基于多源衛星資料的京津唐城市群熱環境研究

劉勇洪，欒慶祖，權維俊，張碩

1. 北京市氣候中心，北京 100089；2. 中國氣象局京津冀環境氣象預報預警中心，北京 100089

基于多源衛星資料的京津唐城市群熱環境研究

劉勇洪1，欒慶祖1，權維俊2，張碩1

1. 北京市氣候中心，北京 100089；2. 中國氣象局京津冀環境氣象預報預警中心，北京 100089

摘要：基于FY-3A/B、MODIS/Aqua、NOAA18/AVHRR等多源衛星資料，利用地表熱島強度、熱島比例指數開展了京津唐城市群熱島時空變化分析研究，并結合Landsat-TM衛星資料提取的地表參數、氣候背景參數和社會經濟參數等開展了地表熱場的成因分析研究。研究結果表明：地表熱島強度指標能有效反映京津唐城市群熱島的時空變化，熱島強度的大小與高溫強弱沒有直接關系，而且地表熱島強度只有在夜晚才與氣溫觀測具有一致性，即冬季最強，夏季最弱；而在白天則呈相反規律。熱島比例指數估算顯示2012年京津唐城市群熱島強度排名前3的分布是天津市轄區（0.86）、北京市轄區（0.85）和朝陽區（0.74），唐山市轄區也達到了0.50。熱場成因分析表明不透水蓋度是城市熱島差異的最重要下墊面因子，遙感陸表溫度較現有氣象觀測更能顯示城市熱島的空間分布，城市熱島強弱與國民生產總值、人口數、用水量和用電量都有比較明顯的線性正相關關系（線性回歸模型決定系數R2分別為0.513 1、0.485 3、0.483 6和0.306），而與人為熱有明顯的對數正相關關系（模型決定系數R2為0.672 3）。不透水蓋度、人均用水量和年平均氣溫構成了城市熱環境差異的主要影響因子（模型決定系數R2為0.80），反映了城市下墊面參數、社會經濟活動和氣候背景因素對城市熱島空間差異的共同影響。

關鍵詞：熱島強度；熱島比例指數；時空變化；成因分析；不透水蓋度；京津唐

引用格式：劉勇洪，欒慶祖，權維俊，張碩. 基于多源衛星資料的京津唐城市群熱環境研究[J]. 生態環境學報, 2015, 24(7): 1150-1158.

LIU Yonghong, LUAN Qingzu, QUAN Weijun, ZHANG Shuo. Research on Heat Environment of Beijing-Tianjin-Tangshan Urban Group Based on Multisource Satellite Data [J]. Ecology and Environmental Sciences, 2015, 24(7): 1150-1158.

城市熱環境最明顯的特征就是城市熱島效應（Urban Heat Island effect，簡稱UHI），是指城市中的氣溫明顯高于城市外圍郊區的現象，是城市氣候最明顯的特征之一（肖榮波等，2005）。城市熱島降低了人們生活的舒適度并加劇了大氣污染，嚴重影響了居民生活質量，如何定量地監測城市熱環境的動態變化及開展熱環境成因分析已成為當前城市熱島研究的重要內容。目前，常用的城市熱島研究手段有3種：氣象觀測、數值模擬和衛星遙感。氣象觀測由于具有觀測資料時效長、定點、準確、定量的優勢，一直被作為基礎手段用于研究城市熱島的時空演變規律（張光智等，2002；季崇萍等，2006；Liu et al.，2007；郭勇等，2006；謝莊等，2006）。張尚印等（2006）利用長時間序列氣溫資料開展了北京地區40年北京地區強熱島事件分析，鄭祚芳等（2006）應用自動氣象站逐時氣溫觀測資料分析了北京城市熱島的時空分布特征，馬玉霞等（2009）分析了蘭州城市近50年的熱島變化。數值模擬由于能深人研究城市熱島現象和成因之間的物理本質，在經歷了一維、二維、三維的發展后，對熱島形成機制方面的研究也日趨成熟和普遍。楊玉華等（2003）利用MM5數值模式模擬表明考慮人為熱源能對北京城市熱島及環流有更好的模擬，江曉燕等（2007）利用WRF（天氣預報模式）成功模擬了北京熱島日變化趨勢，江學頂等（2006）利用MM5數值模式對廣州的研究表明數值模擬結合“3S”技術能更好地研究熱島空間格局的動態變化。近年來，衛星遙感已成為普遍用于城市熱島研究的一種重要手段。通過遙感不但能開展城市熱島時間變化的研究，還能開展空間結構等細節特征變化研究。丁金才等（2002）、方永俠等（2011）利用熱紅外遙感資料開展了上海、北京城市熱島的研究，陳云浩等（2002）、蘇偉忠等（2005）和宋艷暾等（2007）利用熱紅外遙感資料分別開展了上海、南京、深圳的空間格局分析研究。劉勇洪等（2014）進一步結合氣象資料與多種衛星資料開展了北京熱島的定量評估研究。但上述研究多集中在一個單一的城市，對城市群熱島的空間格局定量監測及成因研究較少。在熱島形成機制方面，Yamashita et al. （1986）對日本東京的研究指出城市天空可視度可作為衡量城市化對城市熱島影響的重要因子。Morris et al.（2001）則指出云量增多和風速增加會降低城市熱島，Mohsin et al.（2012）對加拿大多倫多城市的研究指出人為熱、地形條件以及氣象站的選取影響城市熱島大小。佟華等（2005）利用三維數值模式對北京城市的模擬研究表明大型楔形綠地能有效減輕城市熱島。甘霖（2011）則指出合理的城市規劃布局是減少城市熱島的重要途徑，徐永明等（2013）指出城市不透水蓋度是城市熱環境的重要指示因子。可見氣象因素、城市下墊面和社會經濟因素都是影響城市熱環境的重要因素。

