沿海河谷盆地城市熱島時空特征及驅動機制

林榮平,祁新華,葉士琳

1 中山大學地理科學與規劃學院, 廣州 510275 2 福建師范大學地理科學學院, 福州 350007 3 中國科學院南京地理與湖泊研究所, 南京 210008

沿海河谷盆地城市熱島時空特征及驅動機制

林榮平1,祁新華2,*,葉士琳3

1 中山大學地理科學與規劃學院, 廣州 510275 2 福建師范大學地理科學學院, 福州 350007 3 中國科學院南京地理與湖泊研究所, 南京 210008

針對以往熱島研究中缺少自然-人文多維因子組合作用的成因分析,基于landsat TM/OLI遙感影像反演福州市1991、2000及2013年河谷盆地亮溫熱場,并利用主成分多元回歸方法探討DMSP/OLS夜間燈光、交通密度、地表非滲透面、地面高程、地表植被、水體等多維因素對城市熱島的綜合影響及聯動關系。研究發現：①1991—2013年盆地熱島輻射范圍不斷蔓延,老城區成為熱島核心區,呈中心向外輻射并沿江擴展態勢,盆地“溢出”現象顯著;②盆地內平原-山地溫差達10—14℃,熱島面積出現兩極分化,23年間熱島面積共增加226.9km2,其中高溫區面積增長四倍,年增長率最大(7.50%);③夜間燈光、交通路網密度、地表非滲透面、地表植被、地面高程及水體每變化1個單位,溫度將分別變化0.430、0.418、0.103、-0.031、-0.469及-0.096;④人文促進作用大于自然抑制作用,綜合作用下盆地升溫0.35個單位;⑤相比地表非滲透面,夜間燈光與交通密度對熱島的增溫貢獻更為顯著;地面高程主導降溫作用,其次為水體與地表植被,后兩者作用之和僅為地面高程的27%。福州盆地當前的生態環境并不足以緩解城市未來進一步發展而導致的熱島加劇,當保持城市現有發展規模且自然作用進一步增加60%時,降溫抑制作用才會明顯。

城市熱島;多維因子;組合影響;河谷盆地;福州

全球變暖已成為當今普遍共識,2013年聯合國政府間氣候變化專門委員會(IPCC)第五次評估報告指出,1880—2012年全球海陸表面平均溫度呈線性上升趨勢,且隨氣候持續變暖,高溫熱浪將變得更加頻繁[1-2]。在此背景下,城市氣候問題,尤其是城市熱島效應愈發矚目。城市熱島是城市化氣候效應最顯著特征之一[3-4],近年來影響范圍不斷擴大,對區域氣候變化、城市大氣環境格局、能源消耗和居民健康帶來的影響日益強烈[5]。有研究數據表明,歐洲國家夏季氣溫每上升1K,電力需求將增加1.66%[6],更有法國、美國、日本、墨西哥等國家每年因高溫造成數百上千人死亡[7-8]。

當前城市熱島研究已取得一定成果,學者們對許多城市的熱島成因[9]、形態特征[10]、過程演化[11]及模擬預測[12]等方面開展了大量工作。在熱島特征方面,不少研究基于城-郊氣象站點觀測資料或遙感影像指出地區熱島發展的時空特征及年代演變過程[13- 15],原因分析上則側重將單一因子與熱島溫度回歸擬合,構建地溫與信息指數(如NDVI、NDBI等)定量關系[16-17],由此發現城市化建設過程中的地表覆蓋或土地利用變化等人類活動是促成城市熱島效應的重要原因[18-19]。例如Schlünzen等人結合德國漢堡大都市區45個氣象站點數據資料,指出市區在夏季及冬季的增溫現象明顯,高密度建成區均溫比外圍地區高出1.1K[20];Jong-Seong等人對韓國40座城市的站點氣溫數據與城市人口規模進行趨勢擬合,結果顯示1975—2005年人口規模每增長100萬,氣溫升高0.44℃[21];借由Landsat 7遙感影像反演印度孟買及德令哈市兩大城市地溫,Grover等人分析熱島空間分布差異并將其與歸一化植被指數進行擬合,認為NDVI與孟買熱島效應負相關性更為明顯[22];曹愛麗等人利用城郊站點溫差數據指出上海1951—2006年城郊溫差增溫率為0.23℃/10a,并將其分別與人口、建成區面積、房屋竣工面積等指標進行相關分析,發現住宅建設是上海城市熱島最主要原因[23];徐涵秋針對不透水面與城市生態要素的關系研究表明福州市城市不透水面高比例地區升溫效應明顯[24];水體作用同樣突出,王美雅等人通過提取遙感影像水體信息發現水體比例每增加 10%,地表溫度將會減少1.70℃[25]。此外,其他同類研究還發現地區GDP、產業結構及能源消耗[26-27]等因素也會對城市熱島效應產生不同程度影響。

