基于空間自相關的城市熱島時空格局變化

江振藍， 潘 輝， 張寶玉， 王婷芬 (.閩江學院地理科學系，福建福州 35008；2.閩江學院科研處，福建福州 35008)

?

基于空間自相關的城市熱島時空格局變化

江振藍1， 潘 輝2*， 張寶玉1， 王婷芬1(1.閩江學院地理科學系，福建福州 350108；2.閩江學院科研處，福建福州 350108)

[目的]明確空間自相關分析方法運用于揭示城市熱島時空變化規律的有效性和可行性。[方法]利用Landsat熱紅外波段進行地表溫度反演，采用空間自相關局部指標G系數進行城市熱島范圍的界定，并進行1996—2016年福州城市熱島的時空格局研究。[結果]1996—2016年城市熱島范圍持續擴展，熱島狀況的惡化速度大于緩解速度，熱島問題日益嚴重，但在熱島內部，強度卻有所緩解，福州熱島效應的威脅主要來源于城市擴展形成的新熱島區。[結論]空間自相關局部指標G系數能同時兼顧地表溫度的高低及其空間相關關系，不僅能從統計學意義上有效地界定城市熱島范圍，還能從可視化角度揭示其時空變化規律，從而為城市熱島定量研究提供新思路。

城市熱島；遙感；空間自相關；時空格局

隨著城市化進程的不斷加快，城市熱島效應問題日趨嚴重，國內外學者通過利用氣象站氣溫監測資料以及使用不同分辨率的衛星遙感圖像積極開展城市熱島效應相關研究。其中，遙感監測方法能克服地面定點觀測的不連續性，提供大面積的連續且同步的觀測，自1972 年，Rao首次利用遙感衛星手段研究了城市熱島效應[1]，隨后出現了大量相關研究。目前，利用遙感數據主要是通過反演地表溫度、植被指數和熱力景觀等方法對城市熱島進行監測，其中以反演地表溫度的方法最為直接，應用最廣。張新剛等[2]利用1991和1999年的Landsat TM6數據反演地表溫度，分析了杭州市城市熱島效應現狀及其變化規律。張勇等[3]利用CBERS-02 IRMSS傳感器熱紅外遙感數據反演北京地區和蘇錫常地區的地表溫度，并利用城市熱場變異指數分析熱島效應。王靚等[4]利用MODIS 8天合成地表溫度產品數據，分析2005—2014年北京市城建區不同熱島強度等級的空間分布特征及年內變化規律。Pan[5]利用1993、2001和2011年的Landsat TM/ETM+熱紅外波段反演的地表溫度進行熱場劃分，研究蘭州市城市熱島時空格局變化特征。然而，有關城市熱島定量的研究都面臨著一個共同的基礎問題，即城市熱島范圍的界定或地表溫度的等級劃分[6]。

目前，熱島范圍的界定或地表溫度的等級劃分主要基于溫度等級法[4，7-11]，將地表溫度劃分為不同的等級，進而判斷城市熱島范圍。這些方法界定的熱島在一定程度上可以反映城市熱場的空間分布，但由于閾值或分級數的確定具有很強的人為主觀性，缺乏統一的標準和規范，使得城市熱島效應研究樣本之間的通用性和可比性大大降低。Stewart[12]綜合分析了1950—2007年190個城市熱島研究的文獻，發現由于熱島強度定義、觀測方法及數據處理等方面的問題，導致75%的樣本數據缺乏可比性。為了克服傳統城市熱島提取方法中主觀性大的缺點，筆者利用空間自相關分析方法，從統計學意義上確定城市熱島范圍，并從可視化角度揭示其時空變化規律，避免人為干涉，旨在最大程度地消除研究結果的不確定性。

1 材料與方法

1.1 研究區概況福州地處我國東南沿海閩江入?？?118°24′～120°30′ E，25°16′～26°39′ N)，屬于亞熱帶海洋性季風氣候，全年冬短夏長。地貌屬于典型的河口盆地，城區位于盆區中央，四周被海拔600～1 000 m的群山環抱。作為福建省的省會城市，福州是我國東南沿海城市化速度最快的城市之一。改革開放以來，隨著城市化水平的不斷提高，福州城市范圍急劇擴大，居民生產生活耗費的能源也日益增多，城市熱島效應愈發顯著，尤其是近年來市區夏季溫度屢創新高，2007年創下了連續38 d氣溫超過35 ℃的紀錄，成為鳳凰衛視氣象節目評出的中國新三大“火爐”之首[13]。城市熱島效應及其帶來的不利影響，已引起相關部門的高度重視。該研究的區域范圍為福州主城區及其比鄰地區，面積為795 km2。