京津唐城市群是我國繼珠江三角洲和長江三角洲之后又一經濟快速發展的地區，區域內眾多城市的協同發展和規劃布局對城市熱島的形成、減緩具有重要作用，本文采用多種衛星資料引入定量熱島監測指標開展京津唐城市群的熱島監測，并結合氣候背景因素、城市下墊面和社會經濟因素分析該地區的熱島形成機制，對京津唐城市發展一體化和協調發展具有重要參考意義。

1　資料與方法

1.1資料

1.1.1氣象資料

京津唐地區47個氣象臺站的2012年逐月平均氣溫和0 cm地溫資料，來源于北京市氣象信息中心。

1.1.2社會經濟資料

京津唐地區40個區縣2012年左右的社會經濟數據，主要包括GDP、人口數、用水量、用電量、人為熱等，來源于當地統計局發布的社會統計資料。

1.1.3衛星遙感資料

（1）FY-3A/B衛星資料：京津唐地區2012年8 月22日（非高溫日，日最高氣溫未超過30 ℃）、2013年7月24日（高溫日，日最高氣溫達38 ℃）FY-3A/B白天和夜晚LST產品，來源于國家衛星氣象中心的風云衛星遙感數據服務網（http://fy3.satellite.cma.gov.cn/portalsite/default.aspx）。

（2）MODIS衛星資料：京津唐地區2012年全年MODIS/Aqua白天和夜晚8天合成LST產品（MYD11A2），2012年8月22日、2013年7月24 日MODIS/Aqua白天LST產品（MYD11_L2），來源于美國國家航空與航天局陸表數據中心網站（https://lpdaac.usgs.gov/data_access/data_pool）。

（3）NOAA衛星資料：2012年8月22日、2013 年7月24日NOAA18/AVHRR 1B數據，來源于北京市氣候中心。

（4）Landsat-TM衛星資料：2011年7月26日北京地區和2009年8月30日天津、唐山地區Landsat-TM5 L1級資料，來源于中國科學院遙感與數字地球研究所的“對地觀測數據共享計劃”（http://ids.ceode.ac.cn/）。

1.2研究方法

1.2.1土地利用分類

利用京津唐地區的Landsat-TM5高分辨率衛星影像資料，采用最大似然法和閾值法，開展耕地、林地、水域、城鎮用地、綠地和未利用地等6類別的土地利用類型劃分。

對2011年7月26日北京地區Landsat-TM5遙感圖像經過輻射定標后得到6個可見光反射率波段影像，在此基礎上進行最大似然監督分類。訓練樣本來自2010年北京1∶10000土地利用信息和2005 ─2010年北京市氣候中心農業氣象室野外不同類型（林地、農田、綠地、城鎮用地、未利用地和水體）等GPS調查資料，每類至少100個樣本以上，分類波段包括了TM 6個可見光反射率波段、高程DEM和坡度等8個波段資料，根據圖象劃分成2種林地類型、1種山區裸地、2種平原裸地、2種農田、1種綠地、水體、山區陰影等類別，分完后再進行歸并，再對一些錯分明顯的類別主要是建筑、農田、綠地等進行目視人工解譯修正。監督分類結果常常有細碎圖斑，需要對獲得的分類結果進行一些后處理工作，本研究使用ENVI軟件中的聚類統計（Clump）、過濾分析（Sieve）、去除分析（Eliminate）功能突出這些圖斑并進行了小圖斑的合并。最后，得到較為理想的分類結果，精度檢驗表明各期的總體分類精度均在90%以上。類似于上述方法，對2009年8月30日的Landsat-TM衛星資料開展了天津與河北唐山25 m空間分辨率的土地利用分類，最后對北京、天津和唐山地區兩景土地利用類型影像數據經過幾何校正和圖像鑲嵌后得到京津冀地區土地利用類型分布，如圖1（a）所示：京津唐城市群城鎮用地主要分布于北京城區、天津城區、唐山市區和各郊區縣城，環渤海邊也有大量的城鎮工業用地，農田主要集中于平原等，林地主要分布于北京山區和唐山北部山區等。

