Engineering & Remote Sensing,2003,69(5):555 - 566.

[4] GALLO K P,MCNAB A L,KARL T R,et al.The use of a vegetation index for assessment of the urban heat island effect [J].International Journal of Remote Sensing,1993(14):2223 - 2230.

[5] GALLO K P,MCNAB A L,KARL T R,et al.The use of NOAA AVHRR data for assessment of the urban heat island effect [J].Journal of Applied MeTeorology,1993(32):899 - 908.

[6] GALLO K P,TARPLEY J D.The comparison of vegetation index and surface temperature composites for urban heat island analysis [J].International Journal of Remote Sensing,1996(17):3071 - 3076.

[7] 羅小波,劉明皓.HJ-1B衛星遙感數據在重慶市城市熱環境監測的應用分析[J].中國科學：信息科學,2011(41):108-116.

[8] YOKOHARI Makoto,BROWN Robert D,KATO Yoshitake,et al.The cooling effect of paddy fields on summertime air temperature in residential Tokyo,Japan[J].Landscape and Urban Planning,2001(53):17-27.

[9] WENG Qihao,LIU Hua,LU Dengsheng.Assessing the effects of land use and land cover patterns on thermal conditions using landscape metrics in city of Indianapolis,United States[J].Urban Ecosyst,2007(10):203-219.

[10] LIU Hua,WENG Qihao.Seasonal variations in the relationship between landscape pattern and land surface temperature in Indianapolis,USA[J]. Environ Monit Assess，2008(144):199-219.

[11] 陳云浩，史培軍，李曉兵.基于遙感和GIS 的上海城市空間熱環境研究[J].測繪學報,2002,31(2)：139-144.

[12] 郭冠華，陳穎彪，魏建兵.粒度變化對城市熱島空間格局分析的影響[J].生態學報，2012，32(12)：3764-3772.

[13] 劉珍環，王仰麟，彭建.不透水表面遙感監測及其應用研究進展[J].地理科學進展，2010,29(9)：1143-1152.

[14] YUAN Fei,BAUER Marvin 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 of Environment,2007(106):375-386.

[15] 錢樂祥，崔海山，馮艷芬.非滲透表面對廣州主城區地表熱特征的影響[J].地理與地理信息科學，2008,24(1)：91-95.

[16] 彭文甫，張東輝，何政偉，等.成都市地表溫度對不透水面的響應研究[J].遙感應用，2010(2)：98-102.

[17] 魏錦宏，譚春陽，王勇山.中心城區不透水表面與城市熱島效應關系研究[J].測繪與空間地理信息，2010，37(4)：69-72.

[18] YAO ming MA,OSAMU T,HIROHIKO I,et al.Determination of regional land surface heat flux densities over heterogeneous landscape of HEIFE integrating satellite remote sensing with field observations[J].Journal of the Meteorological Society of Japan,2002,80(3):485-501.

[19] 覃志豪.用陸地衛星TM6數據演算地表溫度的單窗算法[J].地理學報，2001，56(4)：456-466.

[20] 覃志豪，LI Wenjuan,ZHANG Minghua.等.單窗算法的大氣參數估計方法[J].國土資源遙感，2003(2)：37-43.

[21] 覃志豪，李文娟，徐斌，等.利用Landsat TM6反演地表溫度所需地表輻射率參數的估計方法[J].海洋科學進展，2004,22：129-137.

[22] JIMéNEZ-MUOZ 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):1-9.

[23] 錢樂祥，丁圣彥.珠江三角洲土地覆蓋變化對地表溫度的影響[J].地理學報,2005，60(5)：761-770.

[24] WU Changshan,MURRAY Alan T..Estimating impervious surface distribution by spectral mixture analysis[J].Remote Sensing of Environment,2003(84):493-505.

[25] WU Changshan.Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery[J]. Remote Sensing of Environment,2004(93):480-492.

[26] RIDD M K.Exploring a V-I-S(vegetation-impervious surface-soil)model for urban ecosystem analysis through remote sensing: comparative anatomy for cities[J].International Journal of Remote Sensing,1995(16):2165- 2185.

[27] 陳利頂，劉洋，呂一河，等.景觀生態學中的格局分析：現狀、困境與未來[J].生態學報，2008,28(11)：5521-5531.

[28] 鄭新奇，付梅臣.景觀格局空間分析技術及其應用[M].北京：科學出版社，2010.

[責任編輯：徐明忠]

Study on response of surface thermal characteristics to the landscape pattern metrics of impervious surface and its application in tianhe district of guangzhou city

WANG Yafei1,QIAN Lexiang1*,JIAO Quanjun2

(1.School of Geographical Sciences,Guangzhou University,Guangzhou 510006,China;2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences,Beijing 100094,China)

As one of the important of LUCC, the relationship between impervious surface and urban thermal environment has been closely watched, from which, the effect of warming on the surface is the central issue of the study of urban heat island. Using the Landsat 7 ETM+ image of the Tianhe district,Guangzhou city in 2000 as the data source, we retrieved land surface temperature by using Mon-window algorithm and developed the Normalization Spectral Mixture Analysis Method to extract the percent of impervious surface(POIS). Through Bivariate correlation analysis and Multiple linear regression analysis, in particular, combining with the means of landscape ecology, This paper studies the response of urban surface temperature(UST)to the impervious surface. However,The introduction of the Principal Component Analysis method solved the Collinearity problem of landscape pattern metrics(LPMS)in the Multiple linear regression analysis.The results show that UST has high similarity with the impervious surface in the spatial pattern, in which, Both present a very strong positive correlation when POIS is less than 0.8, however, the spatial distribution of impervious surface plays a more important role when POIS is greater than 0.8. There are 11 LPMS that have warming effect on UST, and the rest of three LPMS have cooling effect on UST. The research results have a reference value in fields of inproving the urban ecological environment and strengthening the reasonable planning.

inpervious surface;urban surface temperature;landscape pattern metrics;spatial pattern;the response

2014-12-10；

2014-12-22

廣州市屬高校科技計劃項目(10A004)；省部共建黃河中下游數字地理技術教育部重點實驗室開放基金項目(GTYR2011001)

王亞飛(1987-)，男，河南周口人，廣州大學碩士研究生，主要從事定量遙感資源環境等方面的研究.

P931.92

A

1672-3600(2015)06-0078-06