實際上,熱島與影響因素并非簡單的一維線性關系,僅通過單個因素相關分析或回歸模型推斷變量與城市熱島之間的因果關系,而不考慮其他因素的互動影響,會使得相關研究成果存在缺陷,忽略各因素在自然-人文多維因子交互、組合影響下的實際作用程度。雖然現有研究試圖運用新因素、新方法進行實證分析,例如徐涵秋利用逐步回歸方法指出不透水面對地面溫度的影響可接近或超過植被和水體之和[28];戴曉燕等人利用決策樹挖掘土地利用程度、人口及工業區密度等多種因素與城市熱島的相互關系[29],但總體上,城市熱島多維影響關系的綜合定量認知與組合評價仍相對較少,相應機理性分析和案例驗證不足。

在研究對象方面,特殊生態系統、特殊地域對全球變化,特別是對氣候變化的響應問題逐漸成為科學界熱點[30]。不同于平原地區,河谷盆地因相對封閉的地形地貌和內在多變的人類活動成為高溫熱浪多發區域,且中國山地丘陵眾多、分布廣,面積約占國土陸地總面積的43%[31],在此基礎上形成的河谷型城市具有很強的典型性和區域性[32]。但在前人研究中,盆地特有地形特征(如地面高程差異)對熱島的影響并未得到詳盡闡明[15,17,33]。

綜上,本文嘗試以河谷盆地城市為研究對象,通過GIS與主成分多元回歸方法探討自然-人文多維因子與盆地熱島的聯動關系,以充分認識主要因素對城市熱場的組合影響,深化城市熱島驅動機制研究。關注以下3個方面：①河谷盆地熱島空間如何分布及其影響輻射范圍;②定量化自然-人文多維度影響因素與熱島互動關系;③以往研究中作用突出的因素能否被其他因素取代或是在組合作用下仍否保持顯著作用。

1 研究區域概況

福州市位于中國東南沿海,為福建省會城市,屬亞熱帶季風氣候,是典型河口盆地(面積576 km2)[34],東、西和北三面為中低山,南面和東南面為丘陵,地勢自西向東傾斜,空間上為東南向開口的簸箕狀地形,城市建成區、鄉鎮集鎮和農村居民建設用地多集中于此,區內有閩江南北兩支橫貫市區東流入海(圖1)。

經多年發展,福州已成為東南沿海重要現代產業基地,產業門類發達,電子信息、機械工業等產業發展迅速,2014年市轄區城鎮化水平超到97%*數據來源：福建省統計年鑒,http://www.stats-fj.gov.cn/xxgk/ndsj/。現今福州是海上絲綢之路重要門戶及中國(福建)自由貿易試驗區三片區之一。隨經濟高速發展,福州城市氣候問題愈發突出,主要表現為市區氣溫升高。2003年福州城區創下1957年以來持續高溫時間最長紀錄(連續24d最高氣溫超過36℃)[35],2007年出現持續高溫天數創百年記錄[36]。據1981—2010年年均高溫日數,福州市以年均32.6d超過重慶29.6d成為“內地大城市最熱城市”[37]。特別是20世紀末以來,福州氣溫上升趨勢明顯(圖2),1980—2012年氣溫傾向率達到0.388℃/10a(1953—2012年為0.212℃/10a)。福州市近年來高溫頻數、強度正逐漸增大。

圖1 福州市中心城區范圍Fig.1 The scope of Fuzhou center city

圖2 1953—2012年福州市年均氣溫 Fig.2 The annual average temperature of Fuzhou City from 1953—2012 數據來源：中國氣象科學數據共享服務網,http://cdc.cma.gov.cn/

本文以福州市中心城區作為研究區,相應研究范圍依據福州市城市總體規劃(2008—2020年)劃分,主要包括福州市5區(晉安區除壽山、鼓嶺、甘溪、宦溪外),以及閩侯縣荊溪鎮、琯頭鎮、南嶼鎮等地,面積共1443km2,人口達306萬人[38](下文的晉安區、閩侯縣等均指中心城區范圍內所涉區域)。

2 研究方法和數據來源

2.1 研究方法

2.1.1 亮溫反演

傳統溫度數據來源于氣象站點觀測資料,無法全面反映大、中空間尺度連續性地表溫度及其形態結構與擴展態勢,故本文采用遙感影像反演地面亮溫獲取研究區范圍內的時空熱場。地面亮溫為地表溫度、地表比輻射率、大氣溫度以及大氣透過率等因素的綜合體現,是熱環境研究常用手段[39]。