1.2.2不透水蓋度和植被覆蓋度估算

應用線性光譜混合模型（Linear Spectral Mixture Model，LSMM）可有效提取城市不透水蓋度ISC（Impervious Surface Cover）和植被覆蓋度VC（Vegetation Cover）（趙英時等，2003）。該方法認為像元由多種基本組分（端元）的混合，像元光譜值是以端元在像元內的面積比例為權重系數的端元光譜值的線性組合。像元中各個組分的面積比例可以通過最小二乘法求解，基本思路是使得誤差最小。Ridd（1995）認為城市景觀除水體外，主要由植被、土壤、不透水表面3種典型覆被景觀組成，可以構成一個典型的植被-不透水表面-土壤景觀組分模型，即V-I-S模型。將V-I-S模型與LSMM模型相結合已成為近年來估算城市地表各組分覆蓋度的常用方法。依照V-I-S模型的思想，選取植被、土壤、不透水面作為構成混合像元的端元，端元光譜特征的確定是光譜線性分解關鍵。首先對遙感影像進行最小噪聲分離變換（Minnimum Noise Fraction，MNF）以減少數據冗余和波段之間的相關性，然后通過像元純凈度PPI（Pixel Purity Index）計算和N維散度分析提高植被、土壤、不透水面端元光譜特征的精度。依據選取的3種端元光譜對TM影像進行光譜線性分解，求出的不透水表面的面積比例即為不透水面蓋度ISC，求出的植被面積比例即為植被覆蓋度。

運用上述方法及Landsat-TM影像估算的京津唐地區不透水蓋度ISC和植被覆蓋度VC如圖1（b）和圖1（c）所示。可以看出，與土地利用類型圖相對應，城鎮地區一般都是ISC的高值區和VC的低值區，但在北京城區、天津城區和唐山城區周邊均存在ISC高值范圍小于VC低值范圍現象。例如北京六環內的ISC高值范圍（≥70%，約占38.9%）明顯小于VC低值范圍（≤30%，約占47.9%），這是由于中心城區向郊區農田的過渡區域存在著較多的裸地和未利用地，雖然裸地和未利用地VC較低，但并不是不透水面，因此ISC處于低值。

1.2.3地表溫度反演

針對FY-3A/B和MODIS衛星資料，直接采用免費下載獲取的陸表溫度（Land Surface Temperature，LST）產品。NOAA18/AVHRR 1B衛星地表溫度的生成則采用Quan et al.（2012）提出的改進型的Becker分裂窗方法，該地表溫度反演結果與國際上廣泛應用的MODIS地表溫度產品具有較好的一致性。Landsat-TM地表溫度反演采用Jiménez-Mu?oz et al.（2003）提出的單通道算法反演地表溫度，具體反演過程見文獻中的Landsat-TM地表溫度反演（Sobrino et al.，2004；徐永明等，2013）。

1.2.4地表熱島強度計算

基于衛星遙感觀測的熱島可以稱之為地表城市熱島（SUHI，Surface Urban Heat Island）。在這里，采用國際上通用的城鄉二分法，應用葉彩華等（2011）提出的地表熱島強度指標的計算方法來估算城市地表熱島強度，即：

圖1　京津唐地區土地利用類型Fig. 1 Spatial distribution of landuse types

其中，UHIIi為圖象上第i個象元所對應的熱島強度，Ti是陸表溫度LST，n為郊區農田內的有效象元數，Tcrop為郊區農田內的地表溫度。

其中，郊區農田背景區的選擇及其代表性對地表熱島強度的估算結果影響很大。根據城市熱島的定義，郊區農田背景區一般在城市周邊地區進行選擇，由于城市群面積廣闊，不能用同一個郊區背景值來計算各城市熱島強度，需要對北京、天津、唐山分別選擇郊區農田背景區，在1 km分辨率影像上大部分像元是混合像元，在這里遵循以下條件來選取像元純度高的郊區農田背景區：（1）平原農田地區，與城市海拔差小于50 m；（2）植被覆蓋度≥70%；（3）不透水蓋度≤30%。