1.2 研究數據及預處理數據主要包括遙感數據：福州市1996年8月21日和2006年8月17日的Landsat 5 TM影像以及2016年7月27日的Landsat 8影像，行列號為119/42；福州市第二次土地調查數據，用以輔助土地利用分類和精度檢驗。

遙感圖像預處理主要包括：①對原始影像數據進行輻射定標；②利用Flaash模型對可見光、近紅外數據輻射定標結果進行大氣校正；③以福州市土地利用圖(橫軸墨卡托投影(UTM)50N帶)為參考，對3期影像進行幾何精校正，誤差控制在0.5個像元內；④研究區影像裁剪。以上步驟均在ENVI 5.2支持下完成。

1.3 研究方法

1.3.1地表溫度反演。根據美國地質勘探局(USGS)的建議，目前Landsat 8第11波段(TIRS 11)值仍不穩定性，建議用戶將第10波段(TIRS 10)作為單波段熱紅外數據進行使用。因此，筆者采用2016年Landsat 8第10波段和1996、2006年的landsat TM 第6波段，根據NASA官方的Landsat用戶手冊所提供的算法進行地表溫度反演[14]，具體步驟如下：

1.3.1.1 地表亮溫(T)的計算。運用公式T=K2/ln(K1/L+1)，將熱紅外波段輻射定標后的光譜輻射值轉換為亮溫。式中，T為像元的亮度溫度，K；L為光譜輻射值，W/(m2·sr·μm)，即為熱紅外波段輻射校正后的值；K1和K2為熱紅外波段的定標常數，TM6的K1=607.76 W/(m2·sr·μm)，K2=1 260.56 K；TIRS 10的K1=774.89 W/(m2·sr·μm)，K2=1 321.08 K。

1.3.1.2 地表比輻射率(ε)的估算。采用覃志豪等[15]提出的經驗公式法進行計算，首先將地類分為水面、城鎮(包括城市和村莊)和自然表面(指各種天然陸地表面、林地和農田等)；然后計算各地類的植被指數和植被覆蓋度，從而估算出各地類的地表比輻射率。

1.3.1.3 地表溫度反演。根據地物的比輻射率將求出的亮溫轉換為地表溫度[14]：

(1)

式中，LST為地表溫度,℃；λ為波段的中心波長，TM6和TIRS 10的波段分別為11.5和10.9 μm；ρ=h×c/σ=1.438×10-2mK(其中，斯特潘-玻爾茲曼常數σ=1.38×10-23JK-1，普朗克常數h=6.626×10-34Js，光速c=2.998×108ms-1)；ε為地物的比輻射率。

1.3.2基于空間自相關的城市熱島時空格局特征分析。

1.3.2.1格網尺度。由于Lansat TM6的空間分辨率為120 m×120 m， Landsat 8 TIRS 10的空間分辨率為100 m×100 m。為了能夠最大限度地反映城市熱島的空間分布特征，滿足兼顧最小的空間分辨率，筆者采用120 m×120 m的格網尺度進行城市熱島時空特征分析。

1.3.2.2空間自相關局部指標G系數?？臻g自相關是指同一個變量在不同空間位置的相關性，是空間單元屬性值聚集程度的一種度量[16]?？臻g自相關性可用全局和局部2種指標度量，全局指標探測研究區整體的空間自相關程度，局部指標則計算變量在每個空間單元與鄰近單元的相關程度。城市熱島是一個開放系統，一個熱島區域向周圍區域擴散的同時，也將受到其他熱點區域的擴散作用影響，根據空間自相關定義，城市熱島是一種空間自相關現象[17-18]，筆者采用空間自相關局部指標G系數進行城市熱島強度等級及其范圍的界定。局部G系數是由Ord和Getis(1995)提出[19]的一種基于距離權矩陣的局部空間自相關指標，能探測高值聚集和低值聚集，計算公式為：

(2)

2 結果與分析

2.1 福州地表溫度的時空分布特征從圖1可以看出，福州城鄉之間的地表溫度差異明顯，高低溫的突變線與城鄉的邊界大致一致。1996—2016年高溫區(紅、橙色區域)呈擴展趨勢，其空間格局也發生了顯著變化。1996年高溫區基本上與建成區重合，除了閩侯上街和倉山區金山的沙灘外，在臺江、鼓樓、晉安等老城區的建設用地比較密集的地區形成相應的高溫中心(紅色區域)，呈集中的團聚狀分布；而在2006和2016年高溫區域較1996年有明顯的增長，在老城區外圍形成新的高溫中心，尤其在倉山區及閩侯上街的大學城變化最為明顯。但老城區高溫區的部分區域溫度有所下降，造成高溫區內部溫度差異明顯。