(1) 輻射定標

將Landsat5 TM遙感影像上B6波段(Landsat8為B10波段)DN值轉換為輻射亮度,相應定量關系為[40]：

Lλ=Lmin(λ)+(Lmax(λ)-Lmin(λ))Qdn/Qmax

(1)

式中,Lλ為衛星傳感器所接收的光譜輻射強度(W m-2Sr-1μm-1),Qdn為像元DN灰度值,Qmax為遙感影像上像元最大的DN灰度值,即Qmax=255,Lmax(λ)為傳感器最大輻射強度,Lmin(λ)為傳感器最小輻射強度。式中各參數可分別從影像數據頭文件獲取。

(2) 亮溫計算

(2)

式中,T為地面亮溫(℃),K1和K2為系數常量,對于Landsat5 TM影像,K1=60.776W m-2Sr-1μm-1,K2=1260.56W m-2Sr-1μm-1。對于Landsa8 OLI影像,K1=77.489W m-2Sr-1μm-1,K2=1321.08W m-2Sr-1μm-1。

2.1.2 地表信息

(1) 歸一化植被指數(NDVI)[41]

NDVI=(NIR-Red)/(NIR+Red)

(3)

式中,NIR、Red分別為B4、B3波段,為Landsat5 TM影像相應波段DN值,Landsat8 OLI遙感影像對應為B5、B4波段。

(2) 歸一化建筑指數(NDBI)[42]

NDBI=(MIR-NIR)/(MIR+NIR)

(4)

式中,NIR表示近紅外波段,MIR表示中紅外波段,分別為Landsat5 TM影像的B4、B5波段,Landsat8 OLI遙感影像對應B5、B6波段。

(3) 改進歸一化差異水體指數(MNDWI)[43]

MNDWI=(Green-MIR)/(Green+MIR)

(5)

式中,Green為綠光波段,對應Landsat5 TM影像的B2波段,MIR為中紅外波段,對應Landsat5影像B5波段。對于Landsat8 OLI影像,兩者分別對應B3、B6波段。

2.1.3 主成分多元回歸

本文從高溫熱場增減兩方面影響機制著手,選取與盆地熱島變化相關的人文、自然因素進行相關性分析與主成分多元回歸分析,相關方法參見文獻[44]。計算過程均基于SPSS18.0及ArcGIS10.0平臺進行。

2.2 數據來源

本文矢量數據來源于國家地理信息中心,部分道路數據根據電子地圖數字化;DMSP/OLS夜間燈光數據來源于美國地球物理數據中心(NGDC)[45];數字地面高程來源于美國空間信息協會(CGIAR-CSI)[46];遙感影像來源于地理空間數據云[47]。出于遙感數據質量與可獲取性,選取1991年8月24日、2000年6月29日及2013年8月4日遙感影像,所有影像均在夏季成像。1991、2000年Landsat TM 影像數據B6波段分辨率為120m,2013年Landsat OLI數據B10波段分辨率為100m,為便于比較,將2013年遙感影像及其他數據重采樣成120 m。

3 結果與分析

3.1 城市熱島空間分布特征

根據前述亮溫反演計算方法(公式1—2),經ArcGIS10.0軟件處理獲取福州市中心城區1991、2000及2013年的地面亮溫(表1、圖3)。城區相應溫度范圍為19.34—32.73℃、21.60—38.35℃及25.30—42.06℃,平均值從1991年的26.15℃升至2000年的30.15℃,至2013年平均溫度進一步上升至32.89℃。由于1991、2000年福州老城區以外的部分山地被云層覆蓋,故對三期遙感影像進行掩膜處理以保證研究區域一致性。

表1 福州市中心城區地面亮溫統計(℃)

圖3 1991—2013年福州市中心城區亮溫分布Fig.3 The distribution of brightness temperature in Fuzhou center city from 1991—2013

在1991年,福州中心城區熱島輻射影響微弱,城區平均溫度為26.15℃,高溫區集中于老城區(鼓樓、臺江、倉山及晉安區)以及閩侯縣與倉山區交界地帶,其中,閩侯縣與倉山區交界地帶高溫區主要為上街鎮至烏龍江濕地公園黃土沙地。老城內最高溫度達到32.73℃,周邊郊區的山體、水體平均溫分別為22.5℃與24.25℃,與城區最高溫度差異分別為10.23℃及8.49℃。2000年,高溫范圍在1991年基礎上擴大,均溫較1991年增長4℃。老城區的臺江、鼓樓區大部分、晉安區南部及與倉山區中部地區成為熱島覆蓋區,研究區平均溫度超過30℃,部分地區最高增至38.35℃,盆地內的山地丘陵與水體溫度增至27.13℃與25.12℃,馬尾區至臺江區沿閩江一帶還出現明顯的條帶狀高溫集聚區。至2013年,中心城區熱島效應進一步加劇,均溫上升至32.88℃。除鼓樓區金牛山、西湖公園,倉山區高蓋山等地,以及晉安區金雞山至寨頂山一帶的公園、山地外,老城區已成為福州市熱島核心區。在其周圍,西起閩侯荊溪鎮、上街鎮(大學城),南至南嶼鎮、南通鎮等地,東抵馬尾區及閩江出海口兩岸,均出現密集高溫覆蓋區,最高溫達42.06℃,郊區山地、水體均溫亦出現小幅度上升,增至29.96℃、27.24℃,與城內最高溫差分別為12.1℃及14.82℃。