由此根據京津唐地區的土地利用類型、植被覆蓋度、不透水蓋度和地形圖就可選出郊區農田，如圖2為京津唐地區郊區農田背景區的分布：在1 km尺度上，由于郊區農田主要為混合像元，北京純的農田像元較少，而天津和唐山相對較多。為更好地比較京津唐城市群主要城市之間的城市熱島大小，分別選取北京市轄區（東城和西城）、天津市轄區和唐山市轄區（如圖2所示）進行該區域內平均地表溫度計算，然后根據式（1）計算該區域平均地表溫度與郊區背景農田平均地表溫度的距平，即為該市轄區熱島強度值。

圖2　京津唐地區郊區農田背景的選擇及市轄區分布Fig. 2 Selection of rural crops and location of municipal districts of Beijing-Tianjin-Tangshan area

按照葉彩華等（2011）文中的地表熱島強度等級劃分，可劃分為7級熱島強度：強冷島、較強冷島、弱冷島、無熱島、弱熱島、較強熱島和強熱島等，分別賦值為1、2、3、4、5、6和7。

1.2.5城市熱島比例指數

在這里，采用葉彩華等（2011）提出的地表熱島比例指數（Urban Heat Island Proportion Index，UHPI）的計算方法來定量估算城市空間單元內的地表熱島強度，可以定量反映城市熱島的時空差異。

式中UHPI為城市熱島比例指數；m為熱島強度等級數；i為城區溫度高于郊區溫度等級序號；n為城區溫度高于郊區溫度的等級數；wi為第i級的權重，取等級值，pi為第i級所占的面積百分比。UHPI值在0～1.0之間，該值越大，熱島現象越嚴重。其值為0時，表明此地沒有熱島現象，值為1時，表明此地均處于強熱島范圍。由前面定義的熱島強度等級可知，m＝7，n＝3。

圖3　京津唐地區2012年8月22日不同衛星估算的熱島強度Fig. 3 UHII in Beijing-Tianjin-Tangshan area for different satellite on Aug. 22, 2012

圖4　京津唐地區2013年7月24日不同衛星估算的熱島強度Fig. 4 UHII in Beijing-Tianjin-Tangshan area for different satellite on Jul. 24, 2013

2　結果與分析

2.1熱島監測

2.1.1日變化監測

圖3和圖4分別為京津唐城市群2012年8月22日（非高溫日）和2013年7月24日（高溫日）白天不同衛星（FY-3A、MODIS/Aqua、FY-3B和NOAA18）按時間順序估算的的熱島強度圖。可以看出，不同衛星監測的熱島強度大小和范圍在空間分布上具有較好的一致性，不管是高溫日還是非高溫日，在不同時刻京津唐城市群的城鎮地區均存在明顯的熱島效應，主要集中在北京城區、天津城區、唐山市區和各郊區縣城，而城鎮周邊大部分平原農田地區均處于“無熱島”區，北京山區存在冷島效應。而在時間分布上熱島強度一般在午后達到最大，如2012年8月22日中午MODIS/Aqua的13:30 和FY-3B和13:50的熱島強度大小和范圍明顯大于上午FY-3A 12:06和下午NOAA18 14:28的熱島強度，2013年年7月24日中午MODIS/Aqua和FY-3B 的13:30熱島強度大小和范圍明顯大于上午FY-3A 11:40和下午NOAA18 14:38的熱島強度。

對北京市轄區、天津市轄區、唐山市區不同時刻估算的熱島強度UHII如表1所示：2012年8月22日和2013年7月24日不同時刻的熱島強度均為天津市轄區>北京市轄區>唐山市轄區，且在午后13:00─14:00之間熱島強度為一高峰值。此外，就同一（或鄰近）時刻而言，2012年8月22日（非高溫日）的UHII大于2013年7月24日（高溫日）的UHII，顯示熱島強度的大小很可能與氣溫的高低沒有直接關系，高溫天氣下并不一定有高的熱島強度，這與Nina et al.（2011）的研究結論類似。

表1　北京市轄區、天津市轄區、唐山市區不同衛星估算的熱島強度值Table 1 UHII of Beijing municipal districts, Tianjin municipal districts and Tangshan downtown for different satellites　℃

圖5　京津唐地區2012年四季白天平均熱島強度Fig. 5 Seasonal mean UHII of day in Beijing-Tianjin-Tangshan area in 2012

圖6　京津唐地區2012年四季夜晚平均熱島強度Fig. 6 Seasonal mean UHII of night in Beijing-Tianjin-Tangshan area in 2012