2.2 福州城市熱島的時空格局變化特征從圖2可以看出，1996和2006年城市熱島的空間分布格局大致一致，熱島等級均以強熱島區占絕對優勢，其面積遠大于熱島區和弱熱島區，在空間上呈現集中的團聚狀分布，熱島區和弱熱島區呈零星分布于其四周；2016年城市熱島仍以強熱島區所占比重最大，但熱島區及弱熱島區明顯增加，呈斑塊狀分布于城建區，使得原本呈團聚狀分布的強熱島區域內部被分割，在空間上呈多孔的斑塊狀分布。

由表1可知，隨著時間的推移，福州市熱島范圍在研究期間呈現持續的擴展趨勢，由1996年的熱島區為中心快速向南(倉山區)、向西(閩侯上街大學城區域)及向東(馬尾區的沿江區域)擴展，熱島面積由1996年的146.05 km2擴大至2016年的232.45 km2。在此期間，相對的城市冷島范圍呈波動式上升趨勢，1996—2006年面積略有所下降，但2006—2016年面積卻呈快速增大。研究區城市熱島范圍和冷島范圍均呈現擴展的變化趨勢，說明研究區城建區與周邊地區的溫度差異愈加明顯，城市熱島效應程度加深，影響范圍越來越大。

圖1 1996—2016年福州市地表溫度分布

表1 1996—2016年福州市不同等級的城市熱島面積

圖2 1996—2016福州市城市熱島的空間分布(120 m×120 m尺度)

由表2、3可知，城市熱島變化類型分為3類：熱島惡化區，即熱島強度較小等級向熱島等級強度較高等級轉化區域，包括非熱島等級向弱熱島、熱島或強熱島等級轉化，弱熱島等級向熱島或強熱島等級轉化區域，熱島等級向強熱島等級轉化的區域；熱島緩解區，即熱島強度較高等級向熱島等級強度較低等級轉化區域，包括強熱島等級向熱島、弱熱島及非熱島等級的變化區域，熱島等級向弱熱島、非熱島等級變化的區域，弱熱島等級向非熱島等級變化的區域；熱島不變區，即城市熱島等級保持不變的區域。1996—2006和2006—2016年熱島惡化區和熱島緩解區的面積分別為90.55和34.66 km2、90.87和68.21 km2，惡化區面積始終大于緩解區面積，說明研究期間福州市城市熱島惡化的速度始終大于緩解速度，進一步說明福州熱島效應總體上呈現惡化的趨勢。

由表2、3可知，不同階段熱島的惡化與緩解過程的相對作用不同，1996—2006年熱島惡化速度遠大于緩解速度，城市熱島以惡化過程為主，表現為城市熱島變化以強熱島區的擴展為主(面積由99.20 km2增加至133.60 km2)，熱島區小幅增長(面積從27.80 km2增加至37.90 km2)，弱熱島區面積幾乎不變；2006—2016年城市惡化速度雖然保持與前10年幾乎相同的速度，但城市熱島的緩解過程卻較前10年有顯著提高，為1996—2006年的2倍，這一階段熱島惡化與緩解并存的特點較為突出，表現為城市熱島擴展以熱島區的擴展為主(面積由37.90 km2增加至72.90 km2，增加了近1倍)，弱熱島區小幅增長(由19.10 km2增加至32.80 km2)，而強熱島區比例卻略有下降(由133.60 km2下降為126.80 km2)。

表2 1996—2006年福州市不同強度等級的熱島變化情況

表3 2006—2016年福州市不同強度等級的熱島變化情況

2.3 城市擴展對福州城市熱島時空格局的影響運用文獻[20]中的方法提取1996、2006、2016年福州市城鎮建設用地信息，利用福州土地利用二調數據和實地調查數據進行精度檢驗，1996、2006、2016年城鎮用地信息提取的總體精度和Kappa系數分別為92%和0.84、91%和0.82、93%和0.85。將城鎮用地分布圖與城市熱島分布圖進行疊加，以便分析城市擴展對熱島的時空格局影響，結果見表4～6。