整體上,1990—2013年福州城區平均溫度及其與地勢較高的郊區溫差達到10—14℃。熱島現象呈中心向外及沿江蔓延態勢,高溫擴展范圍與盆地內近年來建設用地擴張方向保持同步性,盆地內建設用地率先成為熱島覆蓋區,其余地表類型也出現不同程度升溫。未來熱島范圍連片發展及“溢出”盆地態勢顯著。

3.2 城市熱島時間演變特征

為消除時間影響,對各年份亮溫進行標準化處理,并采用自然斷點分級法劃分為低溫區、次中溫區、中溫區、次高溫區及高溫區五級。不同年份、等級的亮溫面積統計見表2。

表2 1991—2013年福州主城區亮溫等級面積統計/km2

圖4 1991—2013年福州主城區亮溫等級面積 Fig.4 The statistics of level area of brightness temperature in Fuzhou center city from 1992—2013

由表2及圖4可知,城區熱場由中溫區、次中溫區不斷向低溫區與高溫區轉變,出現兩極分化。低溫區面積比由1991年的8.24%上升至2013年的23.48%。次高溫區與高溫區面積比分別由1991年的2.16%、8.17%增至2013年的10.60%與17.09%。而中溫區與次中溫區所占比例表現出遞減趨勢,分別由1991年的41.55%、39.89%降至2013年的19.12%及29.71%,減幅明顯。

在1991—2013年的22a間,熱島面積(次高溫區、高溫區)由1991年的134.9km2增加至2013年的361.8 km2,占盆地面積的62.81%,熱島面積共增加226.9km2。其中,高溫區變化最快,2013年約為1991年的4倍(增長391.13%),年均增長7.50%,低溫區、次中溫區、中溫區及次高溫區面積增長率則分別為4.87%、-1.33%、-3.47%及3.41%。福州盆地熱島效應影響差異愈發明顯。

3.3 城市高溫驅動機制

3.3.1 影響因素

結合上述盆地熱環境的空間分布特征分析,自然地貌環境和城市發展建設等均會形成不同高溫熱場。鑒于數據可量化性及對比高溫環境增、減機制影響程度,本文將福州市盆地高溫環境的影響因素分為人文、自然兩方面,具體指標見表3與圖5。其中人文因素包括人口規模、地表非滲透面、交通密度,自然因素為生態環境(植被、水體)與地形地貌。人口規模主要反應人類活動強度及其空間分布對熱島影響,由夜間燈光強度表示;交通密度主要測度機動車二氧化碳排放影響;地表非滲透面為能源輻射和熱傳導,由NDBI指數表征;植被指數、水體指數及DEM主要反應盆地自然生態環境的降溫作用。

表3 福州市中心城區高溫環境影響因素指標

圖5 福州市中心城區高溫環境影響因素的空間分布Fig.5 The distribution of factors for heat environment in Fuzhou center city

3.3.2 主成分分析

經主成分分析計算,各因素主成分貢獻率見表4。其中第一主成分貢獻率達到70.988%,第二、三主成分貢獻率分別為12.530%及7.404%,累積貢獻率達到90.922%,取前3個主成分作為促成盆地高溫環境的主要因素變量。

表4 主成分分析主要結果

結合主成分特征向量值(表4),第一主成分z1主要為夜間燈光強度,其次為交通路網密度等。第二主成分z2與地表植被關系最為明顯,第三主成分z3則主要表現為地面高程,故將福州中心城區高溫環境的影響因素歸結為人類活動因子(z1)、地表植被因子(z1)以及地面高程因子(z3)。3個主成分同各指標間的線性關系為：

z1=0.754x1+0.384x2+0.214x3-0.354x4-0.323x5+0.092x6

(6)

z2=0.389x1+0.286x2-0.280x3+0.722x4+0.164x5-0.376x6

(7)

z3=0.405x1-0.305x2-0.045x3-0.175x4+0.809x5+0.236x6

(8)