2.1.2季節變化監測

圖5和圖6分別為利用MODIS/Aqua數據估算的京津唐地區2012年四季平均白天和夜晚熱島強度。可以看出：白天熱島有明顯季節變化，夏季最強，冬季最弱，夏季白天在北京、天津、唐山市區及各郊區縣城均出現明顯較強以上等級熱島，而在冬季卻出現無熱島甚至是冷島現象，山區一般出現冷島現象，季節變化上符合遙感監測夏季白天最強、冬季最弱的規律（王建凱等，2007；Imhoff et al.，2010；Nina et al.，2011）。夜晚熱島與白天變化規律相反，冬季最強，夏季最弱，平原地區大部為無熱島現象，山區一般出現冷島現象，而在北京、天津、唐山市區及各郊區縣城出現熱島現象，環渤海邊由于水體眾多，水體由于熱容量大的特性在夜間相對周邊地區是一個熱源，因此呈現熱島現象。這與北京市氣象局氣候資料室（1992）及謝莊等（2006）利用氣溫資料對北京地區的研究結論相似：即冬季熱島最強，夏季最弱。即對城市熱島監測而言，遙感監測只有在夜晚才與氣溫監測具有一致性。

2.1.3熱島定量監測

如圖7所示為利用MODIS/Aqua數據估算的從高到低排列的2012年京津唐地區各城市熱島比例指數UHPI，可以看出熱島比例指數排名前3位的分別是天津市轄區（0.86）、北京市轄區（0.85）和朝陽區（0.74），唐山市區也達到了0.50，而北京的豐臺、石景山和天津的東麗、西清也普遍較高，UHPI在0.50以上，說明這些城市熱島較為嚴重。而北京的延慶、密云、天津的薊縣、河北的大廠和遷西等城市UHPI均在0.01以下，說明這些城市熱島現象非常輕微。

2.2地表熱場成因分析

2.2.1城市地表參數分析

利用2011年7月26日Landsat-TM反演得到的地表溫度LST、不透水蓋度ISC、植被蓋度VC、土壤蓋度SC相關分析表明，LST與VC和ISC的相關系數r分別為-0.771和0.710，而VC和ISC相關系數r高達-0.938。利用逐步回歸方法建立的LST與與ISC、VC、SC的回歸關系式如下所示，并分析了各參數對LST變化的重要性β值：

LST=30.282+8.733ISC+12.56SC+0.703VC

從上式可知，盡管VC與LST的相關系數r （-0.771）高于ISC與LST的相關系數r（0.710），但ISC對熱場差異的重要性（0.757）卻明顯高于土壤（0.368）和植被參數（0.065），表明不透水蓋度ISC是城市地表熱場差異形成的最重要因子。另外，經F檢驗，該模型達到極顯著性水平（P<0.001），但模型VC的回歸系數為正值（0.703），這與VC 與LST存在明顯負相關關系r（-0.771）相矛盾，對該回歸模型進行多重共線性檢驗表明自變量之間存在著嚴重的共線性關系（方差膨脹因子VIF高達39），考慮VC的重要性遠小于ISC，因此剔除

VC后對回歸式訂正后為：

經F檢驗，該模型達到極顯著性水平（P<0.001），表明不透水蓋度ISC的重要性仍最高，由ISC和SC能解釋62.5%的地表溫度LST變化。

圖7　京津唐地區各城市2012年熱島比例指數計算Fig. 7 UHPI of different countries in Beijing-Tianjin-Tangshan area in 2012

利用京津唐地區40個區縣的熱島比例指數UHPI與不透水蓋度ISC的統計回歸關系式如表2所示：ISC與UHPI具有明顯的線性相關關系，能解釋70.2%的熱島比例指數變化。而對各市轄區的平均不透水蓋度估算表明，天津市轄區（0.87）>北京市轄區（0.82）>唐山市轄區（0.54），這也是前面為何天津市轄區>北京市轄區>唐山市區熱島的重要原因。

2.2.2氣候背景與社會經濟因素分析

如圖8為京津唐地區2012年1 km空間分辨率平均遙感陸表溫度、年平均氣溫和年平均0 cm地溫分布圖：遙感陸表溫度較平均氣溫和0 cm地溫更能顯示城市熱島效應的空間分布，而氣象觀測由于只選取了常規觀測站，城市代表觀測站點稀少，部分城市熱島效應并不明顯。