表4 1996—2006年福州市城建區的熱島分布情況

表5 1996—2006年福州市城建區不同強度等級的熱島變化情況

由表4可知，1996—2016年隨著建設用地的擴展，城市熱島在城建區的分布范圍也隨之擴大，從1996年的78.07 km2擴展至2006年的158.11 km2，再擴展至2016年的215.08 km2，但熱島占城建區的比例卻隨著時間的推移呈遞減趨勢，從1996年的72.69%下降至2016年的66.83%。這說明，一方面，由于城市擴展占用耕地、濕地等，使得城市熱島范圍進一步擴大，熱島效應進一步加重；另一方面，福州舊城改造過程中采取有力的城市熱島緩解措施，如增加綠化面積、屋頂改造等，使得老城區的城市熱島得到一定緩解，2006—2016年城市熱島的緩解效果尤為明顯。

由表5可知，1996—2006年新城區、老城區的熱島惡化區和緩解區的面積分別為51.39和5.30 km2、20.12和11.94 km2，在熱島等級變化類型中，新老城區均以非熱島區向強熱島區轉化的面積最大。說明這一階段老城區的城市熱島緩解措施實施力度不大，效果不明顯，新老城區均以熱島惡化過程為主，造成該階段城市熱島的發展以惡化過程為主。由表6可知，2006—2016年新城區、老城區的熱島惡化區和緩解區的面積分別為39.82和5.40 km2、40.02和52.98 km2，在熱島等級變化類型中，老城區以強熱島區向熱島區轉化的面積最大(26.06 km2)，非熱島區向強熱島區轉化的面積僅為8.65 km2；新城區則以非熱島區向熱島區轉化的面積最大，非熱島區向強熱島區轉化的面積次之。這說明該階段在城市擴展區域仍以惡化過程為主，但在老城區由于城市熱島緩解措施的有力實施，熱島得到很大程度的緩解，緩解速度甚至超過了惡化速度。綜上，現階段福州城市熱島效應惡化最主要原因是城市擴展產生的新熱島區，今后的熱島防治中，新城區的合理規劃及新熱島產生的預防措施需引起高度重視。

表6 2006—2016年福州市城建區不同強度等級的熱島變化情況

3 結論與討論

(1)該研究表明，福州城市熱島范圍在研究期間呈現持續擴展的趨勢，且熱島狀況的惡化速度始終大于緩解速度，熱島效應日益嚴重，已成為福州可持續發展需要迫切解決的生態環境問題。

(2)隨著時間的推移，城市熱島的空間分布格局也隨之發生變化：1996—2006年城市熱島等級以強熱島等級占絕對優勢，呈團聚狀分布于建設用地密集的城建區，逐步向外零星分布于熱島區和弱熱島區；2016年熱島等級雖仍以強熱島等級所占比重最大，但熱島區及弱熱島區面積明顯增加，呈小斑塊狀分布于城建區，使得原本呈團聚狀分布的強熱島區域內部被分割，在空間上呈多孔的斑塊狀分布。

(3)福州城市熱島的時空變化規律主要是由于一方面，城市擴展占用耕地、濕地等產生新的熱島區，使得新城區以熱島惡化過程為主，熱島擴展迅速；另一方面，福州舊城改造過程中采取有力的城市熱島緩解措施(如增加綠化面積、屋頂改造等)，使得老城區的城市熱島緩解作用突出，尤其在2006—2016年老城區的熱島緩解速度已超過惡化速度。這說明城市熱島效應已引起各級政府及管理部門的高度重視，并對城市熱島防治采取了有力的措施，使得熱島效應嚴重的老城區熱島狀況得到了緩解。但在新城區的城市規劃中，城市熱島的預防工作卻有所欠缺，應在今后的熱島緩解措施的制訂和實施過程中重點解決。

(4)該研究采用空間自相關局部指標G系數進行城市熱島范圍的界定，不僅考慮了地表溫度的大小，還考慮了地表溫度的空間相關性，較傳統的城市熱島范圍界定方法更具科學性，可以更為有效地揭示城市熱島的時空變化趨勢。而且，由于G系數具有明確的統計學意義，不同的顯著性水平代表不同的城市熱場類型，閾值的確定不受季節、區域影響，更無需人為干預，使得研究結果不因時、因地、因人而異，更具可比性，適合在城市熱島定量研究中進一步推廣。

[1] RAO P K.Remote sensing of urban heat islands from an environmental satellite[J].Bulletin of the American meteorological society,1972,53:647-648.

[2] 張新剛，周斌，王珂.杭州市熱島效應的遙感監測[J].科技通報，2004,20(6)：501-505.

[3] 張勇，余濤，顧行發，等.CBERS-02 IRMSS熱紅外數據地表溫度反演及其在城市熱島效應定量化分析中的應用[J].遙感學報，2006，10 (5)：789-797.