3.3.3 盆地熱島與影響因素關系

對研究區平均分布3092(有效采樣點3082)個采樣點進行3個主成分數值提取,并與上述城區亮溫進行回歸擬合(表5)。

表5 回歸系數及檢驗結果

R2=0.705,F=1573.549,Sig.<0.001

由回歸后的關系模型結果,福州盆地高溫與上述自然-人文影響因素的回歸方程擬合度較好,模型總體F值為1573.549,各變量均通過1%顯著性水平檢驗,說明上述三類主成分均是影響城市熱島的重要因子,且各變量方差膨脹因子(VIF)遠小于10,模型不存在多重共線性問題。為比較自然-人文不同量綱指標間的作用程度,本文采用標準化回歸模型：

T′=0.661z1+0.195z2-0.355z3

(9)

該模型表明人類活動因子(z1)對該盆地溫度的影響程度更為顯著,其次為地面高程因子(z3)、地表植被因子(z2)。將上述主成分公式(公式6—8)代入,模型進一步轉化為：

T′=0.430x1+0.418x2+0.103x3-0.0310x4-0.469x5-0.0963x6

(10)

由公式10,以上人文、自然因素每變化1個單位,福州盆地溫度將分別變化0.430、0.418、0.103、-0.031、-0.469及-0.096。由此表明,當地人文因素推動、促進盆地熱島的蔓延擴張,其中夜間燈光x1、交通密度x2的正向影響較為突出,貢獻度分別為0.430、0.418,地表非滲透面x3的作用程度為0.103,分別約為前兩者的25%。而自然因素對盆地熱島的發展起負向作用,其中地面高程x5的抑制作用最為明顯(-0.469),其次為水體x6(-0.096)與地表植被x4(-0.031),水體與地表植被制作用作用之和明顯低于地面高程,僅相當于地面高程作用的27%。

結合以上各因子作用程度,人文、自然因素每增加1個單位,將使得溫度變化0.951及-0.596個單位,綜合作用下地區將升溫0.355個單位,即人文因素對于當前熱島形成蔓延的促進作用明顯大于自然抑制作用?？紤]自然、人文兩方面相互作用程度,假設將人文促進作用縮小一定比例,同時擴大相同比例自然抑制作用規模,則當人文促進作用程度縮小至70%,自然因素作用在原基礎增加30%時,地區才會出現明顯降溫(表6)。

表6 不同作用等級下的城市溫度

實際上,城市隨經濟社會發展很難將現有人文因素對熱島的促進作用縮小一定等級比例,在自然環境方面發揮、強化城市當地的山水特色才是減緩城市熱島效應的重要舉措。對比人文、自然兩方面作用程度(0.951與-0.596),在保持現有人類活動規模下,只有進一步增加自然因素作用60%時,自然環境的升溫抑制作用才會明顯。

3.3.4 盆地熱島成因分析

福州盆地熱島的蔓延與其建設用地制約及城市發展模式有關。福州市中心城區群山環抱,背山面海,山地區和丘陵區包圍盆地中心,城市發展用地局限于盆地內的河谷平原及低丘。河谷盆地中部的主要城區內,城市下墊面建筑密集,政府機關、企事業單位集中,大量人口及經濟社會活動(包括科研文教、醫療衛生、企業生產等)集聚,許多低容積率但高建筑密度的建筑樓群、棚戶區充斥于城區,人類活動能源消耗及熱量排放大。加之盆地特殊的地形特征,空氣流動較差,不利于建筑物、水泥地和混凝土吸收貯存的能量向外擴散,造成城區氣溫升溫明顯,城-郊、平原-山地氣溫差異擴大。

在空間發展上,福州市老城區內屏山、烏山和于山已近全部開發利用,老城邊緣的平原、低丘繼而成為城市未來發展建設的主要地貌類型。受盆地周圍高丘、山地制約,中心城區布局的晉安、馬尾、青口、亭江、荊溪及上街南嶼南通等多個產業集聚區,及荊溪組團、上街南嶼南通組團與青口組團等均環繞盆地內的老城區,使得逐漸興起并連片分布的居住區、工業用地與不透水路面向老城區外圍組團、新城蔓延,并逐漸占據老城區周邊原有自然植被、農田,已有超過45%耕地資源成為福州市增加的建筑用地[48]。盆地地形用地緊約束下的城區高強度開發,以及植被水體等天然生態環境的取代等均推動了城區高溫熱場的形成,并將進一步對福州市目前及其未來的城市生態環境產生極大的負面影響。

4 結論與討論

針對以往熱島驅動研究中缺少自然-人文多維因子組合作用的成因分析,本文利用landsat TM/OLI遙感影像反演福州市1991—2013年河谷盆地高溫熱場,探究DMSP/OLS夜間燈光、地面高程、地表植被指數及其他地表信息對熱島的組合影響及相互關系。研究發現1991—2013年福州盆地熱島呈現出中心向外輻射并沿江擴展態勢,平原與山地溫差擴大(10—14℃),且熱島面積出現兩極分化,高溫區平均年增長率最高。其次,人文促進作用大于自然抑制作用,夜間燈光、交通路網密度、地表非滲透面、地表植被、地面高程及水體均對地區溫度產生不同程度影響,其中夜間燈光、交通密度與地面高程作用顯著。在綜合作用下中心城區將升溫0.35個單位。

值得注意的是,在夜間燈光、交通密度等因素作用下,地表非滲透面對熱島的貢獻作用并不突出,這可能是夜間燈光及交通密度間接代表的人口規模、能源利用強度及熱量釋放過程比地表非滲透面的熱量傳導及能量輻射作用更為強烈。其次,地表植被與水體對于減緩熱島的抑制作用較弱,作用之和明顯低于地面高程。雖然本文研究結果表明人類活動是促成城市熱島的重要原因,與多數研究成果相一致,但對比前人利用福州地表植被、水體等回歸擬合結果[24-25],這些因素在本研究中均未表現突出(即使采用非標準化模型)。表明,除本文采樣點數量及指標因素影響外,利用單個影響因子與熱島進行關系分析很有可能忽略了綜合作用下該因子實際貢獻程度,即單因素回歸分析下該因素作用程度偏高。

有別于地表植被與水體,地面高程差異并非城市建設過程中人類活動可控資源,福州盆地目前的自然地表覆被情況對于規模逐漸擴大的城市活動而言,作用收效較低,并不足以緩解城市進一步發展而導致的熱島加劇。研究表明,城市保持現有發展規模且自然因素發揮原有1.6倍作用程度時,盆地熱島將出現明顯降溫現象,但地面高程為其中降溫抑制主體,這意味著原本作用收效較低的植被、水體成為今后城市降溫主要實施對象,須進一步合理布局與擴大規模以強化生態因子的降溫作用。

長時間序列的成因分析更有助于反映上述影響因子對熱島空間分布及蔓延擴張的貢獻價值。本研究有助于深化對城市熱島效應成因分析認知,明確自然-人文多維影響因素間相關關系和相關程度。如何最大化發揮、利用福州市現有山水特色,并在此基礎上合理調整城市開發密度,以及建設城市風廊與海綿城市等,是當前解決福州城市熱島問題的突破點。

[1] IPCC. Climate Change 2013: The Physical Science Basis. Cambridge: Cambridge University Press. (2013-09- 30) [2013-09- 30]. http://www.climatechange2013.org/images/uploads/WGIAR5_WGI12Doc2b_FinaIDraftAll.pdf.

[2] 沈永平, 王國亞. IPCC第一工作組第五次評估報告對全球氣候變化認知的最新科學要點. 冰川凍土, 2013, 35(5): 1068- 1076.

[3] 王亞婷, 范連連. 熱島效應對植物生長的影響以及葉片形態構成的適應性. 生態學報, 2011, 31(20): 5992- 5998.

[4] 賈寶全, 邱爾發. 基于TM衛星遙感影像的西安市城市熱島效應變化分析. 干旱區研究, 2013, 30(2): 347- 355.

[5] 謝苗苗, 王仰麟, 付梅臣. 城市地表溫度熱島影響因素研究進展. 地理科學進展, 2011, 30(1): 35- 41.

[6] Santamouris M. Using cool pavements as a mitigation strategy to fight urban heat island-a review of the actual developments. Renewable and Sustainable Energy Reviews, 2013, 26: 224- 240.

[7] Caravantes R E D, Luque A L C, Gallegos P A. Mortality by Excessive Natural Heat in Northwest Mexico: Social Conditions Associated with this Cause of Death. Frontera Norte, 2007, 26(52): 155- 177.

[8] Kim D W, Deo R C, Chung J H, Lee J S. Projection of heat wave mortality related to climate change in Korea. Natural Hazards, 2016, 80(1): 623- 637.

[9] 陳輝, 古琳, 黎燕瓊, 慕長龍. 成都市城市森林格局與熱島效應的關系. 生態學報, 2009, 29(9): 4865- 4874.

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

[11] 拉巴次仁, 卓嘎, 羅布, 普布次仁. 拉薩市城市熱島的時空分布特征. 資源科學, 2012, 34(12): 2364- 2373.

[12] 苗峻峰. 城市熱島和海風環流相互作用的數值模擬研究進展. 大氣科學學報, 2014, 37(4): 521- 528.

[13] 楊萍, 肖子牛, 劉偉東. 北京氣溫日變化特征的城郊差異及其季節變化分析. 大氣科學, 2013, 37(1): 101- 112.

[14] 易予晴, 龍騰飛, 焦偉利, 彭劍威, 劉慧嬋, 凌賽廣. 武漢城市群夏季熱島特征及演變. 長江流域資源與環境, 2015, 24(8): 1279- 1285.

[15] 賈偉, 高小紅. 河谷型城市熱島空間分布格局演變及對策——以西寧市區為例. 地球信息科學學報, 2014, 16(4): 592- 601.

[16] 劉宇峰, 原志華, 孔偉, 孫鉑, 安彬. 1993- 2012年西安城區城市熱島效應強度變化趨勢及影響因素分析. 自然資源學報, 2015, 30(6): 974- 985.

[17] 韓春峰, 張友水, 陳友飛. 多時相影像福州市不透水面對城市地表溫度的空間分布研究. 遙感信息, 2010, (6): 79- 86.

[18] Eliasson I, Svensson M K. Spatial air temperature variations and urban land use-a statistical approach. Meteorological Applications, 2006, 10(2): 135- 149.

[19] 彭保發, 石憶邵, 王賀封, 王亞力. 城市熱島效應的影響機理及其作用規律——以上海市為例. 地理學報, 2013, 68(11): 1461- 1471.

[20] Schlünzen K H, Hoffmann P, Rosenhagen G, Riecke W. Long-term changes and regional differences in temperature and precipitation in the metropolitan area of Hamburg. International Journal of Climatology, 2010, 30(8): 1121- 1136.

[21] Kug J S, Ahn M S. Impact of urbanization on recent temperature and precipitation trends in the Korean peninsula. Asia-Pacific Journal of Atmospheric Sciences, 2013, 49(2): 151- 159.

[22] Grover A, Singh R B. Analysis of urban heat island (uhi) in relation to normalized difference vegetation index (ndvi): a comparative study of delhi and mumbai. Environments, 2015, 2: 125- 138.

[23] 曹愛麗, 張浩, 張艷, 馬蔚純. 上海近50年氣溫變化與城市化發展的關系. 地球物理學報, 2008, 51(6): 1663- 1669.

[24] 徐涵秋. 城市不透水面與相關城市生態要素關系的定量分析. 生態學報, 2009, 29(5): 2456- 2462.

[25] 王美雅, 徐涵秋, 付偉, 林中立, 李霞, 張博博, 唐菲. 城市地表水體時空演變及其對熱環境的影響. 地理科學, 2016, 36(6): 1009- 1105.

[26] 楊旺明, 蔣沖, 喻小勇, 崔雪峰. 氣候變化背景下人為熱估算和效應研究. 地理科學進展, 2014, 33(8): 1029- 1038.

[27] 姚從容. 城市化進程中人口變動對氣候變化的影響機制: 理論框架與協整檢驗. 城市發展研究, 2012, 19(10): 86- 91, 103- 103.

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

[29] 戴曉燕, 張利權, 過仲陽, 吳健平, 栗小東, 朱燕玲. 上海城市熱島效應形成機制及空間格局. 生態學報, 2009, 29(7): 3995- 4004.

[30] 杜軍, 翁海卿, 袁雷, 馬鵬飛, 拉巴. 近40年西藏怒江河谷盆地的氣候特征及變化趨勢. 地理學報, 2009, 64(5): 581- 591.

[31] 曾祥坤, 范嶸, 高峰. 基于資源整合的河谷盆地型地區城鎮空間布局規劃研究——以梅州市為例 // 轉型與重構——2011中國城市規劃年會論文集. 南京: 中國城市規劃學會, 2011.

[32] 楊永春. 中國河谷型城市研究. 地域研究與開發, 1999, 18(3): 61- 65.

[33] 張建明, 王鵬龍, 馬寧, 張超. 河谷地形下蘭州市城市熱島效應的時空演變研究. 地理科學, 2012, 32(12): 1530- 1537.

[34] 張文開. 福州城市地貌與城市氣候關系分析. 福建師范大學學報: 自然科學版, 1998, 14(4): 96- 102.

[35] 王朝春. 城市氣候高溫化的成因與對策——以福州市城區為例. 城市問題, 2006, (9): 98- 102.

[36] 林雅茹. 建設節約型的城市園林綠化——福州持續高溫36天引發的思考. 福建建筑, 2008, (9): 18- 19.

[37] 新華網. 官方發布內地“新四大火爐” 福州成為高溫王者. (2013-07- 16) [2016-02-05]. http://news.xinhuanet.com/2013-07/16/c_125012838.htm.

[38] 福州市城鄉規劃局. 福州市城市總體規劃2011- 2020. (2015-08-05) [2016-02- 23]. http://ghj.fuzhou.gov.cn/ghzs/ztgh/201508/t20150805_920381.htm.

[39] 徐永明, 覃志豪, 朱焱. 基于遙感數據的蘇州市熱島效應時空變化特征分析. 地理科學, 2009, 29(4): 529- 534.