利用47個常規氣象臺站的年平均氣溫、0 cm地溫和遙感陸表溫度開展相關分析表明：遙感陸表溫度LST與年平均氣溫Ta和0 cm地溫T0有明顯線性正相關關系，如表2所示：Ta與LST的相關性（r2=0.7296）大于T0與LST溫度相關性（r2=0.6298），這是由于在1 km尺度上，遙感觀測的大部分像元是混合像元，對于非均勻下墊面，不同像元內的組分組成是不同的，而氣象觀測的地溫0 cm只是2×4 m2面積大小的局部裸露土壤表面溫度，因此二者觀測值差異很大，而在這個尺度上通過地表長波輻射加熱空氣而獲得的氣溫能更好地反映混合像元熱場狀況。該結果表明在區域范圍內，氣溫在很大程度上反映了遙感地表熱場的空間分布。

圖8　2012年京津唐地區熱環境特征空間分布Fig. 8 Spatial distribution of heat environment characteristic in Beijing-Tianjin-Tangshan area in 2012

表2　京津唐城市群2012年熱環境與不同因子的回歸關系式Table 2 Regression relation equations of heat environment factor and different factors for Beijing-Tianjin-Tangshan area in 2012

對京津唐地區40個區縣2012年的社會經濟數據（國民生產總值GDP、人口數、用水量、用電量、人為熱）與各區縣反映熱島強弱的熱島比例指數指標統計回歸分析如表2所示：京津唐城市群各區縣熱島比例指數與GDP、人口數、用水量、用電量、人為熱都有比較明顯的正相關關系，模型決定系數R2分別為0.5131、0.4853、0.4836、0.306和0.6723，其中人為熱和國民生產總值GDP與城市熱島比例指數的相關性最高，表明城市人類活動和社會經濟發展程度是影響城市熱島的一個重要原因。

2.2.3綜合因素分析

以京津唐地區40個區縣的熱島比例指做因變量，根據前面的相關分析，選取各區縣的不透水蓋度、年平均氣溫、人為熱、常住人口、人口密度、行政區域面積、國民生產總值、總用電量、總用水量、人均GDP、地均GDP、人均用電量、人均用水量等13個因子作為自變量，應用逐步回歸方法，考慮排除自變量之間的共線性關系，建立了城市熱島比例指數與多個因子的綜合回歸關系式，如表2所示：熱島比例指數主要與不透水蓋度ISC、人均用水量Wm和年平均氣溫Ta密切相關，決定系數R2達到0.785。其中第一項反映了城市下墊面參數的影響，第二項反映了社會經濟活動的影響，第三項反映了氣候背景因素的影響。

3　結論與討論

3.1結論

本文基于多種衛星資料，利用城市地表熱島和熱島比例指數等監測指標開展了京津唐城市群的城市熱島時空變化監測分析，并結合地表參數、氣候背景參數、社會經濟參數等開展了地表熱場的成因分析研究。研究結果表明：（1）現有的不同衛星FY-3A/B、MODIS/Aqua、NOAA18/AVHRR均能有效監測京津唐城市群熱島的時空變化，遙感監測顯示白天與夜晚熱島具有不同的季節變化規律，而夜晚的熱島監測結果具有與氣溫觀測結果的一致性；（2）2012年排名前三的熱島城市分別為天津市轄區、北京市轄區和朝陽區；（3）對地表參數的分析表明不透水蓋度是地表熱場差異形成的最重要下墊面因子；（4）在區域尺度上由于城市氣象站的缺乏，遙感陸表溫度較氣象觀測更能顯示城市熱島效應的空間分布；（5）社會經濟參數GDP、人口數、用水量和用電量與城市熱島都有明顯的正相關關系，反映了人類社會活動對城市熱島形成的重要影響，綜合分析則表明城市熱島受城市下墊面、人類活動和氣候背景的共同影響。

3.2討論

如何定量地描述一個城市熱島的強弱，不管是氣象觀測手段還是遙感手段，還沒有統一的標準和方法，例如本文利用遙感手段研究白天城市熱島得到與氣溫不一致的規律，這是由于兩者觀測的機理還不一樣，如何實現兩種手段監測城市熱島的統一是今后氣象學家和遙感學家面臨的問題。另外本文使用的遙感監測方法和等級劃分雖然在京津唐城市群地區進行了有效應用，但南北氣候差異明顯，不同城市下墊面背景類型和氣候環流背景差異大，是否用于其它地區還需進一步的研究。城市熱島形成的機制很復雜，本文只是從宏觀角度上簡單地用統計回歸的方法來描述不同因素對城市熱島差異的可能影響，但并沒有從機理上去解釋各種因素對熱島的具體影響過程，因此通過衛星遙感獲取精細化地表參數，融合數值模式和能量平衡模型，結合實地試驗觀測數據來研究城市熱島的形成機制是未來的重要研究方向，這必將對城市的熱島效應有深入理解，促進各城市采取有力措施以減緩城市熱島效應給自然環境、區域氣候造成的負面影響。

致謝：感謝本文審稿者提出的許多寶貴意見。

參考文獻：

IMHOFF M L, ZHANG P, WOLFE R E, et al. 2010. Remote sensing of the urban heat island effect across biomes in the continental USA [J]. Remote Sensing of Environment, 114(3): 504-513

JIMéNEZ-MU?OZ J C, SOBRINO J A. 2003. A generalized single channel method for retrieving land surface temperature from remote sensing data [J]. Journal of Geophysical Research, 108(D22): 4688-4695.