[4] 王靚，孟慶巖，吳俊，等.2005-2014年北京市主要城建區熱島強度時空格局分析[J].地球信息科學，2015，17(9)：1047-1054.

[5] PAN J H.Area delineation and spatial-temporal dynamics of urban heat island in Lanzhou city,China using remote sensing imagery[J].Journal of the Indian society of remote sensing,2016,44:111(1)-127.

[6] 陳松林，王天星.等間距法和均值-標準差法界定城市熱島的對比研究[J].地球信息科學學報，2009，11(2)：145-150.

[7] 徐涵秋，陳本清.不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J].遙感技術與應用，2003，18(3)：129-133.

[8] 張好，徐涵秋，李樂，等.成都市熱島效應與城市空間發展關系分析[J].地球信息科學學報，2014，16(1)：70-78.

[9] QIAO Z，TIAN G J.Spatiotemporal diversity and regionalization of the urban thermal environment in Beijing[J].Journal of remote sensing,2014,18(3):715-734.

[10] 白楊，孟浩，王敏，等.上海市城市熱島景觀格局演變特征研究[J].環境科學與技術，2013,36(3)：196-201.

[11] ZHOU W Q,QIAN Y G,LI X M,et al.Relationships between land cover and the surface urban heat island:Seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures[J].Landscape ecology,2014,29(1):153-167.

[12] STEWART I D.A systematic review and scientific critique of methodology in modern urban heat island literature[J].International journal of climatology, 2011,31(2):200-217.

[13] 徐涵秋.基于城市地表參數變化的城市熱島效應分析[J].生態學報，2011，31(14)：3890-3901.

[14] NASA.Landsat 7 science data users handbook[EB/OL].(2011-03-11)[2012-12-28].http://landsathandbook.gsfc.nasa.gov.

[15] 覃志豪，李文娟，徐斌，等.陸地衛星TM6波段范圍內地表比輻射率的估計[J].國土資源遙感，2004(3)：28-36，41.

[16] GETIS A,ORD J K.The analysis of spatial association by use of distance statistics[J].Geographical analysis,1992,24(3):189-206.

[17] 張偉，蔣錦剛，朱玉碧.基于空間統計特征的城市熱環境時空演化[J].應用生態學報，2015，26(6)：1840-1846.

[18] 王鵬龍，張建明，呂榮芳.基于空間自相關的蘭州市熱環境[J].生態學雜志，2014，33(4)：1089-1095.

[19] ORD J K,GETIS A.Local spatial autocorrelation statistics:Distributional issues and anapplication[J].Geographical analysis,1995,27(4):286-306.

[20] 江振藍，林愛平.基于HIS變換的城鎮用地信息快速提取新方法[J].閩江學院學報，2011，32(2)：131-136.

Spatiotemporal Pattern Changes of Urban Heat Island Based on Spatial Autocorrelation

JIANG Zhen-lan1,PAN Hui2*,ZHANG Bao-yu1et al (1.Department of Geographical Science,Minjiang University,Fuzhou,Fujian 350108; 2.Scientific Research Department,Minjiang University,Fuzhou,Fujian 350108)

[Objective] To find the effectiveness and feasibility of applying Spatial Autocorrelation Analysis Method in revealing spatiotemporal change law of urban heat island.[Method] Landsat thermal infrared band was used to define the spatial autocorrelation local index G coefficient within the range of urban heat island.Spatiotemporal pattern of urban heat island in Fuzhou was researched from 1996 to 2016.[Result] Within 1996-2016,heat island problem deteriorated,featuring continuous expansion of heat islands and higher rate of deterioration than that of mitigation.But the intensity of heat was mitigated inside the heat islands.This showed that the threat of heat island in the city was mainly from the new heat island areas developed in the process of urbanization.[Conclusion] Spatial autocorrelation local index G coefficient reflects both the level of land surface temperature and its spatial correlation.It helps to define the scope of urban heat island statistically and to visualize the spatiotemporal dynamics.This research provides a new way of research on urban heat island.

Urban heat island; Remote sensing; Spatial autocorrelation; Spatiotemporal dynamics

福州市科技計劃項目(2014S130)；福建省自然基金項目(2016J01194)；福建省科技廳社會發展引導性項目(2015Y0074)。

江振藍(1977- )，女，福建政和人，副教授，博士，從事生態環境遙感研究。*通訊作者，教授，博士，從事環境資源管理、生態旅游研究。

2016-08-31

S 181.3

A

0517-6611(2016)30-0041-05