[40] 馬偉, 趙珍梅, 劉翔, 閆東川. 植被指數與地表溫度定量關系遙感分析——以北京市TM數據為例. 國土資源遙感, 2010, (4): 108- 112.

[41] 黃榮峰, 徐涵秋. 利用Landsat ETM+影像研究土地利用/覆蓋與城市熱環境的關系——以福州市為例. 遙感信息, 2006, (5): 36- 39.

[42] 武鵬飛, 王茂軍, 張學霞. 基于歸一化建筑指數的北京市城市熱島效應分布特征. 生態環境學報, 2009, 18(4): 1325- 1331.

[43] 夏俊士, 杜培軍, 張海榮, 劉培. 基于遙感數據的城市地表溫度與土地覆蓋定量研究. 遙感技術與應用, 2010, 25(1): 15- 23.

[44] 張華兵, 劉紅玉, 李玉鳳, 侯明行. 自然條件下海濱濕地土壤生態過程與景觀演變的耦合關系. 自然資源學報, 2013, 28(1): 63- 72.

[45] National Center for Environmental Information. DMSP-OLS nighttime lights time series. [2016-01- 15]. http://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html.

[46] CGIAR-CSI. SRTM, SRTM 90m Database. [2016-01- 15]. http://srtm.csi.cgiar.org/SELECTION/listImages.asp.

[47] 中國科學院計算機網絡信息中心·科學數據中心. Landst系列數據. [2016-01- 16]. http://www.gscloud.cn/.

[48] 葉琳, 徐涵秋. 近20年來福州市土地利用時空變化的遙感分析. 地球信息科學學報, 2008, 10(1): 80- 87.

Spatial-temporal characteristics of urban heat islands and driving mechanisms in a coastal valley-basin city: a case study of Fuzhou City

LIN Rongping1,QI Xinhua2,*,YE Shilin3

1SchoolofGeographyandPlanning,SunYat-senUniversity,Guangzhou510275,China2SchoolofGeographicalScience,FujianNormalUniversity,Fuzhou350007,China3NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,China

Previous literature on cause analyses of urban heat islands (UHI) lacks perspective from the combined effects of natural and humanity factors. With this prerequisite, the present study used Landsat TM/OLI remote sensing images to extract urban thermal fields of Fuzhou city, a typical valley basin in China, during 1991, 2000, and 2013. The combined effect and linkage relationship between the multidimensional factor and UHI was also explored using DMSP/OLS, traffic density, and land surface information indexes, including normalized difference building index (NDBI), digital elevation model (DEM), normalized difference vegetation index (NDVI), and modified normalized difference water index (MNDWI), based on GIS and principal component multiple regression. The results revealed that (1) the UHI of the Fuzhou valley basin has spread outward along the Minjiang River while the inner-city has become the core area of the UHI, commencing its significant overflow heat phenomenon from the center to outer edge from 1991; (2) the temperature difference between the plain and mountainous areas in the basin reached 10—14 ℃, and the UHI area displayed a polarization appearance indicating that both the low and high temperature areas have tendency to increase. Moreover, the high temperature area increased four times to 138.5 km2between 1991 and 2013, with an average annual growth rate of 7.5%; 3) according to the coefficient simulation, the basin temperature changed 0.430, 0.418, 0.103, -0.0310, -0.469, and -0.0963 as the night light intensity, NDBI, traffic density, NDVI, DEM, and MNDWI increased every 1 unit respectively; (4) the human promoting effect was greater than the natural inhibition on the UHI, resulting in the basin warming by 0.35 units; and (5) in comparison to the NDBI, night light intensity and traffic density contributed more significantly to the warming of the UHI, and the cooling effect of surface elevation is prominent, followed by water and surface vegetation, with these accounting for only 27% of the surface elevation effect. In addition, the cooling effect was obvious when the natural effect further increased by 60% and Fuzhou city simultaneously remains at the existing developmental scale. This also reveals that the current ecological environment of the Fuzhou basin is not enough to alleviate the UHI caused by future development of the city.

urban heat island; multidimensional factor; combined effect; valley basin; Fuzhou

國家基礎科學人才培養資助項目(J1210067);福建師范大學優秀青年骨干教師培養基金資助項目(fjsdjk2012071)

2016- 07- 25;

2016- 10- 27

10.5846/stxb201607251516

*通訊作者Corresponding author.E-mail: fjqxh74@163.com

林榮平,祁新華,葉士琳.沿海河谷盆地城市熱島時空特征及驅動機制.生態學報,2017,37(1):294- 304.

Lin R P,Qi X H,Ye S L.Spatial-temporal characteristics of urban heat islands and driving mechanisms in a coastal valley-basin city: a case study of Fuzhou City.Acta Ecologica Sinica,2017,37(1):294- 304.