LIU W, JI C, ZHONG X, et al. 2007. Temporal characteristics of the Beijing urban heat island [J].Theoretical and Applied Climatology, 87(1-4): 213-221.

MOHSIN T, GOUGH W A. 2012. Characterization and estimation of urban heat island at Toronto: impact of the choice of rural sites [J]. Theoretical and Applied Climatology, 108(1-2): 105-117.

MORRIS C J G, SIMMONDS I, PLUMMER N. 2001. Quantification of the influences of wind and cloud on the nocturnal urban heat island of a large city [J]. Journal of Applied Meteorology, 40(2): 169-182.

NINA S, SVEN L, RALF S. 2011. Exploring indicators for quantifying surface urban heat islands of European cities with MODIS land surface temperatures [J]. Remte Sensing Environment, 115(12): 3175-3186.

QUAN W J, CHEN H B, HAN X Z, et al. 2012. A Modified Becker’s Split-Window Approach for Retrieving Land Surface Temperature from AVHRR and VIRR [J]. Acta Meteorologica Sinica, 26(2): 229-240.

RIDD M K. 1995. 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, 16(2): 2165-2185.

SOBRINO J A, JIMéNEZ-MU?OZ J C, PAOLINI L. 2004. Land surface temperature retrieval from Landsat TM 5 [J]. Remote Sensing of Environment, 90(4): 434-440.

YAMASHITA S, SEKINE K, SHODA M, et al. 1986. On relationships between heat island and sky view factor in the cities of Tama River basin, Japan [J]. Atmospheric Environment, 20(4): 681-686.

北京市氣象局氣候資料室. 1992北京城市氣候[M]. 北京: 氣象出版社: 2-7.

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

丁金才, 張志凱, 奚紅, 等. 2002. 上海地區盛夏高溫分布和熱島效應的初步研究[J]. 大氣科學, 26(3): 412-420.

方永俠, 申雙和, 韓瑩, 等. 2011. 基于TM影像的不同季節北京城市熱環境研究[J]. 氣候與環境研究, 16(4): 487-493.

甘霖. 2011. 基于遙感影像的北京城市熱島時空演變及其影響因素分析(1992─2008)[J]. 北京規劃建設, (3): 78-83.

郭勇, 龍步菊, 劉偉東, 等. 2006. 北京城市熱島效應的流動觀測和初步研究[J]. 氣象科技, 34(6): 656-661.

季崇萍, 劉偉東, 軒春怡. 2006. 北京城市化進程對城市熱島的影響研究[J]. 地球物理學報, 49(1): 69-77.

江曉燕, 張朝林, 高華, 等. 2007. 城市下墊面反照率變化對北京市熱島過程的影響—個例分析[J]. 氣象學報, 65(2): 301-307.

江學頂, 夏北成, 郭濼, 等. 2006. 數值模擬與遙感反演的廣州城市熱島空間格局比較[J]. 中山大學學報(自然科學版), 45(6): 116-120.

劉勇洪, 徐永明, 馬京津, 等. 2014. 北京城市熱島的定量監測及規劃模擬研究[J]. 生態環境學報, 23(7): 1156-1163.

馬玉霞, 王式功, 魏海茹. 2009. 蘭州市近50年城市熱島強度變化特征[J]. 氣象科技, 37(6): 660-664.

宋艷暾, 余世孝, 李楠. 2007. 深圳特區表面溫度空間分異特征[J]. 生態學報, 27(4): 1489-1498.

蘇偉忠, 楊英寶, 楊桂山. 2005. 南京市熱場分布特征及其與土地利用覆被關系研究[J]. 地理科學, 25(6): 697-703.

佟華, 劉輝志, 李延明, 等. 2005. 北京夏季城市熱島現狀及楔形綠地規劃對緩解城市熱島的作用[J]. 應用氣象學報, 16(3): 357-366.

王建凱, 王開存, 王普才. 2007. 基于MODIS地表溫度產品的北京城市熱島(冷島)強度分析[J]. 遙感學報, 11(3): 330-339.

肖榮波, 歐陽志云, 李偉峰, 等. 2005. 城市熱島的生態環境效應[J]. 生態學報, 25(8): 2055-2060.

謝莊, 崔繼良, 陳大剛, 等. 2006. 北京城市熱島效應的晝夜變化特征分析[J]. 氣候與環境研究, 11(1): 69-75.

徐永明, 劉勇洪. 2013. 基于TM影像的北京市熱環境及其與不透水面的關系研究[J]. 生態環境學報, 22(4): 639-643.

楊玉華, 徐祥德, 翁永輝, 等. 2003. 北京城市邊界層熱島的日變化周期模擬[J]. 應用氣象學報, 14(1): 61-68.

葉彩華, 劉勇洪, 劉偉東, 等. 2011. 城市地表熱環境遙感監測指標研究及應用[J]. 氣象科技, 39(1): 95-101.

張光智, 徐祥德, 王繼志, 等. 2002. 北京及周邊地區城市尺度熱島特征及其演變[J]. 應用氣象學報, (13): 43-50.

張尚印, 徐祥德, 劉長友. 2006. 近40年北京地區強熱島事件初步分析[J]. 高原氣象, 25(6): 1147-1152.

趙英時, 等. 2003. 遙感應用分析原理與方法[M]. 科學出版社: 北京: 330-334.

鄭祚芳, 劉偉東, 王迎春, 等. 2006. 北京地區城市熱島的時空分布特征[J]. 南京氣象學院學報, 29(5): 694-699.

Research on Heat Environment of Beijing-Tianjin-Tangshan Urban Group Based on Multisource Satellite Data

LIU Yonghong1, LUAN Qingzu1, QUAN Weijun2, ZHANG Shuo
1. Beijing Municipal Climate Center, Beijing 100089, China; 2. Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, CMA, Beijing 100089, China

Abstract:Based on FY-3A/B, MODIS/Aqua and NOAA18/AVHRR satellite data, using urban surface heat island intensity (UHII) and urban heat island proportion index (UHPI), the temporal and spatial variation of urban heat island for Beijing-Tianjin-Tangshan urban group region is monitored and analysed. And combined with land surface parameters such as vegetation cover and impervious surface cover by Landsat-TM satellite data, climate background factors such as mean air temperature and 0cm ground temperature and community economy factors such as GDP, population, water consumption, electricity consumption and anthropogenic heat, the causes of the difference of heat environmentamong different cities are analysed. Results show that the UHII estimated by different satellite data can reflect temporal and spatial variation of urban heat island. Value of heat island intensity on high temperature weather condition is not necessarily higher than on non-high weather condition. Change of urban heat island by remote sensing has consistency by meteorological observation only in night. That is, the heat island intensity is the highest in winter and is the lowest in summer, but on the contrary in day. The UHPI estimated in 2012 for different countries in Beijing-Tianjin-Tangshan urban group region shows that Tianjin municipal district, Beijing municipal district and Chaoyang district are the first three high heat island intensity districts and the UHPIs are 0.86, 0.85 and 0.74, seperately. The UHPI of Tangshan district is also achieved 0.50. The analysis of the causes showes that impervious surface cover is most important underlying surface factor. Land surface temperature by remote sensing can reflects more spatial distribution of heat island than by meteorological observation. Heat island intensity for cities in Beijing-Tianjin-Tangshan area has linear positive correlation with GDP, population, water consumption, electricity consumption and the determination coefficients R2of the linear corresponding regression models are 0.513 1, 0.485 3, 0.483 6 and 0.306, respectively. And heat island intensity has logarithm correlation with anthropogenic heat and the determination coefficient R2is 0.672 3. Impervious surface cover, water consumption per capita and mean air temperature are the most important factors of heat environment difference in Beijing-Tianjin-Tangshan area. They reflect respectively effect of underlying surface parameters, community economy activity and climate background on spatial difference of urban heat island.

Key words:urban heat island intensity; heat island proportion index; temporal and spatial variation; analysis of causes; impervious surface cover; Beijing-Tianjin-Tangshan

收稿日期：2015-03-18

作者簡介：劉勇洪（1974年生），男，教授級高工，碩士，主要從事衛星遙感與應用氣象等的研究。E-mail: lyh7414@163.com

基金項目：高分氣象遙感應用示范系統（一期）；風云三號氣象衛星應用示范系統工程；北京市氣象局“城市氣候評估”創新團隊

中圖分類號：X16

文獻標志碼：A

文章編號：1674-5906（2015）07-1150-09

DOI:10.16258/j.cnki.1674-5906.2015.